主题： 微软把 Copilot 改成"工作的操作系统"，智能体的运行环境整建制搬上云，具身智能开始按门店和产线核算投入产出

编制时间： 2026-09-26

本期看点： Copilot 拆三区 / 云上沙箱 / 具身数据众包

---

一、要闻速览（Top Stories）

序号	事件	标签	关键词
1	微软重构 Copilot，新增 Home / Code / Autopilot 三个入口并引入用量计费	AI Coding	Copilot Code / Autopilot / 企业沙箱 / 按用量计费
2	Docker 发布 Cloud Sandboxes，长时编码智能体可搬到云上常驻	AI Coding	microVM / sbx move / 密钥代理 / 按秒计费
3	LangChain 在 Interrupt NYC 发布 Engine v2、Managed Deep Agents 0.8 与轨迹微调	AI Coding	红队 / 用户级记忆 / smithtune / 6000 万条 trace
4	Perplexity 用 Rust 重写检索引擎 Photon，Fast Search 把智能体任务成本压掉 68%	AI Coding	230ms / p99 800→65ms / 2000 亿 URL
5	Codex CLI 0.157.0 让 GPT-6 Sol 与 Luna 进入 Amazon Bedrock	AI Coding	Bedrock / 全屏 transcript / 网络策略
6	清华与无问芯穹开源云原生具身纳管平台 RLark	具身智能	塔台 / 具身设备运行时 / 5 分钟纳管 / 10 秒启动
7	商汤善惠发布零售物理操作系统 SenseMart OS	具身智能	零售大脑 / 异构本体 / 单店 0.2–0.3 人 / 15 秒一单
8	具身数采从集中训练场转向众包，觅蜂派内测注册 2 万人	具身智能	觅蜂派 / MEgo / 120 种原子动作 / 70 家训练场
9	东风"小东"10 月进厂试工，车企集体把机器人当第二增长线	具身智能	东风×华中科大 / 零跑 / 墨甲 2000 台 / 小米 98%
10	时维感知完成天使轮，脉冲编码芯片 ASC-01 走通流片到测试	具身智能	类脑 / 脉冲神经网络 / 事件驱动 / 四路通道

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

1. 微软把 Copilot 拆成三个入口：Home、Code、Autopilot

事件： 9 月 25 日，微软发布重新设计的 Microsoft Copilot，把此前分散的对话、协作与编程能力收进同一个应用，并同步改掉商业模型。

核心能力：

• Home 成为新起点，把即时对话的 Chat 与可委派任务的 Cowork 合并；Office in Copilot 把 Word、Excel、PowerPoint 直接嵌进 Copilot，生成的是团队成员都能继续编辑的真实文件。
• Code 基于 GitHub Copilot 同一套底层技术，面向没有编程经验的知识工作者：用自然语言描述需求，就能做出桌面小工具、交互式仪表板或内部自动化流程，代码跑在企业租户内受管的沙箱里，配套的 Copilot Managed Runtime 处于公测。
• Autopilot 就是 6 月的个人助理 Scout 改名而来，常驻企业目录、拥有独立身份与记忆，用户离线或休假时仍在云端推进沟通、会议与项目；9 月底进入私有预览。
• 计费上，日常对话与 Office 基础功能继续走订阅授权，前沿模型调用和长时智能体任务改为按用量计费，同时上线 FinOps for AI 供管理员设预算、限模型族；新增的 Today 会在用户不提问的情况下主动浮出 M365 里最重要的信息。

值得关注的原因：

• 纳德拉把这一版称为"工作的新操作系统"，产品目标从陪你聊转向替你干，直接压到 Anthropic Claude Cowork 与 OpenAI 的企业办公阵地。
• 编程能力下放给非开发者，与阿里 Meoo、腾讯 DataBuddy 走的是同一条路，把 vibe coding 变成企业内部工具的主流生产方式。
• 用量计费说明"用补贴换规模"的阶段在办公场景收尾，企业得先想清楚哪些任务值得切到按量档。

2. Docker 给长时编码智能体发了一台云上机器

事件： Docker 发布 Cloud Sandboxes，把此前只在本机提供 microVM 隔离的沙箱延伸到自家云上，面向依赖迁移、大规模重构这类一跑数小时的任务。

核心能力 / 产品细节：

• 每个智能体独占一个 microVM 和自己的 Docker daemon，本地文件、网络与密钥都被隔在外面；本地沙箱可以用 sbx move my-project --to cloud 一条命令整体搬到云上，文件系统原样重建。
• 已适配 Claude Code、Codex、Copilot、Antigravity、Open Code、Hermes 等主流编码智能体，也支持接入自研工具；MCP 服务器配置一次，本地与云端通用。
• 密钥存一次、由代理按请求注入，智能体拿不到原始 token；可设网络策略限制能访问的端点，企业级的集中治理在路线图上。
• 定价按秒计费，从 Micro（1 vCPU / 2 GB）每小时 0.070 美元到 XL（16 vCPU / 32 GB）每小时 1.118 美元；9 月 22 日至 26 日注册 Agentic Platform 的账号有 250 美元算力赠金。

值得关注的原因：

• 任务形态已经变了：笔记本合盖就断的工作，本地机不再合适，常驻的云端执行环境成了前置条件。
• 沙箱从"本地进程隔离"升级为"云上常驻基础设施"，这是智能体进入生产环境时第一次把安全边界明确画出来。
• 算力费与模型 API 费分开计，说明行业开始把"跑智能体的机器"当成一笔独立的成本项。

3. LangChain 一口气补齐智能体从上线到调优的缺口

事件： 9 月 25 日，LangChain 在 Interrupt NYC 大会上发布一批 LangSmith 更新，围绕运行时与可观测性两条线展开。

核心能力 / 产品细节：

• Engine v2 在原先的错误与未满足请求之外，开始识别错误率、延迟、成本趋势，以及重复工具调用、轨迹过长这类低效行为；新增红队能力，用生产 trace 和仓库假设那些尚未出现的问题并自动验证；对跑在 LangSmith Deployment 上的智能体，可以在人工评审前先跑一轮候选修复。
• Managed Deep Agents 0.8 加入用户级记忆，与智能体级记忆分层存放、运行时不互相复制、每层都能设访问策略；同时支持身份域鉴权、内置联网搜索（Parallel 提供）与 Slack 文件传输，新增 HTTP 通道接任意能发 JSON webhook 的服务。
• Trajectories 把 trace 渲染成对话视图，配合 smithtune CLI 可直接把生产轨迹转成后训练数据集，用于微调专用模型。

值得关注的原因：

• Engine 上线四个月已分析超过 6000 万条 trace，说明智能体的主要问题不是能不能跑，而是跑起来之后怎么知道它在变差。
• 用户级记忆与身份域鉴权解决的是企业最敏感的一环：同一个智能体服务多个人时，上下文不能互相串。
• 从观测、评测到微调被打通，LangChain 从开发框架挪向了智能体运维平台。

4. Perplexity 把检索引擎换成 Rust 重写的 Photon

事件： 9 月 24 日，Perplexity 上线 Search API 的 Fast Search 档位，底层是全新 Rust 检索引擎 Photon，替换掉此前使用的开源引擎，接手全站检索与排序。

核心能力 / 核心参数：

• 95% 的搜索结果在 230ms 内返回，中位延迟约 160ms；内部 p99 从约 800ms 降到约 65ms，跑在少约 20% 的机器上，每篇文档存下的数据多 2.5 倍。
• 索引覆盖超过 2000 亿个 URL，走词法与语义混合检索；索引更新可以分服务组灰度上线，新版本先用真实查询预热再切流量，不必整体停机。
• 六个智能体基准上，单任务成本比默认档低 68%，质量基本持平；官方同时承认长尾与广覆盖查询上相关性低 0.24 分、答案可得性低约 3 个百分点。
• 引擎由一个小团队加"数百个智能体"写成，token 开销约 30 万美元。

值得关注的原因：

• 智能体一次任务要发起几十次搜索，检索延迟与价格是仅次于模型 token 的第二大开销，p99 更直接决定多步任务会不会卡壳。
• 少机器、多数据、可灰度换索引这套做法，是"为 AI 负载重建搜索基础设施"的具体样本。
• 30 万美元 token 换掉一个核心引擎，又一次说明小团队配编码智能体能改写性能关键系统。

5. Codex CLI 0.157.0：GPT-6 Sol 与 Luna 走到 Bedrock 用户手里

事件： 9 月 25 日，OpenAI 发布 Codex CLI 0.157.0，把 GPT-6 Sol 与 GPT-6 Luna 接进 Amazon Bedrock，并附带旧模型的迁移提示。

核心能力 / 产品细节：

• 全屏 transcript 从可选改为默认，Shift 加点击可扩展选区；符合条件的交互会话会自动启动后台服务，设置冲突时给出恢复选项。
• 新增 f 快捷键，把另一个应用里打开的会话分叉成新会话并保留草稿与排队 prompt；/import 在远程会话与本地后台会话中同样可用。
• 网络限制收紧：跨重定向和进行中的 HTTP、WebSocket 流量一并在管辖范围内，策略变更收回权限时直接切断连接；文件上传增加重试，超时放宽到五分钟。

值得关注的原因：

• GPT-6 Sol 与 Luna 先出现在 CLI，再走到云厂商通道，新一代模型的铺开路径已经变成从开发者工具开始，而不是开一场发布会。
• 对走 AWS 结算的团队，这是第一次能在终端智能体里用上这两档新模型。
• 沙箱策略覆盖重定向补上了一个真实攻击面，此前只拦首次请求的网关容易被跳转绕过。

---

三、具身智能方向

6. 清华与无问芯穹开源 RLark：给机器人机群建一座"塔台"

事件： 9 月 24 日，清华大学与无问芯穹联合开源面向具身智能的云原生纳管平台 RLark，仓库在 github.com/RLinf/RLark。

核心能力 / 核心参数：

• 思路上把机器人、相机等设备通过自研的具身设备运行时注册成和 GPU 一样可申请、可调度、可复用的资源，控制面与数据面分离，各集群 Agent 向控制面同步资源与运行状态。
• 实测数据：已完成 3 个集群、近百个云边端节点、4 种型号具身设备的统一纳管；设备纳管从小时级压到约 5 分钟，任务提交后 10 秒内启动。
• 一次跨地域联跑：广东云端 GPU 集群与北京机器人现场连续运行约 36 分钟，训练推进到 323 个 global step，跑通设备申请、跨集群调度、真机数据回传、云端训练与策略更新。
• 通信上用虚拟寻址加 gVisor 用户态网络栈与 SSH 隧道，受限网络下大包单流吞吐比测试所用 VPN 方案高约 49%、小包高约 14%，高带宽环境大包接近 2 Gbps。

值得关注的原因：

• 一台机器人做实验和一群机器人做实验，中间隔着整套调度与网络工程，这个没人愿意做却必须有人做的中间层一直空着。
• 把设备接入、任务编排、运行排查收进同一份任务配置，能直接压低具身实验的重复搭建成本。
• 开源覆盖 UI、API、后端服务、任务编排、跨集群互联与设备运行时全套能力，对国内中小具身团队的实际影响可能比一个模型权重更大。

7. 商汤善惠把具身智能装进零售店面

事件： 9 月 23 日，商汤科技旗下商汤善惠在上海发布零售物理操作系统 SenseMart OS，以 SenseMart Go 烧卖购机器人小店为载体，同时启动"千城万店计划"。

核心能力 / 产品细节：

• 结构分三层：零售大脑把看、问、想、做组织成感知、交互、决策、执行四项能力；异构本体平台接入机械臂、夹爪、灵巧手、人形机器人，设备形态由任务决定；数据中枢让门店每天产生的经营数据经训练验证后再部署。
• 已沉淀 30 万余种商品视觉资产，最快 15 秒完成一笔订单；单店平均人力约 0.2 到 0.3 人，一个人可支持 3 到 5 家门店，传统便利店单店约 2 人轮班。
• 落地覆盖上海、合肥、深圳、青岛、盐城等地 20 余家门店，场景含校园、商业综合体、城市文化、央企供应链；上游接零次方机器人、大晓机器人的本体，下游接无人零售运营商与加盟商。
• 一个真实细节：玻璃瓶抓取失败率一直偏高，排查后发现是冷风机刚开时瓶壁结水珠打滑，解决办法是开店前提前半小时开冷风机。

值得关注的原因：

• 过去一年具身智能卡在"技术能演、生意难做"，缺的正是把商品、库存、订单、支付接起来的那一层。
• 单店人力 0.2 到 0.3 人、一人管 3 到 5 家店，是可以被零售方直接核算的数字，比再加一段演示视频有说服力。
• 冷风机水珠这类问题说明落地难点常常不在算法，而在门店每天都遇到的环境变动。

8. 具身数据采集从"建场馆"转向众包

事件： 9 月 23 日，智元机器人孵化的觅蜂科技发布物理 AI 数据众包平台觅蜂派，随后披露内测数据。

核心能力 / 行业数据：

• 觅蜂派：用户在 App 领任务、佩戴 MEgo 采集设备，在零售、仓储、制造、家庭等真实场景里照常干活，按审核后的有效时长结算报酬；内测一个月注册用户 2 万人，提交 1.3 万份采集任务。
• 采集端：MEgo 头部相机覆盖超 300 度视野，腕部相机记录手部细节，同时采集触觉与力觉，硬件同步做到亚毫秒级对齐；后台把长程操作拆成抓、拿、放、拧、按等 120 多种原子动作，再由 ManiEval 从任务完整性、传感质量、语义准确性、动作可学习性等维度分级。平台称覆盖 22 大类场景、5000 多个任务、50000 多个真实环境。
• 集中式一侧：截至 2026 年 6 月底，全国已建成启用超 70 家训练场，另有 46 家在建或规划；北京首钢园的人形机器人数据训练中心运行不足 18 个月后停运，原址改用 4D 高斯光场加世界模型的路线。
• 缺口有多大：信通院《具身智能训练场研究报告（2026 年）》称具身基础模型要达到"ChatGPT 时刻"至少需要千万小时级真实数据，当前全球可用的高质量真机数据只有数十万到百万小时级。

值得关注的原因：

• 集中式训练场的根本问题是环境太干净，光线、地面、物品位置几乎不变；遥操员一天只有两三个小时是真值数据，再叠加折旧、租金与标注，单条有效数据成本压不下来。
• 众包把采集场景从样板间搬到真实岗位，与 Figure 的 Index 项目同一思路，但定位是给多家模型厂商与机器人企业供数据。
• 行业的讨论重点已经从"有没有数据"移到"数据好不好用"，有效数据率、模态覆盖与隐私合规成为下一道门槛。

9. 东风"小东"下月进厂，车企把机器人当第二增长线

事件： 东风研发总院智能化技术首席总工程师张振林在第十届科技创新周上介绍，与华中科技大学联合开发的人形机器人"小东"将于 2026 年 10 月进工厂试工，承担分拣、搬运、上下料、质检等作业，机器人"大脑"由东风主导设计、"小脑"由华中科大承担。

核心能力 / 产业数字：

• 成本口径：同类传感器、芯片、控制器外采要好几万元，东风复用整车供应链后可能压到五分之一甚至更低；张振林明确不做跳舞、翻跟头的表演机器人，年底小批量、小点位试制，目标明年年底能力对齐真人。
• 同行进度：零跑 9 月 16 日宣布已做出完全自研机器人，电机、控制器、电池、感知算法、计算平台全部自持，正小规模投入寻找商业场景；奇瑞孵化的墨甲机器人全球累计交付突破 2000 台，覆盖 60 多个国家和地区。
• 已经跑出来的数字：小米人形机器人今年 3 月在汽车工厂自攻螺母上件工站双侧作业，连续自主运行 3 小时、成功率 90.2%、满足 76 秒产线节拍，到 7 月成功率提到 98%，而人工在这一站约 99%。
• 效率曲线：3 到 5 秒的短任务能到人工的 70% 到 80%，30 到 60 秒的中等任务降到 60% 到 70%，1 分钟以上的长任务只剩 30% 左右。

值得关注的原因：

• 车企的账本很直接：智能驾驶、三电、精密制造与整套供应链能复用，硬件成本天然低于纯机器人公司。
• 小米那组数据同时提醒了一件事，固定工位的成功率不等于开放环境的作业能力，长任务效率断崖是当下最硬的瓶颈。
• 从"车企造机器人"到"机器人先在自家产线打工"，验证环节被放在自己厂里，这条路比对外卖整机更实。

10. 时维感知完成天使轮，脉冲编码芯片走通全流程

事件： 9 月 25 日《科创板日报》披露，时维感知（杭州）完成数千万元天使轮融资，奇绩创坛、零以创投、鹏晨投资参与，一苇资本担任财务顾问。

核心能力 / 核心参数：

• 公司成立于 2025 年 5 月，做第三代人工智能超低功耗传感信息处理芯片，自研神经形态底层架构与脉冲神经网络，用事件驱动、稀疏激活的异步计算替代传统同步时钟下的连续运算，思路是"无事件不计算"，以压低设备静态功耗。
• 首款脉冲编码芯片 ASC-01 已完成流片、封装、点亮与测试全流程，打通从感知信号脉冲化编码到类脑信息处理的硬件链路，正推进软硬件协同与系统级产品验证；官方口径为支持四路独立通道、触发阈值可调、超低功耗运行，定位是全传感场景通用平台以替代传统 DSP。
• 团队核心成员来自剑桥大学、新加坡国立大学与浙江大学，骨干含海康威视、迈瑞医疗的资深工程师。
• 周边进展：移动云联合天数智芯、清华大学推出国内首个"国产 GPU + 类脑芯片"异构混合推理系统，Attention 交给国产 GPU、FFN 交给类脑芯片，在 DeepSeek V4 Flash 上验证推理输出与能效提升 1 倍以上、运营成本降低 40% 以上。

值得关注的原因：

• 具身设备与可穿戴对功耗极其敏感，端侧算力的成本曲线很大程度上由这类底层器件决定。
• 类脑路线被讨论了很多年，能拿出完整硬件验证记录的案例并不多，ASC-01 走完流片到测试是少数节点。
• 工信部与国家发改委印发的《电子信息制造业发展"十五五"规划》已把类脑计算列入新计算范式布局方向，政策与早期资本开始同步进场。

---

四、产业趋势总结

1. 办公与编程的边界正在消失：微软把 Code 放进 Copilot、让 Autopilot 拿到独立身份，说明"会写小工具"正在变成通用办公技能，而不再是程序员专属。
2. 智能体的运行环境整建制上云：Docker Cloud Sandboxes 与 Perplexity 的检索重写指向同一件事，长时任务的瓶颈正从模型能力转到沙箱、网络与检索这类"跑得动吗"的工程问题。
3. 智能体基建开始按用量定价：微软对前沿模型与长时任务改用量计费、Docker 按秒收算力费，用补贴换规模的阶段在几个主要场景同时收尾。
4. 具身智能的考核指标从演示转向经营：商汤把单店人力压到 0.2 到 0.3 人，东风强调复用供应链把硬件成本压到五分之一，小米给出固定工位 98% 成功率，评价口径都在往可核算的数字上靠。
5. 数据供给路径分叉：一边是集中式训练场退潮（70 家建成、46 家在建，首钢园停运），一边是众包与无本体采集升温（觅蜂派 2 万注册），谁能把真实场景数据变成可训练资产，谁就握着下一轮的关键筹码。
6. 重资产中间层正在被开源化：RLark 把具身纳管平台整套开放，Photon 用 30 万美元 token 加小团队替换掉核心引擎，门槛下降的速度比预想快。

---

五、值得持续关注的信号

• 微软 Copilot 的用量计费落地后，企业实际会把多少任务从订阅额度切到按量档，以及 Autopilot 在私有预览阶段的权限边界怎么设；
• Docker Cloud Sandboxes 与各家自建沙箱的竞争走向，尤其是密钥由代理按请求注入能否成为智能体访问凭证的通行做法；
• LangChain Managed Deep Agents 的用户级记忆与身份域鉴权，是否会被其他智能体平台跟进为默认能力，以及 smithtune 微调出的专用模型在真实任务上的增益；
• Perplexity Photon 长尾相关性下降 0.24 分这条边界，哪些场景可以接受、哪些必须回到慢档；
• Codex CLI 0.157.0 之后 GPT-6 Sol 与 Luna 是否会在 Bedrock 之外的云通道继续铺开，以及网络策略覆盖重定向后对现有工作流的影响；
• 觅蜂派 的审核与结算机制能否撑住规模，以及众包数据在模态覆盖与隐私合规上怎么过下一关；
• RLark 的设备与芯片适配清单扩张速度，跨域通信与异常恢复这两块是否会被更多团队采用；
• 商汤 SenseMart OS 的"千城万店计划"落地节奏，以及单店人力 0.2 到 0.3 人在非样板门店能否维持；
• 东风"小东" 10 月进厂后的真实作业数据，与"明年年底对齐真人"的目标之间还差多少；
• 类脑与神经形态路线 能否从器件验证走到系统级产品，ASC-01 之后的软硬件协同验证结果值得跟踪。

本日报基于公开报道整理，仅供参考。