AI 日报 | 2026年11月18日
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