【AI观察】2026-11-17 10:12 — 光轮智能推出 RoboFinals RL Envs,机器人强化学习环境进入长程任务时代

  本轮采集时间:2026-11-17 10:12 | 来源:量子位、NVIDIA Blog、AlphaSignal、OpenAI News | 新增条目:6

  导语:这一轮最值得先看的是物理 AI 的训练基础设施。光轮智能在 CoRL2026 期间发布 RoboFinals RL Envs,把灵巧手操作、工具使用、多阶段流程和柔性物体交互组织进同一个仿真任务,首个场景就是超过 8 分钟的汽车修理长程工作,直接对准机器人强化学习「任务太短、误差累积、柔体难算」的老大难。算力侧,英伟达在 SC26 推出 DGX Spark HPC 开发者套件,用四台 GB10 环形直连组成 512GB 内存的桌面集群,让研究者不必再排队等超算,NVFP4 下可本地跑 700B 参数模型。企业侧,OpenAI 把 ChatGPT for Healthcare 向前推了一步:computer-use Agent 进入诊室流程,可信临床搜索升级,并一次性接入 20 多个医疗插件。基础设施侧,Lambda 规模化部署英伟达光子学 CPO 交换机,网络功耗效率最高提升 5 倍、可靠性最高提升 15 倍。

工具与产品

光轮智能发布 RoboFinals RL Envs:面向物理 AI 的强化学习仿真环境

光轮智能在 CoRL2026 期间发布 RoboFinals RL Environments,首个展示的是时长超过 8 分钟的汽车修理长程仿真任务,把灵巧手操作、工具使用、多阶段流程和柔性物体(软管、线缆、密封垫)交互组织在同一场景,前后阶段相互关联、误差会逐步累积;底层是全栈自研的 SimFoundry 仿真底座,覆盖「求解—测量—生成」三个环节,并配套 RoboFinals Benchmark 做独立评测,提出「RL Ready」标准。

来源:量子位

英伟达 SC26 推出 DGX Spark HPC 开发者套件:四节点 GB10 集群把超算搬上桌面

英伟达在 SC26 发布 DGX Spark HPC Developer Kit:四台 DGX Spark 用 ConnectX-7 环形直连(无需交换机),合计 512GB 内存与 20TB NVMe,NVFP4 下可跨四节点本地部署最高 700B 参数模型(如 DeepSeek V4.1)。套件面向科研、学术与开发者,配合即将推出的 HPC SDK playbook,可跑 LAMMPS、NAMD、GROMACS、OpenFOAM 等科学工作负载,让团队不必再排队等共享 GPU 集群。

来源:NVIDIA Blog

Vstorm 开源 AgenticOS:企业自托管的 Agent 工作台

Vstorm 发布 AgenticOS(Apache-2.0),一个基于 Pydantic AI 的企业级自托管 Agent 平台:人与 Agent 在同一个共享会话里协作,内置 RAG、真实浏览器、可视化与编码交接(Claude Code / Codex),可接入 4700+ MCP 服务与 28 家模型提供商(含 Ollama、vLLM);治理层面有按 Agent 的预算、审批、哈希链审计日志与加密 vault,Docker Compose 在 4 vCPU / 8GB 内存即可起。项目获得 2026 年 AAIF Open Agentic AI 创新奖,目前尚不支持原生 SAML / SCIM / MFA。

来源:AlphaSignal

OpenAI 医疗平台更新:computer-use Agent 进诊室,新增 20 多个医疗插件

OpenAI 为 ChatGPT for Healthcare 带来一揽子更新:computer-use Agent 已与 Abridge、Ambience、Cigna Healthcare、CVS Health 等合作方处理转诊、跨系统搬文档;可信临床搜索升级后,在 1300 多次医生盲评中于事实正确性、安全性、可执行性等 8 个维度全面更优;同时医疗插件生态一次性新增 20 多个,覆盖 Aiva、Amion、UpToDate、Metriport、Redox 等,可完成预约确认、保险资格核查、就诊前准备等流程。

来源:OpenAI News

产业与商业

Lambda 规模化部署英伟达光子学 CPO 交换机:网络功耗效率最高提升 5 倍

Lambda 在其连接 GB300 NVL72、规模超 1 万 GPU 的部署中使用英伟达光子学共封装光学(CPO)交换机:单台 144 端口、800Gb/s,液冷下光引擎中位温度 36°C(传统可插拔光模块为 51°C)。官方数据称功耗效率最高提升 5 倍、可靠性最高提升 15 倍、激光器数量减少 4 倍,机架级网络延迟降约 4%、Pod 级最多降约 10%。对大规模训练与 Agentic 推理而言,网络中断与每瓦功耗都直接换算成算力成本。

来源:NVIDIA Blog

学术与前沿

因斯布鲁克大学:单个共享参数让量子生成模型超越同等规模酉电路

因斯布鲁克大学研究人员提出 Restricted VMBQC:基于测量的变分量子计算(VMBQC)不再给每个被测量子位单独配校正概率,而是全体共享一个可训练参数,就能表示出同等量子比特数与深度的酉电路无法学习的分布。四个单参数变体在 10 个随机种子下于 MMD 损失上全部优于酉基线,并有代数证明:哪怕只校正一个量子位也足够。代码已在 GitHub 开源。

来源:AlphaSignal

发表评论