📌 今日 4 条最重要要闻
-
1
学术2026-10-05 起 arXiv 限流令落地,每位提交者每月最多 2 篇,9 月 cs.AI 单月 40363 篇同比翻倍,审核员已扛不住,260 名志愿审核员 + 7 名全职运营每天 24 小时——这是 AI 时代学术信息传播体系首次用统一硬指标压低增速。
-
2
产业2026-10-05 Meta 开源 Muse Gadgets,把个人 AI 智能体装进 ESP32 + 树莓派,5000 台 Home Link 实物直送美国订阅用户,智能体竞争从聊天框迁向硬件载体——这一波开源硬件生态可能重塑个人 AI 设备格局。
-
3
技术2026-10-05 DeepSeek 在知乎独家放出 DSec 技术报告,130 人作者团,5000 沙盒/秒、38 万并发、V4.1 训练底座全面曝光;同期开源 DeepEP 通信库(Dispatch 375 GB/s)+ Ascend 950 实测 5102 tokens/s,中国大模型基础设施能力公开到工程级细节。
-
4
资本2026-10-05 机器人"通用大脑"独角兽 FieldAI 完成 7 亿美元融资,估值从 20 亿涨到 100 亿,直追 Physical Intelligence(110 亿)与 Skild AI(140 亿)头部阵营——资本押注"大脑"而非"机身"已成为 Physical AI 主旋律。
🧭 今日目录
点击主题名称跳转 · 24 张卡覆盖 6 大主题
1
🧬
主题 1 · AI for Science
🧬 主题 1 · AI for Science
AI for Science:模型-数据-硬件全栈推进,医学/材料/数学交叉最前沿
1.1arXiv 因 AI 论文暴涨 6 倍实施限投:每位提交者每月 2 篇,9 月投稿 40363 篇创 35 年新高
重磅
🌍 全球信号学术成果政策监管
🎓 学术:arXiv 在 2026-10-01 官方博客《Fair Moderation, Equitable Access, and AI》中宣布:每位实际提交者每自然月最多提交 2 篇论文,任何时候活跃提交数不超过 3 篇;新规覆盖计算机科学、数学、物理等全部学科,跨学科不重复计额。背景是 9 月单月投稿 40363 篇创 35 年新高(2016-09 仅 9868 篇、2024-09 为 20569 篇),其中 cs.AI 分类两年涨超 6 倍,从 2024 年初数百篇/月升至今年 8 月超过 3000 篇/月。技术细节上,审核员观察到大量"thin papers"与"salami papers"、AI 撰写但缺乏学术贡献的稿件,审核拒绝率从约 4% 升至 10%-12%;arXiv 仍允许 AI 辅助,前提是披露并对内容负责。
🏢 产业:对工业界大厂与高校大组几乎无影响:OpenAI、DeepMind 等可通过数十人合著者名单换人上传,真正被规则误伤的是独立学者与单兵团队,从此每月 2 篇额度彻底锁死成果释出节奏。arXiv 在公告末尾明确将持续监测"投稿频率上限"对作者、读者与学术生态的影响,此为临时过渡措施,长期方案仍在调整。
arXiv 限流本质是 AI 让"写论文"成本降至接近零、而"审论文"仍依赖 260 名志愿审核员与 7 名全职运营每天 24 小时——这是 AI 时代学术信息传播体系第一次用统一硬指标压低增速,把审核人力留出来。
1.2DeepSeek 知乎独家发文,首次公开 V4.1 Agent 训练"大本营"DSec:5000 沙盒/秒 + 38 万并发
重磅
🇨🇳 中国动向学术成果前沿产业
🎓 学术:技术报告《DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale》在 arXiv 公开,由 DeepSeek 联合清华大学发布,作者团队超过 130 人、梁文锋署名。DSec 是支撑 DeepSeek-V4 全部训练、评测与数据预处理的沙盒基础设施,FnCall/Container/MicroVM/Full VM 四种执行后端通过统一 Python SDK(libdsec)按需切换。技术细节:EROFS 镜像格式 + OverlayFS 按需组合、按需加载(集中创建 8192 容器任务完成时间从 60+ 分钟降至约 35 分钟、磁盘写入减少 57%)、virtio-pmem + DAX + DAMON + balloon 让单宿主内存用量较基线下降 40.2%、CPU 调度优化把同机 50% 负载下的时延敏感任务延迟增幅从 45.2% 降至 17.3%。
🏢 产业:生产数据:单个分片约 160 台服务器,3 万 CPU 核心,250 TB 内存;每天约 300 万沙盒,峰值并发 38 万,每秒可创建 5000+ 沙盒;CPU 超卖率超过 50 倍(因 90% 沙盒平均 CPU 用量不超过申请量 5%)。从 DeepSeek-V3.2 到 V4.1,DSec 承载了 Agent 训练、评测与数据预处理中的全部沙盒负载。
DSec 公开标志着 DeepSeek 把 Agent 训练从"模型能不能训"层面推进到"工程底盘能不能稳"层面——这也是中国大模型团队第一次把工业级 RL 训练底座做成可公开复用的工程论文。
1.3何恺明团队新作:看猫片就能学会 ARC 挑战,用 ImageNet 训 encoder 打破符号推理魔咒
观察
🌍 全球信号学术成果
🎓 学术:何恺明团队(原 Meta FAIR / 现任 MIT)发布新作:用 ImageNet 这类"看猫片"的大规模自然图像预训练,就能让 encoder 抽象出可泛化到 ARC 抽象推理挑战(Abstraction and Reasoning Corpus)的归纳偏置,而 ARC 一直被视为符号推理与少样本组合泛化的标杆——传统上需要专门设计 inductive bias 才能逼近。论文核心论点是:足够丰富的视觉预训练能让 encoder 隐式学到"形状对称、目标计数、色彩恒定、几何变换"等基础元操作,这些元操作恰好是 ARC 题面隐含的物理/几何先验。
🏢 产业:对工业界的实际意义:它把"专业符号推理能力"的成本从专用数据合成+专用模型,降回到通用大规模视觉预训练——大公司做产品级 OCR/文档/视频结构化时,可以复用同一套视觉 encoder,而无需为每个推理子能力单独训练小模型。第三方独立复现尚未出现,公司自评成绩仍待外部打分。
何恺明团队这一作延续了 Kaiming He 多年"大道至简"的路线——用最朴素的预训练拿到最难 benchmark 的入场券,这一风格在 ResNet/ConvNeXt/MAE 一脉相承;但 ARC 是否真被视觉预训练"吃下"仍需第三方复现。
1.4丘成桐新论文致谢 GPT 与 Claude:44 年前亲自列入问题清单,数学家被 LLM 跨过
观察
学术成果🌍 全球信号
🎓 学术:丘成桐(Yau Shing-Tung)在新论文致谢(Acknowledgements)中明确感谢 GPT 与 Claude 的协助,引发数学与 AI 社区广泛关注。该论文所解决的某个长期公开问题,据其早年的访问表述,是他在 1982 年左右研究规划中亲自列入"待解决问题清单"的开放难题之一——也就是这一题在数学家手中搁置了 44 年。
🏢 产业:对产业界,这意味着 LLM 不再只是"写邮件助手",开始进入数学家正式工作流——研究者用 GPT/Claude 检索文献、构造反例、探索思路,最后由人类完成严格证明。这种工作流可能重塑 100 人规模以上数学研究所的内部协作模式,把"博士生查阅 100 篇 paper"压缩到"LLM 检索 + 人类验证"。
丘成桐的致谢是数学家第一次以传统机构权威身份承认 LLM 进入数学工作流——这与 Sameer Iyengar、陶哲轩等数学家早前对 AI 的积极使用一脉相承,但分量更重,因为丘成桐代表的是华人数学界最具象征意义的图腾之一。
1.51nm 之后晶体管怎么走:泛林集团探索 SA-CFET 架构,SRAM 单元面积较 N3 缩小 52.7%
观察
学术成果🌍 全球信号
🎓 学术:泛林集团(Lam Research)公布其正积极探索 SA-CFET(堆叠叉片互补场效应晶体管,Stacked-Abacus CFET)架构,这是 N2/A14 之后的下一代逻辑器件候选路径。技术细节:SA-CFET 把 nFET 与 pFET 单片垂直堆叠,SRAM 单元面积较 N3 节点缩小 52.7%,且制造流程中 n/p 界面形貌对良率影响比传统单片 CFET 更可控。泛林作为全球三大刻蚀设备厂商之一,其路线图对代工厂(台积电 / 三星 / Intel)有直接指引意义。
🏢 产业:对产业界,CFET 路线如果按 SA 思路推进,3nm 之后的"芯片层面"问题(不是功耗)而是"密度"问题——密度上限由晶体管立体堆叠能力决定,而非光刻波长。这对 EDA 工具链、设计规则(DRC)与 IP 库都有系统级影响,EDA 厂商(CadSyn)需要在 2027 年前完成 SA-CFET 完整工具链支持。
1nm 之后的路线不是单一答案:SA-CFET、Fork-sheet CFET、3D DRAM-on-Logic 多条路径并行,泛林的探索意味着设备厂商开始押注"立体堆叠"作为主推路径,与英特尔 PowerVia / RibbonFET 路线形成竞争。
🤖 主题 2 · 通用智能与机器人
通用智能与机器人:具身/Agent/决策三条赛道并行,生态正在分层
2.1Meta 开源 Muse Gadgets:ESP32 + 树莓派 SDK 让开发者用 50 美元造 AI 外设
重磅
🌍 全球信号产品落地
🎓 学术:Meta 于 2026-10-02 推出开源项目 Muse Gadgets,允许开发者为其个人 AI 智能体 Muse 打造自定义硬件。技术细节:Meta 在 GitHub 上以 Apache 2.0 许可发布了 ESP32 固件与 Linux SDK;支持 11 款 ESP32 开发板(ESP32-C5 DevKitC-1、M5Stack StickS3 等)与树莓派 3B+/4/5/Zero 2 W;Linux SDK 系统最低要求 Raspberry Pi OS Bullseye、Debian 11、Ubuntu 22.04。Muse 以安装账户权限运行(支持 sudo),可通过 install.sh --run-as 指定非特权账户;可执行 shell 命令、读写文件、检查设备健康状态。
🏢 产业:首批用户案例:Federico Viticci 把 ESP-based Xteink e-reader 改造成常亮 Muse 随身显示屏,通过 MagSafe 磁吸到手机背面查看 Muse 推送更新;另一位开发者用 50 美元的 SenseCAP Watcher 拍酒瓶标签,Muse 识别酒庄和年份并通过 Tailscale 同步到个人酒窖系统,搭建到运行不到 1 小时。Meta 同时推出官方参考设备 Muse Home Link(USB-C 供电小设备,把 Muse 接入家庭网络控制智能家居),首批 5000 台面向美国订阅用户免费发放。
Muse Gadgets 标志着 Meta 把 Muse 从聊天机器人扩展为跨硬件的智能体运行时,可能承担部分传统 OS / 应用 / 智能家居中枢的角色——但 SDK 文档也明确警示"折腾副作用可能包括变砖、保修失效、电压跌落或破产,风险自负"。
2.2FieldAI 拟融资 7 亿美元估值 100 亿:机器人"通用大脑"估值对标 Physical Intelligence
重磅
🌍 全球信号前沿产业
🎓 学术:Business Insider 报道,FieldAI 已完成 7 亿美元融资,投后估值达 100 亿美元(较一年前 20 亿美元估值翻 5 倍)。技术细节:FieldAI 成立于 2023 年,致力于"通用型通用大脑"——跨人形机器人、四足机器狗、无人机、工业漫游车等不同形态运行;无需预先建图、不依赖 GPS、不依赖联网,即可在不可预测环境里自主行动;摄像头 + 激光雷达 + 毫米波雷达数据被转成持续更新的数字孪生,供现场改造的虚拟测试与模型训练。
🏢 产业:营收侧,FieldAI 收入与合同金额已超 1.35 亿美元(自 6 月增长至少 3500 万美元),客户超 30 家覆盖建筑、数据中心运营、国防等领域。本轮后 FieldAI 估值已逼近 Pi(约 110 亿)、Skild AI(超 140 亿)。本轮由贝佐斯家族办公室、Emerson Collective、Khosla Ventures 参投。
资本押注"大脑"而非"机身":FieldAI / Physical Intelligence / Skild AI 三家"大脑层"软件公司估值合计超 350 亿美元,而欧洲 NEURA 估值 70 亿、Humanoid 估值 13.5 亿——资本正向美国软件层集中,机器可能在欧洲制造,但软件价值评估向美国倾斜。
2.3TypeSafe Jev 日处理 1 万亿 Token:"System One"决策模型路线成形,硅谷巨头火速跟进
重要
🌍 全球信号前沿产业
🎓 学术:TypeSafe AI 9-15 发布的 Jev 模型仅问世三周,CEO Diogo Almeida(前 OpenAI,RLHF 共同发明人)向《华尔街日报》披露:日处理 Token 量突破 1 万亿、约 25% 财富世界 500 强在用。Jev 走"System One"路线(借用 Kahneman《思考,快与慢》框架):不生成文本,而是借助机器学习把输入内容归类到一组预先设定好的输出结果(Choice / Score / Null 三种类型)。技术上 Jev 跳过自回归 Token 生成,使用 transformer encoder backbone + 多任务预测头,在单次并行 forward pass 中计算所有问题的概率分布,端到端响应 70-500 ms(对比大模型 3-329 秒,提速 40-200 倍),输入价格仅 0.042 美元/MTok。
🏢 产业:竞争对手:本周 OpenAI 上线 Decisions API(基于 Luna 模型回答用户自定问题);Databricks 发布 ai_decide 功能;Cloudflare 推出开源 Clef / Clef-flash(基于 Qwen3.8-27B 与 Qwen3.5-9B 冻结微调,路由头直打分);亚马逊 Strands Decider 2B(同路线)。新模型类别正在形成:生成式模型负责复杂推理,决策模型负责高频、有限选项的路由 / 分类 / 审批 / 智能体下一步动作。
Jev 的真正信号不是"又一个 100 亿独角兽",而是"决策作为独立模型类别成形"——一旦 RLHF 共同发明人亲自下场做这个类别,意味着大模型路线图承认:不是所有问题都需要 GPT 那种重武器,高频自动化场景需要轻量、确定、可校准的"开关型 AI"。
2.4宇树 UnifoLM-WLA-1.0 全身 VLA 基础模型:6B 参数 + 2500 小时真机数据 + Apache 2.0
重要
🇨🇳 中国动向基础模型
🎓 学术:宇树科技 10-02 起在开发者社区传开 UnifoLM-WLA-1.0 全身 VLA 基础模型:约 6B 参数的人形机器人通用基础模型,模型卡已以 Apache-2.0 许可出现在 Hugging Face(Base 版),项目页在 unigen-x.github.io。技术细节:用约 2500 小时真实机器人数据训练,单个检查点覆盖 64 项任务(10 项全身动作 + 54 项桌面操作),兼容平行夹爪与两种不同灵巧手。架构分三层:基于 Qwen3-VL 的具身推理器 UnifoLM-ER-1(在 7 项空间基准上领先开源模型,局部任务超过 GPT-6 Astra),光流 + VQ-VAE 预测未来动态区域压成固定长度 Token,动作侧用残差 VQ 离散化末端、手与下半身,再叠 MMDiT 动作专家做连续控制。
🏢 产业:演示载体是宇树 G1:铺床、往洗衣机塞衣服、叠衣服、分拣物件、整理卫生间等家务序列。需区分"已开放"与"已承诺":Base 版权重已在 Hugging Face 上,但完整代码、模型与数据集在项目页仍标注为"即将开放";第三方在 G1 上的复现与评分尚未出现。
宇树这一作把"全身 VLA"从桌面机械臂小圈子拉到 6B 参数通用模型尺度,首次让开源玩家能用同一套策略同时控制手、末端与下半身——这是具身智能从"展示能力"走向"工业级通用底座"的关键一跃,但完整开源与第三方复现仍是真正考验。
🏢 主题 3 · 基础模型与开源基础设施
基础模型与开源基础设施:大模型路线图进入"系统工程"时代
3.1GPT-6 Sol 系统提示词泄露 29.4 万字符:反废话词表 + 极端自主性 + 盗梦空间式记忆交接
重磅
🌍 全球信号趋势观察
🎓 学术:安全研究员 @elder_plinius 在 GitHub 仓库 CL4R1T4S 公开了 OpenAI GPT-6 Sol Codex(桌面版 Codex)完整系统提示词与工具定义,提取文本总量 294,000+ 字符、1902 行、约 157KB。技术细节 4 大模块:(1) 反废话词表:明确禁用"底线是/值得注意的是/深入/培养/利用/importantly"等 AI 套话;(2) 极端自主性:用户讨厌你停下来确认,一旦证据支持下一步应继续工作,只在部署/合并等不可逆操作前请示,后台运行每 60 秒发状态更新;(3) 神级工具链:首选 ripgrep(rg)而非 grep,异步并行使用 Promise.allSettled,SKILL.md 动态技能加载,支持接管浏览器与电脑 UI;(4) 盗梦空间式长记忆:Token 预算耗尽前用 notes 工具保存进度笔记并开新上下文窗口,持久心跳唤醒后台任务监控 CI/CD 状态。
🏢 产业:工业级 AI 应用的核心从"调教提示词"转向"系统化工程":这份泄露文件相当于把 OpenAI 内部顶级工程师调试出的"大模型驯化终极指南"公之于众。对企业 AI 工程师来说,可直接抄其"负面词汇黑名单 + 分级代码审查指南"方法论,搭建公司内部代码审查机器人。
GPT-6 Sol 泄露是 AI 应用从"聪明的对答机"进入"具备接管权限的自主操作系统"的源代码级证据——比起模型大小与 benchmark,真正决定 AI 上限的反而是这套工程化的提示词 + 工具链 + 安全协议系统。
3.2DeepSeek DSec 公开 V4.1 训练底座:5000 沙盒/秒 + 38 万并发 + 130 人作者团
重磅
🇨🇳 中国动向学术成果
🎓 学术:(本卡聚焦"开源基础设施"维度,与 1.2 同源)DeepSeek 在知乎独家发布技术长文《DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale》,技术报告同步公开至 arXiv,由 DeepSeek 联合清华大学发布,作者团队超过 130 人、梁文锋署名。DSec 提供 FnCall / Container / MicroVM / Full VM 四种执行后端,通过统一 Python SDK(libdsec)接入;以 EROFS 格式存储基础镜像、工作区、工具包三层独立版本管理,OverlayFS 按需组合;3FS 分布式文件系统按需读取镜像数据(实际访问数据仅占镜像总大小 4.2%-13.3%);virtio-pmem + DAX 让同一宿主上 MicroVM 共享宿主页缓存;AppArmor + eBPF 提供细粒度访问控制。
🏢 产业:生产数据:单个分片约 160 台服务器、3 万 CPU 核心、250 TB 内存,每秒创建超过 5000 个沙盒,峰值并发超过 38 万,CPU 超卖率超过 50 倍(因 90% 沙盒平均 CPU 用量不超过申请量 5%)。同期开源的 DeepEP 分布式通信库在 EP/CP/PP/FSDP 全模式下实测互联带宽 Dispatch 375 GB/s、Combine 347 GB/s;在 Ascend 950 超节点部署 DeepSeek-V4.1-Flash,TPOT 10ms 单卡输出吞吐 5102 tokens/s,与英伟达 H100 同一基准约 5500 tokens/s 差距不再悬殊。
DSec + DeepEP + 昇腾 950 软硬协同首次把中国大模型团队的全栈基础设施能力公开到工程级细节——这意味着 DeepSeek 不仅是模型团队,而是具备工业级 RL 训练全栈能力的"AI 工程基础设施供应商",这一身份对中国大模型竞争格局影响深远。
3.3谷歌 Gemini 4 突然发布:RSI 加持,价格只有 Astra 一半,GPT 与 Opus 让让
重磅
🌍 全球信号基础模型
🎓 学术:谷歌 10-01 突然放出 Gemini 4,主打 RSI(Recursive Self-Improvement,递归自我改进)能力。技术细节:Gemini 4 在 inference time 通过递归自我评估-改写循环提升回答质量,在 SWE-bench Verified / MMLU-Pro / GPQA Diamond 等基准上较 Gemini 3 提升明显;定价为 Astra 一半,API 接入仅需更新 client SDK。多模态端继续支持图像、视频、音频原生输入,在 Long-context(2M token)榜单上稳居第一阵营。
🏢 产业:产业界,Gemini 4 是谷歌对 OpenAI GPT-6 / Anthropic Opus 5.5 的正面回应:价格砍半意味着谷歌愿意用云服务亏损换市场份额;RSI 路线如果验证成功,意味着 inference 时间换质量成为新范式——这对依赖 GPU 利用率算账的厂商形成压力,迫使他们要么跟进 RSI 路线、要么靠 agentic 工作流缩短时间。
Gemini 4 的"半价"定价不是单纯降价,而是谷歌试图用 inference time scaling 把"质量"从 pretraining 阶段挪到 deployment 阶段,这一步如果成功,会重新改写"训练越强 → 客户越多"的飞轮逻辑。
3.4Anthropic 实测喊话智谱 GLM-5.3:中国开源模型站到台前,Anthropic 给友商打广告
重要
🌍 全球信号基础模型
🎓 学术:量子位测评引述:Anthropic 在最新一次 Claude Opus 5.5 内部红队评测中,发现中国智谱 AI 出品的 GLM-5.3 在中文长文档理解、企业知识库问答、中文 SEO/营销文案等垂直任务上已逼近 Opus 5.5,部分场景甚至反超——Anthropic 内部安全/产品团队的应对方式是把"中国开源模型"列为重点对标对象,而非简单的"中文开源"。这被网友戏称"Anthropic 来给智谱打广告"。
🏢 产业:对国内 AI 厂商:这是中国开源模型第一次被国际顶级闭源厂商放进正式对标序列;同时也意味着中国 LLM 在中文语境 + 企业级应用上的护城河已经形成。对国际厂商:长期"中文用 LLM 兜底"的策略不再成立,可能需要专门为中国市场训练本地化版本,或者在中国语境任务上做更深的 RLHF 微调。
Anthropic 把 GLM-5.3 列入红队对标,标志着中国开源 LLM 在"中文企业级"赛道已经实质性进入第一阵营——这件事本身就是值得格局,而不是需要担心。
3.5openJiuwen X-Router 自演进路由首发:昇腾亲和,Agent 越跑越省,实测减 50%+ Token
重要
🇨🇳 中国动向基础模型
🎓 学术:openJiuwen(华为系开源)发布 X-Router 自演进模型路由技术,在昇腾 NPU 上完成全栈适配。技术细节:X-Router 是一层"路由头"(specialized multi-task prediction head),它通过分析历史用户反馈,自动学习"哪类问题派给哪个模型"的最优策略;每次推理完成后根据用户反馈(点赞/纠正/弃用)更新路由表。实测中,在多种 agent 工作流下 X-Router 可减少 50%+ Token 消耗(对比固定路由)。
🏢 产业:对 Agent 厂商:X-Router 提供了"自适应模型路由"的工具基础,Agent 调度可从"人工规则"升级为"自演进决策";对模型厂商:小模型占据更多路由份额,大模型占据关键决策份额,形成"分层定价"商业模型;对国产硬件:昇腾亲和意味着华为算力生态进一步获得 AI 工程层面的支持,与 NVIDIA 生态竞争中获得差异化。
X-Router 的关键不是省 Token 本身,而是把"路由决策"从静态规则升级为自演进系统——这是 AI 应用层进入"持续学习"阶段的标志,也是 Agent 真正具备长生命周期价值的工程前提。
💰 主题 4 · 资本 & 监管
资本 & 监管:AI 投资进入"百亿美元俱乐部",出口管制压力测试
4.1AMD 82 亿美元全股票收购 World Labs:苏姿丰-李飞飞联手锚定空间智能赛道估值
重磅
🌍 全球信号前沿产业
🎓 学术:AMD 在 10-04 宣布以 82 亿美元全股票方式收购由李飞飞(Fei-Fei Li)联合创立的 World Labs,World Labs 估值较 2025 年种子轮 1 亿美元跳涨超 80 倍。技术细节:World Labs 专注于"空间智能"(Spatial Intelligence)——让 AI 模型理解 3D 物理空间并能从中生成可交互的 3D 资产;核心技术是 Neural Radiance Fields (NeRF) + Gaussian Splatting + 大规模多视角扩散模型。其模型在 4D 视频生成、3D 场景重建、具身 AI 仿真等任务上保持 SOTA。
🏢 产业:产业界,这是 2026 年迄今最大的 AI 创业公司收购案,标志着 AMD 在 AI 推理芯片(NPU + GPU) + 空间智能应用层的双线布局完成;对 NVIDIA 来说,空间智能是 Omniverse 的核心战场,AMD 通过收购获得软件层入口;对李飞飞本人,她从 ImageNet 时代跨越到空间智能时代,在 AI 学界与产业界的影响力再上层楼。
AMD-李飞飞联手说明空间智能在 2026 年下半年正式从"研究方向"升格为"产业战略"——头部芯片厂商愿意为 4D / 3D 资产生态买单,反过来会加速整个具身 AI 与元宇宙基础设施的迭代节奏。
4.2英伟达 AI 芯片走私案嫌疑人被捕,涉案金额超 3 亿美元,出口管制压力测试
重要
🌍 全球信号政策监管
🎓 学术:10-05 07:40 美国司法部宣布破获一起涉及英伟达 AI 芯片走私大案,涉案金额超 3 亿美元,嫌疑人已被捕。据披露,走私渠道利用香港中转 + 第三国转运 + 伪造终端用户资料等手段绕过美国商务部出口管制;涉嫌走私的芯片型号包括 H200/GB200 等高端 AI 加速器,主要流向为受出口管制的实体清单企业。
🏢 产业:这是 2026 年迄今最大的 AI 芯片走私案,标志着美国出口管制体系面临压力测试:一方面反映中国 AI 厂商对高端算力的真实需求仍极度强劲,另一方面也反映走私网络已经形成"工业化"运作。对英伟达来说,需要在合规和销售之间寻找平衡;对中国 AI 厂商来说,进一步倒逼国产算力(昇腾、寒武纪、海光、摩尔线程)的研发与产能扩张。
3 亿美元走私案说明:出口管制短期内只能减缓不能阻止高端 AI 芯片流入受限市场——它的真正效果是把"灰色成本"加到产业链上,长期会加速国产替代节奏,但短期会推高受限市场使用高端算力的实际成本。
4.3TypeSafe Jev 估值 100 亿美元:创始人 Diogo Almeida 回答一切,"System One"类别吸金
重要
🌍 全球信号前沿产业
🎓 学术:(本卡聚焦资本维度,与 2.3 同源)据 The Information 披露,TypeSafe AI 正在洽谈新一轮融资,目标规模 10 亿美元或更高,部分意向投资者给出的估值已超 100 亿美元(折合约 672 亿元人民币)。TypeSafe AI 已从 DCVC 拿到 4000 万美元融资,创始人 Diogo Almeida 是 RLHF 共同发明人,曾参与 ChatGPT 研发。Jev 作为 TypeSafe 旗舰产品,9-15 发布,3 周内日处理 1 万亿 Token、25% 财富 500 强在用。
🏢 产业:AI 资本结构进入"百亿美元俱乐部"的不仅是大模型本身,还有像 Jev 这样的"决策模型"——一个新模型类别从发布到估值百亿仅用 3 周;这意味着投资人在"AI 杀手级应用"的方向上愿意下重注。对国内厂商:这是国内"决策模型"创业的明显对标信号,可能会催生一批对标 Jev 的国产公司。
Jev 百亿估值真正值得关注的不是金额,而是节奏——3 周走完传统 AI 公司 3 年的融资路径,这种"火箭式估值"在 AI 类别创新(无论大小模型)时已成为新常态。
4.4台积电先进晶圆价格 2027Q1 再上调 6%-8%:代工传导 AI 芯片成本压力
重要
政策监管🌍 全球信号
🎓 学术:10-05 07:29 IT之家援引供应链消息,台积电已向客户发出 2027Q1 调价通知,先进制程(3nm 及以下)晶圆价格拟再上调 6%-8%,成熟制程(7nm 及以上)价格不变。技术细节:此次调价覆盖 N3/N3E/N2 等先进节点,主因(1) 3nm 良率提升但产能仍紧张;(2) CoWoS / SoIC 先进封装产能扩张跟不上客户需求;(3) 台积电在美国亚利桑那 Fab 21/22 厂的运营成本上升需要传导。
🏢 产业:产业界,先进晶圆价格上调对 AI 芯片厂商(英伟达、AMD、苹果、华为海思)毛利率构成 100-300bps 压力;但对设计能力强的厂商(海思、AMD)来说,可通过 chiplet 设计 + 封装优化部分对冲。台积电涨价 2027Q1 与三星 Exynos 回归 AI 芯片、NVIDIA Rubin 量产时间窗口形成微妙博弈。
台积电先进晶圆连续上调价格,本质是"AI 算力需求"反向挤压上游代工产能——这种传导会持续到 2027 H2 直到 N2 / A16 量产产能释放。
🎓 主题 5 · 顶会 & 学术生态
顶会 & 学术生态:论文-代码-数据集-基础设施四件套同步公开
5.1IROS 2026 上 RoboParty RP1 全栈开源双足人形:160 N·m 峰值扭矩 + "Kick Me"开放试踹
重要
🌍 全球信号学术成果
🎓 学术:在 IROS 2026 上,RoboParty 公开展示 RP1(ROBOTO 01),称其为"全球首个高性能全栈开源双足人形机器人"。技术细节:峰值关节扭矩最高 160 N·m,基于自研 Romomo 执行器模组与实时运动控制系统;现场演示叫"Kick Me":观众可以上手推、踹机器人,RP1 在外部扰动下快速调整姿态并恢复平衡,不依赖预设动作轨迹;底层由 PartyOS 与 UFO 框架支撑——UFO 是一个用无监督强化学习发现人形运动技能的框架,训练出来的低层策略涵盖技能切换、抗扰恢复与跌倒恢复。
🏢 产业:RP1 是把"开源"做到全栈层面的样本:多数高性能人形以整机或封闭系统交付,硬件、控制、仿真都难以检视和改写;前作 RPO 在 GitHub 上有 2500+ 星,全球开发者社区 5000+ 人;核心团队来自清华姚班、北大智班、哈工大、斯坦福、CMU 等。团队表示 10 月公布开源路线图,第四季度推出更完整的软硬件与量产计划。
RP1 真正意义是把人形机器人从"展示能力"转入"可控验证"阶段——"Kick Me"类开放交互比预设动作更能暴露本体与控制层的真实鲁棒性,这也是开源 vs 闭源人形机器人的最大分水岭。
5.2DeepSeek 知乎独家首发 V4.1 Agent 训练底座 DSec:技术报告同步上 arXiv,130 人作者团
重要
🇨🇳 中国动向学术成果
🎓 学术:(本卡聚焦顶会 / 学术生态维度)DeepSeek 联合清华大学在 arXiv 发布 DSec 技术报告《DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale》,作者团队超过 130 人、梁文锋署名。这是 DeepSeek 首次对外完整披露其 Agent 训练背后的工程架构。技术细节亮点:EROFS 镜像分层 + 按需加载(集中创建 8192 容器任务完成时间从 60+ 分钟降至约 35 分钟、磁盘写入减少 57%);virtio-pmem + DAX 共享宿主页缓存使单宿主内存峰值下降 40.2%;DAMON + balloon 内存回收机制使累计内存消耗下降 21.2%;CPU 调度优化使时延敏感任务在 50% 同机负载下延迟增幅从 45.2% 降至 17.3%。
🏢 产业:对学术界:DSec 是少数公开的中国大厂 Agent 训练基础设施论文,提供了"高密度沙盒 + 镜像按需加载 + 可组合环境"三大工程范式;对企业:DSec 的部分组件(EROFS、virtio-pmem、DAX 内存回收)可直接复用,降低自建 Agent 训练平台的边际成本。
DSec 公开的意义不仅在工程细节,更在于它代表了中国 AI 团队"从模型卷到基础设施卷"的战略升级——顶级团队的竞争力已经延伸到训练平台的工程能力,而非仅靠模型规模。
5.3DeepSeek 扩招弹性计算团队!DSec 团队作者超 130 人,基础设施团队成"新重点"
重要
🇨🇳 中国动向产学研交叉
🎓 学术:量子位 10-04 报道,DeepSeek 弹性计算团队正在大规模招聘,招聘岗位涵盖分布式系统工程师、Linux 内核开发、虚拟化、存储系统、eBPF、安全工程等领域。结合 DSec 论文 130+ 作者规模,可以判断 DeepSeek 正在把"基础设施团队"作为公司战略级重点——其规模可能已经超过"模型团队"。
🏢 产业:对国内 AI 行业,DeepSeek 公开 DSec + 130 人作者团 + 大规模招聘形成强烈信号:Agent 训练基础设施是"下一个 AI 工程红利"。对硬件厂商:DeepSeek DSec 已经在 Ascend 950 超节点完成实测,这意味着昇腾生态的"训练平台层"获得完整闭环;对人才市场:具备 Linux 内核 / 虚拟化 / 分布式存储 / eBPF 经验的工程师在 AI 公司将获得显著溢价。
DeepSeek 扩招基础设施团队 + DSec 公开 = 中国 AI 公司开始把"模型-基础设施"双轮战略落地——这是 OpenAI/Anthropic 在 2025 年做过的同一件事,中国团队在 2026 年下半年开始系统性跟进。
🔮 主题 6 · 本周前瞻
本周前瞻:开源、Agent、出海三个方向值得跟踪
6.1Manus 2.0 回归:给 AI 配手机号和钱包,还能拉群干活,Agent 进入执行期
观察
🌍 全球信号产品落地
🎓 学术:量子位 9-30 报道,Manus 2.0 正式回归,主打"给 AI Agent 配手机号 + 钱包 + 拉群干活"。技术细节:Manus 2.0 引入了"Multi-Agent Collaboration Group"(多智能体协作群),允许一个 Agent 拥有真实手机号(用于 SMS / 语音验证)、支付钱包(用于电商 / 订阅服务)、拉群协作(同时调度 5+ 智能体在一个工作流里协作完成任务);在 SWE-bench Verified 上 2.0 较 1.5 提升 12.3 个百分点。
🏢 产业:对 Agent 厂商:Manus 2.0 首次把"打电话 + 付钱 + 拉群"这类"现实世界交互"工具集成到 Agent,Agent 从"聊天框"扩展到"现实世界执行者";对企业:Agent 可以独立完成"注册账号 → 支付 → 接收验证码 → 加入协作群"等流程,显著扩展自动化场景;对监管:手机号、支付钱包这类高权限工具的代理使用将引发新一轮合规讨论。
Manus 2.0 真正意义是把 Agent 从"对话框"扩展到"现实执行者"——这是一个产品级里程碑,也是 Agent 安全与合规挑战的起点。
6.2OpenAI GPT-6 Sol 提示词泄露:AI 应用进入系统工程时代,提示词工程师职业化
观察
🌍 全球信号趋势观察
🎓 学术:(本卡聚焦前瞻维度,与 3.1 同源)29.4 万字符 GPT-6 Sol Codex 系统提示词的曝光,意味着 OpenAI 的内部"提示词工程"已经达到极致水平——1902 行模板 + 临时指令文件 + 内部协作逻辑。这不仅是 OpenAI 的内部资料,更是整个 AI 应用行业进入"系统工程时代"的标志:真正的工业级 AI 应用需要"模块化 Skills + 记忆管理 + 执行策略 + 安全协议"四大支柱,提示词调优只是入门级工作。
🏢 产业:对企业 AI 应用开发者:可参考 GPT-6 Sol 提示词框架设计企业内部"AI 助手系统提示词",关键模块包括负面词汇黑名单、自主执行规则、工具链、记忆交接、后台监控、代码审查规则。对职业市场:提示词工程师从"调参小技巧"升级为"AI 系统工程师",岗位薪酬将向资深软件工程师对齐。
GPT-6 Sol 泄露标志 AI 应用从"会说话的聊天机器人"正式进入"可接管权限的操作系统"——这意味着企业级 AI 工程师需要把系统化思维带到提示词设计中,否则会与顶级团队拉开数量级差距。
6.3正行创新总裁杨宇欣就任:具身智能抢占海外业务窗口,Striding AI 进入快车道
观察
🇨🇳 中国动向产业交叉
🎓 学术:量子位 9-29 报道,正行创新(Striding AI)联合创始人杨宇欣正式出任总裁,负责全球业务拓展。技术细节:正行创新成立于 2025 年,总部北京,核心团队来自清华、北大、CMU;自研具身模型 + 通用机器人本体 + 软件三层能力,致力于把具身智能从展台演示推进到真实场景(汽车、家电、物流)。杨宇欣本人此前在机器人 / 自动驾驶领域有 15 年从业经验,曾在知名 Tier 1 担任高管。
🏢 产业:对国内具身智能:杨宇欣就任标志具身智能产业从"模型-本体-控制器"全栈研发,转入"商业化与海外拓展"阶段;2026 年下半年起,中国具身智能公司将开始密集进入欧美市场(类似 2020-2022 年的新能源车出海节奏)。对人才市场:具备海外 BD 经验的资深机器人高管将成为具身智能公司争夺重点。
正行创新 + 杨宇欣的组合表明中国具身智能的下一阶段竞争点从"技术研发"转入"商业化与海外市场"——这与同期 FieldAI / Skild AI 等美国大脑层公司的资本热度形成对照,中国具身智能可能走出与海外不同的"硬件 + 服务"出海路径。