2026年9月15日，AI行业在视频生成、AI治理、智能体落地和端侧AI等领域持续演进。MiniMax H3实现超2倍实时去噪，9秒生成14.4秒768p视频；Greg Brockman再谈AGI，称Astra可合理称为AGI；Google大学生免费AI计划全球铺开；Perplexity与NVIDIA合作将本地AI带入RTX PC。以下是今日AI行业核心资讯。
一、MiniMax H3实现超2倍实时去噪，9秒生成14.4秒视频
MiniMax_AI宣布，sgl_project与VDN-H3将MiniMax H3在8×B200上的去噪性能推至超过2倍实时。预热后端到端生成14.4秒768p视频仅需9.0秒，其中8步去噪耗时6.9秒。官方表示，相比dense 50步H3，未测得质量回退。
| 指标 | H3（VDN-H3 + sglang优化） | H3 Dense 50步 |
|---|---|---|
| 硬件 | 8×B200 | – |
| 视频规格 | 768p / 14.4秒 | 768p |
| 端到端生成时间 | 9.0秒 | – |
| 去噪步数 | 8步（耗时6.9秒） | 50步 |
| 去噪速度 | 超2倍实时 | 实时以下 |
| 质量回退 | 未测得 | 基准 |
官方同时强调，开放模型可通过开放生态实现能力叠加。这意味着H3作为开源模型，社区可以持续在推理优化、采样策略等方面进行改进，而不需要等待厂商更新。9秒生成14.4秒视频的速度，已经超过了实时播放速度——视频生成正在从”分钟级”走向”秒级”，从”离线生成”走向”实时生成”。
二、Brockman再谈AGI：Astra可合理称为AGI，到来悄然且不均衡
OpenAI总裁Greg Brockman近日表示，AGI更像一个模糊光谱，而非某个具体时间点。他称Astra已达到其认为可合理称为AGI的程度，并宣称”我们现已进入AGI时代”。
Brockman还透露了一段历史：十年前OpenAI曾计算出算力曲线，得出距AGI需十五年、若世界愿意建造机器并投入数千亿美元则需十年的结论。2026年，GPT-6 Astra可完成24小时的某项任务——这距离当年的”十年预测”恰好吻合。
争议与背景：这不是OpenAI第一次宣称”AGI时代到来”——Astra发布当天Brockman就曾宣布”欢迎进入AGI时代”。但ARC Prize明确表示Astra”不是AGI”，独立评估也显示Astra在综合智能指数上落后于Claude Fable 5.1。”AGI”的定义本身就是一个争议话题，不同人有不同标准。Brockman的”模糊光谱”说法可能更接近现实——AGI不是一个非黑即白的开关，而是一个渐进的过程。
三、Google面向全球大学生推出一年免费AI计划
Google宣布面向全球符合条件的大学生提供为期一年的免费Google AI计划。
| 地区 | 免费套餐 | 核心权益 |
|---|---|---|
| 美国学生 | Google AI Pro（价值$19.99/月） | Gemini 4倍额度、Gemini Spark、Gmail/Docs中的Gemini、5TB存储、Google Health Premium |
| 美国以外学生 | Google AI Plus | Gemini Omni、2倍使用额度、400GB存储 |
学生还可享受Google AI Pro与YouTube Premium捆绑订阅最高七折优惠。Gemini应用新增专属学生中心，包含学习笔记本（制定学习计划、诊断测验、生成定制化小课程）、交互式可视化（可操作的3D模拟）和Gemini Live中的Deep Research功能。这些功能即日起向所有Gemini应用用户推出。
四、Perplexity与NVIDIA扩大合作，本地AI进入RTX PC
Perplexity宣布扩大与NVIDIA的合作，将完全本地AI带入搭载RTX GPU的Microsoft Windows PC。该方案基于NVIDIA硬件与Perplexity harness，号称可在每台运行NVIDIA硬件的Windows PC上提供不限量的本地智能。
Portable Computer现已在搭载NVIDIA RTX GPU的Windows PC上可用，用户可在本地PC上运行harness、agents和models，处理本地文件与已连接应用，无需将任务发送至云端；在需要时也可使用前沿云端模型。
端侧AI的意义：本地AI的核心价值在于隐私和低延迟——敏感数据无需上传云端，所有计算在本地完成。对于企业用户和注重隐私的个人用户来说，这是一个关键特性。Perplexity + NVIDIA的组合意味着”搜索级AI能力”正在从云端走向桌面，端侧AI的军备竞赛正在升温。
五、Google Deep Research集成Gemini Live，语音驱动深度研究
Google宣布将Deep Research与Gemini Live集成。用户可让@GeminiApp针对某一话题运行Deep Research报告，随后可关闭聊天、锁屏，或继续聊其他内容。该功能的核心卖点是用语音深入探索一个话题。
Deep Research是Google推出的深度研究功能，可以自动搜索网络、整理信息、生成结构化的研究报告。与Gemini Live的集成本质上是”语音交互 + 后台深度研究”的组合——用户用语音提出一个复杂问题，AI在后台进行多步骤的信息搜集和分析，用户可以边做其他事情边等待结果。这是语音AI从”即时问答”向”异步研究”演进的重要一步。
六、UNESCO：AI发展速度正超越治理规则
UNESCO指出，AI的发展速度正超越旨在治理它的规则。UNESCO表示，其正在将伦理原则转化为实践，路径包括2021年的《AI伦理建议书》以及帮助各国强化AI政策与治理的工具。本周，第四届UNESCO全球AI伦理论坛在利雅得举行。
这一判断与近期AI行业的安全讨论形成呼应。从Dario Amodei呼吁放缓AI前沿发展，到纳德拉强调”超级智能须受人类控制”，再到UNESCO的”发展超越治理”警告——全球范围内正在形成一个共识：AI能力的发展速度已经超过了治理框架的更新速度。如何补上这个缺口，是接下来几年AI治理的核心挑战。
七、微软研究院：Copilot智能体真实使用大规模分析
微软研究院首次大规模分析GitHub Copilot的真实使用情况，覆盖320万用户、1300万会话和7.61亿次LLM调用。研究发现了两个关键问题：
- 信息复用衰减：智能体常复用早期步骤的信息，但在开启新对话、切换模型或压缩对话历史时，复用效果显著下降
- 工具失败重试成本：当工具调用失败时，智能体会反复重试并累积上下文，导致计算成本最高增加4倍
这项研究的价值在于它基于真实生产数据而非实验室测试。320万用户、7.61亿次调用的规模，让我们得以看到AI智能体在真实世界中的行为模式。信息复用衰减和工具失败重试成本，这两个问题都是智能体工程中需要重点优化的方向——前者影响智能体的长期记忆能力，后者直接影响使用成本。
八、行业动态速览
- NVIDIA IBC2026发布：新增SDK、NIM微服务、playbook和blueprint，覆盖AI生成视频验证、体育慢动作回放、唇形同步配音等场景
- 斯坦福NLP研究：混合专家模型在数据稀缺下更易对重复数据过拟合，MoE架构的数据利用效率需重新审视
- LangChain优化deepagents：新文件读取格式使edit_file错误减少15%，总输入token降低10%
- Google Cloud × Inferact：将TPU打造为vLLM开源推理一等公民，上游化TPU kernels和原生PyTorch集成
- IDC分析师：多数企业AI自主性超出应得水平，提出六项不可协商条件，首项为”持续准确性”
- Elva发布：面向Agent的API自动发现与目录构建工具，连接代码库自动发现API、映射跨服务使用
- Gartner：CISO角色被重定义：AI加速、威胁演变和新法规共同推动网络安全领导者角色转变
- IDC预测：2030年金融服务技术支出达每年1万亿美元，年增12%，重点在后台而非AI头条方向
- andonlabs Pion：宣称可运营完全自主公司的智能体，已用于自动售货机、电台、商店、咖啡馆等场景
- PyTorchCon北美站：10月20-21日圣何塞举行，面向开源AI社区，含主旨演讲和技术演讲
写在最后：2026年9月15日的AI行业，呈现出”能力加速 + 治理追赶”的鲜明特征。MiniMax H3的超2倍实时视频生成、Astra的AGI宣称、Perplexity的端侧AI——技术层面的进步速度令人眼花缭乱。但与此同时，UNESCO的”发展超越治理”警告、IDC的”企业AI自主性超出应得水平”判断、Gartner的”CISO角色被重定义”——治理和安全的声音也在同步增强。AI不是一个”要不要发展”的问题，而是一个”如何在发展中保持可控”的挑战。当视频生成速度超过实时播放、当智能体可以自主运营公司、当AGI的定义变得模糊不清——我们需要的不是简单的”加速”或”放缓”，而是更精细的治理框架，让技术进步和社会适应能够同步前进。
