2026-09-09 · 编程资本加注，具身进入量产

9/9 AI 双线：Cognition 融资 20 亿美元、估值 480 亿，年化营收四个月增 83%，资本为「非赢家通吃」定价；基元律动 NeoHorse-1 把执行轨迹训进参数，4B 追平 9B；reverify 以确定性验证拦下 97% 错误断言。具身侧特斯拉下约 5000 台 Optimus 订单、小鹏启用全球首条人形自动化产线，松延动力 HERON 世界模型让机器人行动前先推演。

1. Cognition 20 亿美元 E 轮落地，估值 480 亿美元：资本为「AI 编程非赢家通吃」定价

事件：9 月 8 日，Devin 的开发商 Cognition 宣布完成 超 20 亿美元 E 轮融资，投后估值 480 亿美元，由首次入局的 a16z 与 Accel 领投，Founders Fund、General Catalyst、Avenir 等老股东跟投，参投方长达数十家（含 Benchmark、Kleiner Perkins、Greylock、T. Rowe Price、英伟达等）。关键数字是速度：5 月刚以 260 亿美元估值融资超 10 亿美元，四个月后估值近乎翻倍；年化营收（run-rate）从 4.92 亿美元升至接近 9 亿美元，增幅约 83%，对应约 53 倍 P/S——与上一轮倍数持平。同时发布三个新面：Devin Auto-Triage（故障首轮排查）、Devin Security Swarm（漏洞发现与分级）、Devin Automations（由 Slack/GitHub/Linear 事件直接触发任务）。客户含英伟达（芯片设计）、GE 航空、花旗、奔驰、Modal。

为什么值得关注：这是 coding agent 赛道迄今最大单轮，其信号不在「AI 会写代码」这件事，而在市场结构的定价——Cursor 被 OpenAI 断供、Claude Code 高速增长、Codex 拿到分发，这些都没有压缩 Cognition 的倍数，反而把它推高，等于投资人明确投票「AI 编程是多赢家市场，不是赢家通吃」。产品侧的路线也很清楚：从「帮你写代码」上移到「常驻处理运维与安全」，直接切入事件响应与应用安全的存量市场。熊市论点同样在报道里：年现金消耗约 8 亿美元，大头是租英伟达服务器，且正推进自研模型以摆脱第三方 API——即用别人前沿模型做产品的公司，能否赚回自己的推理账单。需标注：营收为公司自述 run-rate 口径，烧钱数字来自媒体测算。

来源：TechCrunch / Ticker Report / Cryptopolitan 2026-09-08（Cognition 官方公告）

2. 基元律动发布首个 Agent-Native 模型 NeoHorse-1：把「执行经验」训进参数

事件：9 月 7–8 日，华为诺亚方舟实验室前主任、盘古大模型负责人 王云鹤 创办的 基元律动（TokenRhythm） 发布首个 Agent-Native 模型 NeoHorse-1，含 4B 与 9B 两个版本；无问芯穹提供算力与 Infra 优化，清华、北大参与算法与训练方法研究，阿里巴巴提供工程化落地实践。模型不追求通用榜分，而专攻 Agent 执行链路所需的一组能力：调用工具、读取环境反馈、发现错误、调整路径。在覆盖 Harness Agent、工具使用、代码与指令遵循的 10 项评测中，经 Agentic Post-Training 后 4B 版本综合表现达到甚至略超 9B 基础模型。训练语料的核心是其开源 Routing Harness 系统 OpenSquilla 产生的真实执行轨迹——保留了能力需求预测、路由选择、模型响应、工具调用与环境反馈，经完整性检查与「目标完成 / 证据一致性 / 错误恢复」质量评估后进入后训练。

为什么值得关注：这条路线回答了 8 月以来 harness 热潮遗留的问题——harness 跑出来的轨迹，能不能反哺模型本身。基元律动原本是「帮 Agent 挑模型」的路由层公司，其判断是「模型不归一」将长期存在，因此不做通用基座竞赛，而是把多模型协作的执行经验第一次固化进参数。含义有两层：（1）评测范式转向——当模型被放进 Agent 系统承担完整任务，单一分数解释力下降，工具调用与错误恢复才是真指标；（2）小模型的新性价比路径——4B 追平 9B 说明「Agent 专用后训练」比单纯堆参数更划算，对端侧与高频调用场景意义直接。需标注：10 项评测与 4B/9B 对比均为技术报告自述口径，待第三方复现。

来源：量子位 / 澎湃新闻 / 新京报 2026-09-08（基元律动技术报告）

3. Agent 生态主线转向「确定性验证」：reverify 拦下 97% 的错误断言

事件：9 月 9 日 GitHub 趋势的共同主题是「可信任」。代表项目 2akouwu/reverify（约 1,036 star，Python + MCP SDK，MIT）是一个 MCP server + CLI：它不要求模型「更小心」，而是把 AI 关于代码或二进制的每一条断言交给确定性工具去验证，只有通过验证的才算成立。作者刻意挑了幻觉率最糟的场景做基准——跨 71 个真实 Windows 系统文件的二进制逆向，AI 的「教科书答案」错误率高达 97%，reverify 全部拦下，未放过任何一条错误断言（同一道闸门在 Linux、macOS 与独立 aarch64 环境的 CI 中复跑）。它还提供 rollover 命令，把长任务交接到文件并开启全新会话，替代有损的自动摘要；兼容 Claude Code、Codex、Gemini CLI 与 OpenCode。同日同主题的还有 bankmcp（把银行数据访问锁进只读边界）、headcount（用部门边界拆解 172 个 Claude Code skill）、Reflectiz 多 Agent 渗透测试平台，以及阿里云 AI DeepSign（结合 C2PA 与水印为 AI 生成内容发可验证身份标记）。

为什么值得关注：这是本周「能力跃迁 vs 治理缺口」主线在工程手段层面的收敛答案——面对幻觉，行业不再指望提示词与更强模型，而是把校验权移交到模型之外的确定性工具。97% 这个数字的价值在于它量化了「看起来很合理的答案」有多不可靠：在专业细节领域，模型的自信度与正确率几乎脱钩。对把 agent 接进生产链路的团队，含义很实际——agent 的输出需要一道机器可执行的闸门，而不是人工抽检；这与 9/8 GitSpawn 供应链攻击（信任边界）、9/7 OpenAI 撤回 SWE-Bench Pro 背书（评测诚信）构成同一条脉络：越自主，越需要外部可验证。需标注：97% 为项目作者自建基准的自述结果，star 数与结论均待更广泛复现。

来源：quidproquo AI Agent GitHub Digest 2026-09-09

4. 人形机器人量产双信号：特斯拉约 5000 台 Optimus 批量订单落地，小鹏启用全球首条自动化产线

事件：（1）据界面新闻对特斯拉核心制造网络的渠道核查，9 月上旬特斯拉向「T 链」核心供应商一次性下达约 5,000 台 Optimus 零部件批量采购订单，系 4 月启动量产指引以来首笔批量级落地，此前仅有数百台试制订单。时间线上，弗里蒙特人形主线 7 月启动设备调试、8 月中旬完成初步试产，良率爬坡是此次大规模下单的核心前提；采购指引节奏为 7 月每周 150 台 → 8 月 300 台 → 9 月 1,000 台，年底目标 2,000–2,500 台/周，2026 年内部规划保底出货 1–2 万台。消息带动 A 股机器人板块放量走强（绿的谐波、奥比中光等领涨）。特斯拉官方尚未确认该订单。（2）9 月 8 日，小鹏全球首条人形机器人自动化产线正式启用，IRON 完成自动化总装并自主走下产线，核心制程自动化率超 80%，把汽车工业质量体系与机器人精密制造融合；IRON 全身 76 个自由度、搭载 3 颗图灵芯片（2,250 TOPS），计划 2026 年底规模量产、2027 年上市交付。

为什么值得关注：两条消息一外一内，指向同一个拐点——人形机器人从「样机验证」进入「按量制造」的检验期。特斯拉的意义是量级跃迁（周产数十台 → 单月数千台），且订单前提是良率而非愿景；小鹏的意义是制造范式：用车企的自动化产线与质量体系造机器人，而非手工装配。产业链含义明确：执行器与灵巧手合计约占 Optimus BOM 成本六成，是价值最集中也最受产能考验的环节；同时 9 月特斯拉在华供应商审厂启动，订单是「意向」、审厂才是「入场券」。风险需并列陈述：订单未经官方确认、V3 仍在边试产边优化、份额未固定，多位供应链人士对年底冲到 10 万台持保留态度；Counterpoint 估算 2026 下半年 Optimus V3 单机制造成本仍超 6 万美元。

来源：界面新闻 / 腾讯新闻 2026-09-07–08（Optimus）· 证券时报 e 公司 2026-09-08（小鹏产线）

5. 松延动力发布 Scalabot 与 HERON-World Model：具身大脑学会「行动前先推演」

事件：9 月 8 日，松延动力正式发布通用具身智能技术子品牌 Scalabot（取自 Scale + Robot），并同步推出 HERON 体系下首个世界模型 HERON-World Model，业务从机器人本体延伸至「本体 + 具身大脑」全栈。该模型是一款动作条件世界模型，回答的核心问题是「机器人采取某个动作之后，世界将如何变化」——让机器人在行动前对未来做推演，为自主决策提供依据。技术要点有三：（1）三层数据金字塔——真实机器人数据（覆盖单臂/双臂/轮臂/人形，提供可执行动力学锚点）、基于真实场景重建的仿真数据（补齐稀有状态、危险交互、失败轨迹）、第一视角人类操作视频（扩展家庭物体、工具使用、双手协同等长尾交互）；（2）异构动作统一——以视频帧时间戳对齐不同频率的控制指令，经正向运动学与手眼标定把关节轨迹、末端位姿、人手腕轨迹统一到公共参考系，再由轻量动作编码器投影为固定维度 Action Token；缺失动作标签通过组件级掩码与置信度控制监督强度，而非填 0；（3）MoT + MoE 架构——高噪声专家搭建整体结构与粗粒度运动，低噪声专家恢复局部几何与精细交互，规避大规模数据下的参数竞争与训练失稳。此前该公司于去年 10 月推出消费级人形「小布米」，把价格带压进万元级。

为什么值得关注：它把 9/8「通用机器人从一种身体变成一种架构」的判断，落成了具体技术路径——Scalabot 明确不绑定单一本体，用统一动作表示做跨构型迁移，且在硬件定义阶段就把传感器、算力、自由度与数据接口的需求前置。更值得关注的是能力层级的上移：从「能动」（运动控制）、「会想」（VLA 决策），进到 「能预演」（世界模型）——机器人在开放环境里犯不起的错，可以先在模型里犯。这与 9/5 智动未来可微粒子世界模型、9/4 李飞飞 World Labs 的 Atlas、以及本条形成三点连线：世界模型正在成为具身智能公认的下一层基础设施，用途都是降低真实数据依赖与试错成本。需标注：技术细节来自公司官网与技术博客自述，尚无第三方基准或真机成功率数据。

来源：上海证券报·中国证券网 / 界面新闻 / 每日经济新闻 2026-09-08