今日 AI 领域动态密集：Meta 正式入局 AI 编程赛道发布 Muse Code，以极限低价和崩溃恢复机制正面挑战 Anthropic 与 OpenAI；AWS 开源多 Agent 持久化平台 Kiro Crew，亚马逊内部 3.9 万开发者已投入使用；具身智能方向，宇树科技明天开启 A 股申购，"人形机器人第一股"估值 610 亿元；马斯克发布 Terafab 超级工厂渲染视频，Optimus 与 Robovan 首次同框亮相。

Meta 发布首款 AI 编程智能体 Muse Code，$0.20/M 输出定价正面挑战 Claude Code

Meta 于 8 月 6 日正式发布首款 AI 编程智能体 Muse Code（预览版），由超级智能实验室最新模型 Muse Spark 1.2 驱动。该工具运行于 macOS 和 Linux 终端，可自主完成规划变更、编写代码、运行测试等全流程，并在单一会话中支持超过 1000 次工具调用。其核心差异化在于"崩溃恢复"机制——所有模型调用、工具运行、审批记录写入本地事件日志，长周期任务中断后可从断点精确恢复，无需重头再来。压力测试中，Muse Code 在 NVIDIA Hopper GPU 上完成了持续 24 小时的内核迭代优化任务。定价方面，"贡献者层级"输出价格仅 $0.20/百万 token，约为 Claude Sonnet 5 的五十分之一，但代价是 Meta 可使用你的代码和提示词训练模型。Terminal-Bench 2.1 得分 82.9%，略低于 Opus 5 的 86.7%，但已超越 GPT-5.6 Terra 驱动的 Codex（81.8%）。

值得关注的原因：Meta 以"价格换数据"模式切入编程赛道，对开源社区和独立开发者极具吸引力，但企业用户需谨慎评估数据安全边界。崩溃恢复机制是长周期复杂任务的关键能力，目前竞品尚未将其作为核心卖点。

信息来源：智通财经、AI Dev Weekly #21

AWS 开源 Kiro Crew：让 AI Agent 7×24 小时持续工作的多 Agent 协作平台

AWS 于 8 月 4 日开源 Kiro Crew，这是一个持久化多 Agent 工作空间，而非传统代码编辑器。其核心能力包括：Agent 跨会话持久化（保留记忆、技能和经验教训）、Cron 定时任务（晨报摘要、PR 监控、不稳定测试检测）、Webhook 触发器（Slack 消息、GitHub 事件、CI 失败自动启动 Agent 工作）、多 Agent 协调（隔离上下文并行工作）。安全方面采用 OS 级沙箱、默认拒绝命令、签名审计日志。该项目源自亚马逊内部代号"MeshClaw"，不到 6 个月内有 39,000+ 亚马逊开发者使用，500+ 贡献者参与。与 Kiro IDE 的区别在于：Kiro IDE 是交互式代码编辑器，Kiro Crew 是"你不在时替你干活的 AI 队友"。

值得关注的原因：39K 内部开发者的规模采用是最强信号——这不是 demo 或研究项目，而是经实战验证的工具。Cron + Webhook 的抽象方式精准命中"AI 值班"场景，对企业团队的自动化工作流有直接参考价值。

信息来源：AI Dev Weekly #21

阿里通义 Qwen 3.8 Max 发布：2.4 万亿参数，宣称 16 天自主编码从零构建项目

阿里巴巴于 8 月 3 日发布 Qwen 3.8 Max，总参数量 2.4 万亿（Sparse MoE，激活 95B），支持 100 万 token 上下文窗口，多模态（文本+视觉）。Arena 排名：Text Arena #5、Vision Arena #2、Frontend Code Arena #4。最引人注目的宣称是"16 天自主编码"——模型从零开始构建了"oh-my-cli"项目，全程无人工干预。阿里承诺"下周"开放权重。但需注意：多个独立分析机构（edenai.co、emergent.sh）指出 Qwen 3.8 Max 目前"无独立基准测试、无模型卡、无许可证"，Arena 排名来自阿里自己提交，16 天编码为内部演示而非可复现基准。对比已开放权重、公布定价（$3/$15）且有独立验证 Terminal-Bench 88.3% 的 Kimi K3，Qwen 3.8 Max 仍处于"宣称"阶段。

值得关注的原因：2.4T 参数量使其成为中文实验室最大模型，Vision Arena #2 排名若经独立验证则具竞争力。但"宣布"与"独立验证"在本行业是两回事，建议等开放权重和第三方基准后再做技术选型决策。

信息来源：AI Dev Weekly #21

宇树科技明天申购："人形机器人第一股"估值 610 亿，DeepSeek 战略配售锁定 3 年

宇树科技（688836）将于 8 月 10 日开启 A 股科创板申购，发行价 150.8 元/股，对应发行市值约 610 亿元，首发募资约 61 亿元。战略配售阵容亮眼：DeepSeek 获配 93.34 万股（锁定期 36 个月），社保基金、中石油昆仑资本、南方电网产融控股等均参与。财务数据显示，2025 年宇树人形机器人营收占比从 2023 年的 1.88% 跃升至 51.78%，超越四足机器人成为第一大收入来源；人形机器人出货量超 5500 台，全球市占率 32.4% 居首。平均售价从 2023 年的 59.34 万元降至 2025 年的 16.64 万元，硬件供应链趋成熟。但收入结构仍以科研教育为主（占 73.6%），工业应用仅 9%，募资 85% 投向"智能机器人模型研发"，意在补齐 AI 大脑短板。

值得关注的原因：宇树上市为 A 股人形机器人赛道树立首个公开估值锚点（发行市盈率 219 倍），将引发产业链连锁反应——上游零部件供应商（卧龙电驱、中大力德、奥比中光等）获确定性订单，中游赛道资本化加速（智元已启动赴港上市），下游商业化从实验室走向工厂的关键转折期到来。

信息来源：证券时报、新浪财经

马斯克发布 Terafab 超级工厂渲染视频：Optimus 与 Robovan 首次同框，投资额 168 亿美元

马斯克于 8 月 8 日在 X 平台发布 Terafab 超级工厂渲染视频，画面中 Optimus 人形机器人在厂区内工作，Robovan 无人驾驶客货车沿高架道路行驶，Tesla Semi 和 Cybercab 同框出现。Terafab 选址得州格莱姆斯县 Gibbons Creek 地块，全长约 4 公里，马斯克称其将成为"地球上规模最大、价值最高的建筑"。当前建设阶段投资 168 亿美元（约 1137 亿人民币），SpaceX 已按协议向该县支付首笔 1000 万美元款项。Optimus 量产进展：弗里蒙特工厂正将 Model S/X 旧产线改造为第三代 Optimus 产线，得州超级工厂同步建设更大规模产线，目标 2027 年夏季大规模量产，最终年产能 1000 万台，长期售价 2-3 万美元。Robovan 量产时间表仍未确定，此次渲染视频是近两年少数公开资料。

值得关注的原因：Terafab 是 Tesla/SpaceX/xAI 联合项目首次出现明确资本支出数字（168 亿美元），Optimus 年产能 1000 万台的目标若实现将彻底改变人形机器人市场格局。Robovan 与 Cybercab 的同框暗示特斯拉正在构建"无人驾驶+人形机器人"的自动化物流闭环。

信息来源：IT之家

今日呈现"AI Coding 国产开源浪潮"与"具身智能数据底座竞赛"双线热点：智谱 GLM-5.2、小米 MiMo Code、Kimi K3 集中开源并开放免费商用，开源模型首次在编程榜单上反超头部闭源；具身侧，中科慧思一场发布会亮相 4 款灵巧手，黎曼动力联手动捕与仿真公司立下年底冲刺 100 万小时具身数据的 flag，宇树王兴兴判断具身"ChatGPT 时刻"将在 2-3 年内到来。

国产 AI 编程模型集中开源潮：智谱 GLM-5.2、小米 MiMo Code、Kimi K3 同台竞技

7 月底至 8 月初，国内 AI 编程赛道迎来一波集中的开源发布潮。智谱 GLM-5.2 专为长程任务设计，能像人类一样连续工作数小时、自主完成开发、联调、测试与上线，在 FrontierSWE 等权威评测中与 Claude Opus 4.8 仅差 1-4%，是排名最高的开源模型，以最宽松的 MIT 协议开放，可运行于华为昇腾、平头哥、摩尔线程等国产算力平台。小米 MiMo Code 同样采用 MIT 协议开源，具备百轮对话级持久记忆，开发中断可无缝衔接后续工作。月之暗面发布的 Kimi K3 则是 2.8 万亿参数的开源模型，直接公开完整参数和技术报告，在 Frontend Code Arena 编程榜单上登顶，首次实现开源模型超越头部闭源模型。三款模型相继宣布开源并开放免费商用授权，部分模型已在国际评测中跻身全球前列，中小软件团队正在用脚投票。

值得关注的原因：海外头部模型加速走向封闭、调用成本居高不下，国产模型代码能力与海外差距迅速缩小，开源免费成为国产厂商不二之选。GLM-5.2、MiMo Code、Kimi K3 不再做慈善，而是用"开源"抢市场再谈变现的精准战略卡位。对独立开发者和中小企业而言，这意味着低门槛接入一流代码能力的机会；对大型企业而言，国产算力适配与免费商用授权将显著压低 AI 编码的总体拥有成本（TCO）。

来源： 极新/网易

中科慧思 4 款灵巧手集中发布：让机器人拥有"真正干活的手"

8 月 8 日，中科慧思具身智能产业落地签约仪式暨技术成果发布会在京举行，正式发布 L1 轻量版通用灵巧手、D1 高自由度通用五指灵巧手、M1 模块化场景灵巧手三款产品，并预发布 F 系列绳驱动仿生灵巧手、预告 T 系列重载工具手。L1 自重约 610g（约一瓶矿泉水），具备 11 自由度（6 主动+5 从动），全手开合仅 0.2s，提握负载达 25kg（相当于 40 倍自重），售价控制在几千元级别；D1 自重不超过 900g，具备 20 自由度（16 主动+4 被动），支持平捏、侧捏、对捏、指尖夹取和多指握持，整机负载 10kg，指尖配备压阻式触觉传感器实时感知压力变化；M1 采用标准化主体与模块化快换接口，配备圆、锥、吸盘、球等 10 余种功能性指尖。发布会现场 CASBOT BAND 机器人乐队用 L1 系列完成敲击键盘、拨动琴弦等快速操作演示。

值得关注的原因：中科慧思由中科慧灵、蓝思科技、湖南华夏投资集团合资成立，专注灵巧手研发。这场发布会标志着"灵巧手"作为具身智能最关键、国产化最难的核心部件，正在从"实验室 BOM 单"走向"产品矩阵 + 商用定价"阶段——几千元级 L1 直接对标研究机构动辄上万美金的进口灵巧手。触觉感知+模块化指尖的组合补齐了 VLA 框架缺失的物理交互闭环。具身智能"手眼协调"中的"手"环节一旦成本可控，整个赛道的工程化节奏将被显著前推。

来源： 机器人前瞻/网易

黎曼动力联合光轮智能、诺亦腾：冲刺全球首个 100 万小时具身数据底座

8 月 7 日，刚拿下仿真与真机双 SOTA 的黎曼动力宣布联合光轮智能与诺亦腾机器人，共建具身智能数据底座，将分散的采集、仿真、训练与评测接成一条线。黎曼动力立下明确目标：到 2026 年底完成 100 万小时机器人训练数据采集，力争成为全球首个突破此规模的企业。根据亿欧智库报告估算，当前全球高质量具身交互数据仅约 50 万小时——这意味着黎曼动力瞄准的数据规模是现有行业存量的两倍量级。黎曼动力此前已用 23.2 万小时数据训练出 Riemann-1.0，初步验证了"用数据堆出泛化能力"这条技术路线。三方分工明确：黎曼动力负责"机器人大脑"，光轮智能负责仿真基建，诺亦腾靠动捕把人类动作教给机器人。

值得关注的原因：Scaling Law 在大语言模型上已经被验证，但具身智能迟迟未能 Scaling，卡点正是数据。Physical Intelligence 训练 π0 时用的"超过 1 万小时"在当时已是最大规模机器人学习实验之一；黎曼动力直接把目标抬到百万小时，是用合纵连横把 Scaling Law 拉到具身领域的一次系统性实验。如果成功，机器人泛化能力将出现类似 2018-2020 年 NLP 领域的"数据拐点"；如果失败，将验证学术界长期怀疑的"具身数据存在质量天花板"。无论哪种结果，这个百万小时实验本身就是行业的关键事件，值得作为具身智能基础设施成熟度的核心观测信号。

来源： 量子位/网易

原力灵机开源具身基础模型 DM0.5：单卡 4090 微调、成本降 60%

原力灵机发布并全面开源具身基础模型 DM0.5，单张 RTX 4090 显卡可在 18 小时内完成下游任务部署，微调成本较此前方案降低 60%。DM0.5 在 LIBERO 仿真评测上达到 99.0% 成功率，在真机 RoboChallenge Table30 V2 上以 43% 成功率位列第一。更值得关注的工程指标是推理延迟：单卡推理延迟从 534ms 降至 57ms，实现 9.29 倍加速。这意味着此前需要多卡集群才能运行的具身基座模型，已可在消费级显卡上达到近实时响应。

值得关注的原因：开源 + 单卡可跑 + 近实时推理，DM0.5 同时解决了具身基础模型落地的三个核心瓶颈：研发门槛、部署成本、响应速度。对独立开发者和小团队而言，这意味着可以在一台消费级 GPU 上跑出能在真实机器人上完成复杂任务的具身智能基座，而不必依赖云厂商集群。对整个行业而言，DM0.5 与最近黎曼动力 100 万小时数据底座、宇树 IPO、智元首席科学家离职等信息一起，标志着具身智能从"少数大厂可玩"走向"开源生态共建"的新阶段。基础模型+数据底座+硬件本体三层同步开源的趋势，是 2026 下半年具身赛道最显著的结构性变化。

来源： 机器之心/腾讯新闻

宇树王兴兴：具身智能"ChatGPT 时刻"最快 2-3 年内到来

宇树科技创始人王兴兴在 2026 年 7 月世界互联网大会上明确指出，具身智能的爆发临界点最快有望在 2-3 年内到来，届时机器人能在大部分陌生场景中直接完成工作任务。在 8 月 7 日宇树科技 IPO 路演中，他将行业现状比作"早年家用电脑起步阶段"。底层逻辑在于：机器人的"大脑"（推理规划能力）与"身体"（运动执行能力）正在同步迭代，且这种双轮协同是非线性放大的。工信部副部长柯吉欣在标准周会议上透露，2025 年中国人形机器人产量约 2 万台，2026 年上半年已超 4 万台，全年预计突破 10 万台。宇树 2025 年人形机器人出货量超 5500 台，全球市占率约 32-38% 排名第一；四足机器人累计销量超 3.3 万台，全球份额约 70%。巴克莱 8 月报告则相对冷静，认为人形机器人真正的大规模部署可能要到 2035 年。

值得关注的原因：王兴兴的"2-3 年"判断与巴克莱的"2035 年"形成了产业界与投资界的最大预期差。对从业者而言，关键观察点是"两个 80%"——即机器人在 80% 陌生场景中通过指令完成 80% 任务——宇树联合创始人陈立认为这一目标仍需 2-5 年。配合宇树 IPO 估值锚定、中科慧思灵巧手产品矩阵价格下探、原力灵机 DM0.5 单卡可跑，三件事同周发生暗示具身智能的工程化栈正在被快速压缩。如果未来 6-12 个月"陌生场景任务完成率"能从当前 30-40% 突破到 60%，"2-3 年 ChatGPT 时刻"将不再是口号。

来源： 新浪财经

补充关注：具身智能产业链短讯

两条值得追踪但篇幅所限的产业链动向：

• 智元机器人首席科学家罗剑岚疑似离职：8 月 7 日发现智元官网合伙人名单已无其名，距其 2025 年 4 月加盟约 1 年 4 个月，公司 7 月 24 日刚确认启动赴港上市。具身独角兽上市前的核心人员流动值得重点观察。 (来源：量子位/腾讯新闻)
• Handroid 可重构机器人发布：北卡教堂山与斯坦福团队发布高 0.33 米、重 2.05 千克、27 自由度的 Handroid，同一套硬件可在小型人形机器人与多指灵巧手之间切换，CAD 与 BOM 全部开源。可重构 + 开源是降低机器人研发门槛的另一种路径。 (来源：机器之心/腾讯新闻)

今日聚焦：Meta 以隐私换成本的 AI 编码 Agent 定价引发行业震动；AWS 将内部 3.9 万开发者验证过的多 Agent 协作平台开源；宇树科技 IPO 定价 150.8 元，具身智能赛道正式从"讲故事"迈入"验成色"阶段。三大事件同时发生，标志着 AI 应用层从秀肌肉走向拼商业。

Meta 发布 Muse Code：用隐私换成本的终端编码 Agent

Meta 于 8 月 5 日发布 Muse Code 终端编码 Agent，基于 Muse Spark 1.2 模型，可在终端中完成规划、编码、测试等全流程操作，单次会话支持超过 1000 次工具调用。其定价策略成为最大看点：Contributor 层级输出令牌仅 $0.20/百万，但代价是将所有提示词和代码完成结果用于模型训练；Standard 层级为 $2.00/$4.25，数据不被使用。Contributor 层级输出成本约为 Claude Sonnet 5 的 1/50、Opus 5 的 1/125。

值得关注的是，这一定价策略将 AI 编码市场明确划分为两条路线：对开源项目和个人开发者而言，极低门槛意味着大规模普及；但对商业代码库和企业场景，数据泄露风险几乎不可接受。在 Terminal-Bench 2.1 上 Muse Code 得分 82.9%，与 Opus 5 的 86.7% 差距仅 3.8 个百分点，但 DeepSWE 1.1 的 59.3% 表明它更适合作为终端 Agent 而非纯代码生成模型。这一定价模型可能成为行业分水岭，迫使 Claude、Kiro 等平台在定价策略上作出回应。

来源： https://www.aimadetools.com/blog/ai-dev-weekly-021-muse-code-qwen-38-kiro-crew

AWS 开源 Kiro Crew：3.9 万开发者验证过的多 Agent 协作平台

AWS 于 8 月 4 日开源内部代号为 "MeshClaw" 的项目 Kiro Crew，其前身是 3.9 万余名亚马逊开发者在前 6 个月内实际使用、拥有 500+ 贡献者的内部工具。Kiro Crew 并非交互式编码助手，而是支持 Agent 跨会话持久化运行、定时任务（Cron）、Webhook 触发、多 Agent 协作协调的平台。它包含 DevFleets（持续开发）、Issue Radar（问题监控）、Task Runner（任务执行）等内置应用，并附带 OS 级沙箱、默认拒绝命令和签名审计日志。

值得关注的是，这是业界首次将大型科技公司内部大规模验证过的 Agent 协作平台开源。与此前流行的 Hermes Agent（单 Agent 长记忆）不同，Kiro Crew 的定位是团队级多 Agent 协作系统。它填补了"交互式编码"与"无人值守自动运行"之间的空白。该项目的开源意味着，企业级 Agent 编排平台不再只有创业公司或纯开源方案可选，而是出现了带有"亚马逊工程师真实用 6 个月"背书的生产级工具。对正在构建多 Agent 架构的开发者来说，这是一个可直接测试的参考实现。

来源： https://www.aimadetools.com/blog/ai-dev-weekly-021-muse-code-qwen-38-kiro-crew

谷歌发布 Gemini Robotics ER 2：大模型能力直接接管物理世界

谷歌 DeepMind 于 8 月 6 日发布 Gemini Robotics ER 2，这是继 Gemini Robotics 2（全身控制）、On-Device 2（端侧运行）之后的第三款具身智能模型。ER 2 定位长时序任务规划与推理，运算速度为前代的 4 倍，延迟压缩至 1 秒以内，任务识别准确率达 91.3%。其最大突破在于支持跨品牌机器人协同作业：Apollo 人形机器人、Franka 工业机械臂、波士顿动力 Spot 机器狗可在同一空间内协作完成复杂工序；搭载 Gemini Live API 实现低延迟实时交互，无需"动一下停一下计算"的传统模式。

值得关注的是，这是大模型能力首次直接下沉到物理机器人控制层，实现从"大模型感知决策"到"物理本体执行"的全链路闭环。相比此前各家各自为政的机器人控制器，ER 2 的跨本体兼容意味着通用机器人能力不再锁定于特定厂商。谷歌的股价也在消息发布后创出历史新高，二级市场用真金白银为这一路线投票。对具身智能从业者而言，这是从技术展示到工业可用的关键转折，"大模型+物理机器人"的商业化拐点已实质到来。

来源： https://weibo.com/1592917513/5328749249955263

宇树科技 IPO 定价 150.8 元：具身智能赛道迎来"定价锚"

宇树科技于 8 月 6 日发布科创板上市发行公告，确定发行价格为 150.80 元/股，预计募集资金约 61 亿元，上市后市值约 610 亿元。8 月 10 日启动网上网下申购，有望成为中国 A 股"人形机器人第一股"。2025 年宇树人形机器人出货量超过 5500 台（全球市占率 32.1%），四足机器人销量超 3.3 万台。2026 年上半年预计营收 10.52–11.28 亿元，是国内首个实现人形机器人规模化盈利的企业。

值得关注的是，宇树科技的上市标志着具身智能行业从"烧钱讲故事"迈入"盈利验成色"的价值验证时代。它树立了首个真实财务维度的"定价锚"——后续所有机器人企业的 IPO 估值都将用宇树的营收、毛利、客户验证作为参照基准。这将对一级市场资本评判逻辑产生深远影响，纯概念型初创企业的融资难度将显著加大。同时，宇树本次 IPO 募资的 85% 将投向研发，重点布局智能机器人大模型，这印证了产业正从"硬件本体"向"智能系统"跃迁。对投资者和创业者而言，宇树上市后的实际交付表现与毛利率走势，将直接决定整个赛道的估值水位。

来源： https://so.html5.qq.com/page/real/search_news?docid=70000021_7436a751f8d17852

合肥"机器人大学"：每天 500 次重复训练的数据飞轮

新华社"活力中国调研行"采访团近日走进合肥市具身智能机器人数据采集训练场，这里被称作"机器人大学"，近 90 台机器人每天重复练习 500 次，完成分拣、家政等各类任务。通过数据采集员"手把手"教学，机器人的 AI 能力在真实物理环境中不断进化。这是国内首次公开大规模、高频率、多品类的具身智能数据训练场景。

值得关注的是，数据飞轮正成为具身智能领域真正的竞争壁垒。与当前大模型主要依赖互联网文本数据不同，物理机器人的训练需要真实场景中的重复采集与精确标注。合肥训练场的 90 台机器人×500 次/天=4.5 万次日采集量，这构成了一个持续自我增强的闭环。与谷歌 ER 2 的模型能力、宇树的硬件量产能力相比，数据采集基础设施是另一条关键赛道。对于国内具身智能创业生态而言，数据训练场的规模化建设意味着中国在物理 AI 数据资产上可能形成独特优势——而这将直接影响未来国产人形机器人的泛化能力与场景覆盖速度。

来源： https://weibo.com/5367034453/5329186853749153

补充关注：AI 编码安全与定价焦虑

两条值得注意但篇幅所限的短讯：

• DeepSWE v1.1 发布：在独立环境中对 Agent 提交的代码进行严格验收，修复了依赖漂移和 flaky test 问题，让编码 Agent 的评估从"看热闹"走向"可复现"。标准收紧对 Agent 编码行业是好事。 (来源：dev.to/damogallagher/ai-news-today-agent-pricing-rare-disease-diagnosis-and-chinas-local-model-push-42c0)
• Anthropic 暂停计费调整：原计划本周落地的 Claude Agent SDK 令牌计费变更被推迟，因该方案会大幅推高重度用户成本。Agent 定价的可预测性正成为企业采购的核心决策因素。 (来源：Ars Technica)

今日聚焦：Meta 以"价格十分之一"强势杀入 AI 编程赛道，AI Coding 战场再燃战火；具身智能领域迎来"基座模型 + 行业标准 + 资本涌入"三线并进——小米开源万小时级基座模型登顶榜单，工信部首个数据集质量标准发布，灵巧手赛道诞生新晋独角兽。技术与产业的双重拐点正在临近。

Meta 发布 Muse Code 编程智能体：跑分居中、定价仅竞品十分之一

2026 年 8 月 5 日美东时间，Meta 正式推出旗下首款 AI 编程智能体 Muse Code 及配套模型 Muse Spark 1.2，正式加入由 OpenAI 和 Anthropic 主导的 AI 编程工具战场。Meta CEO 扎克伯格亲自在 X 平台官宣，超级智能实验室 AI 负责人 Alexandr Wang 同步接受 CNBC 采访详细披露产品策略。

Muse Code 是一款基于终端的编程智能体，支持大型代码仓库变更规划、代码撰写、运行结果验证一站式处理，可同时调度多款 AI 智能体协助全流程。从官方跑分看，TerminalBench 2.1 实战开发测试 82.9%（优于 OpenAI Codex 的 81.8%，不及 Claude Code 的 86.7%）；DeepSWE 1.1 陌生代码任务 59.3%（落后于 Claude Code 的 65.0% 和 Codex 的 64.8%）——性能居于行业中游。但真正的杀手锏在价格：Muse Spark 1.2 输入端每百万 token 1.25 美元、输出端每百万 token 4.25 美元，"贡献者版本"再便宜 10 倍以上，仅为 Claude Code 等头部产品的约十分之一。

值得关注的是，Meta 还同步上线了"零数据留存"功能，明确不收集开发者数据用于模型迭代，这是企业客户高度重视的核心信任特性。在 7 月底 Meta 因营收预期不及预期、二季度自由现金流下滑导致股价大跌的背景下，Muse Code 是 Meta 持续重金投入算力基础设施后的又一项关键商业化举措。

• 信息来源：财联社/网易 / 新浪科技 / CNMO 科技

小米具身基座模型 Xiaomi-Robotics-1 正式开源：10 万小时数据训练，多项榜单登顶

2026 年 8 月 5 日，小米技术官方宣布具身基座模型 Xiaomi-Robotics-1 正式开源，项目代码已在 GitHub 及 Hugging Face 平台同步上线。这是国内大厂首个系统性开源的具身智能基座模型，标志着中国具身智能正式进入"基座模型时代"。

该模型基于超过 10 万小时 UMI 数据进行预训练，并使用超过 1 万小时跨本体数据进行后训练，采用"预训练 + 后训练"两阶段范式，实现"开箱即用"——不同机器人本体可一句话直接干活。在多项权威评测中表现亮眼：RoboCasa365 基准平均成功率 57.4%（较此前最优提升超 10 个百分点）、RoboDojo 仿真评测 20.07 分（榜单第一）、VLABench 基准 59.1% 平均成功率、RoboCasa 基准 74.5% 平均成功率（超越 GR00T N1.6、Pi-0.5、Cosmos Policy 等代表性模型）。

雷军 7 月 16 日曾在微博透露，Xiaomi-Robotics-1 在具身基座模型领域"初步验证了 Scaling Law 效应"。此次开源不仅覆盖从真机后训练到模型部署的完整流程，还同步提供相关 Benchmark 评测代码，全面支持开发者复现与二次开发。从 7 月发布到 8 月开源仅一个月时间，节奏紧凑，显示出小米机器人团队"本体 + 数据 + 模型"完整布局的快速推进。

• 信息来源：凤凰网科技 / ZOL 中关村在线 / IT 之家/网易 / 项目地址

工信部发布首个具身智能数据集质量标准：11 月 1 日正式实施，"规模导向"转向"质量导向"

2026 年 8 月初，中国信息通信研究院联合行业 40 余家单位共同起草编制的行业标准 《人工智能关键基础技术 具身智能数据集质量要求及评估方法》（YD/T 6771—2026） 经工业和信息化部批准发布，将于 2026 年 11 月 1 日起正式实施。这是具身智能数据方向的首个国家级行业标准，有效填补了行业标准空白。

标准的核心是"三方面 + 八维度"：包括数据生产操作规范、组织机制保障和质量评价指标三个层面，其中质量评价涵盖完整性、一致性、多样性、真实性、易用性、实用性、可扩展性、安全性八大维度。该标准对行业影响深远：当前具身智能数据面临"量少质低"的结构性矛盾，2026 年百万小时数据产能被视为企业研发硬性门槛，但不同数据集质量参差不齐、整合困难。标准发布后，对数据提供方可规范生产流程、明确交付质量底线；对数据需求方可提供清晰的验收依据、降低采购风险；对整个行业则推动数据从"单家企业资产"向"可流通、可共享的产业资产"转变，标志着具身智能数据集建设从"规模导向"向"质量导向"的关键转型。

• 信息来源：人民邮电报/今日头条 / 新浪财经

复旦陈涛专访：具身底层模型架构急需突破，两年内难迎"GPT 时刻"

2026 年 8 月 6 日，澎湃科技"科创 101"栏目发布对复旦大学深度学习实验室主任、博士生导师陈涛教授的深度专访。陈涛同时担任具身智能企业眸深智能联合创始人，长期横跨学术研究与产业实践。他在专访中对当前具身智能的"繁荣表象"提出了冷静反思。

陈涛的核心观点包括：当前主流 VLA（视觉-语言-动作）模型高度依赖数据，而现有训练数据大多数是成功轨迹，缺少失败数据，这让机器人在执行动作出现偏差后难以像人一样及时调整轨迹，无法把失败转化为下一次行动的经验；"为什么语言模型架构一定适合解决物理世界的问题？这个前提不成立"——行业近半年持续强调数据、在 VLA 等方面的投入，并没有充分触及具身大脑的底层模型架构；面对世界模型，他认为"世界模型要把整个世界给建模进去，但它对数据和成本的要求非常高，不是一般玩家能玩得起的"。

更具洞察性的是他对行业的判断："具身底层模型架构急需突破，两年内很难实现具身模型的'GPT 时刻'"。他认为相比让机器人"上知天文、下知地理"，更务实的路径是让它先理解具体的作业场景，形成适用于细分任务的模型能力，完成从'看得懂'到'干得好'的跨越。面对科技大厂的资源碾压，他认为初创公司的机会在"大厂不愿意做的交付工作"，而"赛道里最好的人才，还是学校里正在读的博士生"。

• 信息来源：澎湃科技

京灵智康完成近亿元天使轮融资：普惠仿生手"硬件出货-场景采集-数据训练"循环反哺具身智能

2026 年 8 月 5 日，合肥京灵智康科技正式宣布完成近亿元天使轮融资，由龙磐投资领投，江西金控、新华都董事长倪国涛、科大硅谷引导基金共同跟投，资金将全面用于普惠仿生手迭代、物理 AI 数据体系搭建与规模化产线建设。

京灵智康由灵巧手企业灵心巧手战略并购孵化，依托后者供应链与研发体系开展业务，核心研发团队来自复旦大学陈文明教授团队。与行业内多数灵巧手企业"先工业高端、再下探民用"的路径相反，京灵智康选择以残障群体康复需求为切入点，目标将消费级医疗仿生义肢售价控制在 2 万元以内（海外同类产品多在十几万至四十万元），并实现接近人手 90% 的动作灵活度。

更具想象力的是其商业模式创新："硬件出货-场景采集-数据训练"循环——每一台投入家庭、康复机构的仿生手，可在做饭、穿衣等日常生活场景采集人机交互数据。这类真实生活数据与实验室仿真数据存在本质差异，可用于具身智能模型训练。按企业产能规划，今年仿生手千台产能，明年目标五万台；随着硬件出货规模扩大，可采集的交互数据体量也将呈指数级增长，企业希望以此形成硬件成本下降、数据持续积累的飞轮。这条路径直指具身智能产业化的核心痛点——真实世界交互数据不足。

• 信息来源：亿欧/网易

今日聚焦：AI Coding 范式从 Loop 向 Graph 加速演进，具身智能触觉感知赛道迎来"觉醒时刻"，国产工业软件性能优化首次实现全自动闭环。技术深水区的突破正在重新定义"智能"的边界。

Anthropic 发布 Claude 5 上下文工程新规则：删除 80% 系统提示词，性能不降反升

2026 年 7 月 24 日，Anthropic 技术团队发布了一篇具有范式意义的技术博客《The new rules of context engineering for Claude 5 generation models》。团队在 Claude Opus 5 和 Fable 5 上做了一个惊人实验：删除了 Claude Code 超过 80% 的系统提示词，编码评估结果没有任何可衡量的下降。

核心发现是——Claude 5 代模型的判断力大幅提升，导致旧时代的过度约束策略反而成为一种负担。当系统提示词、Skills 和 CLAUDE.md 中存在相互冲突的指令时，模型必须花费额外的思考时间理清矛盾。Anthropic 提出了六大新规则：从"给规则"转向"让 Claude 自行判断"；从"给示例"转向"设计接口"；从"前置加载"转向"按需渐进披露"；从"重复指令"转向"精简工具描述"；从"手写 CLAUDE.md 记忆"转向"自动记忆"；从"简单规格"转向"丰富引用"。

这一发现对整个 AI Coding 生态具有深远影响：它意味着模型能力的跃升正在倒逼开发者重新思考"如何与 AI 协作"——不再是越详细的提示越好，而是给模型留出判断空间。

• 信息来源：Anthropic 官方博客 / MTRT 中文解读

面壁智能开源 ForgeStencil：全球首个全自动工业软件性能优化系统，一周优化 100+ 应用

面壁智能联合 OpenBMB 开源社区正式发布并开源了全球首个 Stencil 优化"自动研究 + 自动部署"大闭环 AI 系统——ForgeStencil。该系统仅用一周时间就完成了 100 多款真实工业和科学计算软件的自动重构优化，覆盖油气勘探、计算流体力学、电磁仿真、医学影像、气象气候等 8 大工业领域及 5 大科学领域，全程 0 人类专家介入，端到端加速中位数达 1.41 倍。

ForgeStencil 采用双 Agent 协同架构：Kernel Agent 负责"写代码"，针对不同场景和硬件自动生成逼近硬件极限的高效计算核心；App Agent 负责"装软件"，自动分析应用、定位瓶颈、验证正确性并集成回原软件。在单精度（fp32）下，相比 Halide、Devito 等主流框架获得 2.35 倍几何平均加速；混合精度（fp16）下额外提速 1.95 倍。

这一突破标志着国产工业软件性能优化从依赖顶尖专家逐行手写的"手工作坊"，正式迈向可并行、可复制的"自动化生产线"，为高端装备、能源勘探、芯片设计等自主可控关键领域提供了更坚实的底座。

• 信息来源：中国日报 / GitHub 开源仓库

AI Coding 范式再迁徙：从 Loop Engineering 到 Graph Engineering 仅用六周

2026 年 8 月初，AI Coding 领域发生了一次概念层面的"快迭代"。OpenClaw 创造者 Peter Steinberger 在 X 上发问："我们还在谈 Loop，还是已经转向 Graph 了？"——距离他让 Loop Engineering 走红仅过去六周。几乎在同一时间，拥有 20 年经验的机器学习工程师 Hamel Husain 发布调侃文章《Loop Engineering Is Dead. Enter Graph Engineering》。

Loop 解决的是"单个 Agent 如何根据环境反馈不断检查、修改、再次尝试"；但当 Coding Agent 从一次回答走向连续执行，又从单个 Agent 走向多个执行单元协作时，工程师需要处理的问题扩展到了"这些工作该怎样连接"——研究需求的 Agent、写代码的 Agent、做测试的 Agent，谁先开始？哪些工作可以并行？测试失败后应该回退到哪里？

Graph Engineering 本质上是一个任务编排系统，管理多个工作单元之间的连接、共享状态与选择路径。这一概念跃迁揭示了一个深层趋势：AI Coding 的竞争焦点正在从"模型能写多少代码"转向"多 Agent 如何协同完成复杂工程"。

• 信息来源：钛媒体

具身智能迎来"触觉觉醒"：前 7 个月融资超 70 亿元，VTLA 模型成新方向

据证券时报报道，触觉感知正成为具身智能领域增长最迅猛的细分赛道。据不完全统计，今年前 7 个月该领域新增融资超 70 亿元，至少两家企业跻身新晋独角兽。行业共识正在形成：仅靠视觉无法完成复杂作业，机器人需从"看得见"升级为"摸得到、做得好"。

将触觉信息融入具身智能大模型的技术路线已成为主流探索方向。VTLA（视觉—触觉—语言—动作）模型的需求日益高涨，依托视触融合技术，机器人工业柔性操作已诞生应用测试场景，规模化量产有望上线。但触觉数据具有不可替代性，数据缺口仍是阻碍机器人规模化落地的核心瓶颈之一。业内呼吁在强化多模态数据真实采集的同时，进一步完善数据仿真等技术路线；触觉传感器等核心零部件则需在耐用性、数据一致性等方面精益求精。

这一"触觉觉醒"标志着具身智能从"感知—决策—执行"的简化链条，向多模态深度融合的复杂系统进化。

• 信息来源：证券时报/网易

银河通用机器人"迎宾小盖"上岗全家便利店：全球首个 WAM-TTT 框架实现部署阶段持续学习

银河通用机器人开发的 Galbot G1 具身智能机器人"迎宾小盖"已在北京中关村鼎好 DH3 大厦的全家便利店正式上岗。它不仅能主动与顾客聊天、夸赞穿搭，还能精准地从货架取物、从烤箱取烤肠递到顾客手中——在客流密集、消费需求多变的复杂城市零售场景中实现了稳定运行。

背后核心技术是银河通用自主研发的"银河星脑"（AstraBrain），全球首创的"大脑—小脑—神经控制"端到端具身大模型架构。更具突破性的是近期发布的 WAM-TTT（World Action Model Test-Time Training）——全球首个面向具身智能世界模型的测试时后训练框架。它首次实现了机器人在部署阶段持续学习和持续适应，仅需"观看"少量人类操作视频，就能把已掌握的技能快速迁移到全新场景，无需机器人本体数据，也无需任何动作标注。

在宁德时代动力电池产线上，Galbot S1 重载机器人已在模组与电池包生产环节承担物料转运任务，7×24 小时连续作业超过 3 个月，全程零遥操、全自主运行——这是全球首次实现人形机器人在新能源制造产线的"常态化自主作业"。

• 信息来源：北京日报/新京报