AI日报 2026-10-15

🔥 头条

1. Anthropic 以自研 Scion 取代 git：7 人 5 个月迁完单体仓库，日合并量四个月涨 12 倍

10 月 14 日，Anthropic 公布工程博客，介绍其自研版本控制系统 Scion，并已在单体仓库中全面取代 git。公司称日均代码合并量从 5 月的约 2500 次升至 9 月的 3 万次以上，四个月增长 12 倍；主干历史近 100 GB，压缩工作副本超 25 GB，仅持续集成每天就需约 2500 万次代码检出。一个 7 人团队在 5 个月内完成 Scion、代码审查平台 Antique 及六个相关系统的构建与迁移，其中基础设施的 CPU 与内存占用降至原 git 镜像方案的约两百分之一，检出速度从分钟级缩短至秒级，仅持续集成一项即带来约 25% 的 CPU 容量提升。

为何关注：行业影响上，瓶颈从「写代码」转移到版本控制与持续集成，说明当代码主要由智能体产出时，为人类规模设计的基础设施会先成为约束，工程投入的重点需要前移到开发平台本身。趋势信号上，把提交、合并与历史查询改为服务端集中处理，是在假设客户端永远在线的前提下重新设计协作模型，这类取舍会随智能体普及而在更多团队复现。行动启示上，正在大规模引入编码智能体的团队应提前监控仓库检出量与持续集成队列这两项指标，并把合并队列的串行测试改造为合并后测试加发布前验证，以避免测试吞吐成为新的交付瓶颈。

2. DeepSeek 二轮融资规模翻倍至约 1000 亿元：宁德时代加码至 100 亿、吉利等产业资本入局

10 月 14 日，多名参与交易的人士称，大模型公司 DeepSeek 最新一轮融资规模已从此前计划的 500 亿元上调至约 1000 亿元，不到半个月拟融资金额翻倍，投前估值仍维持约 5000 亿元。本轮新进投资方以产业资本为主，包括石溪资本、中芯聚源、CPE 源峰、君联资本与吉利；首轮入局的宁德时代、腾讯、IDG 资本等老股东继续参与，其中宁德时代拟增资约 100 亿元，较首轮的约 50 亿元翻倍。据外媒测算，创始人梁文锋个人身家已从约 167 亿美元升至约 360 亿美元。

为何关注：行业影响上，单轮融资规模翻倍而估值不变，说明资金对国产大模型的需求已从「押注增长」转向「锁定份额」，产业资本正取代财务投资人成为主要出资方。趋势信号上，电池、汽车与芯片类企业同时入场，意味着模型公司正被纳入实体产业的长期供应链布局，而非单纯的财务标的。行动启示上，评估国产模型生态时应把股东结构纳为变量，产业股东往往带来定制的落地场景，同时也会影响模型的开放与授权策略，采购方需提前确认后续版本的开源与商务条款是否会发生调整。

3. 谷歌 Gemini 4 Argon 结束五周限量期面向全球上架：输出上限提至 100 万词元

10 月 14 日，谷歌宣布 Gemini 4 Argon 通过付费版 Gemini API 与 AI Ultra 订阅面向全球开发者、企业和消费者开放。该模型此前仅通过面向网络安全防御者的计划限量提供，此次为首次大范围上架。规格上，单次输出上限由此前的 6.4 万提升到 100 万词元，输入与输出价格在 11 月 30 日前为每百万词元 2 美元 / 10 美元，约为部分竞品的五分之一，12 月 1 日起恢复为 4 美元 / 20 美元；缓存输入在促销期内享受约 95% 折扣。谷歌披露的内部测试中，Argon 在长程软件工程任务上得分 77.9%。

为何关注：行业影响上，把输出上限推到 100 万词元并给出约五折的前沿定价，会直接压低长任务推理的单次成本，使「一次任务跑完一整个重构」在经济上变得可行。趋势信号上，先向受限群体开放、再分阶段放量的发布节奏已成为头部实验室的标准动作，说明前沿模型的可用性正越来越多由算力供给与合规策略决定，而非模型能力本身。行动启示上，把智能体工作流放在前沿模型上的团队应在促销窗口内实测长上下文任务的真实成本，因为按词元计价的降幅不等于按任务计价的降幅，同时要为 12 月价格回调预留预算空间。

4. Character.AI 启动破产保护程序：迪士尼拟以 2000 万美元作为竞购底价

10 月 14 日，Character.AI 宣布已在美国特拉华州法院启动破产法第 11 章程序，拟通过法院监督的出售流程处置全部或大部分资产，期间聊天平台继续运营。公司已与迪士尼旗下实体达成首席竞标方协议：迪士尼拟支付 2000 万美元，获得部分知识产权的非独占永久许可及部分权利请求，并由其聘用的原公司员工提供过渡服务，该报价将作为拍卖底价，仍可能被更高报价取代。出售预计在今年 11 月下旬至 12 月初完成；若最终无买家继续运营，平台业务将逐步结束。

为何关注：行业影响上，曾被视为 AI 陪伴赛道代表的公司以破产出售收场，说明面向消费者的角色类应用在留存与变现之间存在结构性缺口，流量规模未必能转化为可持续收入。趋势信号上，买方只以低价取得知识产权许可而非整体收购，反映行业对这类用户生成内容资产的估值已趋保守，内容合规与版权风险成为折价因素。行动启示上，依赖单一消费级 AI 产品承接流量或做二次开发的团队，应把平台的存续风险写进技术选型评估，并提前准备会话数据与用户关系的可迁移方案，避免服务关停造成业务中断。

5. 具身智能集体「进厂」：工博会首设 1200 平方米实景示范区，智元精灵 G2 跑出 12.97 秒节拍

10 月 14 日，据多家媒体报道，本届工博会首次搭建 1200 平方米的人形机器人工业应用实景示范区，模拟汽车制造、3C 电子装配与物流搬运三大场景，中外机器人企业不再表演动作，而是比谁更能干活。智元给出可量化产线数据：精灵 G2 在龙旗科技南昌工厂 36 小时完成集成并线、单班次处理约 3000 台，6 天连续并线任务成功率 99.99%；在均胜电子承担三销定位柔性装配，节拍最快 12.97 秒、成功率 99.9%，体系内适配工位已达千个。节卡则把真实工厂工况搬进展馆，并首发 50 公斤级重载轮式人形机器人 Kargo50。

为何关注：行业影响上，展会评价标准从「能做什么动作」转向「节拍、成功率、部署周期」，标志着具身智能的竞争正从技术演示切换到交付能力，能给出产线数据的厂商会获得明显的议价优势。趋势信号上，本土企业与国际机器人巨头在同一实景场景正面比对，说明国产方案在制造业细分工序上已具备可对标性，行业进入场景化、规模化的交付阶段。行动启示上，考虑引入人形机器人的制造企业应把评估重心放在集成周期、设备复用率与连续运行成功率上，并在合同里约定验收口径与停线赔偿，避免用单点演示替代产线实测。

💼 AI商业深度

1. 腾讯启动约 50 亿美元债券发行：离岸人民币与美元双币种，主要投向 AI 基础设施

10 月 14 日，据彭博社报道，腾讯于 10 月 13 日起向投资者推介美元与离岸人民币债券，此次发行可能筹集约 50 亿美元，所募资金用于支持公司持续增加的 AI 投资。拟发行的美元债券分为 10 年期与 20 年期，初步定价指引分别较同期限美国国债高约 115 与 140 个基点；同时推介 10 年期与 30 年期离岸人民币债券。数据显示，腾讯上半年资本支出同比增加一倍以上至 963 亿元，主要用于采购算力芯片。

为何关注：行业影响上，头部互联网公司以发债而非自有现金流支撑算力采购，说明 AI 基础设施的投入强度已经超出常规经营支出节奏，融资成本开始成为算力扩张的隐性约束。趋势信号上，同时使用离岸人民币与美元双币种，反映企业在美元利率与汇率波动之间主动分散融资风险，也与其海外算力布局的币种需求相匹配。行动启示上，跟踪中国云厂商 AI 投入时应把资本开支与融资节奏对照观察，若融资规模持续扩大而单位算力产出未见改善，说明投入尚未转化为可计价的收入；采购方也可据此判断算力供给与价格的可持续性。

2. 苹果发布首款家庭中枢 HomeView：A18 芯片 + 7 英寸屏，299 美元起并同步更新三款家居新品

10 月 14 日，苹果发布首款智能家庭中枢 HomeView，提供带扬声器底座与壁挂两个版本，美国售价均为 299 美元，即日起在多地开启预购、11 月 13 日发售，国行暂未上线。设备搭载 A18 芯片与 7 英寸方形屏幕，内置 1200 万像素摄像头，支持面部识别并可为最多六位家庭成员切换专属内容，个人日历与相册不对其他成员开放。苹果同时更新第四代 Apple TV 4K、HomePod mini 2 与 Home Collection 配件系列；其中 HomePod mini 2 搭载 S10 芯片，美国售价 149 美元，Siri 相关能力将通过后续软件更新提供。

为何关注：行业影响上，把家庭中枢从音箱形态升级为带屏的识别终端，意味着智能家居入口的竞争从语音指令转向「认人 + 情境」能力，家庭数据的本地化与隐私边界会成为购买决策的关键变量。趋势信号上，核心 AI 助手功能延后至软件更新、且明确不在欧盟销售，显示苹果在合规与能力落地之间存在取舍，端侧智能的推进节奏受地区监管影响。行动启示上，评估智能家居方案时应确认中枢是否强制绑定单一生态与订阅服务，并核对面部等生物特征数据的存储位置与共享范围，因为多成员识别会显著扩大家庭数据的采集面。

3. 阶跃终端发布首款大模型原生智能体手机 STEPX Neo：全栈定价 3999 元，含 12 个月每月百亿 Token

10 月 14 日，阶跃终端发布首款大模型原生智能体手机 STEPX Neo 先行版，全栈定价 3999 元，包含手机硬件、Step 系列模型、Step AOS 1.0 操作系统与 Step Studio 开发工具，并附赠 12 个月每月百亿 Token 额度，10 月 13 日晚开启预售、10 月 16 日正式开售。设备采用六麦克风阵列与低功耗音频感知芯片，背面配独立点阵屏用于显示智能体状态；简单任务由端侧模型离线处理，复杂查询与跨应用协作交由云侧规划后回传执行。首批生态已接入支付宝、企业微信、微信读书、剪映等产品。

为何关注：行业影响上，把模型额度与硬件打包成单一价格，本质是把智能体能力当作终端的基础配置而非可选订阅，这会改变手机厂商的成本结构与用户付费心智。趋势信号上，端侧与云侧按任务复杂度分工，说明完全离线的智能体尚不现实，厂商需要在隐私、时延与能力之间做分层取舍。行动启示上，评估这类终端时应重点核对 Token 额度到期后的续费价格与跨应用调用的授权粒度，因为智能体代办事务需要读取订单与支付类数据，权限一旦过宽会放大账户风险。

4. 元环智能连续两轮融资数亿元：用「元模型」预判模型表现，替代堆算力式试错

10 月 14 日，成立仅四个月的元环智能宣布完成连续两轮共计数亿元融资。种子轮由顺为资本领投，上海未来产业基金、星连资本等跟投；种子+轮引入上海半导体产投、360 战投、首程资本及 BV 百度风投等机构。公司主攻「元模型」，即直接生成模型架构与训练超参数的系统，可对一个陌生模型预判其表现与适配场景，其创始人、首席科学家刘子鸣为清华大学人工智能学院助理教授，认为大语言模型只能覆盖文本、数学、编程等约三成「说得清」的问题，其余领域需要更底层的直觉。

为何关注：行业影响上，把「预判模型表现」本身做成产品，指向的是模型研发中算力试错成本过高的痛点，若方法可复现，选型与调参的算力开销有望显著下降。趋势信号上，资本在成立数月的团队上连续加注两轮，说明市场开始认可与主流大语言模型不同的技术路线，也反映出对「单纯堆规模」边际收益递减的共识。行动启示上，正在做模型选型或微调的团队可关注这类方法能否输出可验证的架构建议，但应按自己的任务集复核结论，因为预判能力的有效性高度依赖训练数据分布与任务类型的覆盖度。

5. Pluto 走出隐身并融资 4200 万美元：专管员工使用 AI 工具带来的企业风险

10 月 14 日，面向企业 AI 工具使用风险的安全公司 Pluto 宣布结束隐身模式，并披露已完成 4200 万美元融资，其中 850 万美元种子轮由 TLV Partners 领投，3400 万美元 A 轮由 Jump Capital 领投。公司称一款新发布的 AI 工具最快在发布两小时内就会出现在企业环境中；在其客户检出的风险里，约 60% 来自非开发人员用自然语言搭建的工具，财务部门是最大来源。经营方面，公司今年 4 月开始对外销售，已跨过 200 万美元年度经常性收入，企业客户超过 30 家。

为何关注：行业影响上，风险来源从开发者转向业务人员自建工具，说明生成式工具的普及已经把影子 IT 的规模和速度推到了传统资产盘点方式无法覆盖的程度。趋势信号上，安全厂商开始以「AI 工具使用治理」为独立品类切入，反映企业预算正从端点防护向 AI 使用边界管理迁移。行动启示上，企业应先盘点各部门自行接入的 AI 工具与自建应用，再统一出口与授权，尤其要检查由业务人员搭建、却暴露在公网并持有客户数据的内部系统，因为这类资产通常不在既有安全流程的覆盖范围内。

6. 化学原生 AI 公司 Albert 完成 5500 万美元 B 轮：检索科学问题的准确率为通用模型 45 倍

10 月 14 日，为研发场景构建化学原生 AI 操作系统的 Albert 宣布完成 5500 万美元 B 轮融资，由 TCV 领投，Delta-v Capital、Socium Ventures 等新投资方参与，Coatue、摩根大通成长股权与 Index Ventures 等老股东跟投。公司称其化学原生模型 Valence 在检索科学问题答案时，准确率比通用模型高约 45 倍，并同步发布配方化学评测基准 FormBench。过去一年其平台项目创建量同比增长 26 倍，科学家用户数增长 6 倍，覆盖 44 个国家，合作伙伴包括巴斯夫、汉高与科慕等。

为何关注：行业影响上，垂直模型在专业检索上以数十倍差距拉开通用模型，说明在术语密集、表述相近但实体不同的领域，通用能力的规模优势不足以弥补领域知识的缺失。趋势信号上，企业愿意为「零数据留存、细粒度权限与推理审计」这类治理特性付费，反映专业场景的采购标准已从效果单项扩展到合规与可追溯。行动启示上，在材料、医药等高度专业化场景中评估模型时，应使用本单位真实配方与工艺数据构造对照评测，而不是引用通用榜单，同时确认供应商是否支持推理过程留痕以满足内部审计要求。

7. MiniMax 入驻天猫开设首家品牌旗舰店：大模型订阅套餐首次上架电商平台

10 月 14 日，据第一财经报道，MiniMax 于 10 月 13 日入驻天猫，开设首家品牌官方旗舰店，把大模型订阅套餐搬上电商平台。店铺已上架 M Plan 的多个档位，支持按月或按年购买，活动期内可享首单五折限时优惠。此前智谱、阿里云、千问办公等已在天猫开店，平台同期上线了面向大模型订阅的入口，把多家厂商的服务集中到同一位置。

为何关注：行业影响上，把订阅套餐放进电商货架，意味着模型厂商的获客路径开始借用成熟零售渠道，价格促销与榜单运营成为模型分发的一部分。趋势信号上，云与模型服务集中到同一入口，说明平台的竞价与流量分配会逐步影响厂商的曝光，模型选择的信息不对称可能被渠道推荐机制放大。行动启示上，企业采购模型订阅时应区分电商促销价与商务合同价的差异，重点确认数据使用条款、并发限额与发票处理是否与企业合规要求一致，避免因低价购买个人版而留下数据外流隐患。

8. OpenAI 洽谈把 Sora 使用权授予好莱坞团队新公司，以换取部分股权

10 月 14 日，据 The Information 报道，一家专注影视制作的 AI 视频初创公司正与 OpenAI 洽谈，希望获得此前关停的视频生成模型 Sora 的使用权限，并在此基础上深度定制、面向电影制作人销售软件与服务。该公司联合创始人包括梦工厂联合创始人杰弗里·卡森伯格、前 Sora 研究负责人比尔·皮布尔斯与前 Dropbox 首席财务官苏杰·贾斯瓦。若协议达成，OpenAI 将获得该公司部分股权，具体比例未披露；双方尚未确定是否开放模型权重。Sora 网页端与应用此前已停服，其 API 也已关闭。

为何关注：行业影响上，把已关停模型的使用权作为出资换取股权，说明前沿模型的资产价值可以在停止运营后继续以授权方式变现，模型生命周期的商业设计出现新形态。趋势信号上，由熟悉原始模型的团队接手并深度定制，暗示模型权重与训练细节的开放程度可能成为交易条款的核心争点，而非简单的品牌授权。行动启示上，使用第三方生成模型开展内容生产的团队应确认服务条款中关于模型停服、权重授权与衍生成果归属的安排，并在合同中约定模型下线时的数据与素材处置方式，以降低平台策略变动带来的中断风险。

💻 AI Coding

1. OpenAI 开源终端编码智能体 Codex 执行层：以 Rust 重写，覆盖命令行、IDE 与云端四种形态

10 月 14 日，OpenAI 放出官方开源仓库 Codex，把以 Rust 重写的轻量终端编码智能体执行层对外开源，覆盖命令行、IDE 插件、桌面应用与云端四种形态，生命周期重构后启动速度提升约 25 倍，可在本地完成编写、调试、重构与测试等流程。开源内容包括命令行工具、以及让执行器在后台运行并在任务结束后自动退出的服务组件，支持结构化输出以便接入流水线。OpenAI 明确说明，此次开放的是驱动智能体运转的执行层，而非模型权重或 Codex 产品本身。

为何关注：行业影响上，把执行层而非模型开源，意味着竞争焦点正从模型能力转向编排与工具链，厂商希望借由标准化执行器把自己的模型嵌入更多开发流程。趋势信号上，编码智能体以命令行与结构化输出为主要接口，说明其目标用户已从个体开发者扩展到流水线与自动化脚本，可编程性成为采用前提。行动启示上，团队在引入开源执行层时应先做权限与网络出口的收敛，明确它能访问哪些目录与凭据，并把每次调用的结构化日志纳入审计，避免自动化任务在无人值守时产生越权或超额计费。

2. JetBrains 开源 Mellum2.1：12B MoE 编码模型，SWE-bench Verified 从 2.0 跃升至 47.0

10 月 14 日，JetBrains 开源编码模型 Mellum2.1，总参数 120 亿、每词元仅激活 25 亿，采用 Apache 2.0 许可，上下文长度 131072 词元。其升级几乎全部来自后训练阶段的强化学习：模型在真实代码仓库中配合命令行与文件编辑工具完成任务，以测试是否通过作为奖励，训练过程在数千个环境、数百万个沙箱中展开。结果显示 SWE-bench Verified 由 2.0 提升至 47.0，架构与前代保持不变。在厂商自测中，该模型在单次代码生成类任务上领先同档模型，但在仓库级多步任务上仍落后于部分稠密模型。

为何关注：行业影响上，架构不变、仅靠强化学习把仓库级修复能力从近乎为零提升到可用区间，说明在真实环境中的奖励信号可以显著释放既有模型的潜力，后训练投入的回报比继续扩参更直接。趋势信号上，可自托管的中等规模编码模型以极低量化体积进入本地部署区间，反映企业对「代码不出内网」的需求正在推动开源编码模型的分层竞争。行动启示上，若计划把编码智能体接入私有仓库，可先在真实故障修复任务上评测这类小模型的实际表现，并注意厂商自测与独立评测之间的差距，避免仅凭榜单选型。

3. Cursor 推出 Rollouts 智能体：跟踪代码从拉取请求到生产的表现并判断回归

10 月 14 日，Cursor 发布名为 Rollouts 的智能体，用于跟踪代码变更进入生产环境后的实际表现。该工具会为每个拉取请求生成监控计划，部署后比对日志与指标，给出健康、回归或无法判定三种结论；官方称安全审查平均耗时下降约 21%。它由 Cursor 此前收购的团队基于内部机器人开发套件重构而成，收购方与被收购方均表示，智能体编程把创建变更的成本降到接近零，但部署与验证环节的风险并未同步下降。

为何关注：行业影响上，工具的重心从「更快写代码」转向「更早知道哪次变更出了问题」，说明编码智能体的价值评估标准正在从产出量转向交付可靠性，验证环节成为新的竞争地带。趋势信号上，由生成变更的一方同时提供变更后的监控能力，意味着编码工具的产品边界正向上延伸到发布与运维，可能与既有可观测性厂商形成直接竞争。行动启示上，引入编码智能体的团队应同步补齐变更与指标的关联能力，为每个变更保留可回滚点，并把智能体给出的「无法判定」视为需要人工介入的信号而非通过。

4. 腾讯开源安全扫描器加入 ClawHub 审核：以混元为底座，恶意技能识别率超 97%

10 月 14 日，OpenClaw 官方博客宣布，腾讯朱雀实验室开源的安全扫描器加入其 ClawHub 的技能与插件审核流程，上架内容将经其检查，判定为恶意的会被警告或下架。该扫描器把技能说明、脚本、依赖与数据流统一处理，覆盖指令劫持、记忆污染、远程载荷执行等九类风险，以混元模型为底座。腾讯与高校联合构建的公开基准上，其在固定子集上与该基准标签一致率 86.9%，恶意样本正确分类率 98.6%；在另一个近 8000 样本的评测中 F1 为 97.3%、误报率 5.5%。

为何关注：行业影响上，技能与插件的供应链审核被纳入智能体平台的标准流程，说明「能安装多少插件」的开放度必须与审核能力匹配，否则能力扩展会直接变成攻击面扩张。趋势信号上，审核由模型驱动并覆盖说明、脚本与依赖的关联关系，反映纯静态规则已难以应对以自然语言指令为载体的注入类风险。行动启示上，团队在给智能体安装第三方技能前应先核对其审核状态与所需权限，把风险等级与审核结论分开看待，并限制插件对文件、凭据与外部服务的访问范围，尤其要警惕要求长期驻留与自动执行的组件。

5. Liquid AI 发布可下载的端侧推理模型 LFM2.5-24B-A2B：上下文扩展至 131K

10 月 14 日，Liquid AI 发布可下载权重的推理模型 LFM2.5-24B-A2B，总参数 240 亿、每词元仅激活 20 亿，面向希望在自己的硬件上运行工具调用型智能体的开发者。模型上下文由前代的 32K 扩展至 131K 词元，词表由 65000 扩大至 128000，预训练规模从约 17 万亿词元增至 33 万亿；强化学习阶段在 OpenClaw、OpenCode 等智能体框架内完成训练。厂商测试显示，其在八项工具使用与智能体基准中的五项领先或持平，但在网页与仓库级编程任务上仍落后于更大的同类模型，官方建议在知识密集型场景中配合检索使用。

为何关注：行业影响上，把推理与工具调用能力压缩到可自托管的体量，使中小团队也能在不外传数据的前提下运行智能体，推理成本与数据边界同时得到改善。趋势信号上，厂商主动公布在哪些任务上落后，反映端侧小模型的竞争已从参数规模转向任务分工，明确适用边界比全面领先更具说服力。行动启示上，计划私有化部署的团队应把评测重点放在自己的工具调用链路上，并注意模型在上下文拉满时的显存占用，实际部署时通常需要把上下文控制在标称上限之下才能稳定运行。

6. 面壁智能开源 MiniCPM-V 4.7：35B-A3B 端侧可跑，iPhone 上每秒逾 13 token

10 月 14 日，面壁智能联合开源社区发布 MiniCPM-V 4.7，包含 35B-A3B 与 1B 两个版本，官方称前者在 34 项基准上领先同档模型。该模型完整权重约 65.6GB，多数专家参数存放于固态硬盘并按需读入，配合前瞻专家调度策略可边计算边预取下一层专家，在平板设备上平均提速约 5 倍且输出保持不变。实测中，其在高端手机上以每秒 13 个以上词元的速度运行，占用内存约 3GB。

为何关注：行业影响上，把总参数数十亿级的多模态模型压缩到手机内存可承受的范围，说明端侧多模态的瓶颈正从算力转向存储带宽与调度策略，算法层的预取设计开始比单纯缩小模型更有效。趋势信号上，权重存放在硬盘、按需读入专家并与计算重叠的做法被验证可行，为「大参数、小内存」的端侧部署提供了可复制的工程路径。行动启示上，考虑端侧部署的团队应重点关注存储读写速度与专家调度的配合效果，因为该方案的性能高度依赖存储介质，低端设备上的实际体验可能与演示存在明显差距。

🤖 具身智能

1. 国家人工智能应用中试基地（具身智能）落地边境巡防试点：杭州滨江与云南德宏签署合作协议

10 月 14 日，据媒体报道，杭州高新区（滨江）与云南省德宏州政府签署具身智能赋能边境巡防合作框架协议，国家人工智能应用中试基地（具身智能）同时与瑞丽市、镇康县政府签署推进试点建设合作协议。协议约定按试点先行、场景赋能、逐步推进的路径，在边境真实巡防场景推动具身智能规模化落地。该中试基地是面向具身智能领域的国家级应用中试基地，已联合企业研发电力巡检异构协同方案，以及轨道交通货运站与物流园巡检场景的智能体应用。

为何关注：行业影响上，具身智能首次进入边境巡防这类高安全等级场景，意味着技术验证的重点从效率指标转向可靠性与责任边界，通过验收的门槛会明显高于工业场景。趋势信号上，由东部高新区提供技术与中试能力、西部地州提供真实场景，说明具身智能的落地正形成跨区域的场景与能力交换模式。行动启示上，参与此类项目的企业应提前明确异常情况下的处置权与责任归属，并把环境适应性测试、通信中断降级方案与数据回流合规纳入交付清单，避免把试点顺利等同于可规模推广。

2. 节卡机器人工博会两款新品首发：Kargo50 重载轮式人形与 Zu50 大负载协作机器人

10 月 14 日，节卡机器人在工博会首发两款新品，分别是 50 公斤级重载轮式人形机器人 Kargo50 与大负载协作机器人 Zu50，补齐从轻载到重载的产品版图。Kargo50 针对重载料箱转运，可自主完成识别、抓取、避障与放置全流程，其同系列产品已在汽车零部件与电子制造工厂批量落地，在某头部汽车零部件企业产线，单箱作业节拍由 105 秒压缩至 28 秒，新场景部署周期缩短至 57 天。支撑其运行的是自研具身智能操作系统，采用云端负责规划、边缘与底层控制保证确定性的分层架构，已落地 12 个工业标杆项目。

为何关注：行业影响上，把大模型规划与底层控制分层，本质是用工业确定性约束模型的不确定性，这种架构选择说明具身智能进入产线的前提是可控而非最智能。趋势信号上，部署周期从数月缩短到数十天成为可宣传的指标，反映厂商的竞争点正从本体参数转向交付效率与场景复制能力。行动启示上，制造企业评估这类方案时应要求提供同工况下的连续运行数据与故障恢复记录，并把场景部署周期、节拍稳定性和售后响应写入验收标准，而不是仅参考单一场景的演示数据。

3. 魔法原子 EchoPolicy-0 登顶 MolmoSpaces 全球具身智能评测：操作平均成功率 75.4%

10 月 14 日，据多家媒体报道，在艾伦人工智能研究所发起的全球具身智能零样本评测基准 MolmoSpaces 最新榜单上，魔法原子自研的通用机器人操作框架 EchoPolicy-0 以 75.4% 的机器人操作平均成功率位列综合榜单全球第一，覆盖抓取、抓取放置、打开与关闭四项任务。同一榜单中，其另一套框架 MagicBrain 以 34 亿参数规模位列全球第四，操作平均成功率 72.4%，抓取成功率达 94.4%。该基准包含数十万个室内场景与物体模型，用于检验模型在陌生环境中的泛化能力。

为何关注：行业影响上，以统一规则与公开结果衡量泛化而非演示效果，意味着具身智能的评价体系开始脱离「表演级」标准，可复现的榜单成绩将成为采购与选型的重要依据。趋势信号上，轻量框架以远小于同行的参数规模取得接近的抓取成功率，说明在具身操作中把「看懂目标」与「执行动作」拆开处理，比单纯扩大模型更有效。行动启示上，关注该赛道的团队可把公开零样本基准作为初筛工具，但仍需在自家工况下复测，因为抓取成功率与实际产线节拍的达成条件并不相同，环境光照、物体材质与摆放规范都会显著影响结果。

4. 宇树王兴兴：具身智能的「ChatGPT 时刻」最快一到两年到来

10 月 14 日，在工博会开幕式圆桌对谈环节，宇树科技创始人王兴兴表示，具身智能的「ChatGPT 时刻」正加速到来，最快可能只需一两年。同场讨论中，多位从业者指出，热闹的进厂潮背后，数据是规模化落地前的第一道壁垒；有院士公开呼吁工业界开放数据，认为工业数据应当成为除语言与代码之外 AI 的头等数据，否则工业与 AI 的结合仍将面临较大挑战。

为何关注：行业影响上，把「时刻」的时间预期压到一到两年，会直接影响资本与客户的投入节奏，若预期落空，行业可能面临一轮交付能力的集中检验。趋势信号上，从业者在同一场合把瓶颈归于数据而非模型或本体，说明共识正在向数据基础设施迁移，谁能组织起真实操作数据谁就掌握主动权。行动启示上，制造企业在评估具身方案时应区分场景化能力与通用能力，把能否在自身产线稳定复现作为判断依据；同时可考虑以数据合作方式参与，因为工业数据的稀缺性正在转化为议价筹码。

5. 国家人工智能标准化总体组发布《具身智能伦理治理研究报告》

10 月 14 日，据财经早餐与产业信息汇总，国家人工智能标准化总体组发布《具身智能伦理治理研究报告》。同期披露的行业信息还包括：三部门印发内河新能源船舶推广应用行动方案，以及多项面向人工智能全产业链的评测基准正式发布，覆盖底层算力、软硬件协同、智算云、大模型、智能体、具身智能、智能终端与 AI 安全等环节。

为何关注：行业影响上，标准化组织在具身智能规模化交付前先行发布伦理治理研究，意味着行业标准与合规框架将先于大规模商用落地，厂商的产品定义需要提前对齐治理要求。趋势信号上，评测基准与研究规范的密集出台，反映监管与产业界都在尝试把具身智能的能力与风险纳入可比较、可审计的框架，避免以演示效果替代评估。行动启示上，正在开发具身产品的团队应尽早梳理人机协作中的责任界面、数据采集中的隐私处理与异常情况下的安全停机机制，并跟踪标准进展，以便在采购与合规审查中减少返工。

6. 启元机器人开启 Q1 与 T1 消费级预订：以「消费品逻辑」经营人形机器人

10 月 14 日，据产业动态汇总，启元机器人开启 Q1 与 T1 的消费级预订，并明确以「消费品逻辑」而非工业设备逻辑经营人形机器人。同期行业数据显示，2026 年被业界视为人形机器人量产元年，上半年我国人形机器人出货量超过 4 万台，工业和信息化部预计全年产量有望突破 10 万台；按税务部门数据，今年前五个月工业企业购进的具身智能机器人总金额同比增长 2.3 倍，配套的系统集成与运维服务销售收入同比增长 1.9 倍。

为何关注：行业影响上，直接面向个人消费者预售，意味着人形机器人开始测试脱离工业场景的商业模型，定价、售后与内容生态将取代节拍与负载成为竞争维度。趋势信号上，工业端采购金额与服务收入同步高速增长，说明当前的真实需求仍集中在制造与运维场景，消费级更像是提前占位的品牌动作，两条路线的收入结构差异会在后续财报中显现。行动启示上，关注该赛道的企业应把工业订单的交付与回款质量作为主要判断依据，对消费级预售数据则需区分意向与实付，并留意退货率与售后成本对厂商现金流的实际影响。

🏗️ 大模型与基础设施

1. 华为公布麒麟 9050 Pro 详细架构：马良 GPU 性能提升 40%、功耗降低 45%

10 月 14 日，据华为半导体业务相关负责人在上海举行的麒麟芯片沟通会上披露，麒麟 9050 Pro 搭载 9 核 16 线程处理器，配合系统侧并行化优化，典型场景卡顿降低约 31%；马良图形处理器采用第四代微架构与第二代光线追踪硬件加速，性能提升 40%、功耗降低 45%、光追性能提升 78%。影像部分采用新一代 AI 图像处理器，支持 2 亿像素融合处理，像素吞吐率提升 2 倍。负责人同时表示，下一代麒麟芯片已准备就绪，所有测试结果符合预期。

为何关注：行业影响上，图形处理器在性能提升的同时功耗下降近一半，说明端侧 AI 能力的提升路径正从堆算力转向架构与能效优化，这会直接影响手机的持续推理能力与散热设计。趋势信号上，厂商在公开场合系统介绍自研芯片的量产进展并预告下一代产品，反映消费电子的差异化竞争再次回到芯片层面，端侧模型部署将获得更宽的功耗预算。行动启示上，计划在端侧部署模型的团队应把能效比与持续推理的稳定性纳入选型，实测时应关注长时间运行下的降频表现，而不只看峰值算力指标。

2. IDC：上半年英伟达中国 AI 芯片份额降至 34%，华为升至 28%

10 月 14 日，据路透社援引其看到的 IDC 报告，2026 年上半年英伟达在中国数据中心 AI 芯片市场的份额降至 34%，同期出货约 67.8 万颗加速器，同比减少约 44%；华为出货约 57.2 万颗，份额升至 28%。中国 AI 加速器总出货量约 200.8 万颗，其中图形处理器出货约 99.1 万颗、同比下降 26%，其他类型加速器出货增长近 80% 至约 101.6 万颗，数量首次超过图形处理器。报告认为，竞争正从单颗芯片性能转向系统能力，包括芯片在大规模计算集群中的协同表现。

为何关注：行业影响上，通用图形处理器出货量首次被专用加速器反超，说明国内算力建设的重心正从训练转向推理与已训练模型的运行，专用芯片在这个负载上更具性价比。趋势信号上，份额变化由供给限制与国产替代共同驱动，反映采购决策中系统级协同与交付确定性的权重正在上升，单卡跑分不再是唯一标准。行动启示上，规划算力集群时应按训练与推理分别评估芯片选型，并重点关注集群级互联、软件栈成熟度与迁移成本，避免因单一芯片供应波动导致整体扩容计划受阻。

3. 爱芯元智发布 AX8860：6nm 制程、256 TOPS 原生 FP4，四芯级联可达 1024 TOPS

10 月 14 日，爱芯元智在中国国际工业博览会发布 AX8860 系列 AI 芯片，面向大模型的边缘与端侧部署，并同步推出模组、推理卡与推理服务器。芯片采用 6 纳米制程，搭载 16 核处理器与自研 NPU，提供 256 TOPS 原生 FP4 算力、不依赖稀疏化计算，最高支持 128GB 内存、带宽 273GB/s，支持 PCIe 5.0 互联；官方称四芯级联可达 1024 TOPS，扩展效率约 80%。软件层面支持主流推理框架与量化编译工具链，并兼容通用模型服务接口。

为何关注：行业影响上，把原生 FP4 算力与高带宽内存下沉到边缘形态，意味着低精度推理正成为端侧部署的默认选项，模型量化与芯片设计的配合会更加紧密。趋势信号上，厂商以多芯级联而非单芯片堆料来扩展算力，说明边缘场景更看重可扩展性与部署灵活性，同时软件栈的兼容程度开始与硬件指标同等重要。行动启示上，选型时应先确认目标模型的量化精度能否在原生低精度格式下保持可用效果，并实测多芯级联时的实际扩展比与散热约束，因为标称算力与稳定可用的算力通常存在差距。

4. 英伟达与思科推进可插拔光模块新标准：单通道速率从 200G 提升至 400G

10 月 14 日，据行业资讯汇总，英伟达与思科联合推进下一代可插拔光模块标准，单通道速率由 200G 提升至 400G；按 16 通道计算单模块可达 6.4Tb/s，32 通道可达 12.8Tb/s。方案采用二维触点阵列连接器，功率效率提升约 1.3 倍、带宽密度提高约 4 倍，并在约 100 瓦功耗下不内置散热。同期披露的产业数据显示，光互连而非算力本身已成为数据中心扩建的硬约束，部分光器件厂商的订单已排满至未来数年。

为何关注：行业影响上，把互连标准从 200G 推到 400G 单通道，指向的是集群规模扩大后带宽与功耗的双重压力，互连能力的提升速度将直接决定算力集群能扩到多大。趋势信号上，由芯片厂商与网络设备厂商联合推动可插拔标准，说明在超大规模集群中开放规格比专有方案更有利于快速铺开，供应链的兼容性成为优先项。行动启示上，规划大规模集群时应把光模块的供给与交期纳入关键路径管理，并在架构设计上为互连规格的代际切换预留兼容空间，因为光器件的认证与交付周期通常长于计算设备。

5. 思敏威完成约亿元天使轮：3D 存算一体 AI 芯片流片在即

10 月 14 日，据媒体报道，上海 3D 存算一体 AI 芯片公司思敏威宣布完成约亿元天使轮融资，由中兴通讯战略投资，多家产业与投资机构联合参与。公司称其第一代 3D 堆叠量产芯片正在推进流片，核心产品基于存算融合架构的 AI 推理芯片，技术路线融合存内计算、3D 异质封装近存计算、自研精简指令集计算核心与芯粒互联。公司成立于 2024 年 12 月，团队称曾完成超过 20 次流片验证，并在今年初率先流片验证了支持 FP4 的存内计算核心。

为何关注：行业影响上，存内计算与 3D 堆叠的组合直指推理场景中数据搬运的能耗与带宽瓶颈，若量产良率与成本可控，边缘与端侧推理的能效基线可能被重新定义。趋势信号上，通信设备厂商以战略投资方式参与芯片早期融资，反映算力供给方正试图通过上游布局增强自身方案的定制能力，而非单纯采购通用产品。行动启示上，关注该路线的团队应把流片进度与量产验证作为主要观察点，因为存算一体方案的工程风险集中在良率与工具链成熟度，产品化的时间表通常比技术演示晚得多。

6. 「求索」4.0 正式发布：覆盖 AI 全产业链的评测基准，轻量版代码工具同步开源

10 月 14 日，据陆家嘴财经早餐与财经信息汇总，「求索」4.0 正式发布，定位为面向人工智能全产业链的评测基准，覆盖底层算力、软硬件协同、智算云、智能软件工程，以及大模型、智能体、具身智能、智能终端、AI 安全与行业场景等环节，共包含四大板块与十余项测评工具，轻量版代码评测工具同步开源。同期，三部门印发内河新能源船舶推广应用行动方案，多个面向人工智能的标准与治理文件也在本月密集落地。

为何关注：行业影响上，评测体系从单点模型能力扩展到算力—软件—应用的全链条，意味着采购与验收环节将越来越依赖第三方基准而非厂商自证，评估口径的统一会压缩宣传空间。趋势信号上，评测工具与治理文件同期发布，说明评估能力正在被当作产业基础设施来建设，标准先行有助于减少低水平重复与选型试错。行动启示上，企业在选型或验收时可优先采用公开基准做横向比对，同时把自建业务场景的评测集作为补充，避免仅用通用榜单结论替代对自身任务链路的验证。

7. 上海发布 2026 年「AI+制造」服务商能力图谱：收录 60 余家服务商

10 月 14 日，据通信行业媒体报道，上海市经济和信息化委员会编制的 2026 年上海市「AI+制造」服务商能力图谱正式发布。图谱涵盖工业智算云、工业语料数据、工业模型平台、工业智能体与应用、工业具身智能、工业 AI 安全六大方向，覆盖 67 个服务方向，收录 60 余家服务商，按技术底座、行业场景与标杆案例三个维度展示。其中工业智算云领域仅收录 4 家服务商，电信运营商及关联单位占据其中四分之三席位，但运营商在工业智能体与应用层的参与度相对有限。

为何关注：行业影响上，由地方主管部门发布经过筛选的服务商清单，等于用官方口径降低了制造企业选型的搜索成本，进入图谱本身会成为一种资质背书。趋势信号上，运营商在算力底座层占优而在应用层参与不足，反映基础设施提供方与行业场景落地之间存在能力断层，渠道与服务能力可能比算力规模更能决定制造企业最终选择谁。行动启示上，制造企业可把图谱作为初步筛选依据，但仍需针对自身工序做小范围验证，重点关注服务商在同类产线上的实际案例与迭代响应速度，避免把入选资质等同于落地效果。