今日主线：模型迭代进入高频节奏，国产全模态与国产算力同步升级，AI应用、具身智能与基础设施持续加速。
一、国内动态：全模态落地，国产算力提速
1. 阿里千问发布 Qwen3.8-Omni-Flash
阿里千问发布原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频、视频等多种输入形式，并提供 1M Token 上下文能力，同时支持 Function Calling、联网搜索、深度思考与缓存。
模型覆盖视频内容处理、音视频摘要、会议纪要等场景。官方数据显示，在多项评测中较上一代模型平均提升超过 26%，音频及音视频输入成本也进一步下降。
同期推出实时同传模型 Qwen3.8-LiveTranslate，支持多语言识别和语音输出，并加入实时说话人分离、原文译文同屏以及长上下文语义消歧等能力。
2. 智谱发布 GLM-5.3-FlashX
智谱上线 GLM-5.3-FlashX，最高推理速度达到 200 tokens/s，相较上一版本进一步提升。
模型重点面向高并发推理、智能体和开发者应用场景。智谱同时公布了 Infra Agent 相关实践，通过智能体自动化优化基础设施流程，提高整体任务吞吐效率。
这一趋势说明，大模型竞争正在从单纯参数规模逐渐转向推理速度、成本效率和工程效率。
3. 华为持续完善国产 AI 算力体系
华为发布 昇腾 960 超节点，进一步强化大规模模型训练与推理能力。
同时，华为云推出 Agentic Cloud 企业级 AI 产品矩阵，并上线灵衢昇腾 950 智算集群相关服务。
从芯片、服务器、智算集群到云服务，国产 AI 基础设施正在形成更加完整的技术体系。
4. 中国电信发布 Xing4.0-29B-A4B
中国电信推出 星辰大模型 Xing4.0-29B-A4B，采用 MoE 架构，总参数规模 29B，激活参数约 4B。
模型原生支持 256K 上下文，并具备进一步扩展长上下文的能力。
经过量化后，模型显存占用进一步降低，可以在消费级 GPU 上运行部分长上下文任务，为本地部署和端侧应用提供更多选择。
5. 科大讯飞发布 Spark-Audio-1.0-Preview
科大讯飞发布 Spark-Audio-1.0-Preview 语音基座模型。
与传统"语音转文字→文本理解"的处理方式不同，该模型尝试直接对原始音频进行感知和理解。
模型采用音频编码器与 MoE 架构，并覆盖多语言和方言场景，体现出语音模型从单纯识别向多模态音频理解发展的趋势。
6. 腾讯 WorkBuddy 支持全栈应用生成
腾讯 WorkBuddy 上线全栈应用生成能力。
用户通过自然语言描述需求，即可生成包含云数据库、文件存储、注册登录以及 AI 调用能力的网站，并支持快速发布。
这类产品正在降低软件开发门槛，使自然语言逐渐成为新的应用开发入口。
7. 阶跃星辰推出 Step 5 Preview
阶跃星辰推出 Step 5 Preview，参数规模达到约 6000 亿。
模型重点关注复杂推理、代码开发和智能体任务，同时在模型价格与推理效率方面进行优化。
随着模型能力不断增强，开发者在实际选型时也将越来越关注效果、速度、上下文长度与调用成本之间的平衡。
8. AI青年技术趋势持续受到关注
2026 清华人工智能青年大会围绕未来 AI 技术发展展开讨论，并发布青年关注的 AI 技术方向。
其中包括：
-
多模态推理与生成大模型
-
可交互世界模型
-
长程任务智能体
-
多智能体协同
-
具身智能基础模型
-
递归自我改进技术
这些方向也代表了当前 AI 技术从"模型能力"向"复杂任务执行能力"发展的重要趋势。
二、具身智能：从实验环境走向真实场景
具身智能正在从实验室验证逐步进入家庭、工厂等真实环境。
1. 工业机器人规模化应用
汽车制造等工业场景正在进一步扩大机器人应用规模。
部分机器人企业已经开始探索轮式人形机器人、操作机器人以及多机器人协同系统，并通过真实生产环境持续积累训练数据。
机器人能力正在从简单重复动作向感知、规划、操作和任务协同发展。
2. Figure 发布 Helix 2.5
Figure 发布 Helix 2.5，进一步提升机器人在陌生家庭环境中的任务泛化能力。
相比固定场景下的训练，机器人能否在不同空间、不同物体和不同任务之间迁移能力，正在成为具身智能的重要评价指标。
3. 工业机器人集群进一步扩大
它石智航等企业持续推进机器人集群在工业制造场景中的应用。
从单台机器人向百台、千台级机器人协同发展，对调度系统、数据平台、机器人基础模型以及现场工程能力提出了更高要求。
4. 视觉记忆成为机器人研究方向
部分研究团队提出新的视觉记忆与 VLA 方案，将机器人过去看到的视觉信息作为任务决策的重要参考。
这意味着机器人正在逐渐形成类似"感知---记忆---决策---执行"的完整闭环。
5. OpenAI 持续推进机器人方向
OpenAI 继续扩充机器人相关团队，并探索机器人硬件、数据和基础模型之间的协同。
未来机器人系统可能不再只是独立设备，而是由基础模型 + 机器人本体 + 数据平台 + Agent共同构成。
三、海外前沿：研发自动化与产品整合
1. Anthropic 加速 AI 辅助研发
Anthropic 公布内部 AI 使用情况，Claude 在公司研发流程中的参与程度持续提升。
AI 正逐步进入代码生成、测试、文档、工程协作等研发环节。
这意味着 AI Coding 正从"辅助程序员写代码"，进一步发展到参与完整的软件研发流程。
2. Claude 产品持续整合
Anthropic进一步整合 Claude 聊天、Cowork 等产品，并推出文档和演示文稿相关能力。
AI 助手正在从单一聊天窗口向统一工作台演进。
未来用户可能通过一个 AI 工作入口完成：
写文档 → 分析数据 → 制作PPT → 编写代码 → 执行任务
3. AI + 科学研究进一步融合
Anthropic 等企业开始建设可以开展物理实验的 AI 实验环境，探索由 AI 调度机器人完成实验流程。
AI 的应用边界正在从数字世界向科研、实验和现实生产环境扩展。
4. OpenAI 持续拓展专业领域应用
OpenAI 推出面向法律专业场景的 Astra for Law，通过专业数据索引和模型能力，为法律信息检索与分析提供支持。
这一趋势体现了大模型从通用能力向垂直行业智能助手发展的方向。
5. Google Gemini 持续升级
Google 持续推进 Gemini 系列模型、智能体能力和 AI 研究体系建设。
同时，Google DeepMind 进一步加强对 AI 模型能力、智能体任务以及未来技术方向的研究。
6. 其他厂商持续推进 AI 产品
xAI、AWS、Microsoft、Mistral、Meta 等企业也在持续推出模型、Agent、开发平台和 AI 应用产品。
AI 软件生态正在从单纯的聊天模型逐步扩展至：
模型 → Agent → 工具 → 工作流 → 企业应用
四、融资、算力与基础设施
AI 产业资本继续向芯片、数据中心、模型基础设施和 AI 应用方向集中。
| 企业 | 方向 | 融资/估值 |
|---|---|---|
| Crusoe | AI数据中心 | 39亿美元，估值约309亿美元 |
| Positron AI | AI芯片 | 8.75亿美元，估值约50亿美元 |
| Euclyd | AI芯片 | 2.31亿美元 |
| EVAS Intelligence | AI算力芯片 | 近20亿元人民币 |
| Naive AI | AI技术 | 4亿美元 |
| 壁仞科技 | AI芯片 | 持续推进资本市场计划 |
| Mantic | AI预测 | 2500万美元 |
| Enhance | AI AgentOS | 512亿韩元 |
算力从 GPU 向数据中心体系扩展
随着大模型和 Agent 应用规模扩大，企业对算力的需求持续增长。
当前 AI 基础设施建设已经不只是 GPU 数量竞争，还涉及：
-
数据中心
-
网络互联
-
存储系统
-
电力供应
-
散热系统
-
芯片供应链
-
云计算平台
AI 算力基础设施正在成为整个产业链的重要组成部分。
电力成为 AI 基础设施的重要因素
大型 AI 数据中心持续扩大，使电力供应、储能、备用电源以及能源管理受到更多关注。
Meta、Google、NVIDIA 等企业正在探索长时储能和 AI 能源管理方案。
未来 AI 基础设施建设将越来越强调：
算力 + 电力 + 网络 + 存储 + 散热
五者之间的整体协同。
芯片与供应链持续调整
AI 芯片需求增长也带动存储、先进封装、服务器以及相关电子元器件需求变化。
从产业链来看，AI 正推动传统半导体产业进一步向高性能计算方向升级。
五、AI应用与产业落地
除了基础模型之外，AI 应用正在快速进入具体业务流程。
企业办公
AI 已开始进入：
-
文档生成
-
PPT制作
-
数据分析
-
会议纪要
-
企业知识库
-
智能搜索
-
软件开发
软件开发
自然语言生成网站和应用的能力持续提升。
未来软件开发可能形成：
需求描述 → AI设计 → AI编码 → 自动测试 → 自动部署 → 持续优化
开发者的角色也将逐步从单纯编码转向系统设计、业务理解和 AI 工程管理。
金融行业
AI 正进一步应用于数据分析、信息检索、研究辅助和知识管理等场景。
制造业
AI 与机器人、MES、工业视觉、设备数据平台结合，推动生产自动化和智能化。
六、研究与技术前沿
1. AI论文数量快速增长
ICLR 等国际 AI 学术会议投稿数量持续增加。
AI 工具正在降低论文整理、代码生成和实验辅助的门槛，同时也对学术研究流程提出新的要求。
2. AI智能体数学能力研究
研究团队正在探索多个 AI Agent 协同完成复杂数学问题的能力。
多智能体协作、任务分解和结果验证成为重要研究方向。
3. 动态参数模型
近期研究开始探索能够根据实时数据调整模型参数的技术路线。
与传统固定参数模型相比，这类方法希望进一步提升模型对动态信息的适应能力。
4. AI文本水印研究
研究人员持续探索 AI 生成内容识别与水印技术。
AI 内容检测、水印可靠性以及模型输出质量之间的平衡，仍然是值得研究的问题。
5. AI代码自动验证
Bend 等新型编程语言探索将代码证明机制与 AI 编程结合。
AI 生成代码后，通过自动验证机制检查代码正确性，有望进一步提高 AI Coding 的工程可靠性。
6. 端侧模型持续压缩
端侧大模型继续向更小体积、更低内存和更高运行效率发展。
模型压缩、量化、蒸馏等技术正在推动更多 LLM 从云端走向本地设备。
7. Qwen 系列开放模型持续受到关注
Qwen 系列开放模型在开发者社区保持较高活跃度。
小参数模型尤其受到关注，因为它们更适合：
-
本地部署
-
边缘设备
-
私有化环境
-
企业内部应用
-
Agent 工具调用
8. Agent Harness 成为新的工程变量
近期研究显示，不同 Agent Harness 在相同任务上的表现可能存在明显成本差异。
上下文管理、工具调用方式以及任务编排效率，会直接影响 Agent 的实际使用成本。
这意味着未来 Agent 工程不仅要关注模型本身，还要关注：
模型 + Context + Tools + Harness + Workflow
七、近期值得关注的技术日历
| 时间 | 关注事项 |
|---|---|
| 9月29日 | OpenAI DevDay |
| 10月10日 | 安森美新一轮价格调整 |
| 10月24日 | 部分模型服务版本调整 |
| 11月 | AI模型与开发平台持续更新 |
今日点评
9月19日最明显的变化，并不是某一个模型的参数再次刷新，而是整个 AI 产业正在进入高频迭代 + 快速落地的新阶段。
第一，模型更新越来越快。
从 Qwen、GLM、Step 到星辰、Spark-Audio，模型发布周期持续缩短。对于企业而言，大模型选型已经不再是一次性决策，而需要建立持续评测和动态选型机制。
第二，AI正在从模型走向完整工作流。
WorkBuddy、Claude、Agent 等产品说明，AI正在从"回答问题"进一步进入软件开发、办公协作、数据分析等实际任务。
第三，具身智能开始进入真实环境。
机器人正在从实验室向工厂、家庭等场景扩展。未来竞争重点将不仅是机器人本体，还包括基础模型、数据、记忆、规划和任务执行能力。
第四，算力基础设施的重要性持续提升。
GPU只是 AI 基础设施的一部分。数据中心、电力、网络、存储、散热和供应链正在共同决定 AI 系统能够达到的规模。
对于开发者和企业来说，真正值得关注的并不是"今天哪个模型最强"，而是：
哪个模型能够以合理成本，稳定地完成真实业务任务。
AI竞争正在从单纯的模型性能竞争，逐步进入模型能力、算力效率、应用落地与工程交付能力综合竞争的新阶段。
今日一句话
模型进入高频迭代时代，全模态、Agent、具身智能和国产算力同步发展，AI正在从"模型能力竞争"走向"产业落地竞争"。