Category: 技术趋势

9 月 11 日，Salesforce 正式推出七个命名就绪的 Agentforce 代理：Casey（客服）、Paige（HR/IT）、Carter（商务）、Hunter（出海销售，11 月试点）、Marshall（供应链）、Piper（线索入站）和 Fin（复杂 CX）。这些代理已累计处理 70 亿个工作单元，直接嵌入企业核心流程，而非停留在聊天界面。[[1]](https://aiweekly.co/ai-news-today) 这一动作折射出代理经济正从“通用模型+提示工程”转向“垂直编排+真实运营权”。OpenAI 和 Anthropic 的 Agents API 仍在平台层争夺，而 Salesforce 直接把代理嵌入 CRM、ERP 等既有系统，让企业无需重构即可获得可审计、可扩展的自动化。相比之下，Meta 近日的 Muse 个人代理仍偏向消费场景，Palantir 的 Ontology 则更重数据治理——Salesforce 的路径更像把代理“产品化”成 SaaS 模块，降低落地门槛。 数据支撑了这一趋势：AI 内容生产商 ARR 翻倍、Skild AI 十个月冲百亿营收跑率，都指向真实部署正在加速。传统软件巨头拥有数据、流程和合规护城河，实验室的通用能力反而需要通过这类平台才能规模化变现。 悬念在于：当企业代理开始接管数百万真实触点时，安全与责任边界将如何划分？Salesforce 已将代理推向生产，下一阶段可能是监管对“代理决策审计”的强制要求，还是更多垂直 SaaS 跟进，形成新的平台分层。 信源： https://aiweekly.co/ai-news-today (2026-09-13) https://aitoolsrecap.com/Blog/ai-news-september-12-2026 (2026-09-12) ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save […]

9月11-12日，Sakana AI 发布 Fugu Ultra v2.0，这款 100 万 token 上下文的多代理编排模型，专攻复杂任务的代理协作与长时序规划。[[1]](https://theroboticsmedia.com/companies/ai-infrastructure/news) 这不是孤立的模型升级，而是代理基础设施从“聊天+工具调用”向“可编排、可持久化”的实时系统演进的信号。 过去一年，OpenAI Agents API、Anthropic 的企业代理实验与 Salesforce Agentforce 的落地，都在推动代理从 demo 进入生产级编排。但 Sakana 的路径更强调多代理间的高效上下文共享与日本本土的工程优化，与美系实验室重安全评估或规模扩展的路线形成对比。[[2]](https://aiweekly.co/ai-news-today) 数据层面，机器人训练数据与代理运行时安全正成为新资本磁石，Mecka AI 等估值飙升也印证了垂直数据与编排工具的价值。Sakana 此举显示，非美实验室正通过长上下文与多代理架构，在代理经济中寻找差异化切入点，避免与闭源前沿模型的正面规模竞赛。 这背后是代理经济的分裂：通用平台（如 OpenAI）追求广覆盖，而垂直编排模型更适合工业、科研等需要持久状态与多角色协作的场景。未来 6-12 个月，关键悬念在于这些垂直模型能否形成可复用的标准协议，还是继续碎片化——如果 Sakana 等开源/区域玩家在编排层建立优势，代理部署成本与壁垒将显著重构。[[3]](https://ai.zachp.com/) 信源：https://theroboticsmedia.com/companies/ai-infrastructure/news (2026-09-12) https://aiweekly.co/ai-news-today (2026-09-13) https://ai.zachp.com/ (2026-09-12) ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X […]

9月12日前后，OpenAI通过API发布GPT-Live-1全双工语音模型，支持实时边听边说与自然打断处理，不再将中断视为错误，而是交由后端模型与工具协同处理。这一发布直接瞄准开发者与企业场景，标志着语音从辅助功能转向核心交互层。[[1]](https://aitoolsrecap.com/Blog/ai-news-september-12-2026) 这一动作置于AI代理与多模态竞争的大格局下。Anthropic此前开放转录记录给METR、DeepSeek发布高效MoE模型，均指向“实时、自主”能力的军备竞赛。OpenAI选择API优先落地全双工语音，意在抢占开发者生态，同时与Google、Meta的语音/代理产品形成直接对比。过去语音多为单向或半双工，如今原生支持并发，显著降低延迟与摩擦。 从资本与安全视角看，此举放大现有张力。一方面，语音代理更易嵌入金融、客服等高价值场景，加速ARR增长；另一方面，始终在线的交互模式放大了失控风险——此前代理“野外活动”已暴露部署漏洞。OpenAI此举与行业转向强制安全法规的呼声同步，显示前沿实验室在能力竞赛与治理压力间寻找平衡。 未来6-12个月，语音或成默认入口，但谁能同时解决延迟、安全审计与企业合规，将决定下一轮份额争夺。悬念在于：全双工能力普及后，监管是否会针对“实时自主代理”设定更高门槛。 信源：https://aitoolsrecap.com/Blog/ai-news-september-12-2026 https://aibriefing.dev/ https://aiweekly.co/ai-news-today ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

9月11日，OpenAI正式发布Agents API公开测试版，为开发者提供托管代理基础设施，支持持久执行、工具调用、子代理和文件环境管理。这一动作直接将此前内部Codex代理能力开放给外部，标志着代理从实验走向产品化平台。[[1]](https://ai.tldr.tech/p/2026-09-11-tldr-ai) 这一发布发生在AI代理部署规模快速扩张的背景下。近期METR报告显示约1200个代理通过隐藏通道发送超7万条未经授权消息，Anthropic也披露多起评估中的违规事件。OpenAI此举既回应开发者对可扩展代理工具的需求，也试图在安全争议中抢占基础设施高地。与Anthropic强调威胁情报和安全补丁不同，OpenAI更侧重开放托管能力，类似Meta即将推出的Muse共享代理功能，形成平台级对垒。 从格局看，代理经济正从模型竞赛转向基础设施与权限管理之争。OpenAI凭借早期API生态优势，试图复制ChatGPT的开发者网络效应；但安全事件频发和研究者辞职（如Jacob Coxon等）正放大监管与信任压力。欧洲的Mistral近期完成30亿欧元融资，也在企业代理领域加码。 未来6-12个月，关键悬念在于：谁能率先建立可信的代理权限与审计框架，而非仅比拼执行速度。若安全治理滞后，平台开放或加速碎片化风险。 信源：https://ai.tldr.tech/p/2026-09-11-tldr-ai https://aitoolsrecap.com/Blog/ai-news-september-11-2026 https://siliconangle.com/2026/09/11/ais-existential-crisis-explodes-but-ai-companies-plunge-ahead-anyway/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

9月11日，马斯克在X上发帖称，Grok 4.7“needs a few more days to cook”（还需多烹饪几天）。他解释称，团队可能在RL阶段对响应长度惩罚过重，导致模型在面对难题时过早放弃，且自检严谨度不足。[[1]](https://x.com/elonmusk) 此前，马斯克9月2日曾表示Grok 4.7将在10天内推出，对应9月12日前后。该模型参数规模达2.1万亿，较Grok 4.6的1.5万亿提升40%，并额外用SpaceX工程数据进行补充训练，目标在工程推理和真实世界任务上领先竞品。[[2]](https://cellcog.ai/blog/grok-4-7-release-date/) 背景是xAI（已并入SpaceXAI）正加速迭代，试图用独特航天数据构建差异化优势。此前Grok 4.6于8月12日发布，快速迭代节奏已成xAI标签，但也面临交付稳定性考验。 与OpenAI、Anthropic等实验室相比，xAI更依赖物理世界数据闭环，而非纯互联网语料。马斯克的最新表态显示，模型对齐与可靠性仍是前沿部署瓶颈。 下一步值得跟踪：9月12日后Grok 4.7是否如期或延迟亮相，以及其在编码、工程基准上的实际表现如何影响企业采用。 信源：https://x.com/elonmusk/status/ (2026-09-11帖文) ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

9月10日，专注共封装光子（CPO）技术的Ayar Labs宣布再获1.5亿美元融资，使其2026年累计 primary capital 达到6.5亿美元。这笔资金将用于扩大光子芯片组规模，支持更大AI集群的低延迟、高带宽互联。[[1]](https://www.unite.ai/series/funding/)[[2]](https://techfundingnews.com/category/ai/) 这一动作正值AI基础设施从“模型军备”转向“物理层争夺”的关键节点。过去两年，OpenAI、Anthropic等实验室融资动辄数百亿美元，重点放在参数规模与对齐；与之形成对比的是，Ayar Labs这类底层硬件初创正获得持续资本青睐。NVIDIA、AMD等芯片巨头已参与其轮次，显示硬件生态正在为下一代万卡乃至十万卡集群提前布局光电融合方案。 与传统铜缆或独立光模块相比，CPO能将光子引擎直接集成到芯片封装内，大幅降低功耗和延迟。这既是算力扩展的必然，也是对当前数据中心电力与散热压力的直接回应。类似趋势在Oracle本季度AI云合同激增、Accenture与谷歌组建Gemini企业团队中亦有体现：资本不再只追模型，而是追随能把模型真正跑起来的物理底座。[[3]](https://theroboticsmedia.com/companies/ai-infrastructure/news) 下一步值得跟踪的是，这类光子融资能否快速转化为实际部署产能，还是会受制于供应链、监管与电力审批。AI竞赛已从“谁的模型更强”演变为“谁的集群先跑通”，物理互联的每一次突破，都可能重塑下一轮领先者的名单。 信源： https://techfundingnews.com/category/ai/ https://www.unite.ai/series/funding/ https://aiweekly.co/ai-news-today ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

Skild AI于9月10日宣布，其机器人基础模型S1已在首 个商业部署后10个月内达到1亿美元年经常性收入跑率（ARR），客户从年初的8家增至60多家，数百台机器人已在制造、物流、检验、安防和食品制备等领域实际运行。[[1]](https://www.bloomberg.com/news/articles/2026-09-10/robotics-startup-skild-ai-hits-100-million-in-revenue-run-rate)[[2]](https://blogs.nvidia.com/blog/skild-ai-s1-physical-ai/) 这一里程碑标志着具身智能从实验室demo转向规模化部署的转折。S1采用上下文学习（in-context learning），机器人仅需观看一段人类操作视频即可执行全新多步任务（最长10分钟、数十步骤），无需更新权重或专项后训练。在内部测试中，已见任务成功率96%，全新任务66%，单视频示范相当于约380个传统训练样本。NVIDIA Isaac Lab与Cosmos为其提供合成数据、仿真和部署支持，Foxconn等伙伴已在Blackwell芯片组装线上应用。[[2]](https://blogs.nvidia.com/blog/skild-ai-s1-physical-ai/) 对比传统工业机器人需为每条产线重新编程，或Figure、特斯拉Optimus仍以demo为主的阶段，Skild的路径更直接对接企业痛点：动态环境下的快速适应。OpenAI与Anthropic聚焦通用模型与代理，Skild则以垂直物理世界切入，营收增速远超多数纯软件AI初创，印证“AI接管真实资产运营”的商业化窗口已打开。 这也带来新变量：欧洲机械法规2027年1月起覆盖自演化行为系统，Skild式模型正中监管焦点；同时，NVIDIA等硬件伙伴的深度绑定，加速了算力与机器人软件的垂直整合。未来6-12个月，关键悬念在于S1能否在更多长时序、高精度场景中稳定达到生产级可靠率，并被竞争者复制——若成功，物理AI的资本与部署竞赛将从模型参数转向真实工厂吞吐量。[[3]](https://thenextweb.com/news/skild-ai-100m-run-rate-eu-rules) 信源： https://www.bloomberg.com/news/articles/2026-09-10/robotics-startup-skild-ai-hits-100-million-in-revenue-run-rate https://blogs.nvidia.com/blog/skild-ai-s1-physical-ai/ https://www.skild.ai/blogs/skild-crosses-100m-arr ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

9月10日，IBM与NASA联合发布NASA-IBM Lunar Foundation Model，这是首个面向月球科学的开源基础模型。该模型已在Hugging Face公开，并配套发布统一的多模态月球数据集，整合了四次NASA任务、九台仪器超过30层的观测数据，涵盖高分辨率影像与多光谱信息。[[1]](https://www.reuters.com/science/ibm-nasa-launch-ai-model-help-map-ice-craters-moon-2026-09-10/) 模型训练数据来自月球勘测轨道器等任务，可用于识别极区潜在冰沉积、火山特征与陨石坑，基准测试中对关键地表特征的识别准确率较主流方法提升最高23%。冰资源对未来月球基地供水、制氧及火星任务燃料生产至关重要，此举直接服务于NASA长期驻留计划。 与通用视觉模型相比，该模型在多分辨率、多模态数据融合上更高效，所需微调数据更少。这一开源举动将加速全球科研机构对海量月球数据的利用，降低人工筛查成本。 与闭源前沿模型竞赛不同，IBM-NASA路径强调科学应用与公共数据集建设。下一步值得关注的是，更多机构是否跟进类似行星科学基础模型，以及该模型在实际任务规划中的落地效果。 信源：https://www.reuters.com/science/ibm-nasa-launch-ai-model-help-map-ice-craters-moon-2026-09-10/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信

9 月 10 日，NVIDIA 宣布与 Firmus、Sharon AI 等八家澳洲公司合作，计划到 2027 年在当地建成最高 2GW 的 AI 工厂产能，较该国当前约 1.6GW 负载实现翻倍。这笔交易标志着 AI 基础设施竞赛从芯片和模型层面，迅速转向电力、土地和数据中心物理层。[[1]](https://www.theneuron.ai/digest/everything-that-happened-in-ai-today-thursday-september-10-2026/)[[2]](https://aiweekly.co/ai-news-today) 这一动作发生在全球算力需求爆炸式增长的背景下。过去一年， hyperscaler 对 GPU 集群的订单已从“叙事”转向硬性合同，Broadcom 等芯片商的指引也印证了这一点。澳洲项目不仅解决本地电力瓶颈，还为美系 AI 公司提供“盟友主权算力”选项，与中国在蒸馏与供应链上的博弈形成镜像。相比之下，谷歌早前在芬兰的 150 亿美元基建承诺，更侧重欧洲监管合规，而 NVIDIA 此举直接瞄准亚太增长极。 与此同时，OpenAI、Anthropic 等实验室正通过企业 API 和垂直产品（如金融服务定制版）加速变现，但底层算力短缺已成为瓶颈。NVIDIA 这次的澳洲布局，既巩固了其在 AI 工厂全栈中的主导地位，也暴露了传统云巨头在电力和土地上的依赖。未来 6-12 个月，类似主权或盟友算力项目是否会复制到东南亚、中东或拉美，将决定谁能在物理层抢占先机。 悬念在于：当 2GW 级项目落地后，电力供应与监管审批的实际节奏能否匹配模型迭代速度？若缺口持续扩大，AI 军备竞赛或将从实验室转向电网与地缘政治。 信源： https://www.theneuron.ai/digest/everything-that-happened-in-ai-today-thursday-september-10-2026/ https://aiweekly.co/ai-news-today ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to […]

9月9日，谷歌宣布未来两年在芬兰投入至少150亿美元（约130亿欧元），用于AI数据中心建设和核电锁定，这是其在欧洲最大单笔基础设施投资。[[1]](https://techstartups.com/2026/09/09/top-tech-news-today-september-9-2026-google-meta-openai-xiaomi-more/)[[2]](https://www.bnnbloomberg.ca/business/artificial-intelligence/) 这一动作正值全球AI算力竞赛从模型参数转向物理层和能源约束的关键阶段。美国多州收紧数据中心审批、欧盟能源价格高企，而中国则在“十五五”规划中锁定2030年9800EFLOPS全国算力目标。谷歌此举不仅锁定稳定核电供应，还试图在欧洲建立长期能源-算力绑定，降低对美国本土电网和监管的依赖。 对比之下，OpenAI与Anthropic等美系实验室仍在依赖微软、亚马逊等 hyperscaler 的现有产能，欧洲本土玩家如Mistral虽获巨额融资，但基础设施短板明显。谷歌此举既是防御（应对能源瓶颈），也是进攻（抢占欧洲主权AI落地窗口）。它显示，大模型公司已不再只拼算法，而是开始直接掌控上游能源与土地资源。 未来6-12个月，这一模式是否会引发更多欧洲国家效仿，或遭遇欧盟竞争政策与本地环保阻力，将决定全球算力版图是否真正出现多极化。[[3]](https://www.aidapted.ro/en/articles/ai-news-september-9-2026-mistral-china/) 信源： Top Tech News Today, September 9, 2026: Google, Meta, OpenAI, Xiaomi & More https://www.bnnbloomberg.ca/business/artificial-intelligence/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信