AI 圈今天没人刷分全在修水管和尺子还有一条在交货

AI 圈今天没人刷分全在修水管和尺子还有一条在交货

四层协议同天交给中立基金会，具身智能立起了第一把国家尺子

你好，我是云轩。

翻完今天这五条，我发现一件事：没有一条是「某某模型又刷了新高」。全是水管、尺子、账本这类不上台面的活。

水管是给 agent 用的——技能怎么写、接口怎么对、训练环境怎么起、代码在哪跑。尺子是给机器人用的——到底算不算合格，谁说了算。

这种消息看着不刺激，转发量也低。但一个行业能不能交货，往往就卡在这些地方。时间紧，先看第一条和第三条。

「模型强不强，半年后就没人提了；水管这种活脏，但能用好几年。」

一、Agent 的四层水管，一天之内全交给了中立基金会

10 月 22 日圣何塞，AGNTCon 和 MCPCon 同场。Linux 基金会下面的 Agentic AI Foundation 一口气收了四个项目，全是别人捐的。Agent Skills 是 Anthropic 捐的，连 agentskills.io 域名和 GitHub 组织一起交出去；Open Responses 是 OpenAI 捐的，把自己那套 Responses 接口写成跨厂商规范；OpenEnv 来自 Hugging Face，解决强化学习训练环境怎么打包；OpenSandbox 是阿里捐的，管 agent 生成的代码在哪隔离着跑。

这四层以前都是各家抢着圈的地：技能格式、模型接口、训练环境、沙箱执行。一年时间，AAIF 的项目从 3 个涨到 10 个，会员破 300。竞争的位置往上挪了一层——模型和 harness 自己留着，底下那层管道交给基金会管。HTTP 和 Kubernetes 当年走的就是这条路。

「标准这种事，谁先捐出去，谁就先不用再打这场仗。」

有个数字我盯了半天：Agent Skills 已经被 70 多个平台接进去，累计发布 100 万个技能、装了近 2.8 亿次。听着是生态繁荣，但那套格式到现在没有签名机制。2.8 亿次安装，说白了就是一条没验签的供应链。路线图里提了安全指南和版本化发布，能不能做成签名加版本化的包生态，是接下来最该盯的地方。

补一句国内视角：OpenSandbox 是阿里的，这是中国厂商第一次在 agent 基础设施的标准层里有位置。以前我们是在上面写应用，这次往下扎了一层。

二、机器人公司开始卖「怎么落地」，不卖机器人

智元今天发 Genie Studio 2.0，是那轮七天七连发的第二弹。昨天公众号里我写过它的排期预告，今天算是兑现。三个模块：Flywheel 管数据采集到真机部署再到异常数据回流；Agent 是可视化拖拽，把导航、识别、抓取拼成一条完整作业流；Monitor 管多机舰队，出故障预警，能远程接手。

厂商给的成绩单：新场景最快 7 天从 0 跑到 1；常州一个数控机床上下料项目，14 天从提需求走到产线落地；均普智能的 BMS 装配线任务成功率 99.9%，单次节拍压到 13 秒以内，7×24 连着跑过；广州地铁已经铺了 60 多台。

「Demo 好看不难，难的是第七天还在跑、第七十天还在跑。」

具身这行的老毛病，不在模型，在部署。同一个抓取任务换个工位就要重来一遍，现场工程师比算法工程师还累。把开发、编排、集成、运维、复制做进一个平台，再把一个 14 天的项目沉淀成同类产线的模板——这套打法更像手机上的应用商店加开发者工具，不是卖一台算一台。

得说清楚，上面这些数字全是厂商口径，没有第三方复核。99.9% 这种数，要看它选了哪条产线、跑了多久。真要判断，等它把客户名单和验收报告拿出来。

三、具身智能终于有了一把国家尺子

中国电子技术标准化研究院今天发了具身智能评测体系，名字叫「求索」，代号 EIBench，配五套评测工具。测四层：数据、算法、模型、机器人系统；看三件事：真实任务里干得怎么样、换个场景还灵不灵、安全水平够不够。

「没有统一的尺子，采购就只能靠谁嗓门大。」

背景是前几个月攒下来的。信通院那份年报说前沿模型闭源差着约两代、机器人月均开机不足 10 天；工信部 10 月 20 日刚说要建《人形机器人产业标准体系建设指南（2026 版）》，一周之内院级评测就落地了。这个速度不算慢。

这事对买机器人的人，比卖机器人的更有用。以前交付出问题就是订单纠纷，比如 10 月初那台 90 万的机器狗，两边各说各话。有了第三方口径，合同里能写「按这套测，达到多少算合格」。行业从讲故事往签合同挪了一步。

四、27B 的模型，在真实办公任务上打赢了 397B

腾讯混元和复旦做了个框架叫 WorkForge。做法是按专家写的蓝图，从真实的代码仓库、数据集、网页里搭工作区，再用程序化检查加 LLM 语义评分两道关核验质量。产出的 WorkForge-16K 有 16665 个环境，覆盖 40 个专业领域、60 种文件类型，单条轨迹平均约 7.6 万个 token。

拿它训出来的 WorkForge-A3B，在 GDPval 上从 45.5 涨到 73.6；WorkForge-27B 到 82.4，超过 397B-A17B 那个大模型的 79.7。GDPval 考的是真实职业任务，不是刷榜题。

「堆参数这条路，在真实任务上先撞墙了。」

把这条和第一条的 OpenEnv 放一起看，意思就出来了：模型在涨，能拿来训练的真实任务环境反而稀缺，环境成了瓶颈。WorkForge 走「从真实仓库搭」而不是「靠仿真合成」，代价是搭建费人力，好处是任务本身就是真的。做 agent 训练的人，这套蓝图、搭建、双路核验的流水线值得抄一遍。

五、上海今天把一千多支队伍赶进了真实产线

10 月 23 到 25 日，全球开发者先锋大会在张江开幕，同场还有国际具身智能技能大赛。玩法是产业出题、科技答题：延锋汽车、申通快递、百联集团把产线、超市、质检实验室的真实需求搬进赛场，9 大赛道 23 个赛项，一千多支队伍。张江那边入驻的机器人已经超过一万台。

跟以往展会不一样的地方，在于这场比赛的沉淀目标是「可复用的技能包」。质检赛项考拧瓶盖、试管分装这类六步精细操作，从 1267 支申报团队里挑高频刚需。现场还首发了《上海具身智能产业发展报告》和张江南具身智能供应链平台。

「能被拆成技能包的动作，才可能被批量复制。」

商务部同一天给了个侧面的数：前三季度重点平台上，具身智能机器人销售额涨 22.6%，外骨骼助力器涨 46.4%。销量的增速比技术指标的增速实在，至少说明有人真的在掏钱。

还有十几条今天没写进正文：几笔早期的钱、马斯克在财报会上给的新时间点、商务部那几个增速数字。我都塞进下面这张图里了，长按能存。

长按图片可保存 · 2026-10-23

六、最后说两句

今天这五条串起来是一条线：把「能不能干活」变成「怎么验收、怎么复制、怎么交付」。以前大家比谁 Demo 惊艳，现在比谁能写进合同、谁能一周铺到第二个工位。

这坑我自己踩过。去年帮朋友看一个视觉检测项目，模型精度做到 98%，客户验收时只问两句：换一批料还稳不稳，夜里没人看着会不会停。两个都答不上来。技术过关，交付没过关，单子就飞了。

所以第二条和第五条我会继续跟。哪天有第三方拿着 EIBench 的分数去签合同，或者技能包真的在跨厂商之间复用起来，那才是这行开始算数的信号。

「这行真正难的，是让人签字。」

觉得有用点个关注，我基本每天筛一遍 AI 圈的消息。有想聊的方向，后台留言就行。

#AI日报 #AI编程 #具身智能 #Agent #人形机器人