塔斯娱乐资讯网

AI 日报|2026-11-04

一、AI Coding1. Google 把安卓工具链开放给第三方 coding agent:Android Studio 支持"自带智能体",告别"只能选 Gemini"事件:在 11-03 的 Android Dev Summit 上,Google 宣布将 Android Studio 与终端 CLI 的开发工具向第三方编码智能体深度开放,而非引导开发者只用自家 Gemini。核心更新有四:其一,"自带智能体"(Bring-Your-Own-Agent) 在 Android Studio Rabbit 2 中稳定落地,已支持超过 40 款遵循开放智能体客户端协议的 agent,包括 Anthropic 的 Claude Agent(Claude Code)、OpenAI 的 Codex、Google 自家的 Antigravity,开发者可在不离开 IDE 的前提下安装并切换多款 agent,且 agent 能继承 IDE 对项目的既有理解(项目结构、构建配置、符号、Compose Preview、模拟器、Logcat);其二,新增 Change Review(变更审查) 功能,在应用任何改动前扫描待处理变更中的常见问题并引导人工审阅;其三,新推 android preview 命令,让 coding agent 在终端直接渲染 Jetpack Compose 预览,无需启动 IDE 或模拟器;其四,通过官方 CLI 插件把上述能力延伸到 IDE 之外,面向 Claude Code 与 Codex 提供项目创建、模拟器管理、UI 检查与文档查询。
为什么值得关注:这是"平台厂商不绑自家模型"最明确的姿态之一——Google 把最值钱的安卓开发上下文(符号、预览、崩溃报告、性能分析器)开放给竞品 agent,等于承认开发工具生态的护城河已从"模型归属"转为"上下文与工具链接入的开放度"。与 11-03 期 GitHub Fusion(把多模型编排焊进仓库工作流)、Mistral 开源 frontier(私有 coding agent 可自托管)同源:coding 竞争的关键词正从"谁的模型更聪明"滑向"谁能成为 agent 中立、可被任意模型调用的底座"。对研发管理者,评估 IDE/平台的新指标应是"agent 可接入性、上下文保真度与变更审查兜底",而非"内置了哪个模型"。
2. Anthropic message threads 公开测试:长跑编码 agent 不再重发整段对话,长上下文首 token 延迟降约 35%事件:Anthropic 在 Messages API 开放 message threads 公开测试,核心是"对话只发一次":首个请求携带完整会话并开启一个 thread,之后每个请求只发送新增消息加上上一次响应的 ID;thread 在两次请求之间保存在内存中、加密且不落盘,最后一次请求后 5 分钟过期,客户端届时重发完整对话开启新 thread。官方数据显示,对 50 万至 100 万 token 的请求,首 token 延迟(TTFT)中位数下降约 35%,该能力对多数 Claude Code 用户已默认开启。需注意 token 用量并未减少——Claude 每轮仍要读完整对话,省下的是传输与预填充时间。
为什么值得关注:这是长上下文 coding agent 的"传输层"而非"计算层"优化,价值却很实——当 Claude Code 类 agent 在仓库里长跑数小时、上下文累积到百万 token,每一步都重传整段对话的带宽与预填充成本会成为隐性瓶颈;thread 把"上下文托管在服务商侧、只增量同步"做成 API 原语,直接利好"每步带截图/文档的长程 computer use"与文档密集型工作流。它揭示一个被忽视的趋势:agent 时代的成本优化,正从"更聪明的模型"分流出"更省传输/更省重算的上下文工程",与本期 Agent 记忆复用层的集中涌现(见条目 4)互为表里。
3. Kimi K3.1 Pro 完整权重开放:月之暗面加入"开放权重 + 百万上下文"阵营,明确面向编程与复杂 Agent事件:据半两财经 11-03 披露,月之暗面(Moonshot AI)计划于 11-04 前开放 Kimi K3.1 Pro 完整模型权重,支持百万 Token 上下文,适配编程、3D 创作与复杂 Agent 任务,并移除了部分网络安全训练数据。
为什么值得关注:在 Mistral Large 4(1T 开源权重,10-29)、DeepSeek V4.1 Flash、智谱 GLM-5.3 之后,Kimi 把"开放权重 + 长上下文 + 编程/Agent 取向"做成国产阵营的又一张牌。其战略含义有两点:其一,对受合规约束、要求代码不出边界的国内企业,可自托管的百万上下文 coding 底座选项进一步增多,私有 agent fleet 的边际成本继续下探;其二,移除网安训练数据的动作,反映出开放权重模型在"能力开放"与"护栏不可逆风险"之间的再平衡——与本期 coding 安全反噬主题(GLM-5.3 攻破 Firefox 仍在延续讨论)形成对照:开源 frontier 越强,发布方越需要对"下载即不可逆"的副本负责。
4. Agent 记忆与上下文复用层集中涌现:coding agent 的下一战场从"模型"转向"记忆"事件:11-03 前后,一批围绕"agent 记忆与上下文复用"的工具与论文集中出现,揭示同一趋势——把"省 token、跨任务/跨 agent 复用经验"做成基础设施。HarnessMM(清华与微软):指出 Codex、DeepSeek Harness 等工具在每次工具结果返回后都会再调一次 LLM(即便下一步已确定,如编译完必然跑测试),论文称 token 最多减少 87.93% 且成功率上升;Routed Continual Learning(Meta FAIR):由 LLM 路由器在每次运行前决定复用哪组记忆或新建,API 成本可降 65%–72%;FlashRSI(人大 NLPIR):用一个框架收进 13 种递归自我改进算法,自动改 Prompt、Skill、工具与 Harness;WonderDrive/WonderSearch(YC):让 Claude Code、Codex、Cursor 共用存储,一个 agent 学到的其余立刻可用,并支持误删 48,120 个文件后一键撤销;Entelligence Memory:把会话、PR、工单与事故收成一张图,称重复错误减少 53%;Beacon:本地优先、把调试会话收成可复用技能,在 20 多个 harness 间共享并支持搜索回放,当日登顶 Product Hunt。
为什么值得关注:这些项目从三个方向收敛到同一结论——长上下文 agent 的最大浪费不是"模型不够强",而是"每次都从零读仓库、每次都重算已确定的步骤、每个 agent 互不相通"。HarnessMM 打掉冗余推理、Routed/FlashRSI 做记忆路由与自改进、WonderDrive/Beacon 做跨 agent 经验共享,正好补齐了 11-03 期 Fusion/Vercel 治理层之外的"效率与协作"短板。对采购与架构,这意味着 coding agent 的选型指标正新增一条:是否具备可插拔的记忆/上下文复用层,以及能否在团队内把"踩过的坑"沉淀为可检索、可回放、可撤销的资产。
二、具身智能5. RoboScience 机器科学完成数亿元 A2 轮:360 战投入局,资本继续向"大脑 + 数据"路线集中事件:11-02 披露、11-03 多家媒体跟进,通用具身智能企业 RoboScience(机器科学) 完成 A2 轮数亿元融资,由琥珀资本、鸿瑞达投资、上海半导体产投联合领投,爽资本、360 战投(周鸿祎旗下)、国联通宝、金鼎资本及多家上市公司平台跟投;公司此前已获京东、招商局创投、商汤国香资本等 10 亿元级别投资,今年已完成三轮。技术卡位上,公司 2025-09 发布物理仿真引擎 RoboMirage、2026-06 推出通用具身大模型 Visics、8 月推出轮式双臂机器人 REX G1;其"仿真 + 视频"双数据路线将单条数据获取成本压至 0.05 元(传统方案 1/20~1/200),视频训练数据从年初 100 万小时增至 10 月 400 万小时,仿真数据超百亿次运动轨迹;采用"上层世界模型负责认知与轨迹预演、下层操作模型转化为不同本体控制信号"的分层解耦架构,主张跨本体/跨物体/跨任务泛化,并把能力封装为可按需调用的 EaaS(Embodied-AI-as-a-Service)。创始人田野为前苹果 AI Platform 技术负责人、斯坦福硕士,联合创始人邵林为斯坦福博士、新加坡国立大学助理教授。
为什么值得关注:在 11-03 期已覆盖简智(纯数据卖水人)、智澄(世界模型 + 多形态本体)之后,RoboScience 是"资本续押大脑与数据"的又一仪表盘读数,且新增两个信号:其一,产业资本(360、上海半导体产投)正式入局,说明具身"大脑"已从财务投资概念变成产业方用股权锁链的卡位对象;其二,EaaS(具身智能即服务) 把"模型能力"做成可按调用付费的云端服务,变现路径比"卖整机"更轻、比"卖数据"更贴近最终生产力。结合其"分层解耦 + 跨本体泛化"的架构,行业正在形成共识:具身竞争的主权不在关节电机,而在"一套世界模型能否在不同本体上零重训迁移"——这也正是宇树/乐聚(本体+真机闭环)之外的第二类价值锚点。
6. 首批六项人形机器人国家标准发布:行业第一次有了可量化的"上岗"硬门槛事件:据国泰海通证券 11-03 研报梳理,首批六项人形机器人国家标准——GB/T 48316-2026、GB/T 48317.1-48317.5——已批准发布,将于 2027-04-01 起实施,首次给出量化指标:靠近人时速度不超过 0.5 米/秒、抓取刚性物体成功率 90% 以上 等。
为什么值得关注:这与 11-01 落地的"具身智能数据集行业标准"、信通院"未来两至三年首轮出清"的判断形成完整闭环——行业正从"拼数量、拼 Demo"被制度性地推入"拼质量、拼可验证"。0.5 m/s 的近人速度上限与 90% 抓取成功率,看似温和,实则是把"能不能安全、可靠地上岗"从厂商宣传语变成可检测、可问责的合规线;对采购方,意味着"Demo 视频"之外终于有了准入红线;对监管与保险,则提供了责任界定的技术锚点。结合 11-03 期马鞍山实景实训赛"把考场搬进厂房"、本期优必选 Thinker-Sim 把评测做成产品,具身智能的"可信交付"正从软口号变成"标准 + 实景 + 仿真评测"的三重硬约束。
7. 优必选发布 Thinker-Sim:把"真实工厂搬进仿真",单节点日均合成 390 小时数据,并把评测做进产品事件:11-02,优必选正式发布具身智能仿真平台 Thinker-Sim,核心范式为 Real2Sim2Real,覆盖真实场景数字化、规模化仿真数据合成、机器人能力评测三段闭环。关键指标:自研 Thinker-GS 场景重建算法支持从真实工厂产线与商业展厅采集、三维重建到 SimReady 资产生成;自研渲染引擎效率提升 67.3%,单节点(8 卡 GPU)日均合成 390 小时仿真数据,SIL/HIL 通信效率提升超 400%;内置标准化任务模板与可视化工作流,适配 90% 以上目标仿真场景;自研 Ulab-Agent 支持用自然语言发起场景创建、环境随机化与任务调度。
为什么值得关注:其意义不止"又一个仿真平台",而在于它把"评测"内建为产品能力——当客户开始追问"这台机器人在我的产线节拍下能跑多久",能提供可复现评测环境的厂商会比只能给 Demo 视频的厂商更容易进入采购流程。这与本期 RoboScience(仿真+视频把单条数据压到 0.05 元)、上期简智(百万→千万小时数据交付)共同指向同一判断:真机数据贵且少,仿真/合成数据工厂化是具身"大脑"迭代的必经基础设施。优必选把"仿真产出 + 评测闭环"打包,恰好回应了 11-03 期路透观察的痛点——中国公司受芯片管制,正靠更高效模型、合成数据与仿真降算力依赖。
8. Agility 11-04 交割、11-05 以 AGLT 挂牌:公开市场第一次给人形整机定价,募资缩水约 25%事件:11-02,Churchill Capital Corp XI 公告股东特别会议结果:与 Agility Robotics 的业务合并及全部相关提案获通过,超过 84% 有效票赞成;交易预计 11-04 交割,合并后公司 11-05 在纳斯达克以 AGLT 挂牌。预计总募资约 4.65 亿美元(信托约 1.64 亿、富士康领投的 PIPE 2.01 亿、已到账股权融资 1 亿),较 6 月宣布合并时"超 6.2 亿美元"的口径缩水约 25%,主要来自 SPAC 信托赎回。Digit 5 已获超 3 亿美元多年期订单,累计实运营超 6.5 万小时、搬运超 10 万个物流箱,活跃管线超 30 家。
为什么值得关注:这是公开市场第一次直接给人形机器人整机公司定价,信号价值大于融资数字本身。募资缩水约 25% 不构成对公司的否定,但它说清一件事:在"能交付"与"能盈利"之间,公开市场目前只愿意先为前者付钱——Agility 用 6.5 万小时实运营、3 亿美元订单簿换来了"纯 play 人形"的上市门票,但 Digit 5 的通用可用性要等到 2027 年底,RaaS 模式(GXO 月费)的 ROI 仍待规模化验证。它与本期 RoboScience/优必选(一级市场押大脑与数据)、上期宇树(上市后增收不增利、研发 +249%)共同勾勒出具身赛道的资本分层:一级市场仍在为"大脑与数据"付溢价,二级市场则用更苛刻的"交付节奏 + 盈利路径"重新标价。
一句话总结双线同日收敛于"平台中立化与可验证交付":coding 侧 Google 把安卓工具链开放给第三方 agent、Anthropic 与开放权重阵营把长上下文和记忆复用做成基础设施,竞争从模型能力沉降到上下文与编排层;具身侧资本续押"大脑+数据"(RoboScience/360)、国标与仿真评测把行业从表演拧向可量化上岗,Agility 募资缩水挂牌则揭示公开市场只愿为先"能交付"付钱、盈利仍是后置选项。