AI 写的 PR 四分之一是垃圾,机器人却上岗卖货了

今天聊聊 10 月 21 日的几件事：AI 写代码的能力又往前蹿了一截，但开源社区快被 AI 生成的垃圾 PR 淹没了；另一边，人形机器人不声不响地在武汉江滩卖了 18 天货，还顺手拿了笔 10 亿元的融资。

两件事放在一起看，挺有意思。

COBOL 迁移准确率 5.4% → 97.9%，OpenAI 盯上了"老系统"

银行、保险、制造业的核心系统，很多还跑在几十年前的 COBOL 上。写这些代码的人早就退休了，文档也不全，但没人敢动——重写一套老系统，比从零开发一套新系统还难。

AI 编程火了好几年，但对这类"低资源语言"一直没什么办法：公开训练数据太少，模型看不懂。

OpenAI 10 月 19 日发布的一项研究，就是来啃这块硬骨头的。在 COBOL 代码迁移评测里，上一代 GPT-5.6 Sol 的准确率只有 5.4%，基本等于不会；最新的 GPT-6.1 Sol 直接干到 86.6%，拉高推理强度后到 97.9%。另一个覆盖 20 种语言的测试里，模型要从零写一个兼容 SQLite 的数据库引擎，GPT-6 Astra 平均通过率 87.4%，上一代只有 26.8%。

为什么值得说？因为这意味着 AI Coding 的战场正在从"帮人写新代码"扩展到"迁移旧世界"。那些沉睡了几十年的存量系统，是一个没人碰得动的巨大市场——现在有人能碰了。

Linux 基金会调查：新提交的 PR，四分之一是"AI 垃圾"

同一个 10 月 21 日，Linux 基金会发了份针对开源维护者的调查，数字挺扎心：

维护者们估算，新收到的 Pull Request 里约四分之一是低质量的"AI 垃圾"（AI slop），大项目里这个比例升到 31%。

效率提升是真的——AI 平均能帮开发者省 52% 的编码时间，71% 的维护者承认 AI 降低了参与门槛。但代价也清楚：53% 的维护者认为 AI 没有提升社区信任，只有 35% 的项目制定了 GenAI 使用政策。

更具体的例子是 curl。这个几乎每台设备都在用的项目，同周宣布把中低危漏洞报告转为公开处理——因为安全团队已经被 AI 辅助生成的报告淹没了。维护者 Daniel Stenberg 的原话是，核心成员"被压到了极限"。

AI 把写代码的成本打到接近零，却把审代码的成本原样甩给了维护者。前几天 vLLM 说"人类已经来不及逐行审 AI 写的代码"，现在轮到整个开源社区面对同一道题：生成的瓶颈解决了，评审和信任的瓶颈才刚开始。

宇树 H2-X 发布：续航 8 小时，能徒手抬汽车

10 月 21 日，宇树科技发了个人形机器人新品，名字叫"H2-X 功夫传奇 守护"。

官方视频里，这家伙能一脚跨上小轿车顶部再翻身而下，提膝撞凹车门；模拟救援场景里，有人被压在车下，它徒手把汽车前部抬了起来。

但在我看来，最关键的参数不是这些花活，是续航：最长约 8 小时，而基础款 H2 只有 3 小时左右。

3 小时到 8 小时，意味着什么？意味着人形机器人第一次摸到了"干满一个班次"的门槛。演示品和劳动力之间，隔的就是这个数字。

时间点上也很巧：10 月 19 日商务部等 9 部门刚发文要推动具身智能进商贸，首批人形机器人国标刚落地（王兴兴本人就是起草人之一）。政策、标准、产品在同一周共振，宇树股价当天收报 515 元，市值约 2080 亿。

智元机器人在武汉江滩"上班"18 天：827 单，抓取成功率 97%

还是 10 月 21 日的消息。智元和武汉文旅集团合作，在汉口江滩的电影营地放了一台远征 A3 Ultra，开了个"全球首个全尺寸双足人形机器人智慧零售仓"。

不是摆拍，是真营业。截至 10 月 19 日：稳定运行 18 天，每天 8 小时匹配夜游客流高峰，累计完成订单 827 单，整体抓取成功率超 97%；周末高峰单日订单破百，当天抓取成功率 100%。

游客点单，机器人自己识别货品、精准抓取、递到手里，零食饮品十几款。

为什么这条值得放进日报？王兴兴前阵子在工博会说"商业服务可能比工业场景更快落地"，智元内部把 2026 年定义为"部署态元年"。827 单真实订单，就是这句话交出来的第一份答卷。

而且考场很苛刻：江边、夜间、大客流、开放场地，比工厂里 1:1 复刻的产线难得多。再看全景：银河通用的零售"太空舱"铺了 20 多个城市上百家店，云迹的送物机器人进了近 2 万家酒店——人形机器人的商业化竞赛，已经从"进厂"蔓延到"进店"了。

又一家具身独角兽：Eka Robotics 拿 1.5 亿美元，a16z 押注"力反馈"

最后一条来自美国。10 月 21 日，具身创企 Eka Robotics 宣布完成 1.5 亿美元 A 轮融资（约 10 亿人民币），投后估值约 14.5 亿美元，a16z 和 F-Prime 联合领投，Samsung Next 跟投。

创始人 Pulkit Agrawal 是 MIT 副教授。公司的技术路线有点不一样：主流玩家都在做 VLA（视觉-语言-动作）模型，他们做的是 VFA（视觉-力-动作）——特别强调机器人接触物体那一瞬间的力反馈。

配套的自研灵巧夹爪，硬件成本不到 1000 美元，寿命 500 万次循环。模型加夹爪，每小时能完成约 1500 次操作，是人类速度的 2.5 倍，抓取成功率超 95%——代价是只能处理 1 公斤以内的东西。

融资本身不算新鲜，这周具身赛道拿钱的公司一大把。真正的信号是：当 VLA 成为共识，一线资本开始给"触觉/力觉"这条差异化路线投票了。拧灯泡、抓易碎品这类接触密集型任务，恰好是纯视觉路线的软肋。机器人要从"抓得住"进化到"干得细"，可能就差这一层力觉。

每天写这些文章，配图都要反复压缩到合适大小，一来二去干脆自己做了个本地图片工具「缩图小吴」——压缩、转格式、裁剪、调尺寸一条龙，所有处理都在本地完成、不上传，隐私这块不用担心。顺手分享给同样被图片体积折磨的人 👇