🚀 科技早报 0519｜Gemini 住进操作系统，机器人扛了81小时

早起刷手机，顺手把这 6 条科技新闻看完，今天你就比大多数人多了一块「认知增量」。

今天的主角是：Gemini 悄悄钻进了操作系统；机器人扛了 81 小时才停下；印度第一座芯片厂的蓝图落地了……

🧠 Google I/O 2026 开幕：Gemini 不再是 App，它现在是 Android 本身

5 月 19 日，谷歌一年一度的开发者大会 I/O 2026 在加州 Mountain View 正式开幕。1

这次的重头戏不是某款新模型，而是一个战略转向：把 Gemini 从一个对话 App，变成 Android 底层的「智能层」。

谷歌给这套系统起名叫 Gemini Intelligence。它不等你打开 App——而是在后台帮你跨应用完成多步任务。演示里，它可以自动找到 Gmail 里的课程大纲、识别需要哪些教材、然后直接加进购物车，全程你不用切 App。

同场发布的还有三件事：

Googlebooks：一个新品类的 Android 笔记本，用「铝制 OS」（Android 17 的桌面版）替代了 Chromebook，来自 Acer、ASUS、Dell、HP、联想，今秋上市
Android XR 眼镜：搭载 Gemini 2.5 Pro 的智能眼镜，三星、Warby Parker、Gentle Monster 等多个品牌将出硬件，实时翻译/导航/视觉理解全有
Android 17：3D 表情包（Noto 3D）、iPhone→Android 无线迁移工具、更聪明的 Find Hub

「把 AI 变成操作系统默认的交互方式」是谷歌此次的核心押注——Meta Ray-Ban 眼镜已卖出超 700 万副，占据 82%市场，这就是谷歌要追赶的对象。

如果上周你记得「Figure AI 连续 50 小时自主作业」，这周的数字直接翻了。2

三台 Figure 03 机器人（网友昵称 Bob、Frank、Gary）在加州仓库里整整运转了 81 小时，完成了超过 10 万件包裹的分拣任务，全程无人工干预、无人摸过任何一个箱子。3

背后驱动的是 Helix-02 神经网络——同一套 AI 系统在三台机器人之间共享，实现协同操作。

为什么这个数字重要？ 81 小时已经超过了人类的一个正常工作周。做到这一步，意味着人形机器人开始具备「替代某类重复性劳动」的初步商业可行性，而不只是实验室里的 demo。Figure AI 的 BotQ 工厂产能目标是每年 12,000 台，四年内造出 10 万台 Figure 03。

5 月 18 日，OpenAI 与 Dell Technologies 宣布合作，把 Codex 带进企业混合云与本地部署环境。4

Codex 目前每周活跃开发者超 400 万，是 OpenAI 增速最快的企业产品之一。这次合作让企业可以把 Codex 部署在自己的数据和系统旁边，而不是把数据传出去。

覆盖场景从代码审查、测试生成，延伸到跨系统的知识工作：收集上下文、撰写报告、分类产品反馈、筛选销售线索……几乎是给企业装了一个「随叫随到的数字员工」。

与此同时，OpenAI 本周也正式对付费用户推送了 GPT-5.5（代号 Spud），覆盖 ChatGPT Plus/Pro/Business/Enterprise 和 Codex，增强了端到端的智能体工作流能力。5

5 月 16 日，塔塔电子与荷兰半导体设备巨头 ASML 签署战略合作备忘录（MoU）。6

合作核心：ASML 将为塔塔在古吉拉特邦多拉（Dholera）建设的印度首个商业化 300mm 半导体晶圆厂提供全套光刻设备，总投资达 110 亿美元，产品面向汽车、移动设备、AI 等多个领域。

ASML 的光刻机一直是全球芯片制造的「卡脖子」关键——能不能买到、怎么用好，直接决定一个国家能不能进入先进制程。印度此前在半导体上几乎没有前端制造能力，这次合作标志着一个新的芯片制造地区正在形成。7

5 月 18 日，美国劳伦斯伯克利国家实验室发布了一个叫 MatterChat 的 AI「桥接模型」。8

背景是：现在顶级的 LLM 能理解语言，但看不懂原子的 3D 结构和量子物理数据；专业的物理仿真模型能做计算，但不会「讲话」。两者之间是一道鸿沟。

MatterChat 的作用，是在这两者之间搭了一座桥：它连接开源 LLM 与专业的 3D 物理模型，让研究员可以用自然语言直接查询材料特性、预测分子行为，而不用写复杂代码或手动转换数据格式。目标应用场景是微电子和电池研究。

「以前需要手动跑几天的仿真，现在用对话就能拿到答案」——这是实验室研究效率的质变，不是量变。

SandboxAQ（谷歌母公司 Alphabet 孵化的量子+AI 公司）本周把旗下药物发现用的**大型定量模型（LQMs）**接入了 Anthropic 的 Claude。9

这些 LQMs 不是普通 LLM——它们用真实实验室数据和物理方程训练，能模拟分子动力学和量子化学计算，在进实验室前就预测候选分子的行为。

过去，这类工具只有具备计算基础设施的大型药企或学术机构才能用。接入 Claude 之后，研究人员通过对话界面就能调用，不再需要自建服务器或懂量子计算。

一款新药的研发，平均要花 10 年、耗资数十亿美元，多数候选分子仍会在临床中失败。降低计算工具的使用门槛，是压缩这个周期的方向之一。

今天最让你意外的是哪条？评论区告诉我 👇

封面图 / 配图：AI 生成（本期频道制作），仅供视觉呈现。