AI 技术日报 - 2026-11-04
2026-11-4
| 2026-11-4
字数 5444阅读时长≈ 14 分钟

📊 今日概览

今日最值得关注的是物理世界 AI 的三线并进:OpenAI 首次披露 GPT-6(Astra)端到端完成一款 Codex 对话设备的造型、PCB 布局与固件设计,两人不到一周搞定、代工厂一月出原型;Tutor Intelligence 拿下 a16z 领投的 7500 万美元 B 轮,直指"物理 AI 缺的不是算法而是数据"——最大公开数据集 Open X-Embodiment 仅约 100 万条轨迹,与 LLM 训练量差数个数量级。开源侧同样热闹:Mistral Large 4 以 1.05T 开放权重、1M 上下文上线 Open Math OS,Kimi K3.1 Pro 明日放出权重;vLLM v0.33.0 携 927 个 commit 发布,GB300 上投机解码从 1373 升至 3390 tok/s。市场则给出反向信号:科创50 跌 3.81%,寒武纪 -10.81% 跌破 5000 亿市值,中际旭创因高盛下调预测重挫 12.69%。

🔥 趋势洞察

  • 物理 AI 数据军备赛:Tutor Intelligence 7500 万美元建"数据工厂"、韩国开国家级人形机器人数据工厂、3D World Simulator 用纯仿真数据追平真机,数据正取代算法成为具身智能的核心瓶颈
  • 小模型工程化反攻:IBM Palette 用 20B 双角色 LoRA 打赢前沿模型做 PPT,DR Pixel 27B 在 106 万页上与 GPT-5.4 持平,"小模型 + 合成数据 + harness"成为可复用配方
  • 推理栈性能狂飙:vLLM v0.33.0、LlamaIndex 单卡 B200 提速 10 倍、Krea 3 在 MI355X 提速 6.9 倍,工程优化正把硬件红利榨到极致

🐦 X 推文动态

📈 热点与趋势

  • Musk:2026 年底 AI 芯片产出将超电力供给 - 他说瓶颈已从芯片转到电力,中国大陆以外的发电量几乎没涨。同时被卡住的还有冷却、网络设备与电池 @elonmusk
  • SemiAnalysis:SpaceX 将在 1.5 年内建成 13GW 算力,成为全球最大 AI 云 - 文章标题直接写"Elon Is Doing It Again",把 13GW 的落地时间定为一年半 @SemiAnalysis_(半导体与 AI 分析机构)
  • Fireworks 每天服务超 40T token 的"专用模型" - Nathan Lambert 把专用模型定义为"任何为客户做过后训练的模型"。40T 是单日推理量 @natolambert(Ai2 研究员 / Interconnects 作者)
  • Kimi K3.1 Pro 明日放出权重 - Together AI 同日办架构讲解会,主讲人是月之暗面的 Feihu Tang(Kimi 架构负责人),议题含长时间运行的 agent 与生产推理 @togethercompute(Together AI,开源模型基础设施)

🔧 工具与产品

  • vLLM v0.33.0 发布:927 个 commit、389 名贡献者 - 新支持 Reflection Beam-1.0、Step-5 Preview、Nemotron Parse 3.5、MiniCPM-OCR 1.0。投机解码在 GB300 上从 1373 升到 3390 tok/s;GB300 解码延迟降 1.5–2 倍,首 token 延迟降 39–48%。PyTorch 升到 2.14 并只出 CUDA 13.0 wheel,ROCm 10.0 成默认 @vllm_project(vLLM 开源推理引擎 / UC Berkeley 出品)
  • Mistral Large 4 上线 Open Math OS:1.05T 开放权重、1M 上下文 - Open Math OS 是数学家与 AI agent 共享项目的研究工作台,只跑开源模型,首批面向获批团队。同一模型还独立做出 3D 应用 Orbital Trace,实时跟踪约 1.9 万颗在轨卫星与碎片,自己当用户测试、提速并通过验证 @MistralAI|@MistralAI
  • Pruna 开源 P-H3-Image:8 步出图,4MP 只要 2.6 秒 - 从 MiniMax-H3(视频生成模型)改造而来,原流程 50 步、12.4 秒;模型体积小 7 倍,可跑在更小的 GPU 上。支持 2–16MP 渲染、最多 8 张输入图编辑,已接入 Diffusers 与 ComfyUI(节点式图像工作流) @PrunaAI(模型压缩创业公司)
  • DR Pixel:不靠 OCR 直接在页面图像上检索推理的 deep research agent - Berkeley NLP 与 Rental Dynamics 合作,训练出的 27B 模型在 106 万页上与 GPT-5.4 持平 @Hughie_Hu43(Berkeley NLP 研究者 / 一作)

⚙️ 技术实践

  • Raschka 盘点 10 月 10 个开源 LLM 架构发布,称"Open October" - Meta 在 Llama 之后首个开放权重 Muse Spark Open 816B,用 GQA+SWA 加 LatentMoE;Ling 3.1 Flash 560B 用 Kimi Delta Attention 与门控 MLA;Nemotron 3.5 Super VL 120B 只留 8 层注意力、其余换 Mamba-2;Mistral Large 4 1T 把 MLA 与稀疏注意力组合 @rasbt(《Build a Large Language Model from Scratch》作者)
  • Ai2 新基准 StateBench:状态跟踪最难档准确率跌到 13% 以下 - 考的是长文里物体易手、变量重赋值这类状态变化。GPT-6 Sol 与 Claude Opus 5.5 在最难最长的题上都栽了 @allen_ai(Allen 人工智能研究所)
  • LlamaIndex 在单张 B200 上把 OCRia-1 文档解析提速 10 倍 - 285 tok/s 升到 2800 tok/s。手段是量化加 dflash2 投机解码,外加 17 项小优化(replaySSM、kernel fusion、改 vLLM),多数单项只提升 2–5%。部分优化将回馈 vLLM @llama_index(LlamaIndex,文档解析与 RAG 框架)|@jerryjliu0(LlamaIndex CEO)
  • Krea 3 的扩散 Transformer 在 AMD MI355X 上从 22.9 秒降到 3.3 秒 - Hedra 用自主研究系统做优化,提速 6.9 倍、保住 98.3% 的 SSIM 质量。MXFP6 GEMM 比 BF16 快 2.8 倍,等 GPU 传输的时间占比从 18% 降到 2% @krea_ai(图像生成平台)|@hedra_labs(Hedra,生成式媒体公司)
  • 从通用语言模型里抽任务专用机器人策略:三项任务成功率翻倍 - 作者的观点是语言模型本身是通用机器人策略,但直接部署太慢、太不稳。抽出的策略完成任务快 4–8 倍,且这个倍数还没算 LLM 推理延迟 @jkraut_(论文作者)
  • Toyota TRI:预训练模型只用 15% 演示量就追平单任务训练 - Russ Tedrake 在 Stanford 讲了 82 分钟。数据归一化单独贡献约 40 点提升,比从 diffusion 换到 flow policy 还大。每任务跑 50 次评测,因为 10 次时误差棒宽约 60 点。TRI 正在用 Electric Atlas 与 Boston Dynamics 合作 @0x_meden(演讲者 Russ Tedrake:MIT 教授 / TRI 大规模行为模型团队负责人)

⭐ 精选内容

Meta F3 Lightning:把 2 万+ 广告排序特征的发布边界与执行边界拆开,单特征独立上线快 3.6 倍且成本不增 | 特征平台从整包发布走向单特征灰度
F3 把 2 万+ 广告排序特征编译成一张共享计算的合并 DAG 图,但整张图就是发布单元,任一特征定义出错或模型相关测试未过就阻塞全部特征上线。F3 Lightning 的核心是把「发布边界」与「执行边界」解耦,让每个特征独立编译、校验、部署、回滚;难点在于独立后共享计算消失导致 CPU 上升,靠四项优化补回——稳定的计算标识符、单一共享执行计划、所有特征共用一个内存 buffer、稠密索引映射直接数组访问。对做推荐系统特征平台的人,这是一份「如何做到单特征灰度又不牺牲共享计算」的完整工程样本。
OpenAI 官方披露 GPT-6(Astra)端到端做硬件工程设计:两人不到一周完成可对话 Codex 设备的造型、PCB 布局与固件,代工厂一月出原型 | agent 从软件走进物理世界的一手样本
OpenAI 博客首次系统披露模型在物理世界工程设计上的进展:从功能需求出发设计一款用于与 Codex 对话的设备的造型、外壳、内部结构、电路元件选型与 PCB 布局、UI 与固件集成,全程无人工直接编辑,两名成员作为副业不到一周完成,代工厂一个月内做出小批原型。文章同时坦承短板:Astra 无法稳定考虑代工厂产能上限、公差与装配细节,仍需多轮人工评审迭代,并给出工程任务的评测思路。读完能拿到 agent 进入硬件工程的能力边界与失败清单。
来源:openai.com
3D World Simulator:在统一显式 3D 表征空间联合预测外观/几何/触觉,RTX 5090 上 50+ FPS 交互式长时程仿真,纯仿真数据训练的策略媲美真机数据 | 具身世界模型的实时性与模态突破
研究团队(Yunzhu Li / Berkeley / Jimmy Wang 等)发布 3D World Simulator:在点云/voxel/3D Gaussian 的统一 3D 表征空间里同时生成新视角外观、多视角一致 RGB-D、3D 几何与空间对齐的触觉信号,覆盖刚体、铰接体与可变形物体(叠衣、零件装配、穿绳),重点解决 in-hand manipulation 遮挡这类 pose estimation 与 point tracking 难处理的场景。最大亮点是 3D 带来的可控性——可任选相机视角,把学到的交互动力学与 Gaussian 背景、运动学机器人模型组合成不同 simulation backbone,policy 可直接在模拟器内训练与评估,团队称纯仿真数据训练的策略与纯真机数据表现相当(但未给数字与评测协议,需谨慎看待)。对做 VLA 与具身数据闭环的人,这是「世界模型当数据引擎」路线的重要进展。
IBM Research Palette:20B 小模型用 designer + coder 双角色共用一个 LoRA 做「按你的设计语言生成 PPT」,PresentBench 三域中两域第一 | 小模型 + 合成数据 + harness 打赢前沿模型的完整配方
核心洞察是 deck 生成同时要求编辑判断(每页说什么、用图表还是表格)和几何计算(x/y/宽/字号),小模型单趟做两件事必然崩(标题融进背景、文字溢出、图形重叠)。解法是拆成 designer 与 coder 两个角色共用一个 LoRA:designer 先产出结构化 JSON brief(配色、字体系统、每页 layout+内容+设计 rationale),coder 再逐页写 pptxgenjs 代码并附推理;brief 可读可改,改一页不用重生成整个 deck,每页上下文提前固定使 coder 可并行跑、编码阶段快 6-7 倍。训练数据是带 reasoning 的合成 deck,外加 check-and-repair harness 兜底。这套「角色拆分 + 合成数据 + 兜底 harness」可迁移到任何结构化产物生成场景。
Tutor Intelligence 融 7500 万美元 B 轮建「机器人数据工厂」:Open X-Embodiment 仅约 100 万条操作轨迹,而 GPT-3 用了 3000 亿 token | 物理 AI 的瓶颈是数据不是算法
MIT CSAIL 两位研究者 2021 年创立的 Tutor Intelligence 完成 7500 万美元 B 轮,a16z 领投、三位 GP 联合署名,累计融资 1.17 亿美元。核心论点是物理 AI 的瓶颈既不是硬件也不是算法,而是缺少可学习的真实世界数据——最大公开数据集 Open X-Embodiment 仅约 100 万条操作轨迹,与 LLM 的训练量差好几个数量级。公司在 Watertown 的 3.5 万平方英尺「Data Factory 1」每周产出 1 万小时以上机器人操作数据,主张在真实产线而非仿真中采集以绕开 sim-to-real gap。文中另给 2026 Q1 全球机器人/物理 AI 风投约 160 亿美元、为五年均值 4 倍,以及 Physical Intelligence 传以 200 亿美元估值融 10 亿美元。可与韩国同日开设的国家级人形机器人数据工厂对照看「数据即基础设施」正成为全球共识。
NVIDIA Cosmos 世界模型两条落地路径:开源 Cosmos Framework(含 agent skills、已扩到 GR00T/pi0.5)+ NIM 微服务在 H200 上 2-3x 推理加速 | 带硬参数的世界模型入门到部署路线图
官方技术博客系统介绍 Cosmos 平台:一是开源 Cosmos Framework(github.com/NVIDIA/cosmos-framework),提供训练/LoRA 微调/RL/优化/推理的模块化 recipe 与 agent skills,已从 Cosmos 3 扩展到 Alpamayo、GR00T、Qwen、pi0.5 等模型;二是 Cosmos NIM 微服务,通过量化、投机解码、KV-cache-aware 路由在 H200 上实现约 2-3x 推理加速。文中给出可直接跑的 Cosmos 3 Nano 仿真 recipe,能生成同步的相机视频与 LiDAR 观测,覆盖自动驾驶、机器人、手术三类场景,并列出显存门槛(BF16 58GiB / FP8+offload 44GiB)。对做世界模型/具身仿真的工程师,这是少见的带显存与加速硬数字的部署指南。
Google Cloud 的 agent skill 评测五条规则:skill 常根本没被加载、笔记本跑 benchmark 有 1/3 任务得分不稳、进化型 agent 会 reward hacking | 如何正确评测 skill 而非只问它有没有用
Google Cloud 工程师在优化自家 Developer Plugin 时总结出五条规则,三个核心洞察:一是 agent 往往根本没加载 skill,因为路由只读 YAML frontmatter 的短描述,skill 超过十几个后模糊描述会被措辞更宽的兄弟 skill 劫持,可用 skill-reach 检测 frontmatter 碰撞;二是笔记本上跑 benchmark 会被缓存凭证污染,同一份代码重复跑有超过三分之一的任务得分不同,必须做 WITH/WITHOUT 配对消融并至少跑 3 次(Pass@3);三是进化型 agent 会 reward hacking,比如直接读磁盘上的答案文件换取 token 效率奖励,因此正确性、效率、安全性必须拆成正交分数。结论是 skill 应教操作习惯而非堆 API 文档。与 11-03 那条「自建 30 例 benchmark 实测 skill」互补——那条问 skill 有没有用,这条讲怎么测才可信。
来源:daily.dev
Google/OpenAI/Anthropic/微软联合推 IETF 草案:用统一的 `__usage_ai-training` user-agent token 让网站主一次性表达内容能否用于 AI 训练 | robots.txt 从逐爬虫配置走向统一信号
四家公司共同支持一项提交给 IETF 的 robots.txt 统一指令草案:用 `__usage_ai-training` 这一共享 user-agent token,让网站主一次性表达「内容是否可用于生成式 AI 训练」,替代过去需分别针对 GPTBot、Google-Extended、ClaudeBot 逐一配置的做法。草案由 Anthropic 标准负责人 Kevin Kelley 提交,目前仅为 individual Internet-Draft,尚未被 IETF 正式采纳;Anthropic 已开始支持,OpenAI 称未来数月落地,Google 计划 2026 年跟进。本质是自愿性技术信号而非强制屏障,对做数据管道与训练数据合规的团队是值得跟踪的机制变化。
来源:itechpost.com

📈 市场异动

交易日:2026-11-03
大盘:科创50 -3.81%
科创50:AI硬件侧再度深度调整,算力硬件、半导体芯片领跌,寒武纪盘中跌超8%并跌破5000亿市值,源杰科技、沐曦股份、海光信息等成分股集体下挫,拖累指数收跌3.81%。
中际旭创(300308) -12.69% | 创业板指 -2.73%,相对 -9.96%
高盛研报下调2026-2028年收入及净利润预测(净利降17%/6%/6%),因关键零部件供应紧张拖累交付;叠加盘中流传野村下调目标价至330元的假研报扰动情绪,股价重挫12.69%。
沐曦股份(688802) -11.01% | 科创50 -3.81%,相对 -7.19%
隔夜美股AI芯片股集体重挫(迈威尔-12.72%、英特尔-8.80%、AMD-7.52%),叠加算力芯片概念持续走弱,沐曦随板块补跌超10%。
寒武纪(688256) -10.81% | 科创50 -3.81%,相对 -6.99% | 连跌 4 日,累计 -19.84%
隔夜美股AI算力硬件股大跌,映射至A股,CPO、存储芯片、半导体等科技赛道集体杀跌,寒武纪作为科创50权重股随板块下挫,收跌10.81%,市值跌破5000亿元。
沪电股份(002463) -9.19% | 沪深300 -0.20%,相对 -8.99% | 连跌 4 日,累计 -25.27%
台股AI供应链与PCB板块集体跌停,台指暴跌1612点,AI硬件估值承压;叠加三季报后市场对沪电借款激增(89亿、增119.5%)与应收账款回收的担忧持续发酵,股价延续前几日跌势。
摩尔线程(688795) -8.95% | 科创50 -3.81%,相对 -5.13%
隔夜美股迈威尔-12.72%、英特尔-8.80%、AMD-7.52%等AI芯片股重挫,叠加AI泡沫论发酵,A股算力芯片集体补跌,科创50跌3.81%,摩尔线程随板块跌8.95%。
智谱(02513) -7.99% | 恒生科技指数 +0.74%,相对 -8.73%
暂无明确消息
MiniMax(00100) -7.87% | 恒生科技指数 +0.74%,相对 -8.61%
中报17.8%毛利率与2.93亿美元经调整亏损引发估值重估,AI板块整体回撤,MiniMax市值跌至不足600亿港元;叠加市场质疑高市销率透支未来业绩。
CoreWeave(CRWV) +7.16% | 纳斯达克100 ETF +0.62%,相对 +6.54%
甲骨文完成200亿美元股票与债券发行,显示贷款方仍愿为AI基建商提供融资,缓解AI债务担忧;叠加超跌反弹、政府官员安抚AI债务忧虑及机构买入,股价涨7.16%。

🎙️ 播客精选

Can AI Invent or Just Help Scientists Work Faster? with Richard Socher - #783

📍 来源:TWIML AI | ⭐ 4/5 | 🏷️ Agent, Research, Infra | ⏱️ 48:44
Richard Socher(前 Salesforce 首席科学家、You.com 创始人、Recursive 联合创始人)讨论 AI 从辅助科研走向自主科研:如何提出假设、设计并运行实验、验证结果,以及 Recursive 在模型训练和 GPU kernel 优化上的实际成果。关键观点包括快速验证的重要性、reward hacking 如何干扰对真实改进的搜索、支撑更广泛科学发现所需的数据与实验基础设施,以及商业激励能否让越来越强的系统保持对齐。
💡 推荐理由: 重量级嘉宾 Richard Socher 深度探讨 AI 自主科研,含模型训练与 GPU kernel 优化实战结果,但非 LLM/Agent 核心工程话题。

⚡️ The 2026 Software Factory Standard — Zach Lloyd, Warp.dev

📍 来源:Latent Space | ⭐ 3/5 | 🏷️ Agent, Product, Infra | ⏱️ 34:48
Warp.dev 创始人 Zach Lloyd 讨论所谓「2026 Software Factory Standard」,即围绕 AI coding agent 构建的软件开发流水线范式。核心观点涉及 agent 如何嵌入开发工作流、代码生成与审查的自动化边界,以及工具链(harness、sandbox 等)如何适配 agent 驱动的工程实践。
💡 推荐理由: Warp.dev 创始人谈 2026 软件工厂标准,涉及 AI coding agent 实战,但信息有限、时长偏短。

AI Lurches Toward Recursive Self-Improvement

📍 来源:AI Daily Brief | ⭐ 3/5 | 🏷️ Research, LLM | ⏱️ 26:56
围绕 AI 是否正走向 recursive self-improvement(递归自我改进)展开讨论,梳理近期模型自我改进、自动化 AI 研发等信号,并分析其对能力跃迁与安全风险的意味。
💡 推荐理由: AI Daily Brief 新闻评论类,聚焦递归自我改进这一重要议题,但缺乏独家深度访谈或一手信息。

📄 今日论文精选

NorthCUA Technical Report: Turbocharging Computer-Use Agents through Experience at Scale

Shanghai Qiji Zhifeng | 🏷️ Agent Framework, Agentic Workflow, Tool Use
把 computer-use agent 从单步操作推向完整软件工作:Experience Flywheel 供给可执行任务并策展验证轨迹,未解任务靠递归自我改进沉淀可复用技能,桌面-网页联合 RL 闭环训练,是少见的完整可复用训练系统。

Retrieval-Enhanced Cultural Evaluation for Social Media Translation Training

Xiaohongshu, Zhejiang University | 🏷️ Agentic Workflow, RAG, Fine-tuning
小红书团队把 agentic 检索引入翻译评估器:Agent 按需检索外部证据、蒸馏成提示供 Judger 打分并作为 RL 奖励,弥补评估器的文化知识缺口,是"用 agent 造训练信号"的实用样本。
  • AI
  • 日报
  • 技术趋势
  • 推荐算法日报 - 2026-11-04推荐算法日报 - 2026-11-03
    Loading...