返回资讯列表

每日AI资讯 2026-09-17

AI技巧AI论文行业动态AI工具AI新元素

每日AI资讯 2026-09-17

一、AI 行业动态

华为全联接大会开幕：昇腾超节点部署超 1000 套，昇腾 960 提前三季度亮相

9 月 17 日，华为全联接大会 2026 在上海开幕，国产算力交出年度答卷：昇腾超节点系统部署已超 1000 套，下一代昇腾 960 芯片提前一个季度亮相。同期发布的《智能世界 2035》报告给出一个惊人的预测：到 2035 年全球年度 Token 消耗量将增长 10 万倍——算力的计量单位正在从"芯片"变成"词元"，而华为的回答是用超节点把国产算力的规模效应先做起来。当英伟达警告"先进制程供给见顶"，国产算力的兑现节奏，第一次跑在了预期前面。

OpenAI 主动披露半年六起模型异常行为，发布"失准追踪框架"

9 月 17 日，OpenAI 披露近半年内六起模型异常行为案例，并发布模型对齐问题追踪与披露框架——教开发者如何系统性地发现、报告模型异常，比以往"出了事再解释"的被动模式更透明，并计划向美国政府提议建立正式的报告机制。叠加同日消息（Anthropic 与 OpenAI 拟在内部设独立安全评估员），头部实验室的安全动作正从"口头承诺"转向"制度化披露"。透明化本身是一种勇气测试：把六起异常摊开给全世界看，等于邀请所有研究者拿放大镜找第七起——这种自曝家丑式的安全治理，比任何宣言都有说服力。

谷歌开放 Google Home：把智能家居控制权交给第三方 AI 代理

9 月 17 日，谷歌宣布向任意第三方 AI 代理开放 Google Home 设备控制权：不再局限于 Gemini 自家助手，通过标准化协议，外部代理可以直接操作灯光、温控、摄像头等全屋设备。这是一次入口层的战略让渡——谷歌选择做"智能家居的安卓"，把应用层留给全世界的代理开发者。当 AI 代理从"回答问题"跨入"物理世界执行"，家庭成了第一战场：谁家代理能开你家灯，谁就握着下一代计算的入口。当然，隐私与安全的追问也随之而来——协议开放之日，就是攻击面扩大之时。

字节跳动上半年收入 1200 亿美元：超过腾讯与阿里之和

9 月 17 日虎嗅报道，字节跳动 2026 年上半年收入达 1200 亿美元，超过腾讯与阿里之和——中国互联网的收入王座完成换位。另一面的数据同样值得注意：上半年净利润下滑，海外收入占比超 30% 创历史新高。TikTok 的全球化红利与国内广告市场的存量博弈，共同塑造了这个"大而不轻松"的巨头。而支撑这一切的算力底座（豆包大模型）正在反哺产品线：从昨日开售的豆包手机到今日推进的 AI 手机 2.0，字节正在把收入优势转化为 AI 入口优势。

OECD 发布 PISA 2025：全球阅读成绩历史性大跌，AI 影响首次被实证

9 月 17 日虎嗅报道，OECD 发布 PISA 2025 评估结果：全球学生阅读成绩出现历史性大跌，并首次实证剖析了 AI 对学生学习的影响。当"用 ChatGPT 写作业"从个别现象变成默认习惯，深度阅读能力正在被悄悄置换成"提问-复制"的浅层循环。这项覆盖数十个国家的权威评估，把教育界争论多年的担忧变成了数据：AI 是学习加速器还是思考替代品，第一次有了跨国可比的答案。教育体系如何回应——是禁用、是改造课程、还是重新定义"能力"——将成为未来十年最重要的社会议题之一。

注释：PISA（国际学生评估项目） 是 OECD 每三年对全球数十个国家 15 岁学生做的统考，测阅读、数学与科学能力——相当于全球教育界的"世界杯"，成绩单直接影响各国的教育政策走向。

二、AI 新元素

地瓜机器人完成 4 亿美元 C 轮：给机器人造芯片的"卖铲人"再获追捧

9 月 17 日，深圳地瓜机器人宣布完成 4 亿美元（约 26.8 亿元人民币）C 轮融资，未来资产领投，美团战投，合肥国投、南山战新投等政府平台与凯辉基金、高瓴创投、五源资本、淡马锡旗下 Vertex Growth 等近 30 家机构跟投，上半年营收同比数倍增长。

它怎么赚钱？ 地瓜机器人做的是"机器人大脑的底座"：面向机器人的高性能计算芯片（已出货 800 万颗）加端云一体的开发平台。CEO 王丛出身地平线系（地瓜正是从地平线拆分出的机器人芯片公司），商业模式是典型"卖铲子"：机器人本体的军备竞赛越激烈，做底层算力的越先收到钱。收入三层：芯片按颗卖（开发板与量产算力模组，教育科研与开发者市场是基本盘）；开发平台按授权与订阅（软硬协同工具链）；规模化落地后吃软硬一体方案的生态溢价。上游是代工产能，下游是教育、科研与商用机器人厂商。"美团战投"是最值得咀嚼的信号：外卖与即时配送的机器人化，可能就是这张芯片订单表的下一页。

超衍智能：27 岁清华助理教授两个月融资近 4 亿元，与 Jeff Dean 押注同一方向

9 月 17 日 36 氪报道，27 岁的清华大学人工智能学院助理教授陈勇超创办的超衍智能（Apex Intelligence）两个月内完成天使轮及天使+轮合计近 4 亿元融资。公司成立于今年 6 月，方向是 RSI（递归自我改进）基座模型——训练能自主研究、持续学习、在真实任务中自我进化的下一代模型，与谷歌传奇工程师 Jeff Dean 押注的方向一致，核心团队已近 30 人。"用 AI 改进 AI"今年几乎成了头部实验室共识，而中国的押注者是位刚入职一个月的助理教授——顶尖学术人才直接创办前沿实验室，正在成为国内 AI 资本的新叙事：实验室与公司的边界，在 RSI 这条赛道上率先消失了。

OpenAI 推出"赞助代理"：广告主可以用 ChatGPT 生成广告了

9 月 17 日消息，OpenAI 推出赞助代理（Sponsored Agents）：广告主可以基于 ChatGPT 构建带广告属性的智能体——用户与代理对话时，商业内容以"代理推荐"的形式自然嵌入。这是 ChatGPT 广告商业化从设想走向产品化的关键一步：传统搜索广告卖的是"关键词旁边的位置"，赞助代理卖的是"对话里的推荐权"。当用户开始把"买什么"直接问 AI，广告的载体就从网页变成了人格化建议——点击率的逻辑变了，监管的难题也来了。此前 ChatGPT 广告年化收入已约 10 亿美元，赞助代理若跑通，将打开一个比搜索广告更贴近决策终点的市场。

ChatGPT 联合发明人发布 Jev：不做聊天，做代码里的"智能判断函数"

9 月 15 日，ChatGPT 联合发明人、前 OpenAI 研究员 Diogo Almeida 公布隐身两年的公司 TypeSafe AI 及首款模型 Jev（同日披露 4000 万美元种子轮，DCVC 领投，估值约 2 亿美元）。Jev 是"System One"路线的新物种：砍掉文本生成能力，专做分类、打分、路由这类毫秒级决策——响应快 200 倍、成本低 400 倍，输入每百万 token 仅 0.042 美元、输出免费。反共识之处在于：行业都在卷"更会聊天"，Almeida 看到的是软件内部数以亿计的"判断分支"根本不需要说话——大模型当函数用，才是被忽略的万亿调用市场。

苹果 Reference Image：iPhone 18 Pro 用"数字负片"对抗 AI 伪造

9 月 17 日消息，苹果在 iPhone 18 Pro/Max 中加入 Reference Image 系统：通过硬件级安全芯片对拍摄瞬间的关键元数据签名，形成不可伪造的"数字负片"，并嵌入加密时间戳，确保图像来自真实传感器且防篡改。当 AI 生成图片以假乱真到肉眼无法分辨，"证明这张照片是真的"变成了新闻机构、法律取证与社交平台的刚需。苹果的解法是扬长避短：不跟生成模型比辨别力，而是用自家芯片+系统的一体化优势给真实照片发"出生证明"。AI 伪造与验证的军备竞赛，第一次烧进了手机硬件层。

注释：System One / System Two 是心理学的两套思维系统：System One 是快思考（直觉、瞬时反应），System Two 是慢思考（推理、深思熟虑）。Jev 这类"System One 模型"专攻前者——不解释、不推理，瞬间给出判断，像条件反射而不是深思熟虑。

三、X 平台 AI 大V 动态

罗福莉沉寂半年官宣：小米把大模型训练开成了直播

小米 AI 实验室负责人罗福莉沉寂半年后正式官宣小米强化学习新动作：MiMo 新模型的 RL 训练过程直接开直播——训练页面上的成本数字实时跳动，一小时烧 3 万美元（约 20 万元人民币），从 Pro 模型起训 36 小时已花超 108 万美元。这位曾深度参与 DeepSeek-V2、当年被雷军重金请进小米的年轻研究者，选择了一种极罕的透明化：把训练成本从"行业传说"变成公众可见的实时数字。直播训练的意义超出营销——当"训练一个模型到底多贵"第一次有了公开仪表盘，公众对大模型的成本认知、监管对算力叙事的评估，都多了一个锚点。

Rene Haas：Arm 自研数据中心 CPU 的需求可见度，半年翻倍到 20 亿美元

Arm CEO Rene Haas 表示对首款自研数据中心 CPU（AGI CPU）的 20 亿美元需求"愈发有信心"——这一可见度今年 3 月还只是 10 亿美元，半年翻倍。他的清醒补充同样重要：成败取决于有限的晶圆代工产能。Arm 的处境是芯片行业"架构层"的微妙缩影：股价三个月跌 39%（同期半导体行业跌 19%），但架构版图正从手机向云服务器、AI PC、汽车、机器人全面扩展。当所有人都盯着 GPU 的军备竞赛，Haas 讲的是一个更慢但可能更大的故事：把"每台设备的指令集"变成收租的永续生意。

迈克尔·伯里："放缓"是头部模型公司的利己之举

《大空头》原型投资人迈克尔·伯里对 AI 放缓之争给出最刻薄的解构：头部模型公司呼吁放缓是"利己之举"——大语言模型既不是 AI 更不是 AGI、竞争正在快速逼近（开源在追）、IPO 需要炒作叙事、而"放缓"恰好能掩盖增长失速。他特别点名 Anthropic：一边倡导安全放缓，一边推进可能募资 1000 亿美元的 IPO。作为十几年前看穿次贷泡沫的人，伯里的职业敏感是"叙事与现金流的背离"。他的观点未必对——但他提醒了一个常被忽略的视角：当"安全"成为估值叙事的一部分，判断谁在真诚、谁在表演，得看现金流向。

吉姆·克莱默：AI 支出放缓的说法被夸大了

CNBC 名嘴吉姆·克莱默站上多头一侧："AI 支出放缓"的说法被严重夸大——他的论据是戴尔：当季创纪录的 609 亿美元 AI 服务器订单、950 亿美元的积压订单，年内股价涨超 335%，"订单是真实的，积压是真实的"。他也坦承自己点名的博通、慧与近期表现与论点相反——这种自我修正的坦率反而增加了可信度。本周空方（伯里清仓式质疑、新债王清零 AI 敞口）与多方（克莱默看订单）的分歧，本质上是在赌不同的指标：看估值与叙事的人选择离场，看订单与交付的人选择加仓——而 AI 的历史经验是，两拨人都曾对过。

周枫：AI 竞争进入 Model + Agent + Workflow 时代

网易有道 CEO 周枫提出 AI 竞争的三层框架：Model（模型能力）、Agent（代理能力）、Workflow（工作流编排）——单层强不再是护城河，三层协同才是产品竞争力的完整形态。作为在教育 AI 深水区泡了多年的创业者，他的判断带着场景验证的分量：有道的口语学习、AI 答疑都是三层协同的实践场。这个框架对创业者的实用价值在于定位诊断——你的产品到底赢在模型、赢在代理、还是赢在流程编排？分层想清楚，才知道下一个版本该补哪里，以及巨头降临时你守得住哪一层。

四、GitHub 热门 AI 项目

knowledge-work-plugins —— Anthropic 开源 11 个岗位级 Claude 插件，销售法务财务各就各位

Anthropic 开源的 knowledge-work-plugins（24.1k 星）提供 11 个面向知识工作者的 Claude Cowork 插件，覆盖销售、法务、财务等岗位，纯 Markdown/JSON 编写、无需构建。为什么有趣：它展示了"AI 岗位化"的极简实现——不是训练新模型，而是把每个岗位的 SOP、文档模板、检查清单打包成插件。配合 Anthropic 把 Claude 聊天与 Cowork 合并为单一产品的动作，这套插件就是官方给出的"AI 办公套件"样板间；对企业，抄这份作业比买任何咨询都便宜——你的岗位知识长什么样，照着写就行。

security-audit-skill —— Cloudflare 给编码 Agent 配的"安全审计员"

Cloudflare 的 security-audit-skill（5.4k 星，日增 1.4k）是面向编码代理的多阶段安全审计技能：给 AI 编码代理装上独立验证流程，输出机器可读的审计结果。为什么有趣：AI 写代码的速度上来了，安全审查成了新瓶颈——人审跟不上机器写的节奏。Cloudflare 的思路是"用 Agent 审 Agent"：编码代理写完代码，审计代理独立复核，两个互不隶属的视角互相制衡。把它接进 CI 流水线，相当于给每行 AI 生成的代码配了个不睡觉的安全工程师——这在 AI 编码占比越来越高的当下，正从可选项变成必需品。

YuE2 —— 会做音乐编辑的生成模型，零样本翻唱整首歌

multimodal-art-projection 的 YuE2（9.1k 星）是前沿音乐生成模型：支持符号规划、零样本翻唱与智能体式音乐编辑——先规划歌曲结构（主歌/副歌/桥段），再按计划生成，还能像编辑文档一样修改已生成的段落。为什么有趣：多数音乐生成模型是"一键随机"，YuE2 的符号规划让生成变成"有谱子的创作"——可控性换来实用性，音乐人可以指定结构再让 AI 填充执行。零样本翻唱的能力则直接踩在版权的灰色地带上：技术每前进一步，"翻唱的边界"就模糊一分——这也是 AI 音乐赛道永远不缺话题的原因。

五、AI 工具小技巧

让 Agent 直接用你"已登录"的浏览器干活

今天上手一个立刻能提效的技巧：让 AI Agent 复用你已经登录的浏览器，而不是自己开一个全新会话。方法来自腾讯刚开源的 BrowserSkill：多数浏览器自动化工具的痛点不是打不开网页，而是"登录态"——Agent 开的新浏览器没有你的 Cookie，一到需要登录的内部系统、企业邮箱、付费平台就卡壳。解决三步：第一，让 Agent 连接你正在使用的真实浏览器实例（Chrome 的远程调试端口或 BrowserSkill 这类开源方案），而不是新开无痕窗口；第二，明确指令边界——只让它操作你指定的标签页，别打断你正在进行的操作（这类方案的设计初衷就是"后台接管指定任务"）；第三，敏感操作（支付、发邮件）保留人工确认步骤。适合场景：每天要登录后台拉数据、要在企业系统里走流程、要在多个 SaaS 之间倒腾信息的打工人。你的账号登录一次，Agent 全程复用——省下的不是几秒钟，是每一次"帮 Agent 重新登录"的流程中断。

六、近期热门 AI 论文

苹果 value induction：让大模型"更会关心人"，不用重训

苹果研究团队提出 value induction（价值诱导）方法：不重新训练模型，而是通过特定设计的交互过程改变大模型行为——让模型在对话中表现得更关心人、更诚实。为什么重要：主流的对齐改造要么靠微调（贵）、要么靠提示词（弱），value induction 提供了中间路线：用结构化的诱导流程让模型的行为模式发生持久偏移。应用场景直接到有点意外：客服、医疗问询、儿童教育等"情商即刚需"的对话产品，可以低成本获得一个"更体贴"的模型——当技术问题变成"如何让 AI 更有分寸感"，说明这个领域真的在从能用走向好用。

共享选择性持久化内存：给"会用工具的 LLM"配一块聪明的记忆

苹果另一项研究提出面向 LLM 的共享选择性持久化内存架构：让能自主使用工具的模型记住跨任务有用的信息，无需每次从零开始——比单纯堆对话历史更高效。为什么重要：Agent 的记忆问题正在成为瓶颈——把全部历史塞进上下文，又贵又吵；什么都不记，每个任务都像失忆重演。苹果的思路是"选择性持久化"：像人类一样只记关键事实与操作模式，且多个任务间共享。当 Agent 从单次问答走向长期服务（个人助理、项目管家），记忆架构就是决定它是"金鱼"还是"管家"的那道分水岭。

Gavel：从冻结的 LLM 里直接读出"该用哪个技能"

DeepSeek 团队的 Gavel 方法解决 Agent 技能路由的效率问题：无需加载和尝试各个技能，直接从冻结的大模型内部提取"应该调用哪个技能"的路由信号，在配套新基准上优于现有方法。为什么重要：技能生态爆发后，Agent 面临"菜单太长"的新烦恼——几十上百个技能，靠描述文本匹配来选择既慢又不准。Gavel 证明模型的内部激活本身就编码了任务与技能的对应关系，相当于直接读模型的"直觉"而不是听它"复述菜单"。技能越多，路由越值钱——这是 Agent 基础设施里一个不起眼但必然存在的生意位。

来源链接

评论

加载中…