AI Agent爆发日：Step 3.5 Flash发布，特斯拉百万台机器人计划

AI 日报AIAI 日报
要点速览
  • 阶跃星辰发布 Step 3.5 Flash，专为 Agent 设计的开源模型，推理速度最高达 350 TPS
  • 英伟达黄仁勋澄清，千亿美元投资 OpenAI「从未是承诺」，将循序渐进投入
  • 特斯拉宣布第三代人形机器人 2026 年亮相，目标年产百万台，成本控制在 2 万美元以内
  • 优必选开源具身智能大模型 Thinker，斩获 9 项全球基准第一
  • 蚂蚁集团推出 AI Credit 激励方案，推动业务和组织「全面 AI 化」
  • xAI 发布 Grok Imagine 1.0，支持 10 秒、720p 分辨率视频生成
  • AI Agent 平台 OpenClaw 和 Moltbook 曝出严重安全漏洞，攻击者可轻易获取敏感数据
  • 快手、微信同步整治「AI 魔改」视频，一个月处置近万条违规内容
  • 苹果 AI 团队人才流失加剧，多名核心研究员转投 Meta 和谷歌
  • 一张打印纸就能让自动驾驶汽车失控，CHAI 攻击成功率超 80%
  • 谷歌发布 Project Genie，可用文字描述生成可交互虚拟世界
  • 阿里巴巴春节砸 30 亿推通义千问，转型为生活助手
  • 清华系公司推出 AI Ping，解决大模型 API 选型信息不对称问题
  • DeepMind 功勋科学家 David Silver 离职，创办新公司主攻强化学习
  • Vidu Q3 发布，16 秒声画同出，全球排名第二
  • 研究发现自动驾驶存在文字指令劫持漏洞，一张打印纸即可控制系统

AI Agent爆发日：Step 3.5 Flash发布，特斯拉百万台机器人计划

模型与技术突破

阶跃星辰发布 Step 3.5 Flash：为 Agent 而生的开源基座模型

阶跃星辰推出最新开源基座模型，核心定位是为 Agent 场景提供高性能支持。

核心亮点：

  • 更快：推理速度最高达 350 TPS（单请求代码类任务）
  • 更强：在 Agent 场景和数学任务上表现媲美主流闭源模型
  • 更稳：能够胜任复杂、长链条的任务

技术特性：

  • 稀疏 MoE 架构：总计 1960 亿参数，每个 token 仅激活约 110 亿参数
  • MTP-3 技术：模型一次可预测 3 个 Token，推理效率翻倍
  • 混合注意力机制：采用 3:1 滑动窗口与全局注意力混合架构，支持高效处理 256K 上下文

深度解读 & 洞察：

Step 3.5 Flash 的发布标志着「模型为 Agent 设计」成为行业共识。传统大模型主要关注单次问答质量，而 Agent 需要持续、稳定地执行长链条任务，这对模型的推理速度、稳定性、上下文理解能力提出了全新要求。

稀疏 MoE 架构通过激活少量参数来实现高性能推理，既保证了模型能力，又大幅降低了使用成本，这对需要大量调用 API 的 Agent 应用至关重要。同时，256K 超长上下文支持让 Agent 能够记忆更丰富的历史信息，在复杂任务中保持连贯性。

更值得关注的是生态布局——华为昇腾、沐曦、壁仞等多家国产芯片厂商已完成适配，形成了「模型-算力」协同优化的闭环。这种深度适配模式将显著降低推理成本，加速 Agent 落地。

官方已启动 Step 4 模型训练，预示着这场以 Agent 为核心的模型竞赛还将持续升级。

优必选开源具身智能大模型 Thinker：百亿参数底座斩获 9 项全球基准第一

优必选发布面向工业人形机器人的具身智能大模型，核心解决「算得准但抓不住」和「想得到但跟不上」两大矛盾。

核心突破：

  • 基于 10B 参数轻量化底座，在 10B 以下具身智能基准评测中斩获 9 项全球第一
  • 数据提纯：从 20B 原始数据压缩至 10M 高质量训练集
  • 自动标注：采用「大模型辅助标注 + 多模型交叉验证」方案，人工参与率低于 1%
  • 部署验证：已应用于工厂搬运等真实场景，Walker S2 作业准确率达 99.99%

深度解读 & 洞察：

具身智能的关键瓶颈在于数据质量和标注成本。互联网数据虽多但质量不稳定，直接用于机器人训练效果差。Thinker 的创新在于通过「广度筛选 + 深度评分」两步提纯，将 20B 数据压缩 2000 倍至 10M 高质量数据，同时将标注成本降低 99%，解决了行业级应用的两个核心难题。

更重要的是数据回流机制：真实场景中的失败案例（如料箱识别失败、抓取轨迹调整）被转化为训练资源反哺模型，形成「部署-反馈-迭代」闭环。这种从实验室到工厂的数据飞轮，是具身智能从 demo 走向实用化的关键。

全开源策略将加速行业整体进步，开发者可直接获取模型权重、训练工具链及应用案例。

谷歌发布 Project Genie：用文字描述生成可交互虚拟世界

Google DeepMind 开放 Project Genie 模型，用户输入文字描述或上传图片，即可生成可互动的虚拟世界，支持实时响应操作。

核心特性：

  • 基于 Genie 3 模型，结合 Nano Banana Pro 图像生成和 Gemini 多模态模型
  • 实时渲染：当移动角色或转动视角时，系统实时响应画面
  • 支持与场景物体互动，如蓝色小球滚动改变草地颜色轨迹
  • 当前限制：每次生成时长 60 秒以内

深度解读 & 洞察：

Project Genie 代表了生成式 AI 从「静态内容」向「动态环境」的关键跨越。传统视频生成只是被动观看，而可交互的世界模型将成为未来 AI Agent 的重要训练场——Agent 可以在模拟环境中安全试错、学习复杂任务。

这项技术潜在应用场景广阔：游戏开发者可快速可视化创意，电影人可生成分镜，教育领域可模拟救援场景训练决策能力。尽管目前受限于算力和时长，但方向已经明确——未来 AI 不仅要生成内容，还要生成可探索的世界。

xAI 发布 Grok Imagine 1.0：支持 10 秒、720p 分辨率视频生成

马斯克旗下 xAI 正式发布 Grok Imagine 1.0，解锁 10 秒视频、720p 分辨率和大幅提升的音频质量。过去 30 天内已生成 12.45 亿个视频。

深度解读 & 洞察：

视频生成已成为 AI 公司的必争之地。Grok Imagine 1.0 的发布标志着 xAI 加入这场竞赛，与 Runway、OpenAI Sora、Vidu 等玩家同场竞技。10 秒时长和 720p 分辨率虽然不及顶级水平，但已具备实用价值。

更值得关注的是用户生成量——12.45 亿个视频说明市场对 AI 视频创作的需求巨大。xAI 于 2025 年 3 月收购视频生成公司 Hotshot，通过收购补齐技术短板，这已成为科技巨头快速追赶的常见策略。

Vidu Q3 发布：16 秒声画同出，全球排名第二

Vidu Q3 正式发布，定位为专为漫剧、短剧、影视剧而生的视频大模型。在 Artificial Analysis 榜单中位列中国第一、全球第二，超越 Runway Gen-4.5、Google Veo 3.1 和 OpenAI Sora 2。

核心功能：

  • 16 秒声画同出：全球首个支持 16 秒音视频直出的模型
  • 镜头调度：支持多镜头自由切换，具备导演思维
  • 多人对话与多语言支持：支持中、英、日等多语种文字渲染

产业动态与投资

英伟达黄仁勋表态：对 OpenAI 的千亿美元投资「从未是承诺」

英伟达 CEO 黄仁勋明确表示，公司并没有必须投资 OpenAI 的责任，千亿美元投资数字「从来不是正式承诺」，而是会「循序渐进」投入。

背景回顾：

  • 2025 年 9 月，OpenAI 宣布与英伟达合作，计划建设 10GW 规模的 AI 数据中心
  • OpenAI 当时称英伟达会随每 1GW 数据中心上线，分阶段投入最高 1000 亿美元
  • 《华尔街日报》报道称英伟达内部开始质疑交易，谈判未走出初期阶段
  • 黄仁勋曾批评 OpenAI 的商业策略「缺乏纪律」

深度解读 & 洞察：

这次表态揭示了 AI 行业「估值游戏」的真相——千亿投资更像是双方互相抬价的营销噱头，而非实际承诺。OpenAI 需要英伟达的算力和资金背书来支撑估值，英伟达需要 OpenAI 的订单来证明数据中心业务前景，但双方都清楚现实风险。

OpenAI 正在与 AMD、谷歌等竞争对手签署新的算力合同，谷歌的 Gemini 3 和 TPU 技术获得认可，这让英伟达感受到压力。为了应对威胁，英伟达另外投资了 200 亿美元给 Groq 公司。

这反映出 AI 基础设施竞争格局正在重塑——英伟达不再独占算力霸权，AMD、谷歌、自研芯片正在分割市场。对于投资者而言，这意味着「GPU 一家独大」的时代可能正在过去。

特斯拉第三代人形机器人官宣 2026 年亮相：支持观察人类行为学习新技能，预计年产百万台

特斯拉官方宣布，第三代人形机器人将在 2026 年亮相，这是特斯拉第一款走向量产的人形机器人。目标年产百万台，预计每台成本控制在 2 万美元（约 13.9 万元人民币）以内。

核心亮点：

  • 从第一性原理出发重新设计
  • 通过观察人类行为即可学习新技能
  • 试生产线已在弗里蒙特工厂运行，2026 年建成量产生产线

深度解读 & 洲察：

如果特斯拉真的实现年产百万台且单价 2 万美元的目标，这将彻底改变人形机器人行业的经济模型。当前人形机器人多为几十万甚至上百万美元的实验室产物，特斯拉将成本压到消费电子水平，将打开巨大市场空间。

「观察学习」模式比传统的编程教学更实用——无需人工编写复杂代码，机器人通过模仿人类掌握新技能，这将大幅降低部署门槛。特斯拉在供应链整合和规模化生产方面的优势，是其他机器人公司难以复制的。

这也标志着人形机器人从「高端玩具」转向「生产工具」的关键转折。一旦成本降下来，机器人将渗透到制造、物流、家庭服务等场景，改变劳动力结构。

逐际动力完成 2 亿美元 B 轮融资，发布双核产品

具身智能公司逐际动力宣布完成 2 亿美元 B 轮融资，投资方包括阿联酋磊石资本、东方富海、基石资本等，京东、中鼎股份、光洋股份等产业巨头也参与其中。

核心产品：

  • TRON 2：多形态具身机器人，支持多种形态组合
  • LimX COSA：面向物理世界的原生 OS 系统，实现高阶认知决策与全身运动控制融合

卓世科技完成数亿元 Pre-IPO 轮融资

卓世科技完成 Pre-IPO 轮数亿元融资，投资方包括国泰君安创新投、优必选科技等。公司战略重心转向具身智能方向，聚焦为机器人提供感知、决策、交互能力的「通用大脑」。

深度解读 & 洞察：

这两轮融资反映了资本对具身智能赛道的高度关注。从投资结构看，产业资本（京东、优必选）深度参与，说明大公司正在通过投资布局这一未来赛道。

值得注意的是，「本体 + 大脑」的分工模式正在形成：优必选、逐际动力做硬件本体，卓世科技提供通用 AI 大脑。这种专业化分工比每家公司都做全栈更现实，有助于加速行业整体发展。

镜识科技发布全球首个峰值速度达 10m/s 的全尺寸人形机器人 Bolt

镜识科技发布 Bolt 人形机器人，峰值速度达到 10m/s，已逼近博尔特 10.438m/s 的世界纪录。身高 175cm、体重 75kg，采用创新关节设计、全维度动力优化。

安全与治理

AI 代理系统曝出严重安全漏洞

OpenClaw 和 Moltbook 两个 AI Agent 平台存在致命漏洞，攻击者可以轻易获取敏感数据和 API 密钥。

漏洞详情：

  • OpenClaw：安全评分仅 2 分（满分 100 分），数据提取成功率 84%，提示注入攻击成功率 91%
  • Moltbook：数据库在公共网络上完全没有保护，泄露内容包括秘密 API 密钥
  • 约 954 个 Clawdbot 实例被发现网关端口全开，大多数缺乏身份验证

深度解读 & 洞察：

这次安全事件暴露了 AI Agent 时代的核心风险——传统「打补丁」式安全思维在面对具备自主决策能力的智能体时已力不从心。当 AI 可以自主调用 API、执行操作时，一旦被黑客控制，危害性将远超传统软件。

OpenClaw 的系统提示词、内部工具配置和内存文件对外界完全透明，意味着攻击者可以完全控制 Agent 的行为逻辑。Moltbook 的 API 密钥泄露让攻击者能冒充知名用户发布虚假内容、进行诈骗。

专家建议：避免在配置文件中直接存储敏感数据，使用环境变量管理密钥，启用 Cloudflare Tunnel 或零信任登录等安全技术。但根本解决方案可能需要从架构层面重新设计智能体的安全模型。

一张打印纸就能让自动驾驶汽车失控

加州大学圣克鲁斯分校研究发现，攻击者只需一张带有特定文字的打印纸，就能骗过自动驾驶系统，让它做出危险决策。这种攻击称为 CHAI（针对具身智能的指令劫持）。

实验结果：

  • 在 DriveLM 自动驾驶系统上测试，攻击成功率达 81.8%
  • 即使系统已识别到前方有行人，只要路边出现写有左转或继续前进的标牌，AI 会无视撞人风险强行执行虚假命令
  • 对无人机同样有效，能让其无视安全规则降落在人群密集区域

深度解读 & 洞察：

这一发现揭示了视觉语言模型的致命弱点——它会将图像中的文字当作必须执行的命令。当 AI 系统越来越多地部署到现实世界时，建立识别恶意文字指令的防御机制已成当务之急。

传统安全假设「AI 只能通过软件漏洞攻击」已被打破——物理世界的恶意指令同样能控制系统。这意味着自动驾驶、机器人等具身 AI 面临全新的安全威胁，需要在感知层增加恶意指令检测能力。

快手将对「AI 魔改」视频展开常态化治理

快手发布「AI 魔改」视频专项治理公告，2026 年 1 月 1 日至 1 月 31 日期间共处置违规内容 5576 条，警告教育账号 11 个。后续将对「AI 魔改」视频展开常态化治理。

主要违规类型：

  • 违背原著设定：对四大名著、革命题材等进行不当改编
  • 低俗博眼球：渲染血腥低俗情节、植入现代化元素
  • 不当解读动画形象：对未成年人熟知动画进行低俗配音、暴力演绎

微信重拳整治 AI 魔改视频，一个月处置超 4300 条违规内容

微信平台自 2026 年 1 月 1 日起开展为期一个月的「AI 魔改」视频专项治理行动，累计处置违规短视频内容 4376 条，处置相关账号 6 个。

深度解读 & 洞察：

快手和微信同步打击「AI 魔改」，反映出监管对 AI 生成内容乱象的重视。AI 降低内容创作门槛的同时，也让恶意篡改经典作品变得更加容易——四大名著被魔改、历史人物被歪曲、动画形象被邪典化，这些内容可能误导青少年价值观。

常态化治理意味着这不是短期运动，而是长期监管方向。对于内容创作者和平台而言，需要在技术创新和内容合规之间找到平衡点。AI 治理正在从「是否允许」转向「如何规范」的新阶段。

企业战略与组织转型

蚂蚁 CEO 韩歆毅发布内部信：拒绝小胜即安，推动业务和组织「全面 AI 化」

蚂蚁集团 CEO 韩歆毅发布全员邮件，宣布推出「AI Credit」特别激励方案，对于在 AI 方向有开创性贡献的团队和个人，将在原有绩效激励基础上给予额外激励。

近期进展：

  • AI 应用方面：「蚂蚁阿福」月活超 3000 万，用户单日提问量超 1000 万；全模态通用 AI 助手「灵光」在 AI 应用周活榜位列第十
  • AGI 探索方面：「灵波」四天内接连开源四款具身领域大模型；「百灵」大模型家族已发布 18 款大模型，覆盖从 10B 到 1T 的不同尺寸

深度解读 & 洞察：

蚂蚁的 AI Credit 激励方案将个人收益与 AI 贡献直接挂钩，如果相关业务在未来两年能有效提升公司价值，激励可兑换为经济受益权（SERs）。这种长期激励机制旨在解决传统 KPI 激励短期导向的问题，鼓励员工在 AI 领域进行长期投入。

韩歆毅明确表示「目前仅是小胜，远未到庆功时刻」，强调蚂蚁仍是「追赶者」。这种危机意识对大型科技公司尤为重要——AI 技术迭代极快，稍有松懈就可能掉队。

从「支付 + 金融」到「支付 + 金融 + AI 健康」的战略转向清晰可见。蚂蚁正通过 AI 重构核心业务场景，试图建立新一轮护城河。

阿里巴巴春节砸 30 亿推通义千问，转身做生活助手

阿里巴巴宣布在春节期间投入 30 亿元启动千问专项项目，核心策略是「免单」和「请客」，让用户在千问 APP 里完成订餐、买电影票等决策和购买流程。

深度解读 & 洞察：

阿里这次投入的不是传统红包补贴，而是推动通义千问从聊天工具转向行动代理人。通过大规模补贴培养用户「凡事问 AI、办成事找 AI」的习惯，意图将 AI 打造成交易入口，挑战现有 APP 各自为政的局面。

如果成功，千问可能成为 AI 时代的超级入口——用户不再需要在多个 APP 之间切换，一个智能体就能搞定所有服务。这对整个互联网行业都意味着颠覆，迫使竞争对手重新思考产品策略。

中兴通讯推出 Co-Claw 企业级桌面智能体

中兴通讯正式上线企业级桌面智能体 Co-Claw 企业版，通过把运行环境统一落在企业内部云电脑之上，让智能体可以持续在线、统一管理。

核心场景：

  • 智能办公：根据一句话指令自动跨空间检索页面内容，整理会议纪要
  • 敏捷研发：通过自然语言输入完成需求创建、缺陷跟踪及流水线编译
  • 业务运营：快速提取合同核心条款，识别潜在合规风险

微软调整 Windows 11 的 AI 功能策略

Windows 总裁表示，由于用户反馈不佳，微软将重新审视 Windows 11 的 AI 策略，简化或删除部分不受欢迎的 AI 功能（如记事本和画图应用中的 Copilot 按钮、Windows Recall 功能），同时继续推进语义搜索和 Windows AI API 等其他 AI 项目。

人才与组织变动

苹果 AI 团队人才流失加剧，多名核心研究员转投竞争对手

近期，苹果 AI 领域的资深研究员相继离职。最新离职人员包括 Yinfei Yang（创业）、Haoxuan You（加入 Meta 超级智能研究部门）、Bailin Wang（加入 Meta）、Zirui Wang（加盟谷歌 DeepMind）。此前 Siri 高级主管 Stuart Bowers 也已离职，转投谷歌 DeepMind。

深度解读 & 洞察：

苹果在 AI 核心产品发布前夕遭遇关键技术人才集中离职，这对新版 Siri 的迭代进度和技术领先性可能产生深远影响。这些研究员负责开发支持下一代功能的核心 AI 模型，带走了大量技术积累。

人才流失反映了一个结构性问题——在 AGI（通用人工智能）探索方面，苹果的开放性和资源投入可能不如 Google、OpenAI 等竞争对手。顶尖科学家更愿意加入那些「技术边界最前沿」的团队。

对于苹果而言，如何在保守的生态系统文化与开放的创新探索之间找到平衡，将成为留住人才的关键。

DeepMind 功勋科学家 David Silver 宣布离职，创办 Ineffable Intelligence

AlphaGo、AlphaZero 和 MuZero 的核心开发者 David Silver 宣布离职，创办 Ineffable Intelligence。他认为仅凭人类数据训练的大语言模型无法实现真正的超人工智能，主张通过强化学习让 AI 不断试错和自我体验来获取知识。

深度解读 & 洞察：

David Silver 的离职折射出 AI 发展路径的分歧——一边是大语言模型通过「预测下一个 token」疯狂扩展，另一边是强化学习通过「与世界互动」积累经验。Silver 把赌注压在后者，认为这才是通往 AGI 的真正路径。

Ineffable Intelligence 目前正在吸引投资者和顶尖研究人员，这意味着一场关于「如何实现超人工智能」的新竞赛正在展开。越来越多的顶级科学家从科技巨头离职探索新方向，将推动多元化的技术路线竞争。

生态与基础设施

清华系 AI Infra 公司清程极智推出 AI Ping，解决大模型 API 选型信息不对称

清程极智推出 AI Ping 平台，定位为「大模型 API 的大众点评」，通过 7×24 小时动态性能监控、智能路由动态匹配、统一 API 度量衡三大功能，解决大模型 API 选型黑盒问题。

深度解读 & 洆察：

当前大模型 API 市场存在明显信息不对称——同一模型在不同供应商手中，价格、延迟、稳定性等指标差异显著。开发团队选择 API 时缺乏可靠参考，只能逐一测试，效率低下。

AI Ping 的出现标志着大模型 API 服务从「能跑」向「好用」进入精细化运营阶段。当供应商的评测数据公开可比较时，服务质量排名将直接影响其获取的流量和信任度，形成倒逼效应。

更重要的是，清程极智自身不持有算力或提供 MaaS 服务，避免了「既当裁判又当运动员」的质疑。这种中立第三方评测生态，有助于行业健康发展。

Cursor 深度技术分享：安全地为大型代码库建立索引

Cursor 详解其本地化索引策略：基础的语法解析和符号提取在本地完成，仅将脱敏后的符号信息同步到云端，避免全量代码上传带来的安全风险。

硬件版 OpenClaw：两个 95 后华人的本地 Agent 硬件探索

Pamir 公司推出 Distiller Alpha 硬件产品，定价 250 美元，基于树莓派 CM5 计算模块，集成了墨水屏、麦克风、扬声器、摄像头及多种 IO 接口，定位为「原生为 Agent 设计的 Linux 小电脑」。

OpenAI 发布 macOS 版 Codex 应用：打造多智能体协作的「指挥中心」

OpenAI 推出适用于 macOS 的 Codex 桌面应用，定位为 AI 智能体的「指挥中心」，支持多智能体并行工作、内置工作树支持、技能驱动自动化等功能。

蚂蚁灵波团队发布 LingBot-VA：全球首个用于通用机器人控制的因果视频-动作世界模型

LingBot-VA 引入自回归视频预测机制，让机器人在执行动作前先对未来几秒的场景进行推演，实现基于想象的决策能力。在 RoboTwin 2.0 和 LIBERO 仿真基准上表现优异。

更多动态

技术与产品

具身智能与机器人

应用与市场

监管与安全

其他

想第一时间获取最新内容？
欢迎加入我们的 Telegram 群组 @ai_news_plus，抢先获取每日更新。
立即加入群组
Telegram 群组二维码