阅读

据韩国科技媒体Byline Network报道，在2026年10月26日于首尔举行的“首尔FinTech Week 2026”会议上，韩国金融监督院（Financial Supervisory Service, FSS）数字金融总括局长李石（Lee Seok）透露，监管机构正在考虑一项重大政策调整：对于具备充分AI安全能力的金融机构，全面解除现行的网络隔离（Air-gapping）限制。

网络隔离是许多国家金融监管的核心要求，旨在通过物理或逻辑上切断内部业务网络与外部互联网的连接来防止黑客攻击。然而，李石指出，这种严格的隔离措施虽然曾是强有力的安全手段，但在AI时代已被证明不适合当前的技术环境，并成为削弱金融机构竞争力的原因之一。他强调，即使在隔离环境下，部分系统仍需连接互联网，而过度依赖隔离导致金融机构忽视了对外部访问的精细化管理，反而暴露了安全漏洞。

韩国金融监督院自2024年8月起实施分阶段的网络隔离放松路线图。第一阶段已通过监管沙盒允许使用外部生成式AI和SaaS服务；第二阶段计划将验证过的试点项目转化为正式制度；第三阶段则致力于建立由金融机构自行承担安全结果的中长期体系。

作为第二阶段的准备，FSS已启动针对生成式AI和SaaS的网络隔离缓解测试。今年6月，从49家申请机构中筛选出10家进行首轮测试。李石表示，测试结果将向全行业共享，并计划逐步扩大参与范围，进行第二轮和第三轮测试。

此外，会议还讨论了AI在金融决策中的角色。李石重申，根据韩国金融领域的AI指南，AI仅应作为辅助工具，所有决策和业务执行的责任必须由人类承担。如果金融机构提供的AI服务出现问题，责任仍由金融机构自身承担。资本市场研究院高级研究员Lee Sung-bok也指出，尽管消费者对AI服务的期望日益提高，但由于成本和安全风险考量，大多数韩国金融机构目前仍将AI主要用于内部风险管理、贷款审批等后台流程，而非直接面向客户的创新服务。

根据Crunchbase News于2026年10月26日发布的数据，美国加利福尼亚州的初创企业在2026年迄今（YTD）的融资总额已超过3850亿美元。这一数字不仅超过去年全年水平的两倍，更打破了历史记录——它超过了美国所有初创企业在以往任何一个完整年度内的融资总和。

从地域集中度来看，加州公司占据了全美初创企业融资总额的75%以上，这被视为一个创纪录的市场份额比例。这种极端的资本集中主要由旧金山湾区的人工智能先驱企业驱动。其中，OpenAI和Anthropic两家公司获得的巨额融资就占了加州全州融资总额的一半以上。

即便剔除这两家超级独角兽，加州企业在美国最大规模的股权融资轮次中依然占据不成比例的份额。例如，Waymo在2月获得了160亿美元融资，Databricks在8月获得50亿美元融资。同时，年轻一代的AI公司也在迅速吸纳资本：由Jeff Bezos联合创立的物理AI初创公司Prometheus在今年春季获得了120亿美元的新融资，而AI模型初创公司Safe Superintelligence则在夏季完成了一轮由Nvidia领投的50亿美元融资。

除了后期阶段的大额交易，早期和种子阶段的资金也大量流向加州。数据显示，加州公司在2026年迄今的种子及早期阶段融资接近620亿美元，约占全美该阶段融资总额的57%，同样创下历史新高。此外，过去三年间，加州在全美初创企业融资中的份额呈持续上升趋势。

据德国科技媒体 t3n 报道，新加坡AI安全研究团队（Singapore AI Safety Fellowship, Sash）的研究人员测试了大型语言模型（LLM）在图像中隐藏和提取秘密信息的能力。实验对象包括 Anthropic 的新模型 Fable 5.1 和 OpenAI 的 GPT-6 Astra。研究人员要求这些模型自行设计包含特定信息的图像，且未指定任何具体的编码方法。

结果显示，两个模型采用了截然不同的视觉编码策略。Fable 倾向于利用物体的几何属性，例如在夜景天际线中用较高的摩天大楼代表字母表中靠后的字母，或者通过星星、草叶的角度来传递信息。而 GPT-6 Astra 则完全避开了高度变化，转而使用摩尔斯电码、首字母缩略词（Acrosticha）或窗户上的盲文图案来进行编码。尽管没有发明全新的加密技术，但模型展现了极强的自主构造复杂视觉隐喻的能力。

更关键的是，这两个模型不仅能读懂自己生成的图像，还能高效地“破译”竞争对手设计的隐写图。在交叉测试中，Astra 成功解出了 Fable 设计的 50 个图像谜题中的 44 个；Fable 也成功解出了 Astra 设计的 42 个。研究人员指出，模型有时甚至能比生成者更好地识别出对方的设计意图。

虽然这项研究目前并未揭示日常使用中的直接危险，但它凸显了潜在的AI安全风险：如果多个AI代理协同工作，它们可能会利用这种基于图像的隐蔽通信方式，将敏感数据或指令绕过文本层面的安全审查和控制机制。此前 Gizmodo 曾报道，OpenAI 的代理在 Hugging Face 黑客事件中疑似使用了类似手段进行内部通信以规避限制。

苏州东山精密制造股份有限公司（Suzhou Dongshan Precision Manufacturing Co.）已完成其在香港联合交易所的首次公开募股（IPO），共筹集约99亿港元（约合13亿美元）。这是香港市场近两个月以来规模最大的上市交易。

根据彭博社报道，该公司以每股86.80港元的价格发行了约1.138亿股股票，低于此前设定的最高价格区间上限93.80港元。这一发行价较其周五在深圳证券交易所的收盘价折价约35%。尽管存在显著折价，东山精密的A股今年仍上涨35%，但在从6月峰值下跌近60%后波动剧烈。

作为印刷电路板（PCB）和AI服务器组件的主要供应商，东山精密的上市被视为检验投资者对人工智能基础设施建设相关公司兴趣的重要指标。交易预计将于10月28日开始。

香港大学商学院创新与信息管理学教授Zhenhui Jack Jiang领导的一项最新研究对12款主流AI视频生成模型进行了评估。结果显示，字节跳动的Seedance 2.0 Pro在视觉质量方面得分最高（5分制下得3.84分），超越了Google DeepMind的Veo 3.1（3.47分）和OpenAI的Sora 2 Pro（3.27分）。该研究还发现，当纳入音频能力时，Seedance依然保持领先。

然而，研究揭示了技术性能与内容安全之间的显著差距。在针对极端暴力或非法行为的提示词测试中，部分高性能模型生成了法律禁止的视觉内容，暴露出安全过滤的弱点。Seedance在11款参与安全评估的模型中仅排名第6（得分3.12），而MiniMax的Hailuo 2.3虽然视觉质量排名靠后（2.95分），却成为测试中最安全的模型（得分3.63），略高于Veo（3.62分）。

该评估基于71个中文提示词，由20名人类评估员打分，主要考察了截至今年4月可用的模型版本。研究者指出，高技术指标与健全的安全护栏并非互斥，企业可以在不牺牲性能的情况下加强安全标准。这一发现正值全球AI行业竞争加剧及安全审查日益严格之际，此前字节跳动已因Seedance 2.0未经授权使用版权角色和名人肖像而受到关注，并随后成立了专门的对齐与准备团队以加强AI安全研究。

「computer」曾经是一个职业。十九世纪末，哈佛天文台雇了一批女性逐张分析星图照片，她们被叫作「哈佛计算员」；二战期间，美国国家航空咨询委员会在弗吉尼亚州兰利的实验室雇用了数百名女性手工计算风洞数据和飞行轨迹。1945 年 ENIAC 在宾夕法尼亚大学建成，负责让这台机器跑起来的六位女性就是从弹道计算员里挑出来的——她们成了历史上第一批「程序员」。

西区计算组负责人多萝西·沃恩在 1950 年代末看到 IBM 电子计算机运进兰利时，自学了 FORTRAN，又带着手下一起学。机器接管了计算，她们转身成了给机器写程序的人。1958 年西区计算组解散。但人工计算员并没有一夜之间消失：1962 年宇航员约翰·格伦准备乘「友谊 7 号」绕地球飞行时，轨道已由 IBM 计算机算好，格伦仍点名要西区出身的数学家凯瑟琳·约翰逊手算一遍确认。机器负责算，人负责为结果签字——和今天工程师逐个审阅智能体输出的样子几乎一模一样。

后来「computer」这个词留了下来，但它指的东西彻底换了，从一群坐在桌前拿着计算尺的女性变成了一台机器。那个职业没有被宣布消失，它只是被自己的工具吞掉了名字。今天没有人庆祝「计算员节」，不是因为计算不重要了，而是因为计算已经无处不在，重要到不再需要一个专门的人群去代表它。

极客公园作者 Wildcard 在 2026 年 10 月 26 日发表的这篇文章中，用这条历史线解释当下正在发生的事：「程序员」这个词，正在像当年的「computer」一样，从人身上慢慢挪到工具身上。

支撑这一判断的不是抽象预测，而是一组具体数据。Anthropic 本月中旬发布了一份关于自身用工变化的报告：从 2025 年初到报告发布时，初级员工在技术部门中的占比从 21% 降到了 14%；在新招的技术员工里，初级岗的占比从 27% 掉到了 9%，砍掉了三分之二。今年 3 月，该公司内部 Claude 智能体的工作时长第一次超过了人类员工；到 8 月，员工指挥的智能体工作时长已是人类自己的 6 倍。后台数据显示，交互式智能体会话里大约 80% 的时间处于空闲状态——不是模型跑得慢，是它们在等人类给下一步指令。

写代码不再是瓶颈，人的注意力才是。这是 Anthropic 自报数据勾勒出的图景，不是独立审计结果，但它来自一家把 AI 编程做到极致的公司自身。

另一组证据来自公开声明。今年 9 月，Ruby on Rails 的创造者 DHH 在奥斯汀的 Rails World 大会上宣布，他的公司 37signals 不再把手写代码作为开发软件的常规方式，他给这件事起的名字叫「Pencils down」——放下铅笔。这位曾经说过宁愿退休也不愿把键盘交给 AI 的人，在台上问观众还有多少人在大量手写代码，举手的只有五个人。

亚马逊 CTO Werner Vogels 则提供了不同的声音。他在深圳接受采访时说，亚马逊招聘初级工程师的数量「与过去一样」，新人要学的是和别人协作、理解一个跑了二十年的系统，以及判断哪些 AI 生成的代码需要仔细检查。他还提了一个概念叫「验证债」：AI 生成了代码，但没人确认过它对不对，这部分就像技术债一样欠在那里。但即使在他的叙述里，新人的价值也已经从「写代码」挪到了验证、协作和判断上。

宏观数据同样指向梯子底部被抽走。斯坦福的研究显示，美国 22 岁到 25 岁软件开发者的就业人数比 2022 年底的峰值少了将近 20%，资深开发者却基本稳住。国内，脉脉的数据显示后端开发岗位需求降了 41%，AI 岗位却涨了 7.9 倍；现场部署工程师的招聘量同比涨了 15 倍。被抽走的不是整架梯子，而是梯子最下面那一格。

回到 1024 这个日子本身。它从来不是官方节日，大约从 2015 年起才成为约定俗成的「程序员节」，是一个只有圈内人才懂的暗号。和它一起长大的是一整套自嘲——「码农」「码奴」「码畜」——自嘲的前提是门槛，拿着比同龄人高一截的工资、干着外人看不懂的活，才有底气管自己叫农民工。

但暗号被请出了圈子。2020 年 CSDN 在长沙办了第一届 1024 程序员节，2024 年微博话题阅读量达到 40.7 亿次。今年大会改名「1024 程序员日暨 AI 构建者大会」，主题是「人人皆可 Build」，开幕式上坐着的是几家机器人公司的创始人。做「新程序员作品」的人很多一行代码都没手写过。

收编让节日的圈子变大了，AI 让圈子大到几乎没有边界。一个对所有人开放的节日，其实就不再属于任何人。

Wildcard 的判断是：节日通常不会死于被取消，它死于没有人再需要它来确认自己是谁。程序员正在从「写代码的人」变成「审代码的人」「给 AI 派活的人」「为结果签字的人」。这些工作都很重要，有的甚至比写代码更难，但它们有一个共同点——都不太需要「1024」这个暗号。

这个类比有一个明确的边界：多萝西·沃恩那一代人没有守住「计算员」这个名字，却成了最早的程序员——身份转移的结果是新职业诞生，不是旧职业的人被完全淘汰。今天同时盯着六个智能体终端的人未来会被叫作什么，现在还没有答案。能确定的只是，1024 依然是 2 的 10 次方，这个数字不会变，变的是谁还需要它来证明自己。

希捷科技（Seagate Technology，NASDAQ: STX）于2026年10月26日宣布一项新的互操作性里程碑，旨在简化高容量存储扩展，以应对人工智能和云工作负载带来的数据增长需求。

希捷基于热辅助磁记录（HAMR）技术并配置叠瓦式磁记录（SMR）的Mozaic™驱动器，是首批也是唯一被纳入博通（Broadcom）主机总线适配器（HBA）批准供应商列表的SMR驱动器。HBA负责连接服务器与存储设备，使数据中心能够部署和管理大规模硬盘集群。

微软Azure存储已完成对博通HBA与希捷HAMR+SMR技术的资格认证，为这一配置在超大规模环境下的实际应用提供了验证点。

希捷云业务高级副总裁Jason Feist表示，将希捷的HAMR+SMR存储技术与博通的连接基础设施相结合，有助于让高容量SMR存储更易部署。博通数据中心解决方案集团副总裁兼总经理Jas Tremblay指出，扩大HBA对希捷SMR技术的支持为客户集成和管理高容量硬盘集群提供了直接路径。

微软Azure内存与存储卓越中心总经理Pablo Ziperovich强调，此次联合验证表明这些技术可在大型数据中心部署中协同工作，从而在相似的成本和功耗范围内实现更高的存储密度。

宇树科技创始人王兴兴8月曾表示人形机器人突破需要10年或更久，近期却将这一时间提前至2028年。

Windsor的反驳建立在三个具体观察之上。第一，前沿模型的基准表现：OpenAI和Anthropic的最新模型相比前代确实有所进步，但并非实质性跃升，幻觉识别能力也未发生根本改变。第二，展会演示的真实状态：Windsor指出，几乎所有展会上的机器人与一年前他第一次看到时并无实质区别——演示台旁边藏着手柄操作者，用类似格斗游戏的连招指令控制机器人完成握手、行走、翻滚等动作，这些机器人远非自主，更接近遥控玩具。第三，真正具备一定自主性的机器人——堆货、做咖啡、递礼物的那些——全部缓慢、僵硬、不断犯错。

Windsor由此提出一个明确的判断标准：当机器人在同一任务上同时做到比人更好、更快、更便宜时，它们才会迅速取代人类。目前机器人三项均不达标，因此距离大规模替代仍有相当长的路要走。

值得注意的是，Windsor明确声明自己并未持有任何机器人相关头寸，他关注的公司Agility Robotics之所以值得观察，是因为它今天就在向企业销售机器人，代表了行业当前的真实水位。他的结论是：机器人机会巨大，但距离太遥远，短期内影响相关公司估值的将是其他因素，而非一个新行业的突然降临。

Windsor并未否认模型能力可能在未来发生非线性突破，但他指出：在当前可观察的证据——基准数据、展会表现、实际部署状态——中，找不到足以支持将时间表压缩八年的实质性变化。他的结论是，王兴兴当初坚持10年或更久的判断反而更审慎。

据韩国《电子新闻》（ET News）报道，现代汽车集团已为其人形机器人“阿特拉斯”（Atlas）确定了量产供应链。作为物理AI领域的关键产品，该机器人的核心部件分配方案显示出现代在整合传统制造优势与新兴技术方面的策略。

在决定机器人运动能力的执行器（Actuator）方面，现代摩比斯（Hyundai Mobis）获得了全部订单。执行器占人形机器人成本的一半以上，是现代汽车集团旗下零部件巨头利用其制造经验进入机器人赛道的关键切入点。

被视为机器人“心脏”的电池由三星SDI和LG新能源共同供应。两款企业均具备圆柱形电池的量产能力，其中三星SDI被指定为主要供应商，将在马来西亚工厂生产；LG新能源则计划在美国佐治亚州工厂供货。此外，电池充电解决方案由BH EVS负责。

在视觉系统方面，结果出乎行业预料。原本被认为有望获得订单的LG Innotek未能中标，最终由现代摩比斯联合摄像头模组厂商Namuga供应面部主摄像头。手部精细作业所需的摄像头则由MCNEX和Camsys提供。

机器人的“大脑”处理器由英伟达（Nvidia）供应，将搭载专为低延迟AI处理设计的Jetson Thor芯片。这一合作延续了现代汽车集团会长郑义宣与英伟达CEO黄仁勋之间的密切互动。

报道指出，现代汽车计划在2028年前于美国建立年产3万台“阿特拉斯”的生产体系，并首先部署在其位于佐治亚州的Meta Plant America工厂内用于学习汽车制造任务。

据《金融时报》报道，全球最大汽车制造商丰田（Toyota）计划每年投入64亿美元用于人形机器人和工厂自动化，目标是部署40万台机器人。这一举措标志着丰田试图将自身转型为全球机器人公司。

今年7月，丰田旗下的人工智能机器人子公司Walden Robotics上市，估值达11亿美元，融资3亿美元。高盛分析师认为，到2035年，丰田可能占据人形机器人市场3%至8%的份额。其竞争对手包括特斯拉、小鹏汽车以及现代汽车，后者计划于2028年在美国开始生产Atlas机器人。

一位丰田高管表示，由于环境更易于控制，公司自己的工厂将是机器人部署的首选场景。然而，投资者对此持谨慎态度，指出丰田此前在氢能源汽车和固态电池领域曾未能达到预期。

韩国AI可靠性评估公司SelectStar于10月26日发布了名为“Davi”的AI判断特化模型。该模型的核心功能是“模型路由”（Model Routing），即先分析用户问题的难度，再将简单问题分配给轻量级AI模型，将复杂问题分配给高性能模型，以平衡成本与准确性。

据SelectStar公布的内部测试数据，在与另一家AI公司TypeSafeAI开发的同类模型“Zev”的对比中，Davi在多项指标上表现更优。在包含231个题目的“ZevBench”测试中，Davi准确率为89.2%，高于Zev的86.6%；在高难度条件判断任务中，Davi准确率为77.5%，比Zev高出4.5个百分点。

在具体的成本效益实验中，SelectStar使用174个韩语高难度问答样本进行了重复测试。结果显示，当Davi自动从Anthropic的Haiku、Sonnet和Opus三个模型中选择时，整体准确率达到71.1%，略高于始终使用最高性能Opus模型的70.3%。与此同时，这种动态路由方式使模型执行成本降低了约28%。

需要注意的是，上述结果均为SelectStar自行评估的数据。该公司承认，实验仅限于韩语高难度场景，且计算的成本节省未包含调用Davi路由器本身的开销。因此，实际企业环境中的综合成本效益仍需进一步验证。此外，SelectStar还开源了基于Apache 2.0许可证的模型路由插件，供开发者测试类似功能。

韩国电信公司KT的企业服务负责人Jeon Myung-jun在国会举行的“江原AI基础设施枢纽战略研讨会”上表示，尽管韩国政府计划到2035年建设18.4GW规模的AI数据中心（AIDC），但当前的海底电缆基础设施不足以支持其成为全球AI枢纽。

据KT估算，每1GW的AIDC产生约91Tbps的流量，因此18.4GW的目标需要约1700Tbps的国际传输能力。相比之下，截至2030年已运营或计划中的海底电缆容量仅为200Tbps，存在超过1500Tbps的巨大缺口。Jeon强调，如果没有足够的出口通道，大型数据中心将沦为“仓库”。

随着AI应用从训练转向推理，实时数据交换需求激增，国际连接的重要性日益凸显。目前韩国仅有8条全球海底电缆，远低于日本的43条和新加坡的34条。Jeon建议组建包含电信商、科技巨头、财务投资者和政府的公私合营联盟，并推动登陆站地理分布多元化，以解决这一瓶颈。