深耕AI、数码兴趣领域
2
2
今日AI圈值得关注的动态 2026年9月24日
2026-09-24 10:46:30
0点赞
0收藏
0评论
最近 AI 圈的消息密度是真的离谱，几乎每天都有能改变行业走向的东西冒出来。我挑了 10 条今天（9 月 24 日）最有代表性的，按「发生了什么 + 为什么值得你关注」来讲，链接都放在每条结尾，方便溯源。
1. OpenAI 被扒出在憋一个叫 Aeon 的个人智能体
ChatGPT 客户端代码里被人翻出一个叫 Aeon 的个人智能体，它跟你的账户是并列的独立身份，被看作是架在 Codex 之上、能长期在线的智能体和编排系统。简单说，它把重计算和有状态编排放云端，但又能留着本地操控电脑和浏览器的能力，可能赶在 9 月 29 日 DevDay 之前发布。同一时间 Meta 的 Muse 靠着社交矩阵冲上美区 App Store 第一，Grok Bot 主打多机器人协作——个人智能体已经成了新战场。
解读： 从「对话工具」变成「能长期在线、替你跑流程的代理人」，是今年大模型公司共同的转向。Aeon 真落地的话，ChatGPT 会更像操作系统而不是聊天框，但本地设备操控权交给云端模型，隐私和权限边界肯定会被拿来说事。
2. 梁文锋署名的 DeepSeek 新论文，盯上了大规模 Agent 训练
9 月 23 日 DeepSeek 发了篇系统论文《DeepSeekElasticCompute》，讲的是给 Agent 强化学习做训练和评测用的生产级沙箱平台 Dsec。一个生产单元大概 160 台 CPU 节点、3 万颗 CPU Core、250TB 内存，单日能服务约 300 万个 Sandbox，峰值同时在线超 38 万个，创建速度超过 5000 个/秒。从 V3.2 到 V4.1 的强化学习训评全跑在这上面，按需加载镜像还能把 8192 个容器的启动压到约 35 分钟，比完整拉取方案快了 42%，磁盘写入降了 57%。
解读： Agent 从「写文本」进化到「调工具、跑代码、多轮执行」，训练基础设施的算力、存储、安全都成了新瓶颈。DeepSeek 把这套沙箱工程公开，侧面说明国产大模型已经在为大规模 Agent 训练铺路，工程能力本身就是护城河。
3. 谷歌推出 Gemini 3.8 Flash TTS / Flash-Lite TTS 语音模型
谷歌这次发了两款文本转语音模型，Gemini 3.8 Flash TTS 和 Flash-Lite TTS，分别支持 130 种和 101 种语言。你可以用自然语言从零设计一种声音，也能凭约 30 秒样本复刻声音（需要授权验证），生成出来的音频都内嵌了 SynthID 水印。还能给每一句加情绪、语速、对话方式的指令，一份脚本直接生成双人对白。
解读： TTS 从「念稿」进化到「导演讲戏」，有声书、播客、配音的门槛又被拉低了一截。2000 多个预制音色加上声音克隆加水印，是内容工业化生产的信号；但声音克隆带来的授权和滥用风险也会跟着放大。
来源：华尔街见闻早餐 2026-09-24（引谷歌开发者文档 / Google DeepMind Blog 9/23）
4. 爱诗科技上线 PixVerse R2，主打实时世界模型
爱诗科技发布了通用实时世界模型 PixVerse R2，号称首次建立起实时世界模型的 Scaling 路径，开放了游戏、互动影视和数字人等场景。架构把「能力」和「效率」拆成全模态因果自回归和实时加速两大引擎，Error Bank 让长期画面漂移降了约 35.8%。用户能用 WASD 加 Prompt 实时探索和改变世界，已经开放了《零印法师》这类互动影游，不过单次生成质量比前沿离线视频模型还是有差距。
解读： 视频生成从「一次性出片」迈向「可交互的实时世界」，互动影视和游戏 NPC 是离钱最近的方向。国产团队在实时世界模型上卡位，值得看看它跟既有视频模型的差异化路线。
5. Meta 新款智能眼镜：无摄像头版本 + Ray-Ban Gen3
Meta 在年度 Connect 大会上发了新眼镜，包括两款不配摄像头的产品 Clubmaster 和 Burbank；同期还有 Ray-Ban Gen 3（Aperol 墨镜、Bellini 光学镜架）、音频版 Luna 变体，并预览了 Project Phoenix 混合现实头显。Counterpoint 的数据说 2026 上半年全球智能眼镜出货同比涨了 212%，Meta 份额约 84%。
解读： 无摄像头设计是在「录音录像隐私争议」升温下的折中——英国部分餐厅、酒吧、剧院已经开始限制使用了。可穿戴的隐私边界正在变成产品形态的直接变量，也会影响普通消费者对「AI 眼镜」的接受度。
6. 真把 LLM 塞进车里开：DrivingBench 评测四个前沿模型
DrivingBench 把四个前沿模型接到一台装了 comma three 硬件、跑 openpilot 的 2022 款丰田卡罗拉上，在湾区停车场 134.7 米的赛道里测：GPT-6 Astra 第二次尝试 5 分 22 秒跑完（100%），Claude Fable 5.1 第三次 45%，Grok 4.6 只有 11%（第一个弯都没过），GPT-5.6 Sol 6%。大部分模型卡在延迟而不是推理上。
解读： 这不算自动驾驶，但证明「通用模型能同时把感知、规划、控制、延迟串起来」——半年前还做不到。失败模式挺有启发：模型会误判锥桶边界、想太久、误判车宽。Agent 接管物理设备的延迟瓶颈，比很多人想得更要命。
来源：AIToolsRecap · AI News 2026-09-24
7. OpenAI 挖来 Patreon 创始团队，剑指 9/29 DevDay 创作者产品
OpenAI 招了三位 Patreon 前高管——联合创始人 Sam Yam、前产品负责人 Drew Rowny、前工程负责人 Shannon Ma，由 Yam 牵头新设 Creator Product 团队。Yam 在 X 上暗示大家关注 9 月 29 日的 DevDay。Patreon 可是 13 年前就开创了创作者订阅变现模式的公司。
解读： 从「聊天机器人」延伸到「帮创作者赚钱」，是 OpenAI 商业化的另一条腿。DevDay 大概率有创作者侧的重磅发布，也呼应了 Aeon 个人智能体的大方向——平台正从工具变成「生产 + 变现」生态。
来源：DailyAIThread 2026-09-24（引 The Verge / The Decoder）
8. 科大讯飞发布语音识别大模型 Spark-ASR-2.0
科大讯飞发布了全新的语音识别大模型 Spark-ASR-2.0，第二天就上线讯飞输入法。
解读： 语音识别是大模型落地最贴近普通用户的入口之一，输入法是最天然的载体。国产语音赛道在方言、实时转写、端侧部署上的比拼，会直接决定手机、车载、会议场景的体验分。
9. 阿里千问发布 Qwen-Audio-3.1 语音大模型，并全线降价
阿里千问发布了 Qwen-Audio-3.1 系列语音大模型，同时把全线产品价格下调了一轮。
解读： 语音多模态是「对话式 Agent」的底座，Qwen 在开源语音上持续补位，再叠加降价，明显是在抢开发者和端侧场景。国产开源模型的价格战，正在从文本烧到语音。
10. 台积电据报 2027 起涨价 3%–6%，AI 需求往成熟制程外溢
据供应链消息，台积电计划从 2027 年 1 月起按制程调整晶圆出片价格，涨幅约 3%–6%，2nm、3nm 等先进制程涨得最多，成熟及特殊制程个别议价。现在 8 英寸产能利用率超过 100%，45nm 以下满载，订单能见度都排到 2030 年了。AI 数据中心的需求已经从 GPU、HBM 扩散到 PMIC、MCU、模拟 IC 这些成熟制程。
解读： AI 红利正沿着产业链往上游成熟制程外溢——不光是先进芯片，连电源管理、MCU 都被带旺了。涨价若落地，成本会向封测、IC 设计层层传导，但不同产品的转嫁能力差别很大。
顺手记几个也值得一提的：
Anthropic 生物实验室那条线今天爆出首个成果——用 Claude 发现了一种带类 CRISPR 重复序列的新型酶系统 ART。这条 9 月 23 日已经集中报过，属于同一事件的后续进展，所以今天没单独占一条。
9 月 23 日已经聊过的 Anthropic Claude Opus 5.5、OpenAI GPT-6 Sol / Luna、阿里真武 V900、小米 MiMo-V2.6、腾讯混元 Hy Image 3.5、理想 ME-Dex-1.0、字节 Dramagic 这些，今天就不重复展开了。
收个尾： 今天这条线其实很明显——大模型公司集体从「比谁更能聊」转向「比谁更能干、能长期替你跑流程」，个人智能体、Agent 训练基础设施、实时世界模型是三条明线；而台积电涨价和 Meta 眼镜的隐私争议，则是供给侧和落地侧的真实约束。热闹归热闹，真要落地，工程、成本、隐私这三道坎一个都绕不开。
