AI 日报 | 2026-09-23

面向熟悉 AI、技术和商业读者的 24–48 小时重点更新
ModelsAgentsInfraChina AIBusiness

今日概览

过去 24–48 小时的主线是：模型发布继续与生产 agent 平台绑定，云厂商把推理/训练、KV cache、网络、文件系统、部署区域和 agent 编排打包成新一代 AI infra；中国侧阿里/Qwen 给出从模型、芯片、云到手机 Agent 的全栈路线；商业侧训练数据与 Physical AI 感知层继续获得资本和并购确认。

最重要 5 条

1. OpenAI / Azure：GPT-6 Sol 与 Luna 进入 API、Codex、ChatGPT 与 Microsoft Foundry

摘要：OpenAI 发布 GPT-6 Sol、GPT-6 Luna，定位为比 Astra 更快、更低成本的 GPT-6 系列模型；Azure 同步宣布 Astra/Sol/Luna 在 Microsoft Foundry GA，用于 production agents。

关键细节：关键细节：Azure 文档称 Standard deployment 覆盖 28 个 Global regions 与 US/EU Data Zones；Provisioned Throughput 覆盖 Astra 与 Sol，Priority Processing 覆盖 Sol。OpenAI 社区公告显示 Sol/Luna 同步进入 API、Codex 与 ChatGPT 工作流，Free/Go 用户可在桌面端试用 Luna。

为什么重要：这不是单点模型更新，而是把“前沿模型→生产 agent 部署→区域/数据边界/吞吐配置”打包推进。对企业 agent 项目，重要变量从模型能力转向成本、延迟、区域合规和批量任务吞吐。

来源：https://openai.com/index/introducing-gpt-6-sol-and-luna/ https://azure.microsoft.com/en-us/blog/gpt-6-astra-sol-and-luna-for-production-agents-in-microsoft-foundry/

2. 阿里云 Apsara：Qwen 4 训练中，Qwen 4.5/5 路线图上探 5–10T 参数，同时推进芯片、agentic cloud 与手机 Agent

摘要：阿里在 2026 云栖大会公布全栈 AI 路线：高性能 AI 芯片、Qwen 基座/多模态更新、agentic cloud、面向手机厂商的 Qwen Intelligence。

关键细节：关键细节：Qwen 4 已在训练；Qwen 4.5/5 系列规划规模达 5–10 万亿参数；Qwen3.8-Max 在自动化 RSI 实验中 33 个迭代周期后 Artificial Analysis 分数从 40 提至 45；芯片设计实验中 60+ 小时、1 万+ EDA tool calls 产出生产级总线模块，面积降低 42% 且性能不降。语音侧包括 Qwen3.8-LiveTranslate、Qwen-Audio-3.1 系列；Qwen-Image 3.1 年内推出。

为什么重要：中国大模型竞争从“开源权重/榜单”进入“模型—芯片—云—Agent 终端”垂直整合阶段。Qwen 把 RSI、EDA、手机跨 App agent 和云上训练基础设施放在同一叙事里，说明阿里在押注可规模化的机器思考供给，而不只是聊天入口。

来源：https://www.alibabacloud.com/en/press-room/alibaba-unveils-roadmap-on-full-stack-ai-strategy

3. Google Cloud Next ’26：TPU 8t/8i、A5X Vera Rubin、Virgo Network 与 GKE agent-native 编排

摘要：Google Cloud 扩展 AI infra 组合，发布第八代 TPU 两类系统，并继续与 NVIDIA 合作 Vera Rubin 平台。

关键细节：关键细节：TPU 8t 面向高吞吐训练，Google 称可在 Pathways/JAX 编排下支持 100 万+ TPU chips 单集群；A5X bare metal 基于 NVIDIA Vera Rubin NVL72；同时推出 Axion N4A、4th-gen GCE VMs、Virgo Network、Managed Lustre、Z4M、本地 SSD/RDMA、Dedicated KV Cache storage、TPU 原生 PyTorch 支持和 GKE agent-native workload orchestration。

为什么重要：算力平台正在围绕 agentic AI 重构：长上下文、多轮工具调用、KV cache、网络 fabric、并行文件系统和 orchestration 都成为模型产品的一部分。Google 的信号是 TPU 和 NVIDIA GPU 不再二选一，而是作为统一云基础设施组合销售。

来源：https://cloud.google.com/blog/products/compute/ai-infrastructure-at-next26

4. Snorkel AI 融资 3.5 亿美元，估值 35 亿美元：训练数据/模拟环境继续吸金

摘要：Reuters 报道 Snorkel AI 完成 3.5 亿美元融资，估值 35 亿美元，由 Insight Partners 与 S32 领投，Addition、Greylock、Wells Fargo 等参投。

关键细节：关键细节：估值较 2025 年 5 月 13 亿美元上轮接近三倍；需求来自 frontier AI labs 对复杂训练数据、grading rubrics、模拟环境和 agentic data development platform 的需求。

为什么重要：模型能力继续依赖高质量、可验证、可自动化生成/评估的数据供应链。融资说明数据基础设施正在从“人工标注外包”升级为面向 agent/RL/评测闭环的工程平台。

来源：https://www.reuters.com/legal/transactional/snorkel-ai-valued-35-billion-amid-surging-demand-complex-ai-training-data-2026-09-22/

5. Cognex 5 亿美元收购 RealSense：Physical AI 的感知层并购加速

摘要：Cognex 与 RealSense 宣布达成最终协议，Cognex 将以约 5 亿美元现金收购 RealSense，另含员工留任现金计划与 RSU。

关键细节：关键细节：RealSense 起源于 Intel，2025 年剥离；业务覆盖 3D robotic perception、固定机械臂、AMR、四足和人形机器人。RealSense 预计 2026 年收入 8000–9000 万美元，同比增超 50%；Cognex 称 robotic perception 市场当前约 6 亿美元，2030 年约 16 亿美元、年增速超 25%。

为什么重要：Physical AI 不只需要大模型和仿真，也需要可靠的深度视觉与工业机器视觉产品化能力。此次并购把 AI perception 从实验室能力拉回到工业渠道、制造场景和可交付硬件。

来源：https://www.realsenseai.com/news-insights/cognex-to-acquire-realsense-expanding-machine-vision-leadership-into-high-growth-robotic-perception-market/

其他值得关注