具身智能 人形机器人 AI 自主研发 算力基础设施 智能体 AI 安全 产业商业化

一、具身智能产业落地提速：工业场景数据闭环与企业主体持续扩容

国内具身智能赛道正在从技术样机验证走向工业场景落地，企业通过采集真实人机操作数据构建基座模型，上市公司新设独立子公司聚焦人形机器人业务，产业资本持续向实体机器人业务倾斜。产业共识逐步形成，人形机器人量产的核心瓶颈不在本体硬件，而在真实环境下的人机交互、精细操作多模态数据集。企业开始自建操作数据采集体系，依靠真实操作数据训练具身大模型，解决机器人在工业场景长任务规划、柔性物体处理难题。

它石智航依托百万小时操作数据，打造面向工业场景的具身基座模型

正文：9 月 18 日，上观新闻对它石智航进行产业报道。该企业构建以人为中心的数据采集范式，累计采集超百万小时人类真实操作数据，自研 AWE 具身智能基座大模型，在 WAIC 2026 斩获 SAIL 之星奖项。配套自研 21 自由度灵巧手，完成亚毫米级线束装配吉尼斯世界纪录，面向工业柔性操作场景落地。海量真实操作数据是模型能够完成精细工业操作任务的基础，为具身模型训练提供高质量多模态标注样本。

来源：上观新闻 发布时间：2026-09-18

申昊科技新设七千万元具身智能全资子公司，布局机器人业务

正文：证券日报 9 月 18 日公告信息显示，申昊科技设立全资子公司杭州申昊具身智能科技有限公司，注册资本 7000 万元，已完成工商登记。母公司主营智能检测设备，新公司将独立承担人形机器人、具身智能相关研发、产品落地业务。本次设立独立主体，标志传统工业设备上市公司正式将具身智能作为独立业务板块推进，依托工业场景沉淀机器人作业数据。

来源：证券日报 发布时间：2026-09-18

二、前沿模型研发范式转变：模型参与自身研发，AI 自主研究能力持续提升

海外前沿模型厂商披露新进展，AI 模型深度参与下一代模型研发工作，由模型承担大量研究与工程任务，人类转为监督角色。同时头部厂商算力采购策略调整，不再只追求超大兆瓦算力集群，增加中小型算力节点采购，适配推理、模型迭代与智能体小规模实验。这一变化意味着模型迭代的数据反馈周期大幅缩短，AI 自主完成实验、数据处理、评估的能力提升，也对训练数据溯源、模型行为安全评估提出更高要求。

Anthropic 披露 Claude 参与模型研发占比达 26%，AI 开始承担前沿研发工作

正文：9 月 18 日，Tech Startups 发布 Anthropic 官方披露信息。截至 8 月，Claude 完成公司下一代模型 26% 研发工作，今年 2 月该占比几乎为零；约 90% 研发任务存在模型协同参与，共有 3 万个智能体参与研发与工程工作。Anthropic 强调模型仍在人类监督下工作，并非完全自主研发下一代模型。模型参与研发可自动处理实验数据、评估模型效果，缩短模型迭代的数据闭环周期。

来源：Tech Startups 发布时间：2026-09-18

OpenAI 与 Anthropic 调整算力采购策略，新增 20 至 30 兆瓦小型算力节点采购

正文：科创板日报 9 月 18 日援引知情人士消息，OpenAI 与 Anthropic 正在洽谈 20-30 兆瓦规模小型算力中心合作，在英美北欧多地推进部署。此前两家企业更多签约吉瓦级大型算力集群。小型算力集群更适合智能体测试、模型评估、小规模数据集实验，大型集群用于基础模型训练。算力采购结构变化，反映 AI 厂商业务重心向模型评估、智能体实验、小批量数据迭代倾斜。

来源：科创板日报 发布时间：2026-09-18

三、算力基础设施商业化落地：国产算力服务商斩获近 20 亿元算力服务大单

AI 算力服务进入规模化商业订单阶段，国内专业算力服务商签署长期 GPU 算力服务框架协议，订单周期长达 5 年。算力不再只是训练大模型的底层资源，同时支撑仿真数据集生成、机器人数字孪生训练、模型安全评测等场景。算力订单由短期弹性租赁转向长期框架采购，下游客户需要稳定算力持续开展模型训练、仿真数据生成，算力基础设施成为 AI 数据生产与模型迭代的底层底座。

并行科技签署最高 19.13 亿元算力服务框架协议，提供长期 GPU 算力支撑

正文：新京报 9 月 18 日报道，北交所并行科技子公司签署 GPU 算力服务框架协议，合同含税总额上限 19.13 亿元，服务周期从 2027 年 1 月至 2032 年 1 月，合计 5 年。客户信息出于保密要求未对外披露。并行科技作为国内专业算力服务商，该算力资源可用于大模型训练、模型评测、仿真数据集生成，支撑 AI 模型与具身智能数字孪生场景的数据运算需求。

来源：新京报 发布时间：2026-09-18

四、全球 AI 安全治理对话升级：产业界共同探讨前沿模型风险管控

全球科技领袖齐聚英国 AI 风险峰会，产业界形成共识，前沿 AI 产品必须完成充分安全测试，风险未达标产品应当暂缓发布。OpenAI、Anthropic、谷歌 DeepMind、英伟达高管共同参会，围绕模型自主能力提升带来的安全风险开展讨论。随着模型自主研究、智能体自主执行任务能力增强，模型行为边界、数据滥用、自主操作风险成为全球共同议题，行业自律与安全评估机制将与模型技术同步迭代。

英国国王召集 AI 风险峰会，黄仁勋提出安全不足产品应当推迟发布

正文：新浪财经 9 月 18 日报道，英国国王在苏格兰举办 AI 风险峰会，英伟达黄仁勋、OpenAI、Anthropic、谷歌 DeepMind 高管以及清华大学代表参会。黄仁勋在会上表示，企业应当严格完成 AI 系统测试，如果产品安全性不足，应当推迟发布。会议重点讨论模型自主能力提升带来的潜在风险，参会企业交流前沿模型安全评估方法，探索行业层面风险协同管控机制。

来源：新浪财经 发布时间：2026-09-18

1：具身智能商业化依托真实场景操作数据资产；它石智航百万小时操作数据集训练工业具身模型，申昊科技新设子公司切入赛道，说明工业场景人机交互数据成为人形机器人企业核心壁垒，数据采集、标注、清洗能力将直接决定机器人落地能力。

2：模型研发范式转向人机协同，AI 智能体参与模型迭代；Anthropic 披露 Claude 承担 26% 模型研发工作，大量智能体参与研发流程，会加速训练数据、评估数据集生产效率，同时要求建立模型自主行为审计与数据溯源机制。

3：算力采购结构分化，大小算力集群分工明确；OpenAI、Anthropic 新增小型算力节点采购，并行科技落地长期大额算力订单，大型算力底座用于基础模型训练，小型算力集群适配智能体测试、仿真数据生成，算力供给模式跟随 AI 业务结构发生改变。

4：AI 安全治理由单一企业风控升级为全球产业协同；英国 AI 风险峰会汇聚头部 AI 企业高管，提出安全不达标产品暂缓上线，随着模型自主执行能力增强，模型操作权限管控、训练数据合规审查将成为 AI 产品上线硬性门槛。

5：传统工业企业加速入局具身智能赛道；申昊科技依托原有工业场景积累设立独立具身智能子公司，传统行业企业将自带场景数据优势，和原生 AI 机器人企业形成差异化竞争。

当前 AI 产业呈现双线并行的发展节奏：通用大模型侧进入人机协同研发新阶段，模型开始参与自身迭代，算力资源的用途从单纯训练转向模型评估、智能体实验、仿真数据生产；实体智能赛道则聚焦工业真实场景，企业争夺高质量人机操作数据，依靠真实交互数据训练具身基座模型。算力基础设施订单持续落地，为模型迭代、机器人仿真数据采集提供底层支撑。与此同时，全球产业界对前沿模型安全风险的共识持续凝聚，当模型逐步获得自主研究、自主操作能力，训练数据溯源、模型行为审计、风险分级管控将不再是可选的附加流程，而是支撑智能体、具身机器人规模化落地的必要前提。