今日焦点：OpenAI 首次量化展示 agent 如何重构研究流程；GitHub 与 Google 分别在多模型编排、视频理解两条战线上把 agent 的"感知-决策-执行"闭环做深；具身智能侧，Figure 用百亿级 GPU 订单押注"机器人大脑"，而国产人形机器人正从签约台走向收货柜。
OpenAI 宣布达成"自动化研究实习生"目标：每位研究员日均消耗 3.1 个 Agent 工作日
OpenAI 发布博客《Research acceleration: The view inside OpenAI》，称去年秋天设定的"在今年 9 月前拥有自动化研究实习生"目标已经达成。数据显示，OpenAI 研究员每个人类工作日平均使用相当于 3.1 个 agent-workdays 的自动化工作量；重度用户每天 token 花费超过 7000 美元，人均年 API 花费约 20 万美元。自年初以来，每位贡献者的代码变更量提升 7 倍，实验数量提升 1.6 倍，超过 70% 的研究员曾同时管理 4 个以上 Agent。OpenAI 同时表示，正朝 2028 年 3 月实现"全自动 AI 研究员"的目标推进。
值得关注的原因：这是首次有顶尖 AI 实验室用内部运营数据量化展示 agent 对研究生产力的真实放大效应。3.1 倍的人工日替代意味着 agent 不再是demo，而是成为知识工作的默认协作层；对 AI Coding 从业者而言，提示词工程、agent 编排与结果审核的组合能力正在快速变成核心竞争力。
信息来源：https://openai.com/index/research-acceleration-view-inside-openai
GitHub 推出 HydraFusion 多模型编排，GPT-6 Astra 正式接入 Copilot
GitHub 于 9 月 4 日将 Project HydraFusion 作为研究预览发布，同时在 Copilot 中正式提供 GPT-6 Astra。HydraFusion 是一套多模型编排系统，可在匹配或超越 Opus 5 基线的同时降低工作流成本，也是首个由主流开发者平台明确提出的"质量-成本"联合优化系统。同步开放的还有 Copilot Business / Enterprise 新用户注册，以及 Copilot code review 对 PR 自动批准的完整支持。
值得关注的原因：AI Coding 的竞争焦点正从"用哪个模型"转向"如何让多个模型在成本、质量、延迟之间智能路由"。HydraFusion + Astra GA 标志着 GitHub 试图把模型层的选择权从开发者手中接管到平台层，企业采购 Copilot 的决策逻辑将随之改变。
信息来源：https://www.originbrief.app/en/reports/developer-tools-platforms/2026-09-07/weekly
Google DeepMind 为 Gemini 上线 Agentic 视频理解：token 消耗最多降 88%
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上线 agentic video understanding。与固定 1 FPS 逐帧处理不同，模型通过 Think-Act-Observe 循环自主决定看哪一段、以什么帧率、使用画面/音频/字幕中的哪些信息，只加载回答问题所需的片段。官方数据称 token 消耗最多可降低 88%，成本降低 66%，准确率提升 7%；在 1H-VideoQA 基准上，39.8 万 token 降至 4.8 万。启用方式仅为 API 中设置 processing: "agentic"。
值得关注的原因：多模态长视频一直是 agent 落地的算力黑洞，agentic 视频理解把"先看什么、再看什么"的决策权交给模型本身，是降低边际成本的关键路径。对具身智能和监控分析、教育内容理解等场景而言，这可能比单纯提升模型容量更具工程价值。
信息来源：https://www.cnblogs.com/itech/p/22868036
Figure AI 与 Nscale 签署最高 60 亿美元 GPU 算力协议，押注人形机器人"大脑"
9 月 3 日，人形机器人公司 Figure AI 宣布与 AI 基础设施公司 Nscale 达成多年战略合作，计划部署最多 10 万张 NVIDIA Vera Rubin GPU，初始算力承诺 35 亿美元，未来可扩展至 60 亿美元以上。Nscale 同时入股 Figure 并成为其首选算力供应商。该集群将用于训练 Figure 的 Helix 视觉-语言-动作模型，首批部署计划于 2027 年下半年在得州 Barstow 落地。
值得关注的原因：这标志着人形机器人产业的瓶颈正从"硬件能不能造出来"转向"大脑能不能喂够数据和算力"。Figure 此前已通过 Index 众包平台积累超过 1600 万条人类任务视频，如今用百亿级 GPU 订单补齐训练基础设施，说明具身智能的竞争已进入"数据飞轮 + 算力军备"阶段。
信息来源：https://techflier.com/2026/09/05/figure-lands-3-5b-compute-pact-with-nscale-for-robot-ai
国产人形机器人进入 9 月"交付冲刺"：从签约台走向收货柜
9 月成为国产人形机器人从"炫技"走向"交付"的关键窗口。9 月 1 日，GB/T 47245—2026《机器人智能控制系统总体架构》等国家标准正式实施；工信部在 8 月 25 日发布《国家人形机器人产业标准体系建设指南（2026 版）》征求意见稿。企业端，优必选天津具身智能产业基地落地，众擎 T800 在河南郑州下线，智元中部产业基地规划年产 4000 台，特斯拉 Optimus 产能爬坡至每周 1000 台，小鹏 Iron 计划年底启动规模量产。
值得关注的原因：量产临界点不是某一台机器人能跳多高，而是订单、成本、标准三件事同时成立。国家标准在交付前落地，意味着行业进入可评估、可对比、可规模化验收的新阶段；对具身智能数据基础设施和场景集成商而言，这是从"看热闹"到"进场干活"的信号。
本页的评论功能已关闭