西潮 · AI · 2026-10-29 · 第112期

今日导读：谷歌发布 Gemini 4 Carbon，卖点放在网络安全和长程任务，暂时只对少数渠道开放。Kodiak 签下 75 台无人重卡的商业订单，2028 年开始交付。特斯拉把车卖到了越南，直接对上本土占 36% 份额的 VinFast。

编辑寄语：这周发模型的节奏快过读文档的速度。一个月后还能被记住的，大概率是拿到订单和拿到牌照的那几家。

---

一、人形机器人

1. 日本试水会挥电锯的自主机器人，用来修剪铁路沿线树枝

• 摘要：一段演示视频里，一台装在轨道车上的金属人形机器人挥着电锯，把铁路旁的树枝一段段切下来，全过程自主运行，操作员在远处监护。设备由轨道车供电和移动，人形部分负责姿态和切割动作。
• 信源：Tom's Hardware · 2026-10-28
• 编辑点评：这个场景对双足平衡的要求不高，固定底座加机械臂也能干。难的是电锯启动后的反扭矩和震动，能让末端稳定在枝条上，说明控制环路做得比走路演示扎实。

2. RoboCup@Home 2026 的最佳论文，给了 NimbRo 队

• 摘要：Robohub 采访了 Raphael Memmesheimer，聊 NimbRo 队今年在家用机器人赛道的比赛过程和拿到的 2026 最佳论文奖。比赛环境是布置成公寓的场地，机器人要在里面完成找物、取物、跟人交互这类任务。
• 信源：Robohub · 2026-10-28
• 编辑点评：家庭场景的评测一直在"能做"和"做多久"之间摇摆。这套比赛能留住的只有评测流程。冠军视频第二年没人看，流程还有人照着重跑。

3. 多阶段移动操作，用阶段条件化的策略优化来拆

• 摘要：10 月 26 日提交到 arXiv 的论文提出阶段条件化策略优化，把移动操作这类跨阶段任务按阶段打标签训练，让同一套策略在移动、接近、操作之间切换时不必重训。
• 信源：arXiv · 2026-10-26
• 编辑点评：移动操作最容易翻车的地方是阶段衔接，走到位了不知道手该往哪放。把阶段显式建模，等于给策略装了个进度条，出了问题也能定位到是哪一段崩的。

4. 给机器人做对抗测试，让攻防两边自己博弈

• 摘要：arXiv 论文提出程序级的对抗协同自适应自博弈框架，让攻击策略和防御策略在同一个训练循环里互相升级，用于在部署前挖出机器人控制程序里的失效路径。
• 信源：arXiv · 2026-10-26
• 编辑点评：机器人安全测试现在还靠工程师手工设计几个极端场景。自博弈把"想不出怎么把它弄坏"这件事交给机器，覆盖面上限高得多。

---

二、智能驾驶

1. Kodiak 拿到第一份商业合同，75 台无人重卡 2028 年上路

• 摘要：Kodiak AI 与货运公司 DTL Transport 签署交付协议，从 2028 年起提供 75 台自动驾驶重卡。这是 Kodiak 第一份有约束力的商业订单，此前它的自动驾驶业务多来自政府和小规模试点。
• 信源：TechCrunch · 2026-10-28
• 编辑点评：重卡客户算的是每英里成本，不是乘坐体验，这让无人货运的商业模型比 Robotaxi 好推。75 台还验证不了规模效应，但有约束力的合同能拿去谈融资和保险。

2. 特斯拉进越南，对上占三成六市场的 VinFast

• 摘要：特斯拉开始在越南招聘销售经理、开发人员和采购经理，正式进入这个市场。VinFast 在当地份额约 36%，有自己的工厂、充电网络和价格带。
• 信源：Electrek · 2026-10-28
• 编辑点评：越南是少数本土品牌已经把价格和政策位置都占住的市场。特斯拉进去更像先布一个区域支点，短期冲量不现实，长期是给东南亚的供应链和服务网络探路。

3. 休斯顿那块"火箭形"服务区，有一部分其实不接单

• 摘要：特斯拉在休斯顿上线的 Robotaxi 服务区被画成一枚火箭，但 Electrek 核对后发现，图形覆盖的市中心部分区域实际不在接客范围内，用户在那个范围里叫不到车。
• 信源：Electrek · 2026-10-28
• 编辑点评：把运营边界画成营销图形，这招在自动驾驶行业不算新鲜。用户第一次站在"地图里有车、实际叫不到"的路口，后面就很难再让他信任那张图。

4. 通用汽车不放弃雷达，说纯视觉是在无视物理规律

• 摘要：通用计划最迟 2028 年推出高速自动驾驶功能，产品负责人 Sterling Anderson 在采访中表示，只靠摄像头在部分光照和天气条件下受物理限制，雷达和激光雷达省不掉。
• 信源：InsideEVs · 2026-10-28
• 编辑点评：通用在这条路线上跟特斯拉对着站了好几年。摄像头便宜是事实，要把安全裕度押在"数据够多就能补上"，除算力之外还要时间，而时间不便宜。

---

三、世界模型 · 物理 AI

1. E0.5 把三维基础模型从"重建场景"推向"预测后果"

• 摘要：arXiv 论文提出 E0.5，把三维基础模型的目标从重建当前场景改成预测动作之后的场景演化，面向机器人的 world-action 建模，输出直接服务于策略学习。
• 信源：arXiv · 2026-10-26
• 编辑点评：重建精度再高，机器人也用不上，它要知道的是推一下会怎样。这条线上现在的竞争已经转到动作条件的建模质量，而不是数据规模。

2. Rollback 在世界模型里回到分叉点重挑样本

• 摘要：论文提出 Rollback，在世界模型内部记录策略走过的状态轨迹，把失败片段回退到分叉点重新采样，用更少的真实交互把策略往好的方向推。
• 信源：arXiv · 2026-10-26
• 编辑点评：世界模型最实际的价值是让"重来一次"变便宜。能不能稳定回到分叉点，决定了它是训练工具还是演示玩具。

3. 固定世界模型的置信区间，换个策略就失效

• 摘要：arXiv 论文讨论介入条件下固定世界模型的不确定性校准，结论是模型的共形置信区间在策略变化后不再成立，需要按目标策略重新标定才能用。
• 信源：arXiv · 2026-10-26
• 编辑点评：这个结论对做仿真训练的团队不太友好。世界模型不是训一次就能反复复用的资产，换策略就得重新标定，这部分成本得算进项目排期。

4. Foundry 融资 1 亿美元，做"自主工厂"

• 摘要：Foundry 完成 1 亿美元融资，方向是自主运转的工厂，投资方与具体客户未披露。这条赛道卖的是把排产、质检、物流串起来的自动化系统，而非单台设备。
• 信源：The Information · 2026-10-28
• 编辑点评：自主工厂卖的是换型速度。多品种小批量的订单结构下，能在一周内把产线改完的供应商才有溢价，机器人只是其中一环。

5. OmniBrain-0 把感知、决策、动作塞进一个具身模型

• 摘要：论文提出统一的具身智能体模型 OmniBrain-0，在同一套参数里处理多模态输入并直接输出动作，减少模块之间的接口损耗和信息丢包。
• 信源：arXiv · 2026-10-26
• 编辑点评：统一模型的诱惑是省掉工程拼接，代价是每一层都更难调试。具身这条线上，"一个模型全包"和"分层可解释"还会争很久。

---

四、AI 大模型

1. Gemini 4 Carbon 发布，谷歌把卖点放在网络安全

• 摘要：谷歌发布新一代前沿模型 Gemini 4 Carbon，官方称在编程、智能体任务和网络安全上有显著提升，安全能力是这次的主打。目前通过有限渠道开放，普通用户暂时用不上。
• 信源：The Verge · 2026-10-29
• 编辑点评：把网络安全当主打，等于找了一个别人不容易刷分的维度。这个方向的麻烦在于客户验证周期长，安全团队掏钱比开发者慢得多。

2. 英伟达开源转写模型 Nemotron 3.5，覆盖 40 种语言

• 摘要：英伟达发布 Nemotron 3.5 Transcribe，开放权重、免费使用，支持最多 40 种语言的音频转写，同时更新了 Granary v2。
• 信源：TechCrunch · 2026-10-28
• 编辑点评：语音转写的准确率已经卷到边际收益很低的位置。英伟达免费放模型，图的是开发者留在自家推理栈上，模型本身不赚钱。

3. Liquid AI 发 LFM3 家族，走非 Transformer 架构

• 摘要：Liquid AI 发布 LFM3 模型家族，首批几个版本都基于 LFM3-1.7B-Base，采用三混合层架构，在 22 万亿词元上预训练，定位是小参数做专用任务。
• 信源：Hugging Face · 2026-10-28
• 编辑点评：小模型竞争看的是单位算力的有效输出。混合层架构如果能把这笔账算明白，边缘设备上会有它的位置。

4. Meta 的广告召回引擎 Andromeda，靠模型和 GPU 一起设计

• 摘要：Meta 工程博客介绍新一代 Andromeda 广告召回系统，做法是把模型结构、系统调度和 GPU 特性放在一起设计，而不是各做各的优化。
• 信源：Meta Engineering · 2026-10-28
• 编辑点评：推荐系统的性能提升，这两年更多来自这种软硬一起改的活。论文不好写，省钱效果直接体现在机房账单上。

5. 菲尔兹奖得主 Terence Tao 提议搞"数学 2.0"

• 摘要：Terence Tao 在《自然》撰文，讨论 AI 辅助证明在过去几个月的进展，呼吁数学界建立一套与机器协作的研究规范，他称之为 Maths 2.0。
• 信源：Nature · 2026-10-28
• 编辑点评：顶级数学家主动改自己的工作流，比任何实验室的榜单都有说服力。接下来要看机器给出的证明能不能按现有审稿规范被验收。

6. Meta 的 Muse 实时化身，一张图变成会说话的角色

• 摘要：Meta 研究团队发布 Muse Realtime Avatar，把 Muse Realtime Voice 的能力扩展到视觉，输入一张图片即可生成带表情、口型同步的对话角色。
• 信源：Meta AI Research · 2026-10-28
• 编辑点评：脸早就不难了。卡住虚拟人的是延迟和打断，实时语音配上实时渲染，才算把"像在跟人讲话"做完整。

7. Anthropic 考虑把 IPO 的 15% 到 20% 分给散户

• 摘要：彭博报道，Anthropic 正讨论把这次发行的 15% 至 20% 分配给散户投资者，这个比例高于大型科技公司上市的常规安排。
• 信源：Bloomberg · 2026-10-28
• 编辑点评：把份额往散户手里放，通常说明机构那边的认购意愿没到抢的程度。对一家还在亏损的公司，散户是最有耐心的那部分钱。

---

五、AI 软件

1. Anthropic 上线工具，让企业看清 AI 的钱买到了什么

• 摘要：Anthropic 推出面向企业的支出分析工具，把 token 消耗和具体任务、团队对上。TechCrunch 提到，本周披露的财务数据里，Claude Code 已经是实打实的收入来源。
• 信源：TechCrunch · 2026-10-28
• 编辑点评：企业客户现在最想知道哪个团队在烧钱而产出为零。这类工具卖的是预算谈判里的证据，不是可视化。

2. OpenAI 的 Dot 智能体，现在能发短信找它

• 摘要：OpenAI 给 Dot 智能体加了短信入口，用户可以通过 iMessage 和 RCS 直接派任务，不必打开 App。
• 信源：Engadget · 2026-10-29
• 编辑点评：把 agent 塞进短信，抢的是用户最不需要学习的界面。代价是能力被短信的交互长度限制住，复杂任务还是得回 App 做。

3. 亚马逊上架 2.5 亿条竞品商品，为了留住购物的人

• 摘要：据 The Information 报道，亚马逊 在站内展示了来自竞争对手的约 2.5 亿件商品。目的是让用户在自己的页面里完成比价，不必把需求交给外部购物 agent。
• 信源：The Information · 2026-10-28
• 编辑点评：电商开始为"被机器读到"做优化，长期影响会比 SEO 大。商品页面的读者正在从人变成 agent，排版和结构化数据都得重做。

4. Gartner 调查里只有 3% 的组织说 AI 达到了降本目标

• 摘要：Gartner 调查显示，只有 3% 的受访组织认为自己在生产率和成本节约上达到了使用 AI 的既定目标，多数企业仍停在试点阶段，投入和流程改造不同步。
• 信源：TechRadar · 2026-10-28
• 编辑点评：这个数字和营收端的叙事差得很远。钱花在买工具上，没花在重排流程上，试点自然收不了官。

5. 微软停止在智能电视上支持 Copilot

• 摘要：CES 2025 上 LG 和三星宣布电视接入 Copilot，不到两年，微软 确认这项支持结束，电视端的 Copilot 入口就此关闭。
• 信源：The Verge · 2026-10-29
• 编辑点评：电视是语音助手摔过最多跤的地方。客厅的使用频次撑不起一个独立入口，这一点从 Cortana 时代就没变过。

6. 特拉华州拟允许 AI 智能体经营公司

• 摘要：特拉华州提出一项公司法方案，允许 AI 智能体在没有人类董事的情况下经营企业。Ars Technica 把它称为"无人掌舵"的公司形态，讨论集中在责任归属。
• 信源：Ars Technica · 2026-10-28
• 编辑点评：公司法假定有自然人承担责任，agent 当上董事之后，违约和合规责任都得重写。修法推进得快慢，会决定多少 AI 公司愿意注册在特拉华。

7. Guidewire 17 亿美元现金收购 Hyperexponential

• 摘要：保险软件公司 Guidewire 宣布以 17 亿美元现金收购做智能体核保的 Hyperexponential，把 agent 能力并进保险核心系统。
• 信源：TechCrunch · 2026-10-27
• 编辑点评：保险是 agent 落地最快的行业之一，流程高度文本化，结果可核。核心系统厂商买下核保层，等于把 agent 直接塞进既有客户的合同里。

---

赛道统计：人形机器人 4 条 · 智能驾驶 4 条 · 世界模型与物理 AI 5 条 · AI 大模型 7 条 · AI 软件 7 条，合计 27 条。