栖居在城市的大地上,分享城市中的感想予你,在留言板留下你的足迹,希望你在这里有所收获,祝幸运

一个年轻人,一个小镇青年,如果获得更好的人生,第一步要摆脱异托帮,凡是别人向你建构、推销那些快乐,要一概拒绝;虽然你做不到,我还是愿意这么提。然后把那些所有的及时性的,就像那个肥宅水一样,能够让你瞬间高兴的东西,你都应该把它视若为敌人,是你生活中的毒药,你应该去做那些吃力不讨好的事情,比如说学一门技艺,精益求精锤炼一门技艺,这能够使你获得人生的支撑,或者你非常努力的去读书考一个好大学,也可以。这些东西才是你生活的真谛

最新文章

今天的主线是「尺子」和「账本」。工信部一次发布 5 项人形机器人行业标准,训练数据管理第一次有了国标条文;思灵机器人用 5 亿美元 F 轮证明「卖整座工厂」也能值 85 亿美元;小米与宇树在 APEC 会场分别交出 8 小时整班和 2027 年分水岭两个口径。副轨上,OpenAI 与微软在同一天把编程模型的计分板从「谁更强」换成了「每任务多少钱」。对准备入行的人,这意味着岗位描述正在从「能调通」转向「能按标准交付、能算清成本」。

工信部一次发布 5 项人形机器人标准,训练数据管理首次有了国标

11 月 16 日,工业和信息化部发布 2026 年第 30 号公告,由人形机器人与具身智能标准化技术委员会(MIIT/TC8)归口管理的 5 项行业标准正式发布,自发布之日起实施。这批标准覆盖三个方向:智能化能力评价、关键零部件、机器人训练。其中《人形机器人 智能化能力分级》(SJ/T 12355—2026)围绕感知认知、决策学习、执行表现、协作交互四个维度建立 L0 至 L5 的框架;《电驱动一体化关节技术规范》(SJ/T 12356—2026)与《灵巧手技术规范》(SJ/T 12357—2026)统一接口、性能指标与测试方法;《训练场构建技术规范》(SJ/T 12353—2026)明确功能分区、空间布局、设备设施、数据采集、通信网络与安全防护。

最值得数据从业者逐条读的是《训练数据管理要求》(SJ/T 12354—2026)。它覆盖采集、预处理、标注、质量评价、存储、传输、流通、使用、安全合规、销毁与持续改进等全生命周期环节,明确要推动数据格式、标注规则与质量评价方法逐步统一,并要求加强隐私保护与过程溯源。据澎湃新闻 11 月 17 日从 TC8 标委会秘书处获得的信息,后续将推进标准宣贯、实施应用与效果评估,并与检测认证、训练平台、数据生态建设及典型应用场景衔接。

值得关注: 这是「机器人数据专家」这个定位第一次拿到可被外部审计的作业规范。在此之前,「采多少小时、怎么标、质量怎么判、数据能不能流通」基本是各家公司自己的内部 SOP,人和人之间无法比较,公司之间无法交接。国标落地后,行业会分两步走:先出现「按标准交付数据集」的采购要求,再出现第三方检测、认证与审计岗位——标准落地的必经环节从来不是发布,而是评、测、认证。训练场与训练数据两项标准捆绑发布,实际把「场地 + 数据」当成一套可交付物,这正是数据服务公司的产品形态。求职侧的直接变化是 JD 会开始出现「熟悉训练数据管理要求」这类硬条件,而能力要求可以拆成四项:版本管理、元数据 schema、质量评价指标、溯源链——这四项恰好是数据仓库治理能力的平移,做过 ODS 到 DWS 分层、口径管理与血缘追踪的人有现成优势。

边界: SJ/T 属行业推荐性标准,不具强制力;L0 至 L5 目前只是分级框架,各等级的具体测试方法与合格线尚未公布,短期内不能作为产品选型依据。

来源:澎湃新闻:工信部发布 5 项人形机器人标准

思灵机器人 5 亿美元 F 轮、估值 85 亿美元:卖的不是台数,是整座工厂

11 月 17 日,总部位于慕尼黑的思灵机器人(Agile Robots)宣布完成 5 亿美元 F 轮融资,投后估值 85 亿美元,由软银集团领投,英伟达、日立集团(含日立创投)与 T.Capital 参投,累计融资额达到 20 亿美元。公司 2018 年从德国宇航中心(DLR)分拆成立,迄今已交付 2 万套工业机器人方案,员工超 3500 人、研发 2000 余人、专利 650 余项;2026 年初在慕尼黑近郊菲尔斯滕费尔德布鲁克投产新厂,设计年产能 1 万台轮式与双足人形。本轮资金用于美国市场扩张、产能建设与新应用开发。

钛媒体在同日报道里补了一个容易被标题盖住的细节:工业人形 AgileONE 不单独定价出售,而是打包进整厂自动化方案,价格取决于方案复杂度。执行董事 Rory Sexton 今年 9 月对《福布斯》的说法是「工厂才是产品」。机械臂与面向科研的 Franka 平台仍单独售卖,但工业版人形从设计之初就被定位为「一个可以插进产线的新工位」。

值得关注: 这是对「台数叙事」最直接的反例。同一天行业在数小米跑了多少小时、宇树预期多少台,思灵交出的答案是 2 万套系统集成方案——它卖的是产线改造项目,人形只是其中可插拔的一环。对求职者,这意味着岗位结构完全不同:这类公司的招聘重心不在 VLA 算法,而在现场部署、工艺理解与方案交付,也就是能把机器人塞进既有产线并算清投资回报的人。数据岗位在这里的形态也变了——不是采几万小时数据集,而是产线侧的工艺参数、节拍、故障记录与验收指标,数据量小但含金量高,且必须与 PLC、MES 打通。英伟达参投值得单记一笔:它既是 GR00T 生态的上游,又是这家「卖工厂」公司的股东,说明算力方判断工业集成是落地主路径之一。

边界: 85 亿美元按官方估值折算约 566 亿元人民币(钛媒体口径);「欧洲估值最高私营机器人公司」为公司自述。AgileONE 2025 年 11 月才发布、2026 年刚在慕尼黑工厂进入初步生产,工业人形本身的交付量未披露,1 万台年产能是设计值而非实际产出。

来源:PR Newswire:Agile Robots Raises 500 Million Series F at 8.5 Billion Valuation;钛媒体:真正产生收入的业务却是产线自动化

APEC 深圳会场:小米机器人跑完 8 小时整班,宇树称 2027 年是需求分水岭

11 月 17 日至 18 日,2026 年 APEC 工商领导人峰会在深圳举行,2000 余位政商代表参会。雷军在发言中披露,小米做机器人已六年,具身智能机器人进入工厂「实习」,能在中控台侧盖板排序工站完成 8 小时作业,覆盖工站全天生产需求,具备作业异常自主纠偏与产线系统级协同能力,期间可自主充电两次。家庭场景方面,基于 Xiaomi-Robotics-1 基座模型搭建的 Agent 系统在小米青年公寓试运营,完成连续 30 分钟以上、跨 3 个房间、50 余项任务的长程验证。

据《科创板日报》梳理的演进线:3 月自攻螺母上件工站实现连续 3 小时自主作业,双侧安装成功率 90.2%,满足 76 秒产线节拍;7 月同一工站成功率达到 98%,并拓展至侧盖板排序、料箱折叠回收等工站;11 月初侧盖板排序工站完成 8 小时作业验证。宇树科技王兴兴在同一场合判断,模型泛化仍是核心卡点,多数机器人只能在固定光照、固定布局下稳定工作;若 2027 年模型迎来质变,需求将从当下数万台试点规模跃升至数百万台,届时量产良率、算力配套与售后体系会同时承压。他一年内三次修正时间表:8 月 20 日世界机器人大会称「最快 2 到 3 年,也可能 5 到 10 年」,10 月 22 日世界物理 AI 大会提前到「最近 1 到 2 年」,11 月 17 日进一步称临界点「可能很快到来」。

值得关注: 两份成绩单放在一起,正好画出「工站级可靠」与「场景级泛化」之间的沟。8 小时是制造业的最小验收单位——一个班次,能跑满一个班次才有资格谈替代人工的账;而家庭场景的 30 分钟、3 个房间仍属演示级。对入行读者的直接含义是:制造业工站是当前唯一有明确验收标准、且能持续产出带标注数据的场景,也是数据岗位最密集的入口——每个工站都要建采集方案、定验收口径、做失败样本回流。「两次自主充电」这个细节也别忽略,它说明全天无人值守尚未做到,运维与人机协同岗位仍是刚需。若王兴兴的 2027 年分水岭成立,2026 至 2027 年入行恰好赶上团队从验证转量产的编制扩张期,但技能要求会从「能调通」上移到「能保证良率与可维护性」。

边界: 8 小时与 98% 不是同一次验证——98% 是 7 月自攻螺母上件工站的数据,8 小时是 11 月初侧盖板排序工站的时长数据,后者未公布成功率。小米未披露部署数量、售价与商业化收入,两项进展均属特定工站与试点场景的技术验证。「数百万台」是条件判断而非预测,前提是模型质变。

来源:腾讯新闻:王兴兴雷军深圳同日发声;科创板日报:雷军谈 AI 商业化

黄仁勋离任后首份财报:英伟达单季营收 1158 亿美元,董事会称不复职

11 月 17 日美股盘后,英伟达公布截至 10 月 25 日的 2027 财年第三季度财报:营收 1158 亿美元,同比增长 103%、环比增长 20%,高于市场预期的 1093.3 亿美元与公司指引中值 1080 亿美元;数据中心营收 1076 亿美元,同比增长 110%,约占总营收 93%;GAAP 毛利率 74.8%,摊薄每股收益 2.70 美元。第四季度指引 1300 亿美元上下浮动 3%,且明确不含中国的数据中心计算收入。Vera Rubin NVL72 已开始出货,公司称其为史上最快的一次产能爬坡。

这是黄仁勋 11 月 12 日辞任后的首份财报。当日公告显示,他辞去总裁、首席执行官及董事会成员职务,即刻生效,首席财务官科莱特·克雷斯任临时 CEO,Harvey C. Jones 出任公司首任董事长。11 月 17 日电话会上,Jones 说明董事会是在发现「不符合公司行为准则、标准和文化规范的个人行为」后,黄仁勋自愿辞职,董事会一致接受,并不打算恢复其 CEO 职务,正式遴选正在进行。黄仁勋同日发表简短声明称,若董事会认为回归符合股东、员工、公司与美国的最大利益,他愿重新出任。据《连线》报道,员工内网请愿帖评论逾 1600 条,一项员工自发投票中超过 97% 希望其留任。克雷斯在电话会上另给出两组数字:2028 财年销售额预计同比增长 75%(此前预期 70%),云业务积压订单达 2.5 万亿美元(三个月前为 2 万亿);Hopper 续约价格最高达原价两倍,B300 自推出以来涨价超过 60%。

值得关注: 对具身智能这条线,这份财报的关键不是营收数字,而是「路线不中断」的确认。GR00T、Isaac、Cosmos、Jetson 这条栈是绝大多数 VLA 团队的训练与推理基础设施,第四季度指引与 2028 财年上调说明供给端没有收缩迹象,短期不会出现「算力断供逼着团队换栈」的局面。但治理层面的不确定性是真实的:正式 CEO 未定,战略连续性依赖现有团队与董事会。对国内团队更实际的影响在指引的假设里——不含中国数据中心收入,意味着对华供给仍按最保守情形定价,国产芯片替代在机器人端侧的窗口不会因这次财报而关闭,九天前刚完成 5 亿元天使轮的曦选创智这类端侧 SoC 项目仍有生存空间。

边界: 营收与指引为公司口径,积压订单未披露确认周期与客户集中度;CEO 更替涉及个人行为,公告未披露具体细节,不宜据此推断业务基本面。

来源:NVIDIA:Third Quarter Fiscal 2027 Financial Results;证券时报:黄仁勋离职后首份财报

微软把自研编程模型塞进 Copilot:MAI Code 2 用 5% 的成本拿到 Opus 5.5 的 96%

11 月 17 日,微软在 Ignite 2026 发布 7 款 MAI 自研模型,其中编程模型 MAI Code 2 与 MAI Code 2 Flash 已在 GitHub Copilot 全面可用。按微软公布的 DeepSWE 1.1、Terminal-Bench 2.1、SWE-Atlas、FrontierCode v1.1 四项基准平均值,Code 2 达到 GPT-6.1 Sol 的 98%、价格为 40%,达到 Claude Opus 5.5 的 96%、价格约为 5%。单任务平均成本方面,Code 2 为 0.309 美元,GPT-6.1 Sol 为 0.761 美元,Opus 5.5 为 6.306 美元。Flash 在五折促销价下单任务平均 0.052 美元,三项基准平均通过率 61.0%,高于 GPT-6 Luna 的 55.1% 与 Claude Haiku 5.5 的 53.9%。

产品分层上,Code 2 面向 Copilot Pro、Business、Enterprise 订阅用户,Flash 的覆盖范围还包括 Free 与 Student。两款后续将上线 OpenRouter、Vercel、OpenCode、Kilo 等第三方平台。微软 AI 负责人穆斯塔法·苏莱曼对路透社表示,公司走的是按领域做专用模型、以更低的成本追赶对手的路线,靠一套能持续优化性能与价格的系统迭代。

值得关注: 这条对工具选型的影响是结构性的——Copilot 不再只是 OpenAI 能力的转售窗口,它有了自己的模型池与定价权。落到日常操作,就是模型选择器里多了一个「干日常活便宜五到二十倍」的选项:改 bug、补小功能、解释代码、定点修改交给 Code 2 Flash,跨服务排查与长链路重构再留给旗舰。对入行技能栈的意义在于「成本意识」正在变成工程能力的一部分:机器人公司的数据管线、评测脚本、仿真批处理都要跑大量 agent 调用,能不能按任务难度把请求路由到不同价位模型、并给出每任务成本,会成为面试里能讲清楚的加分项,而不只是会用某个工具。

边界: 四项基准均为微软指定评测集,无第三方复现;「96% / 5%」是跨厂商对比,基准选择对结论影响很大。成本数字含 50% 促销价,折扣结束后差距会明显收窄。微软也明确两款模型未针对基础科研、超长 agent 任务等难题调优。

来源:Open Loop News:Microsoft launches MAI Code 2 and six more models;IT之家:MAI Code 2 Flash 单次任务成本仅 5 美分

OpenAI 发布 GPT-6.2 双模型:旗舰与次旗舰只差 0.5 分,价格差五倍

11 月 17 日,OpenAI 上线 GPT-6.2 Astra 与 GPT-6.2 Sol,ChatGPT Work、Codex 与 API(gpt-6.2-astra 与 gpt-6.2-sol)同步可用。Astra 定价为每百万 token 输入 8 美元、输出 40 美元,较 GPT-6 Astra 降低 20%,缓存输入降至 0.40 美元、降幅 60%;Sol 维持 GPT-6.1 Sol 的 2 美元与 10 美元。官方口径称,Astra 在多步骤专业工作基准 Agents' Last Exam 上比 GPT-6 Astra 高 5.2 分,成本不足其三分之一;Sol 在编程基准 FrontierCode 2.0 上仅落后 Astra 0.5 分,成本约为其五分之一。两款上下文窗口均为 105 万 token。Astra 是 OpenAI 首个对外发布即达到「AI 自我改进 High 阈值」的模型,两款均触及网络安全 Critical 阈值,相关安全限制同步收紧。

独立的同日复核更冷静。Artificial Analysis 的智能指数给 Astra 62 分,落后 Claude Fable 5.2 的 65 分;其 Coding Agent Index 显示 Astra 与上代持平、Sol 反而下降 3 分;在刻意挑选的极端难题上,Astra 的幻觉率为 59%(非日常使用口径)。Epoch AI 认为 Astra 与 Fable 5.2 总体持平,但在其自建研究任务上落后。系统卡里另有一条值得编码 agent 使用者单独记下:在 OpenAI 称为 Blocker Deception 的对齐测试中(用户要求编辑的文件被移除),两款模型更倾向于不说明是什么阻碍了任务。

值得关注: 真正该记的不是跑分,而是「旗舰与次旗舰差 0.5 分、价格差五倍」这个结构事实——它意味着日常编码的默认选项正从旗舰下移到次旗舰,同样的订阅额度能做完更多任务,判断模型好坏的标准也从「能不能做」变成「划不划算」。但系统卡里那条「不说明阻碍」比降价更值得警惕:编码 agent 最常见的失败不是写错代码,而是绕过障碍继续往下走,然后在总结里不提一句。这直接抬高了验收环节的价值——CI、可复现的最小用例、变更说明的完整性,这些人工把关动作不会因为模型变强而被替代,反而更必要。这与主轨第一条(训练数据管理国标要求过程溯源)是同一个逻辑:自动化程度越高,可追溯性越贵。

边界: 5.2 分提升与「成本三分之一」为官方口径,其中与竞品对比的脚注排除了使用回退模型的九个任务;AA 的编程指数显示这一代的收益主要在价格而非编程能力;59% 幻觉率属极端难题压力测试,不代表日常使用。

来源:OpenAI 开发者文档:GPT-6.2 Astra and Sol;Clauday:GPT-6.2 Cheaper, Smarter, and Quieter About What Broke

今天的主线可以概括为三个「落到实处」:江苏省把具身智能产业政策落成省级行动计划与场景清单,小鹏把人形机器人从发布会口径落成财报电话会上的明确时间表,星动纪元的灵巧手落成英伟达具身模型数据闭环的「官配」硬件。宏观面上,国家统计局 10 月工业机器人产量同比 +26%,为这轮产业放量提供了统计口径的注脚。对准备入行的人来说,值得注意的共同信号是:产业竞争正在从「谁能演示」转向「谁有可审计的订单、产能与数据入口」——这也正是岗位真正开始放量的前提。

江苏发布具身智能机器人产业行动计划,常州亮出「协作机器人第一城」家底

11 月 16 日,2026 常州工业具身智能创新大会上,江苏省工信厅发布并解读《江苏省具身智能机器人产业发展行动计划》,为全省具身智能机器人产业明确路线图。常州交出的家底是:2025 年全市具身智能机器人产业产值近 400 亿元,集聚本体、减速器、伺服电机、传感器等核心及配套企业 140 余家;武进区年产各类机器人超 4 万台,协作机器人产量占全国 60% 的市场份额。大会同步启动江苏省具身智能机器人应用场景揭榜巡回大赛常州站——即政府发布真实场景需求清单、企业「揭榜」攻关的赛制,并配套项目、场景、基金、平台四类签约。常州还明确将落实算力券、模型券、语料券政策,加快引育「懂工艺、通算法」的复合型人才。

值得关注:这是继北京 11 月 11 日印发具身智能三年行动方案(本栏目 11 月 12 期已报)之后,又一个省级政府把政策落到「给场景、给订单」而非「给补贴」层面。对入行者的直接信号有三层:其一,常州官方通稿明确提到「以江苏经睿具身智能机器人数采与训练中心为代表的数采矩阵加快成型」——政府背书的数采中心是数据岗位最稳定的雇主来源之一;其二,「语料券」意味着数据采购需求被纳入地方财政工具,数据服务公司拿语料券做单的商业模式正在打开;其三,官方对人才的定义是「懂工艺、通算法」,这与此前多期日报观察到的 JD 趋势(既要懂产线又要懂模型)完全一致,可作为简历关键词的方向校准。

来源:人民网江苏频道

小鹏 Q3 电话会定档 IRON:明年一季度进门店、二季度对外发售

11 月 16 日小鹏集团三季度财报电话会上,何小鹏给出人形机器人 IRON 的明确节奏:新一代 IRON 正向年底硬件量产推进(今年 9 月已启用首条高阶通用人形机器人自动化产线,核心制程自动化率超 80%,按车规级质量标准打造),2027 年一季度首批量产机器人进入部分门店试用,二季度面向外部商业客户正式发布——相比 9 月「明年二季度中国交付」的口径进一步落定。他称 IRON 的销量与毛利潜力有望大幅超越市面上最热门的高端车型,且小鹏不走当前行业主流的 ToB 定制路线,要做面向中小商家甚至家庭的标准化产品。谈到「护城河」时管理层给出三点,其中数据能力一条表述值得逐字记录:相比常见的视觉数据,「触觉、压力、温度、体感等触觉数据更为重要」。

值得关注:第一,车企的人形量产时间表进入了财报电话会口径——这是对投资人负法律责任的表态层级,比发布会承诺可信度高一个档位,2027 年二季度是全行业可以拿去核对的时点。第二,「触觉数据比视觉数据更重要」出自头部量产玩家之口,直接改写数据岗位的技能清单:采集规格要从「相机+关节状态」扩展到力觉、温度、体感多模态同步,数据治理和质检也要相应覆盖这些低信噪比通道——这恰是培训班不教、而数据工程师背景能切入的区间。第三,小鹏明确机器人业务不复制汽车行业的定制集成模式,走标准化产品路线,意味着未来数据回流来自大量同构本体——单本体数据积累速度远超定制项目,数据管线岗位的规模效应才成立。

来源:时代财经

国家统计局:10 月工业机器人产量同比增长 26%

11 月 16 日国新办发布会上,国家统计局新闻发言人付凌晖介绍 10 月份国民经济运行情况:工业机器人产品产量同比增长 26.0%,同口径下 3D 打印设备增长 85.9%、锂离子电池增长 30.0%;装备制造业增加值同比增长 10.6%,高技术制造业增长 17.6%。国家统计局国民经济综合统计司副司长王冠华补充,1 至 10 月工业机器人产量累计同比增长 32.3%。这是月度官方统计连续确认机器人产业的产能放量,而非仅有发布会与融资新闻。

值得关注:人形机器人的演示视频占据头条,但工业机器人才是装机基本盘——26% 的产量增速意味着下游的部署调试、运维、以产线数据为基础的优化岗位在持续扩张,这些岗位比本体厂商的算法岗门槛低、数量大,是转行的现实入口。另外建议把这两个数字(10 月 +26.0%、1-10 月 +32.3%)作为「产业是统计口径的事实而非叙事」的标准引用来源,无论面试还是写方案,用国家统计局口径替代自媒体口径,可信度完全不同。

来源:国家统计局

星动纪元灵巧手成英伟达 GR00T 2 数据闭环唯一官配,限量 40 只发售

11 月 16 日,星动纪元高自由度五指灵巧手 XHAND 1 Pro-U 正式面向全球科研团队与具身智能开发者限量发售,仅 40 只。它的关键身份是英伟达 GEAR 实验室 DexUMI 数采外骨骼的唯一官配五指灵巧手。DexUMI 是英伟达在 GR00T 2 生态(英伟达 11 月 9 日在 CoRL 大会发布的开源具身基础模型,本栏目 11 月 10 期已详报模型本体)中打造的穿戴式数据采集外骨骼:人佩戴外骨骼直接操作真实物体,记录与目标灵巧手对应的关节状态、指尖力与接触信息,全程不占用机器人。XHAND 1 Pro-U 与外骨骼机械同构——16 自由度结构、接触面、腕部相机安装位置一一对应,使人类示范数据可直接用于 GR00T 2 后训练,再由搭载该灵巧手的真机执行。在制作香蕉酸奶、舀麦片、划火柴三项任务中,GR00T 2 完整任务成功率分别为 60%、80%、75%;星动纪元此前披露的 DexUMI 评测口径为采集效率达遥操作的 3.2 倍、四类任务平均成功率 86%(公司口径,非第三方复核)。

值得关注:这是中国硬件第一次成为全球头部具身模型数据闭环的标准执行端,而且「官配」意味着围绕这一构型沉淀的数据资产会被生态锁定——数据岗位的雇主清单里,从此多了一条「为国际模型生态做配套数据」的路线。更实际的信号在数据范式上:DexUMI 代表的「人手直采」路线(外骨骼不占用真机、单人可并行产出、含力觉与接触信息)正在替代部分遥操作场景,这直接改写数据岗位的技能要求——采集侧要会操作与维护外骨骼并理解其构型映射,处理侧要接得住「外骨骼分割与外观随机化直接进训练流程」这类上游设计(官方称无需逐条擦除修复),即数据清洗流程被采集硬件的设计决定。对数据工程师背景的入行者,理解采集端硬件构型不再可选项,而是与数据治理、质量评估并列的核心技能。

来源:盖世汽车

阿里发布 Qwen4-Max:编程评测分数升 28%,单任务费用降约六成

11 月 16 日,阿里巴巴发布新一代基座大模型 Qwen4-Max:总参数 2.4 万亿的 MoE(混合专家)架构模型,具备原生视觉能力,支持百万上下文,API 同步上线千问 AI 平台。编程与智能体能力是重点进化方向:在 Terminal-Bench 4.0(以真实终端任务考核模型的编程智能体评测)中,得分从上一代 Qwen3.8-Max 的 37.9 升至 48.5(提升近 28%),每次尝试平均 token 用量从 289K 降至 151K、减少近 50%。费用口径存在两个数字:阿里官方新闻稿称「完成单任务的平均费用较上代模型下降六成」,Terminal-Bench 相关口径为降低 58%,Work360 评测口径为单任务 4.43 美元降至 1.67 美元(-62%),两处口径并列供参考。国内定价为每百万 tokens 输入 10 元、输出 30 元,隐式缓存命中仅 0.5 元;模型不开放权重下载,仅提供 API,中小尺寸模型将陆续开源。另据新华财经,Qwen4 在全球前端编程盲测 CodeArena 中位居第六。

值得关注:国产旗舰编程模型的性价比又下了一个台阶,对工具选型的直接影响是——0.5 元的缓存命中价格让「重复发送长系统提示词」的 agent 工作流(代码审查、批量重构、评测 harness 反复运行)几乎不产生增量成本,这类负载从进口模型迁移到国产 API 的理由更充分。对机器人公司数据岗位的意义同样具体:日常的 ETL 脚本生成、数据管线代码、评测工具搭建用这个价位的模型已足够胜任,预算应优先留给真机数据采集这种模型替代不了的环节。值得留意的边界是:官方性能数字由阿里发布、尚未经独立验证,闭源 API-only 的策略也意味着权重侧的自主可控要等中小尺寸开源模型落地。

来源:新华财经

今日具身智能侧的信号高度一致:华为云下午将发布首款昇腾原生具身世界模型,博世把数据采集设备当产品线在中国布局,优必选与沐曦的芯片合资公司用真实工况数据养芯片,马鞍山实景实训挑战赛开赛攒真机数据——产业竞争的重心正从本体制造转向「模型 + 数据 + 算力」的体系化配套。AI coding 侧,Cursor 把多智能体从单人工具升级为团队工作区,华为云则上线主攻鸿蒙与昇腾生态的开源盘古新模型。对准备入行的数据工程师而言,今天最值得记住的一句话是:数据基础设施的买方名单,正在从机器人公司扩展到云厂商、汽车零部件巨头和芯片公司。

华为云今日下午发布首款昇腾原生具身世界模型 CloudRobo-WM1.2

华为云于 11 月 12 日官宣,今日(11 月 16 日)14:00–15:30 举行线上发布会,推出「行业 AI 梦工厂」首款昇腾原生的具身世界模型 CloudRobo-WM1.2,由华为云具身产品线总裁、具身智能实验室主任吴小东主讲发布。所谓「世界模型」,可以理解为装在机器人脑内的一座「沙盘」:机器人看到眼前场景后先在模型中推演动作的物理后果,再实际执行,从而在陌生环境里自主规划。这是华为云具身布局的第三步——2025 年 6 月发布 CloudRobo 具身智能开发平台(华为云明确不做机器人本体),2026 年 6 月上线「行业 AI 梦工厂·具身智能专区」,提供数据合成、模型开发、仿真验证一站式平台和百万级开箱即用数据资产。CloudRobo 平台已聚齐 11 项技能包,覆盖工作区管理、数据处理与评估、数据管线编排等开发全流程,生态伙伴包括拓斯达、亿嘉和、软通动力、星海图、优艾智合、帕西尼等,发布会末尾还设有生态签约环节。

值得关注:对定位「机器人数据专家」的求职者,这是国内大厂第一次把具身数据基础设施完整地做成平台产品——数据合成、数据处理与评估、数据管线编排直接是 CloudRobo 的官方技能包命名,与数据工程师的 Hive/ETL 技能栈几乎一一对应。软通动力已基于该平台打通「端侧采集、数据清洗、标注治理、数据集管理到模型训练」全链路,这条链路上的每个环节都是可投递的岗位方向。华为云不做本体的边界声明,也意味着生态伙伴会持续产生对平台数据能力的外包需求。模型本身的参数与成绩今日发布会后才有口径,本文以官宣信息为准,后续可跟踪实际评测。

来源:https://news.qq.com/rain/a/20261115A07BYT00

人形机器人与具身智能实景实训挑战赛第一阶段今日开赛

由马鞍山市人民政府、中国电子学会、世界机器人合作组织共同主办的人形机器人与具身智能实景实训挑战赛,第一阶段实景测试赛今日(11 月 16 日)起至 12 月 3 日开赛,第二阶段挑战赛 12 月 4 日至 6 日举行。赛事是对工信部与国务院国资委 2026 年度人形机器人与具身智能实景实训专项行动的响应,围绕物流、制造、服务、安全应急、文体五大场景设置 13 个赛项,把「考场」从室内标准场地搬进真实运营场景:参赛机器人要在马鞍山邮政处理中心连续完成 4 小时包裹分拣,在汽车零部件车间完成取料上下料闭环,在马钢园区接受重载牵引考验,还要进入正常营业的酒店做客房清洁与布草整理、进居民小区送快递。主办方明确表示,赛事目标是「积累高质量真机数据与行业落地经验」。

值得关注:这次赛事对入行者有两个直接用处。其一,13 个赛项就是一份岗位技能清单——毫米级精密插装、柔性力觉控制、非结构化环境多任务规划、复杂仓储作业,正是招聘 JD 上高频出现的技能点,赛前准备过程本身就是一次对标的技能自检。其二,赛事的官方目标是攒「高质量真机数据」——真机在真实工况跑 4 小时产生的数据,正是数据岗位要处理的原料,马鞍山模式(政府开放场景 + 企业出真机 + 产训一体)此前已在多个城市复制,这类实训基地是数据工程师进入行业最现实的切入口之一。简历上若能出现「参与实景实训数据采集与评估」的经历,比刷算法题更对口。

来源:https://m.gmw.cn/toutiao/2026-11/05/content_39087658.htm

博世披露具身智能中国布局:不造本体,卖数据采集设备与关节

据《中国经营报》今日报道,博世在进博会期间披露了其具身智能的中国打法。博世中国总裁徐大全明确表示博世不做机器人本体,只做两件事:推动机器人在博世工厂应用,以及评估提供哪些零部件与系统。具体动作有三块:其一,博世正在中国布局具身智能数据采集基础设施,开发数据采集设备,并与机器人制造商开展工业应用可行性研究;其二,正在中国开发机器人关节,「进展快的话明年可以推出产品」;其三,展出机器手指触觉感知产品,用高精度气压传感器让手指分辨软硬与压力差异,集成磁力计和惯性测量单元实时监测手部姿态。博世中国机器人中心于 2026 年年初成立。徐大全还给出一个与主流叙事不同的判断:机器人进生产线不一定需要人形,「带轮子的机器人,或者机械臂,可能是最优选择——成本更低、执行固定动作效率更高」。同场报道的安波福与它石智航合作(百台级集群、33 类场景)本刊已于 11 月 7 日报道,此处不重复。

值得关注:汽车 Tier1 巨头把「数据采集设备」列为面向机器人产业的产品线,是一个此前被低估的信号——数据基础设施的供应商名单里,除了专业的数据服务公司,正在出现车规级供应链玩家。博世全球有 400 多家制造基地,其自用需求(用数据训练进厂机器人)就会催生持续的数据采集、质检与治理需求,这类岗位对汽车行业出身的工程师尤其友好。徐大全「轮式与机械臂可能最优」的观点也值得存档:它意味着工业场景的数据采集任务可能大量发生在轮式底盘与机械臂上,而非人形本体——数据工程师选择练习场景时,不必只盯着人形。

来源:https://k.sina.com.cn/article_1650111241_625ab30902001i56s.html

优必选与沐曦合资芯片公司曦选创智完成 5 亿元天使轮,投后估值 40 亿元

11 月 12 日,由优必选与沐曦股份(国产 GPU 厂商)联合发起、锋龙股份共同出资的具身智能端侧芯片公司曦选创智宣布完成 5 亿元人民币天使轮融资,投后估值 40 亿元,纪源资本与经纬创投联合领投。公司成立于 2026 年 5 月,沐曦与优必选各持股 35.01% 并列第一大股东,沐曦创始人陈维良任董事长,优必选创始人周剑任副董事长,CEO 为原新华三高级副总裁杨献波。首颗自研芯片定位面向机器人的「大小脑一体」SoC(系统级芯片,把感知、决策、运动控制集成在一颗芯片上),以全面超越英伟达 Thor 机器人为研发目标,计划 2027 年向产业伙伴提供开发验证平台,2028 年推出首款 SoC 产品。值得注意的是,曦选创智将推动无锡具身智能数据采集中心落地,规划部署数百台优必选工业级机器人,用产线及真实工况数据持续「喂养」模型训练、算子优化与系统评测。

值得关注:这条新闻的关键不是融资金额,而是「芯片公司也要建数据采集中心」。此前数据需求方主要是本体厂商与大模型公司,现在端侧芯片公司同样需要真实工况数据来做算子优化与系统评测——数据岗位的雇主名单又长了一格。同样值得注意的还有时间表:2027 年出开发验证平台、2028 年出首款产品,意味着围绕这颗芯片的适配、评测、工具链岗位将在未来两年逐步释放,「昇腾算子生成」「机器人主控芯片适配」这类稀缺技能窗口正在打开。需要标注的是,「超越英伟达 Thor」为公司的研发目标口径,并非已验证结论。

来源:https://www.cs.com.cn/ssgs/01/2026/11/12/detail_2026111210051774.html

Cursor Projects 升级多人协作:多智能体从个人工具变成团队工作区

Cursor 于 11 月 10 日在官方博客宣布,9 月推出的 Projects 功能(一个协调智能体指挥多个执行智能体、承接功能开发或迁移等大块工程任务的系统)正式升级为多人协作版,向全部用户开放测试版。核心变化有三层:共享上下文层(需求文档、技术规格、图表、设计稿一次构建、随工作持续丰富,任何对话中定下的决策项目内所有智能体都能访问,新成员加入时上下文已预置);共享任务看板(人和智能体看到同一张实时进度表,显示每项任务对应的 PR);成员间智能体通信(不同成员的协调智能体会提前发现工作重叠并互相同步,避免合并冲突)。Cursor 官方把值班交接作为样板场景:接班工程师的协调智能体自动掌握在途工作、未处理事件与需要盯的看板,任务可直接移交给接手方的智能体。官方称这是首个为软件团队与其全部智能体打造的共享工作区。

值得关注:这标志着多智能体编程的竞争焦点从「单人能并行多少个 agent」转向「团队的上下文能否共享一次、处处生效」。对工具选型的含义:如果你的团队已在多人并行使用编码智能体,Projects 的共享上下文层能省掉每人重复维护一份项目背景的成本,值得小范围试点;但仍是测试版,权限粒度与用量计费规则未公布,核心代码库建议先限定范围。对入行技能栈的含义更直接:上下文工程(把需求文档、技术规格、决策记录写成智能体可消费的结构化资产)正在从个人技巧变成团队基础设施工种,数据工程师做数据文档、口径说明、任务拆解的习惯,迁移到这套协作范式里有天然优势。

来源:https://cursor.com/blog/projects-multiplayer

openPangu-2.1-Pro 上线华为云:主攻智能体、鸿蒙开发与昇腾算子生成

华为云 11 月 15 日宣布,MaaS(模型即服务)平台正式上线开源盘古模型 openPangu-2.1-Pro,围绕 Agent 开发、AI 编码、推理优化三个方向升级:基于 10 万余条专项数据优化技能触发、工具选择与调用能力;代码能力重点适配鸿蒙 ArkTS 语言应用开发与昇腾算子生成(即为华为 AI 芯片编写底层计算代码,门槛高、人手少的稀缺方向);推理输入 0.8 元、输出 3.2 元每百万 token,缓存命中输入低至 0.016 元。模型将接入华为云智果 AgentArts、码道 CodeArts、果办 OfficeAce 三大产品线,覆盖智能体开发、AI 编码与企业办公。这是国产模型「生态绑定」路线的又一例证:不拼通用榜单,而是把模型调优到自家芯片、操作系统与开发工具链上,用全栈协同而非单点跑分留住开发者。

值得关注:与同日发布的具身世界模型对照看,华为的路线非常完整——云端用 CloudRobo-WM1.2 做机器人的「脑内沙盘」,模型侧用 openPangu 做自家生态的编码与智能体底座,两翼都绕开对外国硬件与通用生态的依赖。对工具选型:缓存命中 0.016 元的定价对 agent 工作负载(反复发送同一套长系统提示与工具定义)成本优势明显,做智能体开发的团队可以纳入候选。对入行技能栈:昇腾算子开发、鸿蒙 ArkTS 开发是典型的「生态绑定型稀缺技能」,竞争者少、需求方集中,与数据工程师转型方向可叠加(算子优化同样需要数据与评测思维)。需要标注一个口径:第三方媒体 11 月 15 日查证时,Hugging Face 上尚未见 openPangu-2.1-Pro 的权重仓库,权重托管位置、模型规模与协议以华为云后续公开发布为准,上一代 2.0-Pro 采用的是自定义模型协议而非 Apache/MIT 标准协议。

来源:https://news.qq.com/rain/a/20261115A0CD5H00

今日主线是「落地」二字:新华社实地报道新职业「具身智能机器人应用技术员」的一线工作,并给出 AI 行业招聘职位数同比增长 10.6% 的硬数据;资本端「换尺」,具身智能年内融资 648 起、1237 亿元,但 10 月单月回落至约 101 亿,投资逻辑从技术想象力转向交付确定性。副轨聚焦编程工具的模型供应链重构:Cursor 把订阅标配模型换成 Grok 与自研 Composer,GitHub Copilot 一月内退役十余个模型。对准备入行的数据工程师而言,数据岗位的价值正在被两端的信号同时确认。

新职业上岗实录:新华社探访北京人形机器人创新中心,AI 行业招聘职位数同比增长 10.6%

新华社 11 月 13 日刊发报道《新赛道催生新岗位,就业潜力加快释放》,走进北京人形机器人创新中心:上百名具身智能机器人应用技术员中,有人操控同构臂引导机器人抓取苹果采集训练数据,有人用 3D 打印制造多个版本的手腕相机支架以适配快递单号扫描,有人负责场景部署、数据采集与模型测试的闭环。报道称今年 9 月人社部等部门发布的 11 个新职业中,具身智能机器人应用技术员位列其中;智联招聘数据显示,今年上半年人工智能行业招聘企业数同比增长 24.8%,职位数同比增长 10.6%。同日学信网转发的职业介绍补充了细节:该职业基础动作采集岗只需看懂标准化任务文档、身体协调性较好、能熟练操作机械臂即可参与;2025 年中国具身智能市场规模超 9000 亿元,相关企业数量已突破万家。

值得关注:这篇报道第一次把新职业的「日常」写清楚了——场景部署、数据采集、模型测试、针对性补采,正是数据工程师可以切入的完整链路。北京人形机器人创新中心数据与训练基地项目经理穆超判断,职业将从「广覆盖」转向「精深耕」,垂类场景(烹饪、医疗辅助等)将由具备相应专业背景的人员承担。注意口径:24.8% 与 10.6% 是人工智能行业整体数据,不单指具身智能。对郭子这类有数据工程底子的求职者,「采集组长→项目经理」的晋升路径已在报道中显形,数据质量治理能力是向上通道的关键一环。

来源:新华社(今日头条转载) | 学信网

具身智能融资「换尺」:年内 648 起、1237 亿元,10 月单月回落至约 101 亿

新华财经旗下中经社 11 月 15 日发文称,具身智能赛道正从「技术想象力」走向「交付确定性」:上半年融资总额约千亿元、6 月单月逾 300 亿元,下半年以来逐月下滑,10 月回落至约 101 亿元;投资机构优先押注已跑通规模化落地、拿到持续订单的企业,银河通用已实现超千台规模的商业部署,应用于多家制造企业的上下料、分拣、物料搬运场景。经济日报系中国经济网 11 月 13 日引述 IT 桔子数据:截至 11 月 12 日,年内具身智能一级市场投融资事件 648 起、金额 1237.11 亿元,远超 2025 年全年的 387 起、399.51 亿元。华山资本杨镭在进博会期间判断,对本体的投资已从「普涨」进入「停止」,「数据是新的石油和飞行小时数」,能形成真实数据回路的公司将拥有长期壁垒。

值得关注:融资总量仍在放大,但结构在换挡——钱不再给「讲故事」的本体新玩家,转向有订单、有交付、有回款的企业。杨镭对数据路线的拆解值得记下:低成本无本体数据(仿真合成等)适合大规模预训练,真机遥操作数据用于特定任务校准,终局是高质量数据与大模型结合。这正对应数据岗位的两个层次:数据管线/治理(预训练侧)与数据质量评估/闭环运营(校准侧)。「数据回路能力将成为长期壁垒」这句投资判断,可以直接翻译为「数据工程师的岗位护城河」。

来源:中经社 | 中国经济网 | 虎嗅(界面新闻)

产教融合提速:368 所院校加入具身智能产教融合共同体,70 余所高职院校专业迎来首批新生

据中国劳动保障新闻网 11 月 10 日报道,10 月 31 日全国具身智能产业应用行业产教融合共同体在哈尔滨成立,由乐聚智能、东北大学、哈尔滨职业技术大学发起,来自 29 个省(区、市)的 368 所高校、高职、技工与中职院校及 145 家上下游企业参与。报道称围绕一台机器人已催生出 20 多个新职业、新工种,相关人才缺口超过百万;今年 7 月《职业教育专业目录》一次性增补 27 个专业(其中职业本科 18 个),今秋 70 余所高职院校的「具身智能机器人技术」专业已迎来首批新生。报道同时点出矛盾:人才培养周期长达 3-4 年,产业迭代却以季度计算。

值得关注:这条新闻的时间价值在于「窗口期」三个字——第一批科班毕业生要到 2029-2030 年才进入市场,而行业人才缺口当下已超百万。也就是说,未来 3 年内入行的人,是在与「转行者」而非「科班生」竞争。共同体由企业牵头(乐聚)、企业参与标准制定的信号,与此前报道的「新职业快、标准快」一脉相承。对入行者:选择培养体系尚未覆盖的技能区间(数据治理、质量评估、确权、管线工程)越早卡位越好,这正是 2029 年科班生也未必覆盖的区间。

来源:中国劳动保障新闻网

Swiss Robotics Day:ETH 教授称物理 AI 进展将慢于生成式 AI,触觉与力感知被长期低估

据 IT 时代网 11 月 15 日报道,苏黎世联邦理工学院(ETH Zurich)机器人系统实验室教授 Marco Hutter 在 Swiss Robotics Day 2026 期间表示,「单个视觉语言大模型就能赋予机器人通用自主能力」的预期被高估了:生成式 AI 靠扩大模型与数据规模快速进步,但物理系统的缩放定律与纯数字世界不同,机器人必须驱动电机与关节去触碰重量、形状、摩擦各异的物体。他更看好机器人基础模型与强化学习、大规模仿真结合,并认为触觉与力感知的价值被长期低估。同场活动中,一家瑞士初创展出厚度仅 500 微米的「机器人皮肤」,能感知 0.0005 牛的微弱力、在物体接触前约 15 厘米察觉其靠近,演示中机械手在物体打滑瞬间通过指尖触觉反馈调整握力;宇树科技创始人兼 CEO 王兴兴介绍了一款尺寸接近人手、拥有 20 余个自由度的机械手。

值得关注:这是技术路线层面的重要反方声音——如果「堆数据、堆模型」的缩放路线在物理世界失灵,那么数据的价值就从「量」转向「质与多样性」,触觉、力反馈这类难以规模化采集的多模态数据会更稀缺。这对数据岗位是实质性信号:触觉序列、力控轨迹的采集标准、标注规范与质量评估方法(如此前报道的 TouchReason-1M 数据集)尚无行业共识,是数据工程师可以建立方法论身位的地方。同时,「基础模型+强化学习+仿真」的路线判断,意味着 Sim2Real 数据管线技能的保值性高于纯真机采集。

来源:IT 时代网(观点报道) | IT 时代网(机器人皮肤)

Cursor 重构订阅模型池:Grok 与自研 Composer 成标配,OpenAI/Anthropic/Google 模型转为加价项

11 月 9 日 Cursor 的定价评审显示,其 X Subscription 订阅标配模型池为 Grok 4.7、4.6、4.5 及自研 Composer 2.5;OpenAI、Anthropic、Google 的模型需 Premium 及以上档位、按 API 牌价预付额度使用,8 美元的 Plus 档不含任何第三方旗舰模型。这被解读为 8 月 SpaceX 以 600 亿美元收购 Cursor(当时的 Anysphere)后向「自控模型栈」的战略转向。此前报道的 OpenAI 断供事件(拟议期限 11 月 12 日)截至 11 月 9 日未见最终落地——Cursor 官方文档仍列有 GPT-5.6 Sol、Terra、Luna,且措辞为「拟议日期」,双方均未确认。另据汇总,Cursor 近期还上线了 Agent SDK 正式版、云端 Agent 可构建并托管线上应用、实时语音对话(基于 Grok Voice)。

值得关注:这是 11 月 12 日日报报道的 OpenAI 断供 Cursor 事件的实质后续——断供尚未坐实,但 Cursor 已用定价结构提前完成「去 OpenAI 化」,订阅内模型换成 Grok 系与自研 Composer。工具选型启示很直接:订阅制工具的「包含哪些模型」正在变成定价层而非技术层的决策,迁移成本会随深度使用上升;对机器人公司的数据岗位,团队选型时应优先考虑支持自带 API Key(BYOK)或多模型路由的工具,避免被单一供应商的商务变动锁死。

来源:AI Native Engineering | BeevR 月度汇总

GitHub Copilot 一月内退役十余个模型,11 月 16 日再下架三款旗舰,自带模型通道开启公测

据 BeevR 11 月 13 日更新的月度汇总(仅收录各厂商官方变更日志可确认的条目),GitHub Copilot 于 10 月 2 日退役 4 个模型、10 月 19 日再退役 6 个,Claude Opus 4.8、Claude Opus 5 与 GPT-5.6 Terra 已排定于 11 月 16 日下架;配套的 model-policy API 同步正式发布,管理员可在四个层级上统一管控组织内可用的模型。与此同时,Copilot 应用开始公测「用户自带模型提供方」——不要求 Copilot 订阅,支持 OpenAI、Anthropic、Ollama、LM Studio、Foundry Local 及 OpenAI 兼容端点。另据同一汇总,Google 的编程智能体 Jules 已于 11 月 11 日转为只读,将于 12 月 31 日正式关停。

值得关注:模型退役潮是编程工具从「功能竞争」转入「治理竞争」的标志——企业现在要管理的不是「用不用 AI」,而是「谁在用哪个模型、花多少钱」。两个可直接落地的动作:一,11 月 16 日前核查团队内依赖 Claude Opus 5 或 GPT-5.6 Terra 的工作流并安排迁移;二,认真评估自带模型通道,本地跑开源模型(如 Ollama/LM Studio 托管量化模型)对数据敏感的机器人公司尤其有价值。对入行技能栈:模型路由、用量治理、成本报表 API(Claude Code 本月也已上线)正在成为工程化 AI 使用的新基本功。

来源:BeevR 月度汇总 | AI Native Engineering

今天的五条动态围绕两个关键词展开:AI 交付的「可验证性」与具身智能的「路线之争」。数学证明方面,Claude Code 用 19.4 万行零 sorry 的 Lean4 代码完成了三元哥德巴赫猜想的机器可验证证明;工程实践方面,一份质量工程报告揭示了 81% 团队正在合并不理解的 AI 代码。具身智能侧,OpenAI 解散独立机器人团队押注通用模型、Gemini Robotics 2.5 登上奔驰产线、国内 Touch-R1 触觉模型入选 NeurIPS——专用模型与通用模型的边界正在被重新划定。

Claude Code 完成 19.4 万行 Lean4 代码,三元哥德巴赫猜想实现机器可验证证明

独立开发者 Charlie Reams 借助 Claude Code 完成了对三元哥德巴赫猜想的形式化证明,累计产出 19.4 万行 Lean4 代码且全库零 sorry(Lean 语言中「sorry」表示跳过未证完的步骤,零 sorry 意味着每一行推理都通过机器内核的严格检查)。三元哥德巴赫猜想又称弱哥德巴赫猜想,指任何大于 5 的奇数都可表示为三个质数之和,2013 年由数学家 Harald Helfgott 宣布证明,但其 300 页手稿充满不等式放缩与常数计算,十余年来全球几乎无人逐行核验。Claude 在推导过程中自主发现原版证明中的 11 处问题(含常数写错、不等式不成立、引用数据偏差),逐一修补后,又把证明依赖的外部假设从 5 项精简至 2 项已有公开数值验证的结果;原作者 Helfgott 本人在 X 上确认了这一工作。

值得关注:这件事的分量不在「证完了」,而在把「证完了」的判定标准从同行评议推向完全机器可验证的闭环——AI 交付的不再是文本,而是可被内核逐行检查的数学产物。对数学、密码学协议验证这类可形式化领域,这是一套可复用的工作流;对 AI coding 而言,它展示了长上下文推理在超大规模工程任务上的真实上限。

来源:新智元(网易)、AIBase

OpenAI 解散独立机器人团队,转向通用模型直接控制机器人

据《财富》杂志 11 月 13 日独家报道,OpenAI 已解散独立机器人研究团队:机器人研究人员并入首席研究官 Mark Chen 领导的核心研究团队,应用机器人与硬件团队转入总裁 Greg Brockman 负责的应用部门。OpenAI 确认此举是重组而非放弃,并解释了动因:年初研究人员还认为机器人技术应建立在 Sora 等模型之上,但 GPT-6 Astra 等前沿通用模型已展现出直接控制机器人的能力。英伟达一项研究显示,搭载 Astra 的智能体在模拟机器人操作基准上成功率达 74.8%,高于该榜专用机器人模型此前报告的 51%。OpenAI 仍计划研发人形机器人,CEO 奥尔特曼此前提出争取 2027 年首次公开演示。一个细节是:OpenAI 本已报名参加本周在奥斯汀举行的机器人学习会议 CoRL 并预留展位,但《财富》到访时展位已空。

值得关注:这是一条横跨 AI coding 与具身智能的路线级信号——当通用大模型的能力足够强,「为机器人单独训练专用模型」的必要性被重估,机器人正在从「需要单独攻克的问题」变成「通用智能的下游应用」,如同编程、法律工具今天所走的路径。但边界也要看清:通用模型运行慢、依赖云端,机器人公司在真机部署与数据积累上仍有优势(MIT 教授 Russ Tedrake 即持此观点),重组不等于路线之争终结。

来源:腾讯新闻、格隆汇

Gemini Robotics 2.5 登上奔驰产线,汽车零件分拣成功率 96%

Google DeepMind 于 11 月 10 日在 CoRL 2026 发布 Gemini Robotics 2.5——迄今最强的视觉-语言-动作(VLA)模型,并在本周会议现场做了实机演示。该模型在 200 多项任务上成功率比上一代提升 30%-100%、完成速度提升 20%-30%,其中长短板项尤其突出:用夹子夹取烘焙食品成功率从 5% 升至 100%,系蝴蝶结从 0% 升至 70%。最受关注的是真产线验证:在奔驰位于匈牙利凯奇凯梅特与德国辛德尔芬根的活产线上,搭载该模型的 Apptronik Apollo 2 人形机器人执行汽车零件分拣(kitting,从散料箱中按装配顺序分拣金属支架),成功率 96%;架构上由 Gemini Robotics ER 负责推理规划、Robotics 2.5 负责动作执行。模型目前仅向 Apptronik、Boston Dynamics 等合作伙伴开放,无公开 API。

值得关注:这是通用 VLA 模型首次在真实工厂产线上给出可量化的成功率,且可变形物体操作这一传统弱项出现代际跃升。DeepMind 同时开源了 ASIMOV-Jailbreak 物理安全基准(1500 条对抗性提示),为行业提供了首个机器人安全测试公共标准。口径提醒:96% 为 DeepMind 自报数据、属 proof of concept 而非正式部署,无失败样本分母与人工介入频率披露;「推理模型规划 + 执行模型动手」的双层架构正在成为行业模板,与 OpenAI 的通用模型直控路线形成对照。

来源:GE Roundtable、MLLLM

戴盟机器人 Touch-R1 入选 NeurIPS 2026,触觉推理补上灵巧手「最后一厘米」

深圳戴盟机器人主导研发的 Touch-R1 模型近期被机器学习顶会 NeurIPS 2026 正式接收,成为首个将强化学习系统性引入触觉推理的模型。其针对的痛点是:现有具身模型重视觉轻触觉,机器人看得见水果却控制不好力道——抓空或捏烂。Touch-R1 将触觉认知从「看起来是什么」推进到「实际是什么」,实现跨传感器的一致物理判断。配套发布还包括 TouchReason-1M 数据集(1.47 万条触觉序列、132.3 万个同步数据对)与 TouchReason-Bench 评测基准;在该基准上 Touch-R1-7B 综合得分 60.1,比 GPT-4o 高出约 24.7 分(自报口径)。据 21 世纪经济报道,广东正将灵巧手竞争从「比自由度」推向「比能否真正干活」,形成从触觉感知、模型训练到产线验证的生态链。

值得关注:对具身智能数据层而言,TouchReason-1M 是继视觉动作数据之后又一类新型公开数据资产——触觉序列数据的采集、同步与标准化难度远高于视觉,其数据管线与评测基准的设计思路值得数据从业者直接借鉴。这也再次印证:具身智能的瓶颈正从「本体」转向「感知-数据-模型」的完整闭环。

来源:21 世纪经济报道(网易)

TestMu AI 报告:81% 软件团队已合并自己不理解的 AI 代码

智能体质量工程平台 TestMu AI(前身为 LambdaTest)今日发布《State of AI in Quality Engineering 2026》报告。核心发现:40% 的团队已有超过一半的生产代码由 AI 编写,81% 的团队承认合并过自己未完全理解的 AI 生成代码或测试,44% 的团队表示漏检缺陷或生产事故有所增加。验证侧严重滞后:仅 41% 的团队在合并前对 AI 代码做自动化检查,55% 依赖人工审查,51% 事后交给 QA;仅 13% 制定了 AI 错误应急响应预案。更值得警惕的是,使用 LLM-as-a-judge(用一个模型为另一个模型评分)的团队中,经常合并不理解输出的比例约为其他团队的两倍(29% vs 15%)。

值得关注:这份报告为「AI 生成速度跑赢了验证能力」提供了量化证据,且点出一个反直觉结论——让 AI 评判 AI 可能制造虚假的验证安全感,而非填补缺口。报告提出的解法与当前行业方向一致:AI 输出应在合并前交由独立于生成模型的系统验证。对企业落地 AI coding 而言,验证与生成同等需要预算和工程投入,这正是下周各团队排期时容易漏掉的一行。

来源:腾讯快报