[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"getwebinfo":3,"news-item-80":4},true,{"classListRes":-1,"articleRes":5},{"code":6,"msg":7,"data":8,"total":20},200,"操作成功",{"id":9,"dwo_html":10,"dwo_name":11,"dwo_image":12,"dwo_time":13,"dwo_brief":14,"dwo_keywords":15,"dwo_cid":16,"dwo_show":17,"dwo_uid":18,"dwo_status":19,"dwo_status_reason":20,"dwo_status_time":21},80,"\u003Ch2>1. 苹果官宣通义千问集成 Apple 智能：Siri 与写作工具可直接调用，12 月随 iOS 27.3 上线\u003C\u002Fh2>\n\u003Cp>10 月 31 日，苹果与阿里巴巴共同确认，通义千问将作为 AI 能力集成进 Apple 智能，在中国区提供 Siri 问答、写作工具（界面命名「千问创作」）与视觉智能（「询问千问」）等能力。11 月 4 日随 iOS 开发者 Beta 开放测试，12 月随 iOS 27.3 正式版上线；首批仅限 iOS 端，机型覆盖 iPhone 18 Pro 与 iPhone Duo。苹果强调该集成为可选项（opt-in），向阿里侧发起请求前会先征得用户同意，且用户的请求内容与模型回复不会被阿里用于模型训练。此前 9 月 29 日，苹果中国已完成国行进网许可换证，新增 3 个大模型备案编号（Apple 智能、通义万相、通义千问）；苹果中国官网也已上线 Apple 智能介绍页——这个页面此前长期显示「推出时间依监管部门审批情况而定」。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>值得关注：\u003C\u002Fstrong> 这是全球头部终端厂商第一次把中国大陆的模型能力写进系统级入口，而落地路径是「先拿备案、再换证照、最后改官网文案」的合规顺序。对国内模型厂商而言，进入 Apple 智能意味着拿到数亿台设备的默认调用位；对用户来说，真正的看点是数据链路：苹果用「先询问、不回传训练」的条款把隐私叙事保住了，但模型侧的推理发生在谁的服务器上，仍是后续要看的技术细节。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>2. DeepSeek 开源 Super-agent 原型：常驻 Router 调度并发 Worker，多任务耗时压缩一半以上\u003C\u002Fh2>\n\u003Cp>10 月 31 日晚，DeepSeek Harness 团队发布《Super-agent 设计探索：迈向更自主的 Agent 系统》，并开源原型代码（github.com\u002Fdeepseek-ai\u002Fdsh-superagent-prototype，MIT 协议）。架构上是一个常驻的 Router 负责接收 IM、GitHub、邮件、CI、代码评审等外部事件并做全局协调，下挂多个上下文相互隔离、可并发执行的 Worker，Worker 不直接对用户说话；计算放云端、状态入库，因此设备离线后任务可续跑。上下文管理采用 Inline\u002FSpill 策略与 Chain of Recall；异步 ReAct 已实现但未默认开启。官方明确这是研究原型而非正式产品，但内部实例已在日常研发中运行。实测数据显示：多任务场景下完成时长中位数 12.4 分钟、95 分位 15.7 分钟，而传统单 Session 模式的 95 分位为 29.5 分钟；团队认为当前真正的瓶颈是「人同时只能跟 3~5 个活跃会话」。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>值得关注：\u003C\u002Fstrong> 智能体框架的竞争点正从「单个会话能力更强」转向「多个任务能不能并行不打架」，DeepSeek 给出的答案是把调度层独立出来、让上下文彼此隔离。那句关于瓶颈的判断更值得留意：限制自主性的不是模型的并发能力，而是人的注意力——这解释了为什么各家都在把 IM 和 CI 事件接进来，让智能体默认在后台跑，而不是等人来开窗口。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>3. 小米 Xiaomi-OCR-0：0.8B 模型在五项 OCR 问答上打赢 8B，浏览器 Demo 与 MCP 服务同步开源\u003C\u002Fh2>\n\u003Cp>10 月 30 日晚发布、10 月 31 日多家媒体详报。小米开源 Xiaomi-OCR-0，参数量 0.8B（基座 Qwen3.5-0.8B-Base），用约 1.7 亿条样本、以「先解析后理解」的三阶段训练，把文档解析、关键信息抽取（KIE）与 OCR 视觉问答三类任务合并进一个模型。基准成绩：OmniDocBench v1.6 得分 96.83，为 1B 以下第一、总榜第二（距榜首仅 0.04，对手是 1.2B 模型）；Real5-OmniDocBench 95.24 第一（1355 页、5 种采集方式、6775 张图）；Wild 87.94、UniMER-Test 97.84、PubTabNet 92.27；Chronicles-OCR 拿到 73 分，略高于闭源的 Seed 2.0 Pro（72）。五项 OCR 问答均分 83.2，超过 HunyuanOCR-1.5（1B，76.5）、TokenVL-2B（78.1）、TextHawk2（7B，78.5）、Qwen3.5-2B（80.9）、MiniCPM-V-4.5（8B，82.6），并逼近 Qwen3.5-4B（84.9）。开源内容不止权重：推理代码、浏览器端 Demo、MCP 服务与 Agent Skill 工具包一并放出，端上已接入「超级小爱」的一键识屏。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>值得关注：\u003C\u002Fstrong> OCR 是典型的「任务边界很清楚、但工程链路很长」的领域，0.8B 打赢 8B 说明这个方向不需要大参数也能做好，而端侧部署的成本门槛被直接砍到手机能跑的量级。更值得注意的是交付形态：权重 + Demo + MCP + Skill 一整套给全，等于把「模型」直接做成了智能体工具链里的一个可调用函数，这是今年国产小模型开源的共同趋势。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>4. 黑石对 Anthropic 债券评级改口：630 亿美元「北极星计划」交割，次级档落在 BB 区间\u003C\u002Fh2>\n\u003Cp>《金融时报》10 月 30 日报道、10 月 31 日中文媒体跟进。Anthropic 用于租用谷歌 1.5GW 芯片的 630 亿美元「Project North Star」融资在本周早些时候完成交割，结构分两层：超过 420 亿美元的优先级贷款由博通提供担保（博通为投资级，利率约 7%）；180 亿美元次级债以 Anthropic 的租赁付款作为支撑，黑石认购其中 90 亿，票面收益超过 10%。评级机构对次级档的定价并不客气——KBRA 给出 BB+（展望正面，对比四个月前同类 Big Sky 交易的「稳定」展望），晨星 DBRS 给出 BB。黑石此前对外表述是年底前、最迟 2027 年前拿到投资级，此次改口承认落在 BB 区间；标普、穆迪、惠誉尚未对 Anthropic 公司主体评级。披露口径显示：Anthropic 截至 2026 年 6 月 30 日持有现金及等价物 1124 亿美元、短期投资 193 亿美元，2023 年起累计融资 1411 亿美元；截至 2025 年底的最低未来算力支付义务为 4170 亿美元，招股书规划到 2045 年算力投入超过 8000 亿；IPO 预计募资约 1000 亿美元、下月完成，或成为史上最大规模上市。周五纳指 100 收跌 3.5%。各方拒绝就此置评。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>值得关注：\u003C\u002Fstrong> 判断一家 AI 公司的信用质量，现在有个新的硬指标：不是营收增速，而是「最低未来算力支付义务」对现金的覆盖倍数。4170 亿美元的锁定支出对 1124 亿现金，意味着这轮融资借来的钱大部分不是用来扩张，而是用来履约。次级档拿到 BB 而非投资级，说明评级机构把 AI 算力租赁当作一项有违约可能的商业合同来定价，而不是当作准主权级的稳定现金流——这是「算力资本开支由债务承接」这条链上第一次出现明确的信用折价。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>5. 昇思 MindSpore 2.11 正式发布：HyperParallel 使能昇腾 950 的 MXFP8 低精训练，整网续训提速 26.9%\u003C\u002Fh2>\n\u003Cp>昇思社区发布 MindSpore 2.11。核心更新面向国产芯片的新一代低精度训练：HyperParallel 超节点亲和并行为昇腾 950 代际带来 MXFP8 低精训练能力，采用按需模块替换、单轴与双轴动态量化，并把每 32 个元素划分为一组、以 FP8 配合 E8M0 缩放因子；新增 MXFP8 低精算子，大尺寸矩阵计算性能最高提升 54%。框架侧新增 Multicore 多核并行框架，整网续训提速 26.9%；DVM 支持 VF 融合，FSDP 支持参数非均匀切分，并新增 Hugging Face 快速接入。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>值得关注：\u003C\u002Fstrong> MXFP8 是今年训练侧最重要的格式之争，NVIDIA、AMD 与昇腾都在往这个方向走，谁能先把低精训练做到「不改模型代码就能用」，谁就拿到生态。2.11 的价值不在数字本身，而在按需模块替换与非均匀切分这两件事——它们降低了迁移成本，而国产算力真正缺的从来不是单卡峰值，是把训练任务搬过来的摩擦系数。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>6. 2026「人工智能+」大会开幕：趋境联合智谱、摩尔线程发布国产异构推理成果\u003C\u002Fh2>\n\u003Cp>10 月 31 日开幕的 2026「人工智能+」大会主论坛上，趋境科技牵头、联合智谱（02513.HK）与摩尔线程-U（688795.SH）发布国产异构推理成果。本届议题集中在国产智能计算生态、央企 AI 场景开放、AI 国际应用与治理、物理 AI 的持续学习；中国工程院院士郑纬民在会上指出，国产算力的主要瓶颈在软件生态。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>值得关注：\u003C\u002Fstrong> 「芯片 + 模型 + 推理引擎」三方联合发布是今年国内的新句式，说明单点造芯已经不够看，异构算力的商业化必须配上能被模型厂商直接调用的推理层。院士把瓶颈指在软件生态而非算力供给，这与近期多起国产 GPGPU 冲刺上市的节奏相互印证：硬件的产能问题在缓解，订单能否真正跑起来取决于开发者愿不愿意把训练任务搬上去。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>7. 西湖大学成立世界模型研究中心：校级交叉平台，聚焦物理智能\u003C\u002Fh2>\n\u003Cp>10 月 31 日，西湖大学在世界模型研究中心成立仪式上宣布该中心落户云谷校区，定位为校级交叉科研平台，研究方向聚焦物理智能，由该校助理教授于开丞担任主任。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>值得关注：\u003C\u002Fstrong> 世界模型今年从论文话题变成了机构建制，高校成立独立研究中心意味着这条路线开始争取长期资源，而不只是追逐单篇成果。对产业的实际影响要看人：物理智能同时需要视频生成、几何、控制与机器人经验，这类交叉人才过去分散在各实验室，平台化之后更可能被整批输送到具身智能公司——而这恰好是当前国内最稀缺的岗位。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>8. OpenAI：ChatGPT 可自动终止出现「暴力执念」的对话，三季度向执法部门移交 200 余起线索\u003C\u002Fh2>\n\u003Cp>OpenAI 10 月 30 日发布博文（10 月 31 日中文媒体报道），称 ChatGPT 已上线针对极端对话模式的自动干预能力：当对话表现出对暴力内容的持续执念时，系统可主动终止该会话。OpenAI 同时披露，2026 年第三季度向执法部门移交了 200 余起案件线索。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>值得关注：\u003C\u002Fstrong> 安全措施的落点正在从「拒绝回答单个问题」变成「判断这段对话整体上是否有害」，这是上下文级别、带时间跨度的判断，实现方式必然涉及对用户会话的持续监测。200 余起移交说明模型公司已经在承担事实上的报告义务——问题不在于它做没做，而在于规则由谁写：目前是 OpenAI 自己的政策，而用户很难知道触发终止的具体阈值是什么。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>9. 网信办发布第十九批深度合成服务算法备案清单\u003C\u002Fh2>\n\u003Cp>国家互联网信息办公室发布第十九批境内深度合成服务算法备案信息，新增一批提供生成式\u002F深度合成服务的算法主体。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>值得关注：\u003C\u002Fstrong> 备案清单是观察国内 AI 产品合规进度最稳定的公开口径——一款 To C 应用要在国内上线，算法备案几乎是前置条件。把批次号与近期产品发布对照，可以看出哪些功能是在拿完资质后才放出来的；对企业服务采购方来说，这份名单也是筛选供应商最省事的第一道过滤。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>10. 英伟达联合 MIT 开源 Open-H3-Regenerate-2K：单张 B200 处理 5 秒 2K 视频耗时 22.45 秒\u003C\u002Fh2>\n\u003Cp>英伟达与 MIT 开源 Open-H3-Regenerate-2K，面向高分辨率视频再生成任务，官方给出的效率数据是在单张 B200 上处理一段 5 秒的 2K 视频耗时 22.45 秒。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>值得关注：\u003C\u002Fstrong> 视频模型落地的第一道墙从来不是效果而是显存和时延，把 2K 视频处理压进单卡、压进十几秒量级，意味着它可以从「离线批处理的研究 demo」变成能进剪辑流程的工具。开源这一点同样关键：高分辨率视频管线此前主要是几家闭源厂商的能力壁垒，公开权重会直接把价格战提前拉到推理成本这一层。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>11. 谷歌 Project Suncatcher：TPU 完成在轨推理，Gemma 4 在太空运行\u003C\u002Fh2>\n\u003Cp>谷歌披露其轨道计算项目 Project Suncatcher 的进展：在轨卫星上的 TPU 已完成推理任务，开源模型 Gemma 4 亦在太空中运行。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>值得关注：\u003C\u002Fstrong> 这条与我方昨日报道的国内「天地一体化太空算力云平台」不是同一件事，但指向同一个变化：太空算力正在从调度概念走到真正的载荷验证。谷歌路线的特点是把自家数据中心芯片直接送上轨道，比拼的是抗辐照改造与散热成本；能否形成有效算力，取决于在轨良率而不是模型分数。商业上短期仍是遥感数据链路的成本优化——星上先筛、只下传结果，比星上训练更接近可落地。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>12. 火山引擎 MaaS 上半年收入 48 亿元，毛利率超 55%\u003C\u002Fh2>\n\u003Cp>据披露，字节跳动旗下火山引擎 MaaS（模型即服务）业务上半年收入达 48 亿元，毛利率超过 55%。\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>值得关注：\u003C\u002Fstrong> 模型 API 这门生意长期被质疑「卖得越多亏得越多」，55% 的毛利率是第一条来自大厂的可比数据，说明在自研模型 + 自有算力的组合下，推理服务已经可以是正毛利业务，而不是换取云收入的补贴品。48 亿的规模也把国内 MaaS 竞争的价格底牌摊开：后续比拼的不是每百万 token 多少钱，而是同一价格下谁的单位任务成本更低。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Chr \u002F>","2026-11-01 科技日报 · 前一日科技大事速览","https:\u002F\u002Fopenapi.dwo.cc\u002FPublic\u002FUploads\u002FImages\u002F8208e0aa522c3e34cc37acabbacadf10.png","2026-11-01 09:00:00","苹果官宣通义千问集成 Apple 智能、12 月随 iOS 27.3 上线；DeepSeek 开源 Super-agent 原型，多任务耗时压缩过半；小米 0.8B 的 Xiaomi-OCR-0 在 OCR 问答上打赢 8B。资金侧同时传来两个信号：黑石承认 Anthropic 次级债落在 BB 区间，火山引擎 MaaS 上半年 48 亿元、毛利率超 55%。","科技,AI,大模型,苹果,通义千问,DeepSeek,智能体,OCR,昇腾,MindSpore,世界模型,AI融资,来源:Qoder",7,"1",16,1,null,"2026-11-01 08:42:01"]