【李飞飞创办的World Labs于9月1日发布Atlas，称其为全球首个从零预训练的多模态世界模型。】该模型原生支持文本、图像、视频、相机位姿与3D深度输入，可实现像素级精确相机控制生成图像视频、单图或多图重建3D场景、视频时空重构等功能，最长输出1分钟1440p视频，并能构建机器人训练仿真环境。目前仅向部分合作伙伴开放早期访问。Atlas将直接服务VFX与具身智能场景，标志世界模型从概念走向空间智能落地关键一步。
信源:https://x.com/drfeifei/status/2094840371675283673
智平方科技8月31日宣布，其AlphaBot 2（爱宝）机器人入驻香港兰桂坊酒吧，担任“酒保”提供鸡尾酒调制与互动服务。这是香港首个真实开放场景服务机器人，已完成出关、清关、饮品售卖资质办理及付费服务体系搭建，实现常态化商业运营。机器人搭载NeuroVLA类脑架构，支持多语言交互，在动态吧台环境持续感知决策。
该落地标志中国具身智能企业出海全链路闭环跑通，香港正成大湾区机器人国际化首站试验场。
信源:https://www.stheadline.com/society/3610134/
美国国防部 9 月 1 日宣布，已将定制版 ChatGPT 和 Grok 聊天机器人接入其 GenAI.mil 平台，用于非机密军事用途。这些工具专为“作战人员需求”定制，平台去年已上线谷歌 Gemini，目前已覆盖国防部 300 万人员中的 170 余万。[[1]](https://www.theverge.com/openai)
这一部署发生在 AI 工具从实验室走向政府核心流程的背景下。GenAI.mil 原先仅支持 Gemini，如今同时接入 OpenAI 与 xAI 产品，显示美军对多模型并行的接受度提升。相比传统单一供应商模式，此举降低了单一依赖风险，也加速了 AI 在后勤、情报分析等非敏感场景的应用。
与此同时，苹果起诉 OpenAI 员工窃取电路图案仍在发酵，凸显大厂对 IP 保护的敏感；Anthropic 等实验室则继续扩大算力协议。军方这一动作表明，AI 已从“试点”转向大规模部署，安全与合规将成为下一阶段焦点。
下一步值得观察：国防部是否会进一步开放机密场景测试，以及 xAI 与 OpenAI 在政府市场的实际采用率差距。
信源：https://www.theverge.com/ai-artificial-intelligence/987566/ai-civilizations-opeai-hugging-face-hack
谷歌正向迪士尼、华纳兄弟探索和环球影业等好莱坞巨头提出每角色4000万美元的AI训练授权交易，试图用巨额现金换取海量影视库数据来训练Gemini模型。这一动作发生在9月2日前后，标志着前沿模型对高质量、受版权保护数据的争夺进入新阶段。[[1]](https://www.aichatdaily.com/ai-news)
过去几年，AI实验室多依赖公开网络抓取或模糊的“合理使用”主张，但随着诉讼增多和监管收紧，付费授权正成为新常态。此前OpenAI与多家媒体的合作、Anthropic的类似尝试都显示，单纯靠公开数据已难以支撑下一代模型的性能跃升。谷歌此举直接对标其在编码和代理能力上的短板，试图用好莱坞级叙事和角色数据补足与Anthropic、OpenAI的差距。
对比之下，Meta更早布局自有内容生态，而OpenAI则转向政府与企业合同；谷歌选择直接“买数据”的路径，短期可加速Gemini迭代，但长期面临成本高企和内容方议价权上升的风险。行业正从“数据免费午餐”转向“数据资本密集型”竞争，谁能锁定长期、独家、高质量语料，谁就掌握下一轮模型优势。
这一交易若落地，将重塑内容产业与AI实验室的关系：好莱坞或从被动内容提供者变为AI价值链的关键参与者。悬念在于，其他实验室是否会跟进更高报价，或内容方是否会形成联合议价联盟，进而推高整个训练成本曲线。
信源：https://www.aichatdaily.com/ai-news (2026-09-02)
https://aiweekly.co/ai-news-today (2026-09-02)
https://www.bnnbloomberg.ca/business/artificial-intelligence/ (2026-09-01)
9月1日，大卫·萨克斯（David Sacks）在G20创新部长会议及CNBC访谈中明确反对设立类似FDA的AI预审批机构，称“这会像DMV一样让新模型排长队”，并强调现有法律已足够应对风险，新增独立监管将“扼杀创新”。这一表态正值全球AI治理讨论升温之际，直接回应了“有效利他主义者”推动的严格安全框架。[[1]](https://www.cnet.com/tech/services-and-software/g20-innovation-ministerial-ai-regulation-us-news/)
萨克斯此举延续了特朗普政府一贯的“许可创新”路线，与欧盟DSA将ChatGPT列为首例AI服务、以及部分州层面法案形成鲜明对比。数据显示，美国AI资本开支仍在高位，而中国模型正以更低价格快速追赶；若美国也转向事前审批，领先窗口可能迅速收窄。相比之下，Meta、OpenAI等闭源实验室虽支持部分透明要求，但对开放权重模型的监管顾虑更深，萨克斯的立场实际保护了美国在算力与应用层面的生态优势。
根本驱动力仍是地缘竞争与经济增长考量。萨克斯多次指出，AI已创造大量数据中心就业，若因安全叙事过度收紧，将直接影响GDP贡献与对华优势。短期看，这将巩固美国在代理、推理等落地场景的先发；长期则可能放大安全与能力的张力，尤其当Anthropic等实验室持续释放“灾难风险”警告时。
悬念在于：若2027年模型能力继续指数级跃升，现有法律框架是否真能兜住？还是会迫使白宫在增长与治理间重新校准？
9月1日，Anthropic 发布 Claude Fable 5.1 与 Mythos 5.1，主打输入/输出 token 成本降低、缓存读取降至 0.25 美元/百万、Zero Data Retention 功能落地，并减少误拒率。企业级代理工作负载成本可下降约 25%，最高达 45%。这是继多轮安全事件后，实验室主动向“可用性”妥协的最新信号。
这一调整正值 OpenAI Astra 因网络安全门槛受限、Meta 等持续并购代理赛道之际。Anthropic 通过价格与合规双重让步，直击企业落地最大痛点——高昂 token 费用与过度护栏。相比 OpenAI 更强调前沿能力与安全闸门，Anthropic 更像在“把模型卖出去”。
与此同时，Google、Meta 等也在 Workspace、Instagram 等场景加速产品化。模型从“炫技”转向“降本增效”的底层逻辑已清晰：资本军备赛后，下一阶段比拼的是真实部署规模与单位产出。
未来 6-12 个月，预计更多实验室跟进类似定价与数据政策调整；但若安全事件反复，松绑节奏或再次收紧。谁能在安全与可用之间找到最优平衡，将决定代理经济的主导权。
信源：https://ai.zachp.com/ (2026-09-01)
https://www.theverge.com/ai-artificial-intelligence (2026-09-01)
https://aiweekly.co/ai-news-today (2026-09-01)
Dell Technologies周二第二次上调全年营收与利润预期，核心驱动正是AI服务器出货量激增。这家传统硬件巨头将年度指引拉高，反映出科技公司仍在向数据中心砸重金。最新财报显示，AI相关服务器贡献了主要增量，印证了NVIDIA等上游厂商此前的高增长叙事并未破灭。[[1]](https://www.reuters.com/technology/artificial-intelligence/)
这一数据点放在更大格局下，指向AI基建军备赛的持续性。OpenAI、Anthropic、Meta等前沿实验室的训练与推理需求，正转化为对服务器、电源、冷却的真实采购。Dell的连续上调，与此前NVIDIA业绩指引70%增长、AWS计划2027-2028年新增200万颗GPU等信号形成呼应。相较之下，中国厂商如浪潮、联想也在加速布局，但Dell的全球供应链与企业客户黏性，让其成为需求最直接的“温度计”。
与过去互联网或云计算周期不同，此轮需求更集中于高毛利AI加速卡与配套系统。资本开支并未因估值波动或监管讨论而放缓，反而通过债务融资（如Nscale 30亿美元债务）与股权并举继续推进。这既说明领先实验室对AGI路径的坚定，也暴露出供应链与电力瓶颈的隐忧。
下一步值得跟踪的是，Dell等硬件商的指引能否持续兑现，以及OpenAI等客户是否会在2027年出现算力闲置风险。马斯克此前警示的“2027年AI算力15GW或闲置”是否会提前显现，将成为检验这场军备赛韧性的关键指标。
信源：https://www.reuters.com/technology/artificial-intelligence/ (2026-08-31更新)
https://bloomberg.com/latest/the-ai-race (2026-09-01)
9月1日，约翰迪尔正式上线JD AI聊天机器人。该助手基于农场自有田间、设备和运营数据训练，可回答设备设置、燃油消耗和收获时机等问题，并附带10点农民数据承诺书。[[1]](https://www.aichatdaily.com/ai-news)[[2]](https://aiweekly.co/ai-news-today)
这一动作并非孤例。传统巨头正从“买模型”转向“用自家数据训模型”。约翰迪尔积累的数十万台设备实时数据，形成垂直领域的天然壁垒，远超通用大模型的泛化能力。相比之下，OpenAI、Anthropic等实验室仍在通用智能赛道内卷，而农业、物流、制造等场景更需要“窄而深”的可靠代理。
与此同时，资本也在押注这一趋势。a16z等机构近期加大后期AI基金布局，重点投向能把AI嵌入物理世界运营的初创。约翰迪尔这类案例显示，数据所有权正成为新护城河：拥有独特数据集的传统企业，无需追逐最前沿参数规模，就能快速落地生产力工具。
长远看，这将重塑竞争格局。通用模型提供底层能力，垂直玩家则凭借专有数据和领域知识主导落地。未来6-12个月，更多传统行业是否会复制约翰迪尔路径，自建或深度定制AI助手，将决定AI从demo走向大规模真实运营的速度。悬念在于：当数据壁垒固化后，通用实验室还能否保持对下游场景的定价权？
**信源：**
https://www.aichatdaily.com/ai-news (2026-09-01)
https://aiweekly.co/ai-news-today (2026-09-01)
https://www.theverge.com/ai-artificial-intelligence (2026-09-01)
谷歌今日正式在Gemini最新模型中推出“代理视频理解”（agentic video understanding）功能，覆盖Gemini 3.7 Flash、3.6 Flash及3.5 Flash-Lite。该功能让模型不再静态逐帧处理视频，而是主动搜索、扫描关键片段，结合视觉、音频和转录内容进行动态分析。[[1]](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-agentic-video-in-gemini/)
官方基准显示，此举可将token消耗降低高达88%，分析成本减少66%，准确率提升7%。长视频场景（如90分钟讲座或多小时录像）收益尤为显著，开发者无需在高成本与丢帧之间取舍。功能已通过Gemini API在Google AI Studio和企业代理平台上线。[[2]](https://blockchain.news/news/google-gemini-agentic-video-understanding)
这一更新正值AI视频分析需求激增之际。传统静态处理在长内容上效率低下，而代理式方法更接近人类观看习惯，适合视频编辑、内容检索、企业培训等场景。与DeepMind此前双盲评估试点共同，显示谷歌在推动前沿AI实用化和可验证性上的双线布局。
相比静态处理主导的竞品，此举强化了Gemini在多模态效率上的优势。未来6-12个月，代理能力或成为视频AI标配，谁能将成本与精度平衡做到极致，谁就更易拿下长内容市场份额。[[1]](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-agentic-video-in-gemini/)
信源：https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-agentic-video-in-gemini/
Meta 近日以超过 20 亿美元收购中国 AI 初创公司 Manus，旨在强化其在 AI 代理（agent）领域的布局。这一交易发生在全球大厂资本开支高企、代理产品从 demo 转向规模部署的关键节点，直接指向 Meta 在企业级代理能力上的短板。[[1]](https://news.google.com/search?q=AI+news+after:2025-12-29&hl=en-US&gl=US&ceid=US:en)
放眼行业格局，2026 年以来代理赛道已从技术验证进入资本与并购驱动的整合阶段。OpenAI 通过 Assistants API 与企业合作推进，Anthropic 则凭借 Claude 的工具调用与安全框架占据企业信任高地，而 Meta 此前更多依赖自研与 Instagram 等平台生态。Manus 的收购让 Meta 一次性补齐代理执行与多模态交互能力，却也暴露其在前沿模型与代理集成上的追赶压力——与 OpenAI、Anthropic 动辄数百亿美元的算力协议相比，Meta 选择“买”而非“建”。
对比之下，NVIDIA 通过生态投资绑定下游，Google DeepMind 则专注模型与研究闭环，Meta 的并购路径更接近传统科技公司的快速补强策略。但收购中国初创还需面对监管、地缘与文化整合风险，短期内难以转化为可量化的企业采用率提升。
这一动作留下悬念：Meta 是否能借此在 2027 年前的代理经济中占据一席之地，还是会成为又一笔“买来即用”的高估值赌注？未来六到十二个月，代理产品的真实部署规模将给出答案。
信源：
https://www.wsj.com/articles/meta-buys-ai-startup-manus-2-billion-bet-on-ai-agents
https://www.bloomberg.com/news/articles/meta-to-acquire-manus-in-2-billion-bet-on-ai-agents
https://news.google.com (Meta acquires Manus, September 1-2 2026 reports)
