🔦 今日速览
英伟达据报暂停了以信用支持换取AI云商营收分成的部分合作，员工担忧反垄断审查；AWS官宣追加200万颗英伟达GPU，累计部署将突破300万颗。国内字节发布"豆包工作"办公智能体打通飞书，阿里Qoder工作台升级面向所有用户。
趋势1：算力军备竞赛与"循环融资"隐忧并存 趋势2：办公智能体进入组织级落地 趋势3：具身智能从"会跑"转向"能干活"
🌍 国际动态
1. 英伟达暂停与多家AI企业的收益分成协议 ⭐
事件简述：据财联社援引知情人士，英伟达暂停了一项新融资计划下的部分合作。该计划由英伟达为AI云服务商提供信用支持，以此换取一部分营收分成——正是此前引发"循环融资"质疑的核心模式。英伟达部分员工已向现有及潜在客户表达担忧：该项目可能招致反垄断审查，且英伟达能在多大程度上左右客户商业经营，本身也存在政策敏感问题。
关键数据：此前英伟达已向购买其芯片的AI实验室投入近500亿美元，并获超5000亿美元融资承诺，预计下一财年贡献约四分之一营收。
影响分析：这是英伟达首次因反垄断与政策风险主动收缩"算力+融资"绑定模式，若持续，或动摇其通过资产负债表撬动AI需求的高增长叙事。
📅8月28日
2. AWS追加200万颗英伟达GPU，累计部署将破300万
事件简述：亚马逊云科技（AWS）与英伟达宣布大幅扩展战略合作，计划2027至2028年在AWS全球基础设施中额外部署200万颗英伟达GPU，叠加此前已宣布的100万颗，累计将突破300万颗。合作还覆盖Vera CPU、NVLink Fusion网络、开放模型与机器人技术，并为美国联邦政府打造部署10万颗GPU的AI工厂。
关键数据：新增200万颗GPU、累计300万颗；芯片涵盖Blackwell Ultra、Rubin及Rubin Ultra，2027-2028年落地。
影响分析：AWS在自研Trainium之外继续大手笔采购英伟达，印证"多供应商"路线，也显示超大规模云厂商对AI算力需求仍在加速，弱化市场对资本开支放缓的担忧。
📅8月26日
3. OpenAI佐治亚州3.2GW数据中心供电协议获批
事件简述：美国佐治亚州公共服务委员会批准了佐治亚电力与OpenAI之间的供电合同，为后者位于埃芬汉县的数据中心（代号Project Camelia）供电。佐治亚电力将新建3.2GW发电能力，OpenAI承担全部基础设施成本，并提供最高1GW的灵活需求响应，供电预计2028至2032年间开始。
关键数据：新增3.2GW发电能力、总投资预计超300亿美元、1GW灵活需求响应。
影响分析：AI巨头为锁定电力愿承担全部基建成本，凸显电力正成为比算力更稀缺的瓶颈，也利好电力设备与新能源产业链。
📅8月27日
4. 马斯克、黄仁勋、奥特曼将聚G20，美推"卡罗来纳原则"轻监管
事件简述：据彭博援引知情人士，马斯克、戴维·萨克斯等美国科技界人物将于下周出席G20科技部长级会议，与黄仁勋、奥特曼等巨头同台。会议核心是推动G20接受名为"卡罗来纳原则"的非约束性AI治理框架，主张轻监管、避免新设监管机构；若获通过，将提交12月G20领导人峰会。
关键数据：聚焦非约束性治理框架、主张不新设监管机构、目标提交12月G20领导人峰会。
影响分析：美国正将"轻监管"塑造为全球AI治理主基调，与欧盟重监管路线形成对冲，对全球AI企业的合规成本与创新节奏影响深远。
📅8月27日
🇨🇳 国内动态
1. 字节发布"豆包工作"，打通飞书实现组织级办公智能体 ⭐
事件简述：8月27日，字节跳动发布面向生产力场景的Agent产品"豆包工作"，整合豆包的C端交互能力与飞书的B端协作体系，可写文档、做PPT、生图生视频、搭网页、操作电脑并读取群聊项目。实测48小时可承接端到端任务，如自动生成2.5万字行研文档、14页PPT，并打通飞书权限体系，成为国内首批通过办公智能体双项认证的产品。
关键数据：48小时端到端交付、自动生成2.5万字行研文档与14页PPT、打通飞书权限体系。
影响分析：字节将C端AI能力与企业协作深度绑定，标志AI办公Agent从单点提效走向组织级落地，对AI应用层与企业服务赛道具有示范意义。
📅8月27日
2. 阿里Qoder智能体工作台升级，面向所有用户
事件简述：8月27日，阿里发布全新Qoder，一款以Coding为核心、面向所有人的智能体工作台。新版采用任务中心界面，用户可用自然语言描述目标，Qoder自动调用编码与工具能力完成任务；内置Qwen3.8-Max等模型，支持Auto智能调度，兼容40多个连接器、70多个插件和2万多个技能。
关键数据：兼容40+连接器、70+插件、2万+技能；自2025年8月发布以来已服务600万用户和10万家企业客户。
影响分析：阿里把智能体工作台从开发者工具扩展为通用生产力平台，正在用"自然语言+工具编排"重新定义AI应用的交付范式。
📅8月27日
3. 小鹏第二代VLA重大升级，G9L首发XOS 6.3.0
事件简述：8月27日，小鹏发布第二代VLA首次重大升级，新版本XOS 6.3.0由G9L首发。新系统引入Infini-VLA长时序架构，可调用此前30秒道路信息，并加入X-Foresight预测模型推演未来6秒场景变化；端侧模型参数量扩大3.5倍，响应速度提升300%，多维综合安全能力提升20倍。
关键数据：端侧模型参数扩大3.5倍、响应速度提升300%、安全能力提升20倍；Robotaxi已获广州远程测试资质。
影响分析：智驾竞争进入"时间记忆"阶段，小鹏通过长时序架构让量产车与Robotaxi技术协同，推动VLA从单帧感知走向场景预测。
📅8月27日
4. 中国科技巨头Q2资本开支超1200亿，AI军备竞赛白热化
事件简述：2026年第二季度，阿里巴巴与腾讯合计资本开支超1200亿元人民币，其中腾讯自由现金流首次转负（-138亿元），主因预付算力采购款；百度单季资本开支114亿元，同比增长约200%；字节跳动将全年资本开支计划上调至2000亿元。四家巨头路径分化：阿里侧重卖算力，腾讯内部消化，百度承压，字节最激进。
关键数据：阿里+腾讯Q2合计资本开支超1200亿元、腾讯自由现金流-138亿、字节全年资本开支上调至2000亿、百度单季114亿（+200%）。
影响分析：千亿级AI投入印证中国算力基础设施扩张进入加速期，也把"资本开支何时转化为ROIC"推到了所有中国互联网巨头的估值叙事中心。
📅8月27日
📄 今日论文
1. Prefix Sliding：让长思考推理更高效的测试时扩展
作者：Niklas Muennighoff, Zhengyang Wang, Jason Wei, Luke Zettlemoyer, Yejin Choi, Mike Lewis et al. | Contextual AI / Stanford / UW / Meta 核心贡献：发现模型推理链中的大量中间token会随推理深入而失去重要性，提出Prefix Sliding——推理时丢弃不属于前缀和最近几千token窗口的内容，把显存需求封顶。无训练即可让现有模型提速3倍且性能不降；配合RL训练可把推理链扩展到10万token以上并取得更好性能。 为什么重要：测试时扩展是当前前沿模型的性能来源，但长推理成本高昂；Prefix Sliding提供"无限思考、恒定成本"的路径，直接影响长程推理模型的部署成本。 📄 arXiv:2608.26070 📅8月26日
2. R³：用强化学习训练机器人自然语言推理
作者：Lehong Wu, Yuxiao Qu, Zheyuan Hu, Ivan Zhang, Aviral Kumar et al. | CMU 核心贡献：提出R³后训练配方，先把VLM在专家生成的推理轨迹上做mid-train初始化推理风格，再用基于rubric的单步RL从离线动作数据提升推理器，让VLM用自由形式自然语言推理实时指导底层操作策略。在Language Table和模拟双手杂货打包两个基准上，显著超越仅用指令的模仿学习基线。 为什么重要：首次系统验证"语言推理"可作为机器人操作的测试时计算机制，为具身智能引入LLM式推理扩展提供了清晰路径。 📄 arXiv:2608.26053 📅8月26日
3. AsymSpec：面向Agent型LLM的非对称投机解码
作者：Sheng Liang, Yongyue Zhang, Hao Wang, Yong Liu et al. 核心贡献：提出AsymSpec框架，打破投机解码"草稿与验证模型共享上下文"的假设——轻量草稿模型读全量输入，大验证模型在压缩视图上运行，通过对比δ融合与发散感知接受门保持验证稳定性。在四个Agent能力与两个端到端Agent基准上，达到约90%全上下文精度，吞吐提升1.3-1.7倍，计算成本降至0.2-0.3倍。 为什么重要：Agent型LLM的上下文随工具调用不断膨胀、推理成本飙升；AsymSpec在"压缩输入"与"无损精度"间找到新平衡，是降低Agent推理成本的关键技术。 📄 arXiv:2608.26004 📅8月26日
4. ProgRouter：多Agent工作流的在线进度感知路由
作者：Songyuan Li, Ahmed M. Abdelmoniem, Shiqiang Wang et al. | 伦敦玛丽女王大学 / 字节跳动 核心贡献：提出ProgRouter框架，针对多Agent工作流中"一步式路由无法适应状态依赖"的问题，用多视图任务进度打分器结合粗粒度结果区间与细粒度子任务完成信号，在线为每一步自适应选择LLM，在保持求解质量的同时控制时间与成本预算。在HumanEval Plus、MBPP、MATH-500等基准上显著降低运营成本。 为什么重要：多Agent编排的核心痛点是"每一步该用多大模型"，ProgRouter把质量-成本权衡从静态决策变成动态优化，是Agent规模化落地的关键基础设施。 📄 arXiv:2608.25992 📅8月26日