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。
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。
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
本页的评论功能已关闭