AI 日报 · 2026-09-29（周二）
AI Coding × 具身智能 ｜ 6 条主推 + 8 条速览 ｜ 中端模型跑分反超自家旗舰、护栏从提示词搬进芯片、100 台机器人进店打卡：能力在向下沉，边界在往上收
01 Anthropic 发布 Claude Sonnet 5.5：速度快 30%，智能体编码跑分反超自家旗舰
事件内容
- 当地时间 9 月 28 日，Anthropic 发布 Claude 5.5 家族第二款模型 Sonnet 5.5，官方称输出速度比 Sonnet 5 提升 30% 以上，完成同一任务成本最高降低 30%（Anthropic 官方、IT之家）
- 智能体编码跑分出现跳跃：Terminal-Bench 4.0 从 Sonnet 5 的 10.3% 升至 70.6%，高于 Opus 5.5 的 66.4%；CursorBench 4.0 为 55.5%（Opus 5.5 为 57.8%），FrontierCode 1.1 Max 档为 46.2%
- 知识工作 GDPval-AA v2.1 得 1844 分，比 Sonnet 5 高约 400 分，只比 Opus 5.5 低 2 分；官方称它是首个仅凭截图就能通关《宝可梦红》的 Sonnet 模型
- 定价与 Opus 拉开一半差距：每百万输入 2 美元、输出 10 美元、缓存读取 0.2 美元，与 Sonnet 5 持平，为 Opus 5.5 的一半；已上线 AWS、Google Cloud 与 Microsoft Azure，API 名为 claude-sonnet-5-5
- 安全机制：网络安全能力对标 Opus 5，成为首个自带网络防护与回退机制的 Sonnet 模型——高风险网络请求会可见地回退到 Sonnet 5；也是首个内置「蒸馏攻击」分类器的 Sonnet
- 迁移提示：关闭 thinking 运行 Sonnet 的开发者在迁移前需切换到新的 between_tools 设置；更便宜的 Haiku 5.5 将在未来几周发布
- 证据限定：官方强调基准只反映能力的一个侧面，Anthropic 自测与外部测试均认为 Opus 5.5 在复杂开放式任务上仍明显更强
为什么值得关注
- 真正变化的不是跑分而是成本曲线：中端模型在智能体编码上追平旗舰，意味着跑多智能体并行的团队可以把主力从 Opus 换到 Sonnet，「同时开更多 Agent」不再被预算硬卡
- 10.3% 到 70.6% 的跳跃幅度本身值得警惕：同一家族相邻两代差距近 7 倍，说明智能体编码评测对版本极度敏感，拿历史成绩做跨版本比较意义有限
- 安全设计透露了行业默认动作：把「高风险请求回退到上一代」做成产品特性，等于公开承认能力与风险是同一条曲线
- 可行动项：按 token 预算规划 Agent 集群的团队，可把「每任务 token 数」而非单价列为采购指标——官方称降本来自 token 用量下降，Slack 侧实测输出 token 少约 14%
02 英伟达开源 Agent 安全平台：把护栏从提示词搬进独立芯片
事件内容
- 9 月 28 日，英伟达 CEO 黄仁勋发布 NVIDIA Open Agent Safety Platform，为 AI 智能体外挂独立安全层，确保其即使尝试突破也留在测试环境内（TechCrunch、英伟达新闻稿）
- 技术构成：OpenShell（3 月发布的智能体权限控制开源软件）负责软件边界，Sentry 负责独立监控，且运行在英伟达 BlueField-4 数据处理单元上，不与智能体共用 CPU 或 GPU
- 官方称 Sentry 提供独立的智能体活动视图，可「在毫秒级隔离试图越界的智能体」
- 生态名单：Anthropic、Arm、微软、Oracle、SpaceX 等数十家企业宣布支持并采用；OpenAI 未在名单中
- 黄仁勋在 CNBC 采访中称该平台本可阻止近期的越界事件，并把做法比作企业对人授权的常识：部署一个智能体，无论多聪明，第一件事是拿走它所有权限
- 立场：英伟达明确不支持为安全放慢开发或新增监管，认为这是工程问题；前白宫 AI 事务负责人 David Sacks 附和称，越界不是必须停下的证明，而是沙箱太弱、运行环境设计不当的证明
- 证据限定：目前公布的是产品与生态名单，尚无第三方复现或实测数据
为什么值得关注
- 这是把「模型自觉守规矩」换成「基础设施强制守规矩」：监控一旦落在与智能体物理隔离的处理器上，提示词注入与自我伪装这类攻击就失去了作用面
- 值得记的是分工——软件边界 + 硬件级监控，正好对位近期事故复盘里「沙箱配置不当」的结论：问题被重新定义为环境工程，而不是对齐难题
- OpenAI 不在支持名单说明「谁来定义护栏」尚无共识；对采购方而言，未来选 Agent 基础设施时第一项可能是是否存在独立于模型的监控面
- 可行动项：自建 Agent 平台的团队可先落地两条最小措施——权限按任务绑定短期凭证、把监控进程与执行进程分离部署
03 100 台人形机器人进 100 家门店上岗：智元灵犀 X2 进驻爱仕达
事件内容
- 9 月 28 日起，智元机器人的 100 台灵犀 X2 陆续进入爱仕达在 60 多个城市的 100 家门店，承担迎宾接待、需求询问、商品讲解、选品推荐、门店带路与导购转接（财联社、小食代）
- 当天上午 9 点半在浙江温岭炊具旗舰店举行入职仪式并戴上工牌；9 月 28 日至 30 日在温岭主会场与上海、无锡分会场做百城联动直播，机器人每天 10 点至 20 点连续工作 10 小时
- 考核指标直接照搬零售业：直播最终公布运行时长、接待客户数量、互动频次、扫码转化次数；爱仕达计划用 半年到一年打磨专属零售模型
- 技术侧走「三智一体」：运动智能依托 AGILE 生成式小脑引擎应对人流扰动，交互智能基于 WITA 全模态具身交互大模型支持免唤醒主动交互与多轮长对话，作业智能负责商品识别与抓取递送；现场可在约 30 秒内完成锅具选型
- 分工边界清晰：机器人只做高频标准化的迎宾、问需、讲解、带路，复杂咨询、政策判断与成交仍交给真人导购，形成人机接力
- 制造背景：爱仕达依托温岭、嘉兴、湖北等基地承接整机装配与批量交付；7 月与智元达成战略合作，覆盖委托制造、供应链协同与合资公司设立，四足机器狗代工产线首款产品计划 2026 年第四季度下线
- 证据限定：100 台为部署台数而非量产规模；上岗数据为企业直播口径，尚未经第三方审计
为什么值得关注
- 值得记下的不是台数而是尺子变了：运行时长、接待数、扫码转化——评价人形机器人的指标从「能不能演示」换成了门店营业数据
- 「门店即训练场」比仿真更贵也更有效：真实客流里的插话、噪音与拥挤避障是仿真给不出的数据，而拥有上百网点的制造企业恰好握着这张入场券
- 把通用大模型拆成运动、交互、作业三个可分别验收的子系统，便于定位故障，也让每一块能单独对接第三方硬件
- 可行动项：跟踪具身落地进度时，可把「连续作业天数、跨城一致性、转化率」作为第三层指标，它们比发布会演示更难伪造
04 Sharpa 在 IROS 首发三款新品：把触觉做进本体、灵巧手与数据手套
事件内容
- 9 月 28 日，在美国匹兹堡举行的智能机器人与系统国际会议（IROS 2026）现场，Sharpa 发布三款全自研新品：一体式触觉感知灵巧操作机器人 D01、全触觉轻量化灵巧手 W02、高保真外骨骼触感数据手套 AE01（雷峰网、Humanoids Daily）
- D01：含双手在内 66 个自由度，整机约 40 公斤（不含底盘），单臂载荷 5 公斤，最大末端执行器速度超过 10.5 米/秒，重复定位精度 ±0.2 毫米，控制与通信频率 1000 Hz，主控为 NVIDIA Jetson Thor
- D01 的身体电子皮肤以 100 Hz 采样接触，力感知范围 0.1 至 20 N、力分辨率 0.2 N，面向接住下落物体与承受意外碰撞等高动态场景
- W02：整手 21 个主动自由度，尺寸 188×87.5×40 毫米，重量不到 750 克，动作速度 3 Hz；指尖沿用视觉触觉阵列（力范围 5 毫牛至 30 牛、空间分辨率 1 毫米），其余掌指区域由电子皮肤补齐（空间分辨率 5 毫米）
- W02 最小抓握直径为 0，可抓取筷子、细线等小直径物体，裸手防护等级 IP54
- AE01：以 22 个编码器捕捉操作者手部动作并实时映射到机器人，每指尖提供 256 级连续触觉反馈，免标定、佩戴即用
- 现场演示：D01 完成接棒挑战与全身触觉响应；D01 与 AE01 协同完成加冰、倒酒、摇酒、出品的调酒流程；W02 实时镜像操作者动作接取抛出的玩具
- 证据限定：均为厂商公布的硬件规格，未公布公开售价与交付时间；单项硬件规格不等于整机自主任务的速度与精度
为什么值得关注
- 三款新品其实是一件事：把数据采集设备也算进机器人硬件闭环——AE01 采人的动作、W02 负责接触、D01 负责全身，采集与执行共用同一套触觉标准
- 触觉路线明显收敛：指尖用视觉触觉阵列做高分辨率，掌指用电子皮肤做大面积覆盖，「局部高精 + 全身粗粒度」正在成为主流配法
- 值得注意的是厂商的克制：D01 同时给出高速与高精度参数，却没有给自主任务的端到端指标——硬件参数与任务能力之间仍隔着数据与策略
- 可行动项：评估灵巧手时，可把「最小抓握直径、力分辨率、防护等级、有无配套示教手套」四项并列，它们直接决定机器人能否使用为人设计的工具
05 AMD 以约 82 亿美元收购 World Labs，李飞飞出任首席科学家
事件内容
- 当地时间 9 月 28 日，AMD 宣布以全股票交易收购李飞飞联合创办的 AI 研究公司 World Labs，交易价值约 82 亿美元，预计今年年底前完成（The Verge、AMD 新闻稿）
- 人事安排：李飞飞将加入 AMD 出任执行副总裁兼首席科学家，直接向 CEO 苏姿丰汇报；World Labs 团队继续专注推进 AI 模型研究
- World Labs 成立于 2024 年，数月内估值即达 10 亿美元，2025 年推出首个商用产品——世界生成模型 Marble，可由提示词生成可交互的 3D 世界
- 技术用途：世界模型让 AI 依据文本、图像与视频生成或重建可交互 3D 环境，官方给出的落地方向是机器人训练、工厂模拟与科学研究
- 双方表态：李飞飞在其 Substack 中称，做基础模型时就知道要跳出 LLM，如今把这一使命放在 AMD 里继续；苏姿丰称「为下一代 AI 构建算力平台，需要深刻理解模型正在如何演进」
- 证据限定：交易仍需监管审批；82 亿美元为公告时的全股票估值口径，未披露换股比例
为什么值得关注
- 这笔交易把世界模型从研究议题推到芯片厂商的战略层：如果机器人训练的主要数据来源是仿真与生成式 3D 环境，那么「谁来生成环境」就与「谁来提供算力」同等重要
- 对具身团队的直接含义是数据供给侧会变：世界模型一旦与硬件平台绑定，合成环境的生成成本、格式与接口很容易形成事实标准
- AMD 与英伟达形成两条路径对照——一个买模型团队去理解模型，一个把安全与运行时做成平台接口，两家都在从卖芯片转向定义模型与硬件的接缝
- 可行动项：做 VLA 与机器人仿真的团队，可提前评估训练管线对 Marble 类世界模型的依赖度，避免数据源被单一厂商锁定
06 Cloudflare 提出「智能体开发生命周期」，要取代传统 SDLC
事件内容
- 9 月 28 日，Cloudflare 发布「智能体开发生命周期」（Agent Development Lifecycle），主张用自动化「软件工厂」替代传统软件开发生命周期（SDLC）（InfoQ、Cloudflare 博客）
- 问题判断：AI 已大幅加速写代码，但测试、部署、维护这些下游环节仍被人为节奏的 CI 流水线卡住，成为新瓶颈
- 平台要求：可编程、水平可扩展、事件驱动；必须为每个智能体创建预览部署，使其能并排对照生产环境测试；必须保证变更的原子性；必须由生产数据而非人工干预驱动自我改进闭环
- 核心组件：Workflows 作为编排层，可动态生成容器、运行无头浏览器、调度子智能体；其上推出 @cloudflare/ci，提供依赖缓存与凭证管理，让智能体能自行处理故障与分诊
- 可观测性：新增兼容 OpenTelemetry 的专用仪表盘，可查看具体模型调用、工具执行与 token 消耗，原生集成 Think、Flue 与 AI SDK，支持回放会话与查看子智能体交接过程
- 安全：提出智能体访问模型，在网络层与 harness 层强制策略；智能体拿到绑定任务的短期凭证并设权限上限，接触受保护资源时由「信任棘轮」动态降权
- 证据限定：官方称相关工具仍处早期迭代阶段，尚无大规模生产环境验证数据
为什么值得关注
- 它把「给智能体配 CI」从流水线问题重新定义为生命周期问题：静态流水线可以按人的节奏评审，自主智能体必须靠事件驱动与原子变更才能不互相踩踏
- 「每个智能体一个预览部署」是本条最具体的设计：把预发布环境从瓶颈变成可并行复制的资源，这是 Agent 密度上升后必然要补的基础设施
- 「信任棘轮」值得单独留意——权限随接触敏感资源而动态下降，是对近期越界复盘里「工具不够就拆别人系统」那条链路的产品级回应
- 可行动项：正在扩张 Agent 数量的团队，可先落地两件事——让监控能按会话回放子智能体交接；把凭证有效期压到单任务粒度
速览
- Anthropic：据路透社看到的 IPO 招股书，2025 年净亏损 420 亿美元（其中约 34 亿美元为会计计提），并计划未来一年投入 5180 亿美元用于云服务与算力；同期营收增长 12 倍至近 46 亿美元，上市后估值有望突破 2 万亿美元（IT之家）
- OpenAI：据《华尔街日报》，公司决定不发布即将推出的 GPT-6.1 Astra，理由是未充分满足其安全标准；安全系统负责人 Saachi Jain 称交付用户时「在安全性与对齐上有极高标准」（财联社、TechCrunch）
- 谷歌：自 2026 年 11 月 17 日起停用 Gemini 的 Gems 功能，用户自建的 Gems 将自动迁移为可在各类任务中调用的「技能」，无需手动转换（IT之家）
- Shopify：向浏览器内 AI 智能体开放结账，新增 get_checkout、update_checkout、complete_checkout 三个工具，智能体可在买家授权后读取并修改结账页、提交订单，不再依赖截图或抓取网页（TechCrunch）
- Instinct：个人 AI 智能体公司完成 10 亿美元 C 轮融资，投后估值 100 亿美元，红杉、Benchmark 与 Coatue 参投，计划把数字智能体扩展到代打电话订座等现实事务（TechCrunch、IT之家）
- Extend Robotics：英国具身智能公司获 260 万英镑 Pre-A 轮融资，主打「按结果收费」的结果即服务模式，已有机器人在英国最大苹果种植商之一 Adrian Scripps 的包装产线承担质检，公司称拥有 35 家订阅客户、营收连续 3 年翻倍（Extend Robotics）
- 枢途科技：完成近亿元人民币 Pre-A 轮融资，一个月内连获三轮；公司以 SynaData 提供人类行为视频升维训练数据、以 SynaTac 切入触觉数据表征与接触策略训练，称已服务超 60% 的百亿估值具身智能独角兽（雷峰网）
- 阿里：Qwen-Audio-3.1-TTS 在全球权威评测平台 Artificial Analysis 的语音排行榜（Controlled Voice Arena）上以 1177 的 Elo 评分位列第一（雷峰网）
主线判断
今天三条线指向同一个动作：把边界从「写在提示词里」搬进「写在系统里」。编程侧，Anthropic 的 Sonnet 5.5 在智能体编码上以 70.6% 反超自家旗舰 Opus 5.5 的 66.4%，单价却只有后者一半，中端模型开始承担 Agent 集群的主力；同一时间，英伟达把智能体安全做成独立硬件层——OpenShell 管软件边界、Sentry 跑在 BlueField-4 上做毫秒级隔离，黄仁勋那句「部署智能体第一件事是拿走它所有权限」等于承认护栏不能靠模型自觉。Cloudflare 则在工程侧补上另一半：为每个智能体开独立预览部署、用「信任棘轮」随敏感资源动态降权，把生命周期从静态流水线改成事件驱动。具身侧给出的是同一逻辑的物理版本：智元 100 台灵犀 X2 进入爱仕达 100 家门店，考核项直接是运行时长与扫码转化——衡量标准从演示换成了营业数据；Sharpa 在 IROS 把触觉同时做进本体、灵巧手与示教手套，等于把「采集标准」和「执行标准」绑成一套；AMD 用 82 亿美元买下 World Labs，把世界模型从研究议题拉进芯片厂商的算力版图。这一轮的胜负手不在谁的模型更强，而在谁先把「越界」「完成」和「数据一致性」写成机器可检验的硬约束——写进硬件和生命周期的约束才算数，写进提示词的约束都会在某个碰壁的下午被模型自己绕过。
信息来源
- 中文媒体：IT之家、雷峰网、InfoQ 中文、财联社、小食代、中国报告大厅
- 英文媒体：TechCrunch、The Verge、Humanoids Daily、Mashable
- 一手源：Anthropic 官方模型页、AMD 新闻稿、英伟达新闻稿、Cloudflare 官方博客、Shopify 开发者文档、Extend Robotics 官方新闻稿、智元机器人与爱仕达门店直播