三分钟速览AI | 9月4日:GPT-6 Astra登场,英伟达拿下Hugging Face,十部门力推AI助中小企
9月3日，工信部联合十部门正式发布《促进中小企业发展"十五五"规划》，明确至2030年规模以上中小企业人均营业收入累计增长约15%的目标，同时强化直接融资支持，鼓励运用人工智能技术为中小企业赋能。同一天，字节跳动拿下296亿美元银团贷款，英伟达公布将以129.3亿美元收购AI开源平台Hugging Face，OpenAI CEO透露将进军人形机器人领域。此外，小米汽车宣布2027年登陆欧洲市场，天猫推出Token充值服务，全国碳市场配额分配新方案出台，钢铁、水泥、铝冶炼三大行业被纳入管控范围。微信公关总监也就"单删好友"功能做出澄清，称其目的并非用于查验被删。
一支源自清华的创业团队日前创建"本溯源智能"（Basal Intelligence），聚焦机器人端侧自进化赛道，且已顺利斩获首轮融资。团队由7位核心成员构成，分别来自清华AIR、UC Berkeley等顶尖学府，此前已在机器人学习与具身基础模型方向携手合作多年。公司主攻In-Context Learning机制，致力于让机器人如同大模型把握上下文一般，从人类示范、自身交互记录及环境反馈中迅速习得新技能，进而缩减跨任务、跨场景、跨本体的学习与部署开销，摆脱"采集数据—重新训练—部署"的传统闭环。团队先前陆续产出UniAct、X-VLA、ODEWorld等成果，其中X-VLA更是在IROS 2025智能机器人操作挑战赛中摘得世界冠军。
美国新兴公司Physical Superintelligence（PSI）于2026年9月1日揭开神秘面纱，宣告完成5800万美元种子轮融资，Breakthrough Energy Ventures担任领投方，OpenAI、英伟达、软银等机构跟投。该公司志在借助AI加速物理发现进程，其核心平台"Emmy"由AI物理学家团队运作，能够将研究难题拆分为可验证假设并同步测试，经由推理、仿真与真实实验三重验证把关。PSI的首个商业落地场景瞄准AI数据中心，通过物理原生推理优化功耗、冷却、网络与计算架构。此外，公司还启动非营利项目"费米探索者"，计划在2029年底前将至少1公斤载荷送往距地球4.37光年的比邻星，预计成本将控制在1500万美元以内。
2026年9月4日，OpenAI重磅推出新一代旗舰模型GPT-6 Astra，宣称这是全球最智能、最均衡的模型，在FrontierMath Tier 4、ARC-AGI-3及ExploitBench测试中分别斩获97.6%、99.9%和100%的高分，全面碾压Anthropic两天前发布的Claude Fable 5.1。该模型重点强化计算机使用与复杂任务执行能力，多项基准刷新历史纪录，部分任务成本较对手最高缩减86%。GPT-6 Astra自即日起向部分机构开放测试，随后将覆盖全部ChatGPT付费用户及API、AWS等渠道，标准版定价为每百万输入token 10美元、输出token 50美元，价格达到上一代旗舰GPT-5.6 Sol的2.5倍。OpenAI总裁布罗克曼直言Astra或许标志着"AGI时代"的序幕。
据量子位消息，OpenAI尚未正式公开的新版生图模型GPT Image 2.5已悄然向部分用户推送弹窗通知，版本编号并非此前传闻的2.1。据透露，该模型能够伪造GPT-6发布会画面及奥特曼全员信内容，生成的截图文字几乎天衣无缝。在LMArena竞技场上，匿名模型"luna-lisa-alpha"被怀疑即为新版GPT Image，实测显示其出图速度迅捷、照片质感更逼真，同一角色多张图像面部不易扭曲，图中嵌入文字也不易出错，并修复了GPT Image 2遗留的噪点瑕疵。ChatGPT网页版曾一度将生图功能移至主目录第二位，暗示生图有望成为GPT-6时代的核心功能之一。
2026年9月2日，腾讯云于深圳召开WorkBuddy生态发布会，宣布以Agent Runtime为支点全面开放底层能力，依次推出硬件、Buddy应用、开放平台三场开放盛宴。会上集中发布9款联名硬件，接入超过30个硬件品牌，并携手30余位行业伙伴推出覆盖金融、法律、财税等领域的Buddy应用，开放平台已与100多个共创伙伴展开协作。WorkBuddy借助标准接口输出理解、规划、执行、记忆等Harness能力，伙伴能够基于专家、Skill、连接器（MCP）等模块灵活接入场景与行业know-how。此举意在让Agent对接更广泛的数据、工具与真实场景，推动生态格局从App为中心向Agent为中心跃迁，压低行业AI化转型门槛。
OpenAI于2026年7月宣告停用独立浏览器Atlas，并于8月9日正式终止其服务，将网页浏览能力悉数整合至ChatGPT桌面版。核心高管Tibo Sottiaux透露，ChatGPT桌面版已成为他的主力浏览器，并感叹生产力"前所未有地高效"。此前推出的ChatGPT Work在整合Codex后曾因功能入口埋得过深招致用户抱怨，官方随即做出调整。Atlas自2025年10月上线至最终关停不足一年，其多标签、下载、网页导航等特性被悉数迁移至ChatGPT，产品形态从"浏览器内嵌AI"转向"AI调用浏览器"，网页也从用户的目的地转变为AI执行任务的中间环节。
Apple研究团队近期发布了一项名为"内化视觉思考"（Internalized Visual Thinking, IVT）的后训练框架，专攻主动视频推理。该方法在训练阶段让模型同步学习文本答案与未来帧的隐空间表征，推理时则彻底剥离未来视觉预测流程，仅凭当前观测直接产出答案。相较于显式生成未来画面的Visual CoT方法，IVT规避了中间图像生成的高昂开销与误差累积，在Early-event和Next-event预测任务上精度显著提升，同时推理延迟大幅下降，速度提升约5倍。研究还揭示，采用Flux-VAE作为未来表征目标并结合语言任务联合训练效果最优。该工作为实时视频理解与预测开辟了新路径。
多模态强化学习与可验证奖励（RLVR）场景下，模型有时仅凭语言先验或猜测就能蒙对答案，并未真正聚焦图像证据。瞄准这一感知信用分配难题，来自哈尔滨工业大学、中关村学院等机构的研究团队提出EASE方法，将标注证据框转化为视觉token上的平滑目标分布，在RL训练中直接督导回答token对图像的空间注意力，推理阶段无需依赖任何额外标注。实验表明，注意力与证据错位越严重，幻觉率越高。在Qwen2.5-VL-7B、Qwen3-VL-4B、Qwen3-VL-8B三大基座上，EASE相较仅使用最终答案奖励的DAPO基线，平均分别提升2.9、3.1、2.5个百分点。该方法借助证据标注、高斯混合软目标与奖励门控，真正做到"不仅教模型答什么，更教模型看哪里"。相关论文已被EMNLP 2026 Findings收录。
过去一年间，全球AI推理Token消耗量暴涨约25倍。马斯克转发了方舟投资首席未来学家Brett Winton的看法，警示AI"激流"已经袭来，奇点近在咫尺，AGI有望在未来一两年内成为现实。AI基础设施的投资回收期急剧缩短，内部收益率高得"离谱"，吸引资本疯狂涌入GPU、数据中心等领域，催生强劲的"虹吸效应"。大批传统企业因难以跟上这种指数级增长节奏，陷入资金失血与被淘汰的危局。英伟达芯片如今被视作"硬通货"，甚至可直接充当债务抵押品，令AI基础设施晋升为华尔街眼中投资属性更强的新型资产类别。