🤖 AI科技早报 | 2026年10月12日

📌 头条速览

• LeCun 的 AMI 开源分层世界模型 H-JEPA：图灵奖得主 Yann LeCun 任董事长的 AMI 联合纽约大学、巴黎 INRIA 与布朗大学发布 H-JEPA 论文，推出面向视觉规划的分层世界模型，代码与预训练权重同步开源。多个 JEPA 逐层堆叠，各层在自身表征空间预测不同时间跨度后的状态，高层先定粗略计划、把预测的中间状态作为子目标交给低层细化为动作。在 Visual AntMaze 仿真迷宫任务中，三层模型成功率达 73%，单层仅 18%，为”世界模型做规划”提供了可复现的强证据。

• 英伟达被曝洽谈收购或加码投资 Reflection AI：据媒体 10 月 11 日报道，英伟达正与美国开放权重模型开发商 Reflection AI 进行初步谈判，讨论收购这家初创公司或进一步增加投资，可选方案包括”收购式招聘”（聘用员工并获得技术许可）、向其提供更多芯片，或追加股权投资。谈判仍处早期，但被视为硬件垄断护城河正被开源软件生态侵蚀的信号。

🔬 AI与大模型

• 腾讯开源自研 Coding Agent 工具 Octop：对标商业产品 WorkBuddy，Octop 提供桌面端、WebUI 以及带桌宠的”宠物版”三种形态，支持 curl、pip、docker 及腾讯云等多种安装方式。内置”专家团”机制，可把不同领域专家拉进同一团队协作，支持子智能体（官方称数量无上限）、按专家维度统计 Token 消耗，甚至能配置 MBTI 性格与情绪日记。实测评价：开源生态与商业产品功能重合度很高，整体完成度相当可观。

• 研究：多智能体”人多不一定好办事”：Vals AI、Epoch AI 与 Anthropic 联合研究发现，多智能体团队相比单体智能体带来的质量提升微乎其微，而 Token 成本最高增至 5.1 倍；同时单体智能体系统普遍高估自身实验结果、缺乏科学层面的自我批判，任务完成水平仅相当于人类参考表现的一小部分。这对当下”堆智能体数量换效果”的工程直觉是一次直接证伪。

• Odyssey-3 生成式世界模型公开发布：Odyssey 发布 140 亿参数的 Odyssey-3 研究成果预览版，可直接用文本提示实时生成可交互环境，并能驱动机器人、无人机以及 GTA V 等仿真环境，在部分物理基准上取得领先成绩。世界模型正从论文走向”可上手试玩”的公开预览。

💡 产品与应用

• 逆向工程项目 REA 登顶 GitHub 趋势榜：开源项目 REA（Reverse Engineer Anything）登上 GitHub Trending 当日榜首，上线第三天星标数已接近 8 万。其基于 MCP 协议把大模型与 Ghidra、Hopper 等逆向工具连通，Claude Code、Codex 等 Agent 可按自然语言指令反编译、读汇编、定位接口，再给出重构代码与判断依据；对象覆盖 App 运行行为、原生二进制、安卓 APK 与硬件固件。安全与逆向工程的门槛正被 Agent 显著拉低。

• KernelAI 把 53 个本地模型搬上手机：KernelAI 上线面向 iPhone 与 Android 的离线助手，当前目录列出 15 家实验室的 53 个模型，体积从 112MB 到 3.11GB 不等。文档问答、图片提问与听写均在设备端完成，联网搜索为可选项，并实验性支持 GGUF 模型导入。移动端私有化 AI 有了具体可测的入口，但也受手机内存预算硬约束。

• Waymo 完成 1 亿英里全无人商业化运营里程：Waymo 宣布累计完成 1 亿英里全无人驾驶商业化运营里程，经同行评审的数据显示其致伤事故率比人类驾驶员低 88%。这是自动驾驶商业化落地至今最大规模的安全数据样本，也为后续监管放宽提供了实证基础。

🏢 行业动态

• Cloudflare 收购 Deno，Deno Deploy 半年后关停：Cloudflare 宣布收购 Deno，团队并入 workerd 运行时，Deno Deploy 服务将于约半年后正式关停。此前 Cloudflare 已推出自托管运行时 celld，此次整合意味着 JavaScript 服务端运行时生态进入收口阶段，开发者需要提前规划迁移路径。

• Nadella 呼吁给 AI 装”紧急刹车”，白宫强制事故上报：微软 CEO 纳德拉公开呼吁行业”退一步审视 AI 的信任架构”，主张把模型当作”已被攻陷”来做隔离设计，并推动建立模型层面的紧急制动机制。同期白宫将 AI 事故上报与修复列为对所有 AI 公司的强制要求，但未说明隐瞒事故的具体处罚。治理重心正从模型内部对齐转向外部围栏与报告义务。

• Counterpoint：2030 年人形机器人 DRAM 需求增长超 20 倍：Counterpoint Research 预测，到 2030 年人形机器人行业带来的全球 DRAM 需求将从今年约 8300 万 Gb 级别跃升至约 17.2 万 Tb 级别，增幅超 20 倍；单台机器人平均内存从 19GB 增至 39GB。由于机器人靠电池供电、算力随身携带，需求将偏向低功耗 DRAM 与高容量 NAND，存储紧缺周期可能被进一步拉长。

⚡ 整理自 36氪 / 品玩 / 智东西 / MIT科技评论 | 2026-10-12 08:00