AIDaily — 2026年6月25日

重点关注 AI Coding 与具身智能方向 | 筛选自 AI HOT 过去 48h 精选 + 关键词补充

🤖 AI Coding

1. Notion × Cursor SDK：编码智能体嵌入产品，AI Coding 从 IDE 走向产品内嵌

Notion 通过 Cursor SDK 在数周内将编码智能体嵌入产品。用户可在文档中 @Cursor、在讨论串中提及或向数据库指派任务，Cursor 即可端到端完成规划、构建、测试、验证并自动创建 PR。集成基于一套 Provider 无关的智能体框架，讨论串对应一个 Cursor 智能体，结果通过 SSE 流式传输，支持断连恢复。用户还可自定义模板、MCP 服务器、技能和子智能体，设置自动触发规则。

值得关注： 这是 “AI Coding 能力作为嵌入式 SDK” 的标志性事件。Cursor SDK 让 Notion 无需自建智能体基础设施即可获得完整栈编码能力，“在文档里写代码” 的体验模糊了协作工具与开发环境的边界。这预示着 AI Coding 的下一个战场不是 IDE 之争，而是谁的 Agent SDK 能成为其他产品的默认嵌入层。

🔗 Cursor Blog

2. Qwen-AgentWorld：原生语言世界模型，一个模型模拟 7 种 Agent 环境

通义千问推出首个原生语言世界模型 Qwen-AgentWorld，覆盖 MCP、Search、Terminal、SWE、Web、OS、Android 七大领域。模型基于超 1000 万条真实环境交互轨迹，经 CPT→SFT→RL 三阶段训练，在 AgentWorldBench 上超越 GPT-5.4（58.25）和 Claude Opus 4.8，Qwen-AgentWorld-397B-A17B 取得 58.71 分。两条验证路径：（1）作为解耦环境模拟器实现可控 Sim RL，在 WideSearch 上超越真实环境 RL（F1 50.3% vs 45.6%）；（2）作为智能体基础模型，LWM 预热可迁移至七个基准，三个完全未出现在训练集中。

值得关注： “语言世界模型” 是一个新概念——不是事后给模型加工具，而是把"环境建模"作为初始训练目标。Sim RL 超真实环境训练这个结果尤其反直觉：它暗示精心构造的模拟环境比真实环境更有利于 Agent 训练。对 AI Coding 的启示：未来训练编码 Agent 也许不需要在真实代码库里撞墙，一个足够好的世界模型就能完成闭环。

🔗 公众号：通义实验室

3. 字节跳动 AI Coding 大实话：90%+ AI 代码生成率 ≠ 90% 效率提升

字节跳动技术副总裁洪定坤在火山引擎 FORCE 大会分享了一组诚实的内部数据：过去一年 AI 代码贡献率增长 6 倍，tokens 消耗增长 5 倍，但 TRAE 团队代码超 90% 由 AI 生成的情况下，人均需求吞吐率仅提升 60%。900 次实验显示，主流 Coding 模型组合代码正确率超 80%，但可交付性仅 40-60 分；结合 Harness 基建后提升至 80 分。

值得关注： 这是国内大厂首次公开披露 AI Coding 的 “真实效率换算率”。90%+ 的 AI 代码生成率只换来 60% 的吞吐提升，意味着大量 AI 生成的代码需要返工、审查、修复。“正确率 80% 但可交付性 40 分” 的落差精准地描述了当前 AI Coding 的核心矛盾：模型能写出对的东西，但写不出能直接上线的东西。Harness 基建（测试/部署/治理）才是从"能用"到"可交付"的关键一跳。

🔗 公众号：火山引擎

4. Google Gemini 3.5 Flash：Computer Use 成为内置工具

Google 将计算机使用（Computer Use）作为内置工具集成至 Gemini 3.5 Flash，开发者可构建跨浏览器、移动端和桌面环境的智能体。此前该功能仅作为独立模型在 Gemini 2.5 中提供。安全方面，模型采用针对性对抗训练降低提示注入风险，并新增两项企业级保护：要求用户确认敏感操作、检测到间接提示注入时自动停止。该能力在持续软件测试、跨应用知识工作等长周期企业自动化场景中表现更优。

值得关注： Google 将 Computer Use 从独立模型"降级"为 Flash 的内置工具，说明这个能力已足够成熟和便宜，可以默认提供。与 Anthropic 的 Computer Use 和 OpenAI 的 Operator 相比，Google 的优势在于跨设备（浏览器/移动端/桌面）的统一抽象。三家在 “AI 操作计算机” 这个能力上的竞争正在从"谁有"转向"谁的更安全、更便宜、覆盖更多设备"。

🔗 Google Blog

5. Prompt Engineering 已死，Loop Engineering 接棒

AI 编程圈兴起新范式讨论：不再精心设计单次 prompt，而是设计自治循环（Loop）。典型场景如 @karpathy 的做法：晚上设好研究循环，自动改脚本、跑测试、保留正确结果、丢弃错误，人睡觉机器跑。四大实践支柱：（1）硬性退出条件与独立验证，防止模型"自认为完成"；（2）上下文当有限预算管理，定期压缩、子 Agent 隔离子任务；（3）工具少而精、可安全重试、错误信息可读；（4）Maker-Checker 模式，干活与检查分离。@bcherny 总结：“不再 prompt Claude，而是写 loops 让它们跑。”

值得关注： 这是 AI Coding 工程化成熟度的分水岭。Prompt Engineering 的本质是"教模型怎么做"，Loop Engineering 的本质是"让模型自己试"。这一转变与字节跳动洪定坤的数据形成呼应——既然单次代码正确率 80% 但交付率只有 40%，那不如让 Agent 反复迭代直到过门槛。模型正成为标准件，工程价值转向长期自治系统设计。

🔗 X：阿易 AI Notes

🦾 具身智能

6. Agility Robotics 将通过 SPAC 上市：人形机器人行业迎来 25 亿美元定价锚

人形机器人公司 Agility Robotics 宣布通过与 Churchill Capital Corp XI 合并上市，估值约 25 亿美元，预计募资超 6.2 亿美元（含 2 亿美元机构投资）。其双足机器人 Digit 已在 Schaeffler、GXO、丰田汽车加拿大制造公司等九个客户站点部署。公司已获下一代模型超 3 亿美元多年期订单，另有 30 多家潜在客户评估大规模部署。合并后预计以代码 AGLT 在北美交易所上市。

值得关注： 这是继 Figure 之后，又一家纯人形机器人公司走向公开市场。25 亿美元估值 + $300M 已确认订单 + 9 个实际客户站点——这三个数字共同构成了人形机器人商业化的第一个"定价锚"。与宇树科技主打消费级（R1 降至 2.99 万元）不同，Agility 的 Digit 定位工业物流场景，代表"具身智能的严肃企业应用"路线。两种路线并存说明人形机器人市场正从"概念验证"进入"市场分层"阶段。

🔗 TechCrunch

7. 宁德时代 × 银河通用机器人：具身智能进入动力电池产线

宁德时代与银河通用机器人签署全球战略合作协议。银河通用研发的重载人形机器人 Galbot S1 成为全球首款搭载宁德时代电池的具身智能常态化运营机器人。该机器人具备双臂 50 公斤级载重、纯视觉厘米级定位、360° 全向避障能力；宁德时代电芯失效率达 PPB（十亿分之一）级别，保障 8 小时超长续航。目前 Galbot S1 已在宁德时代智慧产线中替代物料搬运、拣选等高强度人工。

值得关注： 这是具身智能从"实验室→展厅→工厂"三级跳中，第三跳的标志性案例。宁德时代作为全球最大动力电池制造商，将自家人形机器人部署在自家产线，本质上是在用全球最严苛的制造业场景验证具身智能的可靠性。PPB 级电芯失效率 + 双臂 50kg + 8 小时续航这三个数字，构成了工业人形机器人的新基准线。这个合作也意味着电池巨头开始为具身智能行业定制专用电池——类似当年 NVIDIA 为自动驾驶定制芯片。

🔗 IT之家

🏗️ AI 基础设施

8. OpenAI × Broadcom Jalapeño：首款自研 AI 芯片亮相，推理成本有望砍半

OpenAI 与 Broadcom 联合推出 Jalapeño，一款专为大语言模型推理优化的定制 AI 芯片。从设计到流片仅用 9 个月，且由 OpenAI 自身 AI 模型辅助设计。首批样片性能功耗比显著优于当前顶级加速器，Broadcom CEO 称性能媲美 NVIDIA Blackwell 与 Google TPU，同时成本降低约一半。目标 2026 年底实现吉瓦（GW）级部署，推理成本有望降低约 50%。该芯片将驱动 ChatGPT、Codex、API 及未来 Agent 产品，训练仍依赖 NVIDIA。

值得关注： Jalapeño 标志着 OpenAI 从模型公司向全栈 AI 基础设施公司的战略转型。9 个月从设计到流片的速度不可思议（行业通常 18-24 个月），AI 辅助芯片设计本身就是一个"AI 造 AI" 的闭环案例。但更深层的信号是：OpenAI 选择先攻克推理而非训练芯片，说明其战略优先级是降低服务成本而非摆脱 NVIDIA 训练依赖。对 AI Coding 和具身智能的影响：更便宜的推理 = 更密集的 Agent 调用 = 更快的 AI 应用迭代速度。

🔗 OpenAI

📊 本期趋势洞察

数据来源：AI HOT (aihot.virxact.com) 精选 API | 筛选时段：过去 48h | 去重依据：与 2026-06-24 AIDaily 比对