一天完全不足以Cover到我想要传达内容的全貌，我已经迫不及待的要把这些好东西分享给大家了！

目标首先转向 Figure机器人 ，在上周发布了世界首创的视觉、语言、动作三合一（VLA）模型Helix之后。他们紧接着在2月26日发布了一段 应用视频 —— 介绍搭载Helix AI的Figure02机器人在现实世界中的新应用： 物流包裹操作和分拣。

之前给大家介绍了，Figure的目标是把人形机器人真正带到工作场所里去干活。 通过物流仓库的包裹搬运、分拣场景的任务，Figure对机器人做了“大脑升级”和“眼睛升级” 。这次的技术进步，主要集中在提升 Helix 的 “System 1 (S1)”，也就是控制机器人 “低级别运动” 的部分。这部分升级，可以理解为重点提升了机器人的 “眼睛” 和 “小脑” 功能。

要让机器人学会这些技能，不用喂给它海量的数据，只需要给它看8个小时高质量的“演示视频”就行了！ 就是说，教机器人变得灵巧和灵活，关键在于“老师”教的好（数据质量高），而不是“学”的时间长（数据量大）。 训练机器人更高效！

这些进步让 Figure 的机器人更接近于具备 “人类水平” 的操作能力，在仓库和物流这种复杂的真实世界场景中，人形机器人变得更加实用和高效，也为未来人形机器人在更多行业落地应用，打下了更坚实的技术基础。 未来，我们可能会看到更多的人形机器人在仓库、工厂甚至更多地方 “上班”  啦！

在此之前一天， 杭州宇树机器人发布了一段有趣的视频 ，Unitree G1机器人正在有模有样的 表演功夫动作——其表示他们 持续升级了Unitree G1的算法，使其能够学习并执行几乎任何动作。

目光再对准OpenAI ，他们在今天早些时候发布了—— 他们迄今为止最大、最强的聊天模型：GPT-4.5预览版 。目前仅对部分高级用户使用。

OpenAI CEO山姆奥特曼表示：这是我认为第一次像与一个深思熟虑的人交谈一样的模型。我有几次坐在椅子上，惊讶于AI给出的真正好的建议。 坏消息是：OpenAI居然遭遇了GPU短缺！—— GPT 4.5 是一个巨大的、昂贵的模型。 我们本来希望能够同时向Plus和Pro用户推出，但我们增长很快，GPU资源不够了。下周我们将增加数万块GPU，然后向Plus层推出。

他还表示：这不是一个推理模型，在基准测试上跑分可能跑不过别人最牛的模型。 但是它是一种 不同类型的智能，拥有一种我从未体验过的魔力。 真的很期待大家来试试！（PS：免费的用户先别想了）

视线再转向马斯克的Grok-3， 该应用和最先进的模型是马斯克当下的关注重点。他本人的X头像已经换成了Grok，对Grok登顶AppStore免费应用排行榜表示非常开心。在上周Grok-3向所有用户免费开放可用之后， 本周的重头戏是——Grok的语音对话模式也对所有免费用户开放了。

笔者亲自尝试了Grok的语音对话，要开启它，需要升级Grok iOS独立程序的最新版， 在进入APP的一瞬间拼手速点击进入语音模式（估计只出现2秒就消失） 。与ChatGPT和Gemini最大的不同，也是 最大的亮点 的就是——它能开启18🈲的几乎无审查的语音狂暴模式。开口就是Fucking......各种口吐芬芳，英语世界的精粹在 Unhinged模式 下表现得淋漓尽致。有时候跟他们聊聊天还挺解压。

我们目光再聚焦到 开源世界。

Deepseek这一周五天没有歇着。 像苹果去年底的发布会那样，一天放一个彩蛋。Deepseek称之为开源周。笔者尝试用最简洁易懂的语言， 把这五天五大开源主题的关键内容为大家呈现：

🔵开源周第五天：Fire-Flyer File System (3FS)

简单来说，它是一个“超级快递系统”，能让数据在现代硬件上飞快地传输和访问，特别适合需要处理海量数据的工作，比如深度学习模型的训练和推理 🚀。什么是3FS？想象你有一个巨大的图书馆（数据存储），里面有很多书（数据），你需要快速找到并借阅这些书给一群研究人员（AI模型）。普通的图书馆借书系统可能会很慢，因为一次只能处理几本书，而且传送带（网络）也不够快。

而3FS就像一个超级智能图书馆，它能同时处理成千上万本书，传送带用的是现代最快的技术（SSD硬盘和RDMA网络），而且还能保证每本书都准确无误地送到（强一致性）。 3FS是一个为AI量身打造的高速存储“加速器”，利用现代硬件的全部潜力，让数据访问快到飞起。它是DeepSeek开源周Day 5的亮点，特别适合需要处理大数据的研究者或开发者。

🔵开源周第四天： 优化并行策略

这是一种优化深度学习模型训练的技术，简单来说，它是为了让大规模模型（比如V3/R1）的训练变得更快、更高效 🚀。我们知道，训练深度学习模型需要大量计算资源和时间，尤其当模型很大时，单靠一台设备往往忙不过来。所以，研究者们会用 并行计算 ，把任务分给多个处理器或GPU一起干活，就像召集了一群帮手来加速工作。

但并行计算也有“坑”：通信瓶颈——这些“帮手”需要互相传递数据（比如模型的参数或中间结果），传递数据的这段时间可能会拖慢整体进度。负载不均衡——有的帮手忙得要死，有的却没事干，整体效率就上不来。为了解决这些问题，这项技术带来了两个“神器”：

①DualPipe - 双向流水线并行算法

通俗解读：想象一个工厂流水线，工人在等待零件时可以先干点别的准备工作，而不是干等着。DualPipe就是让计算和通信“重叠”进行：一边算着数据，一边传着数据。这样就减少了等待时间，让训练过程更流畅。它特别适用于V3/R1这种大规模训练场景。

②EPLB - 专家并行负载均衡器

通俗解读：假设你有一群专家在分工合作，但有人任务太多累趴下了，有人却闲着没事干。EPLB就像一个聪明的“项目经理”，它会把任务合理分配给每个专家，确保大家工作量差不多，这样整体效率就提高了。

这项技术通过 DualPipe （让计算和通信同时进行）和 EPLB （让每个“帮手”干活更均衡），解决了并行训练中的通信瓶颈和负载不均问题，最终让大规模深度学习模型的训练变得更快、更省力。它是 #OpenSourceWeek Day 4 的亮点。

🔵开源周第三天： DeepGEMM

DeepGEMM 是一个超级高效的工具，专门用来加速AI模型的核心计算——矩阵乘法（GEMM）。矩阵乘法是大模型训练和推理（比如生成文本或图片）的“心脏”，但它特别吃计算资源。DeepGEMM 用了一种叫 FP8 的低精度格式（8位浮点数），让计算更快、占内存更少，同时还能支持两种模型结构：① Dense GEMM ：普通矩阵乘法，适合传统深度学习模型；② MoE GEMM ： 混合专家模型（Mixture of Experts）的专用矩阵乘法，这种模型在像DeepSeek V3/R1这样的大模型中很常见，能提高效率。