AI+机器人行业晨报｜7月28日：Agent harness、开放权重边界与 Agility 上市路径 (2026)

速览

过去 24 小时的高信号集中在三件事：Agent 的工程外壳开始被当成独立产品，开放权重的争论转向芯片与安全测试，机器人公司的商业化叙事则进入资本市场准备阶段。

NVIDIA 发布 NOOA 开源 Agent harness，把能力、状态、提示词和类型契约组织进一个 Python 类，并加入 Open Secure AI Alliance。对机器人团队来说，模型之外的状态管理、工具调用和长期记忆开始有了可复用的工程参照。1
NVIDIA 宣称 Nemotron 3 Ultra 在芯片设计 RTL 任务的 CVDP 基准上平均通过率达到 97.1%，每次迭代平均使用 6,629 token。这是项目方基准，不是机器人控制评测，但它把「模型 + 工具链 + 迭代回路」的价值说得更具体。2
Anthropic CEO Dario Amodei 公开澄清，Anthropic 从未主张禁止开放权重模型，同时主张芯片管制、打击工业级蒸馏，并对足够强大的开放或闭源模型实施安全测试。3
Agility Robotics 任命 CFO 并筹备通过 SPAC 上市。公司新闻稿称，合并预计带来超过 6.2 亿美元总募资，已有 Schaeffler、GXO 和 Toyota Motor Manufacturing Canada 等部署客户，客户 pipeline 超过 30 家。以上均为公司口径，尚不等于已交付数量、任务成功率或上市完成。4

AI 企业与开发者

NOOA 把 Agent harness 拉到台前

NVIDIA 向 Open Secure AI Alliance 贡献开放模型、权重、数据和研究，其中包括 NOOA，也就是 NVIDIA Labs Object-Oriented Agents。它把 Agent 表达为一个 Python 类：方法代表能力，字段代表状态，docstring 充当提示词，类型注解则成为强制契约。NVIDIA 还把类型化输入输出、引用传递、代码即动作、可编程循环、显式对象状态和 Agent 可调用的 harness API 列为设计要点。1 5

这条消息的价值不在于又出现一个 Agent 名称，而在于它把模型之外的部分拆成了可讨论、可替换的工程层。对于机器人，任务状态、工具权限、动作回滚和长期记忆都不该埋在一段不可观测的 prompt 里。NOOA 仍是 NVIDIA 的开源研究框架，尚未证明它在真实机器人任务上的稳定性、延迟和故障恢复能力，先把它当作架构参照。

Hugging Face 也宣布加入该联盟，目标是帮助组织识别软件漏洞、加强关键系统安全。联盟成员关系是事实，联盟能否产生可复用的机器人安全工具，还需要看后续代码、模型、数据和评测是否真正开放。6

Nemotron 的数字落在工具链，而不是聊天榜单

NVIDIA 称 Nemotron 3 Ultra 在 CVDP 的 9 类 RTL 任务中平均通过率为 97.1%，在 ACE-RTL Agent 流程中高于其对比的 GLM 5.2 和 Kimi K2.6；每次迭代平均使用 6,629 token。CVDP 覆盖代码补全、自然语言转 RTL、修改、复用、质量改进、测试激励、检查器、断言和调试修复。2 7

这组数字不能外推成机器人成功率。它更适合提醒产品团队，模型比较应放在完整任务回路里做：编译器、模拟器、lint、波形检查和失败重试都会改变最终成本。做机器人模型选型时，也应同时记录每次动作规划的 token、端侧显存、网络往返、人工接管和回滚次数，不能只看单轮回答质量。

GPT-Live 与企业版工作流继续扩展

OpenAI 宣布 GPT-Live 已面向全球 Edu、Business 和 Enterprise 计划开放，功能位于 ChatGPT Voice 中，支持同时说话、聆听并协调应用内工作。公告确认的是计划覆盖和使用方式，没有给出机器人控制、外部工具权限、延迟或审计细节。8

Greg Brockman 还称 ChatGPT Work 已向企业客户开放，并为在 8 月 21 日前首次试用的 Enterprise 团队成员提供最高 200 美元、有效期 14 天的额度。这个消息更接近销售与试用激励，不是新的模型能力公告。对企业 Agent 产品，真正需要补问的是批准动作、数据边界、日志留存和人工转接，而不是试用额度本身。9

Anthropic 把开放权重争议落到三项约束

Dario Amodei 在 Anthropic 官方文章中表示，Anthropic 从未主张禁止开放权重模型。他支持对华芯片及芯片制造设备禁运，打击工业级蒸馏，并要求所有足够强大的模型，无论开放还是闭源，都接受强制性安全测试。与此同时，他不接受「开放权重必然让防御者占优」这一前提。3 10

这不是开放权重路线的技术评测，而是一家闭源模型公司的政策立场。对机器人产品经理，最实用的变化是评估表要同时加入许可证、权重来源、蒸馏风险、离线安全测试和供应链限制。开放模型能否放进现场设备，不能只由下载量或单项 benchmark 决定。

企业家与科技从业者

Agent 规模化先算每个任务的成本

Alex Prompter 转述一个名为 Polsia 的 Agent 产品案例：付费用户在 30 天内从 500 增至 5,000，Anthropic API 月账单曾超过 100 万美元；团队随后自租 GPU，把检索、格式化和分类等常规环节路由到开源模型，只在需要推理的环节调用前沿模型，账单降到约 10 万美元。这个数字来自二手转述，未见 Polsia 或 Ben 的独立原始材料，不能当成已核实的行业平均值。11

Alex 的判断仍然值得记录，因为它落在产品核算上：按「每完成一个任务的成本」追踪，而不是只看月度 API 账单。他的另一条帖子建议把评估拆成离线和在线两条线，前者覆盖 golden set、回归测试和工具单测，后者用 shadow run 和抽样人工审核观察生产流量中的漂移。后者是方法论观点，不是某家公司的部署数据。12

这套思路可以直接移植到机器人：低风险感知整理和任务分解走低成本模型，高风险动作规划保留更强模型；新版本先影子运行，再按任务成功率、人工接管、延迟和故障恢复决定是否放量。

投资者与 VC

NVIDIA 的客户融资角色开始成为市场变量

Michael Burry 转发并评论一则关于 NVIDIA 可能为 OpenAI 数据中心和芯片采购提供融资担保的报道，把它概括为「Nvidia to guarantee $200 billion of ChatGPT's spending on $NVDA chips」。相关二手报道同时出现约 2,500 亿美元数据中心融资担保、最高 3,500 亿美元芯片采购融资等不同口径，不能把这些数字合并成一笔已签署的交易。Burry 的发帖属于投资者观点，不能替代合同或公司公告。13 14

对具身智能团队，这个信号的现实含义不是预测 NVDA 股价，而是提醒采购模型和硬件时把融资结构也纳入供应风险。算力供给、客户信用、芯片付款条件和云端锁定，都会影响长周期机器人项目的任务级成本。

Azeem 转引的芯片自给率数据仍缺原始报告

Azeem Azhar 转引 Morgan Stanley 数据称，中国国内供应商在 2026 年约能满足 41% 的 AI 芯片需求，高于 2023 年的 20%；2015 年设定的 70% 半导体自给率目标可能晚约五年实现。原帖没有附 Morgan Stanley 报告，以下数字只能按二手转引处理。15

如果这一口径后续得到原始报告确认，它对机器人部署的影响会先体现在供应链和端云架构，而不是模型排行榜：团队需要为不同地区准备芯片替代、量化版本和离线降级方案，并把真实可得的显存、功耗和交货期写进选型表。

a16z：企业销售要先判断是 Lighthouse 还是 Landgrab

a16z 发布的文章将 AI 企业销售分成两种打法：Lighthouse 是先拿少数标杆客户，建立社会证明，降低买家的选择风险；Landgrab 是按数据和速度扩张，尽快签下更多客户，不把 logo 作为首要目标。a16z 的推文只给出框架摘要，文章全文未能从本轮抓取结果中完整核验，因此这里不补充摘要之外的细节。16 17

这套区分对机器人公司很具体：若产品仍需现场验证安全和运维，标杆客户能帮助团队补齐交付证据；若任务已经标准化，继续把资源花在少数 logo 上，可能不如快速扩大可复制的安装与服务网络。选择哪条路，取决于任务是否可复现和客户是否能承受试错，不取决于融资叙事。

一条未独立确认的 AI 分享安全线索

投资者账号 Mayhem4Markets 称，Claude 对话分享页因缺少 robots noindex header 被 Google 索引，页面中出现简历、API key、钱包和其他敏感内容。当前证据只有该账号的帖子，尚未看到 Anthropic 的官方说明，因此只能作为待核实的安全线索，不能写成「Claude 已泄露数百条私密对话」的确定事实。18

对机器人系统，这种风险不只存在于聊天产品。现场日志、遥操作视频、地图、凭证和故障截图都可能通过分享链接外泄。任何让模型接触生产数据的功能，都应默认加入可撤销链接、访问审计、敏感字段脱敏和过期策略。

给具身智能产品经理的跟踪点

信号	现在可以做什么	还不能下的结论
NOOA 的 harness 设计	把状态、工具权限、类型契约、记忆和回滚拆成独立可测模块	不能把开源框架当成机器人现场稳定性证明
Nemotron 的 RTL 指标	用完整任务回路比较模型，记录 token、工具迭代、失败重试和人工接管	不能把 RTL 通过率换算成具身任务成功率
Anthropic 的开放权重立场	在模型选型中加入许可证、蒸馏、芯片来源和强制安全测试	不能把政策表态当成开放模型的安全认证
Agility 的 SPAC 与客户 pipeline	追踪实际交付台数、单站点任务成功率、人工介入和运维成本	不能把 pipeline、募资或上市筹备当成量产完成
AI 基础设施融资与供应链信号	为端侧模型、云端模型和芯片供给准备替代路径及降级模式	不能只按 API 单价判断长期任务成本