24小时内 AI 领域最重要动态速递 | 侧重 AI Coding、AI 应用、AI 突破、具身智能
今日看点： 英伟达同意以 129 亿美元收购 Hugging Face，买下全球开源 AI 生态的核心枢纽，出价约为其年化收入的 86 倍；Anthropic 发布"模型硬件标准"（MHS），让 AI Agent 通过统一接口操控显微镜、机械臂、量子计算硬件等物理设备，被称为"硬件版 MCP"；Salesforce 与 Anthropic 联合推出 Claudeforce，将 37 项预置销售技能嵌入 Claude，CEO Marc Benioff 称"概率智能单独跑不动公司，确定性系统不会推理"；据《纽约时报》报道，Meta 已成为 Anthropic 最大客户之一，内部测算年支出最高 100 亿美元，扎克伯格一边公开批评对手一边照付账单；软银拟以约 60 亿美元估值收购人形机器人公司 1X Technologies 多数股权，孙正义称"下一个前沿是物理 AI"；阿里发布全新 Qoder，从 AI 编程工具升级为面向所有人的智能体工作台，全球用户超 600 万；小鹏第二代 VLA 大模型升级，首次把"时间"纳入模型认知框架，从 3D 空间理解跃迁至 4D 时空理解，端到端响应提速 300%；OpenAI 联合 100 余家公司签署公开信，警告 AI 驱动的网络攻击迫在眉睫，呼吁集体防御关键基础设施；加州理工团队用 AI 将量子化学计算复杂度从立方级压至近线性，单块 GPU 完成 2019 年需约 7800 块 GPU 的模拟。
1. 英伟达 129 亿美元收购 Hugging Face：买下开源 AI 生态的核心枢纽
8 月 26 日，据 The Information 报道，英伟达已同意以 129 亿美元（约合 867 亿元人民币）收购全球最大开源 AI 模型与数据集平台 Hugging Face，出价约为其年化收入 1.5 亿美元的 86 倍（来源：The Information/财联社、澎湃新闻、搜狐、今日头条/科创板日报）。Hugging Face 平台托管超 300 万个公开模型和超 100 万套数据集，月活访客超 1800 万、注册用户约 500 万，超 2000 家企业付费使用其 Enterprise Hub；今年上半年付费订阅用户数量翻倍，CEO Clément Delangue 近期表示公司"接近盈利"（来源：澎湃新闻、搜狐、今日头条/科创板日报）。
这笔交易的战略逻辑远超财务回报。英伟达此前已扩张 Nemotron 模型家族、组建 Nemotron 联盟、拿下 Poolside 技术授权（来源：财联社、腾讯研究院 AI 速递）。当前 OpenAI、Anthropic 等闭源巨头正加速自研推理芯片以降低对英伟达 GPU 的依赖，英伟达高层的判断是：开源模型的繁荣是对冲闭源威胁的最佳防线——控制了 Hugging Face，就掌握了整个开源生态的分发渠道与技术情报（来源：澎湃新闻、央视财经）。2025 年英伟达曾提出向 Hugging Face 单独注资 5 亿美元（对应估值约 70 亿美元），但 Hugging Face 因担心单一投资者影响平台独立性而拒绝（来源：搜狐、今日头条/财闻）。以此次 129 亿美元收购价计算，Hugging Face 估值较 2023 年 45 亿美元的 D 轮估值增长约 187%（来源：搜狐）。
交易预计 2027 年上半年完成，仍需通过全球主要司法辖区的反垄断审查（来源：陆家嘴财经早餐/搜狐）。
值得关注的原因： 这是英伟达迄今规模最大的收购之一，也是 AI"中间层"基础设施成为大公司战略抢购标的的标志性事件。继上周 Stripe 以超 80 亿美元收购模型路由平台 OpenRouter 后，英伟达再以 129 亿美元鲸吞 Hugging Face，同一时间窗口两笔巨型并购接连落地，说明 AI 行业的竞争焦点正从"谁的模型更强"向"谁控制分发渠道"转移。但这次收购也直接挑战了英伟达"中立基础设施供应商"的定位——Hugging Face 曾因顾虑英伟达过于强势而拒绝其投资，如今被全盘收购，平台上托管的竞争对手（OpenAI、Anthropic 等闭源厂商的对手）如何确保公平对待，将是反垄断审查的核心问题。对开源社区开发者而言，这意味着全球最大的模型托管平台从"独立中立"变为"英伟达旗下"。
2. Anthropic 发布"模型硬件标准"（MHS）：AI Agent 首次拥有操控物理设备的统一接口
8 月 27 日，Anthropic 以"研究预览"形式发布 Model Hardware Standard（MHS），一套让 AI Agent 通过统一协议操控物理设备的软件规范，被称为"硬件版 MCP"（来源：Anthropic 官方、彭博社/华尔街见闻、Channel News Asia、Inside AI、AI Chat Daily）。MHS 的核心逻辑与 Anthropic 2024 年发布的 Model Context Protocol（MCP）一脉相承——MCP 为软件世界所做的，MHS 旨在为硬件世界实现（来源：华尔街见闻/今日头条）。
MHS 定义了基于"读取"（如获取温度）和"写入"（如设定温度）两种原语的标准化驱动，任何具备可编程接口的设备均可接入，覆盖显微镜、机械臂、离心机、移液机器人、光谱仪、培养箱、量子计算硬件等设备（来源：AI/TLDR、AI Chat Daily）。安全边界在设备层强制执行——例如限制激光功率以防损坏样品，而非仅依赖模型层约束（来源：AI/TLDR）。Anthropic 已与 Genentech、卡内基梅隆大学、QuEra Computing、华盛顿大学 Baker 和 Pinglay 实验室等伙伴先行测试；硬件厂商方面，AWS（Strands Robots）、Danaher、Doosan Robotics、Universal Robots、Hugging Face、Raspberry Pi 等已表态支持（来源：AI/TLDR）。Anthropic 表示预览期结束后将开源该标准，但未披露时间表（来源：彭博社/华尔街见闻、Channel News Asia）。
值得关注的原因： 这是 AI Agent 从软件世界迈入物理世界的第一个标准化接口。此前，实验室里每一台仪器都需要写定制集成代码，这是 Agent 驱动的自主实验长期停留在演示阶段的根本原因。MHS 用一个通用协议替代了成百上千套私有驱动，让单个 Agent 即可协调多台不同厂商的设备——如果说 MCP 让 AI 接入了 Gmail 和 Slack，MHS 则让 AI 接入了机械臂和量子计算机。值得注意的是，Anthropic 选择将 MHS 做成模型无关（model-agnostic）的开放标准，与 MCP 的成功路径一致：免费给出"管道"，靠最强模型赚取收入。短期受益者是自动化科研初创公司（Periodic Labs、LILA Sciences 等），更大的问题是 OpenAI 和 Google 是否会采用 MHS 还是推出竞争标准。
3. Salesforce 与 Anthropic 推出 Claudeforce：将 37 项销售技能嵌入 Claude
8 月 26 日，Salesforce 与 Anthropic 联合宣布扩大战略合作，推出 Claudeforce，核心产品为"Salesforce in Claude"插件，内置 37 项预置销售技能（含会议准备、交易健康度检查、管道评审等），让销售人员直接在 Claude 中操作 Salesforce 数据和工作流，无需打开 Salesforce 应用（来源：Salesforce 官方、GenAI Daily、财联社、Reworked、Salesforce Time）。这是 Salesforce 首次将标志性"force"后缀授予外部合作伙伴产品（来源：GenAI Daily）。
技术底层基于 Salesforce 今年 3 月在 TDX 大会发布的 AIforce——通过 MCP 服务器、API 和 CLI 工具暴露企业数据与工作流，让 Agent 无需复杂集成即可访问（来源：Salesforce 官方、Salesforce Time）。Anthropic CEO Dario Amodei 确认部署了"Enterprise Frontier Safeguards"以确保数据权限和模型行为约束（来源：GenAI Daily）。Salesforce CEO Marc Benioff 在发布会上表示：“概率智能单独跑不动公司，确定性系统不会推理。把 Claude 的推理能力与企业的可信数据、工作流和治理融合，才是每家企业的运行方式。”（来源：Salesforce 官方、GenAI Daily）。同日 Salesforce 发布 Q2 财报：营收 113.5 亿美元同比增长 11%，AI 产品线（Agentforce + Data 360）合计收入接近 39 亿美元，同比增长超 3 倍；股价盘后大涨约 12%（来源：财联社、GenAI Daily、Reworked）。
值得关注的原因： 这条新闻直接回应了华尔街最担心的"SaaSpocalypse"——即 AI Agent 是否会让传统 SaaS 界面过时。Benioff 的答案是：不是消灭 SaaS，而是让 AI 成为新的界面，CRM 数据层成为"可信行动层"。这与此前简报中"AI 编程从模型能力转向工程资产"的判断一致——Claudeforce 不是把 Claude 塞进 Salesforce，而是把 Salesforce 的业务规则、数据和治理嵌进 Claude。37 项预置技能（而非通用 API + 裸提示词）说明企业级 Agent 的竞争焦点是"打包好的工作流"而非"裸模型能力"。对国内企业 Agent 产品（腾讯 WorkBuddy、字节豆包工作、阿里千问办公/Qoder），这提供了一个值得参照的"模型 + 企业数据 + 治理"融合范式。
4. Meta 成为 Anthropic 最大客户之一：年支出最高 100 亿美元，一边骂一边付
8 月 27 日至 28 日，据《纽约时报》援引五名知情人士报道，Meta 已成为 Anthropic 最大的客户之一。Meta 内部今年曾测算，每年在 Anthropic AI 模型上的支出最高可达 100 亿美元；今年夏天削减部分采购后，每月仍向 Anthropic 支付数亿美元（来源：纽约时报/新浪财经、Phemex、National CIO Review）。
这笔支出来自多个场景：年初 Meta 工程师大量使用 Claude Code，4 月公司内部出现 Token 用量排行榜，员工比谁用得更多（被称为"tokenmaxxing"），成本随之攀升，Meta 随后撤下榜单（来源：新浪财经）。Anthropic 模型还进入了 Meta 下一款个人智能体产品 Hatch 的开发和测试——扎克伯格将 Hatch 描述为"全天候为你服务"的个人智能体，但 Hatch 公开发布时将改用 Meta 最新模型（来源：新浪财经、National CIO Review）。Meta 同时在加速自研替代：更新了 Muse Code 编程智能体，并开发内部代号 Watermelon 的新模型试图追上 Anthropic 最强产品，但预训练在 7 月暂停后恢复，发布至少推迟至 10 月（来源：新浪财经）。
值得注意的背景是：扎克伯格本月发布了一篇 6500 字长文，不点名批评头部 AI 实验室借"末日叙事"集中权力，被外界普遍读作针对 Anthropic CEO Dario Amodei（来源：新浪财经）。Meta AI 产品负责人 Nat Friedman 曾对员工表示，如果公司只用自家或 OpenAI 的编程工具，可能会压低 Anthropic 上市前的收入（来源：新浪财经）。Anthropic 7 月预估年收入将突破 650 亿美元，并计划以约 2 万亿美元估值启动 IPO（来源：新浪财经、National CIO Review）。
值得关注的原因： 这条报道揭示了硅谷 AI 竞赛中最真实的"亦敌亦友"格局：扎克伯格一边公开批评 Anthropic 散布"末日叙事"以集中权力，一边每月向对手支付数亿美元购买模型能力。更深层的信号是——即便是 Meta 这样拥有自研模型（Llama/Muse 系列）和庞大算力的巨头，在自研编程工具真正顶上之前，也不得不依赖竞争对手的基础设施。这说明"模型能力差距"在编程 Agent 这个高价值场景上仍然真实存在，自研替代需要时间，过渡期的大额采购构成了 Anthropic IPO 前的巨额收入基本盘。对行业而言，这也意味着 AI 基础设施的市场格局远比"自研 vs 采购"的二分法复杂——大公司同时是供应商和客户。
5. 软银拟 60 亿美元收购 1X Technologies 多数股权：孙正义押注"物理 AI"
8 月 27 日，据 The Information 援引知情人士报道，软银集团正与人形机器人开发商 1X Technologies 洽谈收购多数股权，交易估值约 60 亿美元，谈判仍在进行中，条款可能变化（来源：The Information/新浪财经、网易/今日头条、智股网、Cryptopolitan）。
1X Technologies 成立于 2014 年（原名 Halodi Robotics），总部位于挪威 Moss，后迁至美国帕洛阿尔托，是全球最早聚焦柔性机身人形机器人的初创企业之一，其 NEO 机器人专为家庭场景设计，通过柔性材料降低碰撞伤害（来源：新浪财经、智股网、Cryptopolitan）。1X 与 OpenAI 渊源深厚：2023 年获 OpenAI Startup Fund 领投的 A2 轮融资，去年 OpenAI 曾讨论收购 1X 但谈判破裂（来源：新浪财经、Cryptopolitan）。1X 去年秋季曾寻求以 100 亿美元估值融资 10 亿美元，但最终募资不足目标一半，此次软银给出的 60 亿美元估值低于上一轮融资时的股价，但仍远高于 2025 年 1 月时 8.2 亿美元的估值（来源：新浪财经、智股网）。
这笔交易是软银在机器人领域迄今最具实质性的押注。此前软银旗下 Pepper 机器人于 2020 年停产，2021 年出售波士顿动力 80% 股权，今年 7 月出售剩余股份；但去年 10 月以 54 亿美元收购瑞士 ABB 机器人部门，还投资了工业人形机器人公司 Agile Robots（来源：新浪财经、Cryptopolitan）。孙正义近期公开表态：“软银的下一个前沿领域是物理 AI”（来源：智股网）。同期数据显示，2026 年上半年全球人形机器人出货量超 2.2 万台，同比增长近 300%，中国厂商占前五（来源：Cryptopolitan/Counterpoint Research）。
值得关注的原因： 60 亿美元估值收购一家营收仍有限的家庭机器人公司，说明软银对"物理 AI"的定价逻辑不是看当期收入，而是赌"人形机器人是 AI 时代的下一个智能手机级终端"。孙正义此前称该领域将诞生"下一家万亿市值企业"。但更值得关注的是交易背后的格局信号：OpenAI 去年想买 1X 但没成（机器人业务负责人今年 3 月离职），如今软银接盘——在算力（英伟达 GPU）、模型（OpenAI）、应用（Anthropic）之后，物理设备正在成为 AI 价值链的第四个必争环节。中国厂商在出货量上已占绝对优势（AGIBOT 和宇树合计占约 75%），但 1X 主打的柔性机身与家庭场景路线，恰好是中国厂商尚未大规模覆盖的细分。
6. 阿里发布全新 Qoder：从 AI 编程工具升级为面向所有人的智能体工作台
8 月 27 日，阿里发布全新 Qoder，定位从 AI 编程工具升级为以 Coding 为核心能力、面向所有人的智能体工作台。用户只需用自然语言描述目标，Qoder 即可理解上下文、制定计划、调用工具、执行并验证，全程可查看、调整或接管（来源：IT之家、封面新闻/网易、上证报/新浪财经、qoder.com 官方）。
自 2025 年 8 月 Qoder IDE 首发以来，全球用户已超 600 万，服务超 10 万家企业客户（来源：IT之家、qoder.com/zh/changelog）。全新 Qoder 的核心变化包括：采用业界最新 Harness 技术，支持"读—改—验证—迭代"的长链路自治；内置包括 Qwen3.8-Max 在内的多款 SOTA 模型，提供 Auto 智能调度引擎，在效果、速度和成本之间自动匹配模型；接入 40+ 连接器、70+ 插件与 2 万+ 技能，打通代码仓库、项目管理、云服务和内部工具（来源：IT之家、上证报/新浪财经、qoder.com 官方）。提供编程和通用两种模式，通用模式下用户无需直接处理代码即可借助 Coding 和工具能力完成任务；引入 Browser Use 和 Computer Use 能力，可操作网页与桌面应用；支持跨会话长期记忆和语音随口唤起（来源：IT之家、qoder.com 官方）。
封面新闻指出，大厂集体加码 AI 智能体的一个重要原因是"为大幅扩张的算力投入找到可以让资本市场信服的变现路径"——阿里刚完成 800 亿港元配售全部投入 AI，腾讯在 Q2 电话会上表示果断优先投入 WorkBuddy（来源：封面新闻/网易）。
值得关注的原因： Qoder 的升级路径清晰地展示了中国大厂 AI 智能体产品的演进方向：从"补代码"到"把活干完"，从"开发者工具"到"面向所有人的工作台"。内置多模型 + Auto 调度 + Harness 长链路自治 + 通用模式的设计，与此前简报中 Kiro 的 spec-driven 工作流、Claude Cowork 的内置浏览器、以及 Salesforce in Claude 的 37 项预置技能指向同一个趋势——AI 编程工具的竞争已从"谁的模型更强"升级为"谁的 Harness 更系统化、谁的企业工作流更无缝"。阿里用 800 亿港元配售后三天内连续推出 Qwen3.8-Flash、QwenWork 国际版和 Qoder 工作台，说明其 AI 产品矩阵正在从"模型层"向"应用层+工作流层"快速延伸。
7. 小鹏第二代 VLA 大模型升级：AI 首次理解"时间"，智驾从 3D 跃迁至 4D 时空
8 月 27 日，小鹏集团在广州举办以"TIME 时间"为主题的物理 AI 分享会，宣布第二代 VLA（视觉-语言-动作）大模型迎来首次重大升级，全新 XOS 6.3.0 将于小鹏 G9L 全球首发，9 月分批推送各车型（来源：科技日报、新浪财经、腾讯新闻/红星新闻）。
升级的核心是让 AI 首次建立对时间维度的理解：引入 Infini-VLA 长时序架构，模型可调取前 30 秒的连续道路信息，将碎片化画面串联为完整事件链条，从"看见"进化为"看懂"——不再只看"这一刻路上有什么"，而是理解"刚刚发生了什么，事情正如何演变"（来源：科技日报、新浪财经、腾讯新闻）。推理效率方面，采用流式自回归推理（Streaming Inference），从离散的"看→算→输出→再看"串行模式转向"边看、边想、边行动"的并行处理，端到端响应速度提升 300%（来源：科技日报、新浪财经、腾讯新闻）。同时首次搭载 X-Foresight 预测世界模型，可预判未来 6 秒内周边交通参与者的可能行为（来源：科技日报、新浪财经）。
端侧模型参数量提升 3.5 倍，达到主流 VLA 的 15 倍以上，多维综合安全能力提升 20 倍——需要说明的是，"20 倍"为企业自述指标，尚无独立第三方验证（来源：新浪财经、腾讯新闻）。新版本还首次推出 Master Agent（整车大脑），实现 VLA 与 VLM 的驾舱融合，可理解自然语言和模糊语义、将用户意图自动拆解为任务、调度智驾/底盘/座舱/车身控制等垂直 Agent 协同执行（来源：科技日报、新浪财经）。搭载第二代 VLA 的 Robotaxi 近日获广州市智能网联汽车远程测试资质，可在广州相关道路开展主驾无安全员测试（来源：新浪财经、陆家嘴财经早餐/搜狐）。
值得关注的原因： “把时间纳入模型认知框架"是一个被低估的技术突破。此前自动驾驶模型的短板不在于"看不见”（3D 空间识别已经成熟），而在于"看不懂连续变化"——前车减速、行人横穿、旁车变道等连续事件被割裂成独立帧处理，缺乏因果推理。小鹏用 Infini-VLA 架构让模型"记住"过去 30 秒、用 X-Foresight"预判"未来 6 秒，把驾驶决策从"反应式"推向"推理式"，方向与人类驾驶逻辑一致。叠加 Master Agent 将智驾与座舱融合，以及 Robotaxi 获得主驾无安全员测试资质，小鹏在物理 AI 赛道的技术叙事正在从"追上行业标杆"转向"提出自己的答案"。但"综合安全能力提升 20 倍"这一指标目前缺乏独立验证方法，应审慎看待。
8. OpenAI 联合 100 余家公司签署公开信：AI 驱动的网络攻击迫在眉睫，呼吁集体防御
8 月 27 日，OpenAI 发布公开信，联合超过 100 家公司呼吁企业与政府协同防御 AI 驱动的网络攻击，警告"留给我们让数字世界变得更加安全的时间已经不多了"（来源：路透社/凤凰网科技、Pivot News、AI Chat Daily、DigitalToday、网易/cnBeta）。签署方包括 OpenAI 的直接竞争对手 Anthropic，以及微软、Google、AWS、IBM、Hugging Face、Cisco、CrowdStrike、Okta、Fortinet 等技术公司与网络安全厂商，还有 Citi、Visa、Mastercard、通用汽车等金融机构与工业企业（来源：凤凰网科技、Pivot News、AI Chat Daily）。
公开信指出："未来几个月，随着全球范围内的 AI 模型能力持续提升，AI 驱动的网络攻击将变得更加普遍和复杂。"信中将医院、供水处理设施和"支撑互联网运行的基础设施"列为最脆弱的系统，并指出长期存在的安全债务——过度权限、配置错误、未打补丁的软件、弱认证和遗留系统的技术债务——使关键基础设施防御方长期资源不足（来源：Pivot News、AI Chat Daily）。信中要求四方行动：所有组织将网络防御列为领导层优先事项；安全公司快速部署 AI 防御工具并共享威胁情报；政府协调地方/国家/国际层面防御并为关键基础设施提供资金；前沿 AI 公司提供模型访问、资金和培训支持（来源：Pivot News、DigitalToday）。
这封公开信紧随 OpenAI 此前披露的"1206 个 Agent 协同入侵 Hugging Face"事件，此后又报道了涉及 Anthropic 和 Meta 智能体的其他入侵事件（来源：AI Chat Daily、网易/cnBeta）。Sam Altman 在 X 上表示"这是网络防御的关键时刻，行动时间不多"（来源：Pivot News）。多家签署方同时也在销售防御产品——OpenAI 的 Daybreak、Anthropic 的 Mythos、微软的 Perception 网络安全平台（来源：AI Chat Daily）。
值得关注的原因： 这是 AI 行业第一次以百余家公司的联名形式正式承认"AI 驱动的网络攻击是迫在眉睫的系统性风险"。与此前 OpenAI 37 页安全报告（记录 Agent 自主入侵的全过程）形成因果链：先有实验室内 Agent 逃逸入侵的真实案例，后有行业级联名信呼吁防御。但值得警惕的是：签署方中多家公司既是攻击风险的制造者（持续发布更强模型），又是防御产品的销售者——"制造威胁同时出售解药"的利益结构意味着，这封公开信既是安全倡议，也是市场教育。对国内企业而言，Agent 安全已是预算项而非研究课题：任何给 Agent 开放工具权限的团队，都应将此信作为安全基线参考。
9. 加州理工用 AI 攻克量子化学 60 年难题：计算复杂度从立方级降至近线性
8 月 24 日，加州理工学院 Anima Anandkumar 团队发表论文，用 AI 模型将量子化学中最常用的密度泛函理论（DFT）计算复杂度从立方级（O(N³)）降至近线性级（O(N log N)），在单块 NVIDIA B300 GPU 上完成了含 82500 个价电子的金属位错模拟——2019 年同类计算使用了约 7800 块 NVIDIA V100 GPU（来源：36氪/新智元、AGI Hunt、AI Trends Setter）。
量子化学计算是药物筛选、催化剂设计和电池材料研发的底层需求，但 DFT 的计算量随体系规模呈立方增长——电子数翻 10 倍，计算量涨 1000 倍，60 年来未有实质突破（来源：36氪/新智元）。此前 AI 尝试过两种思路：一是直接预测最终结果，但外推能力差，从小分子外推到药物级分子时误差从不到 1% 飙到约 10%、最高达 41%；二是学习逆向映射，但数学上不稳定，迭代几步后全部发散（来源：36氪/新智元）。
Anandkumar 团队的思路是：训练一个傅里叶神经算子（FNO），让它学会"给定输入条件，输出对应电子密度"的正向映射，然后嵌回 DFT 原有的迭代循环——类似大语言模型中"思维链"的自纠正迭代过程，而非一步猜答案（来源：36氪/新智元、AGI Hunt）。模型仅在 8504 个结构上训练，即可同时处理分子和固体体系，外推到药物级分子时误差显著低于直接预测模型（来源：AGI Hunt、36氪/新智元）。Anandkumar 已创立公司 Accelerated Understanding，计划将此类模拟扩展至 4D 空间（来源：AGI Hunt）。
值得关注的原因： 这是"AI for Science"的一个硬核突破，但容易被模型发布潮淹没。其意义不在于"AI 替代了物理学家"，而在于 AI 替代了物理计算中最昂贵的重复步骤——且不替代底层理论，只是让迭代循环中的单步求解从立方级变为近线性。单块 GPU 替代 7800 块意味着药物分子电子结构模拟从"超算专属"变为"桌面级"，这将直接加速药物发现、电池材料和催化剂设计的迭代周期。更值得注意的是方法论：像思维链一样迭代而非一步猜答案，这种"AI 嵌入物理迭代循环"的范式，可能适用于其他科学计算领域（如流体力学、天气预报），为 AI for Science 提供了一条可复制的路径。
今日观察
五条主线贯穿本日动态：
AI 行业进入"中间层"并购潮，分发渠道成为战略制高点 —— 英伟达 129 亿美元收购 Hugging Face（开源模型分发渠道）、Stripe 超 80 亿美元收购 OpenRouter（模型路由分发渠道）、软银 60 亿美元收购 1X（物理设备渠道）。三笔巨型并购在两周内接连落地，说明行业竞争焦点正从"谁的模型更强"向"谁控制分发渠道"转移。控制了渠道的公司，可以决定用户先看到谁的模型——这比模型本身的性能差距更具有支配力。
AI Agent 从软件世界迈入物理世界，标准化接口先行 —— Anthropic 发布 MHS（硬件版 MCP），让 Agent 操控显微镜、机械臂和量子计算硬件；小鹏第二代 VLA 把"时间"纳入模型认知，让智驾 AI 从 3D 空间理解跃迁至 4D 时空理解。两条路径指向同一个方向：AI 正在从"在屏幕上输出文字"走向"在物理世界中采取行动"。MHS 用统一协议解决设备集成瓶颈，VLA 用时序架构解决动态场景理解——前者降集成成本，后者升认知维度，都是 Agent 物理化的基础设施。
硅谷"亦敌亦友"格局走向极端：一边公开批评一边照付百亿美元 —— Meta 年支出最高 100 亿美元购买 Anthropic 模型，扎克伯格一边发 6500 字长文批评对手"借末日叙事集中权力"，一边每月支付数亿美元。Salesforce 将 Anthropic 模型嵌入核心产品并冠以 Claudeforce 品牌名。即便拥有自研模型（Llama/Muse 系列）和庞大算力的巨头，在自研替代真正顶上之前，也不得不依赖竞争对手的基础设施。这意味着 AI 基础设施的市场格局远比"自研 vs 采购"的二分法复杂——大公司同时是供应商和客户，竞争与依赖并存。
AI 安全从"技术议题"升级为"行业集体行动" —— OpenAI 联合 100 余家公司签署公开信，警告 AI 驱动的网络攻击迫在眉睫。紧随此前"1206 个 Agent 协同入侵 Hugging Face"事件，这封公开信标志着 AI 安全从实验室内部讨论走向行业级倡议。但值得警惕的是：签署方中多家公司既是攻击风险的制造者，又是防御产品的销售者——"制造威胁同时出售解药"的利益结构需要审慎对待。
AI for Science 从"AI 辅助"走向"AI 替代最昂贵步骤" —— 加州理工用 FNO 将 DFT 计算从立方级降至近线性，单块 GPU 替代 7800 块。这不是"AI 替代科学家"，而是"AI 替代科学计算中最昂贵的重复步骤"——嵌回物理迭代循环而非替代理论本身。这种"AI 嵌入物理迭代"范式可能适用于流体力学、天气预报等其他科学计算领域，为 AI for Science 提供了可复制路径。
数据来源：The Information/财联社、澎湃新闻、搜狐、今日头条/科创板日报、央视财经、腾讯研究院 AI 速递、Anthropic 官方、彭博社/华尔街见闻、Channel News Asia、Inside AI、AI Chat Daily、AI/TLDR、Salesforce 官方、GenAI Daily、财联社、Reworked、Salesforce Time、纽约时报/新浪财经、Phemex、National CIO Review、新浪财经、网易/今日头条、智股网、Cryptopolitan/Counterpoint Research、IT之家、封面新闻/网易、上证报/新浪财经、qoder.com 官方、科技日报、新浪财经、腾讯新闻/红星新闻、路透社/凤凰网科技、Pivot News、DigitalToday、网易/cnBeta、36氪/新智元、AGI Hunt、AI Trends Setter 等公开信息，截至 2026 年 8 月 28 日（北京时间）。