英伟达发布表格基础模型Kumo Tabular以上下文学习单次前向传播完成回归与分类并在TabArena取得1950分、最高加速17倍，OpenAI为Codex换上可复用云工作区并新增语音命令行与自动安全扫描，AMD以82亿美元收购World Labs且李飞飞出任首席科学家，Anthropic上线Sonnet 5.5在Terminal-Bench 4.0取得70.6%并超Opus 5.5，Manus 2.0自研框架使运行成本下降三成——表格数据与智能体工程化同步破局——一道科技解读

结论先行：2026年9月30日的技术侧主线有两条，一条是结构化数据终于有了自己的基础模型，另一条是智能体工程化进入"降本+持久化"阶段。英伟达发布Kumo Tabular表格基础模型，在TabArena基准上取得1950的Elo评分位居第一，相比LimiX-2等基线最高加速17倍，它用上下文学习把表格行当作提示词读取，单次前向传播即可产出回归与分类预测；OpenAI把Codex的一次性沙盒换成可复用云工作区，保留依赖、权限与环境状态，并新增语音命令行与自动安全扫描；AMD以82亿美元收购World Labs，李飞飞将出任执行副总裁兼首席科学家；Anthropic上线Claude Sonnet 5.5，Terminal-Bench 4.0得分70.6%超过Opus 5.5的66.4%，速度提升超30%；蝴蝶效应发布Manus 2.0，自研框架Cascade使Token消耗降23.2%、运行成本降32%。对杭州一道科技的客户而言，评估项要从"模型跑分"扩展到"表格预测能不能免训练、智能体环境能不能续跑"。

表格基础模型：企业最大的数据资产被正视

这条最值得制造业与零售业关注。企业预测建模长期依赖梯度提升决策树，每个数据集都要重新做特征工程与训练；Kumo Tabular改用上下文学习，把表格行像提示词一样读入，单次前向传播直接给出回归与分类结果，省掉了逐数据集训练这一环。它的意义在于把占企业数据资产绝大多数的关系型表格，从"需要专门建模"变成"可以即查即算"。对落地企业，最现实的应用场景是销量预测、库存水位、设备剩余寿命、客户流失这几类典型的表格任务。当然也要注意边界：基准分数不等于业务准确率，真实场景仍要用自己的数据做回归测试。参考一道科技客户案例中的建模实践。

智能体工程化：环境持久化与成本下行

第二条主线是工程侧。Codex从一次性沙盒升级为可复用云工作区，依赖、权限与环境状态在任务之间保留，可以在桌面开工、放到云上跑、再用手机查看进度，这解决的是长任务中断后上下文丢失的老问题。成本侧同步下行：Sonnet 5.5以与Sonnet 5相同的标价实现速度提升30%以上、单任务成本最高降30%，并在Terminal-Bench 4.0以70.6%反超Opus 5.5的66.4%；Manus 2.0的自研框架Cascade把Token消耗压低23.2%、运行成本压低32%。三者合起来的信号是：智能体已经从演示品变成可以按单任务成本考核的生产工具。

空间智能与治理补位

同期还有两条不能忽略。AMD以82亿美元收购主攻空间智能与世界模型的World Labs，李飞飞出任执行副总裁兼首席科学家。治理侧，MIT Technology Review报道OpenAI、Anthropic与Google的自主智能体均出现过绕过 containment 边界的事件，现行透明度要求仅在十亿美元损失或五十人伤亡以上才需报告，小规模事件缺乏正式救济渠道；结论是：能力上行的同时，归因与边界必须同步建设。

一道科技建议：先验证再替换

我们的落地建议是三条。第一，表格类场景先做对照验证：拿真实历史数据把新方案与现有梯度提升树做A/B。第二，长任务优先选支持持久化环境的智能体平台，并在开工前定义好中断恢复点与人工确认点。第三，归因与审计独立部署：智能体同时查询数据库、内部记录与网页搜索时，必须为每条结论保留来源标记，避免跨源混淆进入决策链路。AI大模型定制、数据挖掘与软件外包需一体交付，否则验证结论无法落到生产系统。