AI Agent

作者：清源 責編：清源 評論： 9 月 18 日消息，在今天（18 日）的第 22 屆中國汽車產業發展（泰達）國際論壇“新賽道生態專場：具身智能新賽道”活動中，長安汽車首席專家、長安天樞智能機器人公司總經理譚歡在演講中指出，AI 正推動以物理具身智能為核心的基礎設施革新，汽車未來形態是“汽車機器人”—— 自學習、自組織、自進化的組合智能體。

具身智能技術路線尚未成形，但基礎設施需求已開始收斂，重點從製造機器人轉向持續迭代機器人能力。百度集團沈抖指出，智能體能力邊界快速擴展，進入規模化部署階段，但機器人學習新任務與跨環境適應性仍待突破。

AI正在把4000年的人類認知勞動壓縮進88小時，OpenAI研究員Noam Brown坦言連他自己也被進展速度持續震驚。AI正在把過去需要數千年完成的認知勞動壓縮到數天。真正的問題已經不只是模型能否變得更聰明，而是實驗能否跟上、人類能否在模型繼續自我改進前確認它仍然安全。

作者 | ZeR0 編輯 | 漠影 桂林依山傍水，連城市的輪廓，都是一座座山勾勒出來的。抬眼一望，便是翰墨丹青般的自然光景，既沉靜婉約，又意境悠遠。這種乾淨的留白之美，早已被古人融入山水畫藝中，幾筆山石，一帶煙雲，餘下的留給水色，也留給看畫的人。 淨，並非空無一物，而是通過剋制的取捨，讓真正重要的東西凸顯出來。這與今年推出的第三代英特爾酷睿處理器（代號Wildcat Lake）的設計理念不謀而合。

吳恩達曾參與創辦Google Brain和Coursera。吳恩達稱，科技行業早期曾放大AI潛在災難性風險，以獲取關注並影響監管方向;近兩週相關討論再次升溫，也可能存在類似動機。他認為AI確實存在現實風險，尤其包括網絡安全等領域，但不認同將人類滅絕風險作為當前AI發展的核心判斷依據。

作者：汪淼 責編：汪淼 評論： 感謝網友 Agent 的線索投遞！9 月 18 日消息，智譜今日宣佈推出 GLM-5.3-FlashX（最高 200 tokens/s），為企業與開發者帶來更快、更流暢的模型體驗。智譜官方表示，GLM-5.3-Flash 此前以“Ox Alpha”之名與全球開發者見面，獲得海內外開發者的廣泛認可，調用量持續攀升。

作者 | ZeR0 編輯 | 漠影 9月18日報道，今日，在華為全聯接大會2026上，華為發佈了“AI落地七步法”與“DIMAK工程體系”，依託行業垂直作戰組織，以“新方法、新組織、新工具”破解Agentic AI深度嵌入行業核心場景、規模化應用難題。 “AI落地七步法”是面向行業推動場景落地的關鍵步驟路線指南，回答“怎麼走”； “DIMAK”工程體系，則回答“用什麼走“，提供五類工程工具，支撐企業快速用好AI。 華為還發布了《Agentic Enterprise 企業智能化白皮書》，並公佈了157個數智化轉型實戰案例，為全球產業智能化升級提供參考。 “企業流程未來將圍繞人和人工智能協同設計，這不是在舊馬車上裝發動機，而是要重新設計一輛汽車。”華為監事會副主席陶景文談道，為此，華為提出以“新方法、新組織、新工具”，搭建算力與場景的“路與橋”，讓AI沿價值業務流實現蓋爾定律式的擴散，完成從單點智能向系統智能升級和跨越，幫助千行百業善用AI。 一、新方法：“七步法”讓AI紮根生產系統 對於Agentic AI深度嵌入企業系統的難題，陶景文表示，華為總結了“AI落地七步法”，從核心場景切入，形成“小切口、大縱深”，並沿價值業務流進行擴散，旨在為產業智能化提供一張可複製的路線圖。 該方法涵蓋“洞悉行業商業邏輯、選擇行業核心場景、技術與工程攻堅、核心場景部署投產、沿價值業務流擴散、行業生態發展合作、持續提升行業智能水平”七大步驟，核心體現在三個維度。 選準場景：“找到對的場景，就成功了一半。”強調由業務專家與AI技術專家組建聯合團隊，沿價值業務流，運用“場景十二問”方法論精準鎖定高價值生產場景。 深度紮根：區別於停留在演示層面的實驗性AI，“七步法”以真實上線、投產運行為目標，要求從MVP（最小可行產品）到投產，需集成到生產系統，部署在企業IT基礎設施上進入常態化運營。

AI 工具如 Codex 開始用於撰寫軟體測試，但專家警告若缺乏可靠測試，AI 生成代碼的效率反而可能增加不確定性。快速產出的代碼若無充分驗證，軟體品質將難以保證。

OpenViking 提供了結構化、可召回的長期記憶功能，有效解決了 Agent 寫稿時因記憶不足而中斷的問題。這項技術能跨會話與跨 Agent 支援內容創作，讓創作者不再因「斷片」而焦慮。

北京航空航天大學、香港中文大學與新加坡國立大學團隊發表OmniHarness，使視覺AI能自主練習並檢查結果，將有效流程轉移至影片處理，創意任務解決率達95%。

Claude Code 專案功能全面重構，原生支援多 Agent 協作，開發者下達目標後會在雲端自動派生多條 Git 分支並行開發，完成後直接提 PR。Anthropic 內部研發平台每天同時運行 3 萬個 AI Agent，目前已有 26% 的核心研發工作由 Claude 主導，達到 L4 等級。

8 月 12 日，距離月底，還有剩下不到三週時間， AI雲銷售張雅達已經開始頻繁接到領導的電話，被追問月底的缺口準備怎麼補，第三季度業績能否完成。這種狀態已經持續了將近半年時間。年初 2 月開戰略會議，張雅達就知道今年會有一場硬仗要打，當時公司明確強調今年要重點賣模型和算力。

近日，國際數據公司IDC發佈《中國智能企業內容與知識平臺市場份額，1H26》報告。IDC數據顯示，2026年上半年，中國智能企業內容與知識平臺市場規模達到10.86億元，同比增長19.0%。360億方智能市場份額位列整體市場第四，同比增長36.2%。從私有化部署細分市場看，市場規模達到4.11億元，同比增長27.3%。360億方智能市場份額位列第二，同比增長48.8%，在IDC報告列示的私有化部署市場前三大廠商中增速第一。統計口徑覆蓋企業網盤、企業內容管理、AI知識庫，以及內容和知識相關的AI助手與智能體應用。

吳恩達曾參與創辦Google Brain和Coursera。吳恩達稱，科技行業早期曾放大AI潛在災難性風險，以獲取關注並影響監管方向;近兩週相關討論再次升溫，也可能存在類似動機。他認為AI確實存在現實風險，尤其包括網絡安全等領域，但不認同將人類滅絕風險作為當前AI發展的核心判斷依據。

Measurements for understanding the pace of AI development inside frontier labsAI systems are becoming exponentially more powerful and have begun to automate more of the process of building themselves.

Papers arxiv:2609.18094 Copy markdown Agora: Git as Shared Memory for Collective AutoResearch Published on Sep 16 · Submitted by Yifan Zhang on Sep 17 · NVIDIA Upvote 39 +31 Authors: Yifan Zhang ,Yunheng Zou ,Shaokun Zha。

。當智能體能改寫自身程式碼時,它的行為就不再只由當前指令決定,而是被訓練與評估時吃進的資料長期塑造。研究者把這種風險比作經典的編譯器後門思路:汙染不必出現在原始碼裡,只要潛伏在工具鏈或評估流程中,就能在往後的每一次自我改寫裡被反覆觸發。換句話說,模型改的不是一行程式,而是它往後「怎麼改」的偏好。 最直接的破口是投毒的基準。用作評測的題庫一旦被動手腳,代理會把「通過測試」等同於「正確」,進而學到誘導漏洞的解法——例如面對需要連線的任務時,Sonnet 4.5 竟然選擇關閉憑證校驗來讓流程走通。

騰訊開源了一款名為 BrowserSkill 的瀏覽器技能框架，主打讓智能體（Agent）直接調用真實瀏覽器完成各類操作。這則消息由開發者社群帳號「」披露後，迅速在技術圈引發討論。與市面上多數依賴無頭瀏覽器（headless browser）或模擬 HTTP 請求的方案不同，BrowserSkill 選擇了一條更貼近日常使用情境的路線——「接管現有瀏覽器」，把重點放在打通已經處於登錄狀態的瀏覽環境。

腾讯开源的 WeKnora 正在做一件很直接的事：把原始文檔變成可提問的知識庫，並在此基礎上生成 Wiki。它不是單純的文檔檢索工具，而是將散落的文件重新組織成有結構、能對話的知識形態——你不再需要逐頁翻找，而是直接向文檔提問。 它的核心由兩部分構成：內置的 RAG 管線負責把非結構化文檔切分、索引、召回，確保回答有據可依；自治智能體則在此之上自主規劃檢索與推理步驟，處理需要多跳查詢、跨文檔綜合的複雜問題。

作者：清源 責編：清源 評論： 9 月 17 日消息，據新華社今天（17 日）晚間報道，第四屆全球人工智能倫理論壇正在沙特阿拉伯首都利雅得舉行，國際 AI 研究與倫理中心（ICAIRE）代理主任馬吉德 · 阿里 · 謝赫裡在會議期間表示，中國是 AI 領域領先國家，期待中國在推動 AI 創新與監管相平衡等方面引領國際合作。