开场（三人合声）
晓桐+云阳+云健: 今日我们AI说，带你听见未来的声音！
第一段：晓桐开场
晓桐: 大家好，这里是《今日我们AI说》，我是晓桐。今天最实在的一条变化：机器人还没出厂，先在AI编出来的虚拟世界里摔打够本——谷歌刚发布的Genie 4，能生成一个你走一步、它就动一步的可交互世界，拿来给机器人和AI助手当练习场；上海一家初创公司把一台一米三几人形机器人的全套图纸开源，从螺丝钉到走路算法全给了。另外三条：一颗雷达自己长了「眼睛」和「脑子」，能替自动驾驶的车认路；维基百科的志愿者在数一件事——如今两成新条目可能是AI写的；还有一类小模型，专门给手机、机器人这类设备本地干活。下面请云阳播要闻。
第二段：云阳播报
要闻一：谷歌发布Genie 4：世界模型学会「伴随声响」，先给机器人当练习场
云阳: 要闻一，谷歌DeepMind在10月27日的官方博客宣布新一代「世界模型」Genie 4。所谓世界模型，简单说就是能在电脑里模拟「我这么做，接下来会发生什么」的AI。官方介绍，这代模型能把画面、环境音、对话声一起实时生成，你设定一个开场事件，它接住往下演。和去年的Genie 3相比，官方称其在真实感与实时交互仿真上继续提升，模型依托Gemini家族的能力锚定现实外观与行为。目前Genie 4以研究预览形式向受信测试者开放，从付费订阅用户和API早期伙伴开始逐步放，尚未面向所有人开放。
要闻二：一米三的人形机器人全套图纸开源：从机械结构到走路算法，一层不藏
云阳: 要闻二，据AI垂直媒体量子位10月27日报道，上海初创公司RoboParty发布人形机器人RP1，把机械图纸、电气系统、自研关节模组、底层控制、仿真训练和部署工具整条链路全部开源，身高135厘米，提供24到30个自由度等多种配置，已展示连续行走、跌倒起身等真机动作，面向教育科研、数据采集等场景。公司2025年成立于上海。这一代此前，该公司去年1月开源的原型机项目已在GitHub社区积累关注，本次为新一轮全栈开放。
要闻三：雷达里装进一块AI芯片：智驾的「眼睛」不再只负责看
云阳: 要闻三，据凤凰网科技10月23日报道，千里科技发布AI毫米波雷达，在雷达内部集成一块10TOPS算力的AI处理芯片，是公开信息范围内首个这样做的设计。这颗雷达能在本地自己完成目标检测和分类，支持边缘侧、数据上传、两者并行三种工作模式。与上一代用传统处理器的产品相比，官方称点云密度增强10倍、探测距离提升40%、鬼影消除提升至95%、空间角分辨力提升12倍。毫米波雷达比激光雷达便宜、雨雾天更稳，是智驾降成本的关键零件。千里背后是阶跃星辰的模型与吉利的整车场景，量产车型落地情况尚未披露。
要闻四：维基百科志愿者清点AI代笔：新条目约两成疑似机器写，今年初降了
云阳: 要闻四，据IEEE旗下技术媒体IEEE Spectrum 10月21日刊发对「WikiProject AI Cleanup」联合发起人的专访，这批志愿者从2023年底开始专门清理维基百科上的AI生成内容：早期AI文章靠「见证了……」「丰富的文化遗产」这类套话就能认出来，后来签名变隐蔽——三连排比、否定对仗这些结构特征要攒起来才看得出。该志愿者与AI检测公司Pangram合作估算，2025年底新条目和草稿里可能约两成是AI生成，今年初降到百分之十五到十六。英文维基百科已立法禁止编辑用大模型生成条目，Wikimedia基金会正在开发粘贴检测工具Paste Check。两人强调，绝大多数AI内容由新手编辑提交。
要闻五：2B级多模态小模型开源：一张消费级显卡就能微调，专给设备本地干活
云阳: 要闻五，美国端侧AI公司Liquid AI在10月27日的Hugging Face官方博客发布新一代基础模型LFM3，把文本、视觉、音频、全模态和决策五类模型放在同一条骨干上，参数都在20亿上下。官方的卖点是：你选定自己要的那类模型，用一张消费级显卡在自己的数据上微调，再部署到手机、机器人这类本地设备上跑。权重已开源，可免费下载商用。
第三段：晓桐×云健逐条问答点评
晓桐: 先说Genie 4。云阳，这个「世界模型」，跟咱们平时刷到的AI生成视频是一回事吗？
云健: 不是一回事，差别在「你能不能插手」。AI视频是你给个提示词，它放一段片子，演完了就完了；世界模型是个活的沙盘——你操纵的角色往前走一步，它现算接下来半秒的世界变成什么样，包括声音和别人的反应。谷歌官方把用途说得很直白：给机器人和AI智能体造训练环境。你发现没有？这跟训练飞行员的模拟舱是一个逻辑：真机摔一次几万块，虚拟世界里摔一万次不花钱。具身智能这行最缺的就是数据——真机器人动作慢、贵、还容易坏，仿真世界能把训练成本砍下来。真正的门道在这条路的来历：谷歌去年8月发的上一代Genie 3已经能生成交互世界，但画面粗糙、场景小。这代把音频和对话也生成了，等于往「以假乱真」又挪了一步。要泼的冷水是：现在只是研究预览，普通用户摸不到；它答没答上「仿真练出来的机器人上真路还好不好使」这个问题，还得等开放后的第三方实测。
晓桐: 那机器人这边，图纸开源这件事，到底打开了多少？
云健: 比听起来多。机器人行业里叫「开源」的东西，以往往往给你一套SDK——就是调功能的接口——几个API，代码层面的东西。你想改关节？图纸拿不到。想把自己训练的模型跑上真机？底层接口拦着。科研圈有句自嘲：论文里机器人走得稳稳当当，换台真机直接翻车，问题出在哪都查不到，因为每一层都是黑盒。这次RoboParty是把机械CAD图、电路板走线、零件清单、关节模组固件一路开到部署工具，全放了。对高校实验室，这意味着研究自主权：零位定义、控制频率这些底层参数都能自己动。对行业，这是开源生态往硬件深处卷的信号——前两年卷模型，去年卷数据集，现在开始卷本体。留个心眼：开源图纸不等于开源成功率，自己照着图纸攒一台、让它站住不倒，仍是硬工程；而且机器人硬件开源能改到哪一步，取决于对方文档写没写全，社区复现的成色要几个月后才见分晓。
晓桐: 再看那颗雷达。给传感器装AI，这事以前没人干吗？
云健: 有人想，很少有人干成，因为顺序反了。行业惯例是先定死传感器硬件，算法团队拿到的永远是处理完的结果，只能末端补一层后处理。要在雷达里跑自己的模型，就得从射频设计那一头参与进去，再在点云检测、测角、目标分类这些环节把人工规则换成数据驱动的模型——业内管这个叫「端到端」，意思是从信号进来那一刻到结论出去，中间尽量不靠人写规则，全交给AI。这颗雷达把10TOPS的芯片塞进传感器里，本地就能出判断。为什么要为雷达装脑子？因为智驾的竞争从模型卷到了硬件：模型已经够强，瓶颈变成传感器给的数据质量。4D毫米波雷达比激光雷达便宜、雨雾天更稳，L3自动驾驶要量产，成本和安全两头都得靠它。官方那组「点云密度10倍、鬼影消除95%」是自家口径，等装车实测。值得盯的是路线之争：纯视觉派、全栈自研派、现在又多了这种「让AI长在零件里」的平台派。
晓桐: 维基百科那笔账我好奇：两成新条目是AI写的，这个「两成」靠谱吗？
云健: 先把口径讲清：不是官方统计，是志愿者拿检测工具估的，用ChatGPT出现之前的老内容测过、没误伤，所以受访者自己说这是个保守的下限——实际只会更多不会更少。这条真正有意思的地方是攻防的军备竞赛：2023年AI写作用套话出卖自己，一眼一个准；到2025年，AI学会了结构——三连排比、否定对仗，单看哪句都对，堆起来才露馅，检测就得看「写法」而不是「内容」。最麻烦的是引用造假：AI编一个不存在的文献的情况，因为RAG技术——让AI先检索真资料再动笔——反而少了；更多的是找来真文献、却配上文献里根本没有的说法，这种「真出处假支撑」现在最常见。应对也魔幻：用AI抓AI——志愿者写了核查来源的AI工具，基金会做粘贴检测。先立个公道话：维基百科禁AI生成条目这条规矩，当时是被内容洪水逼的，没有工具只能先一刀切，立得住。但最强形态也挡不住新缺口：规矩管得住新手，管不住铁了心的老手；而两成降到一成五，到底是政策见效还是检测器跟不上新模型，连当事人都说「还不知道」。百科全书这个人类最大的协作项目，正在从「人人可编辑」变成「人可编辑，AI先过安检」。
晓桐: 最后这个小模型，为什么大家都在做两三级参数量的？大的不好用吗？
云健: 大模型是好用，但它在别人的机房里。你手机上的助手、车里的语音、工厂里那个不能断网的质检工位，把几百亿参数的模型搬过去，显卡和电费都不答应。这类「端侧模型」就是给设备本地干活准备的：不出设备，响应快，数据不上传。Liquid AI这条路的聪明处在「一条骨干、六种模态」——文本、视觉、音频、全模态、决策模型共用一个底座，都是20亿参数级，开发者按需挑一个，用自己的数据微调。微调这个词说白了就是「岗前培训」：模型会通用，你教它专岗。大厂在冲上限，这类公司在铺底线——把能用的AI塞进每一台设备。这条线最近动作密集：10月23日蚂蚁数科刚发过一款只做选择题的决策模型，方向正撞——结构化判断这件事，正在从通用大模型里独立出来变成专用零件。
第四段：收尾
晓桐: 今天的几条，其实都在同一件事的两头：一边造虚拟世界让机器练手，一边真实世界里的人——志愿者、开发者、实验室——在给AI的产物查岗。
云健: 对，练手的和查岗的，缺一个都转不起来。
晓桐+云阳+云健: 今日我们AI说，听见未来，也看清现在。我们明天见！