机器人自己造自己：小鹏人形机器人产线正式投产

【2026.09.12】机器人自己造自己：小鹏人形机器人产线正式投产

2026年9月12日 | AI Coding × 具身智能 行业日报

一、小鹏人形机器人产线投产，机器人自主完成总装走下产线

事件内容：9月9日，小鹏汽车人形机器人产线正式投产。其先进人形机器人在产线上完成自动化总装后，无需人工辅助，自主行走离开产线。这是国内车企首条人形机器人结构化量产线。同期，人形机器人真实场景测试加速扩展，从动态运动控制竞赛到户外复杂环境导航，多场景验证同步推进。

关注价值：过去两年行业最大的质疑是"只会Demo不会干活"。产线投产同时验证了三件事：制造端具备批量组装能力，本体稳定性达到产线环境要求，"机器人造机器人"闭环初步跑通。这比任何发布会参数都有说服力。

个人深度思考：产线投产是具身智能的"iPhone时刻"前兆，但不是终点。真正的门槛不在造出来，而在造出来之后能不能稳定干活、成本能不能打下来。小鹏用造车的供应链逻辑做机器人，这条路如果跑通，会把整机成本快速拉到行业均值以下。接下来6个月盯两个指标：量产爬坡速度和单台BOM成本。谁先把价格打到20万以内，谁就拿到了入场券。

二、工信部发布《"人工智能+软件"专项行动实施方案》

事件内容：9月11日，工信部发布《"人工智能+软件"专项行动实施方案》。核心目标：到2028年，培育一批高水平智能编程工具和智能开发平台，推广覆盖2万家规模以上软件企业，实施100项软件企业智能化技改项目，打造100个智能体软件标杆应用，孵化5个以上优质开源项目。到2030年，智能编程、智能体软件成为产业新增长极。截至2026年6月，我国日均词元调用量已突破500万亿。

关注价值：国家层面首次把"智能编程"和"智能体软件"单独列为产业增长极，并给出明确的企业覆盖数量和标杆项目指标。不是喊口号，是有KPI的政策。2万家规上软件企业的覆盖目标，意味着AI Coding工具的采购将从企业自发行为变成政策引导下的行业标配。

个人深度思考：政策信号很明确：AI Coding不再是开发者个人效率工具，而是产业级基础设施。接下来国产智能编程平台会迎来一波政策红利期，但真正的考验是"能不能在2万家企业里用起来"，而不是"装了多少"。100个智能体软件标杆应用名额，会成为各家厂商争夺的样板间。对从业者来说，懂AI Coding工程化落地的人，接下来两年会非常抢手。

三、OpenAI Agents API公测，Codex Harness全面托管化

事件内容：美国时间9月10日，OpenAI Agents API正式开放公测。开发者只需传入任务、模型、工具、运行环境四个参数，即可直接创建Agent。负责长会话上下文压缩、工具调度和subagent协作的Codex Harness由OpenAI托管维护，执行环境可选OpenAI沙盒、自有基础设施或Cloudflare、E2B、Modal等第三方。Agents API本身不额外收费，按模型Token和工具实际使用计费。

关注价值：OpenAI用一年时间把Codex从一个产品拆成了一层服务：CLI开源→云端版→SDK→App Server→Agents API。每一步都在降低开发者使用Agent的门槛。这次公测的核心变化是Harness托管化——开发者不再需要自己维护Agent Loop、状态管理和上下文压缩，只需要决定"让Agent干什么"。

个人深度思考：Harness层正在成为Agent时代的"操作系统"。OpenAI走托管服务路线（像AWS），DeepSeek走开放插件路线（像Linux），Anthropic和谷歌也已推出Managed Agents。最终谁的Harness成为开发者默认层，谁就吃下最大蛋糕。但有个被忽略的变量：Agent真正干活需要的邮件、文档、权限等入口，掌握在平台公司手里。模型公司要重新连接现实世界，而办公平台公司手里本来就有一串钥匙。国内的"办公Agent大战"才刚开始。

四、宇树科技开源UnifoLM-WLA-1.0具身基座模型

事件内容：9月10日，宇树科技宣布完全开源UnifoLM-WLA-1.0具身基座模型。该模型单模型统筹桌面操作与全身移动操作，支持跨任务、跨末端执行器泛化。一个模型同时处理桌面级精细操作和全身级移动操控，不需要为不同场景分别训练。

关注价值：具身智能长期存在"桌面模型"和"全身模型"割裂的问题——做抓取的不会走路，会走路的做不了精细操作。UnifoLM-WLA-1.0用单模型统一两种能力，是架构层面的突破。开源则降低了行业研发门槛，中小团队可以基于此做场景化微调。

个人深度思考：宇树这步棋很聪明。开源基座模型本质是在抢生态标准——当越来越多团队在你的基座上做开发，你的硬件就成了默认适配平台。这和当年Android开源的逻辑一样。但要注意：开源模型不等于开源数据，训练数据的质量和规模才是真正的护城河。接下来具身基座模型的竞争会从"能不能做"转向"泛化能力够不够强"，谁的模型在陌生场景下零样本表现好，谁就赢。

五、GitHub Copilot HydraFusion多模型编排 + Cursor Projects子Agent舰队

事件内容：9月10日，GitHub发布Project HydraFusion，通过多模型选择性编排，在编码任务上匹配或超过Opus 5基线，同时降低工作流成本，已作为研究预览接入Copilot。同期，Cursor推出coordinator-driven Projects模式，可管理数千个子Agent协同完成长周期开发任务。两大主流AI编程工具在同一周指向同一个方向：从单模型单对话，走向多模型多Agent协同。

关注价值：AI编程工具的竞争维度变了。以前比"谁的模型补全更准"，现在比"谁能编排一群Agent把整个项目做完"。HydraFusion解决成本和质量的平衡——简单任务用便宜模型，复杂任务才调用旗舰模型。Cursor Projects解决规模问题——一个项目拆成几千个子任务，由coordinator统一调度。

个人深度思考：这标志着AI Coding从"副驾驶"进入"自动驾驶"阶段。多Agent编排的核心难点不在技术，而在质量控制——几千个Agent同时改代码，怎么保证不互相打架、不引入bug、最终能合并成一个可运行的项目？谁先解决Agent间的代码冲突和质量门禁，谁就能拿下企业级市场。对开发者来说，未来的核心技能不是写代码，而是写Agent任务描述和审查Agent产出。

六、北京石景山具身智能训练中心升级，全链条闭环成型

事件内容：9月10日，北京石景山区人形机器人数据训练中心一期完成升级，更名为"石景山具身智能训练中心"并对外开放。升级后新增多种数据采集设备，数据更贴合真实生活和工作场景。项目与二、三期形成协同，覆盖数据采集、仿真生成、模型训练、本体验证到应用落地的全链条闭环。这是北京首个人形机器人数据训练中心。

关注价值：具身智能的核心瓶颈不是算法，是数据。和大模型的文本数据不同，机器人需要的是物理世界的交互数据——怎么抓、怎么走、怎么应对意外。这些数据采集成本高、标注难、复用性差。训练中心的全链条闭环，本质是在解决"数据从哪来、怎么用、怎么验证"的基础设施问题。

个人深度思考：数据训练中心会成为具身智能时代的"数据电厂"。谁掌握高质量的物理交互数据，谁就能训练出更强的机器人模型。石景山这个中心的意义不在于规模多大，而在于它跑通了从采集到落地的闭环——数据可以持续生产、模型可以持续迭代、本体可以持续验证。接下来各地会跟风建类似中心，但真正的壁垒是数据质量和标注效率，不是场地和设备。

七、OpenHands 1.0正式发布，开源编码Agent进入生产级

事件内容：9月8日，开源自主编码Agent项目OpenHands发布1.0正式版。核心升级包括生产级沙箱环境、完整的基准测试数据，以及与商业级Agent相当的任务完成能力。OpenHands允许开发者在本地或私有环境中运行自主编码Agent，支持代码修改、测试运行、Bug修复等完整开发流程。

关注价值：在AI Coding被商业产品（Cursor、Copilot、Codex）主导的市场里，OpenHands 1.0给了企业一个"可私有化、可定制、不锁死"的选项。生产级沙箱意味着它不再是玩具，可以在真实工程环境中使用。对有代码安全合规要求的企业来说，这是第一个真正可用的开源编码Agent方案。

个人深度思考：开源编码Agent的1.0是个信号：AI Coding的底层技术正在商品化。当开源方案能达到商业产品80%的能力时，商业产品的溢价空间就会被压缩。但开源不等于免费——部署、维护、定制化的成本不低，中小企业可能还是用SaaS更划算。真正的机会在"开源+垂直场景定制"：基于OpenHands做行业专属的编码Agent，比如专门写嵌入式代码、专门做前端、专门做测试。

本期完。

AI Coding × 具身智能 行业日报

|（注：部分内容可能由 AI 生成）