主线:今天的关键词是「降温」。具身智能被信通院点名「出货≠上岗」、2–3 年首轮出清;AI coding 侧价格战打到 $0.15/百万 token,但榜单可信度与陌生任务泛化同时被质疑。真正的进展出现在「分发」和「工程化」层面。
1. 信通院《具身智能发展报告(2026)》:出货 2.2 万台,只有 13% 进了产线
事件(10 月 20 日发布,信通院 + 清华电子系 + 具身智能测试实验室,连续第三年)
- 上半年国内具身智能融资 322 起、约 935 亿元,同比增约 5 倍;世界机器人大会新品从 123 款增至 311 款。
- 全球人形机器人出货超 2.2 万台,同比增近 300%;5 家国内整机厂合计占 86% 以上。
- 结构失衡:文娱商演 + 科教数采合计超 60%,导览导购 19%,智能制造 13%,仓储物流 5%——真正进产线的不到两成。
- 数据边际效用骤降:Dyna-2 在 14 个自建任务集上,预训练数据从 10 万小时扩到百万小时,平均成功率仅 45% → 53%(+8pt);国内多数模型还停在 10 万小时以内,落后约一个数量级。
- 表演经济退潮:表演租赁日租金从 2025 年初约 2 万元跌至千元级(-80%~90%);二手旧款工程样机(原价 30–80 万)残值跌到 3–6 万,缩水近九成。
- 增收不增利:越疆科技上半年营收 3.16 亿元(+106.6%),净亏 1.08 亿元(同比扩大 163.8%);A 股 500+ 公司提及具身智能,披露相关收入的仅个位数。
为什么值得关注 这是目前对「演示经济 vs 真实需求」最硬的一份数据底座。它给出的判断是:洗牌已启动,未来 2–3 年完成首轮出清,政策端「实景实训专项行动」要求年底前推动超万台设备从演示转向常态作业。对做选型、投资、技术路线的人,校准预期的关键是三件事——泛化、可靠性、数据闭环,而不是本体出货量。同时它推翻了一个流行假设:堆数据不一定换来能力跃迁,具身很难复制 LLM 的扩展定律。
2. 奇瑞墨甲「墨宝」全球首发:车企把具身智能从「上岗」推到「入户」
事件(10 月 21 日,安徽芜湖,2026 奇瑞全球创新大会)
- 墨甲首款**消费级家庭陪伴人形机器人「墨宝」**全球首发并开启预订,定位从 B 端场景走向 C 端家庭。
- 技术核心是自研 MoAgent 大脑:多模态感知融合、任务自主规划(模糊指令拆解)、长时记忆(记住家庭成员偏好与历史对话)。
- 工程底座:31 个自研实验室;把智驾的环境感知算法、智能座舱的交互逻辑迁移到机器人;复用汽车级供应链与质量控制体系。
- 背景:墨甲机器人此前已在教育、医疗等 100+ 场景常态上岗,走的是 B 端先行路线。
为什么值得关注 家庭是高度非结构化场景,对运动控制与容错的要求远高于展厅和商场。车企以「车规级量产一致性 + 现成供应链 + 智驾算法迁移」切入消费级机器人,是今年最具差异化的一条路径。但发布会演示的可信度历来最虚——真正要盯的是预订转化率、实际使用时长、退货率,而不是情景剧。
资本面注脚:10 月 20 日晚宇树科技发布股票异常波动公告,三日涨幅偏离值累计超 30%,滚动 PE 388 倍(通用设备行业均值 39.5 倍),公司自行提示「人形机器人仍处商业化早期,存在估值回归风险」。一级市场同期:智元创新新一轮估值约 500 亿元,星尘智能 10 亿元融资后估值 150 亿元。估值已明显跑在收入前面。
3. Dream Labs 开放机器人 API:$3/小时,具身智能开始「按调用计费」
事件(10 月 19 日)
- 发布公开机器人 API 与 9000 万美元种子轮。旗舰模型 Dream-1 定价 $3/小时(Flash 版 $2),面向双臂 + 平行夹爪机器人。
- 硬件伙伴 MakerMods 称其机器人接入后数分钟内即开始尝试新任务。
- 定位为研究性 beta:性能随硬件变化,未针对安全关键场景做验证。
为什么值得关注 这是「具身智能的 API 化」——把模型能力与本体解耦、按小时计费,替代过去「每个场景重新采数据 + 微调」的老路。若这条路走通,机器人应用的开发门槛和试错成本会像 2023 年之后的 LLM 应用一样骤降,小团队也能低成本验证场景。短期风险很明确:硬件适配未标准化、可靠性未知,现阶段的定价更像是获客而非成本结构。
4. Agent 成本战打到 $0.15/百万 token,但「榜单可信度」同时被质疑
事件
- MiniMax M3.1 Flash(10 月 19 日):输入 $0.15、输出 $0.60、缓存读取 $0.015(¥1/¥4/¥0.1 每百万 token);线上推理提速近 3 倍(200+ tok/s),官方称 Agent 类任务综合成本降 70%。成绩:DeepSWE v1.1 73.7%、BankerToolBench 76.2、OSWorld V2 61.7(称国产第一)、CyberGym 82%。已上线 API / M Plan / MiniMax Code,权重后续开源。
- DeepSeek V4.1-Flash-1017(10 月 17 日):不降 token 单价,改任务处理方式,单次编码任务成本从 $0.5 降到 $0.2 以下。
- 争议:有研究者用改写过的 AA-Omniscience 留出题测试,指 M3.1 Flash 直接输出原答案(“query sniping”质疑,MiniMax 未回应,尚无第二家独立证实)。另有独立数据:事实准确率 56%,答错时 93% 的概率是高置信幻觉。
为什么值得关注 Agent 的经济性拐点确实到了——1 元/百万 token 意味着长循环 agent 可以「随便跑」,这是过去两年最大的成本约束松动。但选型的逻辑必须改:便宜的代价从「token 账单」转移到了「校验开销」。如果 93% 的错误是自信的错误,省下的 70% 成本会被人工复核吃掉。结论很直接:自建 held-out 评测集(自己的仓库、自己的工单、自己的失败样例)比任何公开榜单都重要,尤其当你把模型 hosted 在厂商自己的推理服务上时。
5. Meta Muse Wonder 一次铺进 7 家平台:coding 模型竞争从「跑分」转向「分发」
事件
- Muse Wonder / Wonder Full(10 月 12 日)主打长任务 coding agent:Active Memory(跨长任务保持状态)、Active Focus(长时专注)、失败后可恢复;1M 上下文、多模态输入、工具调用、子 agent 委派、computer use。定价 $4/$20 每百万 token。
- 分发:已通过 Cline、Cursor、Cognition、OpenRouter、Vercel AI Gateway、Cloudflare、Oracle 开放,不自锁在 Meta 自家产品内。
- 翻车:社区用「熔岩灯 3D 测试」(要求生成带透明玻璃外壳、动态熔岩、光照效果的灯)实测,普通版只输出一个红色圆柱体,被质疑 benchmaxxing(针对榜单过拟合)。Meta 首席 AI 官 Alexandr Wang 承认未针对 3D 演示显式训练,Model Card 也已把 3D/空间推理列为已知短板;同时强调公开的 SWE-Marathon 57.5、DeepSWE 1.1 79.0 分部分来自更强的 Wonder Full。
为什么值得关注 两点。一是策略:Meta 用「跨平台可移植」抢 agent 栈的默认模型位,而不是做封闭生态——这意味着模型层的竞争会越来越像云厂商的战争,赢在集成摩擦而不是单项跑分。二是它把「高分 vs 陌生任务翻车」的落差摆到了台面上,对所有用 benchmark 做采购决策的团队都是一次提醒:分数是必要条件,不是充分条件。
顺手一提(工程细节)
Claude Code 2.1.299+(10 月 14 日)值得跑长会话的团队审一遍配置:
- 超长空闲会话在缓存过期前自动 idle compaction(涉及
CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS); - 新增环境变量让
@提及只发送文件路径而非文件内容(CLAUDE_CODE_DISABLE_FILE_MENTIONS)——对代码保密和 resumed-session 读取成本都有直接影响; - plugin / hook 失败语义收紧,resume、缓存与权限模式行为有变,依赖 session-resume 的 CI 需要回归。
同期 LangChain 1.4.6 为 HumanInTheLoop 中间件加入 per-call interrupt,可以对单个工具调用(shell、部署、commit)设置审批门,而不是一刀切的全局开关——生产环境 coding agent 的必需件。
今日观察
- 具身智能的分水岭不是「能不能动」,而是「能不能稳定完成真实工作」。而数据规模已不再是唯一解释项——10 万到百万小时只换来 8 个点的成功率,说明瓶颈在数据质量、训练目标与部署工程,不在数量。
- AI coding 的竞争重心正从「模型能力」下移到「成本 × 分发 × 工程可靠性」三件套,而评测可信度正在变成一项新的隐性成本——买模型的人,得先学会不信榜单。