2026.05.13|AI日报

🤖 模型与平台

26M就能做函数调用：终端AI的"小模型革命"来了

Cactus 团队开源的 Needle 模型只有 2600 万参数，却能在单次函数调用任务上击败 Qwen-0.6B、Granite-350M 等参数量远大于它的对手。更令人惊讶的是，它在普通消费设备上的预填充速度达到每秒 6000 token，解码速度 1200 token/秒——这意味着在手机上本地运行 AI 函数调用已成为现实。

Needle 的核心洞察是：函数调用本质上是"检索+组装"——匹配工具名称、提取参数值、输出 JSON——并不需要大模型的推理能力。团队因此采用了纯注意力机制（Simple Attention Networks），完全去掉 MLP 层，并用交叉注意力来处理工具选择。预训练仅用 2000 亿 token，Post-train 仅用 20 亿合成数据，两次训练合计不到 28 小时，成本极低。更重要的是，这一"无 FFN"的结论可以推广到任何提供外部结构化知识的场景：RAG、工具调用、检索增强生成——模型无需在权重中记忆事实，只需从输入中读取。

这一工作的意义远超技术本身。它揭示了 AI 落地的一条新路径：用极小模型做专一任务，在端侧实时响应，复杂推理交给云端——"小模型专精+大模型兜底"的分层架构，有望成为未来智能设备和可穿戴设备的标准范式。

来源：GitHub - Cactus-Compute/needle

🔬 研究与技术

Google重新定义AI时代的鼠标指针

Google DeepMind 发布了一篇关于"AI 时代鼠标指针"的研究博客，提出在 AI 能够感知屏幕内容、直接执行操作的界面范式下，传统的点击式交互正在被重新设计。指针不再只是坐标指示器，而可能演变为意图表达与操作确认的混合载体——当 AI 在后台处理任务时，用户通过指针状态（颜色、形状、运动轨迹）实时感知 AI 的"思考"进展与操作意图。

这一设计思路与当前"AI Agent"的发展方向高度契合：当 AI 越来越多地代替用户执行多步操作时，人与 AI 之间的"控制权交接"成为核心交互问题。指针状态的可感知化，可能是一种低成本、高直觉的解决方案——用户无需学习新的操作范式，只需学会"读懂指针"。

目前这一方向尚处于早期研究阶段，但它指向了一个重要命题：AI原生交互范式不是简单地把对话框搬到各个界面，而是需要从输入设备、信息架构到反馈机制的全链路重新设计。

来源：Google DeepMind Blog

🚀 应用与产品

Statewright：用状态机给AI智能体"装上护栏"

前 NVIDIA/AMD 资深工程师 Ben Cochran 推出的 Statewright，带来了一个反直觉的思路：与其花更多 token 让大模型更可靠，不如用形式化状态机缩小问题的解空间。他用仅 13-20B 参数的模型配合状态机，在 SWE-bench 问题上取得了显著改进——甚至 Haiku、Sonnet、Opus 等前沿模型也因此表现更稳定，出现"死亡螺旋"的概率大幅降低。

Statewright 的核心机制是：用确定性代码约束 LLM 的非确定性行为。规划状态只给模型只读工具，实现状态只给编辑工具，测试状态只允许运行测试命令——模型在物理上无法跳步或滥用工具。实验数据表明，上下文窗口的利用效率比上下文窗口的绝对大小更重要：每个步骤精准裁剪的小上下文，胜过给模型一张包含所有信息的"空白支票"。

Statewright 已集成 Claude Code MCP 插件，可通过简单的命令启动 bugfix 等工作流，其 Rust 引擎负责强制执行状态转移规则，AI 只需在规则内决策。"智能体是建议，状态才是法律"——这句 slogan 点出了项目的核心理念，也是当前 AI Agent 领域最务实的声音之一。

来源：GitHub - Statewright

🚀 应用与产品

Hopper：让AI智能体走进 mainframe 的最后1公里

Hypercubic 团队推出的 Hopper 是全球首个面向 IBM mainframe 和 COBOL 的 AI Agent 开发环境。听起来是个小众领域，但数据揭示了其价值：全球仍有大量银行、保险、航空、政府系统运行在 COBOL 代码之上，有些系统的年龄甚至超过 40 年。这些"老古董"可靠、安全、事务处理能力强，但开发环境停留在 TN3270 终端和 ISPF 菜单系统——对人类专家都不友好，更别说 AI 智能体。

Hopper 的设计哲学是"保留主机的完整保真度，让 AI 能够操作"，而不是用抽象层掩盖复杂性。它整合了真实 TN3270 终端、支持数据集/成员/作业的 Panel，以及能够跨这些 z/OS 界面自主操作的 AI Agent。例如，一段 COBOL 代码中变量名拼写错误（`CUSTOMER-BALNCE` 而非 `CUSTOMER-BALANCE`），Agent 可以自主提交 JCL、检查 SYSPRINT 输出、定位错误、修补源码并重新提交——全程无需人工介入，敏感操作仍需人工审批。

Hopper 的出现说明：AI Agent 的战场远不止聊天和代码生成，那些被遗忘在技术栈底层的"远古系统"，反而可能是 AI 改造的蓝海——因为这些领域重复性劳动密集、专家稀缺、AI 介入风险相对可控。

来源：Hypercubic Hopper

💼 行业动态

安克eufy Make众筹超4000万美金：消费AI硬件的爆发信号

36氪深度报道了安克创新旗下 eufy Make 团队的故事。2025年4月，其 UV 打印机 E1 在众筹平台上线，首个 100 万美元仅用时 1 分钟，最终累计金额突破 4000 万美元——这是中国硬件团队在海外众筹史上的里程碑数字。团队成员回忆那个夜晚，凌晨四五点仍在实时更新数字"像爆金币一样"。

这个成绩背后有两个值得关注的信号：其一，AI 硬件正在从"极客玩具"走向大众消费品，消费者对 AI 附加值的付费意愿超出预期；其二，中国硬件团队在产品定义、供应链整合和海外营销上的能力已获全球认可。但这是否意味着消费 AI 硬件的"红海"已经找到缝隙，仍有待市场持续验证——4000 万美元是众筹数字，商业化后的复购率和用户留存才是真正的考验。

来源：36氪《安克创新eufy Make负责人：众筹超4000万美金后，还在红海寻找缝隙》

💼 行业动态

清华系光计算芯片公司获数千万天使轮：Chiplet路线突围算力瓶颈

光子芯力（北京）科技有限公司宣布完成数千万元天使轮融资，由开源创投、苏州芯阳基金、驰星创投、盛景嘉成等机构联合注资。这家成立于 2024 年的硬科技初创企业总部位于北京，专注于光电融合计算芯片，创始人杨其晟博士毕业于清华大学集成电路学院，团队覆盖光学、算法、半导体和产业资源等多个交叉方向。

光计算被视为突破电子芯片"功耗墙"与"存储墙"的关键路径：光子在运算过程中几乎不产生热量，能耗远低于电子逻辑，且光速传播天然支持高带宽并行计算——在 AI 大模型对算力需求爆发式增长的当下，光计算的商业化时间窗口正在收窄。光子芯力选择"全波光计算架构"，有望在特定 AI 算力场景下实现数量级能效提升，这是继量子计算之后，硅光技术路线的又一次重要推进。

来源：36氪《清华系光计算芯片企业完成数千万天使轮融资》

💼 行业动态

方石机器人完成近亿元A轮：建筑大模型落地建筑业

智能建造机器人开发商「方石机器人」宣布完成近亿元 A 轮融资，由北京科创亦庄直投基金和航发基金联合投资。这是继光计算之后，本周第二个获得大额融资的 AI + 传统行业项目。资金将重点用于核心产品研发迭代、批量化生产交付能力建设以及海外市场布局。

方石机器人的核心策略是"具身智能 + 建筑大模型"双底座驱动：在真实建筑场景中，机器人需要感知三维空间、理解施工图纸、规避人员与障碍物、动态调整作业路径——这些能力远超传统工业机器人的预设程序范畴。结合建筑领域大模型的规划与推理能力，具身智能才有可能在工地这样的非结构化环境中可靠运行。建筑业是一个万亿级市场，劳动力老龄化与成本上涨正在倒逼自动化转型，AI 机器人的窗口期已经打开。

来源：36氪《「方石机器人」完成近亿元A轮融资》