人形机器人与具身智能情报

值得关注：Ambi 获 2600 万美元融资并上线多端环境声音采集应用，显示随身 AI 记录类产品融资活跃，可作 AI 应用落地参考。

TechCrunch 报道，前 Plaud 高管创办的 Ambi 完成 2600 万美元融资，并推出面向 iPhone、Mac 与 Apple Watch 的应用，可实现环境声音的持续采集与记录。原文未披露投资方、所用模型方案与隐私处理机制，属 AI 应用与融资类动态。

值得关注：农业机器人用 Cosmos 世界模型与 Jetson 端侧推理做自主除草，展示 Physical AI 在非结构化农田的落地路径。

NVIDIA Robotics 介绍，Aigen 正利用 NVIDIA Cosmos 与 NVIDIA Jetson 构建太阳能驱动机器人，在农田中实现自主、无化学药剂的除草作业，以减少对除草剂和柴油动力机械下田的依赖，并借助 NVIDIA 技术完成训练与部署。信源为厂商账号推文，未披露部署规模、客户与成本数据。

值得关注：99 美元智能戒指把 AI 智能体入口做成可穿戴硬件，兼具健康追踪，是智能体消费级落地的新形态尝试。

Natura 发布售价 99 美元的 Interface 智能戒指，用户按压戒指即可唤起 AI 智能体完成任务、记录想法并控制其他设备，同时兼作健康追踪器。该产品把智能体入口从手机延伸到可穿戴设备，是 AI 硬件形态的又一次尝试，但实际能力仍待验证。

值得关注：谷歌以离线端侧能力切入会议记录场景并直接对标Granola，显示端侧AI应用正被大厂加速产品化落地。

TechCrunch 报道，谷歌推出 AI Edge Foresight 应用，对标会议记录工具 Granola。该应用可在离线状态下转写对话、生成会议笔记并回答问题，全部依赖设备端 AI 完成，主打本地优先与隐私保护。原文未披露支持的设备与地区。

值得关注：微软公布Surface Laptop Ultra规格售价，采用英伟达芯片并改版Windows 11，显示PC端侧运行AI模型与智能体成为新竞争点。

微软公布 Surface Laptop Ultra 的规格与售价，该系列 AI PC 采用英伟达芯片，专为本地运行 AI 模型与智能体而设计，同时配套改版 Windows 11。原文未披露更详细的技术参数与上市时间。

值得关注：Liquid AI 开放权重决策模型适配 Jetson Thor 等边缘平台，单次前向推理利于机器人端侧决策部署，具工程参考价值。

NVIDIA Robotics 祝贺 Liquid AI 发布 Open d1，两款开放权重决策模型可在 NVIDIA Jetson Thor、Jetson AGX Orin 与 Orin Nano 上以单次前向推理直接给出答案，帖子同时引导用户前往 Jetson AI Lab 了解在 Jetson 平台上的部署方式。该内容面向边缘端推理场景，未披露模型参数量、训练数据与评测结果。

值得关注：现代汽车集团 Robotics LAB 与 DEEPX 联合开发 Physical AI 计算平台，显示车企正自建具身智能芯片底座，值得跟进。

据 Robotics Business News 报道，韩国 AI 芯片企业 DEEPX 与现代汽车集团 Robotics LAB 建立合作，共同开发面向下一代 Physical AI 的计算平台。目前公开信息集中于合作方向，尚未披露具体芯片规格、算力指标、搭载机型与量产时间表，实际落地进度有待观察。

值得关注：Google DeepMind 开源轻量多模态嵌入模型 EmbeddingGemma 2，为端侧检索与多模态 RAG 提供新基础组件，值得关注其部署与生态影响。

Google DeepMind 发布 EmbeddingGemma 2，一款开放、轻量的多模态嵌入模型。原文未提供摘要，仅从标题可知其定位为开源多模态嵌入能力，具体参数量、评测结果、适用模态与许可条款均未披露，信源信息有限，需以官方后续文档为准。

值得关注：Meta 免费开放 Muse 代码意在把自家模型嵌入电视等消费硬件，端侧 AI 生态入口的争夺值得持续跟踪。

Meta 计划将 Muse 模型嵌入电视乃至烤面包机等各类消费硬件，并宣布把相关代码免费开放给外界使用。原文仅提供标题与一句摘要，未披露模型参数规模、具体能力边界、开源许可范围与发布时间，端侧落地细节尚待官方进一步说明。

值得关注：DetectifAI 把深度伪造语音检测模型压缩到手机端实时运行，端侧反诈成为小模型落地的新切口。

创始人 Tarini Padmanabhuni 的祖父曾被伪造其兄弟声音的深度伪造电话诈骗，随后她在旧金山创立 DetectifAI。该公司训练可直接在智能手机本地运行的 AI 模型，实时识别并标记伪造语音，目前正参加 TechCrunch Disrupt 的 Startup Battlefield 竞赛。原文未披露融资金额、模型准确率与商业进展。

值得关注：Jetson Thor 边缘推理实测 6.4 倍提速与 52.33 token/秒数据，反映端侧智能体算力快速提升，为人形机器人本地部署大模型提供参考。

英伟达机器人官方账号称，在 Jetson AGX Thor 边缘平台上，TensorRT Edge-LLM 于 MLPerf Edge Agentic 测试中较 llama.cpp 参考实现提速 6.4 倍，Qwen 3.6 27B 模型推理达 52.33 token/秒。加速手段包括 NVFP4 量化、约 96% 提示词 token 命中热缓存以及基于树的 MTP。数据为厂商自述。

值得关注：官方实测显示 Jetson 端侧运行 Qwen3.5 9B 开启 DFlash 后吞吐翻倍至 68.1 tokens/s，为机器人端侧大模型部署提供参考。

NVIDIA Robotics 展示在 NVIDIA Jetson 边缘平台上运行 Qwen3.5 9B NVFP4 模型的效果：对比开启与关闭 DFlash 推测解码两种情况，开启 DFlash 后吞吐量翻倍，达到 68.1 tokens/s。该演示表明推测解码可在同一边缘硬件上显著提升大模型推理速度，对端侧具身智能的模型部署具有参考价值。

值得关注：Ambarella 推出首款独立 AI 加速器 X7，瞄准为主机处理器外挂 Physical AI 算力，显示边缘具身智能算力供给正走向模块化。

Ambarella 通过 GlobeNewswire 公告推出其首款独立 AI 加速器 X7，定位为主机处理器之外的外挂式加速方案，可为任意主机处理器增加 Physical AI 能力。原文仅披露产品定位与发布信息，未给出具体算力参数、功耗、量产时间与客户名单。

值得关注：在机器人计算平台 Jetson AGX Thor 上以约每秒30 tokens 本地跑通125B多模态MoE，为具身端侧大模型推理提供可参考的量化与算力方案。

英伟达机器人账号演示在 NVIDIA Jetson AGX Thor 上本地运行 Qwen3.8 Flash Next--一款 125B 参数的多模态 MoE 模型。该模型面向推理、编程与工具调用，262K 上下文可处理大型代码库与长对话；借助 NVFP4 与 MTP，端侧推理速度约达每秒 30 tokens，相关代码已开放获取。

值得关注：NVIDIA推出Jetson Orin Nano 2，在边缘算力上实现2倍性能与更低功耗，将推动小型机器人及端侧具身智能应用落地。

NVIDIA Robotics官方发布面向入门级边缘AI的机器人计算机Jetson Orin Nano 2，推理性能达到Jetson Orin Nano Super的2倍，15W模式下同性能功耗降低40%。该产品将进一步降低端侧具身智能与机器人开发的算力门槛。

值得关注：NVIDIA展示Cosmos 3 Edge在Jetson Thor上运行操作策略，去掉数据中心GPU依赖，推动端侧具身智能高效落地。

NVIDIA Robotics官方发布构建机器人操作策略的完整工作流：使用NVIDIA Cosmos 3 Edge，在NVIDIA Jetson Thor上直接运行，无需数据中心GPU参与控制回路。流程包括准备Cosmos 3-DROID数据、后训练4B模型以及进行receding-horizon控制，展示了端侧具身智能策略部署的新路径。

值得关注：NVIDIA实测推测解码将Jetson上Qwen 27B推理速度提升近2.7倍，边缘AI加速方案可降低机器人端侧模型推理延迟，具备工程参考价值。

NVIDIA Robotics在X平台介绍推测解码技术，称可显著加速Jetson边缘设备上的生成式AI推理：Qwen 3.8 27B从13 token/s提升至35 token/s，Nemotron 3.5 Lightning从65提升至115。该技术对端侧机器人部署具有潜在价值。

值得关注：NVIDIA官方背书Qwen3.8-27B在Jetson上的边缘推理表现，结合推理与智能体能力，为端侧具身智能模型选型提供新选项。

英伟达机器人官方账号宣布，Qwen3.8-27B模型已支持边缘部署，具备强大推理与智能体能力，并支持通过MTP实现投机解码，在NVIDIA Jetson平台上可实现快速响应的本地推理。该模型有望用于机器人和具身智能的端侧计算。

值得关注：NVIDIA在Jetson上演示本地自主AI，展示模型在私有硬件上的运行能力，对具身智能边缘计算方案选型有参考意义。

NVIDIA Robotics宣布将于8月4日上午9点（PT）举行直播，展示Hermes与NemoClaw在Jetson平台上本地运行自主AI的能力，支持私有硬件部署，强调从本地模型迈向自主AI，具体演示内容值得期待。