AI 日报 · 2026-10-13（周二）
AI Coding × 具身智能 ｜ 6 条主推 + 8 条速览 ｜ 主线是「自己改自己」：模型冻住权重去改外部世界模型，机器人把数据闭环交给用户，而写代码的产量仍被评审挡在交付之前
01 Meta 发布首款前沿模型 Muse Wonder：把「记住你」与「盯住目标」写进定价页
事件内容
- 10 月 12 日，Meta Superintelligence Labs 发布 Muse Wonder 与 Muse Wonder Full，这是其重组 AI 部门以来首款前沿模型（Meta 官方博客、TechCrunch、IT之家）
- Meta 模型卡称两款模型在推理、写作与代码等测试上与 Fable 5.1、GPT-6 Astra 分数相当；WIRED 的评价是「把 Meta 重新带回前沿」（WIRED）
- 定价：经 Meta Model API 调用，Muse Wonder 为每百万输入 4 美元、输出 20 美元，大致相当于 GPT-6 Sol 或 Opus 5.5；Muse Wonder Full 只对 Muse Code 订阅者开放、不上 API，两款都将驱动 Muse 智能体
- 两项新能力：Active Memory（跨会话记住重要信息并在需要时主动检索）与 Active Focus（持续攻关、遇阻换方案，提问澄清、重要动作前先确认）
- 官方称 Muse Wonder 在 MemoryBench 上得分高于 Fable、Opus 与 Astra；训练在俄亥俄州 Prometheus 数据中心完成
- 安全表述：自称迄今最强的 CBRN 与网络滥用防护，同时保留防御性网络能力；完整安全报告「很快」发布
- 口径限定：以上基准均为 Meta 自测，参数量与训练算力均未披露，第三方复现待观察
为什么值得关注
- 竞争焦点从一个基准分数转向「谁能记住你、谁能持续干完」：Active Memory 与长程执行被直接摆到定价旁边，说明它们就是这一代的卖点
- Wonder Full 不上 API 是强信号：Meta 把最强档位绑进自家 Muse Code 订阅，用垂直整合换分发，而不是只在模型市场拼单价
- 对开发者更现实的价值是换指标：把「记忆保持周期、跨会话引用准确率、长任务中断恢复」写进选型清单，比多跑一个榜单有用
- 与同日 Epic 的消息对照读更有意思：厂商在承诺长期盯住目标，真实项目却要推迟交付来适配 AI 工作流
- 可行动项：先在「需要跨天跨周记住上下文」的场景做一次 A/B，验证记忆能力是否真能减少重复交代
02 华为诺亚方舟 Memento 3：不动模型权重，靠「可执行世界模型」通关 ARC-AGI-3
事件内容
- 10 月 12 日，量子位报道：华为诺亚方舟实验室联合 UCL 等团队提出 Memento 3，把 ARC-AGI-3 公开集的 25 款游戏、183 个关卡全部打通（量子位、论文 arXiv 2610.11794）
- 效率数据：人类完成同一套关卡需要 17135 次操作，Memento 3 只用了 7518 次，少约 56%；相对人类行动效率 RHAE 拿到满分 100
- 关键约束：底模为 Claude Opus 5，全程不更新权重、不做游戏微调；而 Opus 5 在 ARC Prize 官方标准框架下平均 RHAE 只有约 40.7
- 方法名为 Code as Model：一边维护 Rulebook（Markdown 规则手册），一边把规则写成可运行的 Python Executable World Model；规则被证伪就改，并用 64×64 画面逐格比对回放验证，规则手册在 tr87 上一共迭代 11 个版本并用 Git 管理
- 消融实验：保留规则手册时共 617 次操作、去掉则 677 次（操作约 -9%、执行轮次约 -18%）；同时维护两套世界模型后，wa30 上从 899 次降到 597 次（约 -34%）
- Pong 实验：学到控制策略后不再调用大模型，三种开局均打出 21:0；学出策略仅用约 9500 帧画面（部分传统强化学习需数十万至上亿帧）；不用世界模型、只逐帧看画面决策得分 -19，接近随机乱按的 -20.7
- 口径限定：实验限于规则较明确的游戏环境，现实世界是否成立待验证；token 与算力成本未披露
为什么值得关注
- 它给出一条便宜的 RSI 路径：不动权重，只把「对世界的理解」做成可检查、可执行、可回滚的外部资产，这比让模型自己改自己更容易被审计与控制
- 「规则手册 + 可执行模拟器」本质是把智能体的经验沉淀成代码仓库，对企业来说这是可版本化、可回滚的资产，比散在上下文里的经验好管理
- 与 04 条（欧拉万象的 Real-world RSI）同日出现不是巧合：RSI 正在成为 Agent 与具身智能共用的叙事，区别只是世界模型跑在代码里还是物理世界里
- 56% 要说清口径：它衡量的是操作次数而非成功率，真正的增量是「先学会怎么玩，再把打法交给程序」，从而摆脱逐步推理的算力开销
- 可行动项：在自家智能体里试着把「环境假设」写成独立文档与验证脚本，并保留失败记录，观察它能否减少重复试错
03 Epic 与迪士尼合作游戏推迟，全面转向「AI 优先」：不再手写代码
事件内容
- 10 月 12 日，彭博社（记者 Jason Schreier）报道：Epic Games 推迟了与 迪士尼 合作的未公布射击游戏（Marvel × Star Wars 撤离射击），并告知团队改用更多 AI 完成开发（彭博社、IT之家、Dexerto）
- 该作原定 3 月上线（更早曾定 11 月），新日期未通知；消息人士称进度偏慢的部分原因是 Epic 低估了所需人力与时间
- 内部要求很具体：一名总监在 10 月初的内部视频会上称项目转为「AI 优先」，写明「不再手写代码」、全部美术资源须「通过完整 AI 工作流生成」，并点名使用 Anthropic 的 Claude
- 员工反应：部分开发者当场质疑 AI 生成内容的错误由谁承担，也有人希望这不是认真的要求
- 官方回应：公关总监 Jake Jones 称「正在拥抱 AI 加速开发」；CEO Tim Sweeney 10 月 12 日在 X 上称公司正进行「大规模转向」，「目标不是用更少的人做同样的事」
- 背景数字：迪士尼 2024 年向 Epic 投资 15 亿美元；Epic 今年 3 月裁员 1000 多人；GDC 年度调查显示 52% 的开发者认为生成式 AI 对行业不利（2025 年为 30%）
- 口径限定：消息来自彭博社匿名信源，游戏尚未公布；「AI 优先」不等于成品全部由 AI 生成
为什么值得关注
- 这是**「AI 优先」第一次被写进 3A 项目的执行指令**，而且挂在迪士尼合作项目上：一旦成立，它会成为其他工作室的参照系
- 「不再手写代码」把讨论从工具效率推到岗位定义：开发者从写代码转向审代码与定标准，而后者恰恰是过去没有扩充的产能
- 与速览里的哈佛工作论文正好构成压力测试：那份研究的企业级结论是代码量 +30%、评审时间 +49%，而软件交付没有统计意义上的变化
- 管理层的「不是用更少的人做同样的事」缺少配套指标：可验证的口径应是交付周期、返工率、上线首日崩溃率与单位内容成本，而不是代码行数
- 可行动项：团队若要跟进「AI 优先」，先把人审环节的容量与准入标准写下来，否则产出只会堆在评审队列里
04 欧拉万象完成数亿元天使轮+：华为具身「1 号员工」创业半年融四轮
事件内容
- 10 月 12 日，家庭具身智能公司 欧拉万象 宣布完成**数亿元天使轮+**融资，由 诚元祥基金、芯能创投、锡洲国际、拓邦股份、弘毅投资等新老股东联合投资，值观资本任独家财务顾问（OFweek 机器人网、盖世汽车、每日经济新闻）
- 这是公司 2026 年 3 月 16 日成立以来半年内的第四轮：4 月种子轮数千万元（五源资本、高瓴创投）→ 5 月数亿元天使轮（招商局创投领投，赛富投资、九合创投、拙朴投资、BV 百度风投等）→ 6 月超亿元 → 10 月本轮
- 创始人 周顺波：华为机器人方向「天才少年」、华为具身智能「1 号员工」，曾主导 CloudRobo 具身平台；联合创始人张靖曾任 AWS 产品经理与华为创新云服务产品总监；团队约 70 人
- 路线偏反共识：坚持「移动底盘 + 双臂」而非复刻人体，首款产品面向 Maker 与开发者共创，机身高度控制在 1.4 米以内
- 技术主线是 Action-Native Foundation Model（让动作在预训练阶段就参与物理世界理解），已发布 OLA-Sem 与 OLA-Geo 两款模型，以及阶段成果 UniWAM；长期目标是 Real-world RSI 数据闭环
- 落地准备：已储备 1000 多名种子用户，与家政平台好慷在家达成合作，计划 2027 年把保洁、收纳、育儿等家政 SOP 转化为训练数据；2026 年 12 月小批量试制样机进入 Beta
- 口径限定：官方仅称金额「数亿元」，未披露精确数字与估值；UniWAM 为阶段成果，未见第三方复现
为什么值得关注
- 这是家庭场景少见的连续下注：资本四轮加仓赌的不是某台样机，而是「用户替它采数据」这件事能否成立
- 「可养成」的真实含义是把数据采集外包给早期用户：它绕开了真机数据的成本陷阱，代价是飞轮转速受限于用户规模，这正是最大不确定性
- 与 02 条的 Memento 3 同日出现，指向同一件事：RSI 已从论文概念变成产品架构，一个用可执行世界模型，一个用真实家庭反馈
- 相比「先工业、后人形」的主流路径，它选了最难的长尾环境：跑通则壁垒很高，代价是回报周期更长
- 可行动项：评估家庭具身项目时先问三件事——数据从哪来、早期用户有多少、长尾失败由谁兜底
05 超维动力完成超 5 亿元天使+轮：资本押注「数据—模型—本体」全栈
事件内容
- 10 月 12 日，InfoQ 报道：具身智能公司 超维动力 完成超 5 亿元天使+轮系列融资，投资方含 祥峰资本、方广资本、万石资本等，资金用于基座模型研发、具身应用落地与生态拓展（InfoQ（今日头条转载）、企查查）
- 团队：CEO 喻杰为前华为 22 级自动驾驶产业高管，主导过超大规模 AI Infra 落地；联合创始人 罗平为香港大学计算与数据科学学院教授兼副院长，谷歌学术引用超 10 万次；另一位联合创始人为机器人连续创业者郑存远
- 产品矩阵覆盖全栈：第一人称数据采集设备 KAI Halo、KAI World Model、具身 AI Infra、高拟人人形机器人 KAIBot、高自由度灵巧手 KAI Hand；其中 KAI Hand 与 KAI Halo Lite 已全球开售并向产业客户交付
- 公司 2025 年 7 月成立，企查查显示主体为深圳超维动力智能科技有限公司；已与北大医疗在医疗场景合作，优先验证试管分拣与药品配送
- 投资方逻辑：祥峰投资执行合伙人李伟称「具身智能的实现路径至今没有收敛……更看重有能力定义全栈标准的团队」；祥峰曾于 2020 年成为宇树科技 Pre-A+ 轮的独家机构投资人（搜狐·华为系具身创业盘点）
- 口径限定：融资额与轮次以工商与厂商口径为准；KAI Halo 的「厘米级全身姿态捕捉」为公司自报参数
为什么值得关注
- 资本这次押的是全栈而不是单点：采集硬件、世界模型、本体、灵巧手装在一家公司，本质是赌「分头推进时无法判断问题出在哪一层」
- 数据采集设备先开卖是个务实的现金流设计：整机尚未放量时，先用采集工具向产业客户收费，同时把数据回流给自家模型
- 与前两条连起来看，具身竞争正在前移到数据入口：谁掌握第一人称数据与真实反馈，谁就掌握模型迭代速度
- 反面风险同样清楚：全栈意味着资源摊薄，若本体迟迟不量产，数据与模型投入会被产能拖住
- 可行动项：看这类公司时把「采集设备出货量」与「整机交付量」分开记账，前者是当下收入，后者才是长期承诺
06 弦引未来四个月连融三轮：阿里与中国移动押注绳驱柔性机器人
事件内容
- 10 月 12 日，弦引未来（安徽弦引未来科技）宣布自 2026 年 5 月起四个月内连续完成天使轮、Pre-A 轮、A 轮融资，累计数亿元；A 轮由阿里巴巴与中国移动链长基金领衔，洪泰基金、珠海科技产业集团、元生资本等跟投（证券时报网、大河财立方、凤凰网科技）
- 前两轮的投资方包含蓝驰创投、高瓴创投、彬复资本、华映资本与元禾原点，以及 智元机器人、天合光能等产业方
- 公司 2025 年 9 月成立，由清华大学 梁斌教授团队与江淮前沿技术协同创新中心技术转化孵化；梁斌为清华自动化系长聘教授，团队做空间机器人与超冗余柔性机械臂已持续 20 余年
- 技术为自研绳驱柔性机械臂（全柔性绳驱构型、末端纤细紧凑、大角度弯折与高精度定位）与刚柔耦合敏捷臂（电机直驱 + 绳索驱动复合，面向重载与高速机动）
- 落地场景不在地面而在在轨服务：在轨加注、辅助离轨、在轨检修；公司计划 2027 年开展一次太空交会对接技术验证
- 口径限定：公司一手材料以「绳驱柔性太空机器人」为主，部分转载将其描述为「仿肌腱绳驱 + 视触灵巧手」，两种口径存在差异，本文以公告与两家以上媒体为准
为什么值得关注
- 它展示了一条具身技术外溢的路径：柔性驱动、力位协同、冗余机械臂在太空在轨服务里价值高、竞争者少，比挤在人形整机赛道更容易先拿到订单
- 股东结构值得留意：**互联网巨头 + 运营商产业基金 + 地方国资 + 本体企业（智元）**同时入局，说明耐心资本在找「非人形」的具身出口
- 四个月三轮、数亿元规模，反映硬科技项目在量产前就被抢筹；但航天场景验证以年计，融资节奏与交付节奏并不同步
- 与 04、05 条对照：同一天里钱分别流向家庭数据闭环、全栈采集与太空柔性机械臂——资本已不为单一形态付溢价，而为独家数据或独家场景付溢价
- 可行动项：看柔性臂类项目时，重点核对是否已有在轨或极端环境验证记录，以及单台成本能否随批量下降
速览
- 哈佛工作论文：AI 编程智能体让代码 +30%，软件交付没有显著变化：论文分析 718 家公司、3 亿条工作事件、70 万名员工（2021 年 1 月—2026 年 3 月），引入编程智能体后代码行数 +30%、提交 +20%、PR +23%，但 PR 合并耗时 +49%、返工 PR 占比近乎翻倍、评论 +35%、参与评审人数 +14%，Jira 问题与史诗的解决率无统计显著变化；论文当前版本为 2026 年 8 月 4 日，10 月上旬起被英语技术媒体集中报道（Ars Technica、Solidot）
- 阿里千问发布 QwenGyre：10 月 12 日发布的面向超长程智能体任务的在线强化学习框架，把 GPU 切成计算单元、任务结束即转入训练；官方称在 NL2RepoBench 上以每次 rollout 约 70 万 token 训练 48 步后通过率由 52.5% 升至 58.5%，相同算力预算下端到端加速 1.78 倍（IT之家）
- 微软发布 Maia 300 自研 AI 芯片：10 月 12 日发布，288GB HBM4、带宽 18TB/s、FP4 算力 13.8 PFLOPS、FP8 为 6.9 PFLOPS，台积电 N2P 工艺、多芯粒设计、功耗 950W，计划 2027 年部署（IT之家、The Verge）
- AMD 发布智能体 AI 机架 Helion：10 月 12 日发布、计划 2026 年 11 月推出，基于 OCP 规范，纯 CPU 版本（第六代 EPYC）可扩至 32768 核心，规范将贡献给 OCP（IT之家）
- Anthropic 投 1 亿美元培养前沿驻场工程师：本月早些时候宣布设立该项目，学员先参加 4 天线下集训、再回本公司完成 12 周驻场实践，官方计划到 2027 年底培养 1 万人（IT之家）
- CodeScene 案例：智能体三周重构 30 万行 C 代码：该案例由 CodeScene 于 2026 年 9 月发布、10 月 12 日经 InfoQ 中文解读；726 个文件、2903 次提交、改动 252055 行，Code Health 从 5.6 升至 10.0，token 成本约 4000 美元，主力模型为 Claude Opus（配 Claude Code），变更经 54 个 PR 合入分支（InfoQ 中文、CodeScene）
- 小鹏在巴黎车展公布人形机器人时间表：10 月 12 日亮相巴黎车展，称 2026 年底实现 IRON 量产、2027 年上半年开启交付，先落门店与商场再拓展至工业与家庭；公司称近期首位高阶通用人形机器人已完成自动化总装下线（IT之家）
- DeepSeek 拟领投 Winverse AI 种子轮：10 月 12 日彭博社报道，DeepSeek 已同意领投前腾讯科学家胡瀚创立的 Winverse AI 种子轮，金额数千万美元、投后估值约 4 亿美元，美团旗下龙珠投资亦作承诺；该交易尚未最终敲定、估值与参与方仍可能变化（华尔街见闻）
主线判断
今天最值得记住的不是某一次发布，而是「自我改进」这门手艺正在分岔。Meta 端出首款前沿模型 Muse Wonder，卖点不是跑分而是 Active Memory 与 Active Focus——能不能跨天记住你、能不能盯住一个长任务不放；华为诺亚方舟的 Memento 3 则把自我改进做成了工程：冻结 Claude Opus 5 的权重，只维护一本规则手册与一套可执行的 Python 世界模型，就在 ARC-AGI-3 上通关 25 款游戏、183 个关卡，操作次数比人类少 56%，还顺手把经验交给 Git 管理——RSI 不必改模型，只要把对世界的理解做成可检查、可回滚的外部资产。同一套逻辑当天就在具身侧找到回声：欧拉万象的 Real-world RSI 把数据闭环交给早期用户，超维动力干脆先卖采集设备换现金流。可另一头，真实交付仍被卡住：Epic 与迪士尼的项目因转向「AI 优先、不再手写代码」而推迟，而新的哈佛工作论文用 718 家公司、3 亿条工作事件说明，引入编程智能体后代码量涨 30%、评审时间涨 49%，企业层面的软件交付却没有统计意义上的变化。三条线连起来读：能力扩散已经不慢，真正的瓶颈是验证与交付——所以今天每一笔值得留意的钱，都花在了能让系统自己发现问题、自己修，并且改动能被审计的那一层上。
信息来源
- 中文媒体：IT之家、量子位、InfoQ 中文、每日经济新闻、OFweek 机器人网、盖世汽车、证券时报网、大河财立方、凤凰网科技、搜狐、网易、今日头条
- 英文媒体：彭博社、TechCrunch、WIRED、The Verge、Dexerto、Ars Technica、Solidot、arXiv
- 一手源：Meta 官方博客与 Muse Wonder 模型卡、华为诺亚方舟实验室论文 arXiv 2610.11794、Epic Games 官方声明与 Tim Sweeney 公开发言、欧拉万象融资公告、超维动力工商登记信息、弦引未来融资公告、CodeScene 案例研究、Anthropic 前沿驻场工程师项目、微软 Maia 300 发布、AMD Helion 机架规范