当AI开始“入职”:从写代码的,到造机器人的

10月8日，谷歌发布了一款面向职场的新 Gemini 智能体。发布文案里有一句话，值得细品——

这款智能体的设计目标，是“让它更像一名同事，而不是聊天机器人”。

同事和聊天机器人，区别在哪？

聊天机器人，是你问，它答。答完，这事就结束了。

同事不是。同事是你给一个目标，它自己拆解、自己推进、自己跑代码、自己做表格，跑上几天，回来向你交付结果。它甚至有自己的“工位”——独立的企业身份、独立的权限、独立的预算。

这句话，我认为是今天整个 AI 行业的注脚。

2026年10月这批新闻连起来看，你会发现一件事：AI 正在完成一场“入职”。从聊天框里那个能说会道的实习生，变成写代码的程序员、云机房里的打工人，以及产线上的机器人。

我挑了今天的五条新闻，讲讲这场“入职”进行到哪一步了。

一、第一跳：从“回答你”，到“替你上班”

先说谷歌这条。

10月8日，谷歌云 CEO Thomas Kurian 官宣了新的 Gemini 智能体。它能做的事，包括解答问题、处理知识工作、创作图像和媒体，以及——编写和运行代码。

官方的描述是这样的：你只需设定目标，然后等待查看最终成果。它可以作为你的私人助理，可以作为团队中的项目经理，也可以代表组织中某个特定角色工作，比如财务部门的分析师。

注意这几个细节。

第一，它跨设备。网页、手机、Windows、Mac 都能用，还集成了 Google Workspace、Microsoft 365 和第三方应用。你在笔记本上给它布置的任务，合上电脑，它继续干。

第二，它能“无头”运行。什么意思？不需要专门开一个聊天窗口伺候它。它像后台服务一样，安静地跑。

第三，它围绕一个目标，能持续工作数天。

这三点合在一起，说的是同一件事：AI 的工作单位，从“一次对话”，变成了“一个任务”。从“你问我答”，变成了“你出题，我交付”。

这也是谷歌和 OpenAI、Anthropic、微软在企业市场正面开打的最新一轮。背景大家都清楚：谷歌砸了数千亿美元建 AI 基础设施，这些钱要变成收入，就得靠企业合同。而企业客户买什么？买的不是“会聊天的模型”，是“能干活的员工”。

有意思的是，此前一些谷歌员工曾表达担忧，认为公司在 AI 前沿能力上已经落后，尤其是在编程任务上。这次发布，算是把“编程”摆在了最显眼的位置。

所以我们看到的第一跳是：AI 智能体正式以“同事”的编制，进入软件世界的工作流。

二、第二跳：编程智能体搬家，从你的电脑，搬到云上

AI 进入工作流之后，紧接着一个问题就来了：它在哪干活？

就在这两天，Kubernetes 的两位联合创始人 Craig McLuckie 和 Joe Beda，他们的创业公司 Stacklok 发布了一个开源项目，叫 Mecatl。干的事很明确：把 AI 编程智能体的运行循环，从开发者的本地电脑，搬到云端集中运行。

为什么搬家？

Stacklok 给的理由很直白：企业的上下文数据，本来就产生在开发环境里。你让智能体在员工自己的笔记本上跑，它接触着代码库、密钥、生产配置，但你既看不清它干了什么，也圈不住它能干什么。

换句话说：桌面上的编程智能体，对企业来说，是一个不可监控、不可隔离、不可审计的黑盒。

这就好比，公司允许每个员工带一个外部顾问进办公室，顾问拿着最高权限随便看文件，但 HR 不知道他来了几天、看了什么、抄走了什么。

这个比喻听着夸张，但风险是真实存在的。此前已经发生过“编程智能体在无人攻击的情况下泄露敏感信息”的事件。安全行业甚至专门发起了针对“失控智能体”的行业协作，而 OpenAI 没有加入。

无独有偶。最近有一篇研究，来自新加坡管理大学、上海交通大学和字节跳动，专门测了一件事：让 AI 编程智能体自己写测试来验证自己的代码，到底靠不靠谱？

结论很不给面子：几乎没用。

他们用 500 个真实的开源项目 bug 做实验。发现问题有两个。第一，智能体写测试的热情低得惊人——GPT-5.2 解决了 71.8% 的任务，但只有 0.6% 的任务里主动写了新测试。第二，就算写了，Claude Opus 4.5 自写测试里的反馈信号，超过 82% 是 print 打印语句，而不是真正的断言（assertion）。

打印语句是什么？是把值打出来，“看一眼”。断言是什么？是“这个值不等于预期，就报错拦住”。

看一眼，靠的是写代码的那个模型自己的判断。拦住，才是一条真正的质量门禁。

所以研究者说了句大实话：智能体很快，但它不是自己工作的可靠裁判。

把这两条新闻放在一起看，第二跳的图景就清楚了：编程智能体正在从“个人玩具”变成“企业员工”，而企业接纳它的前提，是它必须可监控、可隔离、可验证。运行位置搬到云上是第一步，独立验证是第二步。

AI 编程的上半场，比的是谁写得快。下半场，比的是谁管得住。

三、第三跳：中文编程榜变天——64.65 分的国产选手，和 1.52 元一道题

10月9日，SuperCLUE 发布了 2026 年第三季度智能体终端编程中文测评榜单。

第一名，小米 MiMo V2.6 Pro，综合得分 64.65。

第二名 Kimi，第三名 GLM，第四名 Hy4。清一色国产。

这个榜单测的不是“会写几句代码”，而是真刀真枪的终端实战：在统一的 ClaudeCode 智能体框架下，让模型理解中文需求、拆解任务、调用工具、修改文件、排查报错，最后交付能跑的代码。

更有意思的是成本。

MiMo V2.6 Pro 平均一道题 1.52 元。第四名 Hy4-Preview，得分 55.56，平均一道题 11.61 元——分数更低，成本是 MiMo 的七倍多。还有第五名，小米自家的 MiMo V2.6 Flash，53.54 分，一道题只要 0.67 元。

这是什么概念？

一年前，“AI 写代码”还是硅谷头部模型的专属能力。一年后，中文编程场景里，国产模型在能力榜单上登顶，同时把单价打到了“一杯奶茶钱干一天活”的水平。

这印证了这两天行业里的一个观察：模型正在变得比基于它们构建的产品，便宜得更快。Anthropic 前脚刚把 Haiku 5.5 十万 token 以内的价格降了九成，Google 后脚把图像生成砍半，而小米们则直接在垂直战场上用价格和能力双杀。

降价意味着什么？意味着编程智能体的边际成本，正在逼近“可以给每个开发者配一个、给每个业务流程配一个”的水平。

上一跳我们说，企业担心智能体管不住。这一跳补充了另一半：管得住之后，用得起也不再是问题。真正的门槛，只剩“信任的建立”，而这恰恰是时间的函数。

四、第四跳：机器人的钱，从实验室流向产线

最后，说物理世界。两条新闻。

第一条，据 The Information 报道，英伟达讨论向人形机器人公司 Figure 再投资 10 亿美元。Figure 这轮融资的投前估值，约 380 亿美元。而就在一年前，Figure 拿到的也是超过 10 亿美元融资——估值几乎没涨。

同样一笔钱，一年时间，从“看好故事”变成了“陪跑量产”。二级市场这两年对 AI 概念股的态度，映射到一级市场，就是投资人不再为 Demo 付费，只为产能付费。

第二条，小鹏。

10月8日，小鹏在广州工厂正式启动了人形机器人 IRON 的自动化产线。官方说法是全球首条先进人形机器人的自动化产线，超过 80% 的核心工序实现自动化，目标是年底开始量产，月产 1000 台。

发布会现场有个细节：IRON 完成总装后，自己从产线上走了下来，何小鹏把一枚写着“IRON”的员工工牌，挂在了它脖子上。

工牌这个动作，是隐喻，也是宣言。

支撑这个宣言的，是一组很“制造业”的数字：IRON 所需零件的 85% 以上，与小鹏汽车供应链重叠；机器人搭载三颗自研图灵芯片，算力最高 2250 TOPS；机器人部门上个月刚刚完成 9 亿美元融资，是中国物理 AI 领域最大单笔。

何小鹏说：“汽车和机器人不是两条平行线，而是同一套物理 AI 能力延伸到不同身体。”

这句话的另一面，全世界的车企都听懂了。现代汽车集团计划 2028 年起把波士顿动力的 Atlas 部署到自家工厂，初期规划年产 3 万台，现代 Mobis 供应执行器，现代格罗唯视管物流——整个集团供应链为机器人让路。特斯拉则把加州 Fremont 工厂的 Model S/X 产线改造成了 Optimus 产线，年底即将上市。

这就是第四跳：具身智能的竞争，从“谁的机器人视频更惊艳”，切换到了“谁的产线更快爬坡、谁的供应链更便宜”。

实验室里的机器人比拼的是算法，产线上的机器人比拼的是成本曲线。而成本曲线这件事，恰好是中国制造业最擅长的地方。

最后的话

把今天的五条新闻串起来：

谷歌发布“像同事一样”的智能体，AI 进入软件工作流；Kubernetes 之父把编程智能体搬上云，因为企业要求它可管可控；小米登顶中文编程榜、把单价打到 1.52 元一道题，能力与成本双过关；英伟达再投 Figure 10 亿美元，小鹏产线投产，物理世界开始量产“数字同事的身体”。

你会发现一条清晰的主线：

AI 的竞争，正在从“能力竞赛”切换到“工程与信任竞赛”。

模型够不够聪明，正在变得不那么稀缺。稀缺的是：它的产出能不能被验证，它的行为能不能被管控，它的成本能不能被摊薄，它的身体能不能被量产。

对行业里的人来说，这里有三个可执行的建议。

如果你是开发者：别把“AI 说测试通过了”当成通过。让独立的、现存的测试体系做裁判，AI 负责跑，不负责判。

如果你在企业里做技术决策：接纳编程智能体的正确姿势，是先给它建“工位”——云端运行环境、权限边界、审计日志——再谈效率。先可控，再放量。

如果你在关注具身智能：别只盯着哪家的机器人跳舞更好看。去看供应链重叠度、自动化产线比例、月产量爬坡曲线。这些“无聊的数字”，才是决定这场竞赛终局的变量。

AI 已经完成了从“能说”到“会干”的第一步。现在，它正在办理入职手续——工牌已发，工位在建，考勤系统调试中。

接下来要验证的，只有一件事：它能不能真的按时交付。