AI快讯

10 月 3 日，华为轮值董事长徐直军在公开场合表示，昇腾（Ascend）芯片在中国市场的份额已超越英伟达，达到约 50%；同日多家媒体援引机构统计指出，英伟达在中国 AI 芯片市场的份额已跌至约 8%。这个数字与 Bernstein 此前的预测完全吻合——三年前英伟达还占中国市场约 95%。 数据脉络 Bernstein 的预测是：到 2026 年，英伟达在中国 AI 芯片市场的份额将从三年前的 95% 暴跌至约 8%，华为占约 50%，AMD 约 12%，寒武纪排名第三，国产 AI 加速卡整体份额突破 60%。TrendForce 在 8 月的报告里把这种速度形容为「八个月内完成」，强调这是结构性而非周期性转变。 徐直军这次表态之所以有分量，是因为华为同时披露了 SuperPoD 方案：以 Peerium 计算架构与 UnifiedBus 高速总线为核心，支持百万级处理器对等互联，用系统级组网弥补单芯片制程受限。950PR 的推理性能据称为英伟达 H20 的三倍。 体量差距仍在 但要冷静看到体量。英国《金融时报》报道，华为 AI 芯片收入 2025 年约 75 亿美元、2026 年预期约 120 亿美元（路透社称无法独立核实）；而英伟达 2026 财年数据中心收入约 1937 亿美元，两者仍差约 16 倍。8% 是英伟达在中国市场的份额，不是它全球份额的缩水。 还要注意结构差异：英伟达守住的 8%，大概率集中在少数无法替代的高端训练场景；而华为吃下的 50%，大头在推理。训练和推理的商业价值不同，训练单卡贵但客户集中，推理量大但单卡毛利薄。用份额数字简单对比，会高估国产替代在高端训练上的真实进展。 判断 这件事对中国 AI 产业的意义是：推理场景的国产替代已经从「政策驱动」变成「性能驱动」。运营商和互联网公司把推理负载切到昇腾，不再只是因为合规要求，而是因为它确实更快更便宜。当性能反过来成为迁移理由，这个份额就锁死了。英伟达中国区的故事，已经从「增长故事」变成「存量防御故事」。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：英伟达中国份额 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

2026 年 2 月 17 日，美国 NIST 旗下 CAISI 正式宣布启动「AI 智能体标准倡议」，目标是让下一代能自主行动的 AI 智能体，在被广泛采用时是安全、可互操作的。八个月过去，这个倡议到底产出了什么？把 NIST 官网的时间线拼起来，答案是：方向有了，可执行的框架还没出来。 这八个月做了什么 时间线很清楚：1 月 12 日，CAISI 先发 RFI，向产业界、学术界和安全界征集对智能体系统安全的意见；2 月 17 日正式启动倡议；9 月 24 日，NCCoE 发布 DevSecOps 新资源，并预告 10 月 28 日有一场关于 Agentic AI 的网络研讨会，重点是在软件开发生命周期里如何识别、认证、授权 AI 智能体；9 月 29 日，NCCoE 又放出「软件与智能体 AI 身份」概念文件的意见征集汇总。 可执行标准还要等多久 Cloud Security Alliance 在 4 月的研究报告里给出了时间表：NIST 最具体的技术指引——面向单智能体与多智能体系统的 SP 800-53 控制叠加（COSAiS）——预计要到 2026 年底至 2027 年。CSA 直言，今天不存在任何可执行的、智能体专属的安全控制；NIST 承诺的「AI 智能体互操作配置文件」也还在制定中。 对企业意味着什么 这意味着今天部署智能体的企业，实际上是在「无标准可依」的状态下做决策。NIST AI RMF 已经在联邦采购、欧盟 AI 法案实施指引和多个州立法中被引用，但那是面向一般 AI 的框架，不是为能自主调工具、读数据、执行代码的智能体设计的。Palo Alto Networks 预测 2026 年将出现首批因失控 AI 追究企业高管个人责任的案例，而彼时只有约 6% 的组织准备充分。 ...

10 月 8 日，Manus 母公司蝴蝶效应通过官方微信公众号宣布，近日已完成超过 5 亿美元（约合人民币 33.5 亿元）新一轮融资。本轮由博裕投资、IDG 资本领投，老股东腾讯、红杉中国、真格基金继续加持。这是 Manus 在 9 月 1 日宣布恢复独立运营后，对外公布的第一笔融资，也是国内 AI 应用领域迄今为止最大的一笔单笔融资。 估值翻倍怎么来的 据彭博社此前报道，本轮融资目标估值约 40 亿美元，较 Meta 收购时的 20 亿美元估值翻了一倍。蝴蝶效应官方并未披露具体估值，但多家媒体引用了同一口径。成立于 2022 年的蝴蝶效应，2025 年 3 月发布全球首款通用 AI 智能体 Manus，此后经历了与 Meta 的收购与分手，9 月由腾讯牵头回购股权恢复独立。 股东结构值得细看 据《财经》报道，7 月的回购交易由腾讯牵头，真格基金、红杉中国参与。腾讯接手 Benchmark 之前持有的份额，总体占比约 20%，为单一最大股东；红杉中国与真格基金各约 10%。任何一个外部投资人都只是财务投资，仅拥有少数股东保护权益。这意味着创始团队（CEO 肖弘、首席科学家季逸超、产品合伙人张涛）仍然掌握经营主导权。 国内重启意味着什么 随融资消息，Manus 创始人肖弘表态「正在积极准备 Manus 国内版本，希望能和大家合作」。9 月 28 日，公司已发布 Manus 2.0 和面向海外的独立个人智能体应用 Cue，并宣布组建国内团队、推进与国产模型厂商及生态伙伴合作。5 亿美元弹药到位后，国内版落地的速度会明显加快。 判断 这轮融资的信号意义大于金额本身：国内一级市场对 Agent 应用的信心，在经历了上半年的谨慎之后重新抬头。博裕和 IDG 作为新投资方进入，说明传统 PE 开始把 Agent 当作独立赛道定价，而不只是大模型公司的附属功能。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Manus五亿融资 ...

10 月 8 日，谷歌云在 Gemini at Work 2026 发布会上正式推出 Gemini 智能体，定位「通用工作智能体」。按官方说法，用户只需要给一个目标，它就能在单一界面里完成问答、知识工作、内容创作、代码编写与运行，并能调用企业内部工具和第三方服务。这是谷歌云把智能体打包进企业订阅的关键一步。 为什么这次不一样 过去企业上 AI，要先做一道选择题：用 OpenAI 的模型还是 Anthropic 的，用微软 Copilot 还是谷歌 Gemini。谷歌这次的策略是把选择权收回平台——Gemini 智能体底层既可以调自家的 Gemini 系列，也可以调用 Anthropic 的 Claude 模型，未来还计划支持其他领先的私有与开源模型。对企业 CIO 来说，这意味着你不再需要为每个工作负载选模型，平台替你路由。 这种「模型无关」策略，本质是谷歌云在用 Workspace 的存量客户做杠杆。已经买了 Gemini Enterprise 或 Workspace 订阅的公司，不需要额外采购，就能让员工用上智能体。切换成本被压到最低。 商业化含义 对谷歌云，这一步的财报意义在于：智能体不是按 token 卖，而是按席位订阅卖。一个企业版席位每月几十到上百美元，不管你用多少 token。这把过去「用多少付多少」的用量风险，从用户身上转移到了平台身上——平台必须把单位推理成本压得足够低，才能在订阅制下保持毛利。 对竞品，这是直接挑战：微软 Copilot 也在走同样的路，但它绑定的是 OpenAI；谷歌同时接 Claude，等于在模型层给了企业「第二供应商」的安全感。在企业采购最忌讳单一供应商的今天，这一点很有杀伤力。 判断 2026 年下半年，企业 AI 采购正在从「买模型」转向「买智能体席位」。谷歌云这一步，等于宣告智能体不再是开发者玩具，而是和邮箱、文档一样的标准办公套件。谁能把智能体做进已有订阅里，谁就能吃到最大一波企业预算。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：谷歌云Gemini智能体 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

10 月 7 日，OpenAI 做了一件过去很少做的事：把最新一代旗舰模型直接推向全球用户。GPT-6 全量上线 ChatGPT，付费用户用 GPT-6 Sol，免费用户用 GPT-6 Luna，覆盖约 12 亿用户。同日 Anthropic 先发制人推出迄今最便宜的小模型 Claude Haiku 5.5，运行成本降 75%，输入价低至每百万 token 0.1 美元。两家公司在同一天把价格往死里打，说明入口战争已经进入白热化。 价目表到底降了多少 按 OpenAI 官方企业费率卡，GPT-6 Sol 输入 2.00 美元、缓存输入 0.20 美元、输出 10.00 美元每百万 token；GPT-6 Luna 输入 0.10 美元、缓存 0.01 美元、输出 0.50 美元每百万 token。对比 GPT-5.6 促销价，Sol 档位大约腰斩，Luna 更是直接打到接近白送。与此同时，ChatGPT 新增「智能 UI」能力，AI 不再只输出文字，而是直接生成图表、交互组件、计算器、表单。 免费化谁买单 把旗舰模型免费送给 12 亿用户，推理成本由谁承担？答案是规模摊薄。OpenAI 的逻辑是：先用 Luna 把所有用户锁在 ChatGPT 里，再靠其中一部分人升级 Sol 或 API 来补贴整体推理开销。这和云厂商的「免费额度换活跃」是同一个打法，但 AI 推理的边际成本远高于云计算，一旦重度用户比例上升，毛利会被快速侵蚀。 智能 UI 是这次免费化的隐藏筹码。过去用户为「更强模型」付费的理由正在变弱——既然 Luna 已经够用，为什么还要升级 Sol？OpenAI 的答案是：把交互从文字变成可操作的界面组件，让免费用户每天停留的时长显著增加。时长才是入口战争的真正弹药，模型本身反而成了配套。 ...

9 月 30 日，苏度科技宣布完成超 10 亿元新一轮融资，由上海国投先导、国投孚腾与国泰海通联合领投，小米等多家老股东跟投。这家公司成立仅 17 个月，已完成 5 轮融资，估值突破 200 亿元，是国内通用具身智能赛道「仿真路线」的代表性样本。10 月上旬，这条消息仍在产业圈持续发酵。 为什么资本单独给「仿真」开一桌 具身智能最大的瓶颈，是真机数据太贵、太慢：让一台人形机器人在真实场景里磨出稳定操作，时间和硬件成本都极高。仿真路线的思路是，先在高保真虚拟环境里批量生成海量操作数据，训练出策略模型，再迁移到真机上。 苏度科技赌的就是这个环节——与其等机器人一台台跑数据，不如在仿真世界里「代打」。这和自动驾驶行业早期靠仿真爬坡是同一个逻辑：虚拟里程可以指数级增长，真机迭代受物理世界约束。 200 亿估值贵不贵 判断估值要回到它解决的问题有多硬。如果仿真到真机的迁移率足够高，它就是整个具身智能行业的「数据底座」，价值不在于自己造机器人，而在于给所有机器人公司供数据和预训练模型。这也是为什么小米这类既造车、又布局机器人的产业方会持续加注。 但风险同样明确：仿真与现实的差距（reality gap）始终存在，迁移效果还需更多真机验证。17 个月 5 轮融资，速度快得惊人，也意味着它必须在一两年内拿出可复用的迁移证据。 判断 具身智能的竞争表面拼机器人本体，底层拼的是数据获取效率。苏度科技这轮融资说明，聪明钱已经意识到：真正稀缺的不是又一台样机，而是低成本、可规模化的数据管线。对这个赛道，接下来值得盯的不是发布会的酷炫动作，而是谁的仿真模型在真实产线上跑通了连续班次。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：苏度科技 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

10 月 7 日更新的 Gemini API 版本说明显示，谷歌推出了 Managed Agents（托管智能体）公开预览：开发者可以借此构建并部署自主的有状态智能体，它们运行在一个由谷歌托管、安全隔离的 Linux 沙箱环境里。与此同时，Antigravity 智能体也转为正式可用。按官方文档的说法，只需一个请求，Gemini 就能在这个托管工作区里自己写代码、运行代码、搜索网络并创建文件。 它替开发者省掉了什么 做一个能真正「动手」的智能体，最烦的不是调模型，而是配套基建：你得给它一台干净的虚拟机、一个浏览器、一套文件系统，还要隔离依赖、处理超时和清理。过去这些要么自己用容器编排，要么买第三方服务。 Managed Agents 把这层全包了：有状态意味着智能体记得上下文、跨步骤保持工作区；托管意味着谷歌负责那台 Linux 沙箱的供给与回收。开发者的精力可以回到任务本身，而不是运维沙箱。 这是平台之争的下半场 把时间线拉长看：OpenAI 的 Agents API 接了 Computer Use，让开发者直接复用它的电脑操作能力，并和 AWS 推 Bedrock 托管智能体；谷歌这边则在 API 侧把沙箱托管做进自家底座。两家拼的都是同一件事——谁的 Agent 基建更省事，开发者就把工作流建在谁的云上。 这也解释了为什么谷歌企业版同时上架 Claude、Grok、Mistral 等第三方模型，并开放 Llama、DeepSeek、Qwen 等开源权重：它要做的是「跑任何模型的托管平台」，而不只是卖 Gemini。 Antigravity 智能体同步转为正式可用，说明谷歌对这条托管路线已经过了试水阶段。 判断 Agent 基建的成熟度，正在决定这波创业的存活率。沙箱、状态、工具调用这些「脏活」被云厂商接管后，独立开发者能以更低成本做出可用产品，但代价是更深地绑定某一家云。对团队，选哪家托管智能体，基本等于选了未来几年的技术栈。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Gemini托管智能体 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

10 月 6 日，Anthropic 宣布 Claude for Google Workspace 进入公开测试，面向所有付费 Claude 套餐开放。它做的事很具体：把 Claude 直接加进 Google Docs、Sheets 和 Slides，用户可以在聊天窗旁边的面板里和 Claude 同时编辑同一个文件，实时改文档、整理表格、做幻灯片，还能处理评论与建议。这与传统「上传文件再问答」是完全不同的协作形态。 需要说明的是，这次是公测，面向所有付费套餐开放，功能仍在快速迭代。谷歌侧的连接器由谷歌自行构建和运行，用户用自己的谷歌账号登录，Claude 只能访问该账号本来看得见的文件——权限边界基本沿用了谷歌原有的体系。 从「读文件」到「共编文件」 过去的做法是用 Google Drive 连接器：Claude 搜索你的云盘、读取文档内容、生成摘要，本质是个旁观者。这次升级是参与者——你和 Claude 坐在同一份文档前，它能根据指令就地修改单元格、排版幻灯片，你能在旁边实时看、随时改。 谷歌官方还在 Gemini 智能体侧配套推了「同事代理」：可创建有独立身份和权限、长期运行任务的智能体，再由多个子代理协同。两边其实在做同一件事——把 AI 从独立的聊天框，变成嵌入你工作流里的协作者。 为什么是「你中有我」 这件事最耐人寻味的地方在于：谷歌自己有 Gemini，Anthropic 是它在云和模型上的重要伙伴。谷歌云企业版把 Claude 列为托管第三方模型，Anthropic 反过来把自己塞进 Google 的办公套件。竞争与合作同时发生，说明在企业办公这个入口上，谁也无法靠自己一家通吃。 判断 办公软件是 AI 落地最刚性的场景，因为数据本来就在那里。Claude 钻进 Docs/Sheets/Slides，等于在谷歌的主场里摆了一张 Anthropic 的桌子。对用户，这是多一个顺手的搭子；对两家公司，这是入口争夺的另一种打法——与其互相屏蔽，不如互相导流。接下来要看的，是这种共编模式在权限、数据留存上的企业级合规做得够不够细。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Claude Google办公 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

10 月 7 日，马斯克在社交平台发了一条意味深长的说明：从今往后，Grok Bot 将针对任何特定任务使用最佳后端模型，包括 Claude Opus 5.5、Midjourney、Suno 以及其他领先 API，标准只有一个——哪一个最可能给用户最好的结果。据 9to5Mac 同日报道，Grok Bot 已经可以调用 Claude Opus 5.5。OpenAI 没有被点名，但也没有被明确排除。 从「自研全家桶」到「任务导向调度」 这是一次立场的大转弯。xAI 过去的叙事是靠自研 Grok 模型打天下，现在公开承认：自家模型不是每个任务都最强。技术上，Grok Bot 将从「以自研模型为主」转向「任务导向的多模型混合架构」——文本推理重的活交给 Claude Opus 级后端，出图走 Midjourney，音乐走 Suno，其他领先 API 按需接入。 这背后是一个越来越普遍的产品判断：用户要的是结果，不是某个品牌的模型。智能体真正的价值，在于当好一个「调度层」。 谁在当壳，谁在当芯 把这件事放大看，行业分工正在清晰化：一端是模型厂，拼单点能力与性价比；一端是入口厂，拼流量、数据与调度体验。Grok Bot、ChatGPT、Gemini 智能体都在抢「壳」的位置，而壳下面可以挂任何模型。 谷歌云在 Gemini 智能体里接 Claude、xAI 在 Grok Bot 里接 Claude，本质是同一件事：模型正在变成可替换的零件，入口和工作流才是粘性所在。 这对Anthropic反而是好消息——自家旗舰模型不必独占入口，照样能通过各家智能体被大规模调用。模型厂与入口厂的边界，正在从「谁吃谁」变成「互相成就」。 判断 「谁好用用谁」看似对自家模型不自信，实则是更成熟的产品战略——与其硬撑全栈，不如把调度做到最好。对开发者，这意味着模型路由层会成为标配：一个智能体根据任务自动挑后端，按成本与质量动态切换。接下来要观察的，是这种多模型调度在账单和数据合规上，能不能跑得比单模型更干净。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Grok Bot 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

10 月 8 日，联想之星等投资方披露：自变量机器人宣布继今年 1 月完成约 10 亿元融资后，一个月内又完成数亿元新一轮融资，由上汽金控、中金上汽基金等头部产业资本领投，美团龙珠、红杉中国、北京信息产业发展投资基金、国开金融等老股东加码追投。短时间内连续加注，在当前一级市场里并不多见。 钱为什么追着具身智能跑 具身智能这轮融资热有目共睹：上半年百亿级独角兽数量增加近 20 家，港股 IPO 排队火热；小鹏人形机器人业务 8 月完成超 9 亿美元首轮融资、投后估值超 63 亿美元，刷新中国具身智能单轮私募纪录；苏度科技成立仅 17 个月就完成 5 轮融资、估值突破 200 亿元。第三方统计显示，9 月披露的 12 起人形机器人融资总额超 25.9 亿美元，中位数约 1 亿美元，其中七家公司融资过亿，且多数落地在中国。 自变量的路径侧重在「数据与模型」：做人形机器人的通用大脑，靠仿真与真机数据迭代操作策略，而不是先砸整机制造。这正是当前行业公认的卡点——真实操作数据太贵、太慢。 产业资本进场意味着什么 值得注意的是领投方：上汽金控、中金上汽基金、美团龙珠。这不是纯财务投资，而是产业链下注——车厂要的是未来的移动空间与制造自动化，本地生活平台要的是末端配送与服务机器人。产业资本进来，意味着融资开始对接真实落地场景，而不只是 demo。 判断 具身智能不缺热钱，缺的是从 demo 到量产的那座桥。自变量这种连续融资，押的是「谁先解决数据瓶颈、谁就拿到通用操作模型」。对这个赛道，警惕点也很清楚：估值水涨船高的同时，能真正交付稳定操作的公司仍是少数。接下来一两年，看的不是谁融得多，而是谁的机器人真在工厂和门店里跑满班次。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：自变量机器人 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com