|
|
AI 动态 · 2026.09.05 · AI Coding × 具身智能
1. Anthropic Claude 自主形式化费马大定理：11 天 + 1300 万行 Lean 代码 + 30,300 定理 + Prove2Me 多智能体 DAG 调度，AI Coding 从“写代码”切到“形式化数学”
9.4 Anthropic 发布首个端到端计算机可验证的费马大定理（FLT）证明：Claude 在基本无人工干预下用 11 天完成了此前社区预计“需要数年”的工作。多个 Claude 智能体在 Prove2Me 平台上协作（Prove2Me 由 Anthropic 研究员 Tianyi Peng 在哥伦比亚大学的团队开发），用有向无环图（DAG）记录待证定理及其依赖、支持几十到上百个 agent 并行证明；最终写出约 1300 万行 Lean 代码、证明 30,300 个定理（其中 29,500 个被纳入最终证明），消耗约 60 亿输出 token。最终证明仅依赖 Lean 的三条标准公理，使用约相当于 Claude Fable 5.1 的通用内部研究模型；证明已开源在 GitHub，并通过独立 Lean 内核二次校验。Kevin Buzzard（Imperial College London，多年主持 FLT 形式化项目）审阅后评价：“AI 自动形式化大型数学成果已取得重要进展”。
关注：当 AI 把“千页级数学证明”压缩到 11 天自动形式化、且成果可被独立内核校验，意味着 AI Coding 的能力边界已从“写代码”切到“形式化数学/科学”——下一阶段只看“代码生成”或“补全”的工具将被淘汰，必须拥有“多智能体调度 + 长程任务规划 + 形式化验证”四件套的平台才能吃到下一波“AI for Science”红利。
2. 英伟达 129.3 亿美元收购 Hugging Face：AI 基础设施史上最大并购，开源生态正式被算力霸主收编，承诺保持独立运营
9.4 英伟达正式确认以约 129.3 亿美元收购全球最大开源 AI 平台 Hugging Face（HF）：后者累计服务超 1800 万名开发者、托管开源模型超 300 万个、超 20 万家企业完成 AI 模型部署。这是 AI 基础设施领域迄今最大规模的并购之一。英伟达承诺：HF 收购后将保持开放与中立、继续支持 AMD ROCm / Google TPU 等非英伟达硬件；但市场关注的是另一面——HF 与英伟达 CUDA 生态的深度整合（模型一键部署到 DGX/RTX、与 NIM 推理服务打通）将让英伟达在“开源模型 → 部署”全链路上拥有最强话语权。HF CEO 同步强调平台将持续兼容多云、多加速器。
关注：当“开源 AI 模型的事实中心”被 GPU 霸主以 129 亿美元收编，意味着开源生态从“独立中立基础设施”切到“算力巨头控股的开放平台”——下一阶段做开源模型托管的厂商需加速多元化（ModelScope、Ollama、Wisemodel 等），避免单一平台依赖；同时“开源 SDK + 商业化部署”双轨玩家将吃到整合红利。
3. Figure × Nscale 35 亿美元算力大单：人形机器人首笔超大算力承诺，10 万颗 NVIDIA Vera Rubin GPU 锁死 Helix VLA 模型训练，具身瓶颈从硬件切到算力
9.3 人形机器人公司 Figure 与英国 AI 云厂商 Nscale 达成多年战略合作：首批 35 亿美元、规划最高 60 亿美元以上，部署 NVIDIA Vera Rubin 平台、规划最多 10 万颗 GPU（首批算力预计 2027 下半年在德州 Barstow 上线）。合作指向 Figure 的视觉-语言-行动（VLA）模型 Helix 的下一代训练；同时 Nscale 对 Figure 进行战略投资、Figure 优先使用 Nscale 作为算力供应商，双方探索人形机器人在 Nscale 供应链环节的应用。Figure 同步公布数据众包项目 Index：应用下载 26.4 万次 / 108 国 / 4.4 万周活创作者 / 累计上传 1600 万段视频 / 每秒产生 35 分钟训练数据；Figure 此前 C 轮估值 390 亿美元、Figure 03 已实现每 90 分钟下线一台。
关注：当人形机器人公司开始签下与前沿 LLM 同等量级的“万卡级”算力订单，意味着具身智能的瓶颈已从“硬件能不能造出来”切到“算力够不够训练”——下一阶段只看“硬件参数 / 单台 Demo”的玩家将被快速剔除，必须同时具备“大规模真机数据 + 万卡级算力 + VLA 基模 + 量产能力”四件套的具身厂商才能进入下一轮融资与采购清单。
4. 阿里 Qwen3.8-Max 前端编程登顶 CodeArena：1691 分超 Claude Opus 5/Kimi K3，开源旗舰编程能力首次跨过闭源 SOTA
9.2-9.3 阿里更新旗舰 Qwen3.8-Max：经专项训练后其前端编程能力在 CodeArena 以 1691 分登顶，超过 Claude Opus 5、Kimi K3 等闭源旗舰；模型总参数量 2.4 万亿、上下文 100 万 token、综合成本 5 美元/百万 token，定位“高性价比开源旗舰”。CodeArena 评测覆盖复杂前端工程任务（多页面应用 / 组件交互 / 视觉细节），被业内视为目前最贴近真实前端工作的基准之一。
关注：当 Qwen3.8-Max 在“最贴近实战”的前端编码基准登顶，意味着 AI Coding 端“开源 vs 闭源”的能力差已收窄到几乎可互换——下一阶段只看“基础模型跑分”的玩家将被快速剔除，必须拥有“垂直场景微调 + 长上下文工程能力 + 性价比”三件套的开源厂商才能吃到下一波企业级 AI Coding 红利。
5. 深圳印发智能机器人产业方案（2026-2028）：重点攻克具身智能自主工具链 + 人形机器人本体及核心零部件自主化，具身政策从“通用机器人”切到“具身专用”
9.3 深圳市工信局与科创局联合印发《深圳市推动智能机器人产业高质量发展工作方案（2026—2028年）》：明确到 2028 年将深圳建设成为全球最具影响力的智能机器人产业高地、形成“两区两中心”协同发展新格局；重点任务包括培育招引具身智能与灵巧手企业、攻克人形机器人与核心零部件关键技术、推动国产操作系统应用、开展人形机器人与具身智能在工业等领域实景实训、通过市区联动服务机制支持企业融资上市。
关注：当深圳把“具身智能 + 灵巧手 + 国产操作系统 + 实景实训”四件事明确写进 2026-2028 三年方案，意味着具身智能的政策支持从“通用机器人”切到“具身专用工具链 + 国产化核心零部件”——下一阶段只看“政策概念”的玩家将被快速剔除，必须拥有“具身基模自研 + 核心零部件国产化 + 实景落地能力 + 资本通道”四件套的具身厂商才能吃到深圳/广东下一波产业红利。
一句话：AI Coding 端 Claude 费马大定理形式化 + 英伟达收购 HF + Qwen3.8-Max 前端登顶三件事叠加，正式宣告 AI Coding 从“写代码”切到“形式化数学 + 算力巨头收编开源 + 开源旗舰能力追平闭源”的下半场；具身端 Figure 万卡算力大单 + 深圳三年产业方案两件事叠加，行业从“百团大战”切到“算力军备 + 政策落地”双轮驱动。 |
|
发表于 