今日主线是「落地」二字：新华社实地报道新职业「具身智能机器人应用技术员」的一线工作，并给出 AI 行业招聘职位数同比增长 10.6% 的硬数据；资本端「换尺」，具身智能年内融资 648 起、1237 亿元，但 10 月单月回落至约 101 亿，投资逻辑从技术想象力转向交付确定性。副轨聚焦编程工具的模型供应链重构：Cursor 把订阅标配模型换成 Grok 与自研 Composer，GitHub Copilot 一月内退役十余个模型。对准备入行的数据工程师而言，数据岗位的价值正在被两端的信号同时确认。

新职业上岗实录：新华社探访北京人形机器人创新中心，AI 行业招聘职位数同比增长 10.6%

新华社 11 月 13 日刊发报道《新赛道催生新岗位，就业潜力加快释放》，走进北京人形机器人创新中心：上百名具身智能机器人应用技术员中，有人操控同构臂引导机器人抓取苹果采集训练数据，有人用 3D 打印制造多个版本的手腕相机支架以适配快递单号扫描，有人负责场景部署、数据采集与模型测试的闭环。报道称今年 9 月人社部等部门发布的 11 个新职业中，具身智能机器人应用技术员位列其中；智联招聘数据显示，今年上半年人工智能行业招聘企业数同比增长 24.8%，职位数同比增长 10.6%。同日学信网转发的职业介绍补充了细节：该职业基础动作采集岗只需看懂标准化任务文档、身体协调性较好、能熟练操作机械臂即可参与；2025 年中国具身智能市场规模超 9000 亿元，相关企业数量已突破万家。

值得关注：这篇报道第一次把新职业的「日常」写清楚了——场景部署、数据采集、模型测试、针对性补采，正是数据工程师可以切入的完整链路。北京人形机器人创新中心数据与训练基地项目经理穆超判断，职业将从「广覆盖」转向「精深耕」，垂类场景（烹饪、医疗辅助等）将由具备相应专业背景的人员承担。注意口径：24.8% 与 10.6% 是人工智能行业整体数据，不单指具身智能。对郭子这类有数据工程底子的求职者，「采集组长→项目经理」的晋升路径已在报道中显形，数据质量治理能力是向上通道的关键一环。

来源：新华社（今日头条转载） | 学信网

具身智能融资「换尺」：年内 648 起、1237 亿元，10 月单月回落至约 101 亿

新华财经旗下中经社 11 月 15 日发文称，具身智能赛道正从「技术想象力」走向「交付确定性」：上半年融资总额约千亿元、6 月单月逾 300 亿元，下半年以来逐月下滑，10 月回落至约 101 亿元；投资机构优先押注已跑通规模化落地、拿到持续订单的企业，银河通用已实现超千台规模的商业部署，应用于多家制造企业的上下料、分拣、物料搬运场景。经济日报系中国经济网 11 月 13 日引述 IT 桔子数据：截至 11 月 12 日，年内具身智能一级市场投融资事件 648 起、金额 1237.11 亿元，远超 2025 年全年的 387 起、399.51 亿元。华山资本杨镭在进博会期间判断，对本体的投资已从「普涨」进入「停止」，「数据是新的石油和飞行小时数」，能形成真实数据回路的公司将拥有长期壁垒。

值得关注：融资总量仍在放大，但结构在换挡——钱不再给「讲故事」的本体新玩家，转向有订单、有交付、有回款的企业。杨镭对数据路线的拆解值得记下：低成本无本体数据（仿真合成等）适合大规模预训练，真机遥操作数据用于特定任务校准，终局是高质量数据与大模型结合。这正对应数据岗位的两个层次：数据管线/治理（预训练侧）与数据质量评估/闭环运营（校准侧）。「数据回路能力将成为长期壁垒」这句投资判断，可以直接翻译为「数据工程师的岗位护城河」。

来源：中经社 | 中国经济网 | 虎嗅（界面新闻）

产教融合提速：368 所院校加入具身智能产教融合共同体，70 余所高职院校专业迎来首批新生

据中国劳动保障新闻网 11 月 10 日报道，10 月 31 日全国具身智能产业应用行业产教融合共同体在哈尔滨成立，由乐聚智能、东北大学、哈尔滨职业技术大学发起，来自 29 个省（区、市）的 368 所高校、高职、技工与中职院校及 145 家上下游企业参与。报道称围绕一台机器人已催生出 20 多个新职业、新工种，相关人才缺口超过百万；今年 7 月《职业教育专业目录》一次性增补 27 个专业（其中职业本科 18 个），今秋 70 余所高职院校的「具身智能机器人技术」专业已迎来首批新生。报道同时点出矛盾：人才培养周期长达 3-4 年，产业迭代却以季度计算。

值得关注：这条新闻的时间价值在于「窗口期」三个字——第一批科班毕业生要到 2029-2030 年才进入市场，而行业人才缺口当下已超百万。也就是说，未来 3 年内入行的人，是在与「转行者」而非「科班生」竞争。共同体由企业牵头（乐聚）、企业参与标准制定的信号，与此前报道的「新职业快、标准快」一脉相承。对入行者：选择培养体系尚未覆盖的技能区间（数据治理、质量评估、确权、管线工程）越早卡位越好，这正是 2029 年科班生也未必覆盖的区间。

来源：中国劳动保障新闻网

Swiss Robotics Day：ETH 教授称物理 AI 进展将慢于生成式 AI，触觉与力感知被长期低估

据 IT 时代网 11 月 15 日报道，苏黎世联邦理工学院（ETH Zurich）机器人系统实验室教授 Marco Hutter 在 Swiss Robotics Day 2026 期间表示，「单个视觉语言大模型就能赋予机器人通用自主能力」的预期被高估了：生成式 AI 靠扩大模型与数据规模快速进步，但物理系统的缩放定律与纯数字世界不同，机器人必须驱动电机与关节去触碰重量、形状、摩擦各异的物体。他更看好机器人基础模型与强化学习、大规模仿真结合，并认为触觉与力感知的价值被长期低估。同场活动中，一家瑞士初创展出厚度仅 500 微米的「机器人皮肤」，能感知 0.0005 牛的微弱力、在物体接触前约 15 厘米察觉其靠近，演示中机械手在物体打滑瞬间通过指尖触觉反馈调整握力；宇树科技创始人兼 CEO 王兴兴介绍了一款尺寸接近人手、拥有 20 余个自由度的机械手。

值得关注：这是技术路线层面的重要反方声音——如果「堆数据、堆模型」的缩放路线在物理世界失灵，那么数据的价值就从「量」转向「质与多样性」，触觉、力反馈这类难以规模化采集的多模态数据会更稀缺。这对数据岗位是实质性信号：触觉序列、力控轨迹的采集标准、标注规范与质量评估方法（如此前报道的 TouchReason-1M 数据集）尚无行业共识，是数据工程师可以建立方法论身位的地方。同时，「基础模型+强化学习+仿真」的路线判断，意味着 Sim2Real 数据管线技能的保值性高于纯真机采集。

来源：IT 时代网（观点报道） | IT 时代网（机器人皮肤）

Cursor 重构订阅模型池：Grok 与自研 Composer 成标配，OpenAI/Anthropic/Google 模型转为加价项

11 月 9 日 Cursor 的定价评审显示，其 X Subscription 订阅标配模型池为 Grok 4.7、4.6、4.5 及自研 Composer 2.5；OpenAI、Anthropic、Google 的模型需 Premium 及以上档位、按 API 牌价预付额度使用，8 美元的 Plus 档不含任何第三方旗舰模型。这被解读为 8 月 SpaceX 以 600 亿美元收购 Cursor（当时的 Anysphere）后向「自控模型栈」的战略转向。此前报道的 OpenAI 断供事件（拟议期限 11 月 12 日）截至 11 月 9 日未见最终落地——Cursor 官方文档仍列有 GPT-5.6 Sol、Terra、Luna，且措辞为「拟议日期」，双方均未确认。另据汇总，Cursor 近期还上线了 Agent SDK 正式版、云端 Agent 可构建并托管线上应用、实时语音对话（基于 Grok Voice）。

值得关注：这是 11 月 12 日日报报道的 OpenAI 断供 Cursor 事件的实质后续——断供尚未坐实，但 Cursor 已用定价结构提前完成「去 OpenAI 化」，订阅内模型换成 Grok 系与自研 Composer。工具选型启示很直接：订阅制工具的「包含哪些模型」正在变成定价层而非技术层的决策，迁移成本会随深度使用上升；对机器人公司的数据岗位，团队选型时应优先考虑支持自带 API Key（BYOK）或多模型路由的工具，避免被单一供应商的商务变动锁死。

来源：AI Native Engineering | BeevR 月度汇总

GitHub Copilot 一月内退役十余个模型，11 月 16 日再下架三款旗舰，自带模型通道开启公测

据 BeevR 11 月 13 日更新的月度汇总（仅收录各厂商官方变更日志可确认的条目），GitHub Copilot 于 10 月 2 日退役 4 个模型、10 月 19 日再退役 6 个，Claude Opus 4.8、Claude Opus 5 与 GPT-5.6 Terra 已排定于 11 月 16 日下架；配套的 model-policy API 同步正式发布，管理员可在四个层级上统一管控组织内可用的模型。与此同时，Copilot 应用开始公测「用户自带模型提供方」——不要求 Copilot 订阅，支持 OpenAI、Anthropic、Ollama、LM Studio、Foundry Local 及 OpenAI 兼容端点。另据同一汇总，Google 的编程智能体 Jules 已于 11 月 11 日转为只读，将于 12 月 31 日正式关停。

值得关注：模型退役潮是编程工具从「功能竞争」转入「治理竞争」的标志——企业现在要管理的不是「用不用 AI」，而是「谁在用哪个模型、花多少钱」。两个可直接落地的动作：一，11 月 16 日前核查团队内依赖 Claude Opus 5 或 GPT-5.6 Terra 的工作流并安排迁移；二，认真评估自带模型通道，本地跑开源模型（如 Ollama/LM Studio 托管量化模型）对数据敏感的机器人公司尤其有价值。对入行技能栈：模型路由、用量治理、成本报表 API（Claude Code 本月也已上线）正在成为工程化 AI 使用的新基本功。

来源：BeevR 月度汇总 | AI Native Engineering

今天的五条动态围绕两个关键词展开：AI 交付的「可验证性」与具身智能的「路线之争」。数学证明方面，Claude Code 用 19.4 万行零 sorry 的 Lean4 代码完成了三元哥德巴赫猜想的机器可验证证明；工程实践方面，一份质量工程报告揭示了 81% 团队正在合并不理解的 AI 代码。具身智能侧，OpenAI 解散独立机器人团队押注通用模型、Gemini Robotics 2.5 登上奔驰产线、国内 Touch-R1 触觉模型入选 NeurIPS——专用模型与通用模型的边界正在被重新划定。

Claude Code 完成 19.4 万行 Lean4 代码，三元哥德巴赫猜想实现机器可验证证明

独立开发者 Charlie Reams 借助 Claude Code 完成了对三元哥德巴赫猜想的形式化证明，累计产出 19.4 万行 Lean4 代码且全库零 sorry（Lean 语言中「sorry」表示跳过未证完的步骤，零 sorry 意味着每一行推理都通过机器内核的严格检查）。三元哥德巴赫猜想又称弱哥德巴赫猜想，指任何大于 5 的奇数都可表示为三个质数之和，2013 年由数学家 Harald Helfgott 宣布证明，但其 300 页手稿充满不等式放缩与常数计算，十余年来全球几乎无人逐行核验。Claude 在推导过程中自主发现原版证明中的 11 处问题（含常数写错、不等式不成立、引用数据偏差），逐一修补后，又把证明依赖的外部假设从 5 项精简至 2 项已有公开数值验证的结果；原作者 Helfgott 本人在 X 上确认了这一工作。

值得关注：这件事的分量不在「证完了」，而在把「证完了」的判定标准从同行评议推向完全机器可验证的闭环——AI 交付的不再是文本，而是可被内核逐行检查的数学产物。对数学、密码学协议验证这类可形式化领域，这是一套可复用的工作流；对 AI coding 而言，它展示了长上下文推理在超大规模工程任务上的真实上限。

来源：新智元（网易）、AIBase

OpenAI 解散独立机器人团队，转向通用模型直接控制机器人

据《财富》杂志 11 月 13 日独家报道，OpenAI 已解散独立机器人研究团队：机器人研究人员并入首席研究官 Mark Chen 领导的核心研究团队，应用机器人与硬件团队转入总裁 Greg Brockman 负责的应用部门。OpenAI 确认此举是重组而非放弃，并解释了动因：年初研究人员还认为机器人技术应建立在 Sora 等模型之上，但 GPT-6 Astra 等前沿通用模型已展现出直接控制机器人的能力。英伟达一项研究显示，搭载 Astra 的智能体在模拟机器人操作基准上成功率达 74.8%，高于该榜专用机器人模型此前报告的 51%。OpenAI 仍计划研发人形机器人，CEO 奥尔特曼此前提出争取 2027 年首次公开演示。一个细节是：OpenAI 本已报名参加本周在奥斯汀举行的机器人学习会议 CoRL 并预留展位，但《财富》到访时展位已空。

值得关注：这是一条横跨 AI coding 与具身智能的路线级信号——当通用大模型的能力足够强，「为机器人单独训练专用模型」的必要性被重估，机器人正在从「需要单独攻克的问题」变成「通用智能的下游应用」，如同编程、法律工具今天所走的路径。但边界也要看清：通用模型运行慢、依赖云端，机器人公司在真机部署与数据积累上仍有优势（MIT 教授 Russ Tedrake 即持此观点），重组不等于路线之争终结。

来源：腾讯新闻、格隆汇

Gemini Robotics 2.5 登上奔驰产线，汽车零件分拣成功率 96%

Google DeepMind 于 11 月 10 日在 CoRL 2026 发布 Gemini Robotics 2.5——迄今最强的视觉-语言-动作（VLA）模型，并在本周会议现场做了实机演示。该模型在 200 多项任务上成功率比上一代提升 30%-100%、完成速度提升 20%-30%，其中长短板项尤其突出：用夹子夹取烘焙食品成功率从 5% 升至 100%，系蝴蝶结从 0% 升至 70%。最受关注的是真产线验证：在奔驰位于匈牙利凯奇凯梅特与德国辛德尔芬根的活产线上，搭载该模型的 Apptronik Apollo 2 人形机器人执行汽车零件分拣（kitting，从散料箱中按装配顺序分拣金属支架），成功率 96%；架构上由 Gemini Robotics ER 负责推理规划、Robotics 2.5 负责动作执行。模型目前仅向 Apptronik、Boston Dynamics 等合作伙伴开放，无公开 API。

值得关注：这是通用 VLA 模型首次在真实工厂产线上给出可量化的成功率，且可变形物体操作这一传统弱项出现代际跃升。DeepMind 同时开源了 ASIMOV-Jailbreak 物理安全基准（1500 条对抗性提示），为行业提供了首个机器人安全测试公共标准。口径提醒：96% 为 DeepMind 自报数据、属 proof of concept 而非正式部署，无失败样本分母与人工介入频率披露；「推理模型规划 + 执行模型动手」的双层架构正在成为行业模板，与 OpenAI 的通用模型直控路线形成对照。

来源：GE Roundtable、MLLLM

戴盟机器人 Touch-R1 入选 NeurIPS 2026，触觉推理补上灵巧手「最后一厘米」

深圳戴盟机器人主导研发的 Touch-R1 模型近期被机器学习顶会 NeurIPS 2026 正式接收，成为首个将强化学习系统性引入触觉推理的模型。其针对的痛点是：现有具身模型重视觉轻触觉，机器人看得见水果却控制不好力道——抓空或捏烂。Touch-R1 将触觉认知从「看起来是什么」推进到「实际是什么」，实现跨传感器的一致物理判断。配套发布还包括 TouchReason-1M 数据集（1.47 万条触觉序列、132.3 万个同步数据对）与 TouchReason-Bench 评测基准；在该基准上 Touch-R1-7B 综合得分 60.1，比 GPT-4o 高出约 24.7 分（自报口径）。据 21 世纪经济报道，广东正将灵巧手竞争从「比自由度」推向「比能否真正干活」，形成从触觉感知、模型训练到产线验证的生态链。

值得关注：对具身智能数据层而言，TouchReason-1M 是继视觉动作数据之后又一类新型公开数据资产——触觉序列数据的采集、同步与标准化难度远高于视觉，其数据管线与评测基准的设计思路值得数据从业者直接借鉴。这也再次印证：具身智能的瓶颈正从「本体」转向「感知-数据-模型」的完整闭环。

来源：21 世纪经济报道（网易）

TestMu AI 报告：81% 软件团队已合并自己不理解的 AI 代码

智能体质量工程平台 TestMu AI（前身为 LambdaTest）今日发布《State of AI in Quality Engineering 2026》报告。核心发现：40% 的团队已有超过一半的生产代码由 AI 编写，81% 的团队承认合并过自己未完全理解的 AI 生成代码或测试，44% 的团队表示漏检缺陷或生产事故有所增加。验证侧严重滞后：仅 41% 的团队在合并前对 AI 代码做自动化检查，55% 依赖人工审查，51% 事后交给 QA；仅 13% 制定了 AI 错误应急响应预案。更值得警惕的是，使用 LLM-as-a-judge（用一个模型为另一个模型评分）的团队中，经常合并不理解输出的比例约为其他团队的两倍（29% vs 15%）。

值得关注：这份报告为「AI 生成速度跑赢了验证能力」提供了量化证据，且点出一个反直觉结论——让 AI 评判 AI 可能制造虚假的验证安全感，而非填补缺口。报告提出的解法与当前行业方向一致：AI 输出应在合并前交由独立于生成模型的系统验证。对企业落地 AI coding 而言，验证与生成同等需要预算和工程投入，这正是下周各团队排期时容易漏掉的一行。

来源：腾讯快报

今天最值得记录的一件事发生在云厂商的产品线上：AWS 交付了第一个由智能体写完、且团队公开声明「没有审查过任何一行代码」的产品。同一天，OpenAI 对 Cursor 的断供期限到期，模型供给第一次成为所有权问题；阿里则把 Qoder 的执行层开源成可嵌入的 Agent 运行时。国内具身侧，北京用三年行动方案把「100 万小时数据、5 万 PFlops 算力」写成可考核指标，均胜电子向宇树交付了首台可外挂的算力背包。

一、AWS 交付首个「人类没有审查过一行代码」的产品

11 月 11 日（美国东部时间），AWS 发布免费本地工具 AWS Emulator，可在开发者本机模拟 200 多项 AWS 服务，由 400 多个 API 模型构建，用 Rust 编写，以本地 HTTP 服务器形式运行，支持 Linux、Windows、macOS 的命令行或 Docker 镜像，把 AWS CLI 与 SDK 的请求指向 localhost 即可离线验证代码、且不产生云账单。

真正被行业关注的不是工具本身，而是 AWS 对开发方式的公开说明。高级首席工程师 Matt Goldberg 在博文中写明：该模拟器完全由自主智能体编写，团队没有写、也没有审查过任何一行代码。三支智能体队伍跑在 Amazon Bedrock AgentCore 上分工协作：第一支依据 AWS 公开的 Smithy API 模型生成数千套端到端保真度测试，并先在真实 AWS 上验证测试本身是否正确；第二支把测试回放到模拟器上找差异，失败即自动提 issue；第三支一个智能体对应一个 issue 完成修复。每一次改动都要过一道自动化合并闸门，由对抗性安全智能体检查编译、编码规范、安全漏洞与保真度回归，任一项不过就退回重做。

这个项目的起点是一个周末实验。受 Anthropic 演示「智能体依据规格与参考实现自建 C 编译器」启发，Goldberg 给自家编程智能体 Kiro 写了三步提示词，15 分钟后得到了一个可用的 Amazon SQS 复刻版本，到周一团队已开始用它测试自家软件。代码以 CC0 协议开源，连同原始提交历史和一份公开的「尚不可用清单」（things-that-do-not-work）一起放上 GitHub。

值得关注：有三点比「200 项服务」更有信息量。其一，「没有人类审查」限定在代码生产与代码审查这两个环节，目标定义、验收标准、安全策略与组织责任仍在人手里——AWS 副总裁 Swami Sivasubramanian 把这称为工程师转向「系统编排者」。这套流程真正的产出不是模拟器，而是「三支队伍 + 合并闸门 + 保真度测试」这一套约束设计，它可迁移到任何「规格明确、有参考实现」的领域。其二，早期失败模式很有说服力：智能体曾为支持 Lambda 函数自己写了一个 Python 解释器——技术上可行、工程上荒谬，团队不得不显式要求复用现成库。智能体缺的往往不是能力，而是人类默认的常识性约束，而约束必须被写出来。其三，模拟器天然存在保真度问题，公开「不可用清单」本身就是产品诚实度的一部分；同时它直指 AI 编程当下的真实瓶颈——智能体写代码的速度已经超过人类验证的速度，于是验证必须自动化、本地化、可重复。

来源：Amazon's open-source AWS Emulator lets developers validate their code locally（SiliconANGLE）

二、OpenAI 对 Cursor 的断供期限落在今天

11 月 12 日是 OpenAI 于 8 月 28 日提出的拟停供日期。当时的触发点是 8 月 14 日 SpaceX 以 600 亿美元全股票交易完成对 Anysphere（Cursor 母公司）的收购，触发了合同中的控制权变更条款；OpenAI 称无法确信 SpaceX 会在其服务条款范围内使用相关技术，并列举马斯克旗下公司过往违约的先例。通知期取了合同允许的最长时限。

实际影响比标题温和。GPT-6 系列此前已从 Cursor 的模型选择器消失，若断供生效，消失的是 GPT-5.6 等剩余型号；Cursor 首席执行官 Michael Truell 表示 OpenAI 模型约占其流量的 5%，选择器里已有 Claude Opus 5.5、Gemini、Grok 4.7 与自研 Composer。Anthropic 在 OpenAI 公告后数小时内即表示，将提高 Claude 在 Cursor 内的算力供给。OpenAI 同时明确，包括即将推出的 Astra 在内的未来模型不会再提供给 Cursor。

截至 11 月 11 日，双方均未确认断供是否真的落地。OpenAI 的措辞始终是「拟议日期」而非最终日期，两家公司都表示谈判仍在进行，因此存在最后一刻延期的可能。

值得关注：这条新闻的实质不是某个模型下架，而是工具的归属开始决定它能跑谁的模型。Cursor 在设计上是模型无关的，但控制权一变，供给关系立刻被重画。对开发者而言，自带 API Key 看似是后门，却换不回 Cursor 围绕模型搭起来的代码库索引、上下文管理与 Agent 循环——同一段提示词换一个模型往往不等于同样的结果，围绕特定模型建立的团队工作流需要重跑回归测试。更值得关注的是方向：模型厂商在收购开发者工具（OpenAI 买下 Pierre Computer，Meta 买下 Conductor），工具方在自研模型（Cursor 的 Composer），两边都在往对方的位置上长。口径提示：5% 流量占比为 Cursor 首席执行官的说法，断供是否真正生效仍待官方确认，本文不将其视为既成事实。

来源：Our decision on Cursor following its acquisition by SpaceX（OpenAI）；OpenAI Is Leaving Cursor. What Actually Changes for Developers?（DEV Community）

三、阿里把 Qoder 的 Harness 开源成可嵌入的 Agent 运行时

11 月 11 日，阿里发布 Qwen Code 1.0（Preview），把在 Qoder 中打磨的 Harness 能力并入开源项目 Qwen Code，以 Apache-2.0 协议开放。Harness 指的是衔接模型、工具与执行过程的那一层，决定 Agent 如何规划、如何调用工具、如何在长任务中维持状态——此前这一层基本锁在各家商业编程产品内部。

架构上，1.0 从进程内的内存事件总线起步，沿统一事件模型向分布式演进：接入、调度与执行分层扩展，通过「手脑分离」让推理编排与工具执行各自独立管理，目标是从「一个进程、多个会话」走向「多个节点、更多会话」。官方列出四项直接效果：推理、记忆与工具处理单元可按事件插拔，减少对主执行流程的侵入；模型接入收敛到单一入口，集中管理配置、授权与调用记录；沙箱资源在同一权限边界内分配复用，减少重复初始化；MCP 的配置、授权与连接统一治理。

口径需要分清。GitHub 上的 v1.0.0-preview 是 11 月 11 日 03:55 UTC 发布的预发布标签，且与 main 分支「无共同祖先」——1.0 预览线与 0.27 稳定线是两套并行的代码历史，不是「稳定版往前走了一步」。npm 上 latest 标签仍是 0.27.2，包内没有任何 1.x 版本；也就是说「1.0」目前只存在于 GitHub Release 与产品页，通过 npm 安装拿到的还是 0.27 线。官方未公布基准成绩、稳定版时间表，也未说明开源内核与 Qoder 商业产品内部版本的接近程度。

值得关注：这条的产品意义大于版本意义。过去想自建 Agent 系统只有两条路——用闭源 Harness（好用但不归你），或用 LangChain 一类积木自己搭管道（事件路由、工具执行、会话状态、重试，起步就是一个月）。现在多了第三个选项：把商业产品里跑过的执行层直接嵌进自己的产品，并按需观测、路由、回放其事件。对做垂直 Agent 的团队，这是省下数月管道的实惠；对阿里，这是用开源换生态位——它与 11 月 11 日文心把 Preview 权重定在 11 月 25 日开源、Google 把 Agent 栈捐给 CNCF，属于同一场「谁来定义 Agent 时代标准层」的竞赛。风险同样明确：预览分支没有稳定性承诺，接口可能变；「沙箱复用降成本」是官方说法，尚无独立测试。今天要上生产，0.27 仍是唯一有保障的选择。

来源：Alibaba Folds Qoder's Harness Into Qwen Code 1.0 Preview and Open-Sources the Combined Agent Core（Pandaily）；Qwen Code 1.0 预览版开源：8 个原生安装包与 3 类入口汇总（华军软件园）

四、北京把「100 万小时数据 + 5 万 PFlops 算力」写进三年指标

11 月 11 日，北京市经济和信息化局印发《北京市具身智能机器人产业高质量发展行动方案（2026—2028 年）》，把具身智能机器人列为高精尖产业的重要领域与未来产业的关键突破口。

目标层面，到 2028 年培育不少于 5 家国际一流、10 家国内领先的人形机器人整机企业，具身智能模型、机器人本体与关键技术达到国际一流水平；京津冀区域整机产能占全国 25%，关键零部件配套率超过 60%；在北京形成 20 万台/年的整机生产能力，支持代工生产与自建产线并行。

要素层面，支持视觉—语言—动作模型（VLA）、世界模型、强化学习等多条技术路线并进与融合；率先建成覆盖多元化真实场景的国家级具身智能机器人数据基础设施，在不少于 100 个真实场景中采集超过 100 万小时高质量数据；新增建设总规模超过 50000 PFlops 的具身智能专用算力集群；构建权威评测体系。场景与生态层面，工业、服务、特种三大领域分别形成不少于 20 个、20 个、10 个标杆应用场景，凝练不少于 15 个可规模推广的解决方案；建立企业上市「一对一」服务机制，培育不少于 200 家科技型与专精特新企业；率先形成覆盖研发、生产、报废、回收全周期的身份认证、可信溯源与行为审计能力。

值得关注：这份文件最硬的地方不是整机企业数量，而是把「数据」与「算力」写成了可考核的公共品指标。据国金证券统计，截至 2026 年初全球高质量真实物理交互数据存量仅约 50 万小时，而训练一个通用具身模型至少需要千万小时级数据，存量不足需求的 5%；北京一座城市的三年目标，就是现有全球存量的两倍。这解释了为什么数据采集、质量评估、确权与审计正在从边缘工序变成政策明确点名的环节——文件专门写入「可信溯源、行为审计」，意味着数据不只是要采到，还要说得清来源与责任。需要区分的是：100 万小时、5 万 PFlops、20 万台都是 2028 年的目标值，不是已完成的成绩；受政策刺激，11 月 11 日 A 股机器人板块据报有 30 余只个股涨停，市场反应与产业落地是两件事。

来源：北京发布具身智能机器人产业高质量发展行动方案（证券时报/网易）；北京发布具身智能机器人产业三年行动方案 到2028年建成国际一流创新高地（东方财富）

五、均胜电子向宇树交付首台「高算力大脑背包」

11 月 10 日，均胜电子旗下宁波超平面机器人科技公司正式向宇树科技交付首台机器人高算力大脑背包，双方战略合作从框架协议进入产品交付阶段，消息由均胜电子 11 月 11 日通过官方公众号披露。

该背包搭载高算力端侧平台与高效能能源系统，可独立外挂部署，兼容宇树的人形、四足、轮式多形态机器人，为环境感知、数据采集、自主决策与动态运动控制提供算力支撑，可承载端侧具身模型的实时推理，并通过能源管理延长机器人的连续作业时长。

双方于 2026 年达成战略合作，联合攻关三类核心部件：高算力自供电大脑背包、灵巧手、高性能固态电池能源管理系统，目标是形成可批量生产、适配多形态本体的标准化零部件方案。场景侧则围绕汽车零部件产线与智能制造，开展场景数据采集、整机软硬件适配、工业大模型训练、产线试点与规模化复制。

值得关注：把算力做成可外挂的背包，等价于把「大脑」从「身体」里拆出来单独迭代——本体不必为算力升级重新做结构设计，同一台机器可以按任务切换算力档位，这对缩短整机迭代周期是结构性收益，也降低了新玩家进入的门槛。更值得注意的是供给侧的身份：均胜是汽车 Tier1，它带进来的是车规级的热管理、电池管理、域控制器与量产一致性经验，这些恰好是人形机器人当前最薄弱的环节。反向对照北京方案要求的「关键零部件配套率超 60%」，这类跨行业供应商正是这个比率的分子。需要说明的是：官方通稿未披露算力规格（TOPS）、功耗、重量与续航提升幅度，因此目前只能判断方向、无法判断性能；「物理 Agent 自进化」属产品描述，尚非可验证的技术指标。

来源：均胜电子向宇树科技交付首台机器人高算力大脑背包（中国证券网）；均胜电子向宇树科技交付首台机器人高算力大脑背包（证券时报网）

今日 AI 领域出现一次罕见的「双线同日」：谷歌一边把旗舰模型 Gemini 4 Carbon 从受限测试推向全面开放，一边发布迄今最强的 VLA 模型 Gemini Robotics 2.5 并送上奔驰产线；基础设施侧，Google Cloud 把整套 AI 原生 Kubernetes 栈捐给 CNCF，蚂蚁灵波则开源了触觉基础模型 LingBot-Touch。资本面泼来一盆冷水——摩根士丹利判断人形机器人商业化将推迟约一年。

Gemini 4 Carbon 全面开放，三项 Agent 评测第一

Google CEO Pichai 宣布内部旗舰模型 Gemini 4 Carbon 正式向开发者、企业、科研人员和消费者扩大开放。这款模型 10 月 28 日首次亮相时主要限制在特定网络安全防御团队使用，如今进入 Google AI Studio、Gemini for Business、Google Antigravity 以及面向 AI Ultra 订阅用户的 Gemini 应用和搜索 AI Mode。

官方披露，Carbon 在 CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 三项面向真实工作流程的评测中均排名第一，完成任务的成本比表现次优的外部模型低超过 2 倍。其中 Zapier AutomationBench 测的是真实业务工具中的自动化任务执行，Carbon 得分 53.9%，超过 Gemini 4 Argon 的 51.3%、Claude Opus 5.5 的 42.5% 和 GPT-6 Astra 的 41.4%；偏向代码与系统操作的 Terminal-Bench 4.0 上取得 65.2%，高于 Argon 的 57.1% 和 GPT-6 Astra 的 59.1%。

值得关注：这次开放的重心从知识问答、数学推理明显转向「真实工作场景」——编程、信息检索、跨企业应用的业务流程自动化成为主要叙事。三项评测均为 Agent 工作流基准而非静态问答，「完成任务的成本」被放到与准确率并列的位置，这是一个信号：旗舰模型的竞争维度正在从「单次回答多聪明」转向「端到端干活的性价比」。需要说明的是，上述成绩均为谷歌官方口径，三项基准的独立性有待第三方复现。

来源：谷歌Gemini 4 Carbon终于开放！一夜重写 OpenCode桌面应用、多项复杂编程评测登顶（AI前线/网易）

Google Cloud 把 Agent 基础设施整套捐给 CNCF

KubeCon + CloudNativeCon North America 2026（盐湖城，11 月 9-12 日）期间，Google Cloud 发布并开源了一套完整的 AI 原生 Kubernetes 栈：OpenRL（Kubernetes 上的强化学习后训练服务）、llm-d 1.0（分布式推理控制平面）、KubeRay（Ray 集群生命周期管理）、Agent Substrate（多轮 Agent 编排运行时）与 gVisor（内核级沙箱），并将 Agent Substrate、gVisor、OpenRL 三项捐赠给 CNCF Sandbox。

这套栈对准的是生产级 Agent 的四个痛点：RL 训练中 GPU 闲置、缓存盲目的负载均衡打散 KV 缓存局部性、框架碎片化、多租户集群中的沙箱逃逸。官方给出的数字包括：llm-d 1.0 的前缀缓存感知路由把 KV 缓存命中率从 35% 提升至 70%，多轮 Agent 负载下首 token 中位延迟下降 70-85%；Agent Substrate 可在 500 毫秒内恢复挂起的 Agent 会话、容器密度提升 10 倍；OpenRL 在 Gemma 4 的法律基准（Harvey 24 个执业领域）上把准确率从 SFT 的约 50% 提到 70%。

值得关注：这是「如何在不把数据和账单交给闭源 API 的前提下跑生产级 Agent」目前最具体的开源答卷。Agent Substrate 的设计洞察值得注意——交互式 Agent 有 90% 到 95% 的时间在等模型推理、外部 API 或人工审查，传统 Pod 要么空转烧钱、要么冷启动超过 20 秒，而 Actor/Worker 分离让状态与算力解耦。谷歌明确把这次捐赠类比为当年 Kubernetes 的开源，意图是抢占 Agent 时代基础设施的中立标准。口径提示：上述数字多为谷歌在自有负载上自测，OpenRL 今年 2 月才从研究预览起步，整套栈更适合视为「值得跑的实验」而非成熟基建。

来源：Powering open infrastructure for autonomous agents（Google Cloud Blog）

DeepMind 发布 Gemini Robotics 2.5，奔驰产线分拣成功率 96%

谷歌 DeepMind 于当地时间 11 月 10 日发布视觉-语言-动作（VLA）模型 Gemini Robotics 2.5，称其为迄今能力最强的 VLA 模型，目前已面向谷歌的机器人合作伙伴（包括 Agile Robots、Apptronik 与波士顿动力）开放。团队在 200 多项真实任务中评估了该模型，涵盖用食品夹分餐、给礼盒系蝴蝶结、液体移液等精细操作，官方称任务成功率较此前基线提高 30% 至 100%（取决于任务类型），完成速度提升 20% 至 30%。

落地方面，DeepMind 与 Apptronik、梅赛德斯-奔驰合作，在匈牙利凯奇凯梅特与德国辛德尔芬根的在用汽车生产线上开展概念验证：Apptronik 的 Apollo 2 人形机器人自主完成汽车零件分拣（kitting）——从散装料箱中按产线顺序拣取金属支架放入排序容器，官方称成功率达 96%，由 Gemini Robotics ER 负责跟踪整体工作流程、2.5 负责控制手臂与手部动作。安全方面，模型在推理阶段实时规避物理危险，遇到障碍物会停止或等待；同步开源了机器人越狱测试基准 ASIMOV-Jailbreak，包含 1500 条伪装成正常请求的对抗性提示词，Gemini 4 Argon 接入回路后抗越狱率达 98.8%（上一代为 73.5%）。

值得关注：三个细节比总分更有信息量。其一，双模型分工（ER 管流程、2.5 管动作）呼应了业界正在收敛的「快慢双脑」架构；其二，官方明确该试点处于概念验证阶段，未披露任务时长、试验次数、产线节拍等工程化指标——96% 是演示口径而非产能口径；其三，ASIMOV-Jailbreak 把「对机器人发起提示词攻击」变成可量化的基准，物理 AI 的安全评测开始标准化。另外注意，抗越狱 98.8% 的成绩属于 Gemini 4 Argon 而非 Robotics 2.5 本身。模型何时面向公众开放，官方未说明。

来源：DeepMind发布Gemini Robotics 2.5：奔驰工厂试点分拣成功率96%（凤凰网科技）

蚂蚁灵波开源触觉基础模型 LingBot-Touch

11 月 10 日，蚂蚁灵波科技开源触觉基础模型 LingBot-Touch，为机器人大脑补齐精细操作所需的触觉感知。该模型基于近 5000 小时真实触觉数据预训练，覆盖磁触觉、视触觉和压阻式三类主流传感原理，核心设计是按传感原理分别设置编码入口，将不同布局的触点映射到统一的指尖坐标空间，输出统一的触觉 Token——让积累的「手感」可以跨传感器、跨灵巧手、跨动作模型、跨任务复用。

验证结果：在 Sharpa Wave 和 XHand1 两款灵巧手的 26 项真机测试（翻书页、拧瓶盖、辨识麻将牌等）中，接入 LingBot-Touch 后，LingBot-VLA、π0.5、Diffusion Policy 和 T-Rex 四种动作模型的平均任务成功率较无触觉时提高约 14 至 26 个百分点。以 T-Rex 控制 Sharpa Wave 拧瓶盖为例：无触觉成功率 56.25%，直接输入传感器原始信号 62.5%，接入统一触觉表征后达到 90%。跨硬件验证中，XHand1 所用磁触觉传感器型号不在预训练数据中，模型参数保持不变仍能工作。轻量版 LingBot-Touch-Tiny 仅约 530 万参数，接入后动作模型参数量只增加约 0.13% 至 0.16%。技术报告、模型和代码已在 Hugging Face、GitHub 和魔搭社区开源。

值得关注：这条新闻的价值在于它做的是数据层的「标准化」而非模型层的「炫技」。商用触觉传感器三条技术路线长期并存，同样的接触在不同传感原理下产生完全不同的原始信号——如果模型只学会解读一种，换传感器就要重新采集、重新训练，触觉数据无法沉淀为可复用资产。LingBot-Touch 用统一表征层切开了这个结，让人戴触觉手套和遥操作灵巧手采集的数据能共同用于训练，这本质上是给触觉数据建立「可迁移格式」。在通用大模型（GPT-6 Astra、Claude Fable 5.2）纷纷展示机器人操控能力的当口，机器人物理经验的稀缺性反而被放大——视觉数据有互联网，触觉数据没有现成储备，5000 小时的真实触觉数据本身就是壁垒。对数据基础设施从业者而言，这是一个「感知模态决定数据资产形态」的直接案例。以上数据均为蚂蚁灵波官方口径。

来源：从「一脑多机」到「一脑多手」，蚂蚁灵波开源LingBot-Touch触觉基础模型（央广网）

摩根士丹利：人形机器人商业化普及预计推迟约一年

财联社 11 月 10 日消息，摩根士丹利发布第二份 AlphaWise 中国人形机器人调查报告并给出判断：尽管企业采用人形机器人的兴趣持续高涨，但受价格下降缓慢及产品成熟度有限等因素影响，商业化普及时间预计推迟约一年，行业迈向规模化仍将循序渐进。报告指出本轮板块反弹由三大因素驱动：2026 年中市场情绪疲弱以来的轻仓回补、前沿大语言模型突破有望加速具身智能发展、以及王兴兴预期智能技术拐点将于 2027 至 2028 年提前出现的乐观言论——宇树科技股价自 10 月 15 日起累计涨逾六成。

调查数据勾勒出「意愿不降温、预期在退烧」的图景：64% 的受访者表示可能在未来三年内采用人形机器人（2025 年为 62%），但企业预期的部署时间比去年调查时平均推迟约一年；潜在采用者中仅 18% 对目前产品表现感到满意，同比下降 5 个百分点；72% 的受访者认为售价低于 10 万元人民币的人形机器人才具备财务可行性，远高于去年的 53%。大摩认为，前沿大模型虽已能在零样本环境下生成机器人动作，但在成本、任务成功率及延迟上仍有待改善；在生产力提升、商业可行性与重复订单出现更明确证据前，板块短期仍将由催化事件主导。

值得关注：这份报告提供了一个与近期密集利好（王兴兴乐观言论、大模型操控机器人刷屏）对冲的冷静口径。「采用意愿持平但部署推迟一年、满意度下降、价格预期腰斩到 10 万元」三个数字合在一起，说明采购方正在从「看演示」切换到「算账」：能不能每天稳定工作、出故障要多少人处理、多久收回成本。同花顺补充的宇树三季报恰好构成注脚——营收 6.65 亿元同比增长 70%，净利润 1.13 亿元却同比下降 17%，研发费用占比升至 19%（同比提高 10 个百分点）：增收不增利的阶段，正是投入换技术的窗口。对个人入局者而言，大摩「小批量试点先行、可靠性证据决定加单」的判断，比拐点年份的预言更可操作——它意味着未来一两年，验收、稳定性评估、整合成本核算这类「数据与证据工作」的价值会继续上升。

来源：大摩：人形机器人商业化普及预计推迟一年 迈向规模化仍需循序渐进（财联社/新浪财经）

同一天里，Anthropic 和 Meta 分别把「能力上限」和「单位成本」往相反的方向推了一格：Fable 5.2 把第三方智能指数刷到 65 的新高，Muse Ember 则把一个智能体任务的成本压到 0.14 美元。机器人这一侧的三条消息指向同一件事——瓶颈早已不是本体，而是「喂给模型的示范有多少、有多便宜」。英伟达开源了 10 万小时人类操作视频，央视财经给出的却是另一组数字：真实交互数据缺口仍在 90% 以上。一边降价，一边仍然缺货。

一、Claude Fable 5.2 与 Mythos 5.2：能力再上一档，但 Anthropic 主动切掉了「自我加速」那一块

Anthropic 于 11 月 9 日发布 Claude Fable 5.2 与 Claude Mythos 5.2。两者是同一个底层模型，差别只在门禁：Fable 保留网络安全与生物领域的防护限制，向所有付费用户开放；Mythos 放开这些限制，仅限通过其「网络安全验证计划」与「生命科学验证计划」审核的机构使用。官方称新模型输出速度比 5.1 代快约 30%，价格反而降了两成——输入每百万 token 8 美元、输出 40 美元（5.1 代为 10 美元与 50 美元），另有一档可选快速模式，价格翻倍换取最高 2.5 倍的生成速度。第三方评测机构 Artificial Analysis 给出的智能指数为 65 分，是其迄今记录的最高分。发布当天 Cursor 即接入，在 Cursor 自建的 CursorBench 上取得最高推理档 60%、默认档 56.9% 的成绩（5.1 代为 49.2%）。

官方公布的基准里，与编码直接相关的两项是重点。FrontierCode 2.0 测的是「模型改动能否被真实开源仓库合并」，Fable 5.2 在最高推理档拿到 49.1%，高于 Opus 5.5 的 45.5% 与 GPT-6 Astra 的 42.8%；在较高档位为 45.3%，几乎追平 Opus 5.5 的最好成绩，但官方称每任务成本约为后者一半。另一项 FrontierSWE v2 从 5.1 代的 56.3% 跳到 69.9%，超过 Opus 5.5（62.3%）、GPT-6 Astra（65.5%）与 Gemini 4 Carbon（61.2%）。其他方向：带工具的「人类最后考试」74.2%、计算机操作基准 OSWorld 2.1 为 89.3%、硬件工程基准 BenchCAD 2.1 为 83.5。值得一提的是机器人仿真基准 RoboDojo Sim 从上一代的 27.6% 升到 64.9%——一个纯语言模型在动作序列上的分数翻了一倍多，这条数据比任何「具身专用模型」的宣传都更值得留意。

预发布阶段的用例更抓眼球，但需要按公司自述来读：工程师让它在八天内从空目录做出一个能在笔记本上启动、带网络与内置侧栏的原型操作系统；把费马大定理的形式化证明从此前约 11 天压缩到 30 小时，方式是编排 1000 个并行智能体；此外还有三件从零设计的可用电子设备，以及两个黑洞物理领域的开放问题。上述结果均未获独立复现。

值得关注： 这次发布最关键的决定不是加法，而是减法。Anthropic 在训练阶段就刻意压低了「最能加速 AI 自身研发」的两类能力——加速器 kernel 优化与改进大模型架构——在这两项上，5.2 代只做到 Opus 5.5 的水平，其余维度则全面超出。换句话说，一个能压缩自身研发周期的模型，是它明确选择不交付的东西。这条边界被画在训练里而非推理时，意味着它不是靠提示词或审核规则拦下来的，而是模型压根没学会。同期还加固了反蒸馏：官方称其手段使蒸馏者能抓取的数据减少 90% 至 99%，「保留思考」机制（禁止通过编辑历史上下文套取推理过程）覆盖全部账户；生物与网络安全类提示不再直接拒答，而是自动路由到 Opus 4.8 或 Opus 5，误拦率因此下降 55%。放在时间线上看，这是首席执行官 Dario Amodei 九月公开呼吁「放慢 AI 发展节奏」之后的第一款前沿模型，也是其 IPO 传闻窗口前的最后一次旗舰发布——CNBC 称其最快下周挂牌，估值区间 1 万亿至 1.5 万亿美元（英国《金融时报》此前的口径为 1.25 万亿至 1.75 万亿，两家数字不一致，以最终招股文件为准）。对每天用编码智能体的人来说，真正的变化可能在配额：官方说明 Fable 在 Pro 与标准 Team 席位中最多占用周额度的 50%，也就是它被设计成「偶尔调用的顾问」，而不是日常主力。

来源：https://www.anthropic.com/claude-fable-and-mythos-5-2

二、Meta Muse Ember：把一个智能体任务的成本压到 0.14 美元

Meta 于 11 月 9 日发布 Muse Ember，是其 Muse 家族中最小、最省的一款——此前依次是 4 月的 Spark、8 月的开源版 Glimmer、10 月的旗舰 Wonder。参数规模官方未披露，但价格与形态很清楚：输入每百万 token 0.10 美元、缓存输入 0.004 美元、输出 0.50 美元，配 100 万 token 上下文与最高 51.2 万 token 输出，原生支持文本、图像、音频、视频与 PDF 输入。官方定位是智能体流水线里的「执行层」：调用工具、跑编程子任务、做请求路由、抽取信息、解析长文档这类高频重复动作，规划交给 Wonder，跑量交给 Ember。目前已上线 Muse Code 与 Meta Model API（模型编号 muse-ember-1.0），并同步在 Google Cloud 与 Oracle Cloud 提供。

对比数字需要分开看。Artificial Analysis 的智能指数给到 36 分，与 Claude Haiku 5.5 最高推理档持平，而单次评测任务成本约 0.14 美元，Haiku 5.5 同类任务约 0.41 美元，约为三分之一。与自家上一档 Muse Spark 1.3 相比更悬殊：智能指数 37 对 36，几乎打平，但单任务成本 0.14 美元对 2.39 美元，差了约 17 倍。Meta 内部评测的多模态感知基准 PerceptionBench 上，Ember 为 80.6%，高于 Haiku 5.5 的 78.6% 与 GPT-6 Luna 的 62.8%。

值得关注： 分档口径里藏着限定条件，而这恰恰是最有用的部分。在 Meta 自己公布的测试中，Ember 在部分智能体、工具调用与多模态任务上领先，但在 FrontierCode 2.0——也就是「代码改动能否被维护者真正合并」这项基准上——它低于 Claude Haiku 5.5。这构成一个很实用的判断：便宜的小模型已经能在「跑量」上顶替中等模型，但在「产出被接受」这件事上仍有台阶。对正在搭多模型智能体的团队，这意味着路由策略不能再按「便宜的就全部下放」来设计，而要按「这一步的产出是否需要被人验收」来切分——机械性的读写、解析、路由可以交给 0.1 美元档，涉及判断与合并的环节仍得回到贵的那一档。另一层信号是 Meta 的定价意图：把单任务成本压到 0.14 美元，实质是在抢智能体经济里最容易被忽略的那部分账单——不是模型能力费，而是每天几万次调用累积起来的流量费。

来源：https://research.meta.ai/blog/muse-ember

三、英伟达 GR00T 2：把「示范成本」压到 5 次、3 分钟

11 月 9 日，在奥斯汀召开的机器人学习会议 CoRL 上，英伟达发布 GR00T 2，这是一个基于 Cosmos-Predict2.5-2B 构建的「世界动作模型」——与只输出动作序列的策略模型不同，它同时去噪未来画面与动作，先想象场景会怎么变，再给出把场景带到那个状态的动作块。一个预训练权重同时覆盖平行夹爪机械臂、灵巧手与人形三种本体，只在各本体上换一个很小的输出头。预训练配比是这次的核心：402,730 小时第一视角人类视频、10,184 小时手持夹爪示范（覆盖 2,897 个任务）、以及仅 23,500 小时的机器人遥操作数据——人类视频的量是遥操作数据的 17 倍。

效果数字要按官方原话拆开读。在 50 个目标机器人训练数据里从未出现过的任务上，GR00T 2 的零样本平均成功率为 40%——注意官方措辞是「50 个任务中有 40 个至少成功过一次」，这两个「40」在不同转述里常被混为一谈。每个任务给一次示范，平均成功率升到 71%；给五次示范（每任务机器人数据不到三分钟），升到 95%，每个任务的适配只是在单张 RTX 5090 上做约 30 分钟的 LoRA 微调。技术白皮书对此有明确限定：这 50 个任务是从「五个 episode 内能达到 80% 以上成功率」的任务里挑的，所以 95% 的平均值有一部分是构造出来的。人类视频的价值另有消融实验支撑：把人类视频占比从 0 调到 1%、10%、100%，72 个灵巧操作任务上的真实机器人任务进度从 50% 升到 70%。跨本体迁移的成绩是——只看人类戴手套做化学实验、零遥操作，双臂机器人有 65% 的概率给漏斗铺好滤纸并润湿；只看手持夹爪示范，YAM 机械臂有 60% 的概率端到端装完一辆玩具卡车。输送带分拣这一项，GR00T 2 分对 86%，上一代 1.7 版 28%，π0.5 为 0%。

值得关注： 三条线索在此收束。第一是数据口径的转向：官方把 10 万小时人类数据以 Human-1M-100K 之名开源，采用允许商用的 CC BY 4.0 协议，并同时开放采集硬件设计——这是目前公开的最大规模人类操作数据集之一，直接降低了小团队做操作模型的门槛。第二是「开源」需要细读：英伟达称其为开放模型，但目前放出的只是数据集与硬件设计，代码要等到 12 月。第三，也是最值得记下的一句判断，来自加州大学伯克利分校的 Ken Goldberg：他认为模仿学习范式「已经撞到平台期」——数据能带来初期性能，但之后会出错，而且没有证据表明继续追加数据就能解决；工业场景需要的可靠性，靠数据本身给不了。伯克利与英伟达因此在会上联合提出「智能体机器人」（agentic robotics）：用编码智能体去理解机器人如何运作，然后写出人可读的控制代码，把机器人从「数据问题」转成「编程问题」，从而借上语言模型的规模。这条路线的实测是爆米花任务从 33% 提到仿真 94%、真机 90%。另一组数字更能说明分工：把 GR00T 2 当一个工具（通过 MCP 服务器暴露接口），让推理模型做规划与验收，组装玩具飞机、拖拉机、风火轮的 100 次试验中分别成功 98、97、97 次，同一策略在没有规划智能体时只有 71 至 84 次；规划器在相机画面上标出抓取与释放点之后，指令跟随率从 40% 跳到 92%。机器人正在变成智能体的又一次工具调用——这正是 AI coding 与具身智能两条线今天交会的地方。

来源：https://blogs.nvidia.com/blog/robotics-simulation-advancements-corl/

四、央视财经拆解物理 AI：数据需求一年涨十倍，缺口仍在 90% 以上

11 月 9 日晚，央视财经《经济信息联播》播出物理 AI 专题，次日被多家媒体转引。节目给出的核心数字是：头部客户对物理 AI 训练数据的需求，从去年的「十万小时级」跳到今年的「百万小时级」——频道标题写作「需求量暴增近 900%」，按小时数折算约为 10 倍。节目还展示了三条落地路径：上海一家酒店的洗衣机器人采用「双脑协同」，一个具身基座模型负责理解任务与空间关系，一个世界模型负责构建三维物理环境，企业称机器人有时一晚上就能自学一项新任务，今年计划落地 1000 台；北京一家企业的双臂机器人把国产开源模型包装成「技能池」，遇到目标被遮挡时先移开箱子再抓取，通过 96 台机器人的群体经验互相「取经」，在手机包装、衣物折叠等任务上达到甚至超过人工操作员水平；广州展会现场的人形机器人则用「快脑加慢脑」的端云架构，在等咖啡的间隙完成一份冰淇淋订单。

瓶颈部分节目讲得很直接。物理 AI 的预训练更多依赖仿真合成数据与人类视频数据，但真实世界的摩擦力、重力、空间变化与突发状况，是仿真无法完整复刻的——要训练出足够稳定的模型，行业需要千万小时甚至亿小时级的真实交互数据。中国信通院专家转述国际机构测算，2030 年物理 AI 市场规模有望达 4500 亿美元。中国移动杭州研发中心副总经理程宝平用一句很具体的描述解释了为什么必须端云分工：人要抓一个杯子，一秒甚至几十毫秒就拿走了，而云上模型的决策还没回到端侧，机器人根本反应不过来。

值得关注： 这组数字真正说明的是缺口的位置，而不是市场的规模。按中国信通院《具身智能训练场研究报告（2026）》的测算前提——550 亿参数模型、1.1 万亿 token、8Hz 控制频率——要让机器人逼近「ChatGPT 时刻」，约需 21,200 台机器人连续工作一年、产出千万小时级有效交互数据；而当前全球高质量真实数据仅在数十万至百万小时量级，缺口在 90% 以上。也就是说，行业当前的需求增速（一年十倍）与供给能力之间还差着一个数量级，而这个数量级不是靠多买几台本体就能补上的，它需要的是采集流程、质检标准、失败数据回流这些中间环节的工业化——这恰好是最容易被「本体叙事」盖住的一层。定价侧也出现了分化：业内报价显示，原始第一视角视频约几十元一小时，而真机遥操作的有效数据可达几百至上千元一小时，价差十倍以上，说明市场已经在为「可用性」而非「时长」付费（该报价来自券商与产业号的汇总，非官方统计，仅供量级参考）。节目中王兴兴给出的时间判断是：AI 进入物理世界，快则明年、慢则后年，最晚大概五年。

来源：https://finance.ifeng.com/c/8xvlYo1cCww

五、擎仓机器人拿下欧莱雅「BIG BANG」年度大奖：端侧轻量 VLA 进产线

11 月 9 日，新华网报道称，在第九届进博会期间，欧莱雅集团公布了「BIG BANG」美妆科技共创计划的年度优胜企业名单，北京擎仓机器人成为该赛事唯一的具身智能获奖企业。「BIG BANG」是欧莱雅自 2020 年启动的开放式创新平台，至今举办七届、累计 2800 余家企业参赛，本届设四大赛道，擎仓登顶的是聚焦机器人工程与 AI 系统重塑生产流程的「引领新运营」赛道。获奖依据是其在欧莱雅苏州工厂的产线部署：采用轻量化端侧 VLA 路线，把视觉理解、任务理解与动作生成统一建模，在产线完成从场景适配到全流程的落地，公司称该路线曾登顶 Meta-World 全球榜单（榜单成绩为公司口径）。后续双方将探索原料转运、订单分拣、厂区巡检等场景。

值得关注： 这条消息的价值不在奖杯，而在它把「交付」拆成了四层可复用底座，且每一层都指向工程而非算法。数据底座覆盖采集、处理与失败数据回流；模型底座覆盖轻量化 VLA、训练与评测；机器人系统底座统一软硬件接口、监控与远程运维；交付底座把部署流程、测试标准与验收方式标准化。这四层里，最容易被忽略的是「失败数据回流」和「验收方式标准化」——它们决定了第二个客户、第三个客户的复制成本，也决定了一家集成商到底是项目公司还是产品公司。从产业位置看，它和今天另外几条消息构成互补：英伟达在压「示范的成本」，央视在说「真实数据仍然短缺」，而擎仓这类角色的活，恰恰是把客户现场那些没人愿意整理的失败样本，变成可计价、可复用的资产。对关注数据基础设施的人来说，这是一个比「本体出货量」更值得跟踪的观察点。

来源：https://www.news.cn/finance/20261109/6fd70903cb334ae6837e5aca89eb1bcc/c.html