这周的三条消息，都把问题带到了模型之外：芯片上怎样同时跑几个任务，策略学习怎样走到实际部署，还有机器人手部该如何取舍。消息还不够多，我更愿意先把这些问题记下来，继续看后面的验证。
算力的问题，开始落到多种 workload 怎么一起跑
Ambarella 自述：N1-655 在移动操作机器人展示中运行 SmolVLA、SLAM、navigation 与 pick-and-place；另介绍 X7 standalone accelerator。展示未披露持续运行性能、功耗或客户量产证据。
这条展示把模型、感知和导航放进同一配置，值得继续看的是它们如何共享资源。当前没有持续运行测量，也没有客户量产数据，不能把集成演示解释为产品成熟。
学习策略有了新进展，部署验证仍是另一道题
论文摘要介绍 critic-based proposal selection 与 conditional refinement flow，并报告 OGBench 评估结果。它提供 policy 学习线索，未披露真实机器人 Deployment 或 SoC 测量。
算法 benchmark 与真实机器人的约束并不相同。把它和芯片展示放在一起看，可以提出一个共同的验证问题：学习到的能力，怎样在具体系统里维持可用？这仍是问题，尚不是两条消息已经形成的趋势。
手部取舍把操作问题带到台前，但证据还很薄
报道标题提及新 humanoid hand 去掉小指；摘要仅描述工程师把小指与无名指绑在一起进行体验。操作设计的取舍值得关注，但当前证据很薄，不能判断手部规格或性能。
现有标题和短摘要支持关注设计取舍，无法支持自由度或抓取性能比较。它给本周观察补上了机械端的一角，但不够证明整个人形机器人行业已经转向。
下周我会继续看
跟进同一配置下的 Latency、Power、Memory/Bandwidth 和第三方或客户验证；不将 demo 视为量产。
跟进真实机器人、模型实现与端到端 runtime 测量；研究 benchmark 不代表机器人部署效果。
取得更多可访问的手部设计证据，再确认自由度、抓取能力与具体取舍；当前不推断性能。