今日精选：DeepSeek 开源 Agent 底座让智能体常驻、小米把文档模型压到 0.8B，AI 开始拼底座不拼分数。

AI日报-2026-11-01

📢 今日AI行业大事件

DeepSeek 开源 Agent 底座：一个主管带一群工人

10 月 31 日晚，DeepSeek 的 Harness 团队公开了 Super-agent 架构，并把原型代码放到 GitHub（MIT 许可）。它要解决的问题很具体：一个人通常只能同时盯 3 到 5 个活跃会话，模型越能干，人反而越忙。做法是把智能体拆成两层——上层 Router 只负责接消息、分派任务、维护全局上下文，自己不干活；下层多个 Worker 各自独立上下文并行写代码、查 Bug、审 PR，某个 Worker 接了 GitHub PR 后可以直接订阅后续评论，不必再经 Router 层层转发。加上事件驱动、存算分离（电脑关机任务照跑）和看门狗自愈，官方内部实例已经在日常研发里持续运行。最值得留意的是主动性：群里没人 @ 它，它也能两级过滤识别出潜在缺陷，在后台静默复现并修复，确认修好才提交。

模型：非新模型，是 Agent 运行框架；Router+Worker 双层，模型、工具、Skills、会话、沙箱、存储全部插件化；模拟环境约 300 条消息、20 个任务请求；任务完成时间中位 12.4 分钟、95 分位 15.7 分钟（传统单会话方案 95 分位 29.5 分钟）

功能亮点：跨会话常驻、多任务并行、事件直通订阅、存算分离、看门狗自愈；未被人 @ 也能自主发现缺陷并提交修复；Router 批处理后单次决策推理从 6.4 秒压到 1.6 秒。官方强调这是研究原型不是产品，主动任务默认只观察不执行，权限靠 Mandate 授权机制兜底

小米开源 0.8B 文档模型：手机端吃掉解析、抽取、问答

10 月 31 日，小米发布并开源轻量级文档理解模型 Xiaomi-OCR-0，权重与推理代码上架 Hugging Face 和 GitHub，Apache 2.0 许可。它只用 0.8B 参数，就把文档解析、关键信息抽取、OCR 视觉问答三件事合进一个模型：能还原正文、复杂表格与数学公式并按阅读顺序输出 Markdown/LaTeX，也能从发票、收据、卡证、业务表单直接吐 JSON 字段。官方测试里，它在模拟扫描、弯曲、翻拍的 Real5-OmniDocBench 上拿到 95.24 分居首，五项 OCR 视觉问答基准平均 83.2 分，以 0.8B 的体量超过 8B 的 MiniCPM-V-4.5。这些能力已经进了小米手机和超级小爱的日常场景——取餐码提取、账单记账、卡证识别、日程创建，同步开放了浏览器 Demo、MCP 服务与 Agent Skill 工具包。

模型：基于 Qwen3.5-0.8B-Base 构建；0.8B 参数、约 1.7 亿条 OCR 与文档理解样本训练；Real5-OmniDocBench 95.24 分居对比第一，OmniDocBench v1.6 96.83 分（总榜第二、1B 以下第一），五项视觉问答平均 83.2 分

功能亮点：一个模型统一文档解析、字段抽取、OCR 问答三条链路，支持 Markdown/LaTeX/JSON 三种输出；不需预矫正就能处理扫描件、照片、弯曲倾斜与手机截屏，中英混排、数学公式、无边框表格通吃；配套 MCP 服务与 Agent Skill，可直接接进业务流

商汤开源 Loop-9B：32 层权重跑出 56 层算力

10 月 30 日，商汤开源了日日新 SenseNova-Loop-9B-Preview。它的思路和「堆参数」相反：骨干是 32 层解码器，但推理时把中间那段模块用共享权重连跑两遍，实际执行 56 次层计算——只存 32 组权重，走更深的计算路径，官方口径是骨干约 9B、推理参数量约 14.6B，用计算换深度。为了让循环里不丢信息，模型还引入了 mHC（流形约束超连接），用两条残差流加受约束的信息混合来稳住信号传播。结果是它在代码生成、办公场景和智能体任务上都不弱：WorkBuddy Bench、RaccoonPPT Bench、AutomationBench 三个评测超过 Qwen3.5-27B；消融实验里 mHC 让 GPQA Diamond 提升 4.42 分、TeamBench 提升 13.34 分。

模型：Looped Transformer 架构，32 层解码器权重、推理执行 56 次层计算（B(B(h)) 循环）；骨干约 9B、推理参数量约 14.6B；支持 262,144 tokens 多模态输入；在 WorkBuddy Bench、RaccoonPPT Bench、AutomationBench 超过 Qwen3.5-27B

功能亮点：用循环计算扩展有效深度，不增加存储就把 9B 拉到 27B 级表现，主打长上下文与智能体工作流；mHC 用多路残差加 Sinkhorn 归一化约束稳住深层信号；面向文档理解、编码与工具调用，权重与代码已在 GitHub/Hugging Face 公开

OpenAI 把企业隐私做成产品：记录加密存进客户自己的云

北京时间 10 月 30 日深夜，OpenAI 上线面向企业的 Private Intelligence 套件，覆盖 ChatGPT、Codex 与 API。它回答的是企业最卡的那个问题——你会不会看到我的数据。做法是零数据保留加私有安全处理：被安全分类器或抽样策略选中的请求，经双层加密后写进客户自有云存储（支持 AWS S3、Azure Blob、GCS、OCI），保留 30 天；解密只在经过硬件证明、禁止人工访问的安全审查运行时里进行。客户还能在自有 KMS 上加挂 EKM 密钥，一旦撤销授权，OpenAI 自己也无法再解密。机密计算的「私有推理」同期进入 API 预览，企业可以预先设定智能体能访问哪些数据、能执行哪些操作、哪些动作必须先经人工审批。

模型：覆盖 ChatGPT、Codex 与 API 三端；零数据保留请求双层加密后写入客户自有对象存储（S3/Azure Blob/GCS/OCI），保留 30 天；解密限定在硬件证明+禁人工访问的安全审查运行时；支持客户自有 KMS 加挂 EKM 密钥

功能亮点：用硬件隔离而不是合同条款回答数据边界问题；撤销 EKM 授权后服务商也无法解密；机密计算私有推理进入 API 预览；企业可预设智能体的数据访问范围、可执行动作与人工审批节点

可灵 198 亿元到账，8% 回购条款写进协议

10 月 30 日晚，快手公告旗下视频生成业务北京可灵完成本轮增资交割，投资方实缴约 198.02 亿元（约 29.05 亿美元），比此前 204.47 亿元的融资上限少了 6.45 亿元——差额来自中东资方 BlueFive 旗下两个主体未按期缴款，空出的份额由金蝶软件（3 亿元）、沐曦数智（5500 万元）等五家接盘，两家都是首度入股。公告第一次完整披露股权结构：国家人工智能产业投资基金出资 14 亿元持股 1.15%，阿里云飞天 13.63 亿元持股 1.12%，腾讯合计约 1.12%，快手系仍持约 69.7%。公司已选定中金、高盛、瑞银承销港股 IPO，计划最早 2027 年上市、募资至少 10 亿美元；协议还设了退出兜底——2031 年 10 月 30 日前未完成 IPO，投资方有权按年化 8% 单利要求回购。

影响：8% 的兜底利率写进协议那一刻，这笔钱的成本就不再是估值，而是 2031 年那个日期。对行业来说，视频生成仍是资本最密集的赛道，但钱的形态从「赌增长」变成「带期限的债」：可灵 2026 年二季度收入超 8.5 亿元、同比增长逾 200%，Kling 4.0 已支持原生 30 秒视频，商业化的压力会直接压到产品迭代节奏上

Claude 最贵那档取消 5 小时限制

10 月 31 日，Anthropic 调整了个人订阅的命名与限额：原来的 100 美元档 Max 5x 直接叫 Max，200 美元的 Max 20x 改叫 Ultra，价格没变。真正的变化在限额——通过账号与支付验证的 Ultra 用户，不再受每 5 小时窗口约束，可以在每周总额度内随时开新会话，周额度仍是 Pro 的 10 倍，另加新功能优先体验和 Claude Code 支持。产品负责人解释，原来「20 倍」指的是 5 小时额度，和「每周 10 倍」并存造成误解，为此致歉。

影响：这是把最贵的一档明确卖给「一天到晚不停跑 Agent」的人。厂商的竞争锚点从「卡时长」转向「粘底座」：限制一放开，用量密度上去，用户对工作流的依赖也就上去了。对国内办公类 Agent 是个提醒——按次计费的模型正在被按周包干的订阅挤压，定价得跟着任务时长而不是调用次数走

程序员的活没消失，是工作说明书被拆了

时代周报 10 月 31 日的调查里，北京一家公司副总经理王永红说得很直：「情况不妙，待就业的程序员一大片」，外包人员池急剧萎缩，写基础代码的活最先被收走。一位资深工程师把机制点破了：不是 AI 取代了人，而是工种边界消融后，你的上下游顺手把你的活儿干了——过去前端、后端、测试各管一段，现在一个人借 AI 能吃下整条链，岗位没消失，但一个岗位的活变多了，需要的人就少了。代价也比想象的长：高盛 10 月 29 日研报（Fortune 10 月 30 日转述）显示，2025 年以来被 AI 挤出岗位的人，再就业比其他失业者多花约 1 个月，一年后仍在失业的概率高约 10 个百分点；35 岁以上多花约 5 周。更扎心的是收入——在原岗任职满 3 年、后来重新找到全职的人里，只有 49% 收入不低于原来，上一个调查周期这个数字还是 62%。

影响：这一轮先动的不是编制表，是工作说明书。它把一个工种拆成能被上下游顺走的任务块，最先被收走的是「照着写」的那一层。同一周的反差也值得看：Challenger 统计美国前 9 个月有 120,136 个裁员归因 AI、占全部裁员 21%，是第一大理由；但斯坦福数字经济实验室认为全经济范围的大规模替代并未出现，22 至 25 岁在高暴露职业的缺口主要来自企业减少招聘——门是被关上的，不是人被请出去的

🏭 各行业 AI 落地新进展

华西医院把 AI 做成「平台」，不是买几个工具

行业赛道：医疗

最新落地动作：10 月 30 日，人工智能驱动医疗创新与实践高峰论坛在成都举行，四川大学华西医院联合华为集中发布四项成果：华西医院·华为联合创新实验室揭牌、《HAIP 建设指南与技术演进白皮书》发布、覆盖临床医保科研与运营的五大智能体场景亮相、「华西·华为智慧医疗全球样板点」正式发布。白皮书由华西、南方医院与华为主编，北京协和、复旦中山等 40 家单位参编。

AI 实际改变：医疗文书智能体已辅助生成病历超 300 万份；智能医保智能体依托 8500 余条审核规则识别七类医保风险；白皮书提出医院通用人工智能平台（HAIP）应具备可复用、可解释、可评估、可演进、可监管五项理念，把单科室试用推到跨院协作的平台化建设。

机会启示：医院 AI 的采购单元正在从「科室买工具」变成「院方买平台+标准」。想接这类单子，光会调模型不够，得能同时对接 HIS、医保审核规则和科研数据三套口径；反过来说，40 家医院参编的白皮书就是一份公开的验收清单，照着它做产品比猜需求靠谱。

内蒙古牧场：牧草交易像网购，牛脸识别替人点耳标

行业赛道：农牧

最新落地动作：央视 10 月 31 日《新闻联播》报道，内蒙古和林格尔新区的 26 座算力中心进入大规模建设阶段，一批面向特色产业的智能应用同步落地：牧草垂直大模型让大宗牧草交易像网购一样下单，牛脸识别 AI 系统实现奶牛身份精准识别，算力开始直接服务智慧牧场。

AI 实际改变：26 座算力中心在建，形成本地算力供给；牧草从「电话问价、线下看货」变成线上撮合；奶牛个体识别由人工核对耳标转为视觉识别，减少人工巡检与错认，为后续按牛只个体做饲喂和产奶分析打底。

机会启示：算力一旦下沉到县域，最容易跑通的组合是「土行业 + 垂域小模型」——牧草交易、牛脸识别这类任务边界清楚、数据能就地采、错一次的代价可控。做县域生意的技术服务商，与其卷通用大模型，不如把当地一个品类的交易流程吃透。

浙江服装厂：机器人接手最考验「手感」的缝制工序

行业赛道：制造（服装）

最新落地动作：中新网 10 月 31 日报道，浙江艾图具身智能的服装智造机器人搭载自研缝制 VLA 垂域大模型，具备面料自适应与秒级换款能力，可直接完成裁片分离、抓取、摆放、对齐的全流程自动化，目前已进入大型服装工厂的落地应用阶段。企业同时在做产教融合，与院校一起培养能驾驭新设备的产业人才。

AI 实际改变：接手了服装产线上最考验手眼协调的工序——柔软、易变形的布料过去是传统自动化设备的死角；秒级换款把「换一个款式停一次线」的时间压到秒级；落点从演示走到大型工厂实际产线。

机会启示：柔性材料是自动化的最后堡垒，VLA 的价值在于把老师傅的「手感」变成可训练的策略。对中小服装厂，现在还不必自建，但可以开始要求设备商提供换款时间和面料适配范围这两个可验收指标，而不是只看演示视频。

上海临港：风电直连的海底数据中心开始接商业单

行业赛道：算力基建 / 能源

最新落地动作：央视 10 月 31 日《新闻联播》报道，上海临港风电直连海底数据中心近日实现全面商业运行，国内运营商及头部 AI 大模型企业已接入海底算力资源，开展国产大模型推理和科学计算等商业应用。同一批报道里，甘肃庆阳新增 1.2 万架标准机柜即将投运、宁夏中卫启动冬季施工、贵州贵安新数据中心加紧建设。

AI 实际改变：海上风电直供加海水自然冷却，把电和冷的成本从运营支出里压下去；已从示范转入承接商业推理与科学计算负载；庆阳的增量算力把智能驾驶大模型的迭代周期从「按月等」压到「按小时算」。

机会启示：算力的成本结构正在改写：过去比芯片，现在电和冷占的权重越来越高。判断一个智算项目靠不靠谱，先看它的电从哪来、PUE 多少，再看卡的数量——「东数西算」这轮的真实红利在电价和散热，不在机房面积。

贵州贵安：政务 AI 助手开始接「办成一件事」

行业赛道：政务

最新落地动作：央视 10 月 31 日报道，贵州贵安新区又一个数据中心加紧建设，将为智能驾驶、智慧交通、智能养老等民生场景提供支撑；当地「人工智能+政务服务」打造的 AI 助手已构建起政务服务综合智能体，推动办事便利度和事项审批效率提升。

AI 实际改变：从「问答式客服」转向「综合智能体」，把跨部门的事项串成一条流程；配套算力就地供给，民生类场景（养老、交通）同步铺开。

机会启示：政务 AI 的验收标准不是对话流畅度，是办结率和退件率。做这行的要清楚：能查政策只是入场券，能替群众把表单填对、把材料凑齐、把流程跑完，才算交付。

横琴长隆一次上了 300 多台机器人

行业赛道：文旅

最新落地动作：《证券日报》10 月 31 日报道，智元机器人在横琴长隆完成首批 300 多台部署；同一批信息里，其机器人在上海龙旗科技产线承担平板上下料，6 天直播累计完成 64824 次作业，成功率 99.99%，平均节拍 22 秒。

AI 实际改变：文旅场景从「一两台迎宾演示」变成「一次 300 台量级」的规模化部署；工业侧用连续 6 天、6 万余次作业的直播数据把成功率摊开给人看，而不是只放剪辑片段。

机会启示：文旅是具身智能最容易先赚到钱的场景之一——观众容忍度高、任务边界清楚、坏了也不影响生产。反过来，判断一家机器人公司能不能进厂，别看发布会，看它敢不敢直播连续运行的小时数和接管频次。

💼 AI 办公 & 生活落地新应用

Antigravity 插件市场

场景痛点：手上工具散在 Figma、Jira、Stripe、Datadog 各处，Agent 只能用通用能力，接不进真实工作流，每次都要人肉复制粘贴。

AI 落地方案：10 月 31 日，谷歌给智能体优先的开发平台 Antigravity 上线插件市场：Atlassian、Figma、Stripe、Datadog 等伙伴插件可一键安装，每个插件能打包技能、MCP 服务、规则与自定义智能体。同日谷歌宣布异步编程智能体 Jules 逐步关闭——11 月 11 日后转只读、12 月 31 日正式停运，经验并入 Antigravity。还在用 Jules 的，要在 11 月 11 日前导出设置、会话与记忆数据。

落地效果：一个入口装齐外部系统能力，Agent 直接调真实业务系统而不是靠人转述；Jules 的远程后台执行能力与 Antigravity 的智能体开发环境合并，不用在两个工具之间搬上下文。

适配人群：用 AI 写代码的开发者、需要把 Agent 接进设计/支付/监控流程的小团队、正在评估 Jules 去留的技术负责人

Vercel Labs agent-desktop

场景痛点：让 Agent 操作电脑，多数方案靠截图识别界面，慢、容易点错，还跟你抢鼠标，多个任务根本没法同时跑。

AI 落地方案：10 月 31 日 Vercel Labs 开源 agent-desktop（Rust 写的 CLI，Apache-2.0）：不走截图，而是读系统的无障碍树来定位控件，支持 macOS、Windows、Linux；可以让多个智能体并行操作，各自拥有独立光标，互不干扰。装好后在配置里声明要跑的任务即可。

落地效果：同一个屏幕上多任务并行，人能继续用自己的鼠标；不依赖视觉识别，控件定位更稳，长流程不容易在中途点偏。

适配人群：想在本机跑自动化脚本的开发者、需要批量处理桌面软件的运维、做 RPA 替代方案的团队

ChatGPT 移动端双账号

场景痛点：工作号和个人号挤在同一部手机上，切一次要登出再登录，聊天记录、账单和自定义 GPT 全混在一起。

AI 落地方案：10 月 31 日 ChatGPT 移动端（iOS/Android）新增账号切换：可同时登录两个账号，聊天、账单与工作区彼此隔离，在侧边栏一键切换，不用退出登录。

落地效果：免登出切换，工作上下文和个人上下文不再串；账单分开后，团队报销和个人订阅也不会互相污染。

适配人群：同时用两个账号的上班族、外包与自由职业者、给家人共用一台手机的用户

fastbrowse 浏览器 Agent

场景痛点：网购比价、登录、加购物车这套动作每天重复十几步，交给通用 Agent 又慢又贵，一次操作的钱比省下的还多。

AI 落地方案：10 月 31 日，Nebula 开源浏览器 Agent fastbrowse，专门啃「登录 + 加购」这类有状态的流程：给它目标页面和账号，它自己完成登录、筛选、加购。官方对比测试里，登录加购流程 25.7 秒、单次成本约 0.03 美元；作为对照，Browser Use 是 42.2 秒、0.32 美元。

落地效果：同样一件事快近一半、便宜约十倍，重复下单、批量比价这类琐事可以真正交给它跑，而不是自己点。

适配人群：常做重复下单的电商运营、海淘比价党、要给多个平台维护购物车的代购

💡 实用AI干货技巧

让 AI 先当「主管」再当「工人」：一件事拆成两张提示词

痛点：一句话把整件事丢给 AI，它要么漏步骤、要么自作主张跑偏，你只能反复返工，改到第三次已经不知道自己在改什么。

步骤：

1. 第一段只让它拆、不让它做：把目标丢给 AI，明确要求「先不要执行，只输出任务清单、每条的依赖关系、以及你判断完成的验收标准」。

2. 你自己动手删：把清单砍到 3 至 7 条，删掉它擅自加的「额外建议」和「可选优化」——这一步别省，主管的活本来就是人来定边界。

3. 第二段逐条派活：新建对话，粘贴「单条任务 + 上一步的产物 + 该条的验收标准」，一次只跑一条，跑完再开下一条。

4. 最后回到主管视角验收：把全部产物贴回去，让它按第 1 步那套验收标准逐条打分，只返工不合格项，不要整篇重写。

可直接复制：

【第一段·主管】 我现在要做的是：______（一句话说清最终交付物）。 先不要开始做，只输出三样东西： 1. 完成这件事需要的任务清单，每条一行，按执行顺序排； 2. 每条任务依赖哪一条的产出； 3. 每条任务的验收标准（要可判断，比如「包含 3 个数据来源且能追溯到原文」，不要写「质量高」）。 清单控制在 7 条以内，不要给额外建议。  【第二段·工人】 只做这一条任务：______ 已有材料：______（粘贴上一步产物） 验收标准：______（粘贴第 3 项里的对应那条） 只输出这一条的结果，不要延伸到其他任务。  【第三段·验收】 以下是各条任务的产出与验收标准，请逐条判断「通过/不通过」，不通过的说清差在哪一条标准，不要重写全文。

解读：这正是 DeepSeek 今天开源的 Super-agent 在系统层干的事：Router 负责分派和验收、Worker 负责执行、看门狗防止任务卡死。人手动跑一遍这套流程，收益不只是这次做得好——你会顺带看清自己这份活到底能被拆成哪几块，而这几块，恰恰就是未来最容易被上下游接走、也最容易被工具接管的部分。

📝 每日小结

10 月 31 日这一天，三家国产厂商同时开源：DeepSeek 把「怎么组织 AI 干活」开源成 Agent 底座，小米把文档模型压到 0.8B 塞进手机，商汤用循环计算让 9B 跑出 27B 的成绩；同一天 OpenAI 把企业隐私做成了可购买的产品。竞争焦点正从「谁的模型更聪明」，转向「谁的底座更便宜、更可管、更能常驻在岗」。

汤道生（腾讯集团高级执行副总裁）：AI 在办公场景已经跑通，企业不再纠结是否投入 AI，更关心如何建立安全的使用环境；企业落地 Agent 最大的障碍是「断点太多」，只有连通人、工具、系统和数据，大模型才能真正进入工作流程。（2026 年 10 月 30 日，腾讯全球数字生态大会期间受访）

萨姆·奥特曼（OpenAI CEO）：让每个人都把世界有限的 DRAM 囤在自己电脑里、每天只用 5% 的时间，是相当糟糕的资源配置；内存应集中到全天候运转、利用率高得多的数据中心。（2026 年 10 月 31 日，Cheeky Pint 播客访谈）

💬 你今天手上那份活，哪一段最容易被上下游「顺手」接走？⭐ 觉得有用就点个「在看」，明天早上同一时间，AI 日报继续。🎁 后台回复「派活」，把今天那两段提示词直接拿走。

OCR:IMG:AI日报 每日更新AI行业动态

OCR:IMG:AI日报 每日更新AI行业动态

OCR:IMG:AI日报 每日更新AI行业动态 公众号·浪潮浪潮慢些吧