|
|
AI 动态 · 2026.08.27
AI Coding × 具身智能
① OpenAI 首款自研推理芯片 Jalapeño 跑分超英伟达，Codex 加速芯片设计
8.27 Hot Chips 大会，OpenAI 公布与博通联合打造的首款自研推理芯片 Jalapeño 首份跑分：三款公开模型上每千瓦吞吐量达英伟达系统 1.5 至 1.9 倍。该芯片从设计到流片仅用 9 个月（行业通常 18-24 个月），借助 Codex 等 AI 生成 kernel 加速芯片设计全流程；设计哲学为“少搬数据“——核心与 HBM4 内存切片直连、prefill 与 decode 同芯完成，计划 2026 年底极小规模部署，指向对外出租推理算力、争夺 AI 定价权。
关注：AI Coding 反向赋能硬件设计的标杆案例 —— Codex 不只是写业务代码，已进入芯片设计这类高壁垒工程环节；自研推理芯片把模型公司的成本命门从“买英伟达”转向“自己造”。
② Anthropic 发布 AI Native SDLC 手册，论文证实 harness 影响远大于换模型
8.27 Anthropic 应用 AI 团队发布《AI Native SDLC playbook》：AI 已让写代码变快，但评审、测试、发布等上下游仍停留人工速度成为新卡点；核心是把单向开发流水线改成循环 Loop，规划/设计/构建/部署/维护各阶段产出 intent.md、spec.md、plan.md 等版本化产物供人与 AI 接续读取、可追溯审计，配套 CLAUDE.md、Skill、Hook 三层规则。同期论文实测：在 100 个 SWE-bench Verified 任务上固定任务顺序与环境，换 harness 让 GLM-5.1 移动 13.0 分，harness 方差约为换模型的 7.8 倍；同一任务最快循环 39 分钟 vs 96 分钟、成本约低 30%，差距来自“系统提示重发量、工具输出累积、探索重试激进度”等“无聊细节”。
关注：当换模型只动 1 分、调 harness 能动 13 分，AI Coding 的竞争重心从“模型跑分”转向“工程脚手架与上下文卫生”；Anthropic 把经验沉淀成方法论手册，等于给行业发了份标准作业程序。
③ 智谱 GLM-5.3-Flash + 阿里 Qwen3.8-Flash 同日开源，coding 模型性价比塌方
8.27 智谱上线并开源 GLM-5.3-Flash（320B-A18B），为 GLM-5 系列首个原生多模态模型，AA 综合智能指数 57 分与 Claude Opus 4.8 持平，定价仅为 GLM-5.3 的 1/10、限时低至 Opus 4.8 的 1/40，是首个采用稀疏与线性注意力混合架构的开源前沿模型，视觉编码能力可自主观察渲染迭代，服务首次跑在大规模国产芯片集群。同日阿里 Qwen3.8-Flash 开源（125B 仅激活 6B 即超 Opus 4.6），训练成本较 Qwen3.7-Plus 骤降近 90%，每百万 Token 输入 1 元、输出 3 元，SWE-bench Pro 领先 Opus 4.6 达 9.1 分、AndroidWorld 高 22.5 分、具身 ERQA 领先 31.5 分。
关注：国产开源模型在同一天把“每百万 Token 成本”与“编程跑分”同时压到极致 —— coding 模型的性价比“斩杀线”被重划，中小团队用本地/低价模型跑 Agent 的门槛进一步塌方。
④ 原力灵机 DM0.5 登顶 RoboDojo 并全开源，具身模型走出“只给权重”模式
8.26 原力灵机（ForceIntellect）DM0.5 在 RoboDojo 基准取得 24.90 综合分、平均成功率 19.34%，展现突出记忆能力，并完成全开源——含训练框架与下游工作流。在具身智能普遍“只给权重、不公开训练与部署全栈”的背景下，开放全栈降低了研究者复现与二次开发的门槛。
关注：具身智能从“拼单点能力”转向“拼可复现全栈”——谁开放训练框架与数据工作流，谁就可能在研究者生态里抢到标准制定权。
⑤ 合肥 4 家具身智能机器人小店上岗，行业共识“机器人变打工人还需闯数据关”
8.26 合肥落地 4 家“具身智能机器人小店”，约 15 平门店内仅一台轮式人形“营业员”，顾客下单后机器人自动完成商品识别、抓取与递送，把具身智能的感知、决策与执行呈现到日常消费场景。同期业内形成共识：让机器人成真正“打工人”还需闯过数据关——当前国内真实物理交互合规数据仅 50 万小时，而商业化落地需要数千万小时，巨大缺口催生数据采集、仿真、评测等“卖铲人”机遇（觅蜂、德塔源创、光轮智能等数据基建企业 8 月融资活跃，光轮智能 2026 年估值已破 150 亿元）。
关注：具身从“展会表演”走向“街边小店”是真落地信号；但数据缺口数量级（50 万 vs 数千万小时）提醒行业——硬件量产易、数据积累难，上游数据基建可能比本体厂更早兑现商业回报。
一句话观察：AI Coding 端，自研芯片 + SDLC 方法论 + 国产开源性价比塌方三件事指向同一结论——“工程脚手架与成本”正取代“模型跑分”成为新竞争轴；具身智能端，RoboDojo 全开源 + 街边小店上岗 + 数据关共识，标志行业从“秀能力”切到“拼可复现与拼数据”。 |
|
发表于 2026-8-27 07:12:45
