新哥AI资讯 · 2026/08/24
资本继续追逐算力，具身智能从速度演示走向触觉与餐饮场景，智能体正在成为模型用量的新主角。
阅读时间约 7 分钟 ｜ 数据窗口：8月23日 06:00—8月24日 06:00（北京时间）
如果把今天的资讯压缩成一句话：AI正在同时争夺三种资源——资本、物理世界的入口，以及让智能体长期稳定运行的基础设施。
今日重点
1. 阿里拟以配售新股募资800亿港元，净募资计划100%投入全栈AI能力。
2. 天工Ultra在400米决赛跑出38.15秒，具身智能的高速运动控制继续刷新边界。
3. 电容式全身电子皮肤亮相，0.1N级灵敏度与500Hz传输补上机器人的“触觉”。
4. AI烹饪机器人用视觉和菜品模型实时调火，把后厨自动化从固定程序推向闭环决策。
5. 智能体Token用量约增14倍；GitHub热榜同步追捧编程智能体、网关、工作流与可观测性。
资本与算力
阿里800亿港元再押AI：这不是一笔普通融资
HK$800亿 ｜ 净募资100%投入全栈AI
发生了什么：阿里巴巴宣布拟在香港配售新股，配售总对价约800亿港元。公司在公告中明确表示，净募集资金将全部用于全栈AI能力建设，包括扩展和增强AI基础设施。
为什么重要：当一家公司用如此大规模的股权融资直接补充AI投入，信号已经超出“再做一个模型”。真正昂贵的部分，是芯片、数据中心、网络、平台和持续迭代能力。AI竞争正在从产品发布会，走向长期资本开支与工程组织能力的比拼。
对行业而言，这也意味着云计算与模型服务会进一步绑定：模型能力负责吸引开发者，算力与平台负责把调用量变成收入。未来衡量大厂AI进展，不能只看榜单，还要看基础设施利用率、单位推理成本和商业化效率。
来源：阿里巴巴集团公告；香港交易所披露。
具身智能
从跑得快到感觉得准，机器人补齐两块关键能力
天工Ultra：400米跑进38.15秒
400米 38.15秒 ｜ 100米预赛 9.39秒
赛事报道显示，北京人形“天工Ultra”在第二届世界人形机器人运动会400米大型组决赛中跑出38.15秒并夺得首金；此前100米预赛成绩为9.39秒。对人形机器人而言，高速奔跑不是单一电机指标，而是关节输出、动态平衡、散热、感知与控制算法的同步考试。
值得关注的不是“机器人赢过了谁”，而是高速运动能力开始跨越新的工程阈值。只有速度、稳定性与自主性同时提升，机器人未来才可能进入物流、巡检和应急等更复杂的移动场景。赛事成绩仍是特定赛道表现，能否迁移到长时间、非结构化环境，需要更多真实工况数据。
来源：IT之家赛事报道。
全身电子皮肤：让机器人不只会看，也会“感到”
0.1N级灵敏度 ｜ 500Hz传输频率 ｜ 柔性织物基底
汉威科技与卓益得联合发布电容式全身电子皮肤。方案把大面积压力阵列传感器与服装结构结合，目标是让触觉感知从指尖和手掌扩展到机器人全身，并以较高频率处理接触变化。
这块能力决定了机器人能否安全地靠近人。视觉可以判断“那里有人”，触觉则能在接触发生的瞬间识别压力与位置，并让控制系统及时减速、停止或调整姿态。对于护理、陪伴、协作搬运等场景，触觉不是锦上添花，而是安全交互的底座。
来源：IT之家产品报道。
新哥观察：跑得快解决“怎么移动”，电子皮肤解决“怎么接触”。具身智能真正走向实用，需要运动、感知和安全控制形成同一个闭环。
场景落地
AI开始接管后厨的实时判断
3款新品 ｜ 3枚4000万像素相机 ｜ 视觉闭环烹饪
橡鹿机器人发布CookingMuse厨启、3K视觉AI炒菜机器人和“现炒方舟”三款产品。其中，3K通过三枚4000万像素相机观察锅内状态，再由菜品大模型动态调整加热功率与烹饪时长。
这与传统炒菜机的差别，在于控制逻辑从“照程序执行”变成“看见变化再决策”。食材大小、解冻程度或投放位置发生偏差时，系统仍有机会在烹饪过程中纠偏。对于连锁餐饮，这直接对应出品一致性、培训成本与后厨人效。
不过，从大会演示走向规模化运营，还要回答食品安全、设备清洁、菜品泛化、维护频率和投资回收周期等问题。餐饮机器人真正的门槛，往往不是“能不能炒出一盘菜”，而是能否在高峰期连续稳定地炒出上百盘。
来源：IT之家产品报道。
智能体经济
模型正在成为模型的最大客户
智能体Token约增14倍 ｜ 人类用量增2.8倍 ｜ 近70%来自缓存提示
The Decoder援引OpenRouter分析称，自2月以来，智能体Token用量从0.51万亿升至7.3万亿，约增长14倍；同期人类用户用量增长约2.8倍。越来越多的Token，不再由人直接触发，而是由智能体在规划、调用工具、复核和派生任务时消耗。
近70%的智能体Token来自缓存提示，这一点尤其关键。它说明Agent时代的成本竞争，不只是“哪家模型单价更低”，还取决于上下文复用、缓存命中率、路由策略与失败重试控制。谁能让智能体少做无效思考、少重复读取，谁就更接近可持续的商业模型。
需要注意的是，OpenRouter的模型与用户结构不能代表整个市场，14倍更适合被视作一个强烈的方向性信号，而不是全行业精确增速。
来源：The Decoder / OpenRouter数据解读。
GitHub开源雷达
Agent工具链开始成形
以下增量与累计Stars均取自本项目8月24日快照，数据会随时间变化。
Codex
今日 +2,715 Stars ｜ 累计 115,528
OpenAI开源的本地编程智能体，可在代码仓库中分析上下文、修改代码并运行命令。它登上今日AI项目日增榜首，反映开发者对“可执行任务”的编程助手仍有强烈需求。
OmniRoute
今日 +597 Stars ｜ 累计 53,912
聚合多家提供方与模型的本地AI网关，强调额度感知切换、故障回退和上下文压缩。它解决的是多模型时代的接入、成本与可用性管理。
n8n
今日 +476 Stars ｜ 累计 202,168
把可视化工作流、自定义代码、模型和业务系统连接起来，并支持云端或自托管部署。它代表Agent从个人实验走向团队流程和生产环境。
OpenCode
今日 +368 Stars ｜ 累计 200,708
同时提供终端与桌面体验，并区分执行任务的build模式和只读分析的plan模式。其价值在于把“先想清楚”和“直接动手”拆成可控角色。
PostHog
今日 +293 Stars ｜ 累计 38,786
把产品分析、会话回放、实验、错误追踪、日志和AI可观测性集中在一起。Agent越自主，团队越需要知道它调用了什么、花了多少、在哪里失败。
把这五个项目连起来看，就是一条正在成形的Agent基础设施链：智能体负责执行，网关负责路由，工作流负责连接业务，可观测平台负责追踪成本与结果。
今日结论
最值得记住的三件事
• 资本层：AI竞争正在进入更重的基础设施投入周期，算力、平台和全栈工程能力比单次模型发布更能决定长期位置。
• 物理层：人形机器人同时推进运动控制、全身触觉和场景闭环，行业焦点正从“能演示”转向“能稳定工作”。
• 软件层：智能体用量上升会带动缓存、路由、工作流和可观测性成为新的刚需，Agent不再只是一个聊天界面。
一句话收尾：今天的AI新闻看似分散，背后却是同一条主线——让智能从屏幕里走出来，进入资本预算、真实世界和持续运行的生产系统。
信息来源
1. 阿里巴巴集团：拟于香港配售新股份
2. 香港交易所：阿里巴巴配售公告检索页
3. IT之家：天工Ultra 400米决赛报道
4. IT之家：电容式全身电子皮肤报道
5. IT之家：橡鹿AI烹饪机器人报道
6. The Decoder：OpenRouter智能体Token用量分析
7. GitHub：openai/codex、diegosouzapw/OmniRoute、n8n-io/n8n、anomalyco/opencode、PostHog/posthog
编辑说明：本文依据新哥AI资讯2026年8月24日日报素材整理，时间窗口为北京时间8月23日06:00至8月24日06:00；涉及企业口径与赛事数据均保留来源属性，分析部分为编辑判断。