乌克兰国防情报总局在俄罗斯新型S-71M "Monochrome"巡航导弹中发现一块英伟达 Jetson Orin模块，显示这款导弹可能采用了人工智能技术。 西方关键硬件进了普京的武器系统，具体流入路径得查清楚。

Meta 跟傅利叶合作，3 个月就整出个人形机器人原型 Max，1.5 米高、48 公斤重，装的是 NVIDIA Jetson Thor，9 月已经启动第二代 Max 2 的研发。 CTO 在内部把它定位成 AI 智能体 Muse 的物理化身 —— 先有 Agent，再给它找个身体。这一手选得实在：傅利叶干康复运动控制，配上 Thor 和中国供应链岗位，走快速原型加中国制造的务实路，不是自研本体。 沪深两地已经开始招量产岗，但没打算卖，也没排上市时间表。机器人这事，Meta 是真下场了。

Meta与国内傅里叶合作推出人形机器人原型Max，还已启动二代研发，被视作里程碑进展。 它是消费级AI智能体Muse的硬件载体，搭载英伟达Jetson Thor芯片，可做表情、抓取物品，能够在家庭中执行实操任务。 这代表Meta的AI从软件大模型，正式向物理世界落地，文章看好它打开人形机器人消费市场的空间，预判赛道热度将快速走高。

宇树上市日，英伟达发布人形机器人🤖 黄仁勋 6 月 1 日在 GTC Taipei 2026 大会上宣布推出 NVIDIA Isaac GR00T 参考人形机器人，搭载 Jetson Thor 车载计算模块，算力达 2070 FP4 TFLOPS，配备 14 核 Arm CPU 与 128GB 内存。 机器人本体基于宇树 Unitree H2 Plus，拥有 31 个自由度，双手采用 Sharpa 五指方案共 22 个自由度，并集成 GR00T 1.7 软件模型，支持数据生成与策略验证。 计划于 2026 年 10 月开始供货。

249 美元。 25 瓦功耗。 一台能在本地跑大模型的电脑。 黄仁勋手里捏着一块还没巴掌大的电路板。 这台机器叫 Jetson Nano Super。 算力逼近每秒 70 万亿次。 老大哥 HGX 能跑的计算任务，它全接了。 老黄调侃说，这东西在炉子里烤太久，缩水了。 体积缩水，但桌面的底牌变了。 跑本地大模型以前是什么阵仗？ 几万美金的显卡堆叠，配上满负荷运转的散热风扇。 现在门槛被砸到了一个路由器的功耗和价格。 25 瓦，刚好够点亮几个家用小灯泡。 数据不用传云端，不用看 API 定价的脸色。 买回去，插上电。 硅谷的算力霸主开始扫荡普通人的桌面了。

让机器人通过人类视频学习 - 英伟达GR00T 2 是 2B 参数的世界动作模型，基于 Cosmos，一次扩散同时生成未来几帧视频和动作块，先想象再执行。 预训练用 40 万小时人类第一视角视频。每个任务只给 1 条演示就能达到 71% 成功率，给 5 条可达 95%；在单卡 5090 上微调只需 30 分钟。 跨本体迁移更值得关注：只用人类戴 UMI 夹爪采集的数据训练，YAM 机械臂就能完成玩具车装配，成功率 60%。Turbo 版在 Jetson Thor 上单次预测 124ms。 12 月会开源模型权重与训练配方，并附 10 万小时数据；富士康和西门子已在工厂场景试用。真机数据采集成本最高，这条路径能省下不少。

具身模型在云端跑得挺好，一放到机器人本体上就变样，看一眼、想一下、再动手，中间隔着几百毫秒。 也许 AI 聊天慢几百毫秒没人在意，但机器人慢这一下，动作就迟滞、轨迹不连贯，任务直接失败。 就在今天，无问芯穹联合清华、上交开源了一款具身端侧推理引擎：APXInf，专门让模型在机器人上跑得更快更稳。 官方实测在 Jetson Thor 上跑 PI 0.5 模型，反应时间从 278ms 压到 26ms 以内，快了 10.7 倍，机器人也能实时控制了。 GitHub： 稳定性这块也下不少功夫，机器人是要连着跑很久的，中间不能抖、不能卡、不能突然断掉，它的设计就是围着长期运行来做的。 新模型往上接的门槛也压低了，自己训练的模型想放到机器人上跑，接入和调优不用花大把时间。 支持 PI 0.5 和 WALL-OSS 两款具身模型，桌面上的 RTX 4090 显卡和机器人常用的 Jetson Orin、Thor 都能直接部署。 它和去年开源的具身智能训练框架 RLinf 是同一个生态，从训练到部署可以在同一套工具链里走完。 正在把具身模型往机器人上部署、被延迟卡住的开发者，可以看看。

超级财报周来了，这是今年最关键的72小时 微软+Meta今晚盘后，SK海力士今天，苹果+亚马逊+Fed决议+三星完整财报明天，全压在周二到周四，这种密度在过去十年不超过三次 我最关注的是SK海力士 $SKHY 不是因为市场最近的情绪，而是这次财报要回答一个真正重要的问题，HBM超级周期还能持续多久？ 市场预期SK海力士Q2营业利润率接近77%，这个数字放在任何制造业都是离谱的。能维持这个利润率的核心原因只有一个，HBM产能已售罄至2027年，买家没有议价空间 黄仁勋 @JensenHuang 7月25日亲自确认SK海力士是NVIDIA @nvidia 最大内存合作伙伴，锁定Rubin、Vera CPU、RTX Spark、Jetson Thor四条产品线，HBM4市占率预计达70%，这不是普通的供应商关系，是深度绑定 但这次财报真正的风险点在指引。 长鑫上市之后，存储板块的竞争格局叙事变了。市场现在需要知道SK海力士管理层对中国竞争的看法，以及2027年之后的产能规划 如果电话会议里没有给出清晰的护城河表述，即便业绩超预期，股价也可能重演好业绩、逢高回落的套路，这正是高盛Flood上周提到的半导体股当前的普遍形态 三星明天出完整财报，对比就来了，两家同时在场，HBM竞争格局会在同一个窗口内被重新定价 对普通投资者来说，直接参与韩股有门槛，但这个逻辑可以通过美股资产来跟踪 🔹$rMU 美光科技 是HBM三大供应商之一，存储超级周期的直接受益标的 🔹rDRAM Roundhill内存存储ETF覆盖整个存储超级周期，分散了单一公司的集中风险 🪁 这两个都可以在Bitget直接交易，不用开美股账户、不用换汇、不用等T+2结算。 现在BTC报63K，跌2.89%，市场在等本周所有催化剂落地，这个位置不追，等财报和Fed说完话再判断方向 Bitget美股流动性远超你的想象 @Bitget_zh #bitget# DYOR 非投资建议

懒猫算力舱 X5 终于上线了，2070T 最强推理算力，128GB 超大显存，英伟达芯片，还配备 100GB 光口 和万兆网口，所有配置拉满 超帅超强，比 GB10 性能还强一倍，可以通过光口和 vllm 无限组网跑本地大模型，可以当独立电脑用 详细配置参数如下，预售 200 台已卖光，想要进一步了解软件性能的评论区打 1 懒猫 AI 算力舱（LazyCat AI Pod）详细硬件参数 1. 产品概述 紧凑型 AI 计算设备，面向硬核开发者 搭载 NVIDIA Jetson GPU，支持 CUDA 生态 统一内存架构，可本地部署大规模 AI 模型（如 DeepSeek-V4-Flash 284B） 预装 Ubuntu，支持本地 AI 部署，可作为私有 AI 超算替代云服务 从开箱到运行 AI 模型约 5 分钟 支持多机联网扩展算力 2. CPU 架构：Arm® Neoverse®-V3AE 64-bit X5-T4000**：12 核心，最高频率 2.6 GHz，每核心 1 MB L2 缓存，16 MB 共享系统 L3 缓存 X5-T5000**：14 核心，最高频率 2.6 GHz，每核心 1 MB L2 缓存，16 MB 共享系统 L3 缓存 3. GPU / AI 算力 架构：NVIDIA Blackwell X5-T4000（NVIDIA Jetson T4000）**： 1536 核心 第 5 代 Tensor Core MIG：6 TPC 最高频率 1.53 GHz AI 性能：1200T X5-T5000（NVIDIA Jetson T5000）**： 2560 核心 第 5 代 Tensor Core MIG：10 TPC 最高频率 1.57 GHz AI 性能：2070T 完整支持 CUDA 生态；非 CUDA 芯片实际 AI 性能约降低 50% 4. 内存 类型：LPDDR5X，256-bit 带宽：273 GB/s X5-T4000**：64 GB X5-T5000**：128 GB（可支持 DeepSeek-V4-Flash 284B 大模型：总参数 284B / 激活参数 13B，适合文生图、文生视频等任务；支持 vLLM 及多机联网扩展） 5. 存储 系统存储（嵌入式）：64 GB eMMC 5.1（主要针对 X5-T5000 提及） 模型存储：最高 32 TB（通过最多 2 个 M.2 接口） 支持 PCIe NVMe 和 USB 3.2 SSD 6. 网络与接口 有线网络 X5-T4000**：1 × QSFP28 光口（最高 75 Gbps，3 × 25GbE）+ 1 × 10GbE RJ45 口（支持网络唤醒） X5-T5000**：1 × QSFP28 光口（最高 100 Gbps，4 × 25GbE）+ 1 × 10GbE RJ45 口（支持网络唤醒） 无线 Wi-Fi：海华 WIFI6 XB560NF 无线网卡，双贴片天线 蓝牙：5.4 其他端口 1 × Type-C 3.2 Gen2（10 Gbps） 2 × USB 3.2 Gen1（5 Gbps） 1 × HDMI 2.1（支持 8K 输出） 1 × DC 电源口（5.5×2.5 mm） 7. 电源与功耗 模块功耗： X5-T4000：40W ~ 70W X5-T5000：40W 130W（针对 AI 推理优化，远低于消费级 GPU 的 350W 450W） 电源适配器：氮化镓宽电压适配器，输入 100V ~ 240V，输出 12V/8A，频率 50/60 Hz，支持 UPS 不间断供电 8. 外观与物理规格 尺寸：144 × 130 × 61 mm（长 × 宽 × 高） 重量：2.3 kg 外壳：金属机身 颜色版本： 太空白（喷砂烤漆工艺） 星辰灰（阳极氧化工艺） 9. 散热 直吹液压静音风扇 10 mm 大风量风扇 静音 FDB 轴承 转速 3500 ± 10% RPM 配备定制静音转速算法，12V 供电 10. 软件与系统支持 操作系统：预装 Ubuntu（含 CUDA 加速驱动和 AI 开发环境） 支持框架：Ollama、vLLM、Shimmy 等 常见应用：Jupyter Notebook（一键安装 CUDA 支持）、ComfyUI（文生图）、AI 语音识别/合成、DeepSeek OCR、文档/PDF 翻译等 支持内网穿透，手机远程访问 100% 本地部署，数据物理隔离，无需上传云端 可独立作为 Ubuntu AI 电脑使用（接键鼠显示器），也可多机联网扩展

为什么你的智能摄像头不该信任云端今天聊聊链上目击者的崛起 AI爆发式增长，背后却隐藏着一个巨大的核心漏洞，信任。全球有数以十亿计的摄像头和传感器，但它们产生的每一比特数据，在传统私有服务器上都可以被随意篡改、删除，甚至遭遇深度伪造（Deep-fake） XYO @OfficialXYO正在通过NVIDIA 的机器人技术直接引入链上彻底打破这一技术僵局。 想象一下这个纯粹的边缘端协作：摄像头捕捉到画面，但数据完全不经过容易受到攻击的第三方云端，而是直接由 NVIDIA Jetson Orin Nano 芯片在本地（边缘端)完成计算机视觉推理 以下是 XYO Layer One 处理这些真实世界数据的硬核流程： 边缘检测与物体分类:Orin 芯片直接在设备源头识别物体(精准区分人、车辆或宠物） 置信度评分： 每一个事件都将模型的确定程度作为一级字段直接写入元数据，拒绝伪造绝对真理 加密签名： 设备在观测到事件的瞬间进行本地加密签名，将数据与其物理源头牢牢绑定。 去中心化账本： 签名后的事件被发送至 XYO Layer One 区块链，成为永久防篡改的记录。所有者可以自主选择将其完全私密保存或公开供全球验证 用加密证明取代盲目信任，XYO 正在为未来的机器经济搭建不可或缺的可信数据底层