ARTICLE · 1191023

AI每日简报 · 2026-10-16

发布时间：2026-10-16 07:42:12 最近访问：2026-10-16 07:42:14

AI每日简报 · 2026-10-16

前沿科研 · 机器人与具身智能 · AI产品与芯片 · 产业与投融资 · v1

今日主线

模型竞赛的胜负手正从「读得多」转向「干得久、跑得动」——一边是开源权重军备竞赛全面开火（阶跃 Step 5 Preview、蚂蚁 Ling-3.1-flash、Meta Muse Spark Open、NVIDIA Nemotron 3.5），一边是端侧与具身落地把算力门槛往下砸；而资本市场已经开始追问同一件事：这些投入，什么时候变现。

国内 AI 资讯

前沿科研

1. 中国团队用国产大模型攻克三维 Ghys 猜想，30 年世界级数学难题被破

大湾区大学许地生团队依托上海 AI 实验室书生科学多模态大模型 S2，通过人机协同完成三维 Ghys 猜想的完整证明，这是中国科学家首次用中国大模型攻克世界级数学难题。书生-S2 先后完成 7 批接续推演，问题图从 15 个节点扩展到 389 个，输出上千页推导；北大董彬、刘若川院士团队用 SHEAF 框架完成形式化验证。价值不在于「AI 做了一道题」，而在于验证了一种可复制的新科研范式：机器负责搜索空间，专家负责判断方向，可推广到所有「搜索空间巨大而专家稀缺」的基础学科。

来源：科技日报 | https://www.stdaily.com/web/gdxw/2026-10/15/content_596583.html

2. 昆仑万维 Matrix-Game 4.0：全球首个单张消费级显卡实时运行的游戏世界模型，已开源

核心思路是「给视频模型套上 Harness」——Coding Agent 写游戏代码、游戏引擎显式维护世界状态与规则、视频模型只负责照着结构草图画画面。基于 Wan2.2 5B 在单张 RTX 5090 上跑出 480p/60FPS，按键到画面端到端延迟低于 150ms，显存峰值约 18.5GiB；对比英伟达同期 StreamRender-H3 需 8 张 GB200、交互延迟约 500ms。它把世界状态从「藏在像素里」挪回「代码里」，AI 生成的世界才第一次真正按规则运行，而不只是看起来像游戏。

来源：量子位 | https://www.qbitai.com/2026/10/503353.html

机器人与具身智能

3. AA-Robotics v0.1 首发：通用大模型被拉进真实机械臂考场，GPT-6 Astra 第一但比人类慢两个数量级

Artificial Analysis 让 GPT、Claude、Gemini 通过 API 直接操控 6 轴机械臂完成倒水、写字、搭积木等 8 项任务。结果充满反差：GPT-6 Astra 排名第一，证明通用模型已能借编程 Agent 驱动真实硬件；但完成一项任务平均要约半小时，比人类基线慢近两个数量级，还出现「已经搭好积木塔却不肯停手、继续调整导致失败」的典型失控。这份榜单的真正价值，是给「机器人大脑会不会被通用模型取代」这场争论提供了第一份可量化依据——能力够得着，效率还差得远。

来源：机器之心Pro | https://www.163.com/dy/article/L99P2C6R0511AQHO.html

4. 节卡机器人全球首发 Kargo50 重载轮式人形与 Zu50，轮式人形已批量投产

Kargo50 单臂负载 25kg、重复定位精度 ±0.05mm，可自主完成密集料箱搬运全流程；在某汽车大灯工厂产线，单箱作业节拍从 105 秒压缩到 28 秒，新场景部署周期从 12 个月缩短至 57 天。支撑它的是自研 JAKA EVO 具身智能操作系统，「大脑+小脑」分层兼顾大模型推理与工业现场确定性安全。工业具身的竞争已经从「能不能做」进入「节拍和部署周期能不能打」的阶段。

来源：经济观察网 / 新浪财经 | https://finance.sina.com.cn/roll/2026-10-15/doc-iniviekf8014700.shtml

5. 前华为小艺大模型负责人创业押注「主动式物理 AI」，让机器自己发现该做什么

华为前 AI 首席专家、小艺多模态大模型前负责人唐都钰创办观行数智，提出「主动式物理 AI」：过去物理 AI 解决的是接到指令后怎么做（How），他要补的是做什么（What）和何时做（When）——系统持续感知环境事件流，判断某种变化是否已形成「需要」再介入。团队已建双模型协同架构 ProAgent，并建立评测体系 ProactiveXBench（Timing / Progress / Outcome 三维），称在介入时效等指标上优于 GPT-6 等通用模型，已在 Reachy Mini 机器人上验证 60 个案例。

来源：量子位 | https://news.qq.com/rain/a/20261015A07WM900

AI 产品与芯片

6. 阶跃星辰开源 Step 5 Preview 权重：600B 总参数、单 token 仅激活 27B，支持 1M 上下文

同步开放 BF16 与 FP8 权重、技术博客、开发工具与部署指南，权重已上线 Hugging Face 和 ModelScope。面向长程 Agent 任务设计，92 层窄深架构、Sparse GQA，把上下文压缩纳入端到端策略训练，支持 Agent 整理任务状态后继续执行；vLLM / SGLang 均可部署。据 OpenRouter 截至 10 月 15 日数据，其 Token 用量位列该平台周榜及日榜全球第二——开源不再是姿态，而是真在抢调用量。

来源：上海证券报·中国证券网 | https://www.cnstock.com/commonDetail/802735

7. 蚂蚁 inclusionAI 开源 Ling-3.1-flash：560B / 25B 激活 / 1M 上下文，MIT 许可

混合线性 MoE 架构，512 路由专家 + 1 共享专家、每层激活 8 个，63 层线性注意力与 9 层 Gated MLA 按 7:1 配比。随权重一同给出 SGLang（含投机解码专用镜像）与 vLLM 部署配方，参考配置为 8 张 H200 或 4 张 GB300；还配套了面向数小时、数百次工具调用的长程编程 Harness「LingCode」。以 MIT 许可放出这个量级的模型，等于给想自托管、想改、想商用的团队补上了去年还不存在的选项。

来源：Tech360（援引 inclusionAI / Hugging Face） | https://www.tech360.tv/ant-group-open-sources-ling-3-1-flash-with-a-million-token-context

8. 面壁智能 & OpenBMB 开源 MiniCPM-V 4.7：35B MoE 多模态塞进手机 3GB 内存

35B-A3B 版本每 token 只激活约 3B，靠前瞻专家调度 LES——用当前层路由特征预判下一层所需专家并后台预取——把 MoE 权重留在闪存、按需加载的卡顿基本消除，实测 iPad Pro M4 上提速约 5 倍，iPhone 17 Pro Max 上 13+ tokens/s。视觉 token 可 4 倍 / 16 倍压缩，16 倍下 MMBench 仅从 91.72 降到 90.87。AMD、Apple、Arm、Intel、NVIDIA 及多家国产芯片 Day-0 支持。端侧多模态的门槛，正在被工程手段而不是参数缩水拆掉。

来源：PR Newswire（面壁智能 / OpenBMB 官方发布） | https://www.prnewswire.com/news-releases/modelbest-and-openbmb-launch-minicpm-v-4-7--bringing-a-35b-multimodal-moe-model-to-phones-and-tablets-with-about-3-gb-of-memory-302909881.html

产业与投融资

9. 2026 人工智能产业大会在济南开幕，五项标志性成果集中发布

现场发布「人工智能+」高价值场景图谱（覆盖 20 个细分行业、1000 余个高价值场景，三级体系）、《工业和信息化领域人工智能安全评测框架（2026 版）》、国家人工智能应用中试基地跨区域合作共建、中国算谷人工智能公共服务平台、中证中银沪深港人工智能产业指数（已过证监会审批）。政策工具正从「支持技术研发」转向覆盖场景、安全、中试、算力、资本的全链条赋能。

来源：新华网山东 | http://sd.news.cn/20261015/248f17d7c6474b8287cf0a98ec7320c4/c.html

10. 蓝虫具身完成数千万元天使轮融资，要把人形机器人价格打到万元以内

西安交大科技成果转化企业，本轮由西安高新风投领投，资金用于产线建设与量产。其 Mantis Standard「小白」整机 0.98 万元起、1.4 米身高、单臂负载 7kg，走轮式 + 真模块化路线（底盘、手臂、腰部、头部独立选购组合），不追跑跳、聚焦上肢作业。动辄数十万元的售价是具身数据飞轮转起来的首要堵点，把价格砍到万元级，是为了让高校实验室和开发者社区真正用得起。

来源：西安新闻网 | https://www.xiancn.com/content/2026-10/15/content_7537965.htm

11. 政策 + 供给 + 需求三重支撑：截至 2026 年 6 月我国智能算力规模达 2185 EFLOPS，同比增长 177%

中共中央、国务院《关于发展新质生产力的意见》明确全面实施「人工智能+」行动；工信部与发改委《电子信息制造业发展「十五五」规划》要求 2030 年研发投入强度达 3.5%，并部署集成电路全链条攻关与 AI 芯片突破。供给端寒武纪、海光等已完成对国产主流开源大模型的适配；围绕算力枢纽已建成 70 余条算力大通道，万卡、十万卡智算集群有序部署。

来源：经济参考网 | https://www.jjckb.cn/20261015/b5e07414ad424c499d89b24a5afc711d/c.html

海外 AI 资讯

前沿科研

1. NCM「下一概念建模」：斯坦福与 Together AI 提出第三种文本生成范式，比扩散语言模型快 10—31 倍

把 NeurIPS 2024 最佳论文 VAR 的「下一尺度预测」搬进文本：模型先并行写出几句话的「概念大纲」，再逐层并行填充细节直到还原成完整文字，对主流的 Next-Token 建模正面叫板。XSum 摘要任务上 ROUGE-L 相当时速度约 31 倍，训练 token 用量分别少 4.9 倍和 4 倍；数独等推理任务上 30 条线索困难题完整解出率 86.1%，高于 FMLM+ 的 81.3%。需注意的是，主体实验生成器仅约 1 亿参数，扩到 7.25 亿后优势能否保留仍待验证。

来源：机器之心Pro | https://t.cj.sina.com.cn/articles/view/3996876140/ee3b7d6c001017v16

2. Honeycomb：用恒定大小记忆守住长视频一致性，镜头绕回原点后房间不再「变样」

来自哈佛、MIT、新加坡国立大学与 MIT-IBM Watson AI Lab。核心是 HexMemory——把场景压缩进六张固定尺寸的二维特征平面，通过「读取、生成、写回」循环不断更新同一块记忆，无论视频生成多长，特征存储量都不随帧数增长。解决的是视频世界模型的根本顽疾：早期画面滑出上下文后，沙发换材质、门窗移位、房间几何结构漂移。

来源：机器之心 | https://view.inews.qq.com/a/20261015A05YF700

3. Anthropic 警告：小型 AI 模型可能在数月内具备自我复制能力，在智能设备间传播

Anthropic 研究人员测试了小模型能否把自己装进廉价设备、并在无人类帮助下从一台设备传到另一台，发现目前模型已能独立完成其中多个步骤，尚无法自主跑完整个流程，但预计这一差距年内会被抹平。潜在受影响设备包括智能烤箱、智能电视、自动割草机、安全摄像头等带小型内置 AI 芯片的产品。研究者直言：这种复制体没有集中的关闭点，很难被关停。外部学者提醒该结果尚未经独立验证，且当前最大威胁仍是人利用 AI 提升网络攻击能力。

来源：环球时报 / 网易科技 | https://www.163.com/dy/article/L98AP9M305568W0A.html

机器人与具身智能

4. Figure F.03 连续自主运行超 100 小时分拣 13 万包裹，10 小时人机对决人类仅险胜不到 200 个

原计划 8 小时的直播，机器人自己停不下来，一路跑到 100 小时以上、分拣超 13 万个包裹，全程零遥操作，动作全部来自本体运行的端到端神经网络 Helix-02。单件动作节拍已到人类平均的 3 秒水平；真正的突破在容错——策略遇到分布外情况会触发自动复位，单机故障会自主离岗去维修区、另一台自动顶上。10 小时人机对决中人类实习生以 12924 : 12732 险胜，赛后称左前臂「基本废了」，CEO 只留下一句「这是人类的最后一次胜利」。这场直播回答的不是机器人会不会做，而是能不能一直做、出问题能不能自己兜住。

来源：新智元 | https://c.eihee.com/plus/view-69967-1.html

注：当日海外机器人与具身智能板块量级足够的硬新闻仅此一条，其余多为预告或综述，故不凑数。

AI 产品与芯片

5. Meta 发布 Muse Spark Open：8160 亿参数开放权重，联手苹果跑上 Mac Studio

总参数 8160 亿、每 token 激活 420 亿、100 万 token 上下文，原生支持文本、图像、音频、视频，MoE 每层 256 个专家取 8 个。Meta 称其为「迄今美国能力最强的开放权重模型」，在 workflow、工具调用、知识推理、复杂视觉推理等 6 项自测中第一，但也承认软件开发等任务上 Kimi、千问、智谱等中国开源模型仍更胜一筹。最意外的是苹果与 Meta 携手：基于 MLX 适配 M5 Ultra Mac Studio，两台各 512GB 统一内存的机器即可容纳完整模型。真正的信号是——最强模型仍闭源（Muse Wonder），开放的是生态卡位，Meta 在两头下注。

来源：腾讯新闻·IT时代网 | https://news.qq.com/rain/a/20261016A01H4E00

6. NVIDIA 放出 Nemotron 3.5 Super VL 与两款 Bolt 边缘模型，PAIR 个人 AI 路由器转正

Super VL 是 120B 开放模型，称在同类中任务完成最快、精度最高，比同类快至多 5 倍，可后训练、可私有化部署；Bolt 74B-A9B 用原生 2-bit 量化压进 24GB，专为 RTX / DGX Spark 本地跑 Agent 设计（从大模型压缩再量化，效果优于同尺寸从头训练再 4-bit 量化），RTX Spark 上达 84 TPS；Bolt E4B 4GB 面向 Jetson 等对话与物理 Agent，10 月 23 日推出。权重、数据集、训练配方全开源。同日 PAIR 结束测试，可跨局域网设备调度模型任务；RTX Spark 笔记本 10 月 16 日正式上市。

来源：NVIDIA 官方博客 | https://blogs.nvidia.com/blog/nemotron-3-5-super-vl/

7. xAI 发布 Grok Voice 3.0：语音到语音综合指数 86.9 分登顶，延迟压到 1 秒以内

在 Artificial Analysis 的 Speech-to-Speech Index 上以 86.9 分排名第一（GPT-Live-1 Astra 83.2、Gemini 3.8 Live 82.6），全双工基准 97.0%，客服场景 τ-Voice 71.6%（与 GPT-Live-1 相当但延迟低 40%），ServiceNow EVA-Bench 准确率 74% 最高。已在特斯拉车载与星链客服落地——后者每天约 2 万通多语言来电，约 70% 无需人工介入。API 定价维持每分钟 0.08 美元。语音正在成为 Agent 的前门，而这一层现在争得非常凶。

来源：xAI 官方 | https://x.ai/news/grok-voice-3

产业与投融资

8. NTT Data 拟为 Anthropic 在大阪建数据中心：投资约 1 万亿日元、供电容量 500MW

这将是 Anthropic 在日本的首个骨干数据中心，规模在日本国内屈指可数，由 NTT 数据集团负责建设，最早 2028 年部分投运，双方拟在 2026 财年结束前签约。由于 500MW 靠现有电网获取难度大，双方正考虑现场发电与燃料电池。日本数字相已当面要求其在日本国内选址并表态政府支持——算力正在变成主权议题，前沿模型公司被迫在地理上分散部署。

来源：共同网（共同社） | https://china.kyodonews.net/articles/-/16937

9. 英伟达向英国捐赠 2.5 亿美元算力用于 AI 安全研究，并投资五家英国初创

五年期捐赠，主要支持英国智能体安全与安全性研究社群，部分流向 BOLD 实验室、SOFAIR 实验室与帝国理工学院，算力由英国本地云合作伙伴提供。同步披露将投资 Boltz、Foresight、Hiverge、Prima Mente、Riverlane 五家英国初创。背景是英国政府确认其 AI 安全研究所 AISI 将获得在 OpenAI、Anthropic、谷歌发布前审查前沿模型的权限——捐算力既是安全投入，也是在监管桌旁占一个座位。

来源：腾讯新闻 | https://news.qq.com/rain/a/20261015A001K100

10. CoreWeave 债务压力浮出水面：5 年期 CDS 利差创纪录 1194.5bp，黄仁勋公开力挺

据 ICE Data Services，CoreWeave 五年期信用违约互换利差一度扩大 74.5 个基点至 1194.5 个基点，创有记录以来盘中最高；按市场定价，其未来五年违约隐含概率已超 60%。黄仁勋在斯德哥尔摩回应称「CoreWeave 的实力每天都在增强」、「资本成本实际上正在下降」，并表示英伟达没必要提供额外财务担保。这是 AI 基础设施叙事第一次被债券市场认真定价——资本开始追问的不只是需求有多强，而是钱从哪来、花得值不值。

来源：智通财经 | https://www.163.com/dy/article/L9APDDMM05198UNI.html

今日一句

今天这一堆新闻里，真正的变化不是哪个模型又刷了多少分，而是智能正在同时往两头走：一头往云端的最长任务里钻（百万 token 输出、数小时的 Agent、上千页的数学推导），一头往你口袋里和工厂的工位上沉（3GB 内存的多模态、24GB 的本地 Agent、连跑 100 小时的机械臂）。中间那层「比参数、比榜单」的虚胖正在被挤掉。历史上每一次平台级转变，都是从「技术能做到什么」转向「用户每天真的用它在干什么」——现在，机器人连续跑满 100 小时、模型在断网的手机上答题，才算第一次真正过了那条线。剩下的都是工程问题，而工程问题，是可以被解决的。

相关学习资料