AI 新闻日报 2026-10-04：IDE 变成多智能体调度台 / 评审成新瓶颈 / 全栈开源人形与「大脑」融资同周出现

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */
#content_views .toc,
/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */
#content_views.markdown_views > p:empty:has(+ .toc),
#content_views.markdown_views > .toc + p:empty,
/* 富文本旧版目录标记 */
#content_views.htmledit_views #main-toc,
#content_views.htmledit_views #hr-toc,
#content_views.htmledit_views p[id*=\”-toc\”] {
display: none !important;
}
/* 目录去掉后，紧跟的首个标题不再多出一块上边距 */
#content_views.markdown_views > .toc + h1,
#content_views.markdown_views > .toc + h2,
#content_views.markdown_views > .toc + h3,
#content_views.markdown_views > .toc + h4,
#content_views.markdown_views > .toc + p:empty + h1,
#content_views.markdown_views > .toc + p:empty + h2,
#content_views.markdown_views > .toc + p:empty + h3,
#content_views.markdown_views > .toc + p:empty + h4 {
margin-top: 0 !important;
}

主题： 编码智能体的竞争重心从「会写代码」挪到「会编排、会验收」，具身智能在同一周把开源与数据抬成底座之争

编制时间： 2026-10-04

本期看点： IDE 变成多智能体调度台 / 评审与验证成了新的瓶颈 / 全栈开源人形与「机器人大脑」融资同周出现

一、要闻速览（Top Stories）

筛选标准：5-10 条，侧重 AI Coding 与具身智能方向；每条一句话概括事件 + 快速定位标签。

二、AI Coding 方向深度动态

1. JetBrains 开放 Air，IDE 从编辑器变成智能体调度台

事件： 10 月 1 日起，JetBrains 在 2026.3 EAP 版本里向所有主流 IDE（IntelliJ IDEA、PyCharm、WebStorm、GoLand）开放 Air，一个用来同时托管多个编码智能体的插件层。JetBrains 官方把它称作「26 年历史上最重要的几步之一」。

核心能力 / 产品细节：

• Air 自己不做模型，也不做智能体。它把用户机器上已经装好的 Codex、Claude Agent、GitHub Copilot、自家 Junie 检测出来，放进同一个面板统一管理，多个会话并排显示进度、未读更新、已改动文件，以及每个会话的花费。
• 每个智能体跑在独立的 Git worktree 或 Docker 容器里，互相不踩脚；在任意位置双击 Ctrl 就能带上当前文件上下文开一个子任务，思路接近 Codex 的 /fork。
• 走的是 Agent Client Protocol（与 Zed 共同推进的开放协议），凡是支持 ACP 的智能体都能接进来，包括 GitHub Copilot CLI、OpenCode、Cline，甚至本地 Ollama 模型；Claude、Codex、Gemini 可以直接填自己的 API Key，不强制订阅 JetBrains AI Pro。
• 定价上留了免费口子：Junie Lite 登录账号即可免费使用；企业侧另有 Air Teams 提供云端执行。

值得关注的原因：

• 它把「编排」这一层从各家 harness 内部拿出来，单独做成 IDE 原生能力。JetBrains 首席执行官的定位是「任何智能体都能用的终极工作台」，等于承认自己不打算在模型上跟 OpenAI、Anthropic 硬拼。
• JetBrains 给出的理由很直接：写代码不再是瓶颈，评审代码才是。这与同周 Qodo 3.0、Cursor 新增评审机器人的动作撞在同一个判断上。
• 对已经在用 JetBrains 的团队，这是一次低摩擦试水：不用换 IDE，也能把不同厂商的智能体拉到同一条流水线上做对比和分工。

2. Cursor 扩展云智能体：Projects、自托管运行器与两类新机器人

事件： 9 月 25 日至 10 月 2 日这一周，Cursor 集中放出一批 Cloud Agents 更新，重点从「单个任务」转向「长期协作」与「私有部署」。

核心能力 / 产品细节：

• Projects：协调器（Coordinator）保留数月上下文，把工作分派给云端子智能体，可从上万个并行子任务里回收结果，支持从 Slack 或定时计划触发。适合大规模迁移、整应用构建这类跨月任务。
• 自托管运行器：通过 Cursor CLI 在工作机上跑 agent worker start，工具调用（终端命令、文件改写、浏览器操作、本地 MCP）在私有网络内执行；配套的团队池（Team Pools）按标签（gpu、ios 等）路由，Enterprise 档支持用 Kubernetes operator 和 Helm 管理最多 1000 个 worker。
• 事件订阅与 /goal：云智能体可以订阅 PR 和 Slack 线程，钉住自定义模式，用持久目标接受不打断的追加指令。
• 两类新机器人：Rollouts 按环境监控部署健康度，Security Review 扫 PR 里的漏洞、密钥和鉴权问题（Teams 及以上）。

值得关注的原因：

• 官方文档把信任边界写得很清楚：推理、规划、状态维护仍在 Cursor 云端，本地只承接工具执行；推理读到的文件片段、截图、日志仍会离开本地网络（artifacts 走 S3，可单独屏蔽）。这套「本地执行 + 云端大脑」的分体式结构，对合规团队的适用性需要逐条核对。
• 自托管运行器需要 Enterprise 计划，且官方自己回答「Cursor 现在是本地部署了吗」，答案是否定的。它解决的是「智能体需要访问内网资源、需要特定硬件」，而不是数据驻留。
• 把评审机器人和部署健康度监控塞进 Teams 套餐，说明云智能体的卖点正在从「能干活」转向「干完了有人替你验收」。

3. 编码 CLI 周更：Codex 0.160、Gemini CLI 0.62、Claude Code 2.1.288

事件： 三家终端编码智能体在同一周发布新版本，方向各不相同：Codex 补稳定性，Gemini CLI 换模型，Claude Code 修长会话。

核心能力 / 产品细节：

• Codex CLI 0.160.0 带来四项新能力：键盘可达的任务命令中心（浏览更早的会话）、Linux X11 终端下选中转录文本用中键粘贴、在项目之外启动会话（按策略继承工作区默认值并在恢复时还原权限），以及可选的 Guardian review（调取更早的用户指令、带上智能体交接的上下文）。修复继续集中在 Windows：沙箱里的 PowerShell 回退、长路径权限、后台助手弹出多余控制台窗口；断线后重连的消息不再重复发送。
• Gemini CLI 0.62.0 的主要内容是两个新模型 gemini-3.8-flash 与 gemini-3.5-flash-lite，另有 OAuth 刷新令牌保留，以及若干 Windows PTY / ConPTY 修复。
• Claude Code 2.1.288 面向长时间会话：修复自动压缩失效、–resume 丢文件与丢上下文、恢复后最后一条回复未保存、以及 2.1.286 之前会话丢失早期思考等问题；新增 CLAUDE_CODE_DISABLE_STRUCTURED_OUTPUTS 给拒绝结构化输出的网关，/code-review 支持 –max-findings |all。

值得关注的原因：

• 三家这一周都没有发布「更强的新能力」，而是把力气花在长会话、恢复、Windows 兼容这些磨损用户耐心的地方。终端智能体进入的是打磨期，不是扩张期。
• Claude Code 的修复清单本身是一份事故清单：自动压缩失效、–resume 丢东西、恢复后回复丢失，都是长周期任务里最难复现、也最伤信任的问题。
• Gemini CLI 用两个更轻的 Flash 模型覆盖日常任务，配合 Codex 的成本导向，说明「按任务挑模型」正在成为终端侧的默认操作，而不是选一个最强模型全程用到底。

4. Qodo 3.0：把散落的 PR 收成「评审工作包」

事件： Qodo 发布 3.0 版本，定位从代码审查工具升级为「AI 代码质量与治理平台」，核心假设是智能体批量产出代码之后，治理工具才是下一段竞争。

核心能力 / 产品细节：

• PR Triage（研究预览）：把跨仓库、跨 Git 平台的相关 PR 归成一个「工作包」，给出影响范围（blast radius）、评审难度、等待时长和推荐的评审顺序。
• Agentic Toolbox：让 Claude Code、Codex 这类编码智能体在开 PR 之前，先取回组织的 Qodo 规则与代码库上下文，把标准前置到生成阶段；也能从选定仓库导入既有编码规范并转成 Qodo 规则。
• Software Map 可视化仓库与服务之间的依赖关系，是影响范围分析的基础；再加一块分析看板，给工程负责人汇总发现项、修复率和未解决问题。
• 部署侧把 Git 平台支持扩到 Gerrit（原来已有 GitHub、GitLab、Bitbucket、Azure DevOps），支持完全本地与气隙环境，可跑自托管模型如 NVIDIA Nemotron。

值得关注的原因：

• 它描述的问题很具体：一个任务可能横跨四个仓库产生十五个 PR，没人知道哪些该一起看、该从哪看起。代码生成越快，下游评审欠的债越多。
• 把规则前置到生成阶段，等于把治理从「事后拦截」前移到「事中约束」，这与 GitHub 同日把代码评审开放成 API、Cursor 加评审机器人的动作指向同一处。
• 支持 Gerrit 和气隙部署是明确的企业信号：电信、金融、国防这类必须待在安全边界内的组织，是这批工具真正想拿下的客户。

5. CopilotKit 放出 OpenDots：常驻 AI 同事的自托管模板

事件： 在 OpenAI 发布 dots 两天后，CopilotKit 放出 OpenDots，一个 MIT 许可、可自托管的「常驻 AI 同事」模板，宣称能配任意智能体 harness 使用。

核心能力 / 产品细节：

• 定位是模板而非成品：开发者自己部署，自己接 harness，把「一直在线、能接任务、能跨应用动作」的形态搬到自己的基础设施上。
• 采用 MIT 许可，公开时 GitHub 星标约 1813。

值得关注的原因：

• 它示范了开源社区对闭源常驻智能体的一次快速响应：官方发布后两天就出现可自托管的替代形态。
• 对企业而言，自托管意味着数据路径可控；对 OpenAI 而言，dots 的形态很快会被复制成开源版本，差异化只能落在云电脑、连接器质量和模型上。

三、具身智能方向深度动态

6. 宇树发布 UnifoLM-WLA-1.0 全身 VLA 基础模型

事件： 10 月 2 日起，宇树科技的 UnifoLM-WLA-1.0 在开发者社区传开：一个约 6B 参数的人形机器人通用基础模型，模型卡已以 Apache-2.0 许可出现在 Hugging Face（Base 版），项目页在 unigen-x.github.io。

核心能力 / 核心参数：

• 用约 2500 小时真实机器人数据训练，单个检查点覆盖 64 项任务，其中 10 项为全身动作、54 项为桌面操作。
• 兼容平行夹爪与两种不同灵巧手，同一套策略里同时协调手、末端执行器与下半身。
• 架构分三层：基于 Qwen3-VL 的具身推理器 UnifoLM-ER-1 负责空间推理（在 7 项空间基准上领先开源模型，局部任务上超过 GPT-6 Astra）；用光流加 VQ-VAE 预测未来动态区域并压成固定长度 token；动作侧用残差 VQ 离散化末端、手与下半身，再叠一个 MMDiT 动作专家做连续控制。
• 演示载体是宇树的 G1：铺床、往洗衣机塞衣服、叠衣服、分拣物件、整理卫生间等家务序列。

值得关注的原因：

• 这是比较少见的「全身 VLA」开源尝试。多数 VLA 只针对固定桌面机械臂，能把下半身也纳入同一策略的公开工作不多。
• 需要区分「已开放」与「已承诺」：Base 版权重已在 Hugging Face 上，但完整代码、模型与数据集在项目页仍标注为「即将开放」。第三方在 G1 上的复现与评分尚未出现，公司自评的成绩仍待外面验证。
• 控制数据管线与模型架构，比单纯卖本体更有议价空间。宇树这一步把自己从硬件厂商往「人形机器人基础设施供应商」的位置上挪。

7. RoboParty 在 IROS 2026 发布全栈开源双足人形 RP1

事件： 在匹兹堡举行的 IROS 2026 上，RoboParty 公开展示 RP1（ROBOTO 01），并对外称其为「全球首个高性能全栈开源双足人形机器人」，官方稿件于 10 月 3 日通过 PR Newswire 发布。

核心能力 / 核心参数：

• 峰值关节扭矩最高 160 N·m，基于自研 Romomo 执行器模组与实时运动控制系统。
• 现场演示叫「Kick Me」：观众可以上手推、踹机器人，RP1 在外部扰动下快速调整姿态并恢复平衡，不依赖预设动作轨迹。
• 底层由 PartyOS 与 UFO 框架支撑。UFO 是一个用无监督强化学习发现人形运动技能的框架，训练出来的低层策略涵盖技能切换、抗扰恢复与跌倒恢复。
• 路线图：除机身与执行器，还计划逐步开放运动控制系统、仿真环境、SDK、训练工具与 PartyOS。团队表示 10 月公布开源路线图，第四季度推出更完整的软硬件与量产计划。

值得关注的原因：

• 它是一个把「开源」做到全栈层面的样本：多数高性能人形以整机或封闭系统交付，硬件、控制、仿真都难以检视和改写，RP1 想切的是研究者与二次开发者的入口。
• 前作 RPO 在 GitHub 上有 2500 多星，全球开发者社区 5000 多人，核心团队来自清华姚班、北大智班、哈工大、斯坦福、CMU 等。有社区基础，开源承诺的可信度比空谈高一些。
• 「Kick Me」这类开放交互演示，比只跑预设动作更能暴露本体与控制层的真实鲁棒性，也更容易现场验证。

8. FieldAI 谋求 7 亿美元融资，估值剑指 100 亿美元

事件： 据 Business Insider 报道（ChosunBiz 10 月 3 日转述），主攻「机器人通用大脑」的 FieldAI 正商谈约 7 亿美元新融资，投前估值约 100 亿美元，较 2025 年 8 月的 20 亿美元涨了约五倍。

核心能力 / 核心参数：

• 软件定位是跨形态的通用自主系统，可跑在人形机器人、无人机、工业漫游车上，宣称无需预先建图、不依赖 GPS、不依赖联网，就能在不可预测环境里自主行动。
• 把摄像头、激光雷达、毫米波雷达数据转成持续更新的数字孪生，供客户做现场改造的虚拟测试与模型训练。
• 客户已超 30 家，覆盖建筑、能源、数据中心运维、国防与公共部门；收入与合同额从 2026 年 6 月的超 1 亿美元增至 10 月 2 日的超 1.35 亿美元。
• 竞品对照：Physical Intelligence 估值约 110 亿美元，Skild AI 超过 140 亿美元。

值得关注的原因：

• 资本把「大脑」定价得比本体更高，这一轮的估值直接对标 Physical Intelligence 与 Skild AI，说明软件层的通用性被当成了一种可以复制的优势来买。
• 数字孪生这条线值得一提：它把机器人部署产生的数据变成可复用的仿真资产，既是产品，也是数据入口。
• 需要保持审慎：截至 10 月 2 日，这轮融资只有非约束性条款清单，尚未正式交割；1.35 亿美元是「收入加合同」，其中交付收入与在手合同的占比没有披露，不能直接当成已实现收入。

9. 昆山张浦一次发布 12 款具身产品，主打「能上岗」

事件： 据中国青年报 10 月 4 日报道，江苏昆山张浦镇近日举行以「理解场景」为主题的具身智能新品发布会，一次推出 12 款产品，涵盖四足机器狗、人形机器人、自研关节模组与「全能云枢」机器人平台。

核心能力 / 产品细节：

• 全能具身智能科技（苏州）的轻量化轮足巡检机器狗：从充电桩自主出发，乘梯换层、巡检产线，发现违停车辆直接上报云端后台，结束后自动回充，全程无需人工介入。
• 重载轮足作业机器狗：在自主巡检的同时用机械臂完成抓取与搬运，把「发现问题」和「现场处置」接成一条链路。
• 灵巧科技（昆山）走的不是通用路线，而是垂直场景：清洁机器人针对细菌处理难以标准化的痛点；协同作业机器人搭载自研关节模组，具备双臂独立感知与协同力控，面向汽车线束加工、食品精细化作业。
• 产业底盘：张浦镇有 378 家智能制造企业，年产值近 500 亿元，覆盖汽车零部件、高端装备、材料制造、电子信息四个百亿级领域。

值得关注的原因：

• 发布口径从「参数」换成「能不能上岗」，现场提出的行业痛点是「硬件参数拉满、投入产线却做不了柔性工件」。这是具身智能从展台走向车间时最实际的一道坎。
• 做法上选了「从场景出发」而不是「造通用机器人」：先解决垂直场景里具体的、可验证的作业问题，把更换环境的代价压到最低。
• 地方政府用本地加工能力帮企业快速做本体与模组加工，这类「场景换订单」的产业协同，正在成为国内具身智能落地的常见路径。

10. 昆仑行机器人 90 天融资数十亿元，估值破 10 亿美元

事件： 据新浪财经、《融资中国》10 月 3 日的专访，2026 年 3 月注册成立的北京昆仑行机器人科技有限公司，成立不到 90 天完成三轮系列融资，累计融资数十亿元，估值突破 10 亿美元，并已入驻北京亦庄机器人产业园。

核心能力 / 核心参数：

• 采取「本体 + 大脑」双轮驱动，自研体系覆盖通用机器人本体、数据、小脑、大脑、智能体五层，核心技术主张是「物理内生因果」。
• 联合创始人兼 CTO 郎咸朋曾是理想汽车自动驾驶一号员工，有自动驾驶从 0 到百万级量产落地的完整经验，主导本体、运动控制与具身模型研发。
• 平均 30 天完成一轮融资。团队在两个月内完成架构、人才与研发体系搭建。
• 亦庄经开区已聚集 300 余家具身智能与机器人生态企业，产业规模超 200 亿元，正推进具身智能社会实验计划，全域开放 50 余个真实世界数据采集场所。

值得关注的原因：

• 它把「具身模型 + 数据迭代」当作拉开长期差距的地方，判断本体与运动控制会随零部件成熟逐步商品化，场景交付则可以用资本和时间追赶，剩下真正难以复制的只有对真实世界物理因果的理解。
• 对本体形态的判断也很清楚：轮式适配可控平地场景，轮足适配偶有台阶的园区与物流节点，双足面向为人类身体建造、难以改造的空间，例如老旧小区楼梯和家庭住宅。
• 团队背景是这一轮的加分项，但成立时间短、本体与大脑都还没有公开的样机级交付，公司自身给出的技术主张仍需要后续产品来兑现。

四、产业趋势总结

从当天筛选的 5-10 条中提炼 4-6 条跨事件共性趋势。

五、值得持续关注的信号

• JetBrains Air 的 ACP 协议接入了哪些 harness，以及 Air Teams 云端执行的定价与迁移成本；
• Cursor 自托管运行器在 Enterprise 限制下能否落地，合规团队是否会接受「本地执行、云端大脑」的分体结构；
• 宇树 UnifoLM-WLA-1.0 的完整代码、权重与数据集是否真正开放，以及第三方在 G1 上的复现分数；
• RoboParty RP1 10 月的开源路线图与第四季度量产计划，看全栈开源能否落到可交付的实物；
• FieldAI 这轮融资是否正式交割，以及 1.35 亿美元中交付收入与在手合同的实际占比；
• 昆仑行机器人能否把亦庄 50 余个采集场景转化成有效训练数据，以及在成立首年内拿出样机级交付。

从当天报道中提取值得长期跟踪的信号或待验证的节点。

本日报基于公开报道整理，仅供参考。