2026-09-23 前沿科技洞见 · 日报

📊 今日关键数据

• 3 倍：阿里真武 V900 单芯片性能较真武 M890 提升 3 倍，显存增至 216GB，片间互联达到 1200GB/s（来源：芯东西）
• 50 万卡：阿里称基于真武 V900 的单一集群可扩展至 50 万卡，能力目标已从单芯片指标转向超大规模系统组织（来源：芯东西）
• 350 万美元：小米 MiMo-V2.6 Pro 与 Flash 两轮 RL 训练合计账单约 350 万美元，完成 30 个训练 step（来源：量子位）
• 25088 条轨迹/次更新：MiMo-V2.6 单次 RL 更新使用 1568 个 prompt、每个 prompt 采样 16 条 rollout，说明其后训练已进入工业级轨迹规模（来源：AI科技评论）
• 50% 降价：GPT-6 Sol 与 Luna 的 API 定价较 GPT-5.6 同名产品促销价再降一半，OpenAI 将缓存与推理优化直接折算成价格（来源：OpenAI 新闻）
• 95%：访谈援引研究称，2024 年企业大规模投入生成式 AI 后，约 95% 尚未获得可衡量财务收益，说明 AI 办公的瓶颈正在从模型能力转向组织结构（来源：深响）

🔍 今日值得深读

阿里发布真武 V900，并把 AI 芯片、CPU、互联与超节点打包成一套集群路线图

在云栖大会上，阿里平头哥公布新一代训推一体 AI 芯片真武 V900：单芯片性能较 M890 提升 3 倍，显存 216GB，片间互联 1200GB/s，官方称单一集群可扩展至 50 万卡。更值得看的是，它不是单芯片发布，而是把真武、倚天 CPU、ICN Switch、智能网卡与超节点服务器一起给出时间表，明确要把竞争从“卡”推进到“系统”。

• 发生了什么：真武 V900 预计 2027 年 Q1 就绪；基于它的新一代磐久超节点预计 2029 年 Q1 上市。阿里同时披露，基于 M890 的超节点已对外提供服务，并已跑通超过 2 万亿参数大模型；倚天 720、730 CPU 预计 2027 年 Q3 推出。
• 为什么值得深读：对金融机构而言，这意味着国产算力不再只是“替代一张卡”，而是在尝试给出完整的万亿参数训练与推理栈。若芯片、互联、内存语义和云供给能协同落地，未来选择云上大模型与私有化推理时，议价对象会从单一 GPU 供应商变成整套系统能力。
• 后续看点：看 2027 年 V900 是否按时量产；看阿里云四季度扩容后的超节点供给规模；看 50 万卡扩展、千卡全带宽互联和 2 万亿参数推理这些口径，是否会有更多公开基准与客户案例支撑。

来源：芯东西

OpenAI 推出 GPT-6 Sol 与 Luna，把 GPT-6 能力压到更便宜的日常工作价格带

OpenAI 在 Astra 之后继续拆分产品层级，发布面向复杂编程与代理工作流的 Sol，以及面向高频批量任务的 Luna。两者沿用 GPT-6 Astra 背后的训练方法，但 API 定价较 GPT-5.6 同名产品再降 50%，并把缓存与推理效率改进直接转成价格下降。

• 发生了什么：Sol 定价为每百万输入/输出 token 2 美元和 10 美元，Luna 为 0.10 美元和 0.50 美元；两者均提供约 105 万 token 上下文和 12.8 万 token 最大输出。公开材料显示，Sol 在 DeepSWE 1.1 达 68.8%，接近 Fable 5 最佳公开结果 69.9%，但单任务成本低约 80%。
• 为什么值得深读：这不是一次简单降价，而是把“前沿模型”与“可规模化部署模型”正式拆层。金融机构若在编码代理、研究助理、文档生产和客服自动化中追求单位任务成本，Sol/Luna 这种“性能接近头部、价格大幅下压”的组合，比追逐榜单冠军更接近预算决策。
• 后续看点：看真实生产任务中的单位任务成本，而不是每 token 单价；看缓存命中率工具是否真的改变长上下文 Agent 的账单结构；看 Sol/Luna 与 Anthropic、xAI 在软件工程和 computer use 上的后续实测差距。

来源：OpenAI 新闻

小米结束 6 天 RL 直播，MiMo-V2.6 用 350 万美元把开源模型推到前沿成本带

小米将一轮大规模强化学习训练完整公开，Pro 与 Flash 两个模型共跑完 30 个 step，累计花费约 350 万美元。结果是 MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index 上拿到 46 分，冲到开源第一，并在多项 Agent 评测中逼近闭源头部模型。

• 发生了什么：MiMo-V2.6-Pro 为 1.02T 参数、42B 激活，Flash 为 309B 参数、15B 激活；单次 RL 更新使用 1568 个 prompt、每个 prompt 采样 16 条 rollout，即一次更新约 25088 条轨迹。Pro 在 DeepSWE v1.1 从 58.4 提升到 72.57，Flash 从 48.7 提升到 65.68。
• 为什么值得深读：这是少见把 RL 训练成本、训练节奏、样本效率与上线价格一起摊开的案例。它让“开源模型能否追到闭源前沿”从抽象争论变成可算账的问题：用几百万美元 RL 预算，是否能换来接近闭源旗舰的 Agent 能力，以及更低几个数量级的任务成本。
• 后续看点：看这套 7000 多个 RL 任务环境、异步 GRPO 与奖励设计能否被社区复现；看 MiMo 在样本外软件工程与多模态 Agent 任务上的持续性；看开源后的生态接入速度，尤其是金融研究、代码审查与自动化工作流场景。

来源：AI科技评论

腾讯混元团队拆解大规模 RL 的 Batch Scaling，给“1 万卡到 10 万卡怎么训”一个时间最优准则

腾讯混元团队发布对大模型强化学习批大小扩展规律的系统分析，核心问题不是“Batch 能不能变大”，而是“在给定硬件并行度下，多大的 Batch 才能最短时间达到目标性能”。团队指出，Batch 增大最初会提升吞吐、缩短 wall-clock time，但过大后样本效率下降会吞掉吞吐收益。

• 发生了什么：论文《When Do Larger Batches Help Scale LLM Reinforcement Learning?》用 time-to-target 作为核心指标，区分 batch tuning 与 batch scaling 两类问题，并延续大 batch 训练中的噪声尺度分析思路到 LLM RL。示例中，B、2B、4B 可更快登顶，但 16B 已因样本效率损失而变慢。
• 为什么值得深读：当 RL 成为模型提升的主战场后，训练集群的经济性不再主要取决于预训练，而取决于后训练能否把更多 GPU 变成更短时间，而不是更多浪费。对于自建或租用大规模算力的机构，这类规律直接决定训练预算、排产计划和多实验并行策略。
• 后续看点：看团队是否给出更明确的噪声尺度测量方法和适配不同模型规模、不同 GPU 代际的经验公式；看这些规律能否在更长轨迹的 Agent RL 和多模态 RL 中保持稳定。

来源：机器之心

清华李宁谈 AI 办公落地卡点：问题不只是工具不够强，而是组织还是按“人”来设计

当腾讯、字节、阿里等大厂全面押注 AI 办公时，清华大学经管学院教授李宁在访谈中给出一个更难的判断：企业没拿到 AI 回报，很多时候不是模型不行，而是组织假设还停留在“人是唯一智能行动者”的时代。

• 发生了什么：访谈援引 MIT 与 BCG 的研究称，全球企业在生成式 AI 上大规模投入后，约 95% 未获得可衡量财务收益，只有 5% 实现“有意义”的 AI 回报。李宁将传统组织的三根支柱概括为分工、管理和经验积累，并认为 AI 分别冲击了这三项前提。
• 为什么值得深读：金融机构现在引入 Copilot、办公 Agent 与智能工作台，常把问题理解为采购和接入问题。但如果 AI 不能被赋予清晰权限、验证机制、责任分界和交接结构，它提升的只是个体效率，而不是组织产出。这关系到下一阶段该先买模型，还是先改流程、岗位与审批架构。
• 后续看点：看各家 AI 办公产品是否开始提供更强的“信任架构”，包括验证、约束、冗余和人工确认边界；看是否有企业披露从工具试点走向组织级改造的真实 ROI 数据。

来源：深响

黑翼资产与中科大提出 RAVEN，用自适应历史窗口做金融时序预测

黑翼资产与中科大团队提出 RAVEN，核心是否定“固定回看窗口”这一金融时序建模中的常见前提。模型按逆时序为量价切片动态打分，再以累积阈值切出不同长度的嵌套前缀，由多尺度专家分别编码，并用显式正则压低专家间共线性。

• 发生了什么：论文在沪深 300 与标普 500 五年样本外滚动检验中，相比多类基准取得更高预测相关性与稳定性；文中提到，RAVEN 在标普 500 上的 IC 高出基准 20.2%，黑翼资产的实盘测试累计收益较生产基线高出 10% 以上。
• 为什么值得深读：这条研究更接近金融机构的真实需求，而不是通用 benchmark。它挑战的不是单一模型结构，而是量化研究里常被默认接受的“统一窗口长度”设定。若有效，意味着金融时序建模的收益可能来自让模型先学会“该看多远”，而非继续堆更多通用 Transformer 结构。
• 后续看点：看论文是否披露更完整的交易成本、换手率与组合构建约束；看 RAVEN 在更高频、更多资产类别和更长样本外周期中的稳定性；看自适应窗口是否能和大模型式世界建模结合。

来源：QuantML

📰 独立报道

AGI / Agent 与模型工程

亚马逊封禁 Meta 的 Muse 代下单，Agent 电商开始出现平台级拦截

用户通过 Meta 的 Muse 在 Amazon.com 下单时收到违规提示，亚马逊明确阻止该 AI 代理继续购物。报道给出的理由不只涉及平台竞争，也包括责任划分：一旦 Agent 下错单，平台要同时处理用户与商家的纠纷。对想做“代理下单”的机构而言，这说明 Agent 商业化不只取决于能力，还取决于平台是否开放执行入口。

来源：techcrunch.com

浙大等提出 EmbodiedSkills，用闭环 AgentLoop 提高 VLA 长任务成功率

EmbodiedSkills 把高层视觉语言模型、低层 VLA 策略与机器人运行时放进统一闭环，每次动作前检查前置条件，动作后再用新证据验证结果，避免长任务在过期状态上继续推进。论文称其在 RoboTwin 2.0 上平均成功率达 86.20%，去掉验证模块后表现明显下降。它的价值在于把“动作预测”提升为“可回溯执行链”。

来源：PaperWeekly

安全与风险

WIRED 报道思科研究框架发现 AI 驱动恶意软件的“蜂群式”指挥模式

Cisco Talos 研究人员开发了一个识别依赖 AI 聊天机器人的恶意软件与黑客工具的分析框架，并在使用中发现一种异常模式：恶意软件背后的命令体系可能并非单一人工操作者，而是由多个 AI 组件协同完成。现有材料对方法与样本细节披露有限，但这一发现提示安全团队，后续威胁建模可能需要把“多代理协同攻击”纳入常规假设。

来源：WIRED

硬件算力 / 基础设施

中国团队押注非侵入超声穿颅读脑，把脑科学基础设施问题重新拉到台前

机器之心与 Z Potentials 报道深圳公司鲲为试图用超声全栈计算成像解决“非侵入、高分辨率读脑”这一长期难题。报道称其已实现非侵入式超声穿颅读脑，计算量约为传统超声千倍以上，路线依赖近年算力进步才具备经济可行性。若技术属实，它的意义不只是脑机接口产品，而是为脑科学研究提供新的底层观测工具。

来源：Z Potentials