勇者义彦与魔王城

OnLeCube重新曝光苹果的“iPhone XI”渲染：三个相机环闪光灯_我的网站

绿光森林

一 | 1月16日，不久前，一家著名的外国炸药OnLekes公司发布了苹果“iPhone XI”的渲染图。新的iPhone有一个方形摄像头单元，三个摄像头以非线性方式排列。封面新闻记者欧阳宏宇在本届WAIC上，人工智能加速落地，从屏幕里大步走向物理世界，继文本生成、智能体AI后，“物理AI”概念受到关注。现在他又曝光了一个苹果“iPhone Xi”的渲染，相机的设计与以前完全不同，甚至使用了一个环形闪光灯，让我们来看看。当人工智能加速由虚向实，随之而来的问题是，这一AI落地的新场景会呈现何种演进路径？其搭载的AI大模型是何种形式？距离机器人的“ChatGPT时刻”还有多久？ 7月19日，在2026世界人工智能大会“智启具身论坛2026：迎接物理AI智能涌现”上，多位业内人士和行业专家就物理AI智能涌现的条件与路径分享了观点。

二 | 在专家看来，只需不到5年的时间，机器人“ChatGPT时刻”就要到来，在此之前，则需要上亿小时级别的物理数据支持。据OnLeCax，SuffelaJA的团队专门曝光了今天的“iPhone XI”的渲染。

三 | 基于上述渲染，iPhone（2019）可能保留与当前iPhone类似的前面板设计，但将使用较小的刘海和稍薄的边框（肉眼看不到）。模型与数据飞轮是物理AI持续进化的关键在AI产业主线聚焦大模型之后，业界正渐渐形成共识：下一阶段AI不会停留在生成内容，而会进入真实环境，理解空间、预测变化并完成行动。也许最大的区别是在背面，你可以看到三个折叠的后置摄像头模块水平堆放在中央。归结起来，这就是物理AI受到关注的核心动因。摄像头单元由三个摄像头传感器、中央镜头周围的环形闪光灯和中央摄像头下方的麦克风组成。那么，该如何发展物理AI？智元合伙人、高级副总裁、具身业务部总裁，觅蜂科技董事长兼CEO姚卯青在现场分享称，物理AI的挑战在于，必须同时打通表征与闭环这两条路线。音量键位于带静音开关的左侧，而电源按钮位于右侧。前者是对世界的抽象和压缩，人类所有的认知、判断、理性全是以表征为基础的；后者是智能体与环境进行持续的交互，从计算的角度来看，它包含了输入、算法、输出、评价、迭代这样的循环，从生物学角度来看，它就是从一种从感知到理解、决策、行动、环境反馈的一个完整闭环。关于之前和现在的曝光哪个更准确，消息来源解释说，苹果的新机器处于生产的早期阶段，2019年的三款iPhone仍处于EVT阶段（工程验证测试）。Onleaks推测可能有两种可能性：1.泄露的原型将被保留并作为两种不同的型号出售（如iPhoneXs和XsMax）。在姚卯青看来，要推动物理AI的发展，主要靠模型与数据两方面作用。“模型决定起点，数据定义终局，二者相互作用将产生‘飞轮效应’；当飞轮转动，智能涌现只是时间问题。一个泄漏的原型将被切断，另一个将被保留。” 具体在模型侧，他以智元构建的三阶段训练架构为例谈到，在该架构中，分为“预训练—后训练—持续学习”三个步骤，即推动视觉语言动作模型（VLA）与世界动作模型（WAM）两条技术路线持续演进，并向统一的世界推理动作大模型（WRAM）迈进，同时从算法、仿真、真机训练层面打通规模化迭代闭环。简而言之，就是让机器人既能边看菜谱边学着直接上灶台炒菜，又要学着理解火候、食材特性，还要反复总结经验，最终培养出一个“既懂原理又会实操”的机器人大厨。在数据侧，则要依托MEgo系列采集终端、治理平台与真机数据集等，构建覆盖数据采集、治理、训练和部署回流的全链路物理AI数据基础设施，推动真实场景数据持续反哺模型进化。据悉，目前，这套模型与数据协同迭代体系已在真实产业场景中获得验证。如前所述，苹果计划在2019年9月推出三款iPhone。“我们相信物理AI智能涌现不是会不会来的问题，它是一定会到来的。”姚卯青预判到，智能涌现只是时间问题，其一定会在行业突破数据墙、表征墙、闭环墙之后，形成这样一套可优化、可泛化、可进化的物理世界AI的进化系统。较低版本可能是iPhone Xr的继承者，而其他两个高端版本将是iPhone Xs和iPhone Xs Max的继承者。相关阅读：Onleaks于2019年发布了iPhone的早期呈现：不同的浴室霸权。数据缺口巨大但智能涌现“一定会来” 数据缺口“上万倍”，业内判断：2到5年迎来机器人ChatGPT时刻对于机器人的“ChatGPT时刻”何时会到来，专家普遍认为，至少需要两年时间，如果发展进程顺利，也不会超过五年时间。其关键在于数据。腾讯首席科学家、腾讯Robotics X实验室主任、福田实验室主任张正友谈到，由于具身智能到最后本质上要跟物理世界交互，因此交互数据是必不可少的。这些数据在一定程度上会产生飞轮效应，即不仅是成功的交互，即便是失败的交互也是格外宝贵的。 “收集数据时放到预训练下，未来的部署时间会越来越短，最后实现零成本的新场景任务复现。”谈及飞轮效应之下，训练数据的构建形式，Dyna Robotics联合创始⼈兼⾸席科学家⻢也骋认为，不同的数据可以采用“金字塔组合”形态，即顶层高质量部署数据+中层海量真机数据+底层更海量的互联网数据。 AI初创公司Physical Intelligence 的研究科学家任⾄意也认同，能直接复现任务的真机数据“可回放”，但多种来源数据尽可能扩大本体多样性的构成。