ARTICLE · 1060537
每日AI新闻速递|鸿蒙一句话出App;Kimi上桌面写代码;AMD市值破万亿
产品 / 模型
一、华为云码道上线鸿蒙编码大模型，一句话生成应用
华为云码道 CodeArts 面向鸿蒙开发者升级，上线鸿蒙编码大模型、码道鸿蒙智能体与开发者实践中心。官方介绍，该模型融合超百万鸿蒙原素材，千行代码错误率降低八成以上、一次编译通过率提升近八成、单次任务 Token 消耗降低两成以上，已上线 MaaS 供企业调用。现场约二十分钟便生成并安装了一款支持隔空手势的手机游戏，超 1100 万鸿蒙开发者的开发门槛被显著拉低。
二、LibTV 1.5 更新，一个人也能开 AI 短剧影视棚
LibTV 发布 1.5 版本，把剧本生成、人脸定制与 3D 运镜预演整合进同一工作流。新增的"角色造型室"支持可视化调整五官、发型与服装，并关联专属音色存为角色卡；原创编剧功能提供八类主流脚本模板，约十分钟产出剧本框架，且改动会自动排查是否撞前文伏笔；3D-BOX 虚拟影棚可用文字或手绘路径预演运镜。普通人做短剧，最耗时的角色、剧本与镜头环节被一并简化。
工具 / 软件
三、Kimi 推出桌面编程 Agent，代码工作搬上图形界面
月之暗面发布 Kimi Code Desktop，将编程 Agent 带进 macOS 与 Windows 图形界面，可对话式读写代码、运行命令，并集中管理项目与配置。它支持 Plan、Goal、Swarm 与实验性 Tower 多 Agent 模式，覆盖先审后做、长程推进与多子 Agent 并行分工，内置终端、浏览器与 Git/PR 状态查看，本地 CLI 任务也会同步到桌面端。开发者写代码、跑项目从此不必只在命令行里来回切。
原文链接： https://www.ithome.com/1/005/258.htm
技术 / 落地
四、大晓机器人进加油站便利店，具身智能试水便民服务
大晓机器人与中石油昆仑好客达成合作，在加油站便利店试点具身智能服务。官方表示，机器人将承担引导、补货巡检与简单交互等任务，把机器人从展厅演示推进到真实零售场景。当具身智能开始进入加油站、便利店这类高频线下触点，普通人接触机器人的方式正从"看视频"变成"在店里遇见"。
原文链接： https://finance.sina.com.cn/roll/2026-09-21/doc-inisqeuf7894747.shtml
商业 / 产业
五、AMD 市值首破万亿美元，AI 芯片景气度再上台阶
AMD 盘中市值历史首次突破 1 万亿美元，成为继英伟达之后又一家跻身万亿俱乐部的芯片企业。市场观点认为，这一里程碑来自数据中心 AI 加速卡需求的持续走强，以及客户对多元算力供应的迫切期待。当 GPU 赛道不再由单一玩家通吃，云服务商与模型公司的采购议价空间有望随之打开。
原文链接： https://finance.eastmoney.com/a/202609223880598071.html
六、清华团队做"机器人大脑"，方奇科技完成千万级融资
具身智能通用大脑研发商方奇科技完成千万级天使轮融资，投资方包括启迪之星创投等机构。创始人王心舟表示，团队提出"语义化世界模型+图灵学习"架构，把视觉、语言与物理状态组织到统一三维语义空间，让机器人像人一样预测动作、自主决策，并具备跨本体迁移能力。公司已与优地机器人等达成合作，以立体清洁为切入点推进试点，成立不到一年便签订近千万订单。
原文链接： https://36kr.com/p/3991565233257221
报告 / 观点
七、Google Research 负责人：AI 正在重写职场入门门槛
Google Research 副总裁 Yossi Matias 在一档官方播客中谈到，AI 正接管大量基础性、入门级工作，年轻研究者一出道就需要具备过去往往要十几年才能积累的判断力与提问能力。他举例，多 Agent 系统 AI Co-Scientist 仅用三天便推导出帝国理工团队多年才形成的细菌耐药性假说；Flood Hub 洪水预警已覆盖 150 国约 20 亿人口。当基础活被 AI 包揽，人的价值正更多落在提出好问题之上。
八、世界模型公司秘而不宣，空间智能商业化仍雾里看花
在近日一场世界模型主题论坛上，LeCun 创立的 AMI Labs 与李飞飞创立的 World Labs 等头部玩家对自身产品规划与时间表普遍语焉不详。业内人士指出，世界模型的核心是自动化空间智能，应用方向可从机器人、可交互视频延伸到自动驾驶，但商业化路径尚未清晰。当资本与关注度持续涌入，这类公司的"保密文化"也折射出空间智能从研究到赚钱之间仍有距离。
原文链接： https://techcrunch.com/2026/09/18/world-model-companies-are-keeping-a-lot-of-secrets
科研 / 前沿
九、具身基础模型出新训练范式，十八项基准拿下 SOTA
一篇新论文提出 EmbodiedMind 高效训练范式，用拒绝采样微调、分层策略优化与基于动作前缀树的强化学习，解决具身训练中的低质样本、跨任务梯度失衡与长程规划信用分配难题。在十八个基准上平均准确率达到 70.02%，显著领先已有具身基础模型。这类方法让机器人用更少数据与算力学到更稳的长程任务规划，为家庭与工业场景的落地降低门槛。
原文链接： https://arxiv.org/abs/2609.19659
十、VLM 从演示学动作，机器人现场学会新任务
研究者提出 GPT-Policy 框架，探索让视觉语言模型从人类演示、示例与交互反馈中做"上下文学习"，再把信息翻译成可执行的机器人动作。框架含上下文编译器、负责提动作的 VLM 与做验证执行的约束控制器，真实机器人试验中，仅看人类视频演示就能提升任务完成率，对齐的动作参考在接触敏感任务上带来进一步增益。这指向机器人像人一样部署即适应，而不必为每个场景重训。
原文链接： https://arxiv.org/abs/2609.19138