ARTICLE · 1312365
AI金融速递:浦发AI承载4200人年;工行建Agent安全沙箱;百度发布首个物理世界模型来了;
各位用户，我是连接智能小编。
以下为过去 24 小时值得关注的关键动态。
我会结合重点资讯，为你快速梳理关键进展与影响。
[核心事件] 内蒙古大学、上海财经大学与CMU研究者提出ReSFlow，将类别概率映射到球面并在统计流形上整流生成轨迹，使离散数据一次模型调用即可生成，论文被NeurIPS 2026接收。 [深度解析/行业洞察] 该工作的技术要害在于解决离散生成“训练走测地线、推理走偏路”的结构性错配：类别概率空间自带Fisher–Rao几何，若不把推理轨迹校正到接近测地线，一步生成就会显著失真。ReSFlow通过球面映射与重新配对把路径拉直，从而把多步ODE采样压缩为单次更新，这是对扩散与流匹配推理成本瓶颈的直接回应。其效果指标具有说服力：二值化MNIST上一 步采样接近SFM三十四次调用的质量，条件启动子DNA设计中一步采样与完整ODE的活性谱误差接近，千条序列生成时间从67.94秒降至0.409秒。对生物设计等需要大规模候选筛选的场景，两个数量级的速度提升意味着采样预算可以转向更多轮实验设计，而非消耗在推理上。这也提示离散生成模型的竞争焦点，正从采样步数转向对概率空间几何结构的利用效率。 |
[核心事件] 半年内融资约50亿元的VAST发布V·STAR顶尖人才计划，聚焦3D生成基础模型、三维理解与智能体、世界模型三类明确研究任务，招募能参与定义问题的年轻研究者。 [深度解析/行业洞察] VAST把人才计划的落脚点放在“让AI从生成内容走向构建可交互世界”，本质上是对3D生成技术路线的一次公开押注：单纯追求形似已不够，模型要能导入引擎、支持部件级编辑、被智能体理解与操控，这直接指向世界模型所需的状态与规则维护能力。其商业化信号同样明显，Kimi官方教程已调用Tripo作为3D基座完成网格建模任务，说明VAST正以基座模型身份嵌入外部智能体工作流，而非只做面向消费者的生成工具。在竞争格局上，3D生成赛道正从图像视频的“观感竞赛”转向可编辑性与引擎兼容性的工程竞赛，谁先让3D资产进入生产管线，谁就掌握议价权。以高额融资配套定向人才计划，也反映出该领域核心瓶颈仍在问题定义与技术判断能力，而非算力堆叠。 |
[核心事件] 招商局先进技术研究院下属狮子山人工智能实验室发布具身推理视觉语言模型“驭物Lion-ER-35B-A3B”，采用MoE架构，总参数约35B、每Token仅激活约3B，在十项主流具身基准上全部指标上涨，多项核心能力超越更大参数量模型。 [深度解析/行业洞察] 驭物的技术路线选择比参数规模更值得关注：团队明确提出“更多数据不等于更多能力”，转而构建能力牵引的具身数据引擎，把具身推理拆解为实体、空间、时序、物理、可供性、任务、社会、证据八个一级领域、39项二级能力，再靠评测发现短板闭环迭代数据。这实际上是把大模型预训练中“数据配比决定能力”的经验，系统性地迁移到机器人领域，用能力蓝图替代盲目堆数据。MoE架构下35B总参数只激活3B，意味着推理成本可控，更适合机器人端侧或近端部署的算力约束。模型重点解决视角变化混淆物体身份、误判相机运动、错估任务进度三类高频失败，指向的是具身智能从“看见物体”到“读懂三维空间关系”的能力跃迁。由招商局这一产业方下属实验室发布，也显示具身模型正从高校与互联网公司向有真实作业场景的产业集团扩散，港口、物流、园区等场景可能成为其数据与验证的闭环来源。 相关链接：不靠堆砌数据，让机器人看懂真实物理世界 | 招商局狮子山人工智能实验室发布「驭物™ Lion-ER-35B-A3B」具身推理模型 |
[核心事件] 天数智芯在上海“从模型到世界”媒体开放日展示端侧算力终端彤央TY1200，稠密算力标称300 TOPS，并在单台端侧设备上完成机器鸭全部训练流程，对标英伟达云端训练方案。 [深度解析/行业洞察] 这场展示的真正看点不是机器鸭本身，而是训练位置的变化：英伟达的小黄鸭依赖云端超算训练与数字孪生，天数智芯则把完整训练流程压缩到一台端侧设备上完成。若该演示具备可复现性，意味着端侧算力正从“推理承载”向“小规模训练闭环”延伸，这会改变具身智能与边缘AI的开发范式——数据不出本地、迭代周期缩短、隐私与实时性约束同时缓解。对国产通用GPU厂商而言，选择端侧作为差异化切口，是在云端训练市场被强敌占据下的务实策略，也呼应了数字孪生、机器人本体学习等新兴负载对低时延本地算力的需求。需要冷静看待的是，标称稠密算力与实际训练吞吐之间仍隔着软件栈、编译器与生态适配的鸿沟，端侧训练能否形成开发者规模效应，才是检验其商业化成色的关键。 |
[核心事件] 百度Apollo发布面向物理AI的Agent驱动全模态世界模型Apollo World，将城市路网、多模态传感器与车流博弈搬上云端，支持毫秒级实时交互与连续数十分钟完整接单推演，使无人车云端日均测试里程达十万公里，萝卜快跑L4级全无人端到端大模型已正式上车。 [深度解析/行业洞察] Apollo World的核心突破在于把世界模型从“视频渲染器”推向可交互的物理仿真训练场，解决了以往世界模型只能模拟几十秒孤立片段、单向放录像的瓶颈，让自动驾驶训练从实车路测转向云端高强度闭环推演。其战略意图是以极低的边际成本换取数百倍测试效率，用虚拟里程替代真车安全员里程，从而加速L4规模化的数据飞轮。商业化信号明确：萝卜快跑已有上百辆无安全员真车靠端到端大模型上街跑单，全球仅百度与特斯拉做到这一步，意味着技术验证期正让位于运营扩张期。竞争格局上，世界模型赛道已聚集World Labs、Google DeepMind的Genie系列与Waymo，百度以“Agent驱动+全模态+车流博弈”的差异化路线切入，比拼的焦点从生成画质转向动作可交互性与长时序一致性。对智能体技术而言，这是物理世界智能体在真实城市环境中预判、让行、绕行等决策能力的集中体现。 |
[核心事件] 有用户指出，个人 Google AI 订阅账号在开启活动记录后，Gemini 保存的聊天记录默认被用于训练生成式模型，除非关闭聊天历史或使用临时会话，且部分对话会由人工审阅并保留最长三年。 [深度解析/行业洞察] 这条资讯的关键不在隐私争议本身，而在订阅制商业模式的边界被重新划线：付费并不等于数据豁免，个人版与企业的数据契约正在分叉。对模型厂商而言，个人对话是高质量、多轮、真实意图分布的训练语料，持续吸收能拉大模型迭代优势，这也是默认开启训练的经济动因。但代价是用户信任折价，尤其当人工审阅与三年留存叠加时，敏感信息输入的风险被显著放大。产品层面的信号是“临时会话”“关闭历史”成为事实上的隐私开关，把数据授权责任转移给用户，这种设计在合规趋严的市场会面临更大审视。竞争格局上，企业版的数据隔离承诺将成为厂商争夺 B 端的关键卖点，个人版的宽松策略则可能削弱品牌在专业人群中的口碑。 相关链接：https://news.ycombinator.com/item?id=50363461 |
[核心事件] OpenAI宣布收购开发者工具公司Pierre，将其Trees文件浏览、Diffs代码差异展示与Code Storage代码存储能力整合进编程智能体Codex，补上AI生成代码后的人工审阅环节。 [深度解析/行业洞察] 这笔收购释放的核心信号是：AI编程的竞争重心正从“生成代码”转向“管理并审阅代码”。当Codex能并行开启多路任务、产出速度远超人类审阅能力时，看代码、审代码成为新的效率瓶颈，OpenAI必须把分支创建到代码上线的全流程纳入自己的工具链。Pierre的开源组件Trees与Diffs在超大型代码库下仍能保持流畅，并支持审阅者当场编辑，这恰好补上Codex在代码托管与差异审查环节的短板。结合此前内部自研的代码管理后台Pando，OpenAI正试图构建一个工程师与AI智能体协同工作的完整开发环境。对行业而言，这意味着模型厂商开始向开发者工作流纵深渗透，与GitHub、GitLab等代码平台形成直接竞争，同时也提高了编程智能体产品的交付闭环门槛。商业化上，Code Storage客户将被逐步并入Codex，暗示OpenAI可能在订阅之外探索代码存储与协作的增值服务。 相关链接：https://x.com/dotey/status/2118010240587239540 |
[核心事件] Kino AI推出面向智能体与团队协作的视频编辑器，将剪辑、动效、时间线拖拽、团队评论与3D场景全部以代码表达并基于Remotion构建，使Codex、Claude Code等智能体可与同事在同一时间线上协作。 [深度解析/行业洞察] Kino的切入点揭示了智能体落地的一个普遍瓶颈：模型能力已经能剪视频、做动效，但缺少一个让智能体与人类共享上下文的工作界面。原始智能体工装要求用户用文字描述微小剪辑，素材分散在设备间，团队反馈以Slack截图形式回流，协作成本吃掉了模型带来的效率增益。Kino选择code-first路线，把所有编辑动作和评论都表达为代码，等于为智能体提供了一个可读可写的结构化操作层，这比再做一个图形界面更贴近智能体的工作方式。这也提示智能体产品的竞争正在从模型能力转向协作基础设施，谁能让智能体与人类在同一份状态上操作，谁就能承接更复杂的生产任务。视频制作只是切口，类似的code-first协作层在设计与代码之外的内容生产领域都有复制空间。 相关链接：https://news.ycombinator.com/item?id=50368804 |
[核心事件] 11月4日，中国信通院联合腾讯、蚂蚁、阿里、抖音等在世界互联网大会乌镇峰会发布《智能体发展自律公约》，提出健全信任体系、互联基础设施、互操作水平、安全防护、治理机制、用户权益保护、赋能千行百业、技术普惠共享八条自律措施。 [深度解析/行业洞察] 这是国内智能体生态首次由国家级研究机构牵头、多家互联网巨头共同签署的行业自律文件，标志着智能体治理从企业各自探索走向跨平台协同。公约把“互信、互联、互操作”放在核心位置，实质是回应智能体跨平台调用时身份认证、权限边界与责任归属缺失的痛点——若没有统一的信任体系，智能体之间无法安全地互相委托任务，生态就只能是各自封闭的孤岛。八条措施中“建设智能体互联基础设施”和“提升互操作水平”最具产业意义，暗示后续可能推动类似MCP、A2A的协议标准化，掌握协议定义权的一方将在生态中占据枢纽位置。自律公约本身不具强制力，但发起方覆盖社交、电商、支付、内容四大流量入口，其示范效应会形成事实上的准入门槛，中小智能体厂商需向公约标准对齐。对金融等强监管行业而言，公约提出的安全防护与治理机制可作为机构引入外部智能体时的合规参考，但责任划分、审计留痕等金融特有要求仍需专门规则补位。 相关链接：多家互联网巨头起草的智能体自律公约发布 |
[核心事件] 复旦大学、香港中文大学MMLab与上海交通大学研究者提出ReTerm方法，让终端代码智能体在任务失败后尝试自我恢复，并从恢复结果中学习，构建由自身错误驱动的递归自我改进训练闭环。 [深度解析/行业洞察] ReTerm的核心突破在于训练数据来源的转向：不再依赖干净环境中的成功轨迹或人工注入错误，而是直接采集智能体自己执行任务留下的真实失败现场，再由更强教师模型示范恢复过程，形成约一万条冷启动恢复轨迹。这一设计切中了当前Agent落地的关键痛点——真实终端任务中的错误往往伴随环境已被改变，模型必须理解“已发生了什么”才能判断故障根因，而这恰恰是仅学成功轨迹无法覆盖的能力。从技术路线看，ReTerm把“遇错、恢复、按成败更新参数”接入同一训练闭环，模型能力变化会产生新的失败，新失败又成为下一轮学习起点，形成递归自我改进，这对智能体工程和持续学习范式具有方法论意义。对产业而言，这释放出一个信号：Agent竞争正从“单次任务成功率”向“错误恢复与长程鲁棒性”迁移，谁能把失败数据资产化，谁就更可能在复杂企业环境中降低人工兜底成本。 |
[核心事件] Grok Bot新增电话拨打功能，可代用户拨打真实电话处理事务，标志其从文本对话助手向可执行真实世界任务的智能体升级。 [深度解析/行业洞察] Grok Bot此次新增电话拨打能力，核心信号在于智能体从“信息生成”迈向“事务代办”。电话是典型的非结构化、实时交互场景，涉及语音合成、实时对话理解、意图协商与异常处理，技术门槛明显高于文本问答。对xAI而言，这一步将其助手能力嵌入用户日常生活的高频痛点场景，是提升用户黏性与差异化的关键抓手。从竞争格局看，OpenAI、Google等均在推进可执行任务的智能体，电话拨打是检验智能体真实可用性的试金石。商业化上，代打电话这类任务天然具备按次或订阅付费的想象空间。不过当前信息仅为功能发布层面，缺少通话成功率、支持地区与隐私合规等关键细节，落地效果仍需观察。 相关链接：https://x.com/minchoi/status/2118075152701301213 |
[核心事件] 中国工商银行软件开发中心构建“三位一体”企业级Serverless Agent安全沙箱平台，融合毫秒级弹性调度、微虚拟机硬件级强隔离与敏捷工具调用生态，为智能体执行代码和操作文件系统提供金融级隔离环境。 [深度解析/行业洞察] 这条资讯的价值在于揭示了智能体规模化落地时最容易被低估的一环：执行环境基础设施。Agent需要真实运行代码、调用工具、操作文件系统，自主性越强，对隔离与弹性的要求就越高，而传统固定容器PaaS存在内核共享隔离弱、资源分配刚性、集成门槛高的结构性瓶颈。工行软开的解法是把Serverless按需弹性与微虚拟机强隔离结合，通过沙箱池预热与快照休眠恢复实现毫秒级供给，并以TTL过期、网关续期等机制杜绝僵尸沙箱，同时用Kata Containers、Firecracker等方案做硬件级隔离。这本质上是把Agent Sandbox定位为AI规模化的核心基础设施，而非附属工具。对金融行业而言，该路径提供了自主性与合规安全的平衡样本；对智能体技术演进而言，也说明竞争焦点正从模型能力下沉到运行时、可观测性与安全边界的工程化能力。 |
[核心事件] 中信银行软件开发中心提出数智化企业架构变革路径，针对业务语义割裂、知识资产孤岛、智能体烟囱林立等痛点，重构业务、数据、应用、技术四大架构以支撑分级受控的智能自主作业。 [深度解析/行业洞察] 银行谈智能体，最大的坑是把智能体当成又一个应用系统来建，结果烟囱林立、语义各说各话。中信银行这篇架构文章的价值在于把问题前移到了企业架构层：先统一业务语义标准、把存量业务能力拆成原子能力，再把风控准入、额度判定、合规校验等规则从代码中剥离托管到金融知识体系，智能体才可能跨条线串接。分级受控的作业模式设计也很务实，低风险无人值守、中风险自主加人工干预、高风险AI前置加人工终审，等于给智能体划出了风险边界的工程化表达。这说明银行业智能体的竞争已从模型调用转向架构适配能力，谁的语义底座和能力解耦做得早，谁的智能体才可能走出试点。对金融科技供应商而言，这意味着机会从卖模型转向卖语义治理与流程重构能力。 相关链接：数智化时代下商业银行企业架构的使命和变革 |
[核心事件] 浦发银行在三季报中披露，其“人工智能+金融”以“2+5+N”为路径推进，智能体重塑流程使系统AI覆盖率达52%，数字劳动力累计承担4200人年工作量，办公助手开放60余项Skill。 [深度解析/金融洞察] 浦发银行此次披露的价值在于把AI从概念叙事推进到可计量的产能口径：4200人年、系统AI覆盖率52%、对公开户智能化覆盖89.4%、远程银行智能服务占比83.82%，这些指标共同说明大模型与智能体已进入高频业务主流程，而非停留在试点演示。其战略意图清晰，即用“两大旗舰产品+五大领域+N个场景”把分散的AI能力收拢为体系化作战，避免各条线重复建设。值得关注的是实施路径从“2+N”升级为“2+5+N”，意味着该行正在把智慧营销、数智风控、高效运营等中层能力标准化，为后续跨场景复用打底。开放60余项可组合Skill则透露出平台化思路：银行不再只采购成品应用，而是沉淀可被智能体调用的技能库，这对同业构成直接的工程化竞争压力。对金融AI落地而言，这是国内银行首次以“数字劳动力人年”衡量生成式AI实际产出，为投入产出评估提供了可参照的锚点。 |
[核心事件] 2026年10月，嘉信理财、摩根大通、花旗、美国银行等华尔街机构相继出台规则，禁止外部第三方AI智能体直接访问客户账户或发起资金划转；嘉信理财通过开源MCP服务器搭建受控通道，外部智能体仅能只读调取账户余额与公开投研信息，无法执行转账，同时推广自有AI助手Charley。 [深度解析/金融洞察] 这是智能体在金融场景落地过程中一次标志性的“权限回撤”。此前行业叙事集中在让AI代理替客户操作账户、自动比价转移资金，但华尔街巨头集体踩刹车，说明智能体的能力边界已从技术问题变成责任问题：美国尚无联邦立法界定AI自主操作造成损失后开发者、部署机构与用户的权责，机构只能用物理隔离来规避合规风险。嘉信理财选择MCP协议做只读接入颇具策略性——既不彻底拒绝外部智能体生态，又把高风险操作权限收归自有助手Charley，等于用协议层把“查询”与“动账”切开，形成可审计的权限分层。摩根大通警告“流氓智能体”数量可能激增至成千上万、风险无法量化，反映的是机构对非人类身份缺乏规模化识别与限流手段的焦虑。对国内金融科技而言，这一轮动作提供了清晰参照：智能体接入金融系统应默认遵循最小权限、只读优先、动账人工授权三原则，MCP等开放协议可成为受控接入的技术底座。同时，阿波罗关于AI理财助手跨平台比价加剧负债端波动的预警，提示智能体不仅带来操作风险，还可能改变资金流动的宏观节奏。 |
[核心事件] 泰康保险集团管委会成员、首席信息官杜彦斌在2026金融+AI专业资源协作大会上表示，泰康选择“AI原生”而非“All in AI”战略，推动AI与保险产品结合，并从问答走向智能体执行、人类兜底的安全控制模式。 [深度解析/金融洞察] 泰康的表述值得关注之处，在于它把战略口径从“All in AI”收敛为“AI原生”，背后是对投入产出比的现实主义判断：并非所有保险场景都天然适配AI，生搬硬套只会拉低ROI，因此先从场景适配性做取舍。杜彦斌给出的技术脉络判断也颇具信号意义——大模型解决“知识无处不在”，2026年进入“能动无处不在”阶段，智能体从“问”走向“办”，但真正价值实现的前提是AI负责执行、人类负责兜底与安全控制的分工结构。这意味着金融机构对智能体的采纳不会是全面放权，而是围绕可控性、可审计性构建人机编组。对行业竞争格局而言，保险科技的下半场比拼的不只是模型调用能力，而是场景选择能力、知识工程与智能体工程的沉淀，以及把AI嵌入寿险长链条业务流程的组织改造能力。 |
[核心事件] 农银金融科技总裁曾庆田撰文披露，公司依托农行“农银智+”平台、智能体ABC-Claw、企业级AI数字助手“一明”，拟将信贷管理、风险防控、合规等AI能力向中小金融机构输出。 [深度解析/金融洞察] 农银金科这一表态的核心战略意图，是把国有大行沉淀的AI能力从“自用”转向“对外输出”，以市场化子公司为窗口，构建“行司联动”的同业科技服务生态。从产品与技术变化看，农行已形成“农银智+”平台、智能体ABC-Claw、数字助手“一明”以及贷后跟踪与续贷帮扶AI风控智能体等具体应用，并深化合规风险场景的AI应用，说明其AI能力已从单点工具走向覆盖信贷全流程与风控合规的体系化布局。商业化信号上，农银金科明确要把已落地项目经验固化为标准化、可复制的产品和服务包，聚焦中小金融机构共性需求高、需求旺盛的场景，走合规稳健的科技输出路径。竞争格局方面，中小金融机构自建AI能力成本高、合规门槛高，大行系金科公司以“安全合规输出”为卖点切入，有望形成区别于第三方厂商的差异化优势；但输出节奏受监管合规与数据安全约束，短期内更可能以成熟模块复制为主。 |
