Research Signal · 每日摘要

今日AI

2026年10月25日 星期日

摘要

1亮点：对AI泡沫的担忧在上升，但Amazon表示其2027年的AI算力基本售罄，而中国的AI使用量在六个月内翻了两番。

2中国企业公布实测成果：更少的仓储机器人完成更多工作、AI在77,000多家诊所提供协助，以及一个团队95%的新代码由智能体编写。

3把有效方法保存为可复用技能的智能体、机器人的现实检验，以及接近排行榜顶端的Kimi K3.1 Pro。

今日焦点
AI boom or bubble?
4x
growth in China's daily AI usage in six months (CAICT)
汇总自4个来源
★ 今日焦点

泡沫论越来越响，但卖AI算力的人说他们跟不上需求

投资者正在公开追问AI是否是泡沫。一档最受关注的AI节目梳理了警示信号：少数大客户占据了AI支出的很大一部分，一些较小的GPU A powerful computer chip, originally for graphics, that is now the main hardware used to train and run AI.租赁公司面临财务压力。与此同时，Amazon的CEO表示其云服务2027年的AI算力基本售罄，一家中国政府背景的研究机构报告称，中国每日AI使用量在六个月内翻了两番，而价格不降反升。

我们了解到

  1. 两种不同的风险常被混为一谈：股市下跌（痛苦但能挺过去）和债务危机，后者会通过借来的钱把损失传导给贷款方和保险公司。
  2. 支出高度集中：根据节目引用的数据，排名前1%的企业约占AI支出的80%。
  3. Amazon的Andy Jassy表示，AWS的算力在2027年基本售罄，2028年的大部分也已被预订；据报道，Amazon的一些芯片因为没有足够的电力而闲置。
  4. 中国信通院（CAICT The China Academy of Information and Communications Technology, a government-backed research institute that publishes tech industry reports.）发现，6月每日Token A small chunk of text, roughly part of a word, that AI models read and write. AI usage and pricing are counted in tokens.使用量（衡量人们使用AI多少的指标）达到约500万亿，约为去年12月的4倍，国内token价格几乎翻了一倍。

为何重要： 对小企业来说，现实的风险不是崩盘，而是价格上涨和算力受限。值得弄清楚你依赖哪些AI工具，并准备好备选方案。

分享这篇报道

来源（4）
  • The Most Concerning AI Bubble Signals · The AI Daily BriefWatch ↗
  • Amazon CEO Andy Jassy: AWS computing capacity basically sold out for 2027 (Chinese) · IT之家 (IThome)Read ↗
  • CAICT token service report: domestic model prices double, daily use hits 500 trillion · PandailyRead ↗
  • CAICT report: model prices rebound, token prices double (Chinese) · IT之家 (IThome)Read ↗
当天更多报道
How companies use AI
95%
of new code in one Alibaba Cloud team written by AI agents
汇总自3个来源
How companies use AI

中国的仓库、诊所和开发团队公布AI实测成果

本周有三家中国公司公布了数据。一家仓储机器人厂商重新安排了机器人的分工，用更少的机器完成了更多工作；一款医疗AI已被77,000多家基层诊所使用；阿里云表示，其一个工程团队几乎所有新代码现在都由AI智能体编写。所有数据均由这些公司自己报告。

主要收获

  • 海康机器人：让一种机器人负责一个存储巷道内的所有作业后，行驶路线缩短了50%以上，另一种机器人减少30%的情况下，系统完成的任务多了23.5%。其拣选工作站每小时最多处理900件，准确率超过99.99%。
  • 讯飞医疗：其临床助手服务于77,000多家基层医疗机构，已提供超过12亿次AI辅助建议；它起草的病历中有85%现在被评为合理。
  • 阿里云：其基础软件团队95%的新代码由智能体生成，并表示其面向智能体的操作系统将Token A small chunk of text, roughly part of a word, that AI models read and write. AI usage and pricing are counted in tokens.使用量降低了30%以上。

为何重要： 三家公司的规律是一样的：围绕AI重新设计工作流程时，AI才会见效，而不是简单地外挂上去。这对任何团队的下一个AI项目都是有用的视角。

分享这篇报道

来源（3）
  • Hikrobot launches single-unit smart mobile robots that deploy in 30 minutes · PandailyRead ↗
  • iFLYTEK Healthcare upgrades Spark Medical Model to V3.7 · PandailyRead ↗
  • OpenAnolis builds Anolis OS 27 agent-native as Alibaba Cloud says agents write 95% of new code · PandailyRead ↗
Agents that teach themselves
94.5 → 35.9 min
robot task time after reusing saved skills
汇总自2个来源
Agents that teach themselves

AI智能体通过记下有效做法而进步，无需重新训练模型

两个研究项目指向同一个方向。Google Research与西北大学的Harness The setup around an AI model (its tools, instructions, checks and helpers) that turns a model into a working agent.²让智能体改进自己的技能、检查和辅助智能体工具包；复旦大学的RoboSkill则让机器人把有效的方法保存为可复用的技能，由书面笔记加上它们运行过的代码组成。两者都在不重新训练底层模型的情况下取得了大幅提升。

主要收获

  • Harness²报告在复杂任务上提升了35到50分，一个工具包经过改进的较小模型，击败了使用默认设置的较大模型。
  • 不过有代价：每项任务需要4到20次练习，而且在一次运行中，智能体自己编写的检查器三次报告通过，而任务其实是失败的。
  • RoboSkill：复用已保存的技能，使一个机器人智能体的平均耗时从94.5分钟降到35.9分钟，其中把代码与书面笔记一起保存最为关键。
  • 共同的经验：主指令要保持简短，把专业知识存成小技能，让智能体在需要时加载。

为何重要： 这与为你的机器人维护一个共享技能库是同一个思路：写下来、可复用的经验，比越来越长的提示词更能让AI可靠。

分享这篇报道

来源（2）
  • Harness² Explained: Self-Improving Agents Without Training · Prompt EngineeringWatch ↗
  • Fudan's RoboSkill lets robot agents save what they learn as reusable text-and-code skills · PandailyRead ↗
Robots: reality check
0 of 11
plug-insertion tasks passed in SenseTime's real-robot tests
汇总自6个来源
Robots: reality check

机器人在实验室里越来越聪明，但大多数还没有在做真正的工作

商汤科技测试了当今最好的AI能否控制机器人，发现只要给足时间往往可以做到，但对实际应用来说太慢、太贵。一份中国政府背景的报告指出，今年出货的许多人形机器人每月开机不到10天。不过也有真实的工厂部署：在太仓的舍弗勒工厂，五台轮式人形机器人正在帮助组装机器人零部件；阿里巴巴旗下的高德只用人类视频就训练出了一个人形机器人。

主要收获

  • 商汤的报告：GPT-6-Astra把一支笔放进了笔筒，但平均耗时约263分钟。在真机测试中，它通过了18项简单抓取放置任务中的17项，但11项插头插入任务一项也没通过。
  • 中国信通院：娱乐、表演、教育和数据采集占人形机器人用途的60%以上；只有约18%用于工厂和仓库。
  • 高德的Lambda-0通过佩戴普通录制设备的人来学习（每次示范约29秒，而用真机器人约需100秒），在Unitree G1机器人上达到了62.5%的成功率。
  • 智元机器人（AGIBOT）发布了Genie Studio 2.0，称可以让一项新的机器人工作最快在7天内从零到完成测试，并创下110台人形机器人同时跳舞的吉尼斯纪录。

为何重要： 当一个机器人演示看起来很厉害时，要问任务花了多长时间，以及它在真实工作场所多久运行一次。这两个数字区分了演示和真正的部署。

分享这篇报道

来源（6）
  • SenseTime open-sources RoboRSI and tests GPT-6 on embodied tasks (Chinese) · Physical DailyRead ↗
  • Embodied AI mass production: who is actually working? (Chinese) · im-robotRead ↗
  • Rokae humanoids assemble robot joint parts at Schaeffler Taicang factory (Chinese) · im-robotRead ↗
  • Amap open-sources Lambda-0, a whole-body humanoid model trained only on human data · PandailyRead ↗
  • AGIBOT AI WAVE: Genie Studio 2.0 (Chinese) · im-robotRead ↗
  • AGIBOT sets Guinness record with 110 humanoids dancing (Chinese) · 36KrRead ↗
China's AI race
#4
Kimi K3.1 Pro on Artificial Analysis' Intelligence Index
汇总自4个来源
China's AI race

月之暗面的Kimi K3.1 Pro跻身独立排行榜前列，腾讯将其加入工作智能体

月之暗面发布了Kimi K3.1 Pro，这是一个超大模型，被一家独立测评机构排在总榜第四，可下载的权重承诺在11月4日发布。CNA的一部纪录片称腾讯在消费级AI上落后于字节跳动，而腾讯迅速把Kimi加入了其工作助手WorkBuddy。阿里巴巴也开放了一个仅限邀请的测试版，让人们只需描述就能创建和分享简单的应用。

主要收获

  • Kimi K3.1 Pro在Artificial Analysis指数中得分55，仅次于三个闭源模型，进步最大的是智能体任务。
  • 它非常庞大（2.8万亿参数），所以“开放”并不意味着能在笔记本电脑上运行；它需要强大的服务器硬件。
  • CNA：6月字节跳动的豆包月活用户为3.82亿，而腾讯元宝约为5,000万。
  • 阿里巴巴的Qwen Go! My Apps能把日常语言的需求变成可分享的无代码应用（目前仅限邀请）。

为何重要： 强大的模型来自越来越多的实验室，价格和选择也在不断变化。要选择能让你更换底层模型的工具。

分享这篇报道

来源（4）
  • [AINews] Kimi 3.1 Pro · Latent SpaceRead ↗
  • Tencent WorkBuddy adds Kimi-K3.1-Pro (Chinese) · 36KrRead ↗
  • Is Tencent Falling Behind in China's AI Race? · CNA InsiderWatch ↗
  • Qwen Go! My Apps: no-code shareable apps · PandailyRead ↗