侧重 AI Coding 与 具身智能 方向，精选 6 条今日值得关注的重要动态。
1. Anthropic 发布 Claude Tag，卡帕西称其为"LLM 第三次变革"
事件内容：
6 月 24 日，Anthropic 推出企业协作工具 Claude Tag，定位为 Claude Code 的一次重大进化。Claude Tag 直接嵌入 Slack 工作流，团队成员可在频道中 @Claude 布置任务，由它拆解步骤、调用 GitHub/Jira/Linear 等工具完成 PR 提交、数据分析等工作，完成后主动回频道汇报。其核心能力被概括为四点：共享上下文（整个频道共用同一个 Claude，而非各自维护）、持续记忆（积累项目背景与团队惯例）、主动介入（Ambient Mode 下主动跟进被忽视的讨论与待决策事项）以及异步执行（任务可跨小时甚至跨天持续推进）。Anthropic 透露，公司内部约 65% 的产品代码已由 Claude Tag 参与完成。目前该功能仅支持 Opus 4.8，已向 Enterprise 和 Team 用户开放 Beta，未来 30 天将逐步取代现有 Slack 版 Claude 应用。
为何值得关注：
这是 AI Coding 从"个人编程助手"向"团队 AI 同事"演进的关键一步。卡帕西所言的"第三次变革"，本质是 LLM 从被动应答的工具变成了一个拥有组织上下文、可持续运行的自治系统。Claude Tag 把 Claude Code 的代码能力与企业工作流深度绑定，争夺的不再是写代码的效率，而是难以显式记录的组织知识。这与微软 Graph+Copilot、Glean 的企业知识层之争同构——谁先成为企业内部的统一入口，谁就卡住了 AI 时代的协作咽喉。
2. 英伟达发布 Halos for Robotics，抛出机器人"具身版安卓"
事件内容：
6 月 23 日，在芝加哥 Automate 2026 大会上，英伟达发布全栈机器人安全系统 Halos for Robotics。Halos 将英伟达在自动驾驶领域超 18600 工程人年、700 万行验证代码的安全积累迁移至机器人赛道，提供从芯片到认证的统一安全架构，分为平台安全（IGX Thor 独立安全岛）、安全操作系统（Linux+QNX 混合隔离）、算法安全（约束 VLA/VLM 决策）和生态安全（ISO/IEC 17020 检测资质）四层。核心安全框架已开源，Agility、波士顿动力、禾赛科技等 43 家企业加入生态，Agility 已将 Halos 整合进 Digit 机器人在亚马逊、GXO、丰田工厂上岗。英伟达明确"不造机器人"，走安卓开放路线，与特斯拉自造自闭环的 iOS 路线形成对照。
为何值得关注：
具身智能正从实验室走向真实工业场景，而真正决定能否落地的往往不是模型有多聪明，而是安全能否被验证。英伟达用 Halos 补齐了其机器人全栈（Isaac Sim 仿真、GR00T 模型、Cosmos 世界模型、Jetson Thor 推理）的最后一块拼图——安全与准入。一旦企业接入这条链路，更换任何一层都意味着重新走验证流程，迁移成本极高。这实质上是英伟达在定义"机器人该怎么被造出来"，而非单纯卖工具，是典型的平台级护城河布局。
3. 华为云 HIL-ResRL：1 小时真机微调让 VLA 成功率破 95%
事件内容：
6 月 24 日，华为云 CloudRobo 团队公布论文 HIL-ResRL（arXiv:2606.22860），提出一种模型无关的 VLA 微调适配器。其核心思路是把预训练 VLA 模型（如 Diffusion Policy、π0.5）当黑盒冻结，仅训练一个轻量残差网络做"纠偏"，并引入人类在环（HIL）干预——操作员手持 SpaceMouse 在机器人偏离分布时轻轻扶一把，既保障安全又提供高价值困难样本。在 UR5e 机械臂上的实验显示，原本 50%-80% 成功率的任务经 40-90 分钟真机训练后飙升至 95% 以上；接入六轴力/力矩传感后，插头插孔等高精度接触任务从纯视觉的 50% 提升到 93%。相比从头训练的真机 RL 基线，HIL-ResRL 在复杂任务上呈现断层式领先，且紧急急停次数从 15 次降至 2 次。
为何值得关注：
VLA 模型落地最大的拦路虎是分布偏移与误差累积——实验室里十拿九稳，产线上稍变位置就"懵圈"。HIL-ResRL 用"大模型打底+小脑纠偏+人类护航"的轻量思路，回避了动辄千卡微调基座的重投入，把工业级真机适配压缩到 1 小时量级，直击柔性制造"多品种、小批量、短周期"的痛点。这种即插即用、不挑模型的残差范式，为具身智能从单点 Demo 走向产线规模化提供了一条务实且可复制的破局路径。
4. 阿里 QoderWork 上线国内首个"峰谷 Token"，夜间 Qwen3.7 低至 2 折
事件内容：
6 月 23 日晚，阿里 QoderWork 推出"峰谷 Token"定价机制——Agent 在每晚 22:00 至次日 08:00 运行可自动享受优惠，其中 Qwen3.7-Max 模型低至 2 折，这是国内首个上线峰谷 Token 的 Agent 产品。覆盖 QoderWork、Qoder Desktop 等产品。用户可在白天设定定时任务或睡前提交长程任务指令，选择 Qwen3.7 让 Agent 夜间跑完全流程，早上验收结果。此举借鉴电力峰谷电价思路，将算力空闲时段以极低价格释放给开发者。
为何值得关注：
AI Coding 的竞争正在从"模型能力"下沉到"使用成本与调度效率"。峰谷定价本质是对 GPU 算力供需错配的市场化调节——夜间推理算力闲置严重，2 折价格既提升资源利用率，又显著拉低开发者跑长程 Agent 任务的门槛。对 Vibe Coding 和夜间批量跑 Agent 工作流的用户而言，这是实打实的成本红利。更深层看，Agent 产品开始像云服务一样精细化运营算力经济学，标志着 AI Coding 从尝鲜期进入日常生产期。
5. DeepSeek 全力押注 Agent，Harness 负责人天天贴"小广告"招人
事件内容：
6 月 22 日，DeepSeek Harness 部门负责人崔添翼再次在线直聘，一口气放出 Harness 研究员、工程师、产品经理三个岗位，直言"每天都在面试，以及各种地方贴小广告"，招了一个多月仍未招够。崔添翼将 Agent 拆解为公式"Model+Harness=Agent"——模型是发动机，Harness 是方向盘、变速箱、刹车，是模型之外让 Agent 真正可用的全部工程。JD 中明确列出的能力坐标包括上下文管理、长期记忆、Subagent 与 Multi-Agent、自进化 Agent、Context Engineering、MCP、Tool Use、Planning 等。崔添翼为浙大计算机本科、6 次 ACM 亚洲区金牌、前 Jane Street 量化交易员，今年 3 月加入 DeepSeek 挂帅 Harness 团队。
为何值得关注：
大模型上半场抢研究员，下半场抢能把研究、工程、产品揉到一起的复合型 Agent 人才——DeepSeek 的"用工荒"是整个赛道的风向标。当顶级模型厂商都开始把 Harness（而非单纯模型）当作差异化核心，说明 Agent 的竞争重心已从"模型智商"转向"工程驯化力"。那份 JD 几乎就是一张 Agent 时代的能力地图：会调模型的人很多，能造马鞍、驯鲸鱼的人极度稀缺。
6. 物理 AI 首块万亿市场在公路货运跑通闭环，申通安能真金白银买单
事件内容：
6 月 24 日，DeepWay 深向智能新能源重卡接连实现规模化交付，鸭嘴兽、马士基、安能、申通等物流企业实打实下单。DeepWay 已积累超 3 亿公里 L2 数据、交付超 7500 辆 L2 重卡，L2 系统付费订阅率突破 30%，是全球首家实现重卡 L2 全系标配量产及订阅收入的企业。其 L4 编队"前车有人+后车无人"已完成测试验证，在内蒙古巴彦淖尔至乌海指定路线获批商业试点运营，可将人力成本缩减 50% 以上。DeepWay 凭借软硬件一体化掌握整车核心数据，形成"数据 scaling 与商业 scaling"双飞轮，事故率较传统运营降低约 60%。全球重卡约 2000 万台，仅司机工资就达数万亿元，公路货运被视为物理 AI 不确定性最低、商业价值最明确的万亿级赛道。
为何值得关注：
物理 AI 的叙事长期被 Demo 和概念占据，而公路货运用真实订单证明了闭环可跑通。DeepWay 的价值在于把"数据飞轮"和"商业飞轮"同时转起来——L2 规模化运营既采集数据又产生现金流，反哺 L4 迭代。这给具身智能行业一个清醒参照：落地最快的往往不是技术最炫的，而是商业逻辑最清晰、监管最早放行的。从"辅助工具"到"部分替代"再到"重构行业"，货运自动驾驶正把重卡一步步变成货运机器人，这是物理 AI 兑现万亿价值的第一块实拼图。
每日 09:00 自动更新 | 侧重 AI Coding 与具身智能方向