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

今日焦点：贾扬清携 Intent Lab 杀入自主 AI 开发赛道，AI Coding 从 Loop 进化到 Graph 工程化阶段；具身智能侧，宇树科技启动 IPO 募资 42 亿元，京东抛出 410 万台机器人五年大单，Google DeepMind 发布通用机器人「大脑」Gemini Robotics 2——软件和硬件两条线都在加速从 Demo 走向生产力。

贾扬清创立 Intent Lab，发布全链路自主 AI 开发团队 Fleet

前英伟达高管贾扬清在离开英伟达一个月后，正式创立 Intent Lab，推出名为 Fleet（舰队）的自主 AI 开发团队。Fleet 的定位不是代码补全工具，而是覆盖系统架构设计、代码开发、基础设施部署、测试、质量验证和性能优化全流程的「数字员工团队」。早期成果包括将 GLM-5.2 推理引擎提速 534%、一键式数据库创建，以及经形式化验证的 Agent 文件系统。

值得关注： 这是 AI Coding 从「帮人写代码」到「替人做软件」的关键一步。贾扬清亮出的三个跨领域成果（推理优化、数据库、文件系统）证明 Fleet 具备通用工程能力而非单一场景的调优。结合 Y Combinator 近期开源的多 Agent 调度框架 QM，行业正在形成共识：AI 编程的竞争已从模型能力转向工程编排能力。

来源：创业邦

AI Coding 从 Loop 走向 Graph Engineering

Open Claw 创始人 Peter Steinberger 在 X 平台上抛出「我们还在谈 Loop，还是已经转向 Graph 了？」引发 300 万+ 浏览，Loop Engineering 走红仅六周便被「宣告过时」。Graph Engineering 的核心区别在于：Loop 解决单个 Agent 的「继续执行」问题，而 Graph 解决多个 Agent 节点间的「协同编排」问题——任务拆分、依赖管理、分支回退、中间状态保存与结果验收。

值得关注： 这并非概念炒作。主流 Coding Agent（如 Claude Code、Codex）已在内部使用 Graph 架构，只是没有对外暴露。当 AI 编程从单文件补全进化到多模块系统工程时，Graph 是必然的架构选择。对于开发者而言，理解 Graph 意味着从「怎么让 AI 继续写」升级到「怎么设计 AI 的工作流」。

来源：虎嗅/智讯智库

宇树科技启动 IPO，具身智能第一股估值超 400 亿

宇树科技（Unitree）正式公布科创板 IPO 时间表，计划发行 4045 万股新股募资 42.02 亿元，估值约 420 亿元。募资将用于建设年产 7.5 万台人形机器人和 11.5 万台四足机器人的制造基地。宇树是人形机器人领域全球出货量最大的厂商之一，2025 年中国人形机器人占全球出货量 84.7%。

值得关注： 这是具身智能行业从「概念驱动」转向「资本化量产」的标志性事件。宇树是行业内少有的已实现盈利的机器人企业，其 IPO 将为整个赛道锚定估值基准，加速有产品与无产品企业之间的分化。结合美国近期对中国机器人实施的出口禁令，宇树上市也带有国产替代的战略意义。

来源：China Daily

京东抛出 410 万台机器人五年采购大单

京东在 WAIC 2026 期间宣布，未来五年计划采购 410 万台智能机器人设备，涵盖仓储物流、末端配送、商业服务等场景。京东不做机器人整机，而是以「超级甲方」身份搭建具身智能底层基础设施——覆盖数据采集、模型训练、标准测评、仿真验证到实景落地的七大环节闭环。

值得关注： 410 万台订单量级足以重塑具身智能供应链格局。京东的姿态是「不做整机、只做基础设施和标准」，这意味着它要做具身智能时代的操作系统——类似 Android 之于手机产业。对于中小机器人厂商而言，接入京东体系既是机会也是绑定，需要仔细评估。

来源：大厂财经社

Google DeepMind 发布 Gemini Robotics 2，剑指机器人通用「大脑」

DeepMind 于 7 月 30 日发布 Gemini Robotics 2 系列，包含三款模型：视觉-语言-动作模型（VLA）、具身推理模型（ER2）和端侧轻量版（On-Device 2）。该套件支持跨机型快速适配，仅需数小时数据训练即可驱动全新机身，DeepMind 将其定位为机器人的「智能层」——类似 Android 之于手机生态。

值得关注： 同一参数模型同时控制三台硬件结构完全不同的机器人（Apptronik Apollo 2 + 独立双臂设备），证明通用机器人大脑的技术可行性已大幅提升。但 DeepMind 不生产硬件，其商业模式依赖硬件厂商接入，这套「安卓式」打法能否在工业机器人市场复制手机生态的成功，仍需观察。

来源：财联社

今日 AI 领域呈现“代码主权”与“物理智能”双主线交织：美国众议院因 DoorDash 使用中国 Kimi 模型展开安全调查，AI 工具选择首次被纳入地缘政治议程；国内具身智能融资热度不减，破壳机器人、求之科技同日披露亿美元级融资，分别瞄准“机器人操作”与“模型—数据—仿真”全栈底座。以下是精选要闻。

DoorDash 因使用月之暗面 Kimi 模型写代码遭美国众议院调查

据外媒报道，美国众议院国土安全委员会与另一委员会主席已联合致函 DoorDash，要求披露其使用中国 AI 大模型的具体情况。DoorDash 创始人 Andy Fang 在 7 月初发文称，内部测试显示 Kimi K2.6 + Anthropic Fable 5 的组合在代码任务上超越 Sonnet 4.6 + Opus 4.8，且成本更低，公司已将部分底层任务通过模型路由服务委托给 Kimi K2.6。调查函指出，中国开源开放权重模型虽具成本优势，但不能消除安全风险与国家安全担忧。DoorDash 发言人回应称，愿配合调查并讨论如何安全使用包括美国前沿模型与开放权重模型在内的 AI。

值得关注的原因：这标志着 AI 编程工具从“效率选型”升级为“国家安全审查”对象。企业在中国开放权重模型上的成本优势，正面临合规、数据主权与供应链风险的多重审视。

信息来源：网易科技 / 雷峰网

IC Coder 2.0 上线内测：FPGA 研发进入 Agent 全工程闭环

IC Coder 2.0 正式发布并启动内测，面向 FPGA 真实研发场景，对自研 FPGA 专用模型、Agent 执行平台、企业本地知识库、板卡与芯片适配进行系统升级。其目标不是生成代码片段，而是让 AI 覆盖需求理解、架构设计、RTL 生成、仿真验证、问题定位、约束生成到上板调试的完整 FPGA 研发流程。产品已获世界 500 强企业采购部署，并成为安路科技“大学计划”官方生态伙伴；已适配米联客、康芯等国产 FPGA 开发板及安路 FPGA 器件。

值得关注的原因：AI 编程正向硬件垂直领域深潜。FPGA 开发流程长、约束多、调试成本高，Agent 化有望成为国产芯片、工业控制与机器人硬件生态的加速器，也提示“Coding Agent”的下一战场是垂直工程闭环。

信息来源：新浪财经 / 电子创新网

求之科技完成 1 亿美元天使+轮融资，跻身具身智能独角兽

2026 年 8 月 3 日，求之科技（DISCOVER Robotics）宣布完成 1 亿美元天使+轮融资，距首轮超 1 亿美元天使轮落地尚不足一月。本轮由 IDG、星连、武岳峰、达晨、九阳、华映、滨湖区产业集团等参投，老股东悉数追加。求之科技构建了“模型—数据—仿真”全栈具身智能技术底座，已发布分层式基础模型 ORION、虚实混合数据闭环系统 LOOP 与高保真仿真器 DISCOVERSE，试图系统性破解行业数据匮乏与泛化能力弱的瓶颈。

值得关注的原因：天使轮即破独角兽估值，说明资本对“端到端具身底座”的饥渴程度。求之的模型—数据—仿真闭环代表消费级具身智能的长期基础设施方向，也预示着赛道竞争从“本体堆料”转向“全栈飞轮”。

信息来源：网易科技 / 雷峰网

破壳机器人完成亿美元级 Pre-A 轮融资，押注机器人操作能力

通用具身智能公司破壳机器人（PokeBot）近日完成亿美元级 Pre-A 轮融资，由顺为资本、经纬创投领投，钟鼎资本、九坤创投、SEE Fund、小米战投等老股东持续加注。公司由清华大学交叉信息研究院助理教授许华哲创立，聚焦机器人“操作”——即在真实物理世界中用双手完成任务的能力。破壳提出 WAM（世界动作模型）× RL（真机强化学习）× DATA（真实世界数据）飞轮，并在成立三个月内发布了全自主炒制麻婆豆腐、叠衣服、穿扎带等长程精细操作真机演示。

值得关注的原因：机器人产业正在把竞争焦点从“会跑会跳”拉回“会干活”的本质。长程烹饪、柔性物体处理等任务对力控、时序规划与因果理解要求极高，是家庭具身机器人能否真正落地的瓶颈，也是物理 AI 的“最后一公里”。

信息来源：网易科技 / AI科技评论