OpenAI造人形机器人、DeepSeek V4.1降价提速，AI圈一日三变

AI 行业的节奏快到让人喘不过气。过去一天里，OpenAI 确认要自研人形机器人、DeepSeek 发布 Token 消耗减半的新模型、英伟达把 Kimi K3 推理速度拉升 1.68 倍——三条消息指向同一个判断：大模型竞争正从「参数军备」转向「工程效率 + 落地形态」的双线战场。

OpenAI 下场造机器人：奥尔特曼只要「大脑」

奥尔特曼在播客节目中被问到是否会亲自制造人形机器人，回答只有三个字：「我们会。」他给出的理由是——这个世界本身就是为人类设计的，所以人形具备合理性。

这番话容易被读成硬件野心，但奥尔特曼的重心其实在软件侧。他明确表示，机器人的外观和四肢属于「细碎细节」，真正重要的是研发出驱动机器人运转的「大脑」。换句话说，OpenAI 想做的是具身智能的通用控制系统，而不是和波士顿动力、特斯拉 Optimus 拼机械结构。这一定位与其模型能力天然匹配，也解释了为什么项目进度被描述为「距离成为正式产品还有很长一段路」——奥尔特曼预计先拿出亮眼演示样机，机器人真正走上街头还要再等好几年。

对国内具身智能赛道而言，这是一个信号：真正的壁垒可能不在本体制造，而在物理世界的泛化决策能力。同日杭州具身大脑企业格物通智宣布完成近亿元天使轮融资，主打「物理反演世界模型」，让机器人从可见动作中推断接触、受力等隐含物理信息，思路与 OpenAI 的「大脑优先」形成呼应。

**具身智能（Embodied AI）**指将感知、决策与行动能力集成在物理实体中的智能系统。与大语言模型仅处理文本符号不同，具身智能要求模型能在真实物理环境中完成感知—推理—动作的闭环，并应对光照、摩擦、物体形变等不可控因素。“大脑优先”路线意味着企业把资源投向跨本体的通用策略模型（如视觉—语言—动作模型 VLA），再通过少量数据适配不同硬件形态；其难点在于真实世界数据稀缺与仿真到现实的迁移（sim-to-real gap）。

DeepSeek V4.1 Flash：Token 用量砍半的「上进」迭代

DeepSeek^广告 更新了 V4.1-Flash-1017 版本，网页端、APP 与 API 同步切换。官方披露两个关键变化：其一，通过基于自反馈的强化学习训练，模型从零构建完整项目的能力显著增强，游戏开发、3D 建模等「许愿式」编程任务的完成度提升；其二，多数场景下 Token 用量较前版下降逾 50%。

Token 减半的意义不亚于能力提升。对开发者来说，这是直接的账单缩减；对 DeepSeek 自身来说，这是推理成本的优化。配合新开放的 Search 与 Fetch 接口（均为 5 元/千次），DeepSeek 正在把「模型能力」包装成可编排的工程组件，而非单纯的聊天入口。网友评论区刷屏的「太上进」「超级斩杀线」，侧面反映出市场对高频迭代节奏的认可。

值得留意的是同日的组织调整：DeepSeek 将 Harness 团队与 Web、App、Platform 团队整合为「产品部」，由原 Harness 负责人崔添翼牵头。技术迭代与产品组织同步推进，说明其竞争策略已从模型单点突破扩展到产品化体系的搭建。

**自反馈强化学习（self-feedback RL）**指模型在生成结果后，利用自身或评判模型对输出进行打分、反思并据此更新策略的训练方式，常见形态包括拒绝采样、自我一致性校验与可验证奖励（如代码是否通过单元测试）。相比依赖人工标注的偏好数据，它能把“任务是否真的完成”作为奖励信号，特别适合编程、3D 建模等结果可自动检验的场景。而 Token 用量直接决定推理账单：输出更少的中间步骤与冗余解释，意味着同等任务下的单位成本下降，这也是“能力提升”与“成本下降”可以同时发生的原因。

英伟达的双线棋局：给对手的模型做加速

英伟达 CentML 工程师 Benjamin 通过一项上游 vLLM 优化，让 2.8 万亿参数的 Kimi K3 在 GB300 NVL72 上实现 423 tok/s/user 的推理速度，性能提升 1.68 倍。核心手段是大规模 Megakernel 融合——用 Cute DSL 编写解码专用内核，整个 Megakernel 包含 1.2 万行代码。

这件事的微妙之处在于：英伟达在帮别人的模型跑得更快。作为算力供给方，它需要证明自家硬件在主流开源模型上的效率上限，从而巩固生态黏性。报道同时提到，英伟达还在为 vLLM 开发 DeepSeek V4.1 等模型的优化——优化越深，客户越难离开 CUDA 生态。

另一条消息补充了英伟达的另一面：高管 Jeff Fisher 否认 RTX 5090 停产传闻，承认产能受限、正在协调补货。消费级显卡价格因供需失衡大幅上涨，与数据中心业务的火热形成镜像。

**Megakernel（巨型融合内核）**指把解码阶段大量细碎算子（注意力、归一化、激活、矩阵乘等）合并进一个或少量的 GPU 内核中执行，以减少内核启动开销与显存往返。大模型逐 Token 解码时每步计算量小、访存密集，传统实现常受“启动开销大于计算本身”的制约，融合后能显著提升单用户吞吐。Cute DSL 是英伟达 CUTLASS 体系中的 CUDA 模板抽象层，用于编写高性能张量运算内核；vLLM 则是开源的高吞吐推理框架，其 PagedAttention 等机制被广泛采用，因此上游优化会迅速惠及整个生态。

机器人维修：被低估的就业新赛道

京东公布了一组值得关注的数字：与智元、云深处、众擎、松延动力等近百家机器人企业达成售后维修合作，未来 5 年计划创造超过 10 万个机器人维修工程师岗位，并推动以快递员为代表的物流一线员工转型。

机器人出货量上涨之后，维修必然成为刚需。这条新闻的价值在于它揭示了具身智能产业链中一个容易被忽略的环节——服务网络。硬件越复杂，后市场越重，谁先铺开维保体系，谁就掌握了机器人落地的最后一公里。对比 OpenAI 的「大脑」路线，京东走的是典型的场景侧切入，两者并不冲突，反而构成了产业链的两端。

**机器人后市场（aftermarket）**指整机售出之后的维保、备件、翻新、培训与运营服务，其经济特征类似汽车 4S 体系：硬件越复杂、单价越高，服务收入占比越大。人形机器人的关节模组、减速器、力传感器与电池属于高损耗件，且故障诊断需要同时理解机械与软件日志，因此维修工程师需要跨学科培训。这一环节也决定规模化部署的隐性成本——若单台年均维保费用过高，客户的总体拥有成本（TCO）将削弱采购意愿，服务网络的密度因而成为出货量的前置条件。

其他值得一看的动向

安全警钟：开源 AI 编程工具 OpenCode 披露安全事件，一套正在停用的旧系统遭未授权访问，约 1.4% 的 OpenCode Console 用户受影响，保存在工作区的第三方 AI 服务 API 密钥（含 OpenAI、Anthropic）可能泄露。有用户反映当月 20 美元 API 额度已被耗尽。OpenCode 正与多家模型服务商协商异常费用退款，但尚未承诺。把密钥托管在第三方平台的风险，再次被摆上台面。

芯片格局表态：英特尔 CEO 陈立武称美中芯片各有优劣势，差距没有想象中那么大，同时强调美国政府的少数股权不影响公司治理独立性，重组已完成八成。

汽车与消费电子：特斯拉新一代 Roadster 因凌空翻转等特技被称为「飞行汽车」，业内质疑其实际使用场景与法规归属，网友调侃「若是国内厂商分分钟被骂到退市」；iPhone Duo 预售火爆，有消费者加价五千多只为成为朋友圈第一个用上的人。

马斯克的新生意：特斯拉正投入资源开发面向商业场景的议价机器人 Hagglebot，基于 Grok 构建，马斯克称可让企业成本效率提升 5% 以上，按全球 GDP 测算每年节省成本最高达 6 万亿美元。这是一款软件 Bot，与 Optimus 实体机器人定位不同。

从 OpenAI 的「大脑」宣言到 DeepSeek 的 Token 减半，再到英伟达给对手模型做加速，AI 竞争的关键词正在从「更大」转向「更省、更快、更能落地」。