AI听：AI开始学习时间了
0:0011:31
本期导览
2026 年 8 月 5 日，白名单公众号的多篇文章共同指向一个变化：AI 正从生成静态结果，走向记忆历史、表示空间、预测连续变化，并在实时环境里持续行动。真正的新门槛不只是模型能不能生成，而是它能不能把上一刻、这一刻和下一刻接起来。
本期沿着五个问题展开：
- 模型如何记住过去？ 大模型记忆正在从上下文窗口扩展到可更新、可跨会话保留的内部状态，但写入、遗忘和错误回滚仍没有成熟答案。
- 模型如何理解连续世界？ 连续时间世界模型和三维场景生成，分别处理变化与空间；它们仍主要是研究或发布方评测结果，不能直接等同于真实控制能力。
- 实时交互为什么难？ 全双工音视频模型开始进入产品，但抢话、延迟、误触发和视听对齐仍要在具体设备与网络里验收。
- 机器怎样学会做事？ 具身数据不只是视频，还要有时间顺序、空间状态、触觉或力度，以及动作是否成功的记录。
- 长期运行的成本由谁承担？ 游戏、社会仿真和企业部署都说明，AI 一旦持续运行，测试、治理、人工接管和失败复盘会成为系统的一部分。
节目中的事实均来自白名单公众号在 2026 年 8 月 5 日发布的文章；公司自述、论文或发布方评测、媒体转述、个人实测与编辑判断会分开说明。
听完可以怎么用
- 测试带记忆的助手时，分别检查短期上下文、长期召回、新知识写入和错误回滚，不要只比较上下文长度。
- 测试实时视觉或语音产品时，替换网络、设备、口音、噪声和说话节奏，记录延迟、抢话、误触发与人工接管次数。
- 评估机器人或物理 AI 时，要求数据同时保留时间顺序、空间状态、动作目标和失败原因，并确认采集授权与责任边界。
- 让 Agent 连续运行一段真实任务，故意漏掉一次观测、改变一个环境条件，再检查它能否说明自己记住了什么、推断了什么，以及哪里只是猜测。
关键进展
1. 记忆不等于更大的上下文
量子位转述清华大学唐杰团队、新加坡国立大学和 Bosch AI 的综述，把大模型记忆拆成表示、更新和持续时间三个维度。上下文窗口和键值缓存能暂时保留当前对话，但跨会话记忆还要解决什么时候写入、什么时候遗忘，以及错误信息能不能回滚。1
对开发者来说，今天最值得落地的不是立即更换模型，而是把「记住」拆成验收项：短期上下文是否完整，长期信息能否稳定召回，新知识是否污染旧知识。时间一长，记忆正确性比窗口大小更关键。
2. 从下一帧到连续时间
新智元报道，清华大学智能产业研究院和加州大学伯克利分校团队提出连续时间具身世界模型 ODEWorld。它尝试直接学习状态随真实物理时间变化的方向和速度，因此可以在同一条潜在轨迹上查询不同时间点、补足缺失观测，甚至生成反向序列。文章转述的论文结果显示，预测六十四帧时延迟约为零点零七二秒，对比模型约为零点六一九秒；这属于论文及公众号转述，不是独立复测。2
它和普通补帧的差别在于，目标不只是猜出两张图之间的一张图，而是描述机械臂、杯子和桌面如何一起变化。距离真实控制仍有距离，但建模对象已经从静态画面转向变化本身。
3. 三维场景成为行动的中间层
机器之心介绍影溯开源的 QuerySplat 和 Topos Lite：输入几张没有相机位姿的照片，一次推理即可在几秒内生成可自由切换视角的三维场景。文章引用的少量视图评测中，模型在 PSNR、SSIM 和 LPIPS 等指标上表现靠前；这些仍是论文与发布方评测，不能直接推导出所有手机和所有空间都能复现。3
对产品和机器人而言，价值在于把二维观察变成可进入的场景表示。只知道物体是什么、不知道它在哪里，或者只知道它在哪里、不知道下一秒会怎么动，机器都很难行动；空间状态和连续变化需要一起建模。
4. 实时交互开始进入产品
AI 新榜整理了字节 Seed 团队的 Seed Realtime。按字节口径，模型把音频、视频和文本放进统一的全双工架构，能结合画面、手势和视线理解指向关系；文章转述的测试称，抢话、延迟和误触发大约减少一半，模型已在豆包打电话功能中上线。相关数字属于发布方测试和媒体整理，实际体验还取决于设备、网络和场景。4
同篇文章还提到实时流式视频编辑：用户一边观看，一边修改人物和场景。对普通用户，变化可能是对着物件直接询问；对开发者，难点是模型知道什么时候该说话、什么时候停下来，以及画面变化和语言回应是否真正对齐。
5. 数据要记录动作为什么连起来
三十六氪采访恺望数据，文章写到其具身数据订单在 2026 年上半年占业务百分之六十，七月接近十万小时，并使用头显、夹爪和触觉设备采集商店、餐厅与家庭场景中的第一视角行为。这是采访对象提供的公司数据，不是三十六氪独立审计的行业统计。5
虎嗅则从激光雷达和三维感知分析物理 AI 的基础设施。两篇文章放在一起，结论比「机器人需要更多数据」更具体：数据要有时间顺序、空间状态和动作结果。只拍下手伸过去的画面，机器看到的是视频，不一定学会了做事。6
6. 工作方法和游戏世界都在变长
花叔实测商汤 Seko 三点零：在画布里用斜杠调出多个 Skill，把导演和编剧的工作方法封装成可调用流程。同一个短剧需求，裸跑的 Agent 容易给出常见反转；加入工作流后，会先排除俗套方案，再给出叙事方向并追问未解决的问题。这个差异是个人测试，更接近工作纪律变化，而不是模型突然变聪明。7
甲子光年从 ChinaJoy 观察到，AI 不只生成角色和代码，Agent 也开始进入游戏世界：角色拥有记忆、性格和目标，玩家离开后，世界里的事件仍可能继续发生。原型生成变快，不等于长期运营变简单；推理、测试、内容安全和规则治理会随着世界持续运行一起增长。8
7. 模拟越像现实，边界越要说清
集智俱乐部介绍的智能体社会仿真，让带有人物画像、记忆和行动能力的 Agent 进入由行动者、规则、网络和环境组成的模拟，用来研究虚假信息扩散、态度变化和群体极化。文章同时列出计算成本、模型依赖、行为同质化和现实有效性等问题，因此模拟结果可以帮助提出假设，但不能直接当成人类社会的统计结论。9
这条边界也适用于游戏、机器人和实时助手。能连续生成，不代表理解现实；能自己行动，不代表行动符合规则。运行时间越长，错误越可能累积成没人预料过的状态。
8. 企业要把失败写回下一轮
腾讯研究院发布的 FDE 行业报告提供了企业视角：报告称超过百分之六十的企业 AI 试点仍停在实验阶段，并引用 Indeed 招聘数据称，美国 FDE 职位从六百四十三条增至五千三百三十条。报告把 FDE 解释为前线部署工程师，并强调现场经验要沉淀为技能、模板、测试集或产品能力，下一次交付才能真正变便宜。以上数字和定义均按报告口径转述。10
这也是今天连续时间主线的企业版本：模型要记住历史，数据要保留动作，产品要持续运行，企业还要有人把失败写回下一轮训练。所谓实时，不只是响应快，而是每一轮都留下可复用、可审计的证据。
本期结论
今天的 10 篇文章来自 10 个白名单公众号。它们没有证明 AI 已经理解真实世界，却展示了几种正在成形的能力：记忆模块保存过去，连续时间模型预测变化，三维模型表示空间，实时模型跟上交互，真实数据把动作喂回系统。
测试 AI 时，不要只问这一帧生成得像不像，还要问它上一帧记住了什么，下一帧为什么会这样，以及连续运行十分钟之后，谁来检查它有没有越走越偏。
本期引用来源
- 量子位｜《清华唐杰团队揭示大模型记忆全景》 1
- 新智元｜《全球首个，连续时间具身世界模型！任意帧率自由生成》 2
- 机器之心｜《Transformer 开始构建三维世界：开源模型几张图片秒级生成可探索 3D 场景》 3
- AI 新榜｜《豆包升级「视频对话」能力；华夏出版社标注，书籍内容禁用于 AI 训练》 4
- 36 氪｜《具身智能走到哪一步了？数据公司最先知道》 5
- 虎嗅｜《物理 AI 受益最大的行业出现了》 6
- 花叔｜《我在 Seko 3.0 里敲了个「/」，它把导演调了出来》 7
- 甲子光年｜《「一句话生成游戏」之后：2026 ChinaJoy 的四个变化》 8
- 集智俱乐部｜《智能体社会仿真 |「AI × 传播」读书会第二季第五期》 9
- 腾讯研究院｜《前线共创，双向赋能：FDE 模式行业观察与实践报告》 10
当日白名单公众号覆盖
本期实际引用 10 篇来自 10 个白名单公众号；未出现在正文和来源清单中的账号不代表当天没有文章，只表示本期没有采用其内容。
| 白名单公众号 | 本期引用 |
|---|---|
| 量子位 | ✓ |
| 新智元 | ✓ |
| 机器之心 | ✓ |
| Founder Park | — |
| 数字生命卡兹克 | — |
| 42 章经 | — |
| MindCode | — |
| 赛博禅心 | — |
| 张小珺 | — |
| 海外独角兽 | — |
| 特工宇宙 | — |
| 爱范儿 | — |
| 甲子光年 | ✓ |
| 傅盛 | — |
| 集智俱乐部 | ✓ |
| 刘润 | — |
| 硅星人 pro | — |
| Mac Talk | — |
| 晚点 Latepost | — |
| LateNews by 小晚 | — |
| 经纬创投 | — |
| 刘小排 r | — |
| 葬 AI | — |
| Z finance | — |
| 36 氪 | ✓ |
| AGENT 橘 | — |
| 归藏的 AI 工具箱 | — |
| 卡尔的 AI 沃茨 | — |
| AI 新榜 | ✓ |
| 腾讯研究院 | ✓ |
| 虎嗅 | ✓ |
| 真格基金 | — |
| 花叔 | ✓ |
| AGI hunt | — |
| 小平的 IO | — |
References
- 1量子位：清华唐杰团队揭示大模型记忆全景mp.weixin.qq.com
- 2新智元：全球首个连续时间具身世界模型mp.weixin.qq.com
- 3机器之心：QuerySplat 与 Topos Lite 三维场景生成mp.weixin.qq.com
- 4AI新榜：Seed Realtime 与豆包视频对话mp.weixin.qq.com
- 536氪：具身智能走到哪一步了？数据公司最先知道mp.weixin.qq.com
- 6虎嗅：物理AI受益最大的行业出现了mp.weixin.qq.com
- 7花叔：我在 Seko 3.0 里敲了个斜杠mp.weixin.qq.com
- 8甲子光年：一句话生成游戏之后的四个变化mp.weixin.qq.com
- 9集智俱乐部：智能体社会仿真读书会mp.weixin.qq.com
- 10腾讯研究院：FDE 模式行业观察与实践报告mp.weixin.qq.com
AI听
追踪量子位、机器之心、新智元等 30+ 个 AI 相关公众号，每日提炼核心内容制成 14 分钟中文播客。
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.
Related content
- Sign in to comment.