今天三则 AI 新闻，看起来一则谈安全、一则谈机器人、一则谈内存。
但把它们放在一起，其实刚好回答 AI 下一阶段最重要的三个问题：
模型愈来愈强之后，谁来测它？
它能不能真的进入实体世界工作？
背后需要的硬件供应跟不跟得上？
AI 竞争开始不只是 Benchmark。
而是从模型一路往外扩张到：
Evaluation → Physical AI → Infrastructure。
① Anthropic＋Accenture：外部评测者直接进 AI 公司里面测模型
Anthropic 9 月 18 日宣布，将和 Accenture 合作创建一种新的 Embedded Evaluation。
这和一般「模型发布后找外面的人测一测」不太一样。
Anthropic 的构想是：
让独立评测者直接进入 AI 公司内部工作。
合作将由 Accenture 旗下专门做 AI 的 Faculty 团队主导，工作包括：
- Model Evaluation
- Red Teaming
- Alignment Assessment
- Safeguard Testing
而且 Embedded Evaluator 能取得接近公司员工层级的访问。
这件事特别值得注意，因为 Anthropic 自己也承认：
这种制度还很新，很多实际运作细节仍在设计。
也就是说，这不是一套已经被证明完美有效的监管制度。
而是一个新的尝试：
如果 AI 公司自己开发、自己测、自己宣布安全，外部的人到底能不能真正看清楚模型在内部发生什么？
Anthropic 想把第三方评估再往里推一层。
五年，双方至少各投入 10 亿美元
这次合作不是只找几个顾问做一次 Assessment。
Anthropic 与 Accenture 表示：
未来五年，
双方预计至少各投入：
10 亿美元。
也就是合计至少：
20 亿美元的能力建设。
这些资源不是拿去训练下一代 Claude 本身，而是创建：
- 评测人才
- Red Team 能力
- Alignment Testing
- Model Safeguards
- Enterprise AI Safety Expertise
这个数字本身就透露一件事。
AI Safety 正逐渐从：
「模型发布前做几个 Benchmark」
变成：
一个需要大量人力、工具、制度与持续投入的新产业。
而且这和 9 月 10 日 SasaDaily 整理过的 ENISA 直接取得前沿模型进行政府测试，又是另一种方向。
前者是：
政府从外面测。
这一次则更像：
独立评测者直接进到 AI Lab 里面测。
② Spirit AI：机器人的「ChatGPT Moment」最快可能 2027 年中出现？
第二则来到 Physical AI。
中国机器人新创 Spirit AI 创办人 Gao Yang 向 Reuters 表示，他认为 Embodied AI 最快可能在 2027 年中出现一次类似 ChatGPT 的能力突破。
这里首先要分清楚：
这是公司创办人的预期，不是已经发生的事实。
也不能理解成：
2027 年机器人就一定会像科幻电影一样到处工作。
Spirit AI 指的突破比较具体：
让机器人收到自然语言指令后，
能理解：
人到底要它完成什么工作，
再自己控制身体去完成。
今天的大语言模型已经很会处理：
文字、
图片、
声音。
但机器人多了一个非常麻烦的问题：
它真的要碰东西。
Spirit AI 现在做到什么程度？
Reuters 报导，Spirit AI 目前在结构化环境中的简单任务，成功率大约可以达到：
90%。
公司的 Moz1 Humanoid Robots 已有数十台进入 CATL 与 JD.com 等公司的生产线工作。
但这不代表它们已经具备通用人类能力。
目前比较适合的是：
- 环境相对固定
- 任务范围明确
- 动作可以大量练习
- 工厂能控制变量
这也是为什么创办人认为：
Industrial Deployment 可能比 Household Deployment 更早成熟。
家庭反而更难。
因为家里的：
衣服、
杯子、
桌椅、
垃圾、
人、
宠物、
空间
每天都可能不同。
对机器人来说，这种环境远比固定产线复杂。
他们不用 Simulator 当主要数据源
Spirit AI 另一个值得注意的做法，是大量使用真实世界数据。
Reuters 报导，公司目前大约透过：
1,000 名 Contractors
替机器人收集真实操作数据。
原因之一是：
一些柔软、会变形的物体，很难在 Simulation 里完全还原。
例如：
衣服、
袋子、
线材
被抓起来之后，每次形状都可能不同。
所以 Physical AI 接下来的一场竞争，可能不只是谁有最大的模型。
而是：
谁有大量、高品质、真实世界的机器人操作数据。
③ CXMT 准备从 DRAM 跨进 NAND
第三则则回到所有 AI 背后最现实的东西：
内存。
Reuters 9 月 18 日报导，中国内存大厂 ChangXin Memory Technologies，也就是 CXMT，正在规划跨进 NAND Flash 市场。
CXMT 过去主要专注：
DRAM。
而中国另一家大厂 YMTC 主要做：
NAND。
原本两家公司某种程度上各守一条产品线。
现在这条界线可能开始消失。
CXMT 计划在北京新厂创建一条 NAND 研发生产线，并已开始与潜在客户讨论，其中包括一家未具名的 AI-focused Startup。
为什么现在想做 NAND？
原因之一正是：
AI Server。
AI Server 不只需要 GPU。
一台真正工作的 AI Server，还需要大量：
- HBM
- DRAM
- NAND Storage
- Networking
- Power
- Cooling
尤其 AI Dataset、Model Checkpoint、Vector Database、Inference Cache 等数据量愈来愈大，Storage 本身也开始变成瓶颈。
Reuters 指出，目前全球 NAND 市场正面临供应吃紧。
CXMT 如果真的跨入 NAND，未来面对的就不只是中国 YMTC。
还包括：
- Samsung
- SK Hynix
- Micron
等全球主要内存业者。
中国内存版图也可能重新排列
这里不能把事情简化成：
CXMT 宣布做 NAND，所以中国已经能取代国际内存厂。
目前还只是扩张计划，而且 NAND 本身也有：
制程、
Yield、
Controller、
Customer Qualification、
成本
等大量现实问题。
但它透露一个趋势：
以前 AI 芯片战大家最常看 GPU。
接下来愈来愈多竞争会落到：
GPU 周围的每一个零件。
HBM 不够，
AI Server 出不了货。
DRAM 不够，
System Capacity 受限。
NAND 不够，
数据存不下、加载速度上不去。
AI 基础建设正在把内存从「电脑零件」，推成战略资源。
今天三则新闻，其实是一条完整的 AI 生产链
把今天三件事情放在一起看：
Anthropic＋Accenture
在解决：
「模型变强后，谁来证明它够安全？」
Spirit AI
在解决：
「模型怎么从屏幕里走出去，真的控制身体做事？」
CXMT
在解决：
「AI 规模愈来愈大，底下需要的硬件谁来供应？」
所以 AI 下一阶段的竞争可能不再只是：
谁发布最强的新模型。
而是整条链都要跟上：
模型
→ 评测
→ 部署
→ 实体世界
→ 芯片
→ 内存
→ 基础设施。
AI 愈接近真实世界，
真正困难的事情反而愈多。
今天，和 AI 一起进步一点。
每天学会一个 AI 技巧。
每天节省一点时间。
每天提升一点能力。
SasaDaily，陪你一起成长。
推荐阅读
今日 AI 工具｜2026/09/11：Qodo Agentic Toolbox，让另一个 AI 先检查 Claude Code、Codex、Kiro 的改动，再开 Pull Request
机器人以前换新工作常要收几十小时数据，为什么 Skild 现在只给它看一支视频？
AI 晚报｜2026/09/16：SK Hynix 据报洽 Intel 首次在美制造内存，Ohio 厂可能接手，AI 内存供应链再往美国搬
