市场 EV晨报

AI晨报｜文远、小马同时推进欧洲无人驾驶；“七月的无人化是转折点”；ChatGPT做了投行工作台

第一电动第一电动编辑部 2026-09-11 11:49

▍国内

· 文远知行拿到西班牙第一张L4全国牌照

北京时间9月10日，文远知行、Uber和西班牙车队运营商AVOMO联合宣布，拿到了西班牙交通总局按ES-AV框架发出的全国第一张L4级自动驾驶载客运营许可。

L4是“车在划定范围内自己开完全程、不指望人接管”的那一档，不过首批20台车投在大马德里的高需求区域时，车上还是坐着一位安全专员，正式对公众收费要等到年底前。

欧盟各国的准入互相参照，这是文远的GXR车型第一次在欧盟境内获批。

· 小马智行在克罗地亚跑通欧洲第一单完全无人的Robotaxi载客

9月10日整，小马智行与当地运营商Verne在萨格勒布启动完全无人的Robotaxi试乘——车上没有安全员，22公里路线串起Verne总部、萨格勒布主商业区和图季曼机场，用的是小马第七代车型，通稿称这是欧洲首例。

五个月前他们在当地推出了欧洲第一个商业化Robotaxi服务，但那时车里还坐着操作员，这次才是把人撤掉。小马的目标是2026年底前全球部署超过3500台。

· 安波福给中国车企出海做的前视盒子开始批量交付

9月10日，安波福宣布它新一代智能前视一体机在一家中国头部新能源车企的欧盟市场车型上实现规模化量产交付。

前视一体机是装在前挡风玻璃后面的那个盒子，摄像头和计算芯片封在一起，车能不能看清前面的路全靠它。这一代的体积和功耗各降了约两成，里面用的是国产芯片，配的是风河的实时操作系统。

过去是中国车企掏钱买外资一级供应商的方案，现在是外资供应商专门为“中国车卖到欧洲”这个场景开一条产品线，而且主动把国产芯片装进自己的盒子里。对准备出海的中国车企来说，这解决的是一个很实际的麻烦：欧洲对数据落地和供应链来源另有一套要求，自己从头做认证太慢，买一颗已经过了外资供应商体系的盒子要快得多。

· 优必选拿下超5000万元海外订单

9月10日，优必选宣布接连与欧洲、日韩等主要市场的客户签约，海外订单合计超过5000万元，交付的产品包括Walker C1和优世界U1。

对一家已经上市、长期被追问“到底卖出去几台”的人形机器人公司来说，5000万元本身不算大钱，但订单来自海外客户这件事比金额重要——国内的人形机器人订单里有相当一部分来自地方政府和产业园的采购，买回去做展示和示范，而海外客户没有这层动机，掏钱多半是因为真要用。

这批货交付、用起来之后的复购，才是真正该盯的下一个点。

· 蚂蚁在外滩大会开源三个新的世界模型版本，最小的能在游戏显卡上实时跑

9月10日，蚂蚁旗下的灵波科技开源了LingBot-World 2.0系列的三个新版本：Small、Bidirectional和Causal Pretrain。

世界模型是让AI在脑子里“想象”出一个能走进去、能碰撞、能交互的三维场景，机器人可以先在里面反复练，再拿到现实里做。这次的Small版只有13亿参数，专门为消费级单卡显卡做的，一张卡就能实时生成。几个人的机器人团队不用先去租算力，也能把这套东西用上。

· DeepSeek发V4.1-Flash，V4 Pro四天后停用

9月10日，DeepSeek在官方文档站挂出V4.1-Flash的发布公告，这个模型总参数5520亿，但采用的是“模型很大、每次只叫醒其中一小块干活”的做法——处理输入时只调动80亿参数，生成输出时160亿，所以又快又便宜。架构换成了因果编码器-解码器，原生支持图片等多模态输入，上下文长度100万token，也就是一次能读进去大约一百多万字。

9月14日中午十二点起，所有发给V4 Pro的请求会直接路由到V4.1-Flash，并按新模型计费。

· 高德发布ABot-Earth 0.7，一张卫星图、十分钟、一座三维城市

9月10日，高德发布ABot-Earth 0.7，称是全球首个3D原生的城市世界模型。给它一张卫星图或者一段文字描述，一块消费级显卡跑十分钟，就能生成公里级的三维城市场景，人可以连续走进去、自由探索、实时交互。覆盖范围是196个国家和地区，体验官网已经上线，相关能力也用在了高德的飞行街景2.0上。

传统数字地球是靠卫星影像、航拍和点云重建，本质是“把现实拍下来再贴上去”，所以你只能沿着采集车和飞机走过的路线看，走出那条线就没有画面了。这个是生成出来的，训练用的是时空数据，一次端到端把场景吐出来，没采集过的地方也有。

对做游戏、做机器人训练场、做城市模拟的人来说，这件事的价值是把“造一座能进去的三维城市”从一个几个月起步的工程活，压成了一次十分钟的推理。

· 台积电8月营收5148亿新台币，同比涨53.3%

9月10日，台积电向美国证监会递交的月度营收文件：8月合并营收5,148.06亿新台币，同比增长53.3%，环比增长10.1%；1至8月累计3.39万亿新台币，同比增长39.3%。

同比涨53.3%这个数字放在一家年营收上万亿新台币的公司身上并不寻常——体量越大越难维持这种增速，而它已经连着涨了好几个月。

台积电几乎是全球先进制程的独家供应商，英伟达、AMD、苹果的芯片都从这里出，所以它的月营收是整条AI产业链最实时的体温计：上游还在拼命下单，说明中间那些买芯片建数据中心的公司还没有踩刹车。

这个数字同时也是对“AI是不是泡沫”这个问题最直接的一个回答——至少在结账这一层，需求是真的。

· 蚂蚁CEO韩歆毅：让AI替人做生意，落地比想的慢很多

9月10日上午，外滩大会主论坛的圆桌主题是“当Agent成为交易主体”，蚂蚁集团CEO韩歆毅在台上直接说，让AI代理真正去完成交易这件事，实际落地的速度“比预想要慢很多”，卡在供需两头对不上——商家不知道该为AI改造什么，AI这边也拿不到足够能直接下单的入口，是个先有鸡还是先有蛋的死结。

他提出要先建立一套“KYA”机制，也就是让商家能确认“来下单的这个AI是谁、代表谁”，才谈得上信任。

AI代付、AI下单正是蚂蚁这两年对外讲得最响的方向，韩歆毅说“比预想慢很多”，比任何一份第三方分析都有说服力。它等于承认，过去一年里所有关于“以后购物不用自己动手”的演示，离你真的敢让一个AI拿着你的钱去下单，中间还差一层没人解决的信任问题。

▍海外

· Aurora在高盛会议上说七月的无人化是转折点，同时承认还在烧钱

北京时间9月11日，Aurora联合创始人兼CEO克里斯·厄姆森在高盛Communacopia科技大会上发言，把公司七月启动的“车上不再坐观察员的完全无人运营”称作一个分水岭——此前的自动驾驶卡车虽然也叫无人驾驶，但驾驶位旁边始终坐着一个人盯着。

他同时把话说得很实在：公司现金流仍然为负，规模化生产、监管审批和客户接受度这三关都还是硬骨头。

无人驾驶卡车这个赛道过去几年的叙事一直卡在同一个地方：技术演示看着都行，但没人敢把安全员撤掉，而只要那个人还在车上，省下的人力成本就等于零，整个商业模型就不成立。

厄姆森把撤掉观察员单独拎出来当里程碑，从这一刻起，Aurora的账才有可能算得通。至于能不能真的算通，他自己给的答案是还没有：车要造得出来、州和联邦的规矩要跟上、货主要肯把货交给没人的车拉，三样缺一不可。

· NASA和IBM开源了一个月球模型，找水冰的误差降了两成

北京时间9月10日，IBM与NASA联合发布NASA-IBM月球基础模型并开源。训练数据是一套整合了四次任务、九台仪器、三十多个空间对齐图层的开源月球数据集，来源包括NASA的月球勘测轨道飞行器、GRAIL重力探测任务，以及日本宇宙航空研究开发机构的月女神号。

效果上，识别潜在冰沉积的误差降低22%，识别火山特征比基准高3%，特定分辨率下的撞击坑检测比对照模型高约19%，模型托管在HuggingFace上，全球研究者可直接取用。

冰在哪，直接决定人能在月球哪里长期待下去。过去几十年这些数据分散在不同任务、不同仪器的格式里，研究者要花大量时间做对齐，现在这套活被一个模型吃掉了，找冰的误差还降了两成。

这件事本身对AI没什么新意，但它是“基础模型”这个做法从语言、图像挪到行星科学这类小样本、多来源领域的一次实证。

· 推理芯片公司Positron融到8.75亿美元，投后估值50亿

北京时间9月10日，Positron宣布完成8.75亿美元融资，投后估值50亿美元。结构上是C轮3.75亿加上最多5亿的C-1轮。

Asimov芯片在2026年底流片，配套建一个2兆瓦以上的工程数据中心，Titan系统在2027年下半年爬产。Asimov用台积电N3P工艺，单芯片配288GB到2304GB内存。Titan一台装4到8颗，官方称可以服务超过16万亿参数的模型、支持超过1000万token的上下文。

这家公司只做推理不做训练，赌的是模型训练完之后，真正长期烧钱的是每天几十亿次的回答，而这活用通用GPU干是浪费的。

· 诺奖得主阿吉翁给AI算了笔账：未来十年生产率每年多涨0.68个百分点

9月10日，去年的诺贝尔经济学奖得主菲利普·阿吉翁在外滩大会上给了一组具体测算：AI带来的自动化，可以让未来十年的生产率增速每年额外提高约0.68个百分点。如果把它对创新本身的加速也算进去，还能再加0.4个百分点，合计约1.08%，超过当年信息技术革命的水平。

1个百分点听起来不多，但生产率增速是复利的：连续十年每年多涨1个百分点，十年后的总产出会高出一成以上，这在宏观上是相当大的一笔。他的结论真正反直觉的地方在于既反驳了“AI什么都改变不了”，也反驳了“AI马上要重写一切”：影响是真实的、可测的，但兑现要按十年计。

· Cognition把自家旗舰编码模型建在了Kimi K3上，Terminal-Bench反超GPT-6 Astra

北京时间9月11日，做出Devin那个AI程序员的Cognition发布了新一代编码模型SWE-2。它是在Kimi K3上后训练出来的。

在Terminal-Bench 2.1这项考察“能不能在真实命令行环境里把活干完”的测试上，SWE-2拿到92.8%，压过Fable 5.1的91.4%、GPT-6 Astra的89.9%、GPT-5.6 Sol的88.8%和Grok 4.6的88.4%，是榜首。

Cognition更强调的是成本：SWE-2 medium在FrontierCode上平均成本降了81%而分数更高。模型不开源，目前在Devin的桌面端、命令行、网页端和Fusion平台上可用。

一家拿着顶级美元估值的美国AI公司，把自己最核心的产品建在一个中国实验室开源的底座上，而且做出来的东西在一项主流榜单上打赢了OpenAI最新的旗舰。这说明开源权重的扩散已经越过了“研究者拿来玩”的阶段，成了商业产品的地基，而地基是谁家的，用的人已经不太在意了。

对月之暗面来说，这是比任何榜单排名都硬的背书。对那些靠闭源模型收API费的公司来说，这是一个不太妙的信号：如果对手可以拿免费的底座、只花后训练的钱就追上来，那护城河到底还剩多宽。

· OpenAI把ChatGPT做进了投行的工作台，联合设计方是摩根士丹利和Evercore

北京时间9月10日，OpenAI发布ChatGPT for Financial Services，基于GPT-6 Astra的推理能力，面向投资银行和股权研究团队，说是要让分析师把分析直接变成估值模型、研究报告和路演材料，并支持逐句回溯引用来源。

内置的数据来自Daloopa、PitchBook、LSEG News和Crunchbase，还能接上机构已有的标普Capital IQ、LSEG、MSCI、道琼斯Factiva和穆迪订阅，另有五十多家供应商可通过连接器接入。目前只对“符合条件的金融机构”开放。

投行的研究和交易支持岗位，工作内容高度就是“把散落在十几个付费数据库里的东西拼成一份材料”，而OpenAI这次做的正是把那十几个数据库直接接进对话框。它绕过了所有中间的软件层，直接站到了终端用户面前——对彭博、路孚特这类靠终端和数据订阅收钱的公司来说，这是第一次有人从上面把它们变成了后台的一个数据源。