AI 新闻日报｜2026-08-26
主题： 算力代际跨越与开源模型反转------AI 进入"持续学习"前夜
编制时间： 2026-08-26
本期看点： Vera Rubin 实测 30 倍吞吐跃升、Ilya SSI 持续学习模型或本周亮相、开源模型调用首超闭源
一、要闻速览（Top Stories）
| 序号 | 事件 | 标签 | 关键词 |
|---|---|---|---|
| 1 | 英伟达 Vera Rubin NVL72 实测：DeepSeek 吞吐暴涨 30 倍 | AI Coding | Vera Rubin、AgentX、30 倍吞吐、成本降 35 倍 |
| 2 | OpenAI 自研推理芯片 Jalapeño 首测：每瓦性能超英伟达 1.9 倍 | AI Coding | 自研 ASIC、博通合作、推理成本降 60%、9 个月流片 |
| 3 | Ilya SSI 首款模型或本周亮相，投资人称为年度最重要发布 | AI Coding | 持续学习、TTT 架构、灾难性遗忘、320 亿美元估值 |
| 4 | 斯坦福直播训练 535B 参数 Marin 大模型，打开训练"黑箱" | AI Coding | Percy Liang、18.75T token、GB200 NVL72、训练透明化 |
| 5 | 法律 AI 独角兽 Harvey 采用 Kimi K3 为底座发布 Tenet | AI Coding | 中国开源模型出海、法律 Agent、LAB 基准翻倍 |
| 6 | 开源模型调用占比首超闭源，中国模型包揽前五中四席 | 综合 | OpenRouter、62% vs 38%、DeepSeek 连续三周第一 |
| 7 | 小鹏机器人首轮融资超 9 亿美元，车企集体驶入具身智能赛道 | 具身智能 | IDG 领投、63 亿美元估值、IRON 量产、腾讯阿里入局 |
| 8 | 原力灵机 DM0.5 登顶 RoboDojo 评测榜 | 具身智能 | VLA 架构、Memory 维度第一、4B+680M、已开源 |
| 9 | 宇树创始人王兴兴：具身智能"ChatGPT 时刻"最快两三年到来 | 具身智能 | 对齐偏差、自进化、80% 日常任务、物理 AI |
| 10 | 光象科技发布物理原生世界模型 Phi-WM 1.0 | 具身智能 | ActEffect、可微物理反馈、sim-to-real、训练时反馈器 |
二、AI Coding 方向深度动态
1. 英伟达 Vera Rubin NVL72 实测：DeepSeek 吞吐暴涨 30 倍
事件： 8 月 24-25 日，英伟达在 Hot Chips 2026 峰会首次公布下一代机柜 Vera Rubin NVL72 片上实测数据，使用 DeepSeek V4 Pro 运行智能体编码负载，每兆瓦吞吐量较当前主力 GB300 NVL72 最高提升 30 倍，每百万 Token 成本最高降低 35 倍。
核心参数 / 产品细节：
- Vera Rubin NVL72 集成 72 颗 Rubin GPU + 定制 Vera CPU，288GB HBM4（带宽 22TB/s），第六代 NVLink 双向互联 3.6TB/s
- 采用 Prefill/Decode 分离、KV 感知路由、NVFP4 量化、大规模专家并行等六项协同设计
- 配套 Groq 3 LPX 推理加速器同步全面量产，单设备每秒最高输出 3400 Token，长上下文输出创纪录
- 英伟达 DSX MaxLPS 电力管理技术可在相同兆瓦预算内部署最多 40% 更多 GPU
- 首款 Agent 专用 Vera CPU 发布，已被 SpaceXAI 规模化部署并计划送上太空
值得关注的原因：
- 30 倍不是单芯片速度提升，而是机架级系统协同设计结果------标志着算力评价体系从"峰值 FLOPS"转向"每兆瓦有效 Token 产出"
- 电力成为 AI 工厂的新硬约束，每兆瓦吞吐量决定收入上限、每百万 Token 成本决定利润率
- 旧基准失效：英伟达改用反映上下文增长与工具调用的 AgentX 测试，直接定义了 Agent 时代的性能度量新标准
- 同期英伟达服务器报价已上涨逾 15%，向微软、谷歌等核心客户发出调价通知
2. OpenAI 自研推理芯片 Jalapeño 首测：每瓦性能超英伟达 1.9 倍
事件： 8 月 25 日，OpenAI 在 Hot Chips 2026 大会公布首款自研推理 ASIC 芯片 Jalapeño 的基准测试结果，在 SemiAnalysis InferenceX 测试中，每瓦 AI 工作量达到英伟达 GB200/GB300 的 1.5-1.9 倍，端到端延迟降低 1.7-3.6 倍。
核心参数 / 产品细节：
- 由 OpenAI 与博通联合开发，TSMC 3nm 工艺，高带宽内存直接集成在 interposer 上
- 额定 700W，实测不超过 550W，在 GPT-OSS 120B、DeepSeek R1、Kimi K2.5 三模型上测试
- 每百万 Token 服务成本降低 60%
- 从设计到流片仅用 9 个月，OpenAI 利用自身 AI 模型参与芯片设计
- 计划 2026 年底小规模部署，2027 年扩大产量，二代已在开发
值得关注的原因：
- OpenAI 在推理成本上开始摆脱 GPU 供应商依赖，推理 ASIC 化趋势加速
- "AI 设计芯片"闭环形成：用 AI 模型参与芯片设计，9 个月完成流片，大幅缩短传统 18-24 个月周期
- 与 Anthropic 组建自研芯片团队的动向形成共振------头部 AI 公司正全面下沉至芯片层
- 英伟达财报在即（8 月 26 日盘后），Jalapeño 数据为市场增添了"自研替代"叙事压力
3. Ilya SSI 首款模型或本周亮相，投资人称为年度最重要发布
事件： 8 月 25 日，a16z 合伙人 Casado 预告获得一款新模型访问权限，称其为"今年最重要的模型发布"，多方线索指向 Ilya Sutskever 旗下 SSI（Safe Superintelligence Inc.）的首款模型，或于 8 月亮相。7 月英伟达已投资约 50 亿美元并提供 Vera Rubin 独家访问。
核心能力 / 产品细节：
- 传闻核心突破为持续学习（Continuous Learning），采用测试时训练（Test-Time Training, TTT）架构
- 模型阅读文档时不是塞入"上下文窗口"（开卷考试），而是真正产生梯度更新、改变自身权重结构
- 阅读结束后模型已进化为全新个体，将读到的内容内化为知识，不再依赖巨大上下文窗口
- SSI 成立两年几乎零公开成果，以无收入无产品之姿完成 20 亿美元融资、估值达 320 亿美元
- Ilya 理念：超级智能不是出厂时背下全网数据的庞大机器，而是"极其聪明、充满好奇心的 15 岁天才"
值得关注的原因：
- 若持续学习突破成真，将颠覆现有大模型"训练即冻结"的根本范式------模型可在部署中持续进化
- 攻克"灾难性遗忘"意味着大模型的训练、部署与更新方式可能被完全重写
- Ilya 押注的方向是"模型能不能改变自己"，而行业目前竞争的是"模型能思考多久"------两个截然不同的赛道
- 英伟达 50 亿美元独家算力支持，显示算力巨头对"非 Scaling Law"路径的真金白银押注
4. 斯坦福直播训练 535B 参数 Marin 大模型，打开训练"黑箱"
事件： 8 月 25 日，斯坦福 CRFM 主任 Percy Liang 宣布启动 Marin 535B-A23B（5350 亿总参数、230 亿激活）训练，全程公开数据配方、训练曲线与失败记录，吴恩达公开力挺。
核心参数 / 产品细节：
- MoE 架构，总参数 535B，激活参数 23B
- 使用 18.75 万亿 token 训练，部署 11 套 GB200 NVL72
- 预计连续训练约 3 个月，算力约 2.7×10²⁴ FLOPs
- 公开 Weights & Biases 实时仪表板，展示 loss 曲线、数据配方和失败记录
- 将发布数据、检查点和训练指标
值得关注的原因：
- 打破 GPT-4、Claude 式黑箱训练，让公众首次看见大模型从零生长的全过程
- 为研究者提供罕见机会，检查大型训练运行的发展过程，包括挫折和权衡
- Percy Liang 是斯坦福 CRFM 主任、基础模型评估标杆 HELM 的创建者，其透明化实践对学术与产业均有示范意义
- 535B 参数规模虽不及万亿级商业模型，但开放训练数据配方与失败记录的价值远超 Benchmark 分数
5. 法律 AI 独角兽 Harvey 采用 Kimi K3 为底座发布 Tenet
事件： 8 月 25 日，法律 AI 独角兽 Harvey 发布首个基于开放权重后训练的模型 Tenet，以 Kimi K3 为基座，面向长时执行、连续调用工具的法律任务，LAB 基准完成数近底座两倍。
核心能力 / 产品细节：
- 以 Kimi K3（2.8T 参数开源模型）为底座进行后训练
- 面向法律场景的长时执行、连续工具调用任务
- LAB 基准完成数接近底座模型的两倍
- Cursor、Devin、Cosine 及 Thinking Machines 纷纷采用 Kimi 或 DeepSeek 作为基座
值得关注的原因：
- 中国开源模型正以底座、合成数据等形式进入美国 AI 产品供应链------从"技术圈讨论"升级为"商业级采用"
- 通用模型能答法律知识却难完成真实法律任务，稀缺的是"怎样做、怎样检查"的判断，只能靠训练传递------这正是开源权重后训练的价值
- 路透社基于阿里 Qwen3.5 开发 Thomson-1 模型，Airbnb、Pinterest 等海外企业大规模转向千问，Pinterest 称成本不到闭源模型的 8%
- 开源模型正从"追赶者"变为"供应链底座"，改写全球 AI 产业分工格局
6. 开源模型调用占比首超闭源，中国模型包揽前五中四席
事件： 据 OpenRouter 数据，8 月 22 日开源模型使用率达 62%，首次超过闭源模型 38%，中国模型占据全球调用量前五中的四席，DeepSeek-V4-Flash 连续三周位居第一。
核心数据：
- 开源模型调用占比两个月内从 28% 升至 62%，完成结构性反转
- DeepSeek-V4-Flash 连续三周全球调用量第一
- 即便英伟达也砸下 60 亿美元支持开源（拟收购 Poolside 技术并开发开源 Nemotron 4）
- 最强的闭源模型 Fable 5 却"卖不动"
值得关注的原因：
- 开发者与生产系统正用脚投票，开源权重在成本、可控性与生态上的综合优势压过闭源旗舰单项性能领先
- 中国 AI 大模型周调用量已连续 17 周全球第一，国产开源生态影响力持续扩大
- 英伟达向上游模型层收编，自研开源权重既能绑定生态，也能稀释对外部闭源模型的依赖
- 这标志着"开源=追赶者、闭源=领先者"的传统叙事被彻底打破
三、具身智能方向深度动态
7. 小鹏机器人首轮融资超 9 亿美元，车企集体驶入具身智能赛道
事件： 8 月 24 日，小鹏旗下人形机器人业务完成首轮超 9 亿美元股权融资，投后估值超 63 亿美元（约 430 亿元人民币），刷新中国具身智能行业单轮私募股权融资纪录。本轮由 IDG 资本领投、高榕创投跟投，阿里与腾讯以战略投资者身份入局，融资后小鹏仍控股约 68.41%。
核心细节：
- IRON 人形机器人坚持软硬件全栈自研，计划 2026 年底启动量产
- 明年面向中国及海外市场正式上市交付，目标月产能可根据市场需求迅速提升至数千台
- 海内外已有特斯拉、小鹏、比亚迪、理想、广汽、长安等近 20 家主流车企入局人形机器人赛道
- 何小鹏称：每台 IRON 机器人全生命周期收入和毛利贡献将大幅高于当前汽车业务单车均价
值得关注的原因：
- 车企集体涌向具身智能的核心逻辑：汽车产业链与机器人产业链高度重合，电机、电控、传感器、芯片、精密制造均为存量能力
- "自备场景、自我验证"的技术与商业闭环是创业公司不具备的优势------汽车总装车间正是人形机器人场景落地最理想的第一站
- 腾讯、阿里同时下注一家机器人公司，说明大厂对具身智能已从"观望"转为"必须占坑"
- 高估值面临修正压力：若量产延期、场景验证不达预期，430 亿估值将受到考验
8. 原力灵机 DM0.5 登顶 RoboDojo 评测榜
事件： 通用具身基础模型 DM0.5 在港大等近 20 所机构联合发起的 RoboDojo 评测中综合排名第一，仿真榜以 24.90 综合得分、19.34% 平均成功率大幅领先。
核心参数 / 产品细节：
- 采用 4B VLM 主干 + 680M 动作专家的 VLA 架构
- Memory 维度得分 47.74 分、成功率 47.44%，远超第二名，成为登顶关键
- 在真机、仿真、导航多榜刷新纪录
- 具备抗干扰、亚毫米精操、60 秒长记忆等能力
- 已全面开源模型权重与训练框架
值得关注的原因：
- Memory 维度的压倒性优势说明"记忆"正在成为具身智能能力跃升的关键分化点
- 4B+680M 的轻量架构登顶，打破了"参数越大越强"的惯性认知，小而精的 VLA 架构同样具备竞争力
- 开源权重与训练框架将加速学术界和产业界的复用与迭代
- RoboDojo 由近 20 所机构联合发起，评测权威性高，DM0.5 登顶标志国产具身基础模型的真实竞争力
9. 宇树创始人王兴兴：具身智能"ChatGPT 时刻"最快两三年到来
事件： 8 月 20 日，在 2026 世界机器人大会主论坛上，宇树科技创始人王兴兴以《从展品到产品：人形机器人产业的下一个十年》为题发表演讲。前一日宇树科技作为"A 股人形机器人第一股"在科创板上市。同期宇树 IPO 后股价下跌约 45%，市值从约 80 亿美元缩至约 44 亿美元。
核心观点：
- 具身智能产业临界爆发点最快两到三年、最慢五到十年就会到来
- "ChatGPT 时刻"定义：一台机器人带到任意陌生环境（如家庭），能通过语音/文字指令完成约 80% 日常任务
- 核心瓶颈：AI 模型输入输出与物理世界的"对齐偏差"------视觉判定成功但最后几毫米出现触觉/位置误差
- 宇树正在推进"物理 AI 机器人自进化"：AI 自主检索论文→编写控制代码→仿真验证→真机部署→评价反馈→正向循环
值得关注的原因：
- 王兴兴首次系统阐述"自进化"路线图，将编程智能体引入机器人技能开发闭环
- IPO 后股价跌 45% 是一记警钟：资本市场对"人形机器人"从概念炒作转向业绩验证，"酷"不等于"赚钱"
- 资本正从"通用人形"流向"应用特定自主"------农业除草、回收分拣等赛道因 ROI 清晰获得更多投资意向
- 中国非人形工业机器人市场预计 2028 年达 300 亿美元，远大人形机器人市场 2030 年 40 亿美元的预测
10. 光象科技发布物理原生世界模型 Phi-WM 1.0
事件： 8 月 25 日，光象科技发布物理原生世界模型 Phi-WM 1.0（ActEffect），将世界模型变为"训练时反馈器"，让机器人在训练中学习动作会带来什么后果。
核心能力 / 产品细节：
- 基于 Physics-native Intelligence 路线，将物理规律作为可微反馈注入训练过程
- 区别于视频式预测（生成未来画面），Phi-WM 让模型在训练时直接获得物理后果的梯度信号
- 提升 sim-to-real 可靠性与动作可控性
- 同期开源 XWM 框架（Latent Diffusion Model 架构）引发社区关注，声称将样本复杂度降低一个数量级
值得关注的原因：
- 把世界模型从"推理时预测器"变为"训练时反馈器"，是具身智能基础模型范式的重要分叉
- 物理原生路线如果跑通，将减少对海量真机数据的依赖，降低具身智能数据成本
- 同期 XWM 开源框架在 Hacker News 引爆讨论，社区预测 18 个月内世界模型控制将成复杂操作标准范式
- 世界模型赛道从"谁的模型大"转向"谁的物理对齐更好"，开辟了新的技术竞争维度
四、产业趋势总结
- 算力评价体系从"峰值 FLOPS"转向"每兆瓦有效 Token"：英伟达 Vera Rubin 的 30 倍吞吐提升不是单芯片提速，而是机架级协同设计结果，电力成为 AI 工厂新硬约束，评价标准从训练算力转向智能体长效运行的能效比拼。
- 头部 AI 公司全面下沉至芯片层：OpenAI Jalapeño 每瓦性能超英伟达 1.9 倍、Anthropic 组建自研芯片团队、苹果 M6/M5 Ultra 为本地 LLM 优化------推理 ASIC 化趋势加速，算力自研从"可选项"变为"必选项"。
- 开源模型从"追赶者"变为"供应链底座"：开源调用占比两个月内从 28% 飙升至 62% 首超闭源，中国模型包揽全球前五中四席，Harvey、路透社、Cursor、Devin 等美国产品纷纷采用 Kimi/DeepSeek 为底座------开源权重在成本、可控性与生态上的综合优势压过闭源旗舰单项性能领先。
- "训练即冻结"范式面临持续学习挑战：Ilya SSI 的 TTT 架构让模型在阅读中改变自身权重结构，若攻克灾难性遗忘，将颠覆大模型训练、部署与更新的根本方式；斯坦福 Marin 直播训练则从另一个方向推动训练透明化。
- 车企成具身智能规模化推手：近 20 家主流车企入局人形机器人，汽车产业链与机器人产业链高度重合，"自备场景、自我验证"的闭环是创业公司不具备的优势，资本集中加注但高估值面临修正压力。
- 世界模型从"推理预测"走向"训练反馈"：Phi-WM 1.0 和 XWM 开源框架代表新范式------将物理规律作为可微反馈注入训练而非视频式预测，若跑通将大幅降低对真机数据的依赖。
五、值得持续关注的信号
- Ilya SSI 首款模型 的正式发布时间与持续学习能力的实际验证------若 TTT 架构突破灾难性遗忘，将触发范式级变革；
- 英伟达 Q2 财报（8/26 盘后） 中 Rubin 量产节奏与算力承诺的财务逻辑------市场关注 AI 资本开支回报质量；
- OpenAI Jalapeño 芯片 的年底小规模部署效果与 2027 年扩产计划------自研 ASIC 能否真正降低推理成本 60%；
- 宇树科技 IPO 后的业绩兑现 ------股价已跌 45%，市场从概念炒作转向业绩验证，具身智能行业"泡沫 vs 实力"的分水岭；
- 小鹏 IRON 机器人 2026 年底量产 节点------车企造机器人的首个交付验证，成败将影响整个车企入局叙事；
- 国务院"人工智能+"行动意见配套细则 的出台节奏------目标 2030 年智能终端/智能体应用普及率超 90%，6 大行动具体实施方案待落地；
- Hugging Face 130 亿美元出售意向 的最终买家与中立性走向------开源 AI 基础设施领域金额最高的并购之一。
本日报基于公开报道整理，仅供参考。数据来源：AI HOT API、腾讯研究院、36氪、机器之心、财联社、新浪财经、IT 之家、Smartotics、TechBytes、每日经济新闻、搜狐等。