模速AI日报 | 产业动态速递(2026年4月13日)

字节跳动Seed团队与北京大学合作提出原地测试时（In-Place TTT）训练框架，该方法的核心理念是无需修改现有Transformer架构或重新训练模型，而是直接“征用”模型中MLP模块的最终投影矩阵作为可动态更新的“快速权重”，在推理过程中根据输入上下文实时调整参数，实现即插即用的能力增强。通过引入分块更新机制和语言建模对齐的目标函数，显著提升了计算效率。

阿里巴巴正式认领此前以匿名形式登顶权威评测平台Artificial Analysis Video Arena的AI视频生成模型HappyHorse-1.0。该模型由阿里ATH事业群旗下创新事业部研发，其核心特点是采用150亿参数统一Transformer架构，原生支持音视频联合生成，一次推理即可直接输出带唇形同步的完整视频，无需后期拼接。模型支持中英日韩等七种语言的精准唇形同步，在单张H100上生成5秒1080p视频仅需38秒，效率远超行业主流方案。目前该模型已开始内测，预计4月30日开放API服务。

京东开源以“空间智能”为核心架构的一体化图像模型JoyAI-Image-Edit，通过耦合一个80亿参数的多模态语言模型与一个160亿参数的多模态扩散Transformer，实现理解、生成与编辑的闭环协作。功能聚焦于精准的空间编辑，用自然语言指令（如偏转、俯仰、缩放）进行的“相机控制”，可生成透视与遮挡关系正确的新视角图像。支持逻辑连贯的多视角“物体旋转与空间漫游”，以及可精细操控单个物体的位置、角度与比例，保持场景整体结构稳定的“物体空间关系操控”。

灵初智能（PsiBot）发布其具身智能核心系统，包括策略模型 Psi-R2 与 世界模型 Psi-W0。Psi-R2 只做必要的输入输出维度对齐，把人类关节通过运动学映射到机器人关节，图像尽量不做处理，直接喂给模型原始数据。该模型可同时输出未来视频预测和机器人动作，从近 10万小时人类操作数据中直接学习任务知识，仅需少量真机数据微调即可完成长程精细操作。Psi-W0 则额外使用失败数据进行训练，专注于建模反事实与失败可能性，用于评估和通过强化学习优化 Psi-R2 生成的轨迹。该系统在MolmoSpaces基准测试中取得领先（Oracle Success Rate 46.4），并通过工程优化将推理时间降至100毫秒以内。

具身智能公司深圳众擎机器人科技股份有限公司完成2亿美元B轮融资，估值突破百亿人民币，由河南投资集团汇融基金和立讯精密联合领投，基石资本、中创智领战投等跟投，老股东黄浦江资本等继续加码。公司聚焦于具身智能与人形机器人领域，构建了自研的关节技术体系（掌握行星准直驱、谐波力控、滚珠丝杠直线三大技术路线，实现高扭矩、高精度的直膝行走）和梯度化产品矩阵（包括旗舰型T800、轻量化PM01及开源科研型SA01，覆盖工业、服务、科研等多场景）。本轮融资资金将主要用于深化技术研发、扩大产能、拓宽应用场景及构建产业生态。

具身智能公司北京深朴智能科技有限公司完成数亿元新一轮融资，由线性资本、普华资本领投，老股东钧山资本、顺为资本、BV百度风投持续加码。公司专注于家庭场景通用具身智能机器人，依托来自清华、中科大等高校的核心技术团队，构建了“模型-数据-本体-场景”的全栈技术体系。已和中旅酒店集团、香港理工大学达成酒店具身智能服务战略合作，通过“热循环”机制持续回收真机作业数据以驱动模型进化。本轮融资资金将重点投入“具身机器人大脑”与机器人本体的研发。

生数科技完成近20亿元B轮融资，由阿里云领投，中网投、星连资本等跟投，BV百度风投、卓源亚洲等原有股东持续追加投资。公司深耕视频生成领域，其Vidu Q3视频生成模型可实现最长16秒声画同出，支持多镜头切换、运镜控制、BGM与音效生成，以及多语种对话，在Artificial Analysis中位居第一。同时前瞻性布局世界模型赛道，开源的Motus世界行动模型，基于统一架构实现了语言、视频与动作的协同生成，在多任务场景中的成功率较国际主流VLA模型Pi0.5提升约40%。