1. 谷歌把 Gemini 和搜索变成”应用商店”：Connected Apps 平台开放申请
谷歌正式推出 Connected Apps Platform，把原本只对少数合作伙伴开放的”连接应用”能力做成面向所有开发者的提交入口。开发者通过云端托管的 MCP 服务器或 Android 的 AppFunctions API 接入，再用 Google Connected Console 注册、测试、提交，上线后可自行选择出现在 Gemini 应用、Google 搜索还是两边都上。
平台目前已在美国开发者中开放 beta 预览。上线后开发者能追踪流量、延迟和错误率，并保留品牌控制权，比如认证 logo 和已认证账号。谷歌称 Gemini 里已有 50 多个 Connected Apps，合作方包括 Adobe、Experian、Peloton 等；搜索侧目前集成较少，只有 Instacart、Canva、YouTube Music、Yahoo Fantasy Football 等，未来几周会陆续接入。冥想应用 Calm 是新增伙伴。
这件事的实质是把 SEO 的逻辑搬到智能体时代：过去企业抢的是搜索排名，现在抢的是”被 AI 助手调用”的资格。谷歌没有给出更广泛开放的明确时间表。
2. 微软首次披露 Azure 单季真实营收：332 亿美元，同比增 48%
在截至 9 月 30 日的 2027 财年第一财季里，微软第一次给出了 Azure 的美元绝对值：332 亿美元，同比增长 48%。此前微软只公布增速，从不披露具体金额。这个数字比分析师预期的 323 亿美元高出约 8.5 亿，也超过了 CFO 此前给出的 44%–45% 指引。
对比来看，Alphabet 同日公布的 Google Cloud 同季营收为 307 亿美元，Azure 略微领先；但 Google Cloud 同比接近翻倍，增速约为 Azure 的两倍。Azure 目前占微软 923 亿美元季度总营收的约 36%，已是微软最大且增长最快的产品线。
同一份文件里还有一条更值得注意的数据：微软从与 OpenAI 的商业安排（含收入分成）中确认了 100 亿美元收入，占其季度总营收近 11%。两家公司一边在同一个客户群里正面竞争，一边在账面上高度互相依赖。
3. Anthropic 上市前亮底牌：Q2 经营利润转正、净收入留存率 900%
Anthropic 本周向投资者披露的财务数据里有两个关键数字：公司在第二季度录得经营利润，净收入留存率（NRR）达到 900%——也就是说，2025 年 Q3 的同一批客户，在 2026 年 Q3 的支出涨了 9 倍。
同日 Anthropic 发布了一套面向企业的投入产出报表工具：管理者可以按时间段查看团队的工作流、产出内容、花了多少钱、流程在哪一步卡住，报告还会给出改进建议和自动草拟的技能（Skill）模板。Anthropic 表示默认不会把这些数据用于模型训练。另外还推出了团队共享 token 预算，方便集中管理支出。
背景是企业的普遍焦虑：Jellyfish 基于 27.6 万名开发者使用数据的最新报告显示，Claude Code 等 Anthropic 系工具承担了提交审查的代码变更的近三分之一，相关支出自年初以来涨了 10 倍，已相当于工程总成本的约 2%。”2% 听起来不多，但 10 倍增长是绝大多数 CFO 没做过的预算。”Jellyfish 首席科学家 Nicholas Arcolano 说。
4. 英伟达开源语音转写模型 Nemotron 3.5 Transcribe：30B 参数、40 种语言、单卡可跑
英伟达发布 Nemotron 3.5 Transcribe，一个开放权重的语音转文字模型。规格上：支持多达 40 种语言的转写，可在 31 种语言与英语之间互译，单条录音最长 1 小时，最多区分 8 个说话人。参数量 30B（MoE，激活约 4B），官方称可跑在单颗芯片上——从机器人控制器 Jetson AGX Thor、笔电级 DGX Spark 一直到数据中心的 Blackwell。
同时升级了开源语音数据集 Granary 2，配合 NeMo Speech 工具链，开发者可以针对垂直行业术语做定制，瞄准会议纪要和医疗转写这两个 AI 落地最成熟的场景。英伟达称其在 Hugging Face 的 Open ASR Leaderboard 等基准上优于竞品。
明确的短板是：只处理录音文件，不做实时流式。实时语音这条线上，Mistral 本月发了 Voxtral 3，ElevenLabs 推出 Realtime，Salesforce 也发了 Launa-Omni。
5. 蚂蚁百灵开源 Ling-3.1-flash-1019：560B MoE，瞄准 Personal Agent
10 月 28 日，蚂蚁集团百灵大模型开源 Ling-3.1-flash-1019，并在 Artificial Analysis Intelligence Index v4.3.2 上拿到 44 分，比上一版提升 3 分。同步开源的还有基座 Ling-3.1-flash-base，采用混合线性 MoE 架构，总参数约 560B，每 token 激活约 25B，以 BF16 权重、MIT 许可证开放。
针对个人智能体场景的提升幅度：复杂知识工作 AA-Briefcase 从约 1400 Elo 升到 1524 Elo，GDPval-AA 从 1618 升到 1644 Elo，流程自动化 AutomationBench-AA 从 62% 到 68%，科学问题求解 CritPt 从 18% 到 26%，SciCode 从 54% 到 57%。基座在 8 个领域共 47 项 benchmark 中，有 32 项超过 DeepSeek-V4-Pro-Base 和 MiMo-V2.5-Pro-Base。
这轮迭代和 10 月 27 日升级的”灵光 2.0″直接相关——后者主打跨会话记忆、长程任务调度和独立云主机，用户退出对话后任务仍能继续跑。这对底层模型的要求从”会答问题”变成”能理解目标、调用工具、推进多步任务”。百灵还基于同一基座训练了视觉语言模型 Ling-3.1-flash-VL，先在灵光上应用，后续对外发布。
6. 中国团队刷爆英伟达算子榜：无问芯穹拿下 88 项单题第一
在 NVIDIA Research 的 GPU 算子性能榜 SOL-ExecBench 上，无问芯穹（Infinigence AI）先后登顶 L1 基础算子、L2 融合算子、Quant 量化算子、FlashInfer-Bench 推理算子全部四大赛道。截至 2026 年 10 月 26 日，L1 与 Quant 两赛道总分全球第一，L2 与 FlashInfer-Bench 全球第二；在全部 235 道题目中以 88 项单题第一位居所有团队之首，是第二名单题第一数量的 2 倍以上。在最考验复杂优化能力的 L2 赛道，82 道题里拿下 39 项第一。
SOL-ExecBench 与传统”相对基线加速比”评测的区别在于引入了 SOL Score——以硬件理论性能上限为参照，题目从 124 个真实前沿模型的计算图里提取，覆盖语言、视觉、语音、视频、多模态。据 SF Tensor 9 月 25 日的数据，已有 583 支团队累计提交超过 3.1 万次评测，平均约每 8 分钟就有一条公开提交，参赛方包括 Databricks、Cursor 以及多家自动化算子优化团队。
值得注意的是工程侧的做法：他们把 Agent 的优化流程做成容器化隔离——工作区、评测区、调试区解耦，Agent 在无 GPU 的工作区写代码、提交请求，由宿主调度器排队分配 GPU，评测与调试容器均禁用网络。这既是效率设计，也是防止 Agent 通过改评测脚本、干扰计时逻辑来刷分的手段。
7. 分子之心 MMDesign 报告：19 个项目 18 个成功，6 个 GPCR 靶点全中
分子之心发布 AI 蛋白质从头设计平台 MMDesign 的技术报告，覆盖 18 个靶点、纳米抗体（VHH）与大环肽两种模态共 19 个设计项目：
- 每个项目只测 9–50 个候选分子（中位数 21 个），18 个项目获得实验确认的结合分子，项目成功率 94.7%；
- 全部 453 个受测候选中 139 个确认结合，候选命中率 30.7%；15 个项目至少拿到 2 个结合分子；
- 6 个 GPCR 靶点（CCR7、CCR8、EP2、GPR68、NK3R、A2AR）全部成功，最优亲和力均在纳摩尔级，GPR68 最优 KD 低至 12.1 nM；NK3R 的 30 个候选全中，命中率 100%。
最有说服力的是”无先例”场景：在 Thera-SAbDab 中查不到已编目治疗性抗体先例的 5 个 GPCR 靶点上，89 个受测设计里 53 个获得结合，命中率 59.6%——等于闭卷答题。跨轮次优化也成立：对 6 个已有结合分子的靶点再设计一轮，5 个在命中率或亲和力上进一步提升，比如 PDGFR 命中率从 4.0% 升到 21.1%，最佳 KD 从 150 nM 优化到 37 nM。
结构预测底座 MMFold 在 FoldBench 的 172 个抗体-抗原界面上，Top-1 高质量结构预测成功率 39.0%，约为 AlphaFold 3 对照结果 19.8% 的两倍；在 160 个共同界面子集上，高于 OpenDDE 的 33.0% 与 Protenix-v2 的 28.2%。
8. 零营收、估值 200 亿美元：Physical Intelligence 传再融 10 亿美元
据彭博社报道，机器人基础模型公司 Physical Intelligence（PI） 正洽谈新一轮融资，计划募集至少 10 亿美元，投后估值预计约 200 亿美元，现有投资方 Avenir 和 Lux Capital 考虑领投。对照时间线：2025 年 11 月融资 6 亿美元时估值 56 亿美元，今年早些时候为 115 亿美元，一年内涨了近 3.6 倍。投资方名单里有 Alphabet 旗下 CapitalG、Thrive Capital、红杉，贝索斯也早早自掏腰包。
关键是 PI 至今没有任何商业营收，也没有量产机器人产品，联合创始人也未向投资者承诺商业化时间表。支撑估值的是团队与技术路线：CEO Karol Hausman（前 Google DeepMind 机器人核心科学家、斯坦福兼职教授）、Sergey Levine（伯克利教授）、Chelsea Finn（斯坦福助理教授）、Lachy Groom。公司不造硬件，只做能适配第三方硬件的通用机器人基础模型，从 π0、π0.5 迭代到今年的 π0.7，展示了跨机械臂尺寸与结构的组合泛化能力——未经叠衣服专项训练的机器人能完成叠衣服。
本月 PI 推出机器人基础模型 API 测试版，向外部开发者提供微调与推理服务，这是点燃投资人情绪的直接触发点。作为对照，同行 Skild AI 今年 1 月估值 140 亿美元，9 月已宣布 ARR 突破 1 亿美元。PI 自己在公测时罕见地泼了冷水：真实环境中的机器人应用绝非易事，建筑施工、机器人手术、仓储自动化，每一个领域都需要倾注一家完整公司的资源。
9. 岩山科技联合港科、CMU 开源 EdgeRock-4B：KV Cache 恒定 72MiB，砍掉 99.1%
岩山科技旗下岩芯矩阵联合香港科技大学、CMU 等高校开源 EdgeRock-4B，核心指标相当反直觉：上下文从 4K 一路涨到 256K，KV Cache 占用始终固定在 72 MiB，相比源模型减少 99.1%；一张 80GB 显卡同时跑 512 路长推理，输出吞吐达 12124 tokens/s，是源模型 Qwen3.5-4B 的 6.42 倍（后者最快配置只有 1889 tokens/s）。
机制叫记忆岩锚（Rock Memory Anchors，RMA）：每条序列的历史拆成三份——循环状态抓大意、1024 token 的局部窗口管眼前、锚点库从更早历史里留住关键细节。写入器为每个 token 生成候选记录并打分，每累积 256 条候选就与库内已有记录一起比较，只保留得分最高的 1024 条。模型不是”记住一切”，而是”只记值得记住的”。
能力没被砍掉太多：AIME 2024–2026 平均一次通过率 82.9%，而 16 个有界状态模型（含 14B 级）里最强的 RWKV-7 G1j 13.3B 只有 18.8%；相对源模型，AIME 保留 96.3%、MATH-500 达 97.5%，29 项文本基准里有 8 项反超。消融实验很直接：关掉 8 个 RMA 模块后，1024 道长上下文问题只答对 4 个，准确率从 94.1% 掉到 0.4%。
成本账也清晰：4K 输入时只需源模型 24.9% 的 GPU 时间，32K 输入时只需 15.6%。模型基于 Qwen3.5-4B 分阶段转换而来，无需从头预训练，权重与代码已开源、可商用。
10. Alphabet 三季度营收 1276 亿美元，AI 搜索广告开始全球铺开
Alphabet 第三季度营收 1276 亿美元，同比增长 25%。但搜索广告增速继续放缓，财报发布后股价下跌 8%。对冲这个趋势的动作是：谷歌宣布把 AI 搜索体验里的广告推向国际市场，押注生成式 AI 能开出新的收入口。
同一天 Alphabet 还披露 Google Cloud 单季营收 307 亿美元，同比接近翻倍，增速约为 Azure 的两倍——这是它在与微软的云之争里少有的领先叙事。
把两条放在一起看，谷歌眼下的处境是：云和 AI 基础设施在高速扩张，而占收入大头的搜索广告正在被自己的 AI 化改造反噬，于是只能加快在 AI 答案里塞广告来补缺口。而第 1 条里的 Connected Apps 平台，某种程度上是同一逻辑的延伸——如果用户的入口从”打开 App”变成”问 AI 助手”，那谷歌必须保证自己仍然是那个被问的对象。
相关文章
