华为加速推出昇腾960；Claude已主导26%研发任务；中美专家提出“核安全式“AI红线 | 日记

1. 华为昇腾960提前三个季度：超节点扩至4096颗NPU，超集群至百万卡

华为在全联接大会上公布新一代AI基础设施路线图：昇腾960DT提前三个季度至2027年首季推出，960PR提前一个季度至2027年Q3，970、980分别计划2028、2029年发布，形成一年一代的昇腾迭代节奏。华为首次详细披露Hi-ONE近封装光学互联（NPO）：单引擎7.2Tbps；基于昇腾960和Hi-ONE的Atlas 960E 超节点最高连接4096颗NPU、提供8 EFLOPS FP8算力和最高1PB HBM，并减少超过550kW互联功耗；进一步通过Clos+多轨道把集群扩展至51.2万乃至100万颗NPU。华为提出“要做英伟达“，不是等待单颗芯片追平，而是用芯片＋内存＋灵衢总线＋NPO＋存储＋超节点/超集群进行系统级补偿。

2. Anthropic首次量化“AI研发AI”：Claude已主导26%的研发任务，3万个智能体同时工作

Anthropic 日公布一套用于衡量AI参与AI研发速度的新指标：截至8月，Claude已经主导其26%的AI研发工作，超过90%的研发任务至少达到AI协作程度，而今年2月AI主导的比例还不足1%。在Anthropic最主要的内部平台上，任意时点约有3万个Agent同时进行研究和工程工作；8月监控超过10亿次Agent决策，其中约0.002%、即每4.7万次一次被实时监控系统阻止。不过Anthropic强调，目前尚没有任何被测研发子集实现完全自主。这是目前最值得重视的RSI（递归自我改进）前置信号之一。

3. 智谱披露生产级“AI改进AI”：GLM-5.3在10万张国产芯片上优化自己的推理系统

智谱GLM团队披露其在RSI（递归自我改进）方向的首个工程化实践：由 GLM-5.3驱动的基础设施智能体，在超过10万张国产AI芯片组成的集群上，从零搭建、调试推理服务，不到两周将整体处理速度提升至原来的约3倍，并称硬件利用率和单Token成本已接近主流英伟达GPU水平。该系统已投入生产。Anthropic测量的是AI参与前沿模型研发的比例；智谱展示的则是AI直接优化大规模国产硬件上的推理系统工程。后者尤其适合中国当前芯片性能不占优、但系统优化空间巨大的环境。如果这种智能体能够持续运行，国产芯片与英伟达之间的实际成本差距可能不再完全由芯片峰值性能决定，而越来越取决于编译器、kernel、KV Cache、调度和集群利用率的自动优化速度。

4. Manus摆脱Meta后估值翻倍：拟融资5亿美元，估值升至40亿美元

Manus正在筹集约5亿美元的新一轮融资，目标估值约40亿美元，将成为与Meta拆分后的首轮外部融资。Meta去年12月以超过20亿美元估值收购Manus，但中国监管今年4月要求撤销交易；此后创始团队以及腾讯、红杉中国、真格基金等原股东以约20亿美元估值回购Meta股份。若新融资完成，意味着Manus重新独立仅数月，估值已经约为Meta收购时的两倍，并可能成为中国估值最高的智能体创业公司。

5．吴恩达反驳“AI灭绝论”：与其说是科学，不如说是科幻

吴恩达在接受彭博采访时，称AI导致人类灭绝的警告“与其说是科学，不如说更像科幻”。吴恩达并不否认AI存在真实风险，尤其是网络安全、模型异常行为等问题，但认为正确的方法是在受控环境中测试模型、发现失效模式并不断改善沙箱和护栏而不是全面放慢AI研发。他特别警告，放慢AI也可能同时放慢解决AI安全问题的技术进步，因为安全本身也是一个依赖实验、部署和工程迭代的学习过程。

6. 中国AI资本开支今年或翻倍至9320亿元，融资竞赛进行中

荣鼎集团发布中国AI融资研究，估算2026年中国AI基础设施资本开支将同比增长 103%至9320亿元人民币（约1390亿美元），2027年进一步超过1.2万亿元；但整体规模仍只有美国AI投资的约15%—20%。报告尤其指出，阿里、腾讯和百度今年上半年合计自由现金流已由2025年的约1700亿元转为负160亿元，中国AI企业主要依赖股权融资和银行贷款，而不像美国超大云那样大规模利用债券和私人信贷。

7. 中美专家提出AI红线：建立军事AI热线，核武和重大网络攻击必须由人类决定

据路透，由布鲁金斯与清华大学战略与安全研究中心长期组织的中美AI与国家安全对话，提出一套新的战略稳定建议：中美应明确禁止AI自主决定使用核武器或攻击核指挥控制系统；重大网络攻击应保持可行的人类控制；并建立专门处理中美自主AI意外事件的军事热线，防止自动化系统之间的高速交互被误认为国家发动攻击。这些建议发布时点恰逢中美准备展开政府层面的AI讨论。

8．OpenAI推出法律Astra：正式进入专业垂直领域

OpenAI 发布Astra for Law，以GPT-6 Astra为底座，加入专门的法律搜索和法律分析指令，首批面向美国律师事务所开放。其法律索引覆盖美国判例、法律法规、法院规则及行政裁决，涉及超过2.3亿个URL，每天更新；与Free Law Project合作的数据覆盖超过99.9%的美国已公开先例判决。OpenAI同时推出26个法律生态插件，并允许Harvey、Legora等法律AI公司通过API构建产品。从中可以看出OpenAI的演变方向之一：前沿模型＋行业专用数据索引＋行业工具＋插件生态。关注垂直AI的护城河将如何重新定义。真正稀缺的将是专有数据、工作流、客户关系和深层系统集成。

9．机器之间交谈无需人类语言：直接交换KV缓存，延迟降低2.5倍

清华大学、无问芯穹、香港中文大学、上海交大和上海AI实验室等研究者在ICLR 2026论文中提出缓存到缓存（C2C）：让不同的大语言模型（LLM）不再通过生成文本相互交流，而是直接交换和融合各自的 KV 缓存内部表示。传统多模型协作是“模型A思考-生成Token-模型B重新读取Token并编码”，不仅需要逐Token解码，而且会把模型内部高维语义压缩成人类语言；C2C则训练一个轻量神经网络，把源模型的KV 缓存投影到接受模型的表示空间，再通过可学习的门控机制选择哪些层值得融合。两个模型本身可以保持冻结，只训练中间的C2C 投影器。实验显示，C2C相较单独模型平均准确率提高6.4%–14.2%，较文本到文本模型协作提高约 3.1%–5.4%，同时平均延迟获得2.5倍加速。这篇论文提出了一个更根本的问题：机器之间为什么一定要用人类语言通信？ 自然语言可能是人类与AI的通用协议，却未必是AI与AI的最终协议。