AI 日报 · 2026-09-18（周五）
AI Coding × 具身智能 ｜ 6 条主推 + 8 条速览 ｜ 研发自动化半年从不足 1% 爬到约 26%，编程智能体转入多智能体编排；具身智能跨过万台产线，瓶颈转向客户回本模型
01 Anthropic 公布“研发自动化指数”：Claude 已主导约 26% 内部 AI 研发工作
事件内容
- Anthropic 发布衡量前沿 AI 实验室研发进度的方法，三项指标为：AI 参与 AI 研发的程度、AI 智能体的监督情况、算力在研发与安全研究之间的分配（IT之家）
- 其中“Anthropic 研发自动化指数”沿用 Epoch AI 的 AL0–AL5 自动化等级，AL4 指 AI 完成大部分任务、人类只负责监督，AL5 指完全自主运行
- 截至 2026 年 8 月：Claude 未在任何被测工作中实现完全自主，但已“主导”约 26% 的 AI 研发工作；处于“AI 协作”及以上等级的工作占比超过 90%
- 同一指标在 2026 年 2 月还不到 1%
- 方法：从 2026 年 7 月的内部工作记录、Slack 及其他文档中抽样约 1.5 万个研发任务，归纳为 542 个任务节点，其中 378 个属最细分类别
- 监督规模：实时系统分析 2026 年 8 月超 10 亿次智能体决策，拦截约 0.002%，相当于约每 4.7 万次操作出现一次；事后系统每周标记约 10 万份对话记录，优先级最高的约 50 份转人工审核
- 算力分配：2026 年 7 月 13 日至 20 日期间，AI 研发算力中约 6% 投入安全研究；若只统计 AI 驱动的 AI 研发，该比例约 12%
为什么值得关注
- “2 月不足 1%、8 月约 26%”是目前最直接的研发自动化爬坡证据，且公开了抽样口径与任务节点数，具备被第三方复核的可能
- 若这条曲线延续，实验室的产能瓶颈会从人力转向评测与监督体系，而不是算力；监督侧投入已经变成可量化科目
- Anthropic 自己标注这仍是原型测量体系，跨实验室比较缺统一方法与独立验证 —— 引用该数字时必须保留限定，不能当作行业基准
- 对做 Agent 产品的团队：任务节点化加自动分级这套方法可以低成本移植到内部，用来量自己团队的自动化水位
02 Claude Code 重做 Projects：多智能体云端并行，共享记忆加持协调器
事件内容
- Anthropic 于 9 月 17 日把 Claude Code 的 Projects 从“文件夹”改为“对话式”工作流，以 beta 形式开放（Claude 官方博客）
- 结构：一个 project 内有多个 thread 干活、一个 coordinator 指挥；每个 thread 是独立的 Claude Code 云会话，跑在自己的分支与仓库副本上，代码重叠按合并冲突处理
- thread 可继续用 subagents、loops、workflows 拆分任务；每个 thread 都向共享记忆读写，官方称可减少复杂提示工程
- 新增 library 收集用户添加的文件与 Claude 生成的 artifacts；用量按项目统计，协调器与 worker 线程可分别选择模型与 effort 等级
- 开放节奏：先面向部分 Claude Pro 与 Max 订阅者的云端会话，一周内扩大，随后覆盖 Team 与企业版；本地运行官方称“很快”推出（The Verge、ZDNet）
为什么值得关注
- 编程智能体的竞争点从“单会话有多强”转到“多智能体如何编排与共享上下文”，这是把 Claude Code 从工具推向平台的动作
- 官方明确提示多线程并行会更快触达订阅用量上限 —— 按席位付费的团队需要重算成本模型，不能沿用单人用量经验
- 本地执行尚未开放，数据不能出网的团队短期内无法接入，这是同赛道产品现实的机会窗口
- 共享记忆是双刃剑：上下文传递越强，单个 thread 的错误或注入指令扩散面越大，采购时应把隔离与审计能力列入评估项
03 联合国联手 Google 把统计数据集“AI 就绪”：基准显示模型检索准确率仅 21.2%
事件内容
- 9 月 17 日，联合国宣布与 Google 合作上线 UN System Data Commons，基于 Google 开源 Data Commons 构建，支持自然语言查询并支持 MCP 协议，取代旧版 UNData 门户（TechCrunch）
- 联合国称已有 26 个机构承诺接入，上线时可用数据来自近 20 个机构，目标到 2027 年把联合国系统 80% 的统计数据集搬上平台
- UNICEF 对 6 个大模型做过基准测试（GPT-4o、GPT-4o-mini、Claude Sonnet 4.5、Haiku 4.5、Gemini 2.5 Flash、Gemini 2.0 Flash），覆盖超 13.3 万条回答
- 结果：平均准确率仅 21.2%；约五分之三的回答没有给出可用数字；同一问题约两天后重跑，两次都给出数字的回答里只有约一半数值一致
- 该测试是 UNICEF 工作论文，尚未经过同行评审
- 其他数字：UNICEF 数据网站月访问量超 600 万；来自 ChatGPT 答案的点击同比增长 67%（1 月 1 日至 9 月 14 日），占今年全部会话的 6.4%；Google.org 提供 200 万美元支持平台核心基建
为什么值得关注
- 权威机构主动把数据改造成智能体可直接消费的格式，正在成为新的公共基础设施范式；MCP 从开发工具协议升级为跨机构数据接口标准
- 21.2% 的准确率与“重跑只有一半一致”说明大模型做事实检索并不可靠，这对所有以检索增强为核心的产品是硬约束，靠提示词无法解决
- 对做数据类 Agent 的团队：每个统计数字可回链到原始机构，这种可追溯性比模型选型更决定产品可用性
- 该基准尚未同行评审，数字应视为阶段性参考；但它指出的“模型会编造或含糊化数字”值得写入自家评测集
04 优必选万台级人形机器人工厂投产：10 分钟下线一台，但三到四成新增产量进了库存
事件内容
- 9 月 12 日，优必选在广西柳州北部生态新区的万台级工业人形机器人超级工厂投产，厂区 1.4 万平方米，按产线设计节拍 每 10 分钟下线一台，年规划产能超 万台（钛媒体）
- 产线并非无人化：Cruzr Y1、Cruzr S2 承担拆垛、码垛、上料与搬运，总装核心环节仍由人工协同传统自动化设备完成
- 需求侧疑点：钛媒体 2026 年一季度行业调研显示，当季新增产量中至少 30%–40% 进入成品库存
- 订单结构：优必选 2025 年人形机器人订单总额超 14 亿元、出货约 1000 台，客户含比亚迪、东风柳汽、吉利、奥迪一汽、富士康、顺丰等，但相当部分是试点部署与产线实训
- 成本曲线：优必选 Walker 系列 2025 年成本较 2024 年下降 25%；贝恩预计到 2035 年人形机器人 BOM 成本从 4 万至 5 万美元降至 1 万至 2 万美元
- 高盛 8 月 31 日《全球物理 AI 报告》预测：整机均价从 2025 年约 4.18 万美元降至 2035 年约 2.13 万美元；出货量 2026 年约 7.5 万台、2030 年 89 万台、2035 年 650 万台
为什么值得关注
- 供给端首次跑通万台节拍，需求端仍停在试点阶段；三到四成产量进库存，说明行业瓶颈已从制造能力转移到客户回本模型
- 固定成本一旦投下就要求满负荷运转，订单不及预期时高速产线会从资产变成包袱，人员薪酬与设备折旧不会随产量下降而消失
- 对采购方：设备连续运行时长、故障停机时长、备件与运维成本，比单机售价更决定回本周期，评估清单应把这三项前置
- 该工厂的产线良率与设备在线率需要至少一年满负荷数据才能验证，“万台产能”目前示范价值大于商业价值
05 九识披露业内首个 L4 万卡集群：近 1.5 万卡训练千亿级多模态基座
事件内容
- 9 月 17 日，九识 CTO 庄立首次披露公司已建成业内首个 L4 级万卡算力集群，集群总规模近 1.5 万卡（雷峰网）
- 集群用于训练其 APEX 多模态基座大模型，参数规模正从 百亿级迈向 千亿级
- 数据底座：全球车队超 3 万台，覆盖 20 多个国家、300 多座城市，累计真实运营里程超 2.7 亿公里
- 分层架构：一般道路由车端端到端模型覆盖；5–30km/h 复杂路况由车端 VLA 实时推理并调用云端 VLA 增强；0–5km/h 末端场景增加“安全员 Agent”，可自主完成绕行、重新规划路线与靠边停车
- 该公司 9 月 10 日刚宣布战略升级为“城市级物理 AI”
为什么值得关注
- 论证方式从演示视频换成了算力与数据台账：万卡是训练千亿级驾驶与具身基座的门槛，此前这类集群主要由通用大模型公司与云厂商持有
- 城配无人车的真实运营里程是通用大模型拿不到的稀缺数据，这既是技术壁垒，也会成为下一轮融资与估值的主要依据
- 车端小模型加云端大模型加 Agent 兜底的分层方案，可能成为无图 L4 的通行架构，直接改变芯片与云端算力的采购结构
- 口径提醒：万卡规模、车队数量与里程均为公司自报，尚无第三方审计，横向对比时必须标注
06 小鹏把机器人摆上台面：难度是造车的 20 倍，同时把智能能力卖给更多海外车企
事件内容
- 9 月 17 日，小鹏 CEO 何小鹏在 G9L 发布会后称，做机器人的难度大约相当于造车的 20 倍，机器人的硬件、软件、设计与供应链均为自研（IT之家）
- 时间表：小鹏机器人已逐步开始量产，今年四季度、明年一、二季度能力可能有跳跃
- 同日路透社援引两名知情人士称，小鹏计划把技术输出从大众扩大到其他海外车企，提供电子电气架构、智能座舱、图灵 AI 芯片与高级驾驶辅助软件（IT之家）
- 商业结构变化：第二季度小鹏整车毛利率从一年前的 14.3% 降至 12.1%，而“服务及其他”收入接近翻倍，该板块毛利率从 53.6% 升至 75.1%
- 合作样本：与大众合作始于 2023 年 7 月，大众以约 7 亿美元收购小鹏 4.99% 股份；首款联合车型与众 08 于 2026 年 3 月量产，从启动到投产仅用 24 个月
为什么值得关注
- “难度 20 倍”配合“四季度能力跳跃”给出了可验证的时间点，可以按季度校准，比看演示视频更值得跟踪
- 更实在的是收入结构：整车毛利下滑、技术服务毛利率升至 75.1%，说明中国车企开始把智能能力本身当作出口产品
- 对海外车企与供应商：电子电气架构、座舱、芯片、智驾软件打包外供，等于提供“不重建软件团队也能上车”的路径，议价权取决于谁掌握芯片
- 证据等级提醒：技术输出计划来自路透社匿名信源，小鹏尚未正式公告；机器人量产节奏也属公司单方表态，均需后续跟踪确认
速览
- 谷歌：发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款实时语音模型，主打后台异步推理以消除工具调用时的沉默断点；Extended Thinking 在 Artificial Analysis 语音榜取得 82.6 综合指数，τ-Voice 任务 68.6%、Big Bench Audio 97.7%，支持 97 种语言（InfoQ 中文）
- 百度智能云：发布“产业智能体操作系统”与百度搭子开发平台，把企业任务拆为日常运营约 20%、专业任务约 30%、核心 know-how 约 50% 三层；披露泰康已上线 3500 多个智能体、日均消耗 200 亿 Tokens，中石油入口被 5000 多名员工调用超 70 万次（雷峰网、InfoQ 中文）
- 华为：新一代 昇腾 960DT AI 芯片发布提前至 2027 年一季度，原定 2027 年三季度，官方称性能翻倍；同场发布 Peerium 计算架构，Atlas 950 SuperCluster 最高可连接 25.6 万张加速卡（TechCrunch、雷峰网）
- Crusoe：完成 39 亿美元融资，估值达 309 亿美元，资金用于建设大型数据中心与模块化“AI 工厂”（TechCrunch）
- Emerald AI、Google、NVIDIA：成立 AI 能源管理联盟（AEMA），目标为新增数据中心寻找 100GW 电网容量（NVIDIA 官方博客）
- OpenAI：与美国退休人员协会合作，在 10 个美国城市为 1000 名老年人提供免费 ChatGPT 实操工作坊（OpenAI News）
- Treble：冰岛语音仿真平台获 1800 万美元融资，客户含语音模型开发商与 AI 硬件、机器人公司（TechCrunch）
- 皮尤研究中心：在 37 个国家访问 42,151 人，多数受访者担心 AI 会取代工作岗位（The Verge）
主线判断
今天两方向的信号指向同一件事：能力已经不是瓶颈，验证与回本才是。研发侧，Anthropic 把“AI 参与 AI 研发”做成可公开复核的指数，半年从不足 1% 升到约 26%，同时把监督体系变成可量化科目；工具侧，Claude Code 用共享记忆加协调器把编程智能体推进到多智能体编排，竞争点从单会话能力转向编排与隔离；数据侧，联合国把统计数据改造成智能体可消费的格式，但 UNICEF 的 21.2% 准确率说明模型仍会编造数字。具身智能这边，优必选把产线节拍压到 10 分钟一台，代价是三到四成产量进了库存，行业命题从“能不能造”切换到“谁来持续买、多久回本”；九识用近 1.5 万卡与小鹏用 20 倍难度各自给出了下一阶段的下注。共同点很明显：接下来一年的胜负，取决于谁能把“可验证的结果”而不是“可展示的能力”交出来。
信息来源
- 中文媒体：IT之家、雷峰网、钛媒体、InfoQ 中文
- 英文媒体：TechCrunch、The Verge、ZDNet
- 一手源：Claude 官方博客、NVIDIA 官方博客、OpenAI News、联合国系统数据门户