AI 日报 | 2026年10月16日

今天的五条新闻有一条共同暗线：争夺焦点正从「能力有多强」转向「能力怎么送到使用者手上、又按什么口径结账」。模型层面，Meta 把 8160 亿参数的开放权重模型压进两台 Mac Studio；工具层面，Claude Code 桌面版不再等你下指令，而是自己分身并行；机器人层面，Physical Intelligence 把基础模型变成一项托管服务。资本侧同样在换口径：Agility Robotics 即将成为美股第一家纯人形机器人上市公司，而智元的新一轮融资反而把它的港股 IPO 推到了 2027 年。

Meta 发布 Muse Spark Open：8160 亿参数模型跑上两台 Mac Studio

美国时间 10 月 15 日，Meta 发布开放权重模型 Muse Spark Open，当天同步开放权重下载。模型采用混合专家架构（MoE，即每次推理只激活其中一部分参数），总参数 8160 亿、单次激活 420 亿，上下文窗口 100 万 token，原生支持文本、图像、视频、音频四种输入，输出为文本——它能看懂截图、听录音、逐帧分析视频，但不能画图或生成语音。Meta 官方把它定义为「迄今能力最强的美国开放权重模型」，这个地域限定词本身就说明问题：在它自己公布的对比表中，Muse Spark Open 在 JobBench（长周期工作流任务）和 MCP-Atlas（调用外部工具能力）两项上拿到 61.8 和 89.2 分居前，无工具条件下的 HLE-Diamond 高难推理测试 26.1 分领先，但在软件开发等任务上，Kimi、千问、智谱等中国开源模型依然更胜一筹。

真正的看点不在分数，而在落地形态。Meta 与苹果合作，用苹果专为自家芯片设计的机器学习框架 MLX，让模型跑在两台 M5 Ultra 版 Mac Studio 上：两台机器通过 Thunderbolt 5 与 RDMA（远程直接内存访问，一种绕过 CPU 的高速互联）做张量并行，每台各持一半权重、权重全程不搬运，只在微秒级交换少量中间结果，合计 1TB 统一内存刚好卡住 NVFP4 量化版本的门槛。Meta 演示的两个全本地智能体案例是：驱动自家 AI 代码终端 Muse Code，给开源 Mastodon 客户端 Ice Cubes 修 bug、加功能并完成完整构建；以及端到端操控剪辑软件 DaVinci Resolve，逐帧审片找高光片段并竖切。

值得关注：这条新闻的价值在于它松动了「前沿模型必须托管在云端」这个默认前提。硬件门槛依然不低——模型卡标注 NVFP4 版本至少需要 700GB 加速器内存，未量化的 BF16 版本需要 2TB——但它落成了一个普通开发者可以采购、可以搬回家的具体配置，而不是抽象的集群规模。需要同时盯住三条边界：授权方面，Muse Model License 带有有限商用条款，并非 Apache 那样宽松的开源许可，能免费用的群体有限；性能方面，Meta 自述的提速要分层看，自定义 Helion GPU 内核在单个内核上有 1.03 到 3.95 倍加速，但落到 AMD MI350 上端到端只有 3%；适用性方面，所谓「两台 Mac Studio 像一台超级计算机」的体验目前只在最高配的 M5 Ultra 机型上验证过，中等显存机型的可行性没有给出数据。还有一个容易被忽略的信号：苹果亲自为这件事背书，本质是在用第三方前沿模型证明 Mac 的统一内存架构适合本地跑 AI——一台 Mac Studio 能用到 512GB 统一内存、1.2TB/s 内存带宽，是这套方案成立的全部物理前提。

来源：Meta 官方博客 Introducing Muse Spark Open ｜ Meta 开发者文档 Build with Muse Spark Open ｜ 9to5Mac 报道

Claude Code 桌面版大改：从「助手」变成自动分身的团队

Anthropic 于 10 月 15 日推送 Claude Code 桌面版重大更新，项目负责人之一 Thariq Shihipar 称之为「几乎是一个 v2 版本」。核心变化是嵌套会话（nested sessions）：过去想让 AI 同时干三件事，得手动开三个窗口、最后逐个核对结果，且主线程会被几百行终端输出淹没；现在只需在主对话框里一次性交代任务，Claude 判断这些事可以并行时，会自动为每个子任务拉起独立的嵌套会话，各自读上下文、改代码、跑测试，完成后只把结论汇总回主会话。官方演示里，Claude 修商品网格布局抖动时顺带发现购物车缩略图没写宽高、首屏以下图片没做懒加载、结账表单缺 label 三处遗留问题，列出三条建议任务，点一下「全部开始」，三个子会话同时开工，主会话只依次收到三条完成回执。

配套的几个细节指向同一个痛点。并行最容易踩的坑是两个会话往同一目录写代码，新版提供了用 Git Worktree（Git 的一项功能，可从一个仓库拉出多个独立工作目录）为每个会话创建隔离副本的勾选项，做到文件物理隔离；新增 /btw 指令（取「顺便问一句」之意，快捷键 Cmd+; 或 Ctrl+;），在独立标签页打开支线对话并完整继承主会话到目前为止的全部上下文，问完关掉，主线程记录一个字没脏，省掉的是打断心流后十几分钟的重新进入成本；还新增「空闲压缩」——会话长时间无动作时，在提示词缓存即将过期（约一小时）前自动压缩上下文以控制 token 消耗。此外，多目录加跨端工作台的配置可以存成具名环境套装一次拉起，会话之间也能互相查看与发消息（默认最近活跃的 20 个）。

值得关注：这条更新的意义在于明确了 AI coding 下半场的竞争口径——过去两年比的是代码补全、单次生成准确率和各类榜单跑分，现在比的是「一个人能同时带多少个并行任务、还不把工程搞砸」，人类开发者的角色则从写代码的人位移为审批放行的人。但请注意两处未随之转移的东西：一是验收责任，被子会话藏起来的中间试错过程，意味着主会话看到的「已完成」并不等于代码正确或可合并，最后签字的人仍然是人；二是新的复杂度被挪到了别处——多个 Worktree 分支之间的合并冲突、谁改了哪一行、最终要不要合回去，这些问题不会因为界面清爽而自动消失。换句话说，这次改进提升的是「并发可见性」，不是「正确性保证」。

来源：腾讯新闻《刚刚，Claude Code 桌面版大更新》 ｜ 网易《Claude Code 桌面版暴改，一人指挥 AI 军团飙代码！》

Physical Intelligence 开放 Pi API 测试版：机器人基础模型变成托管服务

Physical Intelligence（业内简称 Pi，一家做通用机器人基础模型的公司，其 π0 与 π0.5 是能接收图像与语言指令、直接输出动作的视觉-语言-动作模型）于 10 月 13 日推出 Pi API 测试版，向外部开发者提供模型微调与云端推理服务。流程是三步：开发者上传自己机器人采集的示教数据，在 Pi 托管的算力和基础设施上做微调，再通过托管网关调用模型驱动自己的机器人；实机评测结果反过来决定下一轮该补什么数据，形成闭环。Pi 此前已在 Apache-2.0 协议的 openpi 仓库开源 π0、π0-FAST、π0.5 的权重（基础检查点预训练于超过 1 万小时机器人数据），这次等于在此之外增加了一条「连训练和推理都不用自己搭」的付费路径。

公布的案例集中在「多久能出一个能用的策略」。双臂机器人厂商 Almond 用该 API 迭代 4 天后，让自家双臂机器人 Axol 给机器人自身装配要用的间隔件去毛刺——视频里机器人能把零件夹起、在类砂纸工作台上摩擦并自行翻面，Almond 的目标是让 Axol 最终能造自己；主营自主重型设备的犹他州公司 Actor，其自主轮式装载机在真实商业部署中完成铲料与装车，驾驶室里没有操作员；Argon Robotics 在拿到权限后 35 小时内做出了整理厨具的精细调校模型，视频中夹爪能扛住人类甩盘子、抽走架子等干扰；Chef Robotics 则把新采的数据在第二天就用到了正在运行的模型上，无需自行训练。Pi 称早期合作方约 20 家，覆盖日本、瑞士和美国的重载机械、餐饮、制造、乳业等场景。

值得关注：这件事标志着具身智能基础模型从「开放的研究制品」向「计量收费的服务」迈出了实质一步，如果 Pi 的判断成立，未来大多数机器人应用会像语言与视觉领域那样，从通用模型微调起步，而不是从零训练。但有三点必须看清：第一，Pi 未公布定价、端点与调用参数，Beta 资格靠申请并需说明你想做什么，「商业模式验证」目前只有方向没有账本；第二，所有「4 天」「35 小时」都是 Pi 单方口径的成功案例，没有第三方复现，也没有披露失败率或返工次数；第三，把训练数据与推理流量放到别人的云上，意味着数据主权与网络可用性都成了外部依赖——Pi 自己就承认部分早期项目存在网络连接问题。自托管的用户仍可选 openpi：推理需 8GB 以上显存，LoRA 微调需 22.5GB 以上，全量微调需 70GB 以上显存。

来源：Unite.AI《Physical Intelligence Opens Pi API Beta for Robot Foundation Models》 ｜ 腾讯新闻《【物理AI】PI 开放模型 API，探索模型服务商业化——中信制造》 ｜ 机器人前瞻《机器人能外包大脑了？PI 开放 API，训练、推理搬上云端》

Agility Robotics 冲刺纳斯达克：人形机器人要接受公开市场审计

SPAC 是一种让企业绕过传统 IPO 的上市路径：先由一家空壳公司在交易所挂牌募资，再与未上市企业反向合并；S-4 是美国证券交易委员会（SEC）审查这类合并时必须登记并获宣布生效的注册文件，PIPE 则是与交易同步进行的定向增发。10 月 13 日，Agility Robotics 与特殊目的收购公司 Churchill Capital Corp XI（纳斯达克代码 CCXI）联合提交的 S-4 注册声明获 SEC 宣布生效，双方定于 11 月 2 日召开股东特别大会表决合并，通过后公司将以股票代码 AGLT 在纳斯达克挂牌。交易对 Agility 的投前股权估值为 25 亿美元，预计带来超过 6.2 亿美元总募资——其中约 4.24 亿美元来自 Churchill XI 信托账户现金（假设股东不赎回），另有约 2 亿美元普通股 PIPE，由富士康领投，发行价每股 10 美元。现有股东将 100% 转股进入合并后主体，并自交割之日起锁定 180 天。

支撑这次上市的是一批可以核验的经营数据：Agility 2015 年脱胎于俄勒冈州立大学动态机器人实验室，历代 Digit 机型已在全球 9 个客户现场累计运行超过 6.5 万小时，客户包括舍弗勒、GXO 物流、丰田汽车加拿大工厂和 Mercado Libre，其云平台 Agility Arc 负责把 Digit 接入客户运营并管理多场所机器人集群。今年 9 月发布的新一代 Digit 5 主打人机协作安全，已获得超过 3 亿美元多年期订单——但这是 Agility 自己附带的限定语：「须满足特定合同里程碑、产品功能与规格」，预计 2027 年初向早期客户交付。产能端，俄勒冈州塞勒姆的 RoboFab 工厂设计年产 1 万台，加上 7 月启用的加州弗里蒙特研发与物理 AI 中心，形成研发到量产到部署的垂直链条。公司还被英伟达选为面向物理 AI 与人形机器人的全栈安全系统 Halos 的全球首发合作伙伴。目标是到 2027 年底把处于洽谈或客户加速计划中的潜在客户从 30 多家扩到约 100 家，客户设施部署从 9 个增至最多 25 个。

值得关注：这是行业第一次把人形机器人的经营账摆到公开市场的持续披露义务之下——「6.5 万小时真机运行」这类此前只出现在融资 PPT 里的数字，今后要接受季度报告与做空报告的双向拷问，对整个行业的口径规范化是件好事。同时必须把风险写在明处：SPAC 常见的赎回风险可能大幅缩水信托账户里的现金，PIPE 会带来摊薄，而「3 亿美元订单」是附条件的意向而非已确认收入；此外，「美国首家拥有成熟商业化落地的纯人形机器人上市公司」是 Agility 自己的市场定位表述，不是 SEC 的认定结论。11 月 2 日的表决结果、赎回比例以及 AGLT 最终是否如期开始交易，是接下来最直接的三个观察点。

来源：Agility Robotics 官方新闻稿 ｜ NAI500《人形机器人第一股要来了！Agility Robotics 11 月登陆纳斯达克》

具身资本换挡：智元新一轮融资把 IPO 推到 2027 年，初创开始「左手融资、右手投资」

据财联社 10 月 15 日报道，具身智能独角兽智元创新近期启动新一轮融资，金额约 10 亿至 15 亿元，本轮已接近收尾，最新估值约 500 亿元；针对融资、估值与 IPO 进展，智元方面未回应。这笔钱反而可能推迟它的上市：按照港交所《上市规则》，上市申请公司若在递表后、上市前完成新融资，除非获得联交所特殊豁免，需等到最后一笔融资完成后满 120 日方可挂牌交易，这条规则的目的是防止发行人在上市前突击融资抬估值。智元今年 7 月刚启动港股上市筹备，按此推算最早也要到 2027 年 2 月底才能挂牌。

把这件事放进更大的背景里看，是整个赛道的融资节奏在分化。宇树科技已率先完成科创板上市成为「第一股」，云深处、乐聚智能 5 月分别获科创板和创业板受理并进入问询；港股方面，银河通用 2025 年 11 月完成股改但曾对外否认上市计划，自变量、星海图、逐际动力被曝以保密形式递交申请。监管侧也在收紧：已有多家媒体报道证监会向部分投行和投资机构发出非正式「窗口指导」，提高人形机器人初创公司的上市审批门槛，上交所对云深处科创板 IPO 的首轮问询共有 15 个问题，其中第五问直接要求公司说明未来业绩增长的可持续性。与此同时出现一个耐人寻味的现象——证券时报 10 月 16 日报道，巨蟹智能和墨现科技两家具身产业链企业同步官宣完成融资，两家投资方名单里都出现了同一具身智能百亿独角兽的身影，而今年以来智元、松延动力、银河通用等十余家企业已经纷纷下场做投资，形成「尚未盈利却又对外投资」的局面。

值得关注：与 Agility 走向公开市场接受季度披露形成对照的是，部分一级市场企业还在尚未验证商业模式时就开始对外做投资。受访业内人士认为多数布局是为了提前搭建产业生态，但也给出了明确的提醒——应审慎考虑对外投资能否真正服务主营业务，避免挤占研发和商业化所需资金，切勿为了估值叙事而盲目扩张。两类资本动作的并存其实指向同一个风险：当一级市场的估值锚高于二级市场愿意给出的倍数时，整个行业会经历一次重定价，而处在产业链不同位置的企业能否扛住，取决于它们的订单是否像 Agility 那样可以被核验，还是停留在有限条件的意向金额上。

来源：新浪财经/红星资本局《估值 500 亿，智元今年或无法完成 IPO》 ｜ 证券时报《机器人初创企业扎堆做投资 边融边投模式引热议》 ｜ 物联网世界《消息称具身智能独角兽公司智元启动新一轮融资，估值约 500 亿元》