🔦 今日速览
周末过后首个交易日，AI圈消息相对平静但暗流涌动。评测机构Artificial Analysis发布智能指数v4.2，回应"Astra进展未被基准捕捉"的质疑——GPT-6 Astra评分上调4分，但仍屈居Claude Fable 5.1之后，私有测试集权重提至40%以抗"刷分"。资本侧，英伟达洽谈投资Thinking Machines Lab（约25亿美元）与Nscale（约20亿美元），延续"从闭源巨头转向算力生态"的布局；存储环节美光拟年底将HBM产能翻倍，全力供应英伟达Vera Rubin平台。国内，龙版传媒"AI漫剧"信披前后不一，遭上交所监管警示，为AI概念炒作降温。
趋势1：模型评测进入"防刷分"时代 趋势2：算力投资与内存供给双向加码 趋势3：AI概念炒作监管收紧
🌍 国际动态
1. Artificial Analysis发布智能指数v4.2，GPT-6 Astra评分上调仍不敌Fable 5.1 ⭐
事件简述：评测机构Artificial Analysis发布智能指数4.2版，回应此前"基准未能体现GPT-6 Astra实际进展"的批评。更新后Anthropic的Claude Fable 5.1仍居榜首，GPT-6 Astra较前代GPT-5.6 Sol高出4分（此前两者并列第二），Meta凭Muse Spark 1.3位列第三，其后依次为SpaceXAI、月之暗面/Kimi、智谱（Z.AI）与谷歌。新指数把私有测试集权重提升至40%，并新增两项基准，以降低"刷分"可能。 关键数据：Astra较Sol+4分；私有测试集权重提至40%；Astra是前沿模型中Token效率最高者，而Fable 5.1与Gemini 3.8 Flash耗Token最多；"单任务成本"帕累托前沿由Anthropic、OpenAI、Meta、智谱四家共享。 影响分析：在前沿模型能力趋同、跑分可信度受质疑的背景下，评测机构开始主动迭代方法论防御"刷分"，模型竞争从"参数/跑分"转向"真实任务成本与Token效率"，评测标准本身成为新的竞争场。 📅9月4日
2. 英伟达洽谈投资Thinking Machines Lab与Nscale，算力投资转向算力生态
事件简述：据9月5日美股披露信息，英伟达正洽谈向Mira Murati创立的Thinking Machines Lab投资约25亿美元，并向AI云服务商Nscale投资约20亿美元。这一动向延续了黄仁勋今年的表态——随着OpenAI、Anthropic相继上市、私募投资窗口关闭，英伟达已基本停止对这两家闭源巨头的追加出资，转而把资本投向其算力生态内的新兴玩家，既锁定芯片订单、又分享成长红利。 关键数据：Thinking Machines Lab拟获投约25亿美元（其累计融资已超20亿美元、估值达百亿美元级）；Nscale拟获投约20亿美元（此前披露与Anthropic签下450亿美元算力协议）。 影响分析：英伟达的"投资即获客"策略正从头部大模型厂商下沉到算力云与新兴实验室，通过绑定Vera Rubin等下一代平台的算力需求，进一步巩固其在整个AI基础设施层的主导地位。 📅9月5日
3. 美光拟年底将HBM产能翻倍，加码英伟达Vera Rubin平台
事件简述：存储芯片巨头美光计划到2026年底将高带宽内存（HBM）产能提升约一倍，月产量目标约10万片晶圆，并大幅提高面向英伟达Vera Rubin AI平台的12层堆叠HBM4产出，以满足AI服务器对高带宽内存的爆发式需求。受此提振，美光9月5日收涨6.1%，存储芯片股集体走强（闪迪涨近12%）。 关键数据：HBM月产能目标约10万片（年底翻倍）；12-Hi HBM4面向Vera Rubin平台；此前已披露2026年二季度全球DRAM市场规模1470.24亿美元、环比+55.9%创历史新高。 影响分析：HBM4正在成为下一代AI芯片（Vera Rubin）的关键供给瓶颈，美光从"第三名追赶者"向主力供应商跃迁，存储环节的价值正随AI推理时代而重估，算力竞争的上半场从GPU延伸到内存。 📅9月5日
4. 西雅图时报与Newsday起诉OpenAI和微软，版权诉讼潮再添两员
事件简述：西雅图时报公司与Newsday于9月4日向纽约南区联邦法院联合起诉OpenAI与微软，提交38页诉状，指控两家公司未经许可、绕过付费墙"系统性地抓取"其新闻内容，用于训练ChatGPT、Copilot及Bing AI等产品，并寻求销毁侵权AI系统。两家报纸称生成式AI是"吞噬自己的蛇"（a snake eating its own tail），正侵蚀新闻机构的商业模式。 关键数据：38页诉状（9月4日提交）；这是继纽约时报等之后又一轮媒体联合诉讼，从单一报纸扩散到区域报业集团。 影响分析：版权诉讼持续蔓延意味着AI公司的训练数据合规成本与法律不确定性不断上升；若"合理使用"抗辩在司法层面落空，将对头部模型训练的数据策略构成系统性冲击。 📅9月4-5日
🇨🇳 国内动态
1. "五连板"龙版传媒遭上交所监管警示：AI漫剧播放1.2亿，营收仅80元 ⭐
事件简述：龙版传媒（605577）因AI视频业务信息披露前后不一，9月4日遭上交所对其及时任董秘孙福军予以监管警示。公司在8月26日半年报中高调宣称"首部AI漫剧《穿越1988》完成170集上线、全网播放量突破1.2亿、红果热度超4000万"，推动股价8月31日至9月4日连续五个涨停、累计涨幅61.14%；但随后披露却前后矛盾——9月2、3日称"AI视频业务未产生营业收入"，9月4日又改口称该业务6月营收约80元、7月营收约7.5万元，占经审计营收比例不足0.01%。 关键数据：AI漫剧播放量1.2亿 vs 实际营收6月约80元、7月约7.5万元（占比不足0.01%）；股价五连板、累计涨61.14%。 影响分析：上交所的警示剑指"AI概念炒作+信披失真"这一A股顽疾，用真实营收数据戳破"AI转型"的叙事泡沫，向热衷蹭AI热点的上市公司释放强监管信号。 📅9月4日
📄 今日论文
1. The Natural Language Interaction Protocol and Standard for AI Agents
作者：Luyi Xing, Rasit Onur Topaloglu, Ranjan Sinha, et al. 核心贡献：提出并标准化一种面向AI智能体的自然语言交互协议（NLIP，已由Ecma International标准化），为异构Agent框架、模型、工具接口与执行环境之间建立统一的应用层通信协议，可基于现有传输层（HTTP/HTTPS、WebSocket、AMQP）运行，让不同组织、不同厂商的智能体可以互操作。 为什么重要：智能体生态正从"各厂商私有协议"走向"跨组织协作"，一个开放标准协议是Agent规模化部署与互操作的基础设施，堪称智能体时代的"MCP/HTTP"。 📄 arXiv:2609.04135 📅9月3日
2. Compile by Training: Turning Natural-Language Specifications into Local Neural Functions
作者：Yuntian Deng, Pengyu Nie, Stuart Shieber | 机构：Harvard 核心贡献：提出"训练式编译"（compile by training）：把自然语言规范编译成可复用的本地神经函数——编译期由教师模型生成任务样本，训练一个挂在紧凑解释器上的小适配器，最终函数无需教师模型即可运行、存储、版本化并像普通软件一样组合。在FuzzyBench-Hard上达到83.6%语义准确率，远超现有Program-as-Weights编译器（该子集上无精确匹配）。 为什么重要：把一次性的大模型调用"固化"为可组合的本地函数，为降低重复推理成本与供应商依赖、构建"软件式"AI能力仓库提供了新路径。 📄 arXiv:2609.04199 📅9月3日
3. Sequential Beats Joint: On the Interplay between On-Policy Distillation and RLVR
作者：Boyan Li, Bingsen Chen, Chenghao Yang, et al. 核心贡献：针对推理模型后训练的两大主流方法——可验证奖励强化学习（RLVR）与在线策略蒸馏（OPD），证明简单的两阶段方案"先OPD后RL"（OPD-then-RL）在逻辑与数学推理基准上稳定优于纯OPD、纯RLVR及所有"单步融合"基线，并通过pass@k行为与参数更新给出系统解释：OPD先扩展学生的策略覆盖，RL再在扩展后的空间里做奖励优化。 为什么重要：后训练RL的策略选择直接影响推理模型上限，这条"先蒸馏铺路、再RL优化"的经验法则为DeepSeek、Qwen等开源推理模型的训练提供了低成本、可复现的流程范式。 📄 arXiv:2609.04108 📅9月3日
4. Epistemic Warrant for LLM Recommendations: Characterizing the Basis for Reliance When Ground Truth Is Unavailable
作者：Shai Vardi, João Sedoc 核心贡献：引入认识论中的"认识保证"（epistemic warrant）概念，刻画"没有真值可对"时用户凭什么信任一条LLM建议——通过四层依赖证书区分"不稳定/上下文依赖/局部支持/广泛支持"四种偏好稳定度，给出面向单条建议的、可操作的信任依据，而非笼统的模型可靠性评分。 为什么重要：在组织把LLM用于决策但缺乏人工核验的常态下，"该信哪一条建议"比"模型整体有多可靠"更实用，为LLM辅助决策的可信部署提供了新的评估维度。 📄 arXiv:2609.04127 📅9月3日