01. 算法变异：Liquid AI 开源液态神经网络 (LNN) 工业级控制模型，AGV 导航告别“算力焦虑”

由 MIT 系科学家创立的 Liquid AI 今日在 GitHub 上重磅开源了首个针对工业连续控制的 液态神经网络 (Liquid Neural Network, LNN) 预训练模型。

• 原理降维：不同于 Transformer 或 Mamba 需要几亿甚至几十亿参数，LNN 模拟了秀丽隐杆线虫的大脑，仅需不到 10 万个参数（几百 KB 大小）。更可怕的是，它的权重在推理时是“液态（流动）”的，能够在运行过程中根据环境变化实时自我调整，而无需重新送回云端训练。

• 测试震撼：在无 GPS 且地形每天变化的复杂仓库中，搭载该 LNN 模型的 AGV 小车，仅靠一个 10 美元的普通单目摄像头，就实现了完美的避障与连续路径规划。

• 算力极简：该模型在树莓派的单核 CPU 上运行，功耗不到 1W，帧率高达 100 FPS。

【云质变视点】

“不要拿‘文本大模型’的思路去套‘物理控制’。

过去一年，很多集成商试图把 LLM（大语言模型）塞进 AGV 里做自主导航，结果小车不仅反应慢（延迟大），还因为庞大的算力功耗导致电量尿崩。

它专为‘连续时间序列数据（如电机转速、视频流）’而生。

各位做 无人机飞控、AGV 底盘、机械臂连续轨迹规划 的算法总监，立刻让团队去跑这个 LNN 开源模型！用它替代传统的 PID 控制或庞大的深度强化学习（DRL），你能把边缘控制器的 BOM 成本从 ¥3000 直接打到 ¥300。

02. 硬件洗牌：Raspberry Pi 6 Compute Module (CM6-I) 工业版发布，标配 13 TOPS NPU 与 ECC 内存

树莓派基金会今日凌晨突袭发布了 Raspberry Pi Compute Module 6 Industrial (CM6-I) 核心板。

• 规格暴涨：采用全新 6nm 架构的 BCM2713 芯片，最致命的升级是在 SoC 内部直接封装了一颗 13 TOPS 的 AI 加速器（NPU），并首次在工业版中加入了对 ECC（纠错码）内存 的硬件级支持。

• 接口拉满：原生提供两条 PCIe Gen 3 x2 通道，支持双路 2.5G 以太网卡直连。

• 价格屠夫：8GB RAM + 32GB eMMC 的工业宽温版，批量起售价仅为 $55（约 ¥390）。

【云质变视点】

“低端国产 x86 和无 NPU 工业盒子的‘终结者’。

之前工业界对树莓派又爱又恨：爱它的软件生态（闭着眼睛都能找到 Docker 镜像），恨它的脆弱（没有 ECC 内存容易死机，跑 AI 必须外插算力卡导致发热不稳）。

¥390 的价格，自带 13 TOPS 算力，足以流畅跑满 2 路 YOLOv11 缺陷检测。

正在画底板的 OEM 设备厂和做轻量级协议网关的集成商，全面停止基于旧款 CM4 或低端瑞芯微的硬件立项。立刻转向 CM6-I 平台，用统一的硬件吃下从“简单数据采集”到“边缘视觉质检”的全场景订单。

03. 柔性末端：静电吸附夹爪 (Electroadhesive Grippers) 量产跌破 ¥800，六维力传感器失宠？

在半导体封装和 3C 零配件领域，末端夹具（EOAT）迎来了底层物理原理的变革。国内头部机器人配件商今日宣布，**工业级“静电吸附夹爪”**正式实现低成本规模化量产。

• 传统痛点：要抓取极薄的硅片、微型透镜、或者表面布满微孔的 PCB 板，传统的真空吸盘会留下印区或吸不住，而机械夹爪即使配了昂贵的“六维力传感器”（见上月评测），也极易夹碎物料。

• 物理魔法：静电吸附夹爪采用柔性高分子材料，通电后产生强大的静电场，像“气球吸头发”一样，瞬间将任何材质（绝缘体或导体）死死吸附。

• 成本与性能：抓取响应时间 < 20ms，释放时间 < 5ms，不留任何痕迹。单只夹爪采购价从 ¥4,000 暴跌至 ¥800 区间。

【云质变视点】

“用最基础的物理现象，干掉最复杂的力控算法。

在微小、脆弱、多孔的物料抓取上，静电吸附是降维打击。你不再需要花几万块钱买力矩传感器，也不需要算法工程师熬夜调 PID 参数。

做 Micro-LED 转移、晶圆搬运、柔性布料抓取 的非标设备集成商，立即采购一批静电夹爪进行台架验证。这不仅能让你的机械臂末端减重 60%，更能彻底根除因夹具受力不均导致的废品率。