Meta FAIR连发六篇论文解数学难题，RoboJEPA立机器人缩放律

会懂网AI资讯，10月15日，近日，Meta基础人工智能研究院十月二日发布六篇论文，其AI模型协助数学家解决六个未解研究问题，包括证明García-Martínez与Pérez-Rodríguez猜想不成立。这反映出人工智能技术正在从单点突破走向系统级能力的构建，企业与应用侧对此高度关注。

具体来看，此前五月，Meta的AutoformBot系统已将二十六本数学教材自动形式化为Lean 4，生成超四万五千条代码声明与数十万行验证代码。在算力供给持续扩张与推理成本快速下行的背景下，这类进展对开发者和行业用户都意义重大。业内普遍认为，相关能力的成熟将直接拉动上下游生态的协同创新与商业落地速度。

从技术细节出发，本月FAIR还发布八十亿参数机器人世界模型RoboJEPA，用一万五千零二十二小时、跨二十三个操作数据集与十二种机器人本体的视频训练，建立多本体机器人的二阶幂律缩放规律，想象误差随算力可预测下降。从产业节奏看，头部厂商正把模型能力转化为可直接调用的服务，竞争焦点已转向工程化与可用性。

在产业层面，该模型在真机零样本物体抬升任务成功率达百分之五十，全部检查点与训练代码开源。对用户而言，此类更新意味着更低的使用门槛与更稳定的体验，智能助手的实用价值持续提升。值得关注的是，开源与开放策略正在改变技术扩散的路径，中小团队也能借此快速构建应用。在监管与合规要求趋严的环境下，厂商在能力扩张的同时也更强调安全与可控。

对开发者与企业用户而言，业内认为，可预测的缩放规律让机器人研发从赌注变成工程预算问题，开放检查点也为第三方复现提供可能。多方数据显示，AI 应用的渗透率仍在快速提升，真实场景的反馈正反过来推动模型迭代。这类进展也折射出国内外在基础模型与智能体方向上的投入力度与路线差异。从长远看，模型与算力、数据的协同优化，将决定下一阶段智能应用的上限。

展望后续，FAIR表示将持续推进世界模型与形式化数学的交叉研究。相关进展将持续影响行业格局，值得长期跟踪。相关团队表示，后续还会围绕稳定性、成本与场景适配持续打磨，让能力真正可用好用。市场分析认为，谁先在大模型与Agent的工程化上建立优势，谁就更可能在下一轮竞争中占先。这反映出人工智能技术正在从单点突破走向系统级能力的构建，企业与应用侧对此高度关注。