AI 日报 · 2026年7月28日

一、MCP 2026-07-28 正式发布：AI Agent 基础设施迎来最大版本重构

• ✓ 彻底无状态化：移除 initialize/initialized 握手和 Mcp-Session-Id 会话头，每个请求自包含（self-contained），可被任意负载均衡器路由到任意服务器实例
• ✓ Extensions 框架：新增正式的扩展机制，支持 MCP Apps（服务端渲染交互式 HTML 界面）和 Tasks（异步长任务）作为官方扩展独立演进
• ✓ 路由与缓存升级：新增 Mcp-Method 和 Mcp-Name HTTP 头，网关无需解析 JSON body 即可路由；tools/list 等响应支持 ttlMs 缓存
• ✓ OAuth 2.1 强化：推动 OAuth 2.1 作为一等认证方式，移除弱认证路径
• ✓ 安全能力增强：W3C Trace Context 分布式追踪、JSON Schema 2020-12 支持、InputRequiredResult 多轮交互机制
• ✓ 兼容策略：Roots、Sampling、Logging 标注为 deprecated，12个月内继续可用
• ✓ AI Coding 基础设施的"TCP/IP 时刻"： MCP 从实验室协议升级为企业级标准，意味着 AI Agent 工具链将进入标准化、大规模部署阶段。对开发者而言，迁移窗口已经开启。
• ✓ 无状态化降低部署门槛： 此前部署 MCP Server 需要 sticky session 和共享 session store，现在只需要普通 HTTP 基础设施——创业团队和个人开发者接入成本大幅降低。

二、Claude Opus 5 发布：性能接近 Fable 5，价格减半

• ✓ 编程评测刷新纪录：在 Frontier-Bench、ARC-AGI 3 等编程与知识工作基准中取得同级最优
• ✓ 自主验证与迭代：可自行构建测试框架、修复真实漏洞，自主纠错能力大幅增强
• ✓ 对齐程度最高：官方称其为迄今欺骗行为发生率最低的模型
• ✓ 性价比突破： Opus 5 以 Fable 5 一半价格提供接近的性能，意味着前沿 AI Coding 能力正在从"奢侈功能"变成"普惠工具"。
• ✓ "少即是多"验证了模型能力的质变： 80% 提示词删掉性能不降，说明 Claude 5 不再需要人类用繁琐规则"手把手教"——模型的自主判断力已达到临界点。
• ✓ 上下文工程新范式影响深远： 从 prompt engineering 到 context engineering——不是改名，是思维方式的彻底转换。这对所有 AI Coding 工具的使用者和开发者都是一个信号：别再研究怎么写完美 prompt，该研究的是"在什么时机给什么信息"。

三、RoboTTT 发布：机器人上下文窗口扩展至 8K 时间步，Jim Fan 李飞飞联合打造

• ✓ 长上下文建模：使用 TTT（Test-Time Training）层嵌入机器人基础模型，将历史信息写入"快速权重"（fast weights），以固定隐藏状态大小保留更长历史
• ✓ 实时自我改进：在部署中持续学习，将修正信息纳入上下文，自主调整动作策略
• ✓ 一次性模仿：可接收完整视频作为上下文输入，根据人类示范视频一次性模仿动作
• ✓ Scaling 验证：使用 8K 时间步训练的 RoboTTT，比 1K 时间步预训练的同一模型取得 +62% 的性能提升
• ✓ 具身智能的"Scaling Law"转向： LLM 的 Scaling Law 在模型参数量和数据量维度上，而 RoboTTT 发现了具身智能的新维度——上下文长度。这意味着机器人模型的性能可以用完全不同的方式提升。
• ✓ "记忆"是机器人实用化的关键瓶颈： 机器人忘记刚才发生的事就无法完成多步骤任务。RoboTTT 的 5 分钟记忆窗口虽然不长，但方法论验证了"机器人的肌肉记忆"是可以被大幅扩展的。
• ✓ Jim Fan + 李飞飞的组合意义： 英伟达核心研究员 + "AI教母"联合出手，说明产业界和学术界都在集中火力攻机器人上这个最难的问题。

四、OpenAI Codex 上线实时语音 + Appshots：AI 编程进入"动口不动手"时代

• ✓ 实时语音（GPT-Live）：开发者可通过语音控制多个 Agent——戴耳机离开电脑也能随时查询进度、修改需求。基于原生实时架构，支持自然打断式对话。
• ✓ Appshots：Codex 可读取当前活动窗口的画面和文字内容，无需手动截图。遇到终端报错或 UI 异常，Codex 直接"看懂"并提供修复方案。
• ✓ 交互范式迁移： 从键盘到语音、从截图到实时画面理解——AI Coding 工具正在抹平"人想做的事"和"Agent 能做的事"之间的交互摩擦。打字、截图这些动作本身正在消失。
• ✓ "Vibe Coding"进入 2.0： Karpathy 提出的 vibe coding 概念在进化——以前是"用自然语言写 prompt"，现在是"把屏幕内容+语音+上下文完整交给 Agent"。输入方式越自然，AI 能捕获的意图越完整。
• ✓ 1% vs 95% 的鸿沟： OpenAI 内部全员使用、外部几乎没人用——这个对比说明 AI Coding 工具不仅需要更好用，更需要被"教"给普通开发者。市场教育空间巨大。

五、它石智航布局千台级工业机器人集群：年内 100 台落地安波福产线

• ✓ 攻克柔性线束装配难题：汽车线束柔软易变形，装配涉及抓取→定位→插接→压装→检测等连续动作，是工业自动化公认的"硬骨头"。它石智航将多模态感知、力控算法与自研 AWE 3.5 通用具身大模型深度融合，今年 3 月已创下吉尼斯世界纪录（一小时亚毫米级线束装配次数）。
• ✓ 全球首次规模化落地：与全球汽车技术巨头 安波福（Aptiv） 达成合作，年内在其工厂部署 100 台机器人，覆盖 8 大生产工艺、33 类场景、46 个关键工位。
• ✓ 千台级集群布局：同步与上海嘉定区签约，推动落地千台级工业具身智能机器人集群。
• ✓ 全栈自研成果：发布新一代通用具身大模型 AWE 3.5、21 自由度灵巧手 DexHand，以及机器人自主装配汽车线束集群。
• ✓ 从"能做"到"大规模做"： 具身智能创业者常被质疑"只能做 demo"。它石智航 100 台落地产线的承诺，是这个赛道从实验室走向工厂的最强信号之一。
• ✓ 选最硬的骨头啃： 柔性线束装配是工业自动化中最棘手的场景之一，如果能用机器人替代，意味着大量产线上最依赖于人的环节将被改写。
• ✓ 安波福的背书意义： 全球 Tier 1 汽车供应商认可并部署，说明具身智能的工业价值和可靠性已过"大客户验收"这道最难的关。

趋势观察