熊猫财评
11:23
$群核科技(00068)$
公司2025年空间智能业务已经收了520万，跟智源、银河这些机器人企业都合作上了，业务在起量，股价却在地上趴着，这市场到底在定价什么？
@徐君论财：
三篇论文入选ECCV，物理AI的「训练场」搭起来了！
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
分享至
微信
复制链接
精彩评论
我们需要你的真知灼见来填补这片空白
打开APP，发表看法
APP内打开
发表看法
{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":581704078266568,"tweetId":"581704078266568","gmtCreate":1783049022958,"gmtModify":1783049025202,"author":{"id":4242800069055140,"idStr":"4242800069055140","authorId":4242800069055140,"authorIdStr":"4242800069055140","name":"熊猫财评","avatar":"https://static.tigerbbs.com/12b6db774b35ca54dc8bd8e56eafb602","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":1,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"title":"","html":"<html><head></head><body><a target=\"_blank\" href=\"https://laohu8.com/S/00068\">$群核科技(00068)$ </a>公司2025年空间智能业务已经收了520万，跟智源、银河这些机器人企业都合作上了，业务在起量，股价却在地上趴着，这市场到底在定价什么？\n<br></body></html>","htmlText":"<html><head></head><body><a target=\"_blank\" href=\"https://laohu8.com/S/00068\">$群核科技(00068)$ </a>公司2025年空间智能业务已经收了520万，跟智源、银河这些机器人企业都合作上了，业务在起量，股价却在地上趴着，这市场到底在定价什么？\n<br></body></html>","text":"$群核科技(00068)$ 公司2025年空间智能业务已经收了520万，跟智源、银河这些机器人企业都合作上了，业务在起量，股价却在地上趴着，这市场到底在定价什么？","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/581704078266568","repostId":581688921453432,"repostType":1,"repost":{"magic":2,"id":581688921453432,"tweetId":"581688921453432","gmtCreate":1783045329880,"gmtModify":1783046710240,"author":{"id":4187155108895600,"idStr":"4187155108895600","authorId":4187155108895600,"authorIdStr":"4187155108895600","name":"徐君论财","avatar":"https://static.tigerbbs.com/35164f7402825e8ea0e34ee9f6b5ae24","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":11,"starInvestorFlag":false},"themes":[{"themeId":"8714ceddeb344b299d5586ee1515f7f7","categoryId":"b76d3c59fc044df59779c041b25852a6","name":"【热议】操盘多年，你被股市练出了啥性格？","type":0,"rnLink":"https://laohu8.com/RN?name=RNTheme&page=/theme/detail&rndata={\"themeId\":8714ceddeb344b299d5586ee1515f7f7}&rnconfig={\"headerBarHidden\": true}","description":"截止13日收盘，到目前为止，特斯拉股价还没有突破去年的高点，且2025年的涨幅已经为负。不过特斯拉的股东，应该已经从频繁的波动中，学会了“稳重”的优良品德。\n纵横股市多年，追涨教会了他“勇敢”，杀跌让她学会了“果断”，你被股市练出了什么性格呢？","image":"https://static.tigerbbs.com/3c4753f3d523da46efadbb158a976e61"}],"images":[{"img":"https://static.tigerbbs.com/119a9c607a0e1a8da1ca0410713c36c0","width":"1080","height":"464"},{"img":"https://static.tigerbbs.com/e073626109ee1e230a2c5751f2bc1b00","width":"1080","height":"743"},{"img":"https://static.tigerbbs.com/244dce8c70b4467e0174cf21df93bb44","width":"1080","height":"768"}],"coverImages":[{"img":"https://static.tigerbbs.com/119a9c607a0e1a8da1ca0410713c36c0","width":"1080","height":"464"},{"img":"https://static.tigerbbs.com/e073626109ee1e230a2c5751f2bc1b00","width":"1080","height":"743"},{"img":"https://static.tigerbbs.com/244dce8c70b4467e0174cf21df93bb44","width":"1080","height":"768"}],"title":"三篇论文入选ECCV，物理AI的「训练场」搭起来了！","html":"<html><head></head><body><p>最近，计算机视觉领域三大顶会之一ECCV 2026公布了论文录用名单，<strong>群核科技一口气入选了三篇论文。</strong></p>\n<p>三篇论文覆盖了<strong>空间感知评测、强化学习数据生成、高保真仿真</strong>三个方向，也就是说，教机器人怎么看懂世界、怎么持续学习、怎么在虚拟环境里训练，群核科技全给安排上了！</p>\n<p><strong>论文一：SPEAR——联手多家科技巨头共同探索的仿真平台</strong></p>\n<p>训练机器人，最大的难题之一就是：真实世界太贵了。</p>\n<p>让机器人在真实场景里反复摔跤、碰撞、试错，成本高、效率低，还可能出安全问题。所以研究者都想在虚拟世界里先练好，再到真实世界部署。</p>\n<p>但现有的仿真器有个大问题：</p>\n<p>要么画面太假，要么操作太麻烦，要么速度太慢。</p>\n<p>群核科技联合Adobe等共同提出了 <strong>SPEAR</strong>，这篇论文聚集众多来自产业界的大牛，专门解这道题：</p>\n<p>开放超过 <strong>14,000 个底层 Python 接口</strong>，研究者可以用代码精确控制场景里的一切</p>\n<p><strong>56帧/秒输出1080P高清画面</strong>，比同类仿真器快约15倍</p>\n<p>同步输出深度图、材质、语义分割等多种传感器数据——机器人训练最需要的原材料</p>\n<p>无缝接入群核科技开源的<strong> InteriorAgent、InteriorGS</strong> 等数据集，资产天然带碰撞体、关节等物理属性，直接可用</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/119a9c607a0e1a8da1ca0410713c36c0\" tg-width=\"1080\" tg-height=\"464\"></p>\n<p>简单说，<strong>SPEAR 做的事，是让机器人在虚拟世界里「看得真、练得快、控得准」，从而顺畅地迁移到真实世界</strong>。</p>\n<p><strong>论文二：Syn-GRPO——解决 AI 训练 “死记硬背”，训练时自动生成全新素材</strong></p>\n<p>有了仿真环境，下一个问题来了：<strong>训练数据从哪来？</strong></p>\n<p>传统的强化学习训练有个通病——“熵坍塌”和“多样性坍塌”。</p>\n<p>翻译成人话就是：AI越训练越死板，同一张图翻来覆去只能给同一个回答，完全失去了探索精神。</p>\n<p><strong>群核科技联合浙江大学提出的Syn-GRPO</strong>解决的就是这个问题。它的思路很直接：<strong>边训练边造新题，而且造的题越来越难。</strong></p>\n<p>Syn-GRPO分两大模块：</p>\n<p><strong>模块一：多样化图像生成。</strong></p>\n<p>拿到一张“猫坐在沙发上”的图，把沙发背景换成森林、沙漠、太空站，但猫的位置和大小完全不变。这样新题的“正确答案”（猫在哪）还是准的，但“题干”变新了，AI没法靠死记硬背蒙混过关。</p>\n<p><strong>模块二：难度自适应系统。</strong></p>\n<p>AI越学越强，系统就自动生成更复杂的背景——从纯色背景进化到混乱街景，甚至出现现实中不存在的“超现实场景”。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/e073626109ee1e230a2c5751f2bc1b00\" tg-width=\"1080\" tg-height=\"743\"></p>\n<p>关键是——<strong>数据是AI自己“造”出来的，不是人手工标注的。</strong></p>\n<p>这就是所谓的“自进化数据合成”：模型越强，出的题越难；题越难，模型越强，形成一个正循环。</p>\n<p><strong>论文三：WalkerBench——全球首个真实街景空间评测体系</strong></p>\n<p>如果说仿真和数据解决的是“怎么学”，那么评测解决的是——<strong>学得好不好。</strong></p>\n<p>群核科技联合浙江大学、宇树科技等推出的<strong>WalkerBench</strong>，<strong>是全球首个基于真实街景的交互式空间智能评测基准</strong>。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/244dce8c70b4467e0174cf21df93bb44\" tg-width=\"1080\" tg-height=\"768\"></p>\n<p>它覆盖全球六大洲161座城市的真实街景环境，测试AI在没有地图、没有GPS的情况下，仅依靠第一视角进行空间感知与导航能力。</p>\n<p>WalkerBench测试结果揭示了一个关键问题：</p>\n<p>人类完成率基线是70%左右，而当前最强AI模型完成率只有24.5%，而AI走的步数越多，性能下降越明显，这说明一个本质矛盾：</p>\n<p>现有大模型的“线性文本记忆方式”，无法真正表达三维空间结构。</p>\n<p>为此，我们还提出Spatial-IDE框架，为AI构建显式空间记忆结构，使模型对空间的理解方式从“文字顺序”升级为结构化理解。</p>\n<p>更硬核的是，这套架构已经在宇树G1人形机器人上完成了零样本部署，在真实城市街道实现了公里级自主导航——<strong>虚拟考场学的，真机直接用。</strong></p>\n<p><strong>SPEAR解决“在哪练”，Syn-GRPO解决“练什么”，WalkerBench解决“练得怎么样”。</strong></p>\n<p>三者咬合在一起，就是一套完整的<strong> “数据—仿真—评测”全链路数据飞轮。</strong></p>\n<p>当然，这是一份阶段性答卷。</p>\n<p>当AI开始走出屏幕，进入现实世界，新的基础设施也正在被重新定义。</p>\n<p>群核科技正在做的，不只是训练模型，而是构建一个更底层的能力：<strong>让物理世界成为AI可以理解、可以学习、可以行动的“数据源”。</strong></p>\n<p><a href=\"https://laohu8.com/S/00068\">$群核科技(00068)$</a> <a href=\"https://laohu8.com/U/20722186463466\">@爱发红包的虎妞</a></p></body></html>","htmlText":"<html><head></head><body><p>最近，计算机视觉领域三大顶会之一ECCV 2026公布了论文录用名单，<strong>群核科技一口气入选了三篇论文。</strong></p>\n<p>三篇论文覆盖了<strong>空间感知评测、强化学习数据生成、高保真仿真</strong>三个方向，也就是说，教机器人怎么看懂世界、怎么持续学习、怎么在虚拟环境里训练，群核科技全给安排上了！</p>\n<p><strong>论文一：SPEAR——联手多家科技巨头共同探索的仿真平台</strong></p>\n<p>训练机器人，最大的难题之一就是：真实世界太贵了。</p>\n<p>让机器人在真实场景里反复摔跤、碰撞、试错，成本高、效率低，还可能出安全问题。所以研究者都想在虚拟世界里先练好，再到真实世界部署。</p>\n<p>但现有的仿真器有个大问题：</p>\n<p>要么画面太假，要么操作太麻烦，要么速度太慢。</p>\n<p>群核科技联合Adobe等共同提出了 <strong>SPEAR</strong>，这篇论文聚集众多来自产业界的大牛，专门解这道题：</p>\n<p>开放超过 <strong>14,000 个底层 Python 接口</strong>，研究者可以用代码精确控制场景里的一切</p>\n<p><strong>56帧/秒输出1080P高清画面</strong>，比同类仿真器快约15倍</p>\n<p>同步输出深度图、材质、语义分割等多种传感器数据——机器人训练最需要的原材料</p>\n<p>无缝接入群核科技开源的<strong> InteriorAgent、InteriorGS</strong> 等数据集，资产天然带碰撞体、关节等物理属性，直接可用</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/119a9c607a0e1a8da1ca0410713c36c0\" tg-width=\"1080\" tg-height=\"464\"></p>\n<p>简单说，<strong>SPEAR 做的事，是让机器人在虚拟世界里「看得真、练得快、控得准」，从而顺畅地迁移到真实世界</strong>。</p>\n<p><strong>论文二：Syn-GRPO——解决 AI 训练 “死记硬背”，训练时自动生成全新素材</strong></p>\n<p>有了仿真环境，下一个问题来了：<strong>训练数据从哪来？</strong></p>\n<p>传统的强化学习训练有个通病——“熵坍塌”和“多样性坍塌”。</p>\n<p>翻译成人话就是：AI越训练越死板，同一张图翻来覆去只能给同一个回答，完全失去了探索精神。</p>\n<p><strong>群核科技联合浙江大学提出的Syn-GRPO</strong>解决的就是这个问题。它的思路很直接：<strong>边训练边造新题，而且造的题越来越难。</strong></p>\n<p>Syn-GRPO分两大模块：</p>\n<p><strong>模块一：多样化图像生成。</strong></p>\n<p>拿到一张“猫坐在沙发上”的图，把沙发背景换成森林、沙漠、太空站，但猫的位置和大小完全不变。这样新题的“正确答案”（猫在哪）还是准的，但“题干”变新了，AI没法靠死记硬背蒙混过关。</p>\n<p><strong>模块二：难度自适应系统。</strong></p>\n<p>AI越学越强，系统就自动生成更复杂的背景——从纯色背景进化到混乱街景，甚至出现现实中不存在的“超现实场景”。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/e073626109ee1e230a2c5751f2bc1b00\" tg-width=\"1080\" tg-height=\"743\"></p>\n<p>关键是——<strong>数据是AI自己“造”出来的，不是人手工标注的。</strong></p>\n<p>这就是所谓的“自进化数据合成”：模型越强，出的题越难；题越难，模型越强，形成一个正循环。</p>\n<p><strong>论文三：WalkerBench——全球首个真实街景空间评测体系</strong></p>\n<p>如果说仿真和数据解决的是“怎么学”，那么评测解决的是——<strong>学得好不好。</strong></p>\n<p>群核科技联合浙江大学、宇树科技等推出的<strong>WalkerBench</strong>，<strong>是全球首个基于真实街景的交互式空间智能评测基准</strong>。</p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/244dce8c70b4467e0174cf21df93bb44\" tg-width=\"1080\" tg-height=\"768\"></p>\n<p>它覆盖全球六大洲161座城市的真实街景环境，测试AI在没有地图、没有GPS的情况下，仅依靠第一视角进行空间感知与导航能力。</p>\n<p>WalkerBench测试结果揭示了一个关键问题：</p>\n<p>人类完成率基线是70%左右，而当前最强AI模型完成率只有24.5%，而AI走的步数越多，性能下降越明显，这说明一个本质矛盾：</p>\n<p>现有大模型的“线性文本记忆方式”，无法真正表达三维空间结构。</p>\n<p>为此，我们还提出Spatial-IDE框架，为AI构建显式空间记忆结构，使模型对空间的理解方式从“文字顺序”升级为结构化理解。</p>\n<p>更硬核的是，这套架构已经在宇树G1人形机器人上完成了零样本部署，在真实城市街道实现了公里级自主导航——<strong>虚拟考场学的，真机直接用。</strong></p>\n<p><strong>SPEAR解决“在哪练”，Syn-GRPO解决“练什么”，WalkerBench解决“练得怎么样”。</strong></p>\n<p>三者咬合在一起，就是一套完整的<strong> “数据—仿真—评测”全链路数据飞轮。</strong></p>\n<p>当然，这是一份阶段性答卷。</p>\n<p>当AI开始走出屏幕，进入现实世界，新的基础设施也正在被重新定义。</p>\n<p>群核科技正在做的，不只是训练模型，而是构建一个更底层的能力：<strong>让物理世界成为AI可以理解、可以学习、可以行动的“数据源”。</strong></p>\n<p><a href=\"https://laohu8.com/S/00068\">$群核科技(00068)$</a> <a href=\"https://laohu8.com/U/20722186463466\">@爱发红包的虎妞</a></p></body></html>","text":"最近，计算机视觉领域三大顶会之一ECCV 2026公布了论文录用名单，群核科技一口气入选了三篇论文。 三篇论文覆盖了空间感知评测、强化学习数据生成、高保真仿真三个方向，也就是说，教机器人怎么看懂世界、怎么持续学习、怎么在虚拟环境里训练，群核科技全给安排上了！ 论文一：SPEAR——联手多家科技巨头共同探索的仿真平台 训练机器人，最大的难题之一就是：真实世界太贵了。 让机器人在真实场景里反复摔跤、碰撞、试错，成本高、效率低，还可能出安全问题。所以研究者都想在虚拟世界里先练好，再到真实世界部署。 但现有的仿真器有个大问题： 要么画面太假，要么操作太麻烦，要么速度太慢。 群核科技联合Adobe等共同提出了 SPEAR，这篇论文聚集众多来自产业界的大牛，专门解这道题： 开放超过 14,000 个底层 Python 接口，研究者可以用代码精确控制场景里的一切 56帧/秒输出1080P高清画面，比同类仿真器快约15倍 同步输出深度图、材质、语义分割等多种传感器数据——机器人训练最需要的原材料 无缝接入群核科技开源的 InteriorAgent、InteriorGS 等数据集，资产天然带碰撞体、关节等物理属性，直接可用 简单说，SPEAR 做的事，是让机器人在虚拟世界里「看得真、练得快、控得准」，从而顺畅地迁移到真实世界。 论文二：Syn-GRPO——解决 AI 训练 “死记硬背”，训练时自动生成全新素材 有了仿真环境，下一个问题来了：训练数据从哪来？ 传统的强化学习训练有个通病——“熵坍塌”和“多样性坍塌”。 翻译成人话就是：AI越训练越死板，同一张图翻来覆去只能给同一个回答，完全失去了探索精神。 群核科技联合浙江大学提出的Syn-GRPO解决的就是这个问题。它的思路很直接：边训练边造新题，而且造的题越来越难。 Syn-GRPO分两大模块： 模块一：多样化图像生成。 拿到一张“猫坐在沙发上”的图，把沙发背景换成森林、沙漠、太空站，但猫的位置和大小完全不变。这样新题的“正确答案”（猫在哪）还是准的，但“题干”变新了，AI没法靠死记硬背蒙混过关。 模块二：难度自适应系统。 AI越学越强，系统就自动生成更复杂的背景——从纯色背景进化到混乱街景，甚至出现现实中不存在的“超现实场景”。 关键是——数据是AI自己“造”出来的，不是人手工标注的。 这就是所谓的“自进化数据合成”：模型越强，出的题越难；题越难，模型越强，形成一个正循环。 论文三：WalkerBench——全球首个真实街景空间评测体系 如果说仿真和数据解决的是“怎么学”，那么评测解决的是——学得好不好。 群核科技联合浙江大学、宇树科技等推出的WalkerBench，是全球首个基于真实街景的交互式空间智能评测基准。 它覆盖全球六大洲161座城市的真实街景环境，测试AI在没有地图、没有GPS的情况下，仅依靠第一视角进行空间感知与导航能力。 WalkerBench测试结果揭示了一个关键问题： 人类完成率基线是70%左右，而当前最强AI模型完成率只有24.5%，而AI走的步数越多，性能下降越明显，这说明一个本质矛盾： 现有大模型的“线性文本记忆方式”，无法真正表达三维空间结构。 为此，我们还提出Spatial-IDE框架，为AI构建显式空间记忆结构，使模型对空间的理解方式从“文字顺序”升级为结构化理解。 更硬核的是，这套架构已经在宇树G1人形机器人上完成了零样本部署，在真实城市街道实现了公里级自主导航——虚拟考场学的，真机直接用。 SPEAR解决“在哪练”，Syn-GRPO解决“练什么”，WalkerBench解决“练得怎么样”。 三者咬合在一起，就是一套完整的 “数据—仿真—评测”全链路数据飞轮。 当然，这是一份阶段性答卷。 当AI开始走出屏幕，进入现实世界，新的基础设施也正在被重新定义。 群核科技正在做的，不只是训练模型，而是构建一个更底层的能力：让物理世界成为AI可以理解、可以学习、可以行动的“数据源”。 $群核科技(00068)$ @爱发红包的虎妞","highlighted":1,"essential":1,"paper":2,"link":"https://laohu8.com/post/581688921453432","repostId":0,"isVote":1,"tweetType":1,"commentLimit":10,"symbols":["00068"],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":2845,"optionInvolvedFlag":false,"xxTargetLangEnum":"ZH_CN"},"isVote":1,"tweetType":1,"viewCount":56,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":["00068"],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":138,"optionInvolvedFlag":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/581704078266568"}
精彩评论