2026-09-15 前沿科技洞见 · 日报

📊 今日关键数据

• 10 万卡：京东云在已建成国产万卡集群后公布的下一阶段集群规划，面向训练、推理和具身智能（来源：钛媒体）
• 约 3500—29.2 万 Token：相同 API 与模型完成同组 Python 任务时，不同编码 Agent 框架的单任务消耗区间（来源：AI前线）
• 51.0% / 85.7%：仅靠提示词防护时，指令注入任务与错误前提任务的不安全动作率（来源：AI提效手册）
• 近 50 个基点/月：AI 对冲基金在 2018 年以前的平均风险调整后超额收益，2018 年后已无法与零作统计区分（来源：QuantML）
• 8 亿张：AIMe 为超过 1 亿种小分子生成的预测质谱规模（来源：BAAI 智源）
• 80%：中国电信研究院预测的 2029 年国内推理算力市场占比（来源：华尔街见闻）

🔍 今日值得深读

京东建成国产万卡集群，并规划十万卡训练与推理基础设施

京东云在 JDD 大会上披露，已与摩尔线程等合作伙伴建成国产万卡集群，下一步规划十万卡集群，目标覆盖大模型训练、推理和具身智能。同期，中国头部科技企业的资本支出继续上行：报道援引穆迪预测，相关企业 2026—2027 年资本支出合计将由 2025 年的 650 亿美元增至 1400 亿—1650 亿美元。真正需要验证的已不只是装机规模，而是集群利用率、Token 产出和业务回收周期。

• 发生了什么：京东把十万卡规划与仓储、配送、供应链和机器人场景绑定；其上半年研发投入同比增长 53.2%，并计划在未来五年采购 300 万台机器人、100 万台无人车和 10 万架无人机。
• 为什么值得深读：算力投入正从单纯购买 GPU 转向芯片、互连、电力、软件栈和具体业务负载的联合设计，国产万卡集群能否稳定训练和高效推理比峰值算力更具决策价值。
• 后续看点：十万卡集群的建设时间、国产芯片占比、训练有效算力、推理 Token 成本，以及京东物理业务场景能否形成可量化收入或效率回报。

来源：钛媒体

PyTRIO 将分布式训练封装成 API，企业保留数据与训练逻辑

情感机器推出 PyTRIO，将环境配置、分布式训练和异构集群维护封装为 Training API。用户在本地控制数据、损失函数、奖励和训练逻辑，只把需要 GPU 完成的计算发往云端，并可按 Token 或 GPU 时计费。它试图填补开放权重模型与企业自主后训练之间的工程缺口，但数据传输、调试可见性和跨芯片一致性仍需实际负载验证。

• 发生了什么：平台把训练拆成用户掌控的算法层和平台负责的计算层，并宣称已适配英伟达、昇腾等多类算力芯片。
• 为什么值得深读：推理 API 降低了调用门槛，却没有解决企业沉淀专有数据、奖励函数和模型行为的问题；训练 API 若能成立，可能把后训练从专门 Infra 团队的项目变成标准化服务。
• 后续看点：千亿参数模型的稳定扩展效率、故障恢复、数据与梯度的安全边界、计费可预测性，以及训练产物能否无锁定地迁出平台。

来源：机器之心

腾讯 T-Mem 在记忆写入时生成“未来触发线索”

腾讯团队提出 T-Mem，不再只依赖当前问题与历史记忆的向量相似度，而是在记忆写入时预测未来可能用到它的场景，并保存为可检索的 triggers。系统会对触发线索去重、合并和增量更新；论文已被 EMNLP 2026 主会议接收，代码与数据公开。方法直指长期 Agent 的一个常见盲区：措辞完全变化时，关键事实往往无法被召回。

• 发生了什么：T-Mem 用“记忆—未来场景”桥接替代单一的“查询—记忆”相似度路径，并在两个记忆基准上报告了新的最好结果。
• 为什么值得深读：企业 Agent 的长期记忆不仅要存得下，还要在任务语境变化后找得回；写入阶段预构造触发条件，为跨会话决策提供了可实现的新路径。
• 后续看点：开放代码能否复现实验结果；触发线索数量随记忆规模增长后的延迟与存储开销；错误联想、隐私信息误召回和记忆删除是否可控。

来源：机器之心

ECA 要求电脑 Agent 携带证据后才能执行动作

深圳大学与香港科技大学团队提出 Evidence-Carrying Multimodal Agents（ECA）：模型提出点击、发送或上传等动作，独立验证器从 DOM、OCR、无障碍树和可信来源中提取证据，规则门控在证据满足条件后才放行。研究把幻觉从“答案是否正确”推进到“错误判断是否触发真实动作”，并把每一步授权变成可检查的证据证书。

• 发生了什么：在授权轨迹回放中，仅靠提示词防护时，指令注入任务的不安全动作率为 51.0%，错误前提任务达到 85.7%；在 200 个 AgentDojo 任务上，表现最好的多轮大模型审议仍放行约 79.3% 的不安全动作。
• 为什么值得深读：让同一个模型既做事又证明自己安全，容易把同一错误带入审核；ECA 将感知、证明和执行拆开，为高风险桌面、支付和企业工作流提供了可审计控制点。
• 后续看点：证据验证器在动态网页和跨应用任务中的覆盖率、正常任务成功率与延迟损失，以及证书规则能否扩展到付款、邮件外发等不同风险等级。

来源：AI提效手册

同一模型搭配不同编码 Agent，单任务 Token 消耗跨越数十倍

三组测试把成本差异指向 Agent 框架，而非模型价格本身。独立测试让 12 种配置经同一 API、同一模型完成 12 个 Python 任务，单个解题的 Token 从 Aider architect 模式约 3500 个到 OpenClaw 约 29.2 万个；另一组 Composio 测试覆盖 30 个企业工作流，成功任务成本从 0.028 美元到 0.195 美元。框架自带提示词、工具说明和缓存路径构成了明显“启动税”。

• 发生了什么：测试分别使用 DeepSeek V4 Flash、Nemotron 3 Ultra 等模型；Composio 的 240 次执行中有 129 次成功，程序化验证器负责评分，任务上限为 900 秒。
• 为什么值得深读：企业采购若只比较模型单价，会漏掉框架上下文、工具调用和缓存命中率带来的系统成本；框架选择同时影响成功率、延迟和预算。
• 后续看点：统一推理设置后的严格复测、长任务中的缓存命中率、失败重试成本，以及“每个成功任务成本”能否取代单 Token 价格成为采购指标。

来源：AI前线

二十年样本显示，AI 对冲基金的早期 Alpha 在 2018 年后消失

论文《The Growth and Performance of Artificial Intelligence in Asset Management》结合 2012 年以来 11 万余份 SEC 监管文件、招聘与履历数据，以及 2006—2024 年 7896 只对冲基金的历史快照，区分“算法直接参与投资决策”与后台使用 AI、投资 AI 股票或仅作风险披露。严格口径下，样本期只有 89 只纯 AI 基金；其 2018 年前月均风险调整后超额收益接近 50 个基点，之后降至统计上无法与零区分。

• 发生了什么：研究估计早期超额以每年约 6 个基点衰减；2023 年纯 AI 基金数量占比约 2.7%，截至 2024 年超过 80% 的相关资产集中于系统化多元宏观策略。
• 为什么值得深读：它使用事前披露与逐年封存快照降低幸存者偏差，并揭示技术优势会随人才、算力和方法扩散被市场定价，而不是永久转化为 Alpha。
• 后续看点：论文结论在生成式 AI 与非公开另类数据策略中是否仍成立；基金费用、交易摩擦和模型拥挤度如何影响净 Alpha；低收益相关性能否继续提供组合分散价值。

来源：QuantML

📰 独立报道

AGI、Agent 与评测

豆包手机助手发布消费者版，以 SAEP 约束跨应用操作

豆包手机助手消费者版加入实体 AI 键、锁屏实时对话、个人记忆和跨应用任务执行；记忆须经用户授权，并支持查看、修改和删除。同步发布的 SAEP 协议用于界定助手与第三方应用的操作边界。新版将首发搭载努比亚 NaviX Ultra，并向既有设备用户推送。

来源：APPSO

CAITLYN 把漏过的提示注入转化为新防御规则

CAITLYN 用双层中间件防御 Agent 从网页、文件和工具返回值中读入的恶意指令：System I 先以脚本、签名和启发式规则快速筛查，再把模糊样本交给大模型分类器；System II 将漏检攻击构造成反例，经沙箱验证和审查后写回防御技能库。在 Emerging 攻击设置中，攻击成功率下降约 40 个百分点。

来源：新智元

DynHD 从扩散模型的完整去噪轨迹识别幻觉

EMNLP 2026 论文 DynHD 不只检查扩散大语言模型的最终答案，而是把多步去噪过程作为检测信号，从 Token 和时间两个维度建模不确定性。该方法针对 D-LLM 从大量 mask 迭代生成文本的特性，尝试在错误尚未固化为最终输出前定位异常，补足自回归模型幻觉检测方法直接迁移时的结构差异。

来源：PaperWeekly

七名博士生公开 7B 模型从数据到日志的完整训练轨迹

北京中关村学院七名博士生用三个月从零训练 ZGCM-1，并开放各阶段数据与配方、权重、代码、中间检查点和训练日志。团队以 ZGent 平台组织数百个 Agent 分担研发环节，并为任务自主性建立 L1—L5 评级。其价值主要在可复现过程，而非只发布最终权重与排行榜成绩。

来源：量子位

AI 战略与工程

英伟达等企业因日志留存政策限制部分 Anthropic 模型

据报道，英伟达、Palantir 和博思艾伦汉密尔顿等企业近期限制使用 Anthropic 旗舰模型，争议集中在其 30 天滚动保留客户使用日志的政策。微软则向至少一家大型客户推介完全运行在私有服务器上的方案。企业模型采购的比较维度正从能力和价格扩展到留存周期、部署位置与审计权限。

来源：华尔街见闻

亿格云融资近亿元，继续开发 Agent 全生命周期治理平台

亿格云完成近亿元人民币 B+ 轮融资，距 B 轮四个月，资金将用于“云枢 AIDR”迭代与海外布局。该平台覆盖 Agent 的创建、发布、使用、监测和处置等环节；公司称已服务 20 余个行业、超过 1000 家企业和 500 万终端。后续检验点是治理能力能否跨模型、跨工具保持一致。

来源：Z Potentials

资管金融与区块链

Anthropic 推出金融顾问版 Claude，连接组合分析与财富管理工具

Claude for Financial Advisors 接入贝莱德、先锋集团、嘉信理财和 iCapital 等机构的研究、组合分析、风险管理及财富管理工具，用于自动化研究、客户会前准备、文档处理和组合监控。产品把通用助手推进到受监管工作流，权限隔离、引用追溯和顾问最终复核将决定其可用范围。

来源：华尔街见闻

Scalar Field 在 Solana 上提供自主策略创建、回测与部署

Scalar Field 公布面向 Solana 资产的 Agentic Trading 基础设施，允许用户创建、回测并部署覆盖代币化股票等资产的自主策略。该信息来自生态官方发布，目前尚未披露回测防过拟合、执行风控、托管权限和实盘表现；这些指标将决定它是开发工具还是可用于真实资金的交易系统。

来源：Solana

学术与具身智能

GVLA 将夹爪形态编码进 VLA，跨末端执行器成功率提高 7.62 个百分点

ECCV 2026 论文 GVLA 用软提示对夹爪形态进行结构化编码，让策略不仅学习动作数据，也显式识别“身体”差异。配套 MiGA 数据集包含 10.3 万条演示、覆盖五类主流夹爪；仿真测试中，GVLA 相对基线的成功率提高 7.62 个百分点。下一步需看真实机器人和未见夹爪上的迁移表现。

来源：甲子光年

AIMe 为超 1 亿种小分子生成 8 亿张预测质谱

康奈尔大学团队提出多智能体神经符号框架 AIMe，其 DeepMS²Reasoner 把化学规则、碎裂路径推理与神经网络学习结合，用于扩展小分子质谱参考空间。团队为超过 1 亿种小分子生成约 8 亿张预测质谱，试图缓解实验谱库覆盖已知化合物不足 1%、复杂样本中多数代谢物无法鉴定的问题。

来源：BAAI 智源

AI 按实验室约束筛选材料方案，团队报告一次实验命中

王浩哲团队发布预印本，展示 AI 结合具体实验室设备与条件筛选材料方案、再由研究人员执行验证的流程，并报告将原本可能持续数月的试错压缩到一次成功。该案例仍需更多材料体系和独立复现检验；现阶段更适合把它理解为缩小实验搜索空间，而不是无人实验室已经成熟。

来源：虎嗅

硬件与算力

Google Cloud 与 vLLM 团队合作，让 TPU 原生进入开源推理栈

Google Cloud 宣布与 vLLM 背后的 Inferact 团队合作，将开源 TPU kernels 向上游合并，并通过 TorchTPU 提供原生 PyTorch 集成。合作目标是让 TPU 成为 vLLM 开源推理的一等后端，降低现有 GPU 工作负载迁移成本；仍需等待主流模型的吞吐、延迟、兼容性和单位 Token 成本数据。

来源：Google Cloud

Cornelis 融资 2.05 亿美元，并发布 Active Compute Fabric

AI 基础设施公司 Cornelis 获得 2.05 亿美元融资，同时发布 Active Compute Fabric。该网络技术针对 GPU 因等待数据传输而空闲的问题，试图提高集群中计算与通信的重叠效率。融资本身不是核心，后续应关注真实训练与推理负载下的 GPU 利用率、扩展效率及对现有网络栈的替换成本。

来源：TechCrunch

中国电信研究院预计 2029 年推理算力占比达到 80%

中国电信研究院发布《智能体时代 AI 基础设施发展研究报告（2026）》，预计未来两到三年国内算力需求平均每年增长近 10 倍，2029 年推理算力市场占比达到 80%。报告同时预测 2026—2030 年国内 Token 年消耗量增长 350 倍；预测值仍需结合口径和实际业务调用持续校验。

来源：华尔街见闻