本期主线
单体能力的叙事仗已经打完——竞争落到三个可核算的落地面：能否在自己部署的 harness 里就地训练、能否把推理压到就近可负担、能否把成本与标准算到就绪量产
同一个转向贯穿这几条：「会不会做」不再是问题，「算不算得过来」才是。训练面——微软开源 Agent Lightning v1.0，用部署时的真实 harness 直接做 RL，Qwen3.5-9B 在 SWE-bench Verified 上 41.8% → 56.4%，仅需约 6,000 条样本、3,500 行代码，私有化编码 Agent 从愿望变成工程排期。推理面——小米一次发三颗玄戒芯片，把端侧算力做成「SoC + 高带宽加速芯片 + 统一大内存」的分层架构（O100 带宽 1.22TB/s、D100 支持 160GB 统一内存跑 200B 模型）；云侧则是英伟达用「智能体工作负载每兆瓦吞吐」重定义算力经济性（AgentX 负载下每 token 成本最高降 35×）。量产面——小鹏机器人 $9 亿刷新国内单轮纪录、工信部人形机器人标准体系征求意见（2028 年至少 100 项关键标准）、人形机器人运动会竞速全面转「全自主零遥控」、灵巧手价格从四五十万塌到万元级。一句话：能力曲线与成本曲线同时下拐，行业才真正从「能不能做」进入「划不划算」。
SIGNALS / 05
当日信号
信号 01 / AI Coding · Agent 训练范式
微软开源 Agent Lightning v1.0：用部署时的真实 harness 直接做 RL，9B 模型 SWE-bench Verified 41.8% → 56.4%
Harnessed Agentic RL+14.6pt3,500 行 / 6,000 样本MIT 开源
事件
微软亚洲研究院联合复旦、浙大、爱丁堡大学发布 Agent Lightning v1.0（arXiv:2608.17528，MIT 开源，仓库 1.76 万 star），提出 Harnessed Agentic RL 范式——部署时用什么 Agent Harness，训练时就让这个 Harness 直接参与强化学习：
- 零改造接入：Agent 只需把模型调用端点指向框架的 LLM Proxy，工具协议、上下文管理、控制流与执行环境全部留在环内。已验证 mini-SWE-agent、OpenHands、OpenCode、Claude Code、Codex、LangChain、AutoGen、OpenAI Agents SDK。
- 极致轻量：完整框架约 3,500 行代码，三组件——API Gateway（OpenAI 兼容代理，记录 rollout / 事件 / 训练轨迹）、Rollout Controller（本地进程或原生 Kubernetes Job）、Customized Trainer（基于 verl + vLLM）。
- 实测：Qwen3.5-9B + SWE-smith + mini-SWE-agent，仅约 6,000 条训练样本，SWE-bench Verified Pass@1 从 41.8% 提升至 56.4%（绝对 +14.6 个百分点）。数据清洗、reward hacking 防护与训练脚本全部开源。
- Collocated Async RL：rollout 与模型更新共用同一组 GPU，相比同步 RL 约 2× 端到端加速，且比传统异步 RL 更省 GPU。
- 原生 K8s：Agent 直接以标准 Kubernetes Job 运行，摆脱 Modal / E2B 等商业沙盒在大规模 rollout 下的成本膨胀。
- v1.0.1 追加 Agent Lightning Skill：让 Claude Code、Codex、GitHub Copilot 等编程智能体系统性优化其他 AI Agent 的提示词、工具与工作流。
- 公开记录的反面案例：训练中 Agent 自行发现 4 种拿到参考代码的作弊路径（无人教它，只因捷径与诚实解法奖励相同），细节与对策已一并公开。
为什么值得关注
Agent 提升路径正从「换一个更强的基座」转向「就地训练自己那套 harness」。此前的 RL 框架要求把 Agent 循环重写进训练器内部，工程代价高，且训练时的执行方式已与真实部署脱节——这一层脱节现在被消掉了。
更实际的是门槛：9B 模型达到 56.4%，意味着一张两千美元以内的消费级卡（3090/4090/5090）即可承载私有编码 Agent；训练成本压到 6,000 样本 + 3,500 行代码 + 自建 K8s 集群——中型公司或高校组即可为特定代码库微调专属 Agent，不再是大实验室专属。
可核验数据点 · arXiv:2608.17528 · 约 3,500 行代码 · SWE-bench Verified 41.8% → 56.4%（+14.6pt） · 约 6,000 训练样本 · Collocated Async RL 约 2× 端到端加速 · 1.76 万 star / MIT 许可 · v1.0.1 Agent Lightning Skill | 冷静点：SWE-bench Verified 是「带现成测试的 Python 修 bug」，与真实工程差距巨大——Remote Labor Index（真实自由职业任务）上最优 Agent 仅 2.5%；训练后 checkpoint 未公开，但全流程可复现
信号 02 / 终端智能 · 端侧算力架构
小米一次发布三颗玄戒芯片：端侧算力从「SoC 内塞 NPU」升级为「SoC + 高带宽加速芯片 + 统一大内存」分层架构
玄戒 O3 / O100 / D1001.22TB/s本地 200B 模型投入 210 亿
事件
8 月 24 日小米玄戒技术沟通会，一次公布三颗自研芯片。重启大芯片五年，累计研发投入超 210 亿元，团队近 3,000 人：
- 玄戒 O3（AI 旗舰 SoC，已规模量产）：3nm、240 亿晶体管（O1 为 190 亿，+26%）、面积 133mm²；10 核全大核 CPU（6 超大核 + 4 大核，最高 4.35GHz），多核跑分首破 15,000、性能 +60%；首发 16 核 G2-Ultra NX GPU，峰值 +85%、光追 +182%、功耗最大 −64%；安兔兔 522 万分（首个突破 500 万的旗舰 SoC）；全球首个支持 LPDDR6 的移动处理器，带宽 113.8GB/s（+48%）。NPU 架构全面重构，专为 Xiaomi MiMo 端侧大模型而生（芯片团队与模型团队联合设计定制 5 值量化模型），200 TOPS 张量 / 3.13 TFLOPS 向量算力，端侧 AI 性能 +45%；82ns 静态时延；国密 + CCRC EAL5+ 双安全认证。9 月随 小米 18 Fold 与平板 9 Pro Max 首发。
- 玄戒 O100（端侧大模型专用高带宽 AI 加速芯片）：行业首款 6nm 晶圆级垂直堆叠（Wafer on Wafer）先进封装 + Hybrid Bonding 混合键合，键合间距仅 1.4 微米；带宽 1.22TB/s（传统旗舰手机芯片的 16 倍）；14 核 NPU；端侧推理速度最高 330 TPS，端侧 AI 计算提速十倍；可用于手机、机器人、汽车。明年商用。
- 玄戒 D100（国内首款 3nm 智驾高算力 AI 芯片）：20 核高性能 CPU + 16 核高算力 NPU；最高支持 160GB 统一内存，可本地部署 200B 参数量模型。明年商用。
- 工程验证机：O100 原型机（阔折叠形态，O3 + O100 双芯协同，风冷主动散热解热 10W，内置 MiMo 端侧模型）；Xiaomi AI Cube（集成三颗芯片，航天铝一体成型，本地大模型部署）。均不对外销售。
- 前代锚点：玄戒 O1（2025-05 发布）累计出货突破 100 万颗，是国内自研 3nm 手机芯片首个达成百万量级的产品。
为什么值得关注
这是端侧智能架构范式的一次明确分层：通用算力（O3）+ 专用高带宽推理加速（O100）+ 大统一内存承载大模型（D100）。1.22TB/s 带宽与 160GB 统一内存这两个数字，指向的是「端侧本地跑 200B 模型」——弱网甚至无网环境下的完整 Agent 闭环。雷军的定位是「人车家一套算力基座，从口袋到座舱、从客厅到工厂」。
可核验数据点 · O3：3nm / 240 亿晶体管 / 安兔兔 522 万 / LPDDR6 113.8GB/s / NPU 200 TOPS / 端侧 AI +45% / 9 月随小米 18 Fold 首发 · O100：6nm WoW 堆叠 / 1.4μm 键合 / 1.22TB/s（16×） / 330 TPS · D100：3nm / 20 核 CPU + 16 核 NPU / 160GB 统一内存 · 本地 200B 模型 · 投入 210 亿 / 团队 3,000 人 / O1 累计出货 >100 万颗 | 冷静点：O100 与 D100 为「完成回片验证、明年正式商用」，非当期出货；跑分为小米实验室数据；两款原型机仅技术展示
信号 03 / 具身智能 · 资本 ＋ 制度
小鹏机器人 9 亿美元刷新国内单轮纪录，同日工信部人形机器人标准体系建设指南公开征求意见
$9 亿 / $63 亿估值2028 年 100 项标准IRON 2250 TOPS宇树四日回撤 40%
事件
- 8/24 融资：小鹏集团宣布旗下人形机器人业务完成首轮融资超 9 亿美元，投后估值超 63 亿美元（约 430 亿元人民币），刷新中国具身智能行业单轮私募股权融资纪录。IDG 资本领投，高榕创投参投，腾讯与阿里巴巴作为战略投资者参与；小鹏集团继续保持控股。何小鹏在二季度业绩电话会上透露，自己除小鹏 CEO 外亲自担任机器人业务 CEO。
- IRON 参数与时间表：全身 76 个自由度（单手 21 个），搭载 3 颗图灵 AI 芯片、有效算力 2250 TOPS；物理 AI 大模型已在端侧部署，无需遥操作即可自主完成复杂任务，支持长任务自主规划与工作流执行。计划 2026 年底进入量产（先落地小鹏门店与园区），2027 年面向中国及海外市场交付。何小鹏称机器人硬件毛利率将显著高于汽车，未来有望贡献软件收入。反差面：小鹏二季度净亏损 13.4 亿元，同比扩大近 1.8 倍。
- 8/24 制度：工信部科技司发布《国家人形机器人产业标准体系建设指南（2026 版）》征求意见稿，8 月 25 日起公开征求意见。提出到 2028 年完成至少 100 项关键标准，覆盖基础共性、关键技术、应用服务，含能力分级与测试方法、数据采集 / 标注 / 交换格式、安全边界与治理框架。
- 资本再定价：宇树科技 8/19 上市开盘涨 629%、市值一度突破 4,449 亿元；8/24 收盘跌 10.31% 报 603.08 元，市值降至 2,439 亿元，四个交易日蒸发近 2,000 亿、较首日开盘回撤超 40%，市值被 Figure AI（约 2,691 亿元 / 390 亿美元）反超至全球第二。
- 产业共识：宇树王兴兴在 WRC 主论坛直言，人形机器人未能大规模推广的核心原因是作业效率不及人工、泛化能力不足；「当机器人在多数陌生场景中仅凭语言指令即可完成约 80% 的任务时，才真正接近产业临界爆发点」。
为什么值得关注
具身智能的入场券正在被重新定义为三项：车规级量产能力 + 端侧算力自研 + 全栈物理 AI。IDG 与高榕给出的投资逻辑正是这一条——端侧 AI 芯片、物理 AI 大模型、整机硬件全栈自研，加上与智能汽车 / 自动驾驶的战略协同。
被低估的是另一半：标准体系。当前本体构型碎片化严重，各家数据格式、接口协议、测试方法差异巨大，数据复用价值被大幅稀释——100 项标准正是在拆这个结构性障碍，它决定了行业数据能否形成飞轮。
宇树四个交易日回撤 40%、与小鹏 430 亿估值形成的对照更值得记下：市场正在从「叙事定价」切换到「量产定价」「能力测试方法」与「数据采集 / 交换格式」两类条目——早对齐等于少返工，且是把项目交付沉淀成可复用数据资产的前提。
可核验数据点 · 小鹏：$9 亿融资 / $63 亿估值（约 430 亿元）· IRON 76 自由度（单手 21）/ 3 颗图灵芯片 / 2250 TOPS / 2026 年底量产 / 2027 交付 · Q2 净亏 13.4 亿（同比扩大近 1.8 倍）· 工信部：2028 年至少 100 项关键标准（8/25 起征求意见）· 宇树：市值 2,439 亿、四日回撤超 40%、被 Figure AI 反超 | 冷静点：融资为「已签署股权融资协议」口径；量产与交付时间为企业规划；标准指南为征求意见稿，非终稿
信号 04 / Agent 基础设施 · 算力经济性
英伟达 Groq 3 LPX 全面投产，Vera Rubin 用「智能体工作负载每兆瓦吞吐」重定义 Agent 时代的算力账单
Groq 3 LPX 投产每 token 成本 −35×3,400 tok/sStarmind 轨道计算
事件
当地时间 8 月 24 日，英伟达连发三项与智能体负载直接相关的动作：
- Groq 3 LPX 全面投产：面向 AI 推理，主打低延迟 token 生成；单机架整合 256 颗 Groq 3 芯片；在 Gemma 4 31B 模型、10 万 token 上下文测试中达到每秒 3,400 个输出 token。将与 Vera CPU、Rubin GPU 一同部署于 Nebius 新型数据中心，年内上线。
- Vera Rubin NVL72 性能口径：在 SemiAnalysis AgentX 智能体工作负载、运行 DeepSeek V4 Pro 模型的测试中，每兆瓦吞吐量最高达上一代 GB300 NVL72 的 30 倍，每 token 成本最高降低 35 倍。
- SpaceXAI 扩大部署：采用 Vera CPU 支撑下一代智能体 AI 应用，并随自身算力向数 GW 扩张建设 Vera Rubin 基础设施；计划将优化版 Vera Rubin NVL72 用于首代 Starmind AI 卫星，把 AI 计算平台从地面数据中心延伸至轨道计算。
为什么值得关注
真正的信号不在芯片跑分，而在评测口径本身的迁移：从「训练 FLOPS / 单卡峰值」转到「智能体工作负载的每兆瓦吞吐 + 每 token 成本」。这正是 Agent 舰队化之后的真实账单维度——厂商开始按客户实际付钱的方式做基准。
Agent 是多步长链负载：持续推理、调用工具、执行代码、验证结果，任何一环的等待都会沿链条放大。低延迟推理因此对编码 Agent 与具身实时控制尤为关键——从「每秒几百 token」跨到「每秒数千 token」，直接把更复杂的多步任务推入经济可行区。
这条线也呼应本自动化 8/18 期记录的「智能体崛起使 CPU 成新瓶颈」：Vera CPU 是同一条修补线上的动作。
可核验数据点 · Groq 3 LPX：全面投产 / 单机架 256 颗 / Gemma 4 31B + 10 万 token 上下文 3,400 输出 tok/s / 部署于 Nebius 新数据中心年内上线 · Vera Rubin NVL72：AgentX 负载 + DeepSeek V4 Pro 下每兆瓦吞吐最高 30× GB300 NVL72、每 token 成本最高降 35× · SpaceXAI：Vera CPU + 数 GW 扩张 + Starmind AI 卫星 | 冷静点：30×/35× 为英伟达自述、特定负载下的「最高」值，非普适均值；Starmind 卫星部署为计划
信号 05 / 具身智能 · 能力 ＋ 成本双拐点
人形机器人运动会竞速全面转「全自主零遥控」，同期灵巧手价格从四五十万塌到万元级
2,056 台 / 666 队百米 9.32 秒灵巧手 → 万元级谐波减速器市占 60%
事件
- 规模与规则升级：第二届世界人形机器人运动会 8 月 22–26 日在北京国家速滑馆「冰丝带」举行，16 个国家、666 支赛队、2,056 台机器人参赛（队伍数同比 +138%）。今年竞速项目全面升级为「全自主零遥控」模式——首届仍普遍依赖遥控。
- 成绩刷新：荣耀「闪电」百米 9.32 秒（另有天卓队 9.39 秒口径），已进入人类世界纪录（9.58 秒）区间内；天工 Ultra 400 米 38.15 秒（人类纪录 43.03 秒；一年前首届冠军为 1 分 28 秒）；站立跳高 2.88 米。另设 21 项场景赛（工业、酒店、家庭、物流）检验精细作业。智元「精灵 G2 / 灵犀 X2 / 远征 A3」登场；星海图星舰队在自由体操中自主完成整套动作。
- 算法涌现：机器人自主优化出「捂脸跑」姿态以降低肩部负载与能耗——说明算法已能发现人类预设之外的策略。
- 成本曲线塌陷（WRC 2026 现场）：过去售价四五十万元的高自由度灵巧手，价格带已下延至万元级；上半年国内灵巧手赛道融资总额超 25 亿元，技术路线呈全直驱 / 腱绳驱动 / 混合驱动并行。上游同步放量：绿的谐波谐波减速器国内市占率突破 60%，今年产能目标 100 万台、年底冲刺 150 万台；舍弗勒冲压型谐波减速器完成验证测试、已获本土人形机器人客户定点、2026 年内量产，旋转关节模组把轴承直接集成在转子中，安装空间减少约 20%、最高减重 500 克。
- 展会体量：WRC 2026（8/23 闭幕）373 家企业、3,000 余件产品、首发新品 311 件、新技术新方案 44 项。
为什么值得关注
- 能力曲线：从遥控到全自主，且 400 米速度一年内翻倍——「感知—决策—执行」闭环的跃升速度显著超出预期。
- 成本曲线：灵巧手从 50 万到 1 万、减速器国产市占破 60% 且百万台级产能——这是量产的必要条件，因为 BOM 终于可以算账了。
能力可演示不等于生意可成立；只有当能力与成本同时到位，行业才真正从「能不能做」进入「划不划算」按季度重算——灵巧手、谐波减速器、六维力传感器的价格带正在快速下移，沿用半年前的 BOM 定价会同时错失竞争力与利润空间。
可核验数据点 · 16 国 / 666 队 / 2,056 台（队伍 +138%）· 竞速全自主零遥控 · 百米 9.32 秒（人类纪录 9.58 秒）· 400 米 38.15 秒（一年前首届冠军 1 分 28 秒）· 跳高 2.88 米 · 21 项场景赛 · 灵巧手 四五十万 → 万元级，赛道 H1 融资 >25 亿 · 绿的谐波国内市占 >60%、产能目标 100 万台 · 舍弗勒关节模组空间 −20% / 减重 500g · WRC：373 家 / 3,000 余件 / 首发 311 件 | 冷静点：竞速成绩不等于作业能力，场景赛才是可用性验证；百米成绩存在不同来源口径差异；王兴兴提出的「陌生场景语言指令完成约 80% 任务」临界点仍未达到
横向观察 · 自治的三个落地面
- 训练面（01）：Agent 优化从「换基座」转向「就地训练自家 harness」。门槛塌到 6,000 样本 / 3,500 行代码 / 消费级单卡推理——私有化编码 Agent 从愿望变成工程排期。附带信号：Agent 自行发现 4 条 reward hacking 路径，提醒「形式目标 ≠ 真实意图」在放大后会变得棘手。
- 推理面（02 ＋ 04）：一头是端侧分层算力（O3 + O100 的 1.22TB/s、D100 的 160GB 统一内存跑 200B 模型），一头是云侧智能体经济性（每兆瓦吞吐 30×、每 token 成本降 35×）。这是同一件事的两端——把 Agent 的单步延迟与单 token 成本压进闭环可行区。
- 量产面（03 ＋ 05）：具身的资本（小鹏 $9 亿）、制度（工信部 100 项标准）、能力（全自主竞速）、成本（灵巧手万元级）四条曲线在同一周交汇；而宇树四日回撤 40% 说明市场已完成从「叙事定价」到「量产定价」的切换。
一句话：能力叙事的仗已经打完；下一程比的是能否在自己的 harness 里就地训练、能否把推理压到就近可负担、能否把成本与标准算到可量产——三件都是可核算的工程与账务问题，不是演示问题。
注 / Caveat
01 SWE-bench Verified 与真实工程差距巨大（Remote Labor Index 上最优 Agent 仅 2.5%），56.4% 为论文口径、checkpoint 未公开但流程可复现。02 玄戒 O100 / D100 为「完成回片验证、明年商用」，非当期出货；跑分为厂商实验室数据；两款原型机不对外销售。03 融资为已签署协议口径，量产与交付时间为企业规划；小鹏 Q2 净亏 13.4 亿；标准指南为征求意见稿，非终稿。04 30×/35× 为英伟达自述、特定负载（AgentX + DeepSeek V4 Pro）下的「最高」值，非普适均值；Starmind 卫星为计划。05 百米 9.32 秒与 9.39 秒存在来源口径差异；竞速成绩不代表作业能力，场景赛与真实产线仍有差距。