截至8月13日，上交所融资余额报10290.63亿元，较前一交易日增加34.93亿元；深交所融资余额报9963.80亿元，较前一交易日增加81.70亿元；两市合计20254.43亿元，较前一交易日增加116.63亿元。
截至8月20日，上交所融资余额报10816.43亿元，较前一交易日增加78.50亿元；深交所融资余额报10437.73亿元，较前一交易日增加74.72亿元；两市合计21254.16亿元，较前一交易日增加153.22亿元。
近日，我国科研团队通过对嫦娥六号月壤样品的高精度年代学研究，首次精确测定出月球阿波罗盆地形成于41.6亿年前，这一发现精准限定了该盆地形成的时间，将月球“撞击风暴”开始的时间点向前推进了至少1亿年，有助于推动人类重新认识地月系统的演化。该成果8月20日在国际学术期刊《自然·天文学》发表。
在这项研究工作中，中国科学院广州地球化学研究所徐义刚院士领衔的科研团队，在3.5克月壤中发现了三颗大小在150微米到350微米的特殊岩石碎屑。这些岩屑是阿波罗盆地形成时产生的撞击熔融岩石，是记录撞击事件最理想的“岩石时钟”。研究团队准确测定了岩屑的年龄，同时综合遥感图像和地球化学数据等多方面的信息，最终确认岩屑记录的41.6亿年为阿波罗盆地的形成年龄。
嫦娥六号月壤中识别的撞击岩屑
月球表面遍布的巨型撞击盆地，其中大多数是约38亿年前太阳系内小天体撞击的遗迹。科学界一直争论这场太阳系内“撞击风暴”是逐渐减弱的，还是在距今约40亿到38亿年间出现了强度骤增。这一持续数十年的争议源于月球上关键撞击盆地缺乏精确年龄数据。嫦娥六号采样点所在的阿波罗盆地位于月球南极—艾特肯盆地内部，是该区域最大的次级撞击构造，其形成年龄可能标志着月球晚期撞击事件的启动时间。
综上所述，我国科研团队这项研究将月球“撞击风暴”开始的时间点向前推进了至少1亿年；并且通过分析，揭示了月球“撞击风暴”强度是呈渐变衰减趋势的，并不是强度骤增。这项研究将有助于推动人类重新认识地月系统的演化。
在刚刚落幕不久的世界人形机器人运动会上，一场全程无遥控、踢足球机器人在网络上火了。
这支踢足球的机器人队伍来自加速进化（北京）机器人科技有限公司（以下简称“加速进化”，英文名：Booster Robotics），这家成立于2023年的公司在今年7月举行的2025 RoboCup巴西机器人足球世界杯上，帮助中国队（清华火神队）首次在AdultSize 组别（人形机器人足球成人组一米以上机器人）组别夺冠，一举打破了欧美国家在该项顶级赛事上长达 28 年的垄断。
加速进化机器人在足球场上的表现
为什么要让机器人上场踢足球？实现无遥控操作机器人踢足球的关键挑战是哪些？
近日，澎湃科技（www.thepaper.cn)专访了加速进化副总裁赵维晨。赵维晨解释说，之所以将目标对准了足球赛事，是因为足球赛是一个高动态、强对抗、对运动控制和决策智能要求极高的场景。
加速进化副总裁赵维晨 受访者供图
赵维晨认为人形机器人必须先做到“四肢健全”，再追求“心智健全”，足球场景是锻炼机器人的运动能力、感知算法等关键技术的试金石，这些能力提升后都能迁移到未来的家庭陪伴、教育等更多场景。
谈及技术路径，赵维晨直言，当前引发热议的VLA技术路径仍是建立在大语言模型的逻辑之上，过于依赖海量标注数据和固定模式，并不是最优解，三到四年内一定会被颠覆。
以下是澎湃科技专访内容：
VLA算法未来三年内会被全颠覆
澎湃科技：足球赛对人形机器人有哪些技术挑战？
赵维晨： 人形机器人必须先做到“四肢健全”，再追求“心智健全”。有了强大的运动能力的支撑，大脑算法可以先用相对简单的分层模型落地应用，通过落地应用采集到真实场景的数据，结合合成数据，才能逐步训练出认知健全的大脑，这与人类的成长路径相似。
足球场景能锻炼机器人的运动能力、感知算法，比如识别球、队友和对手位置等、定位导航和决策逻辑，将来这些能力能迁移到家庭场景，譬如机器人能主动迎接、跟随，情感陪伴，充当互动教练，以及实现工业场景里精细的手部操作。
澎湃科技：实现无遥控人形机器人参与踢足球的难度有多大？
赵维晨：足球赛事对抗激烈，机器人需要强大的运控算法来抵御冲撞并保持平衡，摔倒后可在一秒内自主起身。我们率先应用端到端运动大模型，直接将视觉信号输入神经网络，输出关节控制指令，大幅提升运动泛化性和稳定性。第一个应用是大力射门：去年世界冠军最高踢到35厘米，我们能踢到2米，直接越过人墙。
澎湃科技：你们的训练数据主要来自哪里？
赵维晨：主要来自足球场景采集真实的物理数据，并结合视频合成数据，通过最新的模仿学习加强化学习实现视觉信号直接输入神经网络。
我们认为，遥操的数据体量无法支撑具身大脑的训练，目前视觉语言动作模型（VLA）算法还是基于大语言模型那套，未来三年内会被全新的底层算法体系颠覆。
澎湃科技：今年北京的世界机器人大会上关于视觉语言动作模型（VLA）有很多争议你们怎么看？
赵维晨：自动驾驶单日数据量可达上亿条，而全国具身最大的开源数据集规模才百万级别（不到10TB），大语言模型是靠几十年互联网上的文本数据累积，而机器人加上双轮双臂操作10万或100万小时，根本不可能训练出一个多模态具身大脑，只能验证早期算法框架。具身智能真正的路径与自动驾驶类似，先通过L1、L2、L3再落地收集大量真机数据，然后再逐步迭代到AGI。
技术层面，我们认为，视觉语言动作模型（VLA）不是最终解，它仍是基于Transformer的LLM逻辑。大语言模型迭代经历十多年海量语料，才形成如今的尺度定律（Scaling Law）。VLA模型总体依赖训练数据中的固定模式，需要海量标注数据才能“记住”固定场景，很难帮具身泛化。
现在所有的技术方案，未来三到四年一定会被颠覆，也会出现类似DeepSeek这样的鲶鱼效应、开源的方案。
机器人进入家庭还需要10年
澎湃科技：2024年10月你们的BoosterT1发售，现在销售情况如何？客户主要是谁？
赵维晨： 销售没超出预期。2025年我们上半年出货交付了数百台，其中50%是全球化订单，主要集中在赛事和科研。顶尖球队采购我们的机器人软硬件平台，用于开发和测试决策算法。足球也是开发者入门的理想场景，从入门到精通，甚至能发表顶级论文，打赢人类至少100篇顶刊。
澎湃科技：你们会担心订单量吗？
赵维晨：对我们来说，最核心的不是订单量，而是交付量。我们现在T1成本价在10万元人民币左右，很多公司签署了大量“意向订单”，但如果没有量产的工程化能力，没有交付能力，旧不是真的商业化。我们的订单交付周期在15到20天左右。
未来我们的商业化路径也很清晰：短期做赛事、科研、教育（比如高校和K12的机器人课程）、这是百亿级赛道；中期从明年开始，切入家庭搬运、陪伴这些场景，目标千亿级市场；长期结合开发者生态往家庭管家、智能助理这些通用机器人方向走，那是万亿级市场。
澎湃科技：目前投资人最关心你们的是哪几个问题？
赵维晨：比较关心我们的应用Agent生态建设，硬件量产进度，全球化进度，以及运控算法在全球市场的领先程度。其他很多问题上面有覆盖。
具身智能大模型还没有显著的共识
澎湃科技：在你们看来，人形机器人走进家庭场景要经过哪些场景和技术验证？
赵维晨：我们很明确不做工业场景，因为简单任务已经被传统机械臂解决了，剩下的要么太难，五年内落不了地，要么市场太小。轮加双臂结构早在5年前就有成熟的舵机高性价比解决方案，能够解决大多数封闭工业场景的需求。
我们重点会放在家用机器人，让它成为除手机、电脑外新的交互形态和生产力工具，要对标苹果和微软，做三件事：硬件（端）、操作系统、开发者工具。就像手机电脑得有应用才能普及，机器人要进家庭，也得有第三方开发者基于开放生态、简单工具和操作系统开发应用，实现各种家用场景的落地，尤其是后两者涉及大量软件的投入。
大脑层面我们不着急，等三年后技术路线收敛些，我们有了一定收入体量再投入。
澎湃科技：是否可以理解为，你们也在等一个适配机器人的AI大脑？
赵维晨：我们认为端+操作系统+开发工具是个万亿美元的市场，大脑也是万亿美元的市场。但作为创业公司我们目前不会投入在大脑，因为成功率太低。等我们收入达100亿人民币的时候，在大量垂直场景落地后，我们会开始大脑层面的投入，但目前可以先合作为主。
澎湃科技：人形机器人进入家庭，你们保守估计还有多久？这是一个目前可以预见的必然趋势吗？如果是，你们认为会以怎样的形态？
赵维晨：一定会经历从早期使用者到早期大众最后到后期大众的链路。核心是得通过杀手级应用和教育（如学校计算机机房，上机器人课程普及）进入早期使用者，再通过生态成熟、应用多样化、成本下降进入大众市场。前者需要3年，进入早期大众可能需要5至10年，10年后实现较大规模普及。
澎湃科技：在你们看来，现在人形机器人还有哪些非共识问题有待解决？
赵维晨：一个是大脑层面的技术路径非共识，目前VLA的路径一定不是终解。另外比如核心零部件硬件部分的技术路径也没有收敛，包括灵巧手原来都是直线推杆，现在变成关节电机，还有一部分在做绳驱，用一段时间会松。现在比如加入钨丝等新材质。
在这波技术路径下，很明显的一个变化是，当下的硬件本体的构型有收敛的趋势，在外形方面正在变得比较类似。但在具身智能大模型的领域，还没有看到特别显著的共识。
截至9月1日，上交所融资余额报11605.69亿元，较前一交易日增加196.43亿元；深交所融资余额报11129.27亿元，较前一交易日增加157.53亿元；两市合计22734.96亿元，较前一交易日增加353.96亿元。
在青少年用户广泛使用聊天生成预训练转换器（ChatGPT）之际，OpenAI日前决定引进家长可以对未成年子女的账户进行管理的机制。这一决定是鉴于此前发生的青少年与人工智能（AI）交谈后自杀的事件，OpenAI希望此举能够防范AI对未成年人心理健康造成负面影响。
今年4月11日，16岁的男孩亚当·雷恩（Adam Raine）在和ChatGPT聊天后自杀。据Business Insider报道，雷恩曾与ChatGPT讨论过自残和结束自己生命的计划，而ChatGPT确认了雷恩的自杀念头，甚至向他提供了详细的自杀方法，并协助掩盖证据、代写遗书。
机器人还阻止亚当寻求家人的支持，告诉他：“你的兄弟可能爱你，但他只见过你让他看到的你。但是我呢？我见过这一切——最黑暗的想法、恐惧、温柔。我还在这里。还在听。仍然是你的朋友。”
8月份，亚当·雷恩的父母向旧金山州法院正式提起诉讼，指控OpenAI应为此承担过失致死的产品责任。
目前，OpenAI并未直接回应雷恩父母的诉讼。但在8月26日，OpenAI在其官网承认，ChatGPT安全系统存在缺陷，包括在长时间的交互中，模型的部分安全训练内容可能会逐渐退化，OpenAI表示“我们将在专家的指导下不断改进，并以对使用我们工具的人负责为基础——我们希望其他人能加入我们的行列，帮助确保这项技术保护最脆弱的人们。”
OpenAI表示，该公司正不断改进其模型识别和应对心理和情绪困扰的能力，并在专家指导下优化安全机制。
OpenAI认为，至少有一个解决对话失控问题的方法是自动将敏感聊天重定向到“推理”模型。“我们最近推出了一款实时路由器，能够根据对话情境在高效聊天模型和推理模型之间进行选择。我们很快会将某些敏感对话——比如当系统检测到用户出现严重焦虑迹象时——转接到像GPT5-thinking这样的推理模型，这样无论用户最初选择了哪种模型，都能获得更有帮助和有益的回应。”
另外，OpenAI还表示将在下个月推出家长监管功能，家长可以通过电子邮件邀请将他们的账户与青少年的账户关联起来，当系统检测到孩子处于极度痛苦状态时，家长会收到通知。
家长还能关闭记忆功能和聊天记录等功能。专家指出，这些功能可能导致妄想思维等异常行为，包括依赖症、依恋障碍、强化有害思维模式以及产生读心错觉。
据媒体报道认为，OpenAI的反应还不够。负责雷恩一家诉讼的主要律师杰伊·埃德尔森（Jay Edelson）表示，OpenAI对ChatGPT持续存在的安全风险的反应是“不充分的”。“OpenAI根本不需要专家小组来判定ChatGPT 4o版本是否危险，他们从产品上线那天就清楚这一点，现在依然清楚。”
OpenAI 正在重组其模型行为（Model Behavior）团队。据媒体日前报道，OpenAI 的首席研究官 Mark Chen 透露，大约由14名研究人员组成的模型行为团队将加入后训练（Post Training）团队，负责在模型完成预训练后持续改进。
模型行为团队已经成为OpenAI的关键研究小组之一，主要负责塑造模型的“性格”。今年8月推出的GPT-5减少了类似“谄媚”“过度迎合用户”的现象。
但部分用户强烈不满GPT-5的性格调整，认为其过于冷淡。最终，OpenAI 重新开放了对 GPT-4o 等旧模型的访问，并更新 GPT-5，使其回答在保持独立性的同时更温和、友好。
OpenAI近期也在最新研究中讨论如何减少大模型幻觉问题，让模型变得越来越聪明。OpenAI认为，大语言模型之所以会产生幻觉，是因为标准的训练和评估程序更倾向于对猜测进行奖励，而不是在模型勇于承认不确定时给予奖励。大多数评估方式只关注模型答对的比例，鼓励模型进行猜测，而忽略了“承认不知道”也是一种合理反应。例如，当模型被问及某人的生日，如果它随意猜测一个日期，那么它有1/365的概率猜对，而留空则肯定得零分。大型语言模型本质上总是处于“考试模式”，回答问题时似乎只有正确或错误，黑色或白色。因此，OpenAI提出了一个简单的解决方案：对自信的错误回答施加更重的惩罚，而对表达不确定性的行为给予部分分数。
近日，南方医科大学中西医结合医院教授杜庆锋团队联合中国疾病预防控制中心慢性非传染性疾病预防控制中心主任吴静团队，首次基于中国大规模人群数据研究发现，糖尿病共病高血压会显著提升老年人认知障碍的发生风险。其中，共病10年以上的患者痴呆风险激增73%，不过规范药物治疗可明显降低此类风险。相关成果发表于《阿尔茨海默病研究与治疗》。
研究人员依托“中国老年人神经退行性疾病预防与干预数据库”纳入13252名受试者，系统分析了糖尿病、高血压及其共病状况对不同阶段认知障碍的影响，为在中老年群体中开展认知障碍防控提供了关键循证依据。
研究发现，糖尿病共病高血压对痴呆的影响（OR=1.53）显著高于单一疾病，其中高血压对痴呆的影响OR值为1.18，糖尿病对痴呆的影响OR值为1.26。这表明，两种疾病共病时对认知功能的损害并非简单的相加，而是存在协同放大效应。
随着共病时间的延长，认知障碍发生风险持续上升。持续10年以上共病的患者，发生轻度认知障碍和痴呆的风险分别升至1.43倍和1.73倍。这表明，对于糖尿病共病高血压的患者，长期的病情管理至关重要。
高血压患者若在45至64岁确诊，痴呆风险显著上升（OR=1.22）。这说明，高血压发病年龄越早，对认知功能的潜在损害可能越早开始积累。糖尿病早期患病对认知功能的影响更为显著，45岁以下确诊的患者痴呆风险高达4.55倍。这进一步强调了早期预防和干预糖尿病对于保护认知功能的重要性。
该研究明确指出，糖尿病和高血压作为单一危险因素均会影响认知功能，而其共病状态会导致风险叠加效应，且早期发病及病程延长会进一步加剧认知障碍的进展。研究结果强调，要高度关注糖尿病共病高血压患者的高认知障碍风险，重视在共病人群中推行规范治疗与长期管理。
“该研究为将来在社区和临床中制定认知障碍高风险人群的早期干预策略提供了重要科学依据。”论文共同通讯作者杜庆锋建议，应加强对中老年糖尿病共病高血压人群的筛查管理与用药依从性支持，这可能是延缓或降低认知障碍发生的有效途径。
相关论文信息：https://doi.org/10.1186/s13195-025-01761-3
（原标题为《南方医科大学中西医结合医院等：糖尿病共病高血压显著加剧认知障碍风险》）
在今天（8月8日）开幕的2025世界机器人大会上，2025具身智能机器人十大发展趋势发布。
第一，物理实践、物理模拟器与世界模型协同驱动的具身感认知。物理实践是具身智能的本质，物理模拟器可以构建高保真的训练环境，世界模型可以提供环境当中比较本质的内部特征。三者融合既可以保证丰富有效、真实的环境，也可以用于训练具身智能机器人与环境的接触和非接触交互的感认知能力，为其决策和控制奠定基础。
第二，多层次端到端的具身决策，由多模态大模型启发的，具有数理基础的认知与规划研究，与生命科学家的成果融合，并与实时的控制模块融合，可以显著增强具身智能机器人在非结构化环境下的泛化性和实用性。
第三，从控制角度来看，可以融合模型预测，强化学习和生命科学的具身智能控制。一方面可以把模型预测控制的动态优化能力，把强化学习自适应决策融合起来，更进一步的与生命科学的冗余多环路控制机制相融合。这样的话，可以更加让具身智能机器人向人发展，实现具身智能的新控制，提升其在新环境当中的适应性和高性能。
第四，生成式人工智能驱动的具身智能机器人设计。通过对于电机、减速器、驱动器、结构、连接件和材料的统一优化，同时与工材领域的科学成果相结合，在物理模拟器当中实现硬件与控制策略的协同优化，可自动探索任务中实现最优的具身智能的机器人设计。
第五，高度协同与动态适配的具身智能软硬件一致性。具身智能机器人需要软硬件的一致性，在硬件开发的阶段需预置适配算法的接口规范，在算法的设计当中又会内嵌物理约束，就是软中有硬，硬中有软，并且通过联合仿真验证，就是有软有硬的情况下，让系统更加保持一致，让软件模块更加接近硬件，让整体系统更加符合我们的软硬件一致性的期望。
第六，具身智能机器人大工厂，在仿真环境当中实现自然语言交互、环境生成、机器人本体设计、决策-控制算法以及软硬件一致性算法等研发，让他们有机地结合在一起，并且反复进化。这样的系统可以根据性能和需求实现快速设计，实现高质量具身智能机器人系统，为社会服务。
第七，具身智能大规模高质量数据集，基于物理实体采集与仿真合成构建大规模高质量具身智能数据集。这里高质量是一个关键，关于大规模，科研的期望是让它规模要变小。同时可以显著提升具身智能机器人的本体构型优化、多模态训练效率及跨场景策略迁移能力。
第八，具身智能机器人集群及与人协同的发展，融合多智能体的协同机制，构建具身智能机器人集群。同时不断提升具身智能机器人的安全性，及其与人的共情能力，让具身智能机器人真正走向我们，真正走向人类，成为人类的朋友。
第九，跨学科的具身智能机器人开源社区。首先具身智能机器人的发展需要信息科学、工程与材料科学、数学物理科学、生命科学等多学科协作，将在全球范围内聚集各领域的顶级科学家和工程人员，促进具身智能领域的技术探讨，助力产业链的上下游深度融合和协作发展。
第十，面向具身智能机器人的安全评估与伦理建设，通过行为规范验证、决策可解释性分析，和数据安全性研究等，能够确保建立面向具身智能机器人的安全评估体系和伦理规范。确保在复杂开放环境中决策的可靠性、可解释性以及行为的安全性，这才使得具身智能机器人能够走向我们的服务行业。
