每天 10 条，聚焦 AI Coding 与具身智能。今天的三件事，都发生在"交付那一栏"。

昨晚，DeepSeek 把智能体的组织结构改了：上面一层

主管

负责派活和验收，下面一层

工人

并行干活，外面再挂一个

看门狗

。它把话说得很直接——人的位置上移到"

决策与验收

"。同一天，Anthropic 的人讲了另一件事：把最核心的 Messages API 从 Python 重写成 Rust，而团队里

一个 Rust 开发者都没有

。他们的总结是：真正决定成败的不是写代码，是"

计划

"和"

验证

"。

具身侧撞上了同一道题。11 月 5 日，Agility 将以 AGLT 登陆纳斯达克——美股第一次给"双足劳动"定价。但它的募资比原计划少了

1.5 亿美元

，缺的那部分，是 SPAC 信托投资人

选择赎回

。赎回，就是一种不签字。而 Figure 每周花 810 万美元买数据，买的其实不是数据，是

能被审查的证据

。

AI Coding

1. DeepSeek 给智能体配了个主管，还配了个看门狗

事件

：10 月 31 日晚，DeepSeek 的 Harness 团队公布了面向个人 Agent 场景的

Super-agent

底层架构，并在 GitHub 开源原型代码（deepseek-ai/dsh-superagent-prototype，MIT，v0.1 开发者预览）。这不是一个新产品，而是一次

架构移植

：把操作系统里用了几十年的东西——调度、缓存、存算分离、看门狗——搬进智能体。

拆开看是五层：

双层结构

。上层

Router

收消息、分任务、维护全局上下文；下层

Worker

具体执行。多个任务并行推进、互不干扰，而用户面对的始终是同一个 Agent。你不必再记住每个会话进行到哪一步。

事件驱动

。工具调用从"单次函数调用"变成"持续事件订阅"。一个 Worker 接下 GitHub PR 后可以直接订阅后续评论——有人提修改意见，消息直达该 Worker，不再层层过 Router。测试里去掉这条"直通"，Router 决策次数增加约

30%

，读缓存 token 从

2,323 万

涨到

3,177 万

。

异步多信道交互

。跨 IM 群聊、GitHub、邮件并行工作。

存算分离

。会话状态与执行环境解耦，设备离线不等于任务停摆。

外部 Watchdog

。独立于主循环之外盯着，防任务卡死、支持中断续接。

投机执行

是另一个新增项：群里有人在讨论一个 Bug，Agent 可以先自己去复现、找原因，找到简单可行的修复方案再交给用户；没结果就保持安静，不打扰。这也意味着它

能自己发现仓库里的 Bug，并直接提交修复

。

实测数据（模拟多任务环境）：任务完成时间中位数

12.4 分钟

，95 分位

15.7 分钟

；作为对照，带 Subagent 工具的单 Session 方案在中性提示下 95 分位达到

29.5 分钟

。Router 批处理把单个决策分摊的推理时间从

6.4 秒

压到

1.6 秒

。团队自己也标注了局限：实验基于

合成负载与简化环境

，是初步参考，不是产品结论；而且它是

拿更多 token 换时间和稳定性

。

值得关注的原因

：先说清楚这条为什么重要——过去一年半，行业默认的智能体形态是"一个会话干一件事"。所有产品、所有计费、所有限额，都建立在这个假设上。Super-agent 动的正是这个假设：

当模型执行单任务已经不太需要人插手，瓶颈就不再是模型能力，而是人的注意力

。一个人同时只能盯一个对话框。于是架构层面的解法不是"让模型更聪明"，而是"让系统替人管会话"——这一步跨过去，Agent 从"工具"变成了"常驻进程"，而人从"操作者"变成了"验收员"。

第二个值得记的是它的

方法论来源

：Watchdog、存算分离、事件直通，这些全不是 AI 词汇，是分布式系统和操作系统里的老词。这说明一件很现实的事——

2026 年做 Agent，护城河一大半不在模型里，在模型外面那圈工程里

。同一个模型换个脚手架，表现可以判若两"模"。DeepSeek 这次把脚手架直接开源，等于把这道题的答案先公开了。

第三，也是最该盯的一点：

它把"验收"这件事交给了一个叫 Watchdog 的进程

。这是效率，也是风险。当 Agent 自己判断"这个任务卡住了、我重启一下"，它实际上获得了一个不需要人同意的决策权。第 1 条、第 5 条、第 6 条并读，你会发现今天所有新闻都在同一个位置上打转：

执行端已经足够便宜，验收端还是空的

。

2. 一个 Rust 开发者都没有，他们把最核心的 API 重写了一遍

事件

：Anthropic 平台工程负责人

Katelyn Lesse

在 Latent Space 播客里讲了一个完整的生产案例：原来的

Messages API

是一个很吃 CPU 的 Python 单体服务，团队决定改用

Rust

——可当时组里"

一个 Rust 开发者都没有

"。

做法是角色对调：

人负责设计分布式架构、搭对照验证；Claude 负责写大部分代码

。他们先搭出整套 Rust 版 API，把线上流量

同时复制一份过去影子运行

，逐字段比对两套系统的输出，确认一致后才逐步切流。

结果：

CPU 节省约 40%–50%

，

首字延迟快 10%–20%

。

她特别强调了一句，我认为是这条最有价值的部分：真正决定成败的是"

计划

"和"

验证

"，而不是写代码本身。用 AI 做大规模迁移，

先把对照验证搭好

。

值得关注的原因

：这是目前公开案例里，少见把三个数字同时给全的一次——改写了什么（核心 API）、省了什么（CPU 四到五成）、怎么保证没错（影子流量逐字段比对）。比对那些"AI 写了 X 万行代码"的说法，这条的可信度来自它的

反面

：它承认团队里没人会写这门语言，也承认靠的不是模型有多强，而是把验证做在了切换之前。

把这条和第 1 条并读，一个方向就出来了：

当 AI 能写的代码量超过人能审的代码量，"验证"就成了新的稀缺资源

。Anthropic 的做法是让两套系统同时跑、机器对机器比；DeepSeek 的做法是让 Watchdog 在外部盯着；Agility 的做法是让市场用钱投票。三条路，指向同一个问题：

生成已经过剩了，签字的人不够

。

也给工程团队三条可以直接抄的：迁移类任务，先把

对照环境

建起来，再让 AI 动手；给 AI 的输入不是"帮我重写这个服务"，而是"这是架构、这是接口契约、这是验收标准"；最后一点反直觉但很实用——

团队成员不懂的技术栈，反而适合让 AI 先写第一版

，因为人本来就没有"我会写"的偏见，只会更认真地搭验证。

3. 谷歌关掉了 Jules：编码智能体开始收摊并桌

事件

：Google 宣布旗下编码智能体

Jules

将于

12 月 31 日

正式关停，

11 月 11 日

起先进入

只读模式

，能力与用户全量迁移到

Antigravity

平台。

Jules 的定位曾经很锐利：

异步编码智能体

——对接 GitHub 自动跑任务、修代码、写测试，是谷歌在编码智能体赛道对垒 Codex 与 Claude Code 的先手棋。官方给的理由是集中资源打造统一的 Agentic 编码开发环境，

避免双线维护分散火力

。对开发者来说，11 月 11 日之前需要导出历史任务、规划工具链切换。

值得关注的原因

：这条的金额是零，信息量却不小。它把 2026 年编码智能体竞争的第二阶段说清楚了：

从"广撒网"转向"平台化决战"

。第一阶段各家都在试形态——异步任务、IDE 内联、CLI、云端沙箱；第二阶段开始收编：能独立活的变成平台的一个入口，活不下来的被合并。Jules 不是输在能力，是输在

它和 Antigravity 回答的是同一个问题

，而一个公司不需要两个答案。

对做工具的人，这里有个不太好听的推论：

"功能"正在被"入口"吃掉

。过去两年冒出来的一批独立编码智能体，卖点都是某个具体能力——异步跑任务、自动写测试、批量修 lint。这些能力一旦被平台内置，独立产品就只剩下两条路：变成插件，或者变成被收购的团队。判断标准也很简单：你的产品是

用户主动打开的目的地

，还是

某个流程中间的一步

？后者会被平台化收编，只是时间问题。

顺带一句给普通开发者的实操：如果工作流里有依赖单一厂商智能体的自动化，

该建一层自己的抽象了

。Jules 只读倒计时 10 天，这是今年第三次同类事件。

4. Claude 最贵那档改了名，顺手把"5 小时"这道墙拆了

事件

：Anthropic 调整个人订阅体系，北京时间 10 月 31 日起分批生效：

Max 5x

（100 美元/月）→ 更名

Max

，价格不变；

Max 20x

（200 美元/月）→ 更名

Ultra

，价格不变；

老用户

自动迁移

，不需要任何操作。

真正的变化在 Ultra：

通过自动验证的账户，不再受"每 5 小时"滚动会话限制

，长任务可以一口气跑完，只保留每周额度（仍为 Pro 的

10 倍

）。验证由系统根据

账号与支付历史

自动完成，无法申请、无法加速；新账户先保留临时限制，通过后自动解除并邮件通知。旗舰

Fable

模型另设每周上限。两档订阅还分别新增

100 / 200 美元

的月度 API 额度。Claude Code 负责人

Boris Cherny

专门提到了这项变化。

值得关注的原因

：这是把"额度"这个前置条件从工作流里拆掉了。重度用 Claude Code 的人都有过同一种体验：

周额度还有一大截，但 5 小时窗口到点了

，一个大重构跑到一半被卡住，只能等。这个限制的设计初衷是防滥用，实际效果是

惩罚长任务

——而长任务恰恰是编码智能体最有价值的场景。所以这次改的不是价格，是

任务的颗粒度上限

。

但两个细节必须点出来，否则容易被误读成"无限量"。第一，

周额度一点没涨

。官方的说法是"不再有 5 小时限制"，不是"不再有限制"——一天烧完一周的量，第二天照样停。第二，网页、桌面、手机聊天和 Claude Code

共用同一份额度

，你在别处多聊几句，代码那边就少一点。所以这条真正的受益者画像很明确：

每天跑 4–8 小时 agent、但不做批量任务的那个人

。对跑大规模自动化的团队，Ultra 依然不够，该走 API。

放到竞争格局里看就更清楚了：这是对 OpenAI（Codex 连续额度重置）和 Google 争夺开发者的正面回应，而且它选的战场很聪明——

不比模型分数，比谁更不打断你

。

5. 钥匙交出去三把，锁一把没换

事件

：24 小时内，agent 的"权限面"往三个方向各扩了一格。

第一格，跨机器。

Qoder 10 月 30 日上线

设备连接

：同一局域网里的笔记本、台式机、Mac mini，用设备地址加配对码配对后，就能在手边这台 Qoder 里把任务

派到另一台机器上跑

，中途补充要求、查看进度，远端生成的文件可以直接在本机预览——不用配 SSH，不用开远程桌面。两端必须登录同一账号，配对码有有效期，可按需开放工作区、随时断开或移除授权。同版本还支持

选择性导入 Codex 的对话、本地自动化、记忆，以及部分 Skill、MCP 和插件配置

（导入的插件默认关闭）。

第二格，跨应用。

Vercel Labs 开源

agent-desktop

（作者是 agent-browser 的作者 Chris Tate），支持 macOS、Windows、Linux。它

不靠截图识别像素

，而是读取系统的

无障碍树

，给每个可操作界面元素一个编号，智能体按编号点击、输入，再重新读取界面确认结果。开发者实测：操作苹果地图时，每看一次界面约

273 个 token

，截图方式约

3,811 个

——差一个数量级。局限同样明确：应用没有提供无障碍信息的部分（比如地图画面本身），它就看不见。

第三格，跨命令。

OpenAI 给

Agents API

加了

Auto Review

：像 Codex 那样，在执行命令前先评估有没有潜在危险行为。同批更新还有后台异步上下文压缩、"时间感知"（让模型知道"修 CI 最多花 10 分钟"）、会话中随时更新工具、系统提示词跨会话自动缓存。注意一个设计细节：开启 auto_review 后会

拒绝人工审批这条兜底路径

——接入前务必先在测试环境确认行为。

同一天还有一条反向的：被称为"CAD 界 Cursor"的 SolidWorks AI 插件

MecAgent

被用户分析发现，

免费版会扫描硬盘上的 SolidWorks、STEP、STL 文件并上传云端

，锁屏时还会全速上传；而服务条款写明免费用户同意扫描上传，并授予公司

永久、不可撤销的使用许可

，包括用于 AI 训练和提供给第三方。团队随后道歉，称付费版不收集数据、免费版数据尚未用于训练，并已

暂停免费版与数据收集

，直到条款改清楚。

值得关注的原因

：这三格加一条，构成了一个完整的因果链。

能力在扩，授权没扩

。agent 从"能改我这个仓库"到"能操作我另一台电脑"再到"能点我屏幕上任何一个按钮"，每一步都需要新的授权模型，但行业给的东西还是那句"点击同意"。第二格的技术选择值得单独表扬：用无障碍树而不是截图，不只是省钱——

编号是稳定的、可重试的、可审计的

，截图不是。同一个按钮在两张截图里的坐标可能差 3 像素，在无障碍树里永远是同一个编号。这是"可验证"从界面层开始渗透的第一个信号。

而 MecAgent 那条，是这一整段里最该被记住的：

你没签过字的东西，已经被送出去了

。它甚至不在"安全漏洞"的范畴里——条款里写着，用户点了同意。所以对每一个装 AI 插件的人，三句话：它能读什么、它往哪传、条款里授权了什么。三句里有一句答不上来，就别装。

具身智能

6. 11 月 5 日，美股第一次给"双足劳动"定价

事件

：

Agility Robotics

与 SPAC 公司

Churchill Capital Corp XI

的合并进入最后一周：

11 月 2 日

股东表决、

11 月 4 日

交割、

11 月 5 日

以「

AGLT

」在纳斯达克开始交易。合并及相关融资预计募资总额约

4.65 亿美元

（交易费用前）：Churchill XI 信托账户约

1.64 亿

、每股 10 美元的 PIPE 约

2.01 亿

（

富士康领投

）、以及消息公布后已到账的

1 亿美元

股权融资。投后企业价值约

25 亿美元

。全部现有股东换股并入，交割后

锁定 180 天

。

这个数字比原计划低：注册文件更新时曾估算交易总收益

超过 6.2 亿美元

，其中假设信托账户贡献约 4.24 亿且

无赎回

。实际信托贡献降至 1.64 亿，

缺口约 2.6 亿美元

——SPAC 投资人选择了赎回，而不是留下。

商用底数：

Digit 累计超过 65,000 小时真实运行

；

GXO

将在两处新增仓库部署（2027 年初先上 Digit 4，Digit 5 可用后迁移）；与

AGCO

的制造试点预计 2027 年启动；另有 3 家制造客户在付费项目中；

在谈客户超过 30 家

。Digit 5 已披露的多年承诺订单

超过 3 亿美元

，但公司明确提示：该数字取决于

合同里程碑与产品规格达成

，不等于当期营收。

值得关注的原因

：这是美股第一家

纯人形机器人

上市公司，此后每个季报都是市场对"双足劳动"的首次公开定价——这句话不是修辞，它意味着这一赛道第一次有了

连续的、可做空的价格信号

，而不只是融资新闻里的估值。

但真正值得记的是那 2.6 亿美元的缺口。

赎回是投资人用脚投的反对票

，而且投得很具体：他们不是不看好人形机器人，是不看好"用 SPAC 结构、在 2026 年、以 25 亿企业价值买一个年出货量还在两位数的公司"。这个差别很重要——一级市场可以对愿景出价，公开市场只对现金流出价。同一天 A 股人形机器人板块跌

4.20%

、主力资金净流出约

93 亿元

，量的是同一件事。

第二个细节在"65,000 小时"这个单位上。它没说"交付了多少台"，说的是"跑了多少小时"——

这是把验收标准从数量换成了工时

。对照 Figure 的"每周 810 万美元买数据"、智元的"人机配比"，你会发现头部公司正在集体改用一类新指标：不是卖了多少，是

稳定工作多久

。因为只有工时能被折算成人力成本，而只有能折算成人力成本的东西，才卖得动。

风险摆在明处：3 亿美元承诺订单绑在里程碑上，意味着

首批交付延期，收入就会顺延

；180 天锁定期一过，早期股东的选择会给出第二次定价。

7. Meta 用了三个月，从傅利叶拿到一台能做家务的人形

事件

：据 The Information 10 月 31 日报道，Meta 与中国机器人企业

傅利叶智能

合作开发的人形机器人原型

Max

已完成：身高约

1.5 米

、体重约

48.1 公斤

、搭载

英伟达 Thor

芯片，研发

仅用时三个月

。扎克伯格将其定位为

Muse AI 模型的"物理化身"

，承担日常家务。双方已于今年

9 月

启动

Max 2

原型研发（重新设计躯干）。目前

没有上市时间表，也不计划销售原型机

。

值得关注的原因

：这条的商业含义远大于产品含义，而且指向一条正在成形的新分工：

海外大模型公司做"脑"，中国供应链做"身"

。Meta 完全有能力自研本体——它有资金、有团队、有硬件经验——但它选了不自研，三个月拿原型。为什么？因为对人形机器人来说，

本体已经不是瓶颈了

。减速器、关节、结构件、电池、散热，中国的供应链能在三个月内把这些配齐，而在美国从零搭一条产线要按年计。这跟智能手机时代的分工高度相似：品牌做定义和生态，制造交给最会制造的人。

第二个信号在

1.5 米 / 48 公斤

这个尺寸上。它比 Optimus（1.73 米）、Figure 04 都小一圈，也比大多数工业人形小——这不是偶然，是

家用场景的第一性选择

：家庭空间的门宽、台面高度、楼梯踏步，是按人类尺度设计的，但"能干活"不需要 1.8 米，只需要够得着台面、进得了门、摔了不砸坏东西。48 公斤意味着跌倒冲击可控、能被一个成年人扶起来。

行业第一次按"家里"而不是"工厂"来定尺寸。

第三个观察更冷一点：

"物理化身"这个说法把机器人的价值从"劳动力"改成了"接口"

。Muse 需要一个能在物理世界里执行的东西，就像它需要浏览器和 IDE 一样。如果这个定位成立，那这台机器的 KPI 不是"替代几个工人"，而是"让模型多拿到多少真实世界的数据"。这也解释了为什么不卖——

卖掉的是产品，留着自己用的是数据源

。把它和第 8 条并读，你会发现 Figure 花钱买数据、Meta 造机器人采数据，两家在同一个赛道里做了相反的选择，但目的完全一样。

8. Figure 的账本：第四代定型，每周 810 万美元买数据

事件

：《科创板日报》10 月 31 日复盘了 Figure 内部全员大会视频（10 月 22 日发布），CEO Brett Adcock 讲了三件事：

产品

：第四代

Figure 04

已完成

设计锁定

，零部件进入交付验证；研发重心从硬件转到

AI 训练与量产

。

数据

：

Index

全球数据采集项目累计

3,750 万条

人类操作视频，覆盖

上百个国家

，日增约

11.66 万小时

。

Helix 2.5

依托 Index 预训练，在

陌生家庭环境

中任务完成率从

9%

提升到

56%

。

算力

：为消化数据，与

Nscale

敲定初始规模

35 亿美元

的算力合作，2027 年上英伟达新平台。

Adcock 坦言，单周数据投入已达

810 万美元

——未来 12 个月的数据花费，"可能超过多数机器人公司拿到的全部融资"。演讲结尾他还埋了个钩子：内部测了一个没公开的模型，"感觉像

Baby AGI

"。

值得关注的原因

：把三个数字放在一起看，Figure 实际上公开了自家商业模型的分母：

每周 810 万美元 ÷ 每周 11.66 万小时视频 ≈ 每采集 1 小时人类操作视频，成本约 69 美元

。这个数字比任何 benchmark 都重要，因为它决定了具身智能的

边际成本曲线

长什么样——如果 69 美元/小时降不下来，那"通用机器人"就是一个只有少数公司买得起的赌注；如果能降到个位数，行业格局会完全不同。

第二个值得记的是

9% → 56%

这组数字的含义。它测的不是"会不会干活"，是"

在没见过的家里

会不会干活"。9% 意味着此前的模型基本只能在自己采过数据的环境里工作——这也是过去两年所有惊艳 demo 的共同软肋。56% 依然不能商用（一半以上的任务会失败），但它跨过了一条线：

从"记住场景"到"适应场景"

。这条线比分数重要得多。

第三个是那句"Baby AGI"。这类话通常该打折听——但它的作用不在预测，在

融资叙事

：一个还没量产的公司，需要一个让投资人愿意等十年的故事。对照第 6 条 Agility 的 2.6 亿赎回缺口，一边是公开市场不给溢价，一边是一级市场还在买"AGI 前夜"。

同一赛道，两套定价体系，同时存在。

9. 智元把"人机配比"从 1:1 做到了 3:1，下一站 20:1

事件

：中国经济网 10 月 31 日报道，Counterpoint 数据显示 2026 年上半年全球人形机器人出货

超 2.2 万台

，智元以约

9,700 台

、

43%

份额居全球第一。但结构值得细看：

娱乐表演、数据生产及科研用途合计占比仍超 60%

，智能制造仅占

13%

、仓储物流

5%

。

部署侧的具体数字：上海龙旗科技产线上承担平板上下料，

6 天直播累计完成 64,824 次作业，成功率 99.99%，平均节拍 22 秒

；横琴长隆首批部署

300 多台

，分布在

100 多个点位

。

而最值得记的是一个管理指标——

机器人与工程师的配比

：从最初约

1:1

降到

3:1

，目标年底

10:1

、明年

20:1

。合伙人、高级副总裁

姚卯青

的算法很实在：20:1 时，"这个岗位只需新增

5%

的人力预算"。

值得关注的原因

：

"人机配比"可能是这一轮具身智能里最被低估的指标

，因为它同时回答了两个问题——机器人到底能不能独立干活，以及一个工程师到底能管几台。1:1 意味着"一台机器人配一个保姆"，那是 demo 阶段；3:1 意味着"一个人看着三台"，那是试点阶段；20:1 才是产品阶段，因为只有到这个比例，机器人的成本才真正低于它所替代的人力。姚卯青那句"新增 5% 人力预算"是整条里最锋利的一句：

它把"能不能用"翻译成了"划不划算"

。

第二个必须点出来的，是那 60%。娱乐、数采、科研加起来超过六成，制造只占 13%、仓储 5%——这说明

目前绝大多数出货，买的不是生产力，是"数据生产"和"展示"

。这个结构不丢人（数采本身是这个行业的必经阶段），但它意味着两件事：一是"出货量"这个词现在还不能当营收质量看；二是

真正的商业验证还没发生

，得等制造和物流的占比上来。

第三个是对照。姚卯青给的筛选标准是"以终为始"——能否在全链路把技术转换成可衡量的生产力：

成功率、节拍、稳定运行周期、综合运营成本

。这四个词，正好是今天这一期所有具身新闻的共同货币：Agility 用运行小时、Figure 用任务完成率、临界点用工序数与分钟数。

行业在集体从"能做什么"转向"做了多少、多快、多久不出错"。

10. 年产 1.5 万台灵巧手，72 道工序自己装自己

事件

：文汇报 10 月 31 日报道，

临界点（OmniHand）全年灵巧手累计量产突破 1.5 万台

，约相当于

去年全国出货总量的八成

。绍兴产线现场连线显示：

一只灵巧手为另一只完成上料、锁固、测试、下料共 72 步工序，成功率 98%、单轮 8.5 分钟

（熟练人工约 8 分钟），并在

人为推动、孔位错位、光照变化

三类干扰下全程自主纠偏，无需人工干预。

高工产业研究院口径：中国灵巧手销量今年预计

7.02 万只

，2030 年有望超

43 万只

。

值得关注的原因

：这条的分量不在 1.5 万台，在那

72 道工序

。它罕见地把"机器人造机器人"从一句口号，变成了一个可以核对的过程：上料、锁固、测试、下料，四个环节 72 步，每一步都有成败。而

98% / 8.5 分钟

对照

人工 8 分钟

，给出了一个非常坦诚的结论——

目前它还没有比人快

。这条产线的价值不是省人，是

证明这套流程可以被机器稳定复现

：一旦复现成功，节拍就能靠加机器来压，而人的节拍是有生理上限的。

第二个值得记的是

三类干扰

。人为推动、孔位错位、光照变化——这三样恰好是"仿真到真机"落差的主要来源，也是行业里最常被回避的部分。敢把它们写进公开演示，说明这套系统不是在演示"最好的情况"，而是在演示"出错之后能不能自己回来"。

自主纠偏能力，比成功率更能预测长期可用性

——因为真实产线里，一次没纠回来的错，会让整条线停摆。

第三个是那个 1.5 万台对 7.02 万只的比例。一家公司占了全国年销量的两成，说明

灵巧手这个部件已经进入标准化量产阶段

——这跟两年前"一只手工打样卖十几万"的状态是两回事。部件先于整机成熟，是这个行业的规律：

整机的成本曲线，是由部件决定的。

另外几条，一句话版

珞石把工厂开成了"自己装自己"

：苏州太仓一座具身智能数智工厂启用，核心装配产线上

5 台珞石逐星 H 系列轮式人形

承担料箱搬运、零件分拣、压装、螺丝装配、功能检测、打标、包装——它们装配的正是

机器人自己的关节模组

。配套场景化训练与数据采集中心、数字孪生平台与算力中心。今年 4 月与

舍弗勒

签战略合作，从签约到零部件量产约半年，

累计交付订单超 1 万套

。

无界动力 × 京东：K15 上岗七鲜咖啡，目标 10 亿

：10 月 31 日双方签战略合作，第二代具身智能机器人

K15

（双臂轮式半人形）在七鲜咖啡西宸里店、长楹天街店正式上岗，与自动化产线协作实现从订单触发到任务完成的全流程无人化；首批产品同步通过京东平台完成第三方交付。双方推进

1,000+

七鲜门店规模化复制，深化京东 MALL、RoboBase 合作，目标

10 亿元

产品合作规模，并共同布局海外。

前 Meta 首席工程负责人创业，杭州国资组团下注

：

智澄 AI

完成数亿元融资，杭州资本、富浙科技、财通资本、岭澜资本联合投资。创始人兼 CEO

胡鲁辉

曾任 Meta 首席工程负责人，此前任职微软、亚马逊、华为美研。产品两条线：

XR1

轮式复合工业机器人（双臂协同负载 50kg、整机 90–190cm、臂展约 2m、自主充电），

TR6

通用人形（176cm/62kg/8 小时续航/最高 2m/s/53 自由度）。今年 5 月开源

澄灵

物理世界模型 0.1，称是全球首个基于

JEPA

架构、专为机器人设计的端到端物理世界模型。XR1 已进蔚来产线、在大众开展场景测试，并与国家电网合作安防巡检机器人。

复旦"旦宝"：1.2 亿参数、20 瓦，纯视觉导航不用预建地图

：第二十六届工博会上，复旦大学与极目天舒联合研发的"旦宝"仅凭视觉自主导航避障，

不依赖预建地图与遥控

。视觉空间智能导航模型约

1.2 亿参数

，可在

20 瓦以内

功耗下支持最多

8 路

视觉输入端侧实时运行，把移动与抓取的"导航"统一建模，正适配跑腿、巡检。

10 月具身融资：数量腰斩，金额只降 8.4%

：IT 桔子数据，10 月具身智能

33 起、101.05 亿元

，9 月为

60 起、110.28 亿元

——数量降 45%，金额仅降 8.4%，

单笔均值从 1.84 亿升至 3.06 亿

。钱在向两端集中：前三名辉羲智能（约 17 亿）、星尘智能（10 亿）、法奥机器人（近 10 亿）合计约 37 亿、占全榜 56%；60% 以上事件发生在种子/天使/Pre-A 及以前。同期老股转让报价普遍低于上一轮，部分折价至

六五折到八折

，尽调重点从技术演示转向

订单落地与回款

。

启元第 5,000 台下线的另一面

：上纬新材三季报显示，旗下启元机器人累计下线

5,000 台

个人机器人（产线

2.5 分钟

下线一台、日产能 200 余台），但机器人业务约

3.6 亿元

研发投入尚未确认收入，前三季度合并报表归母

净亏损 4.22 亿元

。

下线数量是制造成绩，不是商业成绩。

字节开始自己招人做机器人

：据钛媒体，字节在

Seed

模型部门密集放出数十个岗位，从硬件设计、灵巧操作、减速器控制，到物理仿真和数据算法，几乎覆盖一条完整人形机器人链路。与此前只做财务投资的路子不同，这是从"投别人"转向自建"软硬件 + 数据"全栈管道。大厂里最后一个没下场的，也动了。

清华 ActionOPD：智能体蒸馏从"抄 token"转向"学决策"

：把"语义动作"作为监督单元，在学生遇到的状态上同时采样学生与黑盒教师的动作，按语义一致程度给奖励——

无需复现教师推理文本，也无需访问教师 token 概率或同源分词器

。用 Qwen3-4B、Qwen3-8B 与两类教师模型在工具调用任务上训练，四个分布外基准平均提升

3.3–6.9 个百分点

。

Kimi 上线 3D Make：一段文字或一张草图，云端跑脚本建模

：给 Kimi K3.1 Pro 一段描述、一张草图或参考图，模型先推断物体的形状、比例与空间关系，再自主编写

Blender、FreeCAD

等软件的可执行脚本并上传云端运行——相当于让 AI 远程操控建模软件。

谷歌在轨 TPU 出了第一次 AI 推理，内容是一首俳句

：逐日者计划原型卫星在地面指令下，板载 TPU 通电跑模型并把结果传回地球，皮查伊称之为"太空里的 Hello World"。工程限制仍明显：

约 1 千瓦供电、单次工作窗口 20 分钟左右、散热紧张

。

钱的三条对照

：

可灵 AI

增资交割，实缴约

198.02 亿元

（约 29.05 亿美元），比 204.47 亿上限少 6 亿多——差额来自中东资方两个主体未按期缴款、8,000 万美元认购义务终止，空出份额由金蝶、沐曦数智接走近 8 亿；

OpenAI

把本轮募资目标从 300 亿下调至

200 亿美元

、估值从 1.4 万亿降至

1.25 万亿美元

，部分投资人已削减出资承诺；

Anthropic

上市估值预期降至约

1.5 万亿美元

，黑石预计其 IPO 后信用评级可能在

BB 区间

（投机级高档）。同期纳斯达克周五跌近 3%，3 月以来首次周线三连跌。

五大巨头承诺投入超 3 万亿美元

：Alphabet、Meta、微软、亚马逊、甲骨文披露的租赁、建筑、能源及设备采购承诺合计超

3 万亿美元

。Alphabet 超

1 万亿

（接近一年前八倍），Meta 超

8,000 亿

（近半为尚未生效的数据中心租约，最长分 30 年支付）。租赁付款承诺合计

1.3 万亿

、其他采购承诺

1.9 万亿

。

国内首份 AI 产业链划分标准实施

：中国人工智能产业发展联盟提出、信通院牵头编制的《人工智能产业链划分指引》（

AIIA/T 0346-2026

）正式实施，把产业划成

能源、数据、算力、模型、应用

五层，每层给出定义、边界与核心指标。此前各地统计口径不一，招商与资本布局经常对不上号。

一句话

今天十条，讲的是同一件事的两面：

执行的成本已经降到很低，而证明"做成了"的成本还很高

。DeepSeek 用 Watchdog 替人签字，Anthropic 用影子流量替人签字，Figure 用 810 万美元一周替人签字，Agility 想让纳斯达克替它签字——结果 SPAC 的投资人先赎回了 2.6 亿。

所以真正的问题不是"AI 能不能干完"，是"

干完了，谁来看一眼，并且愿意把自己的名字写上去

"。

数据与观点均来自公开报道与论文，评测分数以官方与第三方复现为准；不构成任何投资建议。