今日AI动态围绕「AI Coding基础设施升级」与「具身智能产业化加速」两条主线展开。AI Coding方向，Agentic AI Foundation发布MCP协议迄今最大修订，以无状态内核重构协议底层，Tasks与MCP Apps两个一级原语从实验特性升级为正式扩展，生态已突破1万+ Server和4亿+月SDK下载量；快手KwaiKAT团队发布KAT-Coder-V2.5，以35B MoE架构和超10万个可验证仓库环境训练，构建从环境构建到RL训练的完整Agentic Coding技术栈，并以Apache-2.0开源。具身智能方向，美国Tacta Systems正式发布TactaBot触觉灵巧手平台，以流体肌腱驱动、15关节独立控制、砂粒级触觉传感器三大自研技术解决机器人灵巧操作难题，7500万美元融资背后是软银、丰田Woven Capital等顶级产业资本的集体押注；北京出台人形机器人三年行动方案，以"4D场景优先+应用服务商"模式打通供需链路；全球近20家主流车企集体入局人形机器人量产——比亚迪"小迪"8月首秀、小鹏IRON试产冲刺月产千台、工信部数据显示上半年国内产量已超4万台，车企正以"技术同源+供应链复用"的独特优势批量杀入具身智能赛道。
图片素材来源于网络，侵权即删除
1. MCP协议发布迄今最大修订：无状态内核、Tasks与MCP Apps正式毕业
【事件内容】
7月28日，由Linux基金会旗下Agentic AI Foundation（AAIF）托管的Model Context Protocol（MCP）发布了2026-07-28版本规范，这是自2024年11月Anthropic开源MCP以来的第五个、也是规模最大的协议修订。核心变化围绕三个层面展开。
架构层——彻底无状态化。旧的initialize/initialized握手流程和Mcp-Session-Id头部被移除。每一条请求现在是自描述的：协议版本、客户端身份和能力声明通过_meta字段随请求携带。这意味着MCP Server可以像普通HTTP服务一样部署在标准轮询负载均衡器后面，不再需要粘性路由和共享Session存储，彻底消除了水平扩展的核心瓶颈。Anthropic披露，目前MCP TypeScript和Python SDK累计下载量已各突破10亿次，月均SDK下载超4亿次（同比增长约4倍），Stacklok 2026年调查报告显示41%的软件组织已在有限或广泛生产环境中运行MCP。
能力层——Tasks与MCP Apps正式毕业。Tasks扩展从实验特性升级为正式扩展，让Server可以返回一个持久化任务句柄，Client端可以轮询进度、中途输入、崩溃后恢复——不依赖脆弱的长连接。这对Agentic Coding中的长时间工程任务（多步文档处理、审批工作流、批量代码重构）至关重要。MCP Apps扩展则允许Server直接交付沙箱化的交互式HTML界面，比如在Agent会话中弹出确认对话框、结构化表单或数据看板，无需独立前端开发。两项扩展均采用版本化的反向DNS标识符（如org.mcp.tasks），在正式扩展框架下独立演进，不再膨胀核心规范。
治理层——OAuth/OIDC对齐与正式弃用策略。六个SEP（规范增强提案）将MCP授权体系向OAuth 2.0和OpenID Connect靠拢，强制校验iss参数以防御混搭攻击，并引入企业托管授权（Enterprise Managed Authorization），允许组织用统一IdP集中管控MCP Server访问。同时，Roots、Sampling、Logging三项能力进入正式弃用生命周期，给予12个月最低过渡窗口。
值得关注的原因
这是MCP从"开发者生态中的连接协议"走向"企业级Agent基础设施"的关键转折。无状态化解决的不是功能问题，而是"能不能在生产环境大规模跑起来"的问题——它让Agent可以跑在Serverless、边缘计算和标准K8s集群上，而不再依赖定制的会话管理。Tasks原语给长期运行的Agent工作流提供了标准化模型，对工程团队意味着自动化流水线从"单次调用的魔法"变为"可恢复、可审计的作业"。MCP Apps则意味着Agent的产出不再局限于文本——可以直接交付可交互的工具界面。值得注意的是，10周的迁移窗口意味着依赖MCP的工具链（Codex、Claude Code、Cursor等）需在Q3完成适配。如果你维护内部MCP Server或基于MCP构建AI Coding工具链，现在就需要开始迁移评估。
图片素材来源于网络，侵权即删除
2. 快手发布KAT-Coder-V2.5：35B MoE架构，10万+可验证仓库训练，Apache-2.0开源
事件内容
7月26日，快手KwaiKAT团队正式发布KAT-Coder-V2.5——一个以Agentic Coding为核心目标的35B参数MoE（混合专家）代码模型。这不是一个"更大更强的补全工具"，而是从训练基础设施到模型架构系统性面向"Agent自主编程"设计的技术栈。
架构设计：模型采用五专家MoE架构，35B总参数、每次推理仅激活3B参数，在保持推理效率的同时获得大模型推理能力。五个专家模块分别为：SWE（软件工程推理与代码库导航）、WebCoding（前端/Web代码生成）、Terminal（Shell命令与文件操作）、WebSearch（搜索上下文整合）、General（通用兜底）。
训练创新——环境可验证优于文本匹配。团队的核心方法论是：代码模型的瓶颈不在模型规模，而在训练数据的可验证性。为此构建了AutoBuilder流水线——自动将多语言代码仓库重建为可执行的沙箱环境，每个训练样本定义为三元组（任务描述+执行环境+验证器）。验证不靠exit code或grep日志，而是解析结构化测试框架输出，要求收集超过90%的预期测试且多轮运行结果一致才判定环境可用。这一方法将环境构建成功率从16.5%拉升至57.2%。配合预配置基础环境、构建模板系统和可检索的预打包构建配方库，最终产出了覆盖12种编程语言的10万+可验证仓库环境。
RL训练——把基础设施当一等公民。团队在训练过程中发现，约16%的训练轨迹失败源于沙箱基础设施问题而非模型策略——磁盘满导致超时、环境变量导致奖励被干扰、Chat API层在约200轮推理时造成约40%的token漂移。通过镜像预释放策略（磁盘使用率从95%降至60%）、修正远程沙箱启动时的环境变量、绕开Chat API直连推理端点等三项工程改造，沙箱错误率从约16%降至2%以下，训练崩溃降低了约一个数量级。在算法侧，采用非对称Actor-Critic PPO配合事后增强价值估计，以及面向测试用例的三层奖励框架。
开源与评测：开源Dev版本KAT-Coder-V2.5-Dev（基于Qwen3，Apache-2.0）在SWE-bench Verified上达到69.40分，在开源模型中处于领先。闭源旗舰版则在PinchBench上达到94.9分、SWE-bench Pro 65.2分，与前沿闭源模型直接竞争。
图片素材来源于网络，侵权即删除
值得关注的原因
这可能是目前为止对"怎么做Agentic Coding基础模型"给出最完整工程回答的公开工作。KAT-Coder-V2.5的启示不在于单个数字，而在于它证明了三条原则：（1）代码模型训练的核心瓶颈是环境可验证性，不是模型参数——57.2%的构建成功率还有大量上升空间，但方向对了；（2）RL训练中基础设施的可靠性是算法效果的前提——16%的沙箱错误率直接污染奖励信号，这部分"工程债"不清，什么RL算法都救不回来；（3）开源权重+完整技术报告意味着整个生态可以直接复用AutoBuilder验证管线和训练方法。对于正在评估内部代码Agent方案的企业或机构，KAT-Coder-V2.5提供了一个可以私有化部署的、有充分技术背书的开源基座选项。
图片素材来源于网络，侵权即删除
3、Tacta Systems发布TactaBot触觉灵巧手平台：流体肌腱驱动×砂粒级传感器，7500万美元押注"机器人的双手"
7月30日，总部位于加州帕洛阿尔托的机器人初创公司Tacta Systems正式发布旗下首款产品TactaBot——一个集机器人手、可穿戴技能采集系统和"Dexterous Intelligence"AI引擎于一体的触觉灵巧操作平台。公司宣布已完成7500万美元融资，投资方包括软银、丰田旗下Woven Capital、Matter Venture Partners、America's Frontier Fund及B Capital等。首批商业部署计划于2027年初向电子制造、AI基础设施和汽车制造领域交付。
硬件突破——Tacta Hand。机器人手采用Tacta自研的Fluidic Tendon（流体肌腱）驱动技术，与人手等比大小，拥有15个独立驱动关节。与传统电机-线缆方案的关键差异在于：流体肌腱提供类肌肉的柔性力输出，力控精度和抗冲击能力远超刚性驱动，且维护周期达数百万次工厂循环，可在数分钟内完成更换。每个机械手指集成了Tacta自研的触觉传感器——尺寸小于沙粒，却能感知从250帕斯卡（轻如羽毛）到70万帕斯卡（工业夹具级）的全动态范围压力，采样频率400次/秒，温度分辨率达0.1°C。这套传感器系统赋予了机器人手"触觉"——不是简单的碰撞检测，而是能感知力度、纹理和温度的真实触感。
数据飞轮——Tacta Glove与Skill Capture。训练层面，Tacta开发了Tacta Glove可穿戴数据手套。工人戴上手套在生产线上正常作业时，手套会同步记录力度、动作轨迹、视频和温度数据。与传统的遥操作或人工示教方案相比，这一方法的创新在于：无需专门培训、不干扰工人操作、采集的是"真实工作状态下的自然行为数据"。每小时的工人操作将进一步扩充Tacta的技能数据集，形成持续复利效应。这些数据用于预训练Dexterous Intelligence AI模型，再在客户工厂针对具体任务做精调——显著缩短新技能训练时间，提高自动化成功率。
目标场景与产业逻辑。Tacta将首批目标锁定在三大领域：精密电子元件装配、AI服务器连接器线缆插接、汽车线束组装——这些是自动化程度长期偏低的"高价值死角"，单靠传统夹爪或吸盘无法完成。CEO Vikram Pavate指出："所有人都在谈论万亿美元级的机器人市场，但技术还没到位，因为机器人仍然不会用双手。手是机器人领域最难攻克的问题，没有触觉就无从解决。"从产业资本配置来看，软银和Woven Capital（丰田旗下，专注下一代出行和自动化）的入场，说明触觉灵巧操作正在从学术问题升级为产业战略问题。
值得关注的原因：
在具身智能领域，"行走"和"抓取"是两个最核心的物理能力。过去两年，双足行走和通用抓取（夹爪方案）已取得显著进展，但"灵巧操作"——需要力度感知、触觉反馈、多指协调的精细操作——仍处于极早期。TactaBot的意义不在于又多了一家机器人公司，而在于它用"传感器+执行器+数据飞轮"的完整闭环证明了灵巧操作可以产品化。三个关键看点：（1）流体肌腱驱动是对传统电机方案的降维打击——不是更强的电机，而是换了一个物理范式，和人体肌肉原理更接近；（2）砂粒级触觉传感器让机器人第一次拥有接近人类的触觉灵敏度，这是从"盲抓"到"感知操作"的质变起点；（3）Skill Capture的数据飞轮模型——工人戴手套干活即产生训练数据——可能是具身智能规模化数据获取的最优雅方案之一。对中国产业而言，这不仅是竞品的出现，更是一个方向信号：具身智能的竞争正在从"躯干和下肢"向"上肢和手指"延伸，灵巧手赛道的技术门槛和资本密度将快速上升。
图源：北京青年报
4. 北京出台人形机器人三年行动方案：优先"4D"场景，以应用服务商模式打通供需链路
7月30日，北京青年报记者从"机器人发展看北京"主题采访活动中获悉，北京市将出台《人形机器人产业高质量发展三年行动方案（2026-2028）》，这是首次由一线城市以三年行动方案形式为人形机器人划定清晰的产业化路径。与此同时，2026世界机器人大会定于8月19日至23日在北京经济技术开发区举行，展馆面积超5.5万平方米，300余家企业参展（较去年增加36%），预计展品超2000件、首发新品150余件，同期活动60余场。第二届世界人形机器人运动会将于8月22日至26日在国家速滑馆举办，赛项从去年26个增至50个，核心理念从"表演"转向"选拔机器人打工人"。
方案核心框架包含三个层面。
场景优先级——"4D"分类法。方案明确人形机器人产业落地优先切入"乏、难、险、脏"（Dull, Difficult, Dangerous, Dirty）四大场景，而非泛泛的"支持所有场景"。前期北京已实施"双百工程"，累计支持354个创新产品进入11个领域近200种场景完成首试首用和迭代升级。通过"一月一链、一季一群"机器人产业链对接活动，推动场景方和机器人企业持续碰撞。
商业模式创新——应用服务商。北京市经济和信息化局相关负责人指出，实践中发现机器人企业与场景方之间存在明显断层：机器人企业重心在本体和算法研发，难以针对不同场景投入大量人力做二次开发和现场调试；场景方有智能化需求但不熟悉技术。为此，方案正式引入"机器人应用服务商"角色——这类机构既理解机器人技术特点，又熟悉行业场景需求，专注提供场景适配和二次开发服务。事实上，工信部和国资委此前已在实景实训方案中将场景用户单位、整机企业、应用服务商列为三类主体，正式认可了应用服务商在产业链中的位置。
产业基础：北京人形机器人整机企业规模占全国近四分之一，融资额占全国近半。天工、天轶机器人在工业物流场景启动应用，银河通用盖博特在全国布局零售站点，遨博智能协作机器人达国际先进水平。北京人形机器人创新中心已推进本体、具身智能平台、高质量数据集、工具链等全链条开源，一年多累计下载量超600万次，服务近300家主体。
值得关注的原因
这份方案的产业信号价值远大于文本本身。三大关键点：
（1）"4D"分类法不是简单的标签——它意味着产业政策第一次给"机器人到底该先去哪干活"提供了一个优先级框架，这对企业的场景选择和投资者的方向判断都有直接影响。
（2）"应用服务商"角色的正式确立，触及了一个长期被忽视的结构性问题：机器人行业的瓶颈从来不只在技术上，更在"最后一公里"的场景适配和交付。如果不解决这个断层，做再多机器人也落不了地。应用服务商模式就像SAP实施顾问之于ERP——技术企业做产品，服务商做落地，这个分工被正式化了。
（3）8月19日世界机器人大会和8月22日人形机器人运动会的临近，意味着具身智能赛道的政策催化、产业曝光和资本市场关注将进入年度最高密度期。对于关注AI产业趋势的人而言，8月中下旬值得重点观察。
图片素材来源于网络，侵权即删除
5. 近20家车企集体入局人形机器人量产：从造车到"造人"，技术同源驱动跨界浪潮
7月28日至30日，多家主流车企集中释放人形机器人量产信号，叠加工信部最新产业数据，标志着汽车产业正以"技术同源+供应链复用"的独特优势批量切入具身智能赛道。据公开信息统计，截至目前，海内外已有比亚迪、特斯拉、小鹏、广汽、奇瑞、长安、理想、小米、宝马、奔驰、现代等近20家主流车企，分别通过自研、投资或孵化方式入局人形机器人领域。
比亚迪"小迪"——8月门店上岗。7月28日，比亚迪官方确认人形机器人"小迪"将于8月初在郑州"迪空间"首次公开亮相实体样机。核心参数：身高1.61米、体重58.5公斤、全身31个自由度；灵巧手重复定位精度±1毫米、额定负载1公斤；搭载360°环视与动态建模系统，融合人脸/唇动/手势三重识别，支持6种方言和6种外语实时互译，对话响应1.5秒以内。执行副总裁李柯明确表示："目标是每家经销商门店配备2至3台"，负责迎宾、车型讲解、功能演示等标准化工作。比亚迪2022年即组建具身智能团队，制定了"先商用（门店导购）、再工厂、最终进家庭"的三步走路线，今年7月还与香港科技大学签署联合实验室协议，为期数年投入数千万港元攻关具身智能。
图片素材来源于网络，侵权即删除
小鹏IRON——量产倒计时。小鹏是目前推进节奏最激进的车企。7月24日，读特记者从集团确认，IRON人形机器人已在广州工厂正式开启小批量试生产，量产产线进入最后联调阶段。IRON身高178厘米、体重70公斤，全身82个主动自由度（手部22个），搭载3颗自研图灵AI芯片（总算力2250TOPS）和第二代VLA物理世界大模型，首发全固态电池。6月，何小鹏发布内部信宣布亲自兼任机器人业务CEO，将人形机器人比作"8年前小鹏G3量产前夜"，明确2026年底月产能目标上千台，全年出货约5500台。落地路径清晰：2027年Q1进驻全国直营门店做导购和讲解，2027年H2批量出海，2028年切入家用场景。
图片素材来源于网络，侵权即删除
特斯拉与理想：双线推进。特斯拉Optimus Gen-3已在加州弗里蒙特工厂启动量产，马斯克确认Model S/X产线正式停产为机器人让路，得州专属工厂规划年产能100万台。理想则走差异化路线——双轮机器人面向工厂场景年内发布，双足机器人同步推进，项目代号"Nexus"，团队来自2026年2月重组后的智能化部门，全年研发投入预计120亿元（AI占比约50%）。
产业数据支撑。工信部副部长柯吉欣在7月16日绍兴标准周活动上透露：2025年我国人形机器人产量约2万台，2026年上半年已超过4万台，预计全年突破10万台。"产量增长只是表象，更深层的变化是产业开始从单机样机、舞台展示走向批量交付。"A股人形机器人概念股已达258只，总市值约5.56万亿元；具身智能"200亿俱乐部"扩至8家（宇树、智元、银河通用等），上半年赛道融资总额破600亿元。
为什么是车企？智能汽车与人形机器人在感知-决策-执行三层架构上的技术重合度超70%——激光雷达、摄像头、自动驾驶算法可直接迁移。供应链层面，电机、减速器、传感器、电池与智能电动车高度重合，车企的整车垂直整合能力可大幅降低机器人BOM成本，据行业估算较纯机器人初创公司省约三分之一研发成本。这正是车企能够以"门店导购→工厂作业→家庭服务"的低风险路径快速切入具身智能赛道的底层逻辑。
值得关注的原因：
车企集体入局正在改变具身智能的产业格局。最大的变量不是多了一类竞争对手，而是成本结构将被系统性压低。纯机器人公司（如宇树G1 BOM成本14-20万元）面临"技术足够好但价格不够低"的商业化困局，而比亚迪3万个经销网点就是现成的部署场景——每店2-3台"小迪"意味着潜在订单规模可达6-9万台，这种"自有场景内需拉动"的商业模式是传统机器人公司无法复制的。更深层的逻辑在于：2026年上半年产量4万台、全年10万台的数据说明，人形机器人正在复刻中国新能源汽车2015-2020年的发展轨迹——从政策驱动、供应链成熟到规模化降本、应用场景爆发。对于关注具身智能赛道的观察者而言，8月小迪的公开亮相和年底IRON的量产交付将是两个关键验证节点——它们将回答一个根本问题：车企造机器人，到底是PPT造势还是真实竞争力的兑现？
【总结】
近期的AI动态呈现出一个清晰的"工程化落地"主题，跨越数字智能和物理智能两个世界。
AI Coding方向，MCP协议的无状态化修订和KAT-Coder-V2.5的开源，分别从"连接标准"和"基础模型"两个层面推动Agentic Coding走向生产化。MCP的Tasks原语让Agent从"一次性调用"升级为"持久化长程作业"，KAT-Coder-V2.5则证明了可验证训练环境的系统化建设比单纯堆参数更重要。两条消息的共性在于：Agentic Coding的竞争已从"谁家的模型能写出更好的代码"转向"谁家的基础设施能让Agent持续、可靠、可审计地完成工程任务"。
具身智能方向，Tacta Systems触觉灵巧手平台、北京三年行动方案、车企集体入局人形机器人量产，三件事分别从"核心技术突破—产业政策设计—规模化供给"三个维度推动具身智能加速产业化。TactaBot代表了灵巧操作从学术走向产品的关键节点——流体肌腱驱动和砂粒级触觉传感器不只是工程优化，而是物理范式的切换；北京在做制度设计（4D场景+应用服务商），解决"机器人去哪干活、谁来打通最后一公里"的落地堵点；而车企的批量入局，则意味着供给端正在迎来一场结构性降本——近20家车企的整车供应链能力和自有场景网络，将把人形机器人的成本曲线拉到一个传统机器人公司难以企及的位置。对关注AI产业趋势的人而言，8月将是关键验证窗口：比亚迪"小迪"月初首秀、世界机器人大会8月19日启幕、小鹏IRON年底冲刺量产——三个节点叠加，具身智能赛道的高密度信息释放才刚刚开始。
湘公网安备43019002001288号