返回资讯列表

每日AI资讯 2026-09-10

AI技巧AI论文行业动态AI工具AI新元素

每日AI资讯 2026-09-10

一、AI 行业动态

讯飞星火 X2.5 发布：全国产算力全链路，训练效率从 30% 提到 93%

9 月 10 日，讯飞发布星火 X2.5 大模型：293B 总参、30B 激活的 MoE 架构，重点强化代码与智能体能力，支持 200 余种语言。实测表现亮眼：拆解 61 页英伟达财报、排查电商数据 Bug、生成中秋 3D 粒子交互网页。最硬的指标在训练侧——全国产算力全链路下，训练效率从 30% 提升至 93%，这意味着国产算力从"备用选项"正式转为"核心资源"。当外部芯片供给充满不确定性，这条自主链路的跑通本身就是战略资产。

安全人员用 AI 两天写出首个"零点击"微信蠕虫病毒

9 月 9 日消息，安全研究员 Calif 利用 AI 在 2 天内编写出微信蠕虫病毒 WeWorm——首个"零点击"攻击样本，无需用户任何交互即可传播，腾讯已确认修复漏洞。这件事的双重意义值得咀嚼：一方面是 AI 让网络安全攻击的开发速度提升了一个数量级，"两天出一个蠕虫"将成为攻击方的新常态；另一方面，发现它的是防御方的安全研究员——AI 加速攻防两端，但目前看攻击端受益更直接。对企业安全团队，"AI 红队演练"从可选项变成了必修课。

字节豆包工作更新：把操作"录下来"就成了 AI 技能

9 月 10 日，豆包工作发布三大新功能：浏览器录制回放、本地 Office 编辑、任务执行环境自由切换，直指 AI 办公的"说不清、够不着、走不开"三大痛点。最有想象力的是录制回放：用户演示一遍操作流程（比如在网页上走完一个报销流程），AI 自动把它生成为可复用的 Skill——下次一句话就能重放整个流程。"教 AI 做事"的交互方式，正在从"写提示词"进化到"做给它看"。

注释：Skill（技能） 在 AI 产品语境里指一段可复用的操作能力包——把"怎么做某件事"标准化存下来，AI 以后遇到同类任务直接调用，不用每次重新教。

阿里内测 AI 投研助手 Qovest：AI 金融卡位高价值赛道

9 月 10 日独家消息，阿里正在内测面向专业个人投资者的 AI 投研助手"Qovest"：支持 A 股条件检索、财报公告解读、研报分析、报告生成、持仓持续跟踪，还能可视化拆解公司的经营趋势、财务对比与商业模式。策略很清晰——不做大而全的通用助手，卡位"高价值小众人群"：愿意为研究深度付费的个人投资者。AI 金融的路线之争（面向大众的普惠咨询 vs 面向专业的深度工具）正在分层，Qovest 选了后者先跑。

Neolab 投资潮：119 家"三无"研究实验室吸走 943 亿美元

9 月 10 日报道，硅谷 VC 机构 Leonis Capital 统计：自 2024 年以来，119 家 Neolab（新型研究实验室）累计获投 943 亿美元——它们的共同特征是"无产品、无收入"，只围绕技术假设开展研究。投资逻辑完全重构：基于创始人履历、研究团队规模、算力承诺等"替代信号"定价，本质是给人才与技术潜力标价。泡沫之争再添新料：支持者说这是"给未来的科研体制融资"，质疑者问——943 亿美元烧完之后，产出用什么衡量？

二、AI 新元素

费莫一科技获近亿美元种子轮：IDG 领投的 Physical Agent 新玩家

9 月 10 日，成立于 2026 年的具身智能公司费莫一科技（PHYMI）宣布完成近亿美元种子轮，IDG 领投，为当日必读级融资事件。

它怎么赚钱？ PHYMI 的定位是"开放动态真实世界的 Physical Agent"，走"动作→任务→目标"三级能力演进路线，全栈自研。这类公司的商业逻辑是长跑型：前期靠融资支撑数据与模型积累（本轮资金用途正是核心技术研发、数据体系建设与团队扩充），中期的变现路径通常有三条——一是技术授权，把具身大模型能力卖给机器人本体厂商，按机型或出货量收费；二是垂直场景解决方案，在工厂、仓储、商业空间等封闭场景先落地"能干活的机器人"，按项目或按台收钱；三是数据与仿真服务，把真实世界采集的交互数据变成训练资产卖给同行。风险也直白：具身智能的"iPhone 时刻"尚未到来，近亿美元种子轮买的是入场券和试错时间，行业共识是——钱要能烧到场景跑通的那天。IDG 在小鹏机器人之后再度重仓具身，信号意义明显：资本在从"人形本体"向"具身大脑"扩散下注。

脸谱心智 LoopWM：循环世界模型，参数效率提升 100 倍

9 月 10 日报道，脸谱心智发布的 LoopWM 循环世界模型抢在 OpenAI（Astra 同类架构）之前三个月落地：PushT 任务成功率从 17% 提升至约 70%，参数效率提升 100 倍，并实现了论文到产品的全链路闭环。团队已获 Pre-A 轮融资，硅谷头部 VC 正在关注。世界模型赛道有意思的地方在于：OpenAI、谷歌押注的 Recurrent Depth 路线，中国创业团队用更少的参数先跑出了可用的工程版本——架构创新的红利期，不完全是巨头的游戏。

深圳听象：把 5 万元助听器打到十分之一价钱的 AI 公司

9 月 10 日报道，深圳听象科技旗下昂听、飞声两个品牌，用 AI 把高端助听器价格打到传统产品的十分之一（约数千元）：核心是声音分离、增强、预测三项自研技术，8 毫秒完成全链路处理，打破了五大外资品牌三十年的垄断。战绩：昂听年销超 1500 万美元、登顶美国亚马逊品类销量第一；飞声在日本众筹超 300 万美元。这是一个被忽视的出海样本——用 AI 算法替代昂贵硬件堆料，把"听力健康"从奢侈品变回消费品，中国供应链+AI 算法的组合拳又打出一个品类冠军。

数宗科技 Brand Master：00 后创业者用"数万虚拟消费者"测新品

9 月 10 日报道，数宗科技的 Brand Master 系统用数万个"虚拟消费者"模拟新品研发与营销：新品研发周期从 2 个月缩至 1 周，营销 ROI 提升 80%，新品成功率提升 65%。商业化走得很实：标准版年费约 20 万元，客户包括雅诗兰黛、盒马，2026 年营收已达数百万元。创始人丁天是 00 后，2024 年从南京大学背景创业。这个生意的本质是把"消费者调研"从抽样问卷升级为仿真实验——传统调研问 1000 个人，它直接在硅基世界里跑一场全量模拟。

RunningHub 携手刘慈欣办 AIGC 长片大赛：550 万元激励"完整故事"

9 月 10 日消息，RunningHub 与华语科幻星云奖联合举办全球 AIGC 长片创作大赛，刘慈欣担任顾问，设 550 万元创作激励（单项最高 100 万元），并提供 10 部科幻 IP 的免费改编授权。评审标准透露了行业风向的变化：注重故事完整性而非单帧画面效果——AIGC 影视的"炫技阶段"结束了，"讲好一个 90 分钟故事"成了新考题。当《后西游记》证明 AI 长剧的商业模型成立，资本与 IP 方开始认真给创作者发钱。

注释：Physical Agent（物理智能体） 指在真实物理世界里活动的 AI——不只存在于屏幕和对话框里，而是能操控机器人身体完成实际任务的智能系统。

三、X 平台 AI 大V 动态

李沐小红书 AMA：读博的困境，是"用 Agent 做事，人学到的变少了"

"沐神"李沐近日在小红书开 AMA，金句密度很高。学习建议：深度优先、多做项目；编程仍然需要学——但目的变成了"能 review AI 的代码"；他看好"模型在沙盒中自我成长"的方向，对具身智能则是"短期有泡沫，长期看好"。最扎心的是关于读博：用 Agent 把事做了，人自己学到的东西反而变少——这是 AI 时代学习者的核心悖论：效率上去了，成长未必。当工具替你走完了学习曲线，你自己还剩多少曲线？

Jacob Coxon：27 岁、连辞 OpenAI 与 Anthropic 的研究员警告"拿人类命运下注"

27 岁研究员 Jacob Coxon 在先后从 OpenAI 与 Anthropic 离职后公开发声：AI 竞赛正在"拿人类命运下注"。他对两家老东家的评价很毒辣——OpenAI 是"没看清风险"，Anthropic 是"看清了也停不下来"。他的预测：模型最快明年底开始自我改进，届时人类可能失去控制权。他同时参与联署了 1386 名 AI 从业者的《Pacing the Frontier》声明，要求建立国际刹车机制。你可以不同意他的时间表，但"从内部出走的人"的证词，比外部批评者的音量更值得听。

Arthur Mensch：企业为什么需要开源 AI——自主、资产与不锁定

Mistral CEO Arthur Mensch 在 a16z 的对谈中系统阐述了企业选择开源模型的三个理由：自主控制（模型部署与数据边界自己说了算）、知识资产化（企业数据沉淀成自有能力而非喂给供应商）、避免供应商锁定（不被单一云的定价绑架）。欧洲 AI 旗手的立场有天然的产业土壤—— Mistral 的客户恰是那些"不想把命脉交给美国云"的欧洲企业。放在"943 亿美元涌向 Neolab"的当口，这个观点有了新注脚：闭源模型越强、越贵，开源的"自主性溢价"就越高。

Josh Elman：单玩家 AI 产品为什么难留存——护城河是垂直数据加网络效应

风险投资人 Josh Elman 分析 AI 软件的护城河结构：靠通用能力包装的"单玩家"AI 产品（一个用户自己用，不与别人连接）很难长期留存，因为模型能力人人可买；真正的护城河来自垂直领域数据积累与网络效应——用户越多、数据越厚、产品越准，后来者追不上。这对创业者的启示相当务实：别把宝押在"我的 AI 更聪明"上，要押在"我的用户在使用中生产了别人拿不到的数据"上。AI 应用的竞争终局，又回到了互联网的老定理：网络效应。

四、GitHub 热门 AI 项目

Qwen-Drive-1.0-4B —— 阿里开源的端到端自动驾驶模型

阿里开源了基于 Qwen3.5-4B 的自动驾驶模型 Qwen-Drive-1.0-4B：支持 3D 感知与轨迹规划，开发者可直接下载微调部署。为什么有趣：这是头部大厂第一次把"车规级"的端到端驾驶模型以小尺寸开源放出——4B 参数在车端算力上完全跑得动，等于把智能驾驶研发的入场券发到了学术界与中小厂商手里。配合此前 Qwen 系列在机器人（VLA）、办公（Qovest）上的动作，阿里的开源战略已经清晰：用全场景的开放权重，把 Qwen 生态铺进每一个"AI + 物理"的垂直行业。

WeKnora —— 腾讯开源的知识库，这次把"维护"做成了重点

腾讯开源的 WeKnora 知识库系统（企业 RAG 基础设施）近期更新的重点是维护机制：支持 chunk 与 Wiki 页面级别的编辑、diff 对比与回滚，默认适配 pgvector、可平滑迁移 Milvus，并实测解决了知识库的四大经典卡点——向量维度变化要重建索引、文档没处理完就不可查、推理流超时、删除文档后旧 chunk 残留。为什么有趣：RAG 演示容易、运营极难，"文档更新之后知识库怎么办"是企业落地的头号隐形坑；市面上讲检索原理的项目很多，认真做"数据生命周期管理"的很少，这正是企业敢把知识库交给开源方案的分水岭。

EgoSuite-Open100K —— 全球最大的具身智能人类视频数据集

光轮智能开源 EgoSuite-Open100K：10 万小时高质量第一人称人类操作视频，覆盖真实生产与生活场景。CEO 谢晨同时提出具身智能 Scaling Law 的"两座金字塔"：训练金字塔的底座是人类数据，评测金字塔的底座是仿真。为什么有趣：具身智能的瓶颈从来不是算法而是数据——机器人真机采集贵到离谱，人类视频是唯一"量大管饱"的替代来源；这个数据集开源，等于给全行业的 VLA 训练发了口粮。该公司也是 Newton 仿真委员会与 EgoVerse 人类数据委员会中唯一的中国企业成员，数据主权意识先行。

五、AI 工具小技巧

把重复操作"录下来"变成 AI 技能：演示一遍，永久复用

今天上手的技巧来自豆包工作的新功能思路，且适用于一切支持技能/自动化概念的 AI 工具：别再费力描述你的工作流程，直接"演示给它看"。具体三步：第一，打开录屏（或使用工具内置的录制回放功能），把你要自动化的操作完整做一遍——比如每周的报销流程、固定格式的数据整理、某个网站的例行查询；第二步，把录像（或录制的操作序列）交给 AI，要求它"从这段演示中提取操作步骤，写成一份可复用的技能/流程文档"，包含每一步的入口、输入与判断分支；第三，下次直接一句话调用这份技能（"帮我跑一遍上周那个报销流程"），AI 按文档执行。原理：视频演示的信息密度远超文字描述——你在哪点了一下、填了什么、跳过了什么，AI 全都看得见，零歧义。适合场景：任何"每周都要重复一遍"的网页操作与办公流程。一次演示的成本，换此后每次的一键重放。

六、近期热门 AI 论文

Z-Trans：机器人不更新参数，靠"上下文因果学习"自进化

清华大学曹婷团队的域变换（Z-Trans）具身自进化系统提出新范式：机器人通过与环境的物理交互提取因果经验，在上下文中持续改进——不更新模型参数。三大模块（Zeva、Zetta、Z-Infra）的实验数据：Zeva 机器人累计成功率从 26% 提升到 73%，Zetta 在 LIBERO PRO 基准达 90.8% 成功率。为什么重要：参数更新式的"终身学习"容易灾难性遗忘且部署成本高，"上下文学习"路线让机器人在任务现场自我改进——相当于老师傅越干越熟练，而不是每干一票就回炉重造。对工业场景，这意味着机器人可以"边上岗边成长"。

SSR-Merge：LoRA 合并的"信号路由"，免训练且零推理开销

vivo BlueImage Lab 等机构的 SSR-Merge 框架（ICML 2026）解决多任务模型部署的老大难：多个 LoRA（轻量微调插件）合并时的相互干扰。方法是在子空间做信号路由，把每个 LoRA 的能力引导到互不冲突的参数区域——免训练、推理零开销。数据：在 FLUX.1-dev 上合并 9 个 LoRA 仅需 34 秒，DINOv2 相似度 0.6713，多任务成功率 91%。为什么重要：AI 应用的现实是"一个底座 + N 个场景插件"，插得越多越互相打架；这个工作让"插件化的大模型"从理想变成可部署的工程——手机端侧多能力共存，正是它最直接的受益场景。

AMP：把机器人动作预测变成"像素级分类"，成功率提升五到七成

美国东北大学黄浩杰团队的 Action Map Policy（AMP）换了种思路做机器人操作学习：不直接回归连续的 3D 动作，而是把动作预测转化为像素级的分类问题——模型在图像上"逐像素回答该往哪动"。成绩：成功率比 Diffusion Policy 和 ACT 提升 50%-70%，推理速度 13.80 毫秒，动作精度达毫米级。为什么有趣：分类是大模型最擅长、最稳定的能力，把它"借"到动作生成上，相当于把机器人控制问题翻译成了模型的主场语言——快、稳、准三得。对工业装配这类毫米级精度的操作场景，这个范式转换可能直接改变可用性边界。

来源链接

评论

加载中…