article

AI 日报 · 2026-10-21(AI Coding × 具身智能)

13 min read

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)

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)

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)

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

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

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:

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

  1. 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。
  2. 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。