技术日报

{
  "title": "AI编程遭遇地狱级考验，机器人迈向iPhone时刻",
  "content": "今天的科技圈充满了“残酷真相”与“范式转移”。从大模型在编程测试中全军覆没，到英伟达宣布VLA模型“已死”，再到OpenAI工程师提出的代码学习新路径，我们看到的不仅是技术的短板，更是AI从“玩具”走向“工程师”的阵痛期。与此同时，百度文心、DeepSeek的大模型融资与迭代，以及机器人Figure的工厂探访，揭示了算力战争与具身智能的加速推进。以下是为您提炼的深度汇总。\n\n### AI 能力大考：从代码到数学的残酷真相\n\n[刷榜AI全挂了！Meta斯坦福地狱级测试，GPT/Claude/Gemini交出0分](https://mp.weixin.qq.com/s?__biz=MzU3NjE4NjQ4MA==&mid=2247556308&idx=1&sn=aef6308d1c991f1ad64d39d4c4559b8b)\n\n这是一次让行业冷静的“冷水澡”。Meta、斯坦福联合推出的 ProgramBench 不再考“修Bug”，而是考“从零造软件”。结果令人咋舌：GPT-5.4、Claude Opus 4.7 等顶级模型，完整通过率全部为 0%。这精准测量了“AI 员工”与“AI 工程师”之间的鸿沟——前者擅长在现成代码里做手术，后者则无法完成系统架构设计。更讽刺的是，模型倾向把复杂逻辑塞进单个文件，完全不懂模块化设计。这不仅是技术缺陷，更暗示了当前 SOTA 模型在长周期规划与系统级抽象上的缺失。\n\n[谷歌「AI联合数学家」来了！刷新最难数学AI基准SOTA，牛津教授用它解开群论悬案](https://www.qbitai.com/2026/05/414788.html)\n\n与编程测试的惨败形成鲜明对比，AI 在数学领域展现了令人惊艳的“人机协作”潜力。谷歌 DeepMind 发布的“AI 联合数学家”并非一个简单的问答模型，而是一个持久化的研究工作空间。它成功辅助牛津数学家解决了群论悬案，并在最难基准 FrontierMath 上刷新 SOTA。其核心价值在于系统编排：多 Agent 并行探索、持久化追踪失败路径，并将漏洞转化为研究产出。这证明了在复杂推理任务中，给 AI 加上“框架”比单纯堆参数更有效。\n\n[OpenAI后训练工程师翁家翌，给Agentic AI提出了新范式假设](https://mp.weixin.qq.com/s?__biz=Mjc1NjM3MjY2MA==&mid=2691568102&idx=1&sn=55120dc92882f1df81399081dba4736)\n\n面对神经网络的“黑盒”困境，OpenAI 工程师翁家翌提出了一个大胆的假设：经验不必只沉淀在权重里，也可以沉淀在代码中。他利用 Codex 让 AI 自主编写、调试并迭代策略代码，最终在 Atari Breakout 中达到满分。这种“启发式学习”范式，将不可解释的神经网络参数转变为可审计、可回归的软件工程系统。如果这条路走通，未来 AI 的进化或许不只是训练更大的模型，而是构建一套能自我进化的代码生态。\n\n### 范式转移：具身智能与架构重构\n\n[VLA死了，遥操也死了！英伟达机器人一号位说的](https://www.qbitai.com/2026/05/414547.html)\n\n英伟达机器人负责人 Jim Fan 在红杉 AI Ascent 上的演讲振聋发聩：过去三年的主流范式 VLA（视觉-语言-动作）已死，未来属于 WAM（世界动作模型）。他甚至判了遥操作死刑，认为机器人的“主食”将是第一视角的人类视频数据。这一观点直指行业痛点：遥操作数据产能有物理上限，而视频数据拥有无限规模。英伟达押注的 EgoScale 和 Dream Dojo，试图通过预测“下一个世界状态”来实现物理世界的 Scaling Law。这标志着具身智能正式进入数据与算力驱动的“大模型时代”。\n\n[深度｜跟着Figure创始人参观机器人工厂：通往AGI的最后一块拼图，是让AI触碰真实世界](https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247515593&idx=1&sn=822dfc5e53ca1c9902a651544d83ea3)\n\n如果说英伟达在讲理论，Figure 就是在秀肌肉。在这次深度探访中，我们看到了一家公司如何将机器人从实验室推向工厂。Figure 03 机器人已经在宝马工厂参与造车，其核心 Helix 神经网络实现了从像素到动作的端到端控制。创始人 Brett Adcock 揭示了硬件迭代的残酷逻辑：从 Figure 01 的几十万美元造价到 Figure 03 的成本骤降，背后是对速度、可靠性与成本的极限取舍。更重要的是，Figure 相信 AGI 的最后一块拼图在于物理交互——只有触碰真实世界，AI 才能获得真正的常识。\n\n[【第3694期】智能体框架深度解剖](https://mp.weixin.qq.com/s?__biz=MjM5MTA1MjAxMQ==&mid=2651279046&idx=1&sn=ec91828738d5f52ca1143822e69dfa8e)\n\n回到软件世界，LangChain 等框架的实践证明了“框架”的重要性。同一个模型，换一套框架，排名能从三十开外跃升至前五。文章系统拆解了生产级智能体的十二大组件，从编排循环、记忆机制到安全护栏。这实际上是在重构软件工程的“冯·诺依曼架构”：模型是 CPU，框架就是操作系统。对于开发者而言，未来的竞争力不再局限于 prompt 技巧，更在于构建这套让无状态大模型可靠运行的复杂基础设施。\n\n### 产业与算力：融资、成本与安全危机\n\n[曝DeepSeek融资500亿元：梁文锋自掏四成，估值飙至3500亿](https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651032137&idx=2&sn=ab6bbc0ffb08c67ae77db58b722f9c3a)\n\nDeepSeek 正在进行一轮 73 亿美元（约 500 亿人民币）的巨额融资，估值飙升至 515 亿美元。最引人注目的是，创始人梁文锋个人出资 40%，打破了以往依赖巨头注资的路径。这轮融资的核心目标直指算力与商业化：获取更多计算资源以加快模型迭代，同时通过企业产品实现收入增长。这也标志着中国大模型初创公司从“开源炫技”正式进入“商业肉搏”阶段，与字节、阿里等巨头的正面交锋在所难免。\n\n[百度发布文心 5.1：搜索能力登顶国内，预训练成本仅为业界 6%](https://www.qbitai.com/2026/05/414496.html)\n\n在降本增效的大背景下，百度文心 5.1 的发布颇具深意。其利用“多维弹性预训练”技术，将预训练成本压至业界同规模模型的 6%，同时登顶 LMArena 搜索榜国内第一。这种“效价比”策略，可能比单纯的模型刷榜更具商业杀伤力。对于企业用户而言，这意味着在不牺牲核心能力的前提下，大幅降低了大模型的准入门槛，这或许是百度在激烈竞争中突围的关键。\n\n[38万应用暴露、2000+应用泄密！AI编程把“内网”变公网](https://mp.weixin.qq.com/s?__biz=MzU1NDA4NjU2MA==&mid=2247662125&idx=1&sn=517220d9d6e7a85659644dfa0db9e6cc)\n\n然而，AI 编程的普及也带来了前所未有的安全危机。研究发现，Lovable、Replit 等“Vibe Coding”工具已导致 38 万个应用暴露，其中 2000 多个泄露了医疗、财务等敏感数据。问题根源在于，这些工具让非专业开发者绕过了企业的安全审查流程，默认将应用设为公网可访问。这不仅是技术漏洞，更是工程流程的崩塌——当生成代码变得极其廉价，安全防护的边际成本反而成了被忽视的角落。\n\n[速递｜OpenAI自研AI芯片遇阻：博通要求微软先买40%才出资](https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247515593&idx=2&sn