AI日报 10月28日：使用 LFM3 构建专用多模态模型

2026-10-28 的 AI 日报最终保留 4 条动态，重点包括使用 LFM3 构建专用多模态模型。这些条目从 31 条候选信号中筛出，共对应 4 个合格来源；每条都分开写明已确认事实、对读者的影响和仍不能确认的边界。

今日必须看

Gemini Robotics Embodied Reasoning 2 在 Google Cloud 上发布详情

已确认事实：
- Gemini Robotics Embodied Reasoning 2 作为一款专门的 Gemini 模型，在 Google Cloud 的 Gemini 平台以 public preview 形式推出，充当机器人的高级大脑，组合了先进的空间和时间视频理解、长期规划以及内置安全护栏。
- Gemini Robotics Embodied Reasoning 2 能够将任务进展分类为二进制状态、离散类别或连续分数，以改善实时情境感知并在失败步骤上实现实时调整或迭代。
- Gemini Robotics Embodied Reasoning 2 以 91.3% 的准确率和 0.96 秒的平均绝对帧距离精准定位关键事件发生的具体视频帧。
- Gemini Robotics Embodied Reasoning 2 推进了核心空间推理能力，包括视觉问答和仪器读数，能够直接从视觉输入读取和解释 10 种以上仪器类别的数值。
- Gemini Robotics Embodied Reasoning 2 能够编排多种形状和尺寸的机器人，其智能扩展自固定机械臂和轮式漫游车到四足动物和复杂形态。
这会影响什么：这项研究影响的是对 Gemini Robotics Embodied Reasoning 2 方法有效性和适用边界的判断，不能直接等同于生产可用。

尚不能确认：

广告
- 当前材料不足以确认 Gemini Robotics Embodied Reasoning 2 的样本范围、基线选择、外部复现和真实场景泛化。
- 本站未实测；如需据此做采购、迁移或生产决策，仍要完成独立复核。
来源：Google Cloud 官方博客 · Gemini Robotics Embodied Reasoning 2 · 官方发布 · 2026-10-27
Disruptive 宣布募集 10 亿美元规模的新基金

已确认事实：
- TechCrunch Venture RSS / TechCrunch报道称，来自达拉斯的投资机构 Disruptive 宣布成立一支规模达 10 亿美元的全新基金，用于支持至少 10 家处于后期的公司，每笔投资金额最高可达 10 亿美元，并于周二公布了这一消息。
- TechCrunch Venture RSS / TechCrunch报道称，技术上讲，这是 Disruptive 成立以来的第一只盲池基金，这意味着投资者在不了解具体将支持哪些公司的情况下承诺出资，而在此之前该机构是通过逐笔交易的特殊目的实体来筹集资金。
- TechCrunch Venture RSS / TechCrunch报道称，根据 Dallas Business Journal 的报道，Disruptive 推出的这一全新投资载体是德克萨斯州历史上面积最大的一次风险投资基金募集。
这会影响什么：这项事件会影响外界对 Disruptive 商业进展的判断，但报道数字仍需与公司或监管披露交叉核对。

尚不能确认：
- 当前材料不足以确认 Disruptive 的金额口径、交易状态、估值条件和公司正式披露。
- 本站未实测；如需据此做采购、迁移或生产决策，仍要完成独立复核。
来源：TechCrunch Venture RSS / TechCrunch · Disruptive · 可信媒体报道 · 2026-10-27

产品与工具更新

使用 LFM3 构建专用多模态模型

已确认事实：
- LFM3 将文本、视觉、音频、全能和决策模型汇集到一个共享骨干网络中，所有模型的参数量均在 2B 范围内，支持用户选择对应模态的模型并在单张 GPU 上使用自有数据进行微调。
- LFM3 的文本模型在 4 位精度下大小约为 1 GB，其内置的视觉和音频编码器加快了处理速度，且该文本模型的 256K 上下文窗口使智能体能够在设备上运行。
- 对于 LFM3，官方使用硬件在环架构搜索为智能体用例重新设计了架构，该搜索目前涵盖 14 种设备和后端组合，从手机和 Raspberry Pi 5 到笔记本电脑、云 CPU、GPU 以及高通 Hexagon NPU。
这会影响什么：这条信息会影响对 LFM3 当前进展的判断，结论只限于来源已经披露的范围。

尚不能确认：
- 当前材料不足以确认 LFM3 的事件范围、后续变化和独立来源交叉验证。
- 本站未实测；如需据此做采购、迁移或生产决策，仍要完成独立复核。
来源：Hugging Face 官方博客 · LFM3 · 一手资料 · 2026-10-27
Exowatt 利用 SageMaker serverless model customization 提升准确率

已确认事实：
- Exowatt 构建了模块化、可调度的太阳能系统，通过光学透镜捕获太阳能，以热能形式储存在长时热电池中，并通过热机按需输送电力，用于 AI 数据中心等能源密集型应用。
- Exowatt 采用 Amazon SageMaker AI 的无服务器模型定制方法来构建可重复的 AI 流水线，针对边缘和云端两个部署目标生成特定任务的微调模型。
- 在边缘端，针对延迟敏感且受连接限制的警报分类工作，Exowatt 将微调后的 Qwen3-1.7B 模型进行量化为 GGUF 格式，并通过边缘现场控制器内的 Kubernetes Pod 运行。
- 在云端，针对互联网连接的、车队级别的分析，Exowatt 通过 Amazon Bedrock Custom Model Import 提供微调后的 Qwen3-14B 能源市场模型，无闲置成本，仅在模型处于活动状态时计费。
这会影响什么：这条信息会影响对 Exowatt 当前进展的判断，结论只限于来源已经披露的范围。

尚不能确认：
- 当前材料不足以确认 Exowatt 的事件范围、后续变化和独立来源交叉验证。
- 本站未实测；如需据此做采购、迁移或生产决策，仍要完成独立复核。
来源：AWS 官方博客 · Exowatt · 官方发布 · 2026-10-27