AI 日报 · 2026-10-09（周五）
AI Coding × 具身智能 ｜ 6 条主推 + 8 条速览 ｜ 企业智能体拿到自己的工位与邮箱，机器人公司开始比「能报销的合同」和「能跑完的班次」
01 Google 把 Gemini 做成企业「通用工作智能体」：给它目标，它有自己的邮箱与审计轨迹
事件内容
- 10 月 8 日，Google Cloud 在 Gemini at Work 2026 大会上发布 Gemini Agent，定位企业「通用工作智能体」，先面向企业客户、之后再推向消费者（TechCrunch、The Verge、IT之家）
- Google Cloud CEO Thomas Kurian 给出的定义是它可以接收「目标，而不只是指令」：自行拆解任务、调用自定义技能与工具、连接企业内部系统把事情做完
- 模型不锁定：默认由系统挑最合适的模型，用户也能手动改选，首发接入第三方模型 Anthropic Claude，官方称后续再纳入开源模型与其他私有模型
- 可连接 Google Workspace、Microsoft 365、Slack、Jira、Confluence、Git、BigQuery、Databricks、Postgres、Snowflake，并支持公司网络内外的任意 MCP 服务器
- 新增「任务收件箱」（tasks inbox）界面：可查看它的思考过程、向子智能体派活、加载技能、生成的代码与执行进度
- 最实质的变化是它拥有自己的 Workspace 账号——独立邮箱与独立上下文，知道谁在哪个团队、时区、谁负责审批、各人日历；可被 @、收邮件、被拉进群聊，执行记录留下的审计轨迹归属智能体而不是人
- 使用入口覆盖 iOS、Android、Windows、macOS、命令行、Workspace、Microsoft 365、ServiceNow 与 Slack；早期测试方包括 On、Shopify 与 PayPal
- 规模口径：皮查伊称 Gemini 月活跃用户已超 10 亿，财富 100 强中近 90% 在使用 Gemini Enterprise；付费侧新增多模型编排、智能路由与实时支出上限
为什么值得关注
- 这一步把「企业智能体」的门槛从对话能力换成了身份与授权：给它一个工位、一个邮箱、一条可追责的执行记录，才算真能替人干活，比再多几个技能都关键
- 对 IT 与安全团队来说，审计轨迹归属智能体而非人既是卖点也是新问题——权限要给到多大、离职与交接怎么处理、出错时找谁签字，现有流程都没答案
- 「首发接第三方模型 Claude」是罕见的开放姿态：企业不必为一家模型的强弱押注，但采购合同、数据流向与合规责任要同时覆盖两家供应商
- 值得留意的是节奏差异：先企业、后消费者，官方理由是先用企业场景解决安全、规模与性能的硬问题——与消费级智能体抢跑的打法正好相反
- 可行动项：把「是否有独立身份与审计轨迹、能否切换第三方模型、是否支持 MCP 接入现有系统」三项写进企业智能体选型表，而不是只看它能连多少个应用
02 Anthropic 修订使用政策：首次禁止「持续虐待 Claude」，并把选举干预与武器软件写进条款
事件内容
- 10 月 8 日，Anthropic 公布一年多来首次大幅修订的 Claude 使用政策，2026 年 11 月 12 日生效（The Verge、TechCrunch、IT之家）
- 首次加入禁止「持续且不必要的虐待或残忍行为」条款，针对用户反复、无明显目的地对模型施加残忍行为的情形
- 边界同时写明：该条不适用于常见抱怨、质疑、黑暗创作主题以及模型测试与研究
- 执行机制目前主要是终止对话，Anthropic 未明确是否会引入封禁账号等进一步措施
- 同步收紧的四类高风险用途：选举干预、欺骗性活动、监控，以及武器相关——武器禁令范围扩大到「使武器运转的软件与组件」、武装无人机与其他自主车辆
- 官方口径是把这一年新出现的滥用形态补进条款，同时新增健康与金融用途方面的限制
为什么值得关注
- 这是主流厂商第一次把「怎么对待模型」写进可执行条款：过去政策只约束用户拿模型做什么，这次开始约束用户对模型做什么，等于承认模型在交互层面也有一套行为规范需要被保护
- 真正的难点在判定：同样一段激烈对话，是「研究测试」「黑暗题材创作」还是「持续虐待」，只能由厂商单方判断，执行口径不透明就会变成随机的封禁风险
- 对做红队与安全研究的团队，「不适用于模型测试与研究」这句是护身符也是风险点——条款没有给出可援引的程序，团队需要自己保留测试目的与范围的书面记录
- 武器条款的扩张方向说明边界正在从「成品」前移到「零件与软件」：能驱动武器的组件、导航软件与自主平台都被纳入，做双用途技术的公司需要重新过一遍自己的产品描述
- 可行动项：法务与合规侧应把 11 月 12 日当硬期限，在此之前核对该条款对既有 to B 合同、内部红队流程与安全研究授权的影响
03 NVIDIA 让前沿智能体直接写仿真：GPT-6 Astra 生成 Omniverse 应用，跨栏 100 次成功 64 次
事件内容
- 10 月 8 日，NVIDIA 官方博客发布一批开发案例，说明工程师如何用前沿 AI 智能体（含 GPT-6 Astra）配合 Omniverse 库搭建仿真应用，由自然语言指令驱动、人负责审阅与纠偏（NVIDIA 官方博客）
- 案例一：Omniverse 产品经理 Frank DeLise 用 Astra 把 SimReady 仓库与人形机器人接成带第一、第三人称视角的交互式模拟器，由 Astra 生成动画与应用代码，并串起 ovphysx、ovstage、ovrtx、ovui 四个库
- 案例二：NVIDIA 仿真技术团队的 Doyub Kim 让 Astra 搭出基于旧金山 Market Street 的可复用仿真环境 Zero to Alpamayo，用于比较驾驶模型、追踪场景与传感器改动对下游行为的影响
- 案例三：RTX 传感器验证团队的 Ashley Reid 调度 Astra 与 Claude Fable 5 对比 ovrtx 相机与原始 LiDAR 输出和实录数据，约三天内从零建了两个数字孪生、改进了两个既有孪生
- 案例四：Omniverse 工程与产品负责人 Tae Kim 用体育视频加自然语言指令做出 Robo Olympics，让仿真中的宇树 G1 做运动动作；一次实验里机器人100 次仿真中 64 次跨过单个栏架
- 案例五、六：用 Astra 在 PTC Onshape 与 Isaac Sim 里做机器人拆解设计（仿真中成功拆下悬架部件），以及单条提示词把 NASA 资产组装成浏览器里的 OpenUSD 国际空间站模型
- 全部案例走同一条路径：开发者给自然语言指令、审阅结果、再用后续提示词纠偏，物理、渲染与传感器仿真由 Omniverse 库承担（SimReady 资产指南）
为什么值得关注
- 这条的真正含义是仿真工程师的工作被切成两段：写代码、连管线的部分交给智能体，人只保留「判断场景对不对」这一段——而这正好是仿真环节最贵的人力
- 「100 次仿真成功 64 次」这种数字值得单独记住：它不是跑分，而是把「智能体写的控制器到底能不能用」翻译成了可复跑的实验，比任何演示视频都更能说明能力边界
- 对机器人团队的即时价值在数据与场景成本：几千次物理试错放进仿真里跑，比真机调试便宜几个数量级；「三天建两个数字孪生」则说明瓶颈已从建模人力转向算力
- 需要留意的是这些案例全部来自 NVIDIA 内部团队，尚未见第三方复现，工具链（ovphysx、ovstage、ovrtx、ovui、Newton、Warp）也强绑定自家生态
- 可行动项：评估「智能体 + 仿真」方案时优先看三件事——能否用实录传感器数据自动校准数字孪生、生成的控制器能否导出到真机、失败轨迹能否回到模型里迭代
04 优必选与一汽-大众签战略合作：人形机器人从整车质检走进工厂物流
事件内容
- 10 月 8 日，优必选（9880.HK）宣布与一汽-大众达成战略合作，双方共同推进具身智能机器人在物流领域的场景开发与测试，并建设示范应用场景（Pandaily、MoneyDJ）
- 合作不是从零开始：2024 年 7 月双方已在青岛国家级智能制造示范工厂达成合作，一汽-大众开放产线场景，优必选以工业版人形机器人 Walker S 做螺栓拧紧、零件安装与零件转运
- 此后 Walker S Lite 在同一工厂承担整车质检训练任务，官方称已接入工厂的自动化控制系统；本次协议把范围从质检正式扩到物流
- 优必选给出的技术拆分为四大集群：具身大脑（自研基础模型加世界模型加动作模型）、仿人小脑（运动控制）、高性能本体，以及让多机协同的群体智能
- 产能侧：柳州工业人形机器人超级智能工厂已于 2026 年 9 月 12 日投产，1.4 万平方米，生产 Walker S 与 Cruzr 系列，官方称每 10 分钟可下线一台机器人，且产线上用机器人参与制造机器人
- 口径限定：本次公告属战略合作与示范场景，未披露采购台数、金额与验收指标；合作至今仍处「场景开发与测试」阶段，尚不构成订单
为什么值得关注
- 值得记的是场景递进的方向：从拧螺丝到质检、再到物流，汽车厂最耗人最重复的一段被最后交给机器人，说明考核重点已从「能不能做」变成「一个本体能覆盖多少个工位」
- 对车企的含义是人形机器人与既有产线的接口已经打通：能接入自动化控制系统、在同一厂房与工人共存，比任何单点动作演示都难，也更能解释为什么选择在真实工厂里迭代
- **「每 10 分钟一台」**是本条唯一硬数字：它把话题从「人形机器人卖不卖得动」搬到「产能够不够用」，但柳州工厂的实际稼动率与交付去向尚未披露，需要后续验证
- 也要看清它还不是订单：战略合作、示范场景、测试这三个词意味着短期内看不到可核验营收；判断成色要看是否公开连续作业时长与异常率
- 可行动项：看同类「车企 × 人形机器人」合作时先区分示范场景与采购订单，再问三件事——是否接入既有控制系统、是否给出连续运行时长、是否有与人工班次的对照数据
05 Helm.ai 一年签下 7000 万美元合同：物理 AI 基础模型从汽车扩到机器人与工业设备
事件内容
- 10 月 8 日，Helm.ai 宣布在过去 12 个月内签署 7000 万美元商业合同，客户横跨全球汽车 OEM、一级供应商与工业自动化公司，公司称正走在经营盈亏平衡的路上（VentureBeat 转载官方稿、Helm.ai 官网）
- 合同覆盖四类工作：感知、全栈自动驾驶、自动数据标注与生成式仿真；场景除乘用车外，还包括露天矿重型工业设备的感知，以及正在扩张的机器人开发
- 技术主张是「Deep Teaching」无监督方法：把「理解环境」与「在环境中行动」拆成两个问题，官方称因此用更少数据学习、能泛化到没见过的环境，并可落在真实设备的算力约束里
- 跨本体是核心卖点：同一套基础模型谱系横跨乘用车、工业设备与机器人平台，共用一套训练与验证栈；公司 2016 年成立，总部在加州 Redwood City
- CEO Vladislav Voroninski 的说法是「机器人现在几乎处于十年前自动驾驶的位置」，公司正从汽车扩到工业与机器人，并称这种资本效率在该赛道罕见
- 口径限定：7000 万美元是「已签署合同额」，既不是融资额、也不等于已确认收入；客户名称、合同期限与履约进度均未披露
为什么值得关注
- 在具身智能普遍讲「数据多贵、算力多贵」的当下，这条提供了一个反向样本：不建车队、不堆标注人力，靠无监督方法把数据需求压下来，再把同一模型卖给多个行业摊薄成本
- 更有价值的是商业模式的选择：它不做运营（不跑车队、不造机器人），只卖可授权的软件层，把自动驾驶从资本密集的运营问题改写成软件许可问题——这正是多数机器人公司还没想清楚的变现方式
- 但「签署合同」这四个字要打折扣：在物理 AI 领域，签约与交付之间隔着一整段产线与认证周期，真正可信的信号是具名客户的量产落地，而不是合同金额
- 「同一模型跨本体」也是需要证伪的主张：如果成立，机器人公司采购感知栈的门槛会大幅下降；如果不成立，它仍只是一家做得不错的自动驾驶软件商
- 可行动项：尽调时要求对方拆分已交付金额与在手合同额，并追问「Deep Teaching 相比有监督方案在哪个具体任务上、用什么指标赢」
06 正行创新发布零售 Physical AI 方案：双足人形 H1 加轮臂 C1，称数百种 SKU 分拣成功率 99%
事件内容
- 10 月 8 日，正行创新（Striding AI）在第 22 届亚太零售商大会暨展览会（APRCE 2026）发布面向零售开放场景的 Physical AI 解决方案，主打「人机协作」与无需改造门店货架及动线的 0 改造部署（科技日报、网易智能）
- 方案由三部分组成：双足人形机器人 H1、专为狭窄空间设计的搬运理货轮臂式机器人 C1，以及统一机器人管理平台 M1（负责任务分配、状态监控与人工接管）
- H1 规格：支持 20 多种语言交互、45 种表情与 36 种手势表达，提供开放 API 支持二次开发；C1 作业高度覆盖 10 厘米至 1.75 米，遇障紧急制动距离小于 10 厘米，配前后深度视觉与 360 度全景视觉
- 「具身大脑」三件套：世界动作模型 SLM-0.5（23 亿参数，官方称 LIBERO 基准平均任务成功率 98.6%、单次推理低于 187 毫秒、推理速度较像素级方案提升超 24 倍）、基于 RLinf 的强化学习后训练体系 STEAM（指定商品上货任务成功率 95%）、与清华及无问芯穹联合发起的智能体基座 Rpent
- 厂商自报：目前系统可自主完成数百种 SKU 的分拣任务，任务成功率达 99%
- 商业化节奏：计划 2027 年正式提供商业化服务，模式含直接采购与 RaaS 订阅，并联合全球连锁零售企业验证产品与投资回报；后续将推出面向收银、装袋的 A1 机器人
为什么值得关注
- 它选的是具身智能里最不炫却最容易算账的场景：便利店通道窄、SKU 密、夜班难招人，正好是「机器人不必比人聪明、只要比人扛得住」的地方，回报能直接落在人力账上
- 「0 改造」是这条的技术含量所在：不去改货架与动线，意味着机器人必须适应为人设计的既有空间，而不是让人为机器人改环境——这与工业场景「改造产线给机器人」的路径正好相反
- 但所有效率数字都是厂商自报：99% 的自主完成率、98.6% 的 LIBERO 成功率与 24 倍推理提速都还未见第三方复现，且 LIBERO 是仿真基准，不等于真实门店
- 真正的分水岭在 2027 年：直接采购与 RaaS 谁先跑通、单店要几台、夜班到底能减几个人，这些问题一天不回答，99% 就只是发布会数字
- 可行动项：评估零售具身方案时先问 「0 改造」的边界在哪（是否要重规划充电位、是否必须避开客流高峰）、单店回本周期，以及异常时人工接管需要几秒
速览
- OpenAI 年化营收缺口约 200 亿美元：10 月 8 日据金融时报，向投资者披露的最新财务文件显示其截至 9 月底的年化营收逼近 500 亿美元，明显低于上月媒体按旧数据估算的 700 亿美元（IT之家、TechCrunch）
- Manus 完成超 5 亿美元融资：10 月 8 日蝴蝶效应在公众号宣布融资逾 5 亿美元，博裕资本与 IDG 领投，腾讯、红杉中国、真格基金跟投，投后估值 40 亿美元；去年 12 月 Meta 曾以 20 亿美元收购 Manus，交易被中国监管部门要求撤回（Solidot 奇客、钛媒体）
- USA Today 起诉 OpenAI：10 月 8 日 USA Today 公司连同旗下多家地方报纸起诉 OpenAI，指控其复制「数十万篇」文章训练模型，索赔超过 2.5 亿美元（The Verge）
- OpenAI 捣毁两个 AI 虚假前线影响力行动：10 月 8 日官方披露，两个行动分别使用假记者身份与一个智库外壳散布地缘政治信息，均已被处置（OpenAI 官方）
- Anthropic 开放免费开源安全扫描：10 月 8 日推出 OSS Scanner，报名的开源项目可获「由最强模型（含 Claude Mythos）定期做的彻底扫描、不收费」，但报告全由模型生成、无人工复核或分类（The Verge、Anthropic 官方）
- Natura 推出 99 美元 AI 智能体戒指：10 月 8 日发布的 Interface 智能戒指定价 99 美元，按一下即可唤起 AI 智能体执行任务、记录想法与控制设备，同时兼作健康追踪器（TechCrunch）
- NVIDIA 把自动驾驶安全栈延伸到机器人：10 月 8 日 Ars Technica 报道，Agility Robotics 的 Digit 5 成为首个采用 NVIDIA Halos 的人形机器人，把安全传感器从外部工作站搬进本体；Boston Dynamics、KION 与 LG 也在接入（该安全架构 2026 年 6 月发布）（Ars Technica）
- 加州叫停「人机格斗」比赛：10 月 8 日据纽约时报，加州州立运动委员会向举办人类与机器人对打的初创公司发出停止函，那场比赛发生在 9 月 18 日（The Verge）
主线判断
今天两条线都在回答同一个问题：这东西到底算不算已经上岗。编程侧，Google 把 Gemini 做成有独立邮箱、独立上下文、审计轨迹归属自己的「通用工作智能体」，可以接收目标、向子智能体派活、跨 Workspace 与 Jira 与 Snowflake 干活，还首次允许用户改选第三方模型——它不再是一个更聪明的聊天框，而是一个有工位号的新同事，代价是权限、追责与离职交接这些旧流程全都不够用。NVIDIA 则把「智能体写代码」推进到仿真现场，GPT-6 Astra 与 Claude Fable 5 从零搭出仓库人形机器人模拟器和两个数字孪生，跨栏试验 100 次成功 64 次——数字不漂亮，但它是可复跑的。具身侧的钱与场景同时落地：优必选把一汽-大众的合作从整车质检推进到工厂物流，背后是柳州 1.4 万平方米、每 10 分钟一台的产线；Helm.ai 用一年 7000 万美元签署合同证明「物理 AI 基础模型」可以不靠建车队赚钱；正行创新则把双足人形与轮臂机器人塞进便利店的窄通道，靠「0 改造」和 99% 的自主完成率去算人力账。这一轮的胜负手已经不是模型分数，而是三件更硬的事：智能体有没有身份与审计、机器人的产线能不能按分钟出货、以及那些「99%」什么时候能被第三方复现。
信息来源
- 中文媒体：IT之家、科技日报、钛媒体、网易智能、Solidot 奇客、MoneyDJ
- 英文媒体：TechCrunch、The Verge、VentureBeat、Ars Technica、Pandaily
- 一手源：Google Cloud 官方博客、Anthropic 官方研究页与使用政策、NVIDIA 官方博客、OpenAI 官方博客、Helm.ai 官方新闻稿、优必选公告