据《The Information》报道，OpenAI 计划以“预览期”方式发布其最新模型 GPT 5.6，仅向少数合作伙伴开放，而非面向公众。这一变化源于特朗普政府的直接要求。在近日的一次内部会议上，CEO Sam Altman 告知员工，政府将在预览期内“逐个客户审批访问权限”。若进展顺利，OpenAI 希望“几周后”实现更广泛的公开发布。 这标志着特朗普政府 AI 监管立场的重大转变。此前，该政府曾表态对 AI 采取“不干预”态度，但近几个月来逐步推动联邦对新模型的审查。本月早些时候，特朗普签署行政令，要求部分 AI 公司自愿在公开发布前向政府提交新模型进行测试评估。 ## 政府介入与行业反应 据悉，参与要求有限发布的具体机构包括国家网络总监办公室和科技政策办公室。OpenAI 内部员工也与政府密切合作，为此次发布做准备。这一做法与 Anthropic 的“自愿克制”策略不谋而合。Anthropic 此前因宣布其前沿网络模型 Claude Mythos 仅通过“Project Glasswing”项目向少数合作伙伴开放而引发争议。Anthropic 辩称，该模型过于强大，一旦落入不当之手可能弊大于利。 ## 安全顾虑与行业争论 观察人士对 Anthropic 的动机存在分歧：是营销噱头，还是对强大模型滥用的真诚担忧？答案可能介于两者之间。网络犯罪分子早已使用自动化工具，但在生成式 AI 时代，他们获得了更多“数字弹药”。LLM 已被证明擅长编写恶意软件，甚至能自主执行完整的勒索软件攻击。前沿网络工具（如 Mythos）的特别之处在于，它们能以前所未有的速度识别和利用软件漏洞，远超人类分析师的能力。 ## 小结 OpenAI 此次受限发布，既反映了政府对 AI 安全风险的重视，也凸显了行业在“开放”与“安全”之间的两难。若预览期顺利，公众或将在几周后见到 GPT 5.6 的真面目；但若出现意外，则可能进一步强化政府监管的正当性。
AI 智能体正从简单的问答进化到自主执行多步复杂任务，但如何确保它们在实际场景中可靠运行，成为行业亟待解决的难题。由前 Meta AI 研究员创立的 **Patronus AI** 正致力于此——通过构建模拟数字环境来测试智能体的表现。近日，该公司宣布完成 **5000 万美元 B 轮融资**，领投方为 Greenfield Partners，跟投方包括 Notable Capital、Lightspeed、Datadog 和 Samsung，累计融资额达 **7000 万美元**。 ### 需求“几乎难以满足” Patronus 的投资者、Notable Capital 董事总经理 Glenn Solomon 表示，几乎所有前沿 AI 实验室和众多新兴初创公司都已成为其客户，对模拟环境的需求“几乎难以满足”。过去一年，公司营收增长了 **15 倍**，吸引了大量投资者关注。 ### 数字世界模型：让智能体在虚拟环境中试错 Patronus 的核心技术是“数字世界模型”，即创建网站和内部系统的数字副本。在这些模拟环境中，智能体通过**强化学习**进行训练后的压力测试：系统会因成功完成任务而获得奖励，因出错而受到惩罚。这种方法类似于 Waymo 训练自动驾驶汽车的方式——先在合成世界中测试车辆应对罕见危险（如恶劣天气或儿童追球）的能力。不同之处在于，AI 智能体倾向于“走捷径”，导致未能正确完成任务。Solomon 指出：“Patronus 非常擅长发现这些‘作弊’行为，并确保模型承担责任。” ### 从软件工程和金融起步 目前，Patronus 的模拟数字世界主要应用于**软件工程**和**金融**领域，但这只是开始。联合创始人 Anand Kannappan 表示，公司未来将拓展更多行业。随着 AI 智能体被用于订票、财务分析等关键任务，确保其可靠性变得至关重要。Patronus 的解决方案填补了传统基准测试的空白——高分并不代表实际工作能力，而模拟环境提供了更真实的评估手段。 ### 行业意义 Patronus 的快速成长反映出 AI 行业对安全性和可靠性的迫切需求。随着智能体自主性增强，错误可能带来严重后果。通过构建可重复、可扩展的测试环境，Patronus 不仅帮助开发者改进模型，也为企业部署 AI 智能体提供了信任基础。这一轮融资将用于扩大团队、拓展场景，并加速产品迭代。
尽管 ChatGPT 在 AI 领域拥有压倒性的市场领先地位，但数据显示，付费 AI 消费者正越来越多地转向 Anthropic 的 Claude。根据信用卡交易分析公司 Indagari 的数据，Claude 的付费用户和收入自 2026 年 1 月以来增长了约 75%。该数据基于对约 2800 万美国消费者数十亿笔匿名信用卡交易的分析，虽不能提供绝对数字，但足以揭示趋势。值得注意的是，这一增长甚至延续到了 3 月之后——当时 Anthropic 拒绝让特朗普政府将其模型用于大规模监控和自主武器，反而引发了消费者的增长高峰。 另一迹象来自在线教育平台 DataCamp，该平台拥有约 2000 万用户，主要教授 AI 技能。DataCamp 表示，自年初以来，消费者对 Claude 的兴趣激增，Claude 已成为其网站搜索量最高的关键词，甚至超过“AI”。在自主学习的消费者中，Claude 课程的需求是 ChatGPT 的三倍，过去 30 天内 Claude 课程需求增长了 18 倍。不过，ChatGPT 在企业培训中仍更受欢迎。 总体而言，ChatGPT 在消费者中的整体受欢迎程度仍远超 Claude。Sensor Tower 的数据显示，Claude 今年增长良好，但距离 ChatGPT 仍有很大差距。Indagari 数据也表明，ChatGPT 的付费用户数量仍远多于 Claude。然而，不可否认的是，Claude 今年在消费者收入、认知度和兴趣方面已开始追赶 ChatGPT。 这一趋势表明，Anthropic 的客户群比普遍认为的更加广泛和健康——它不再仅限于使用 Claude Code 的企业和初创开发者，而是正在赢得更广泛的付费消费者群体。随着 AI 市场竞争加剧，Claude 的崛起可能预示着消费者偏好正在发生变化，尽管 ChatGPT 的霸主地位短期内难以撼动。
General Intuition 完成 3.2 亿美元融资，估值达 23 亿美元。该公司押注于利用数百万小时的游戏操作数据训练 AI 模型，使其具备类似人类的“直觉”——能够将虚拟世界的空间-时间推理能力迁移到真实世界的机器人上。其核心优势在于拥有包含玩家按键记录的动作标签数据，而非仅依赖视频画面。
## 挑战AI算力瓶颈：振荡器架构能否将功耗降低1000倍？ 在AI算力需求呈指数级增长的今天，电力供应正成为制约行业发展的硬性瓶颈。由前Databricks AI负责人Naveen Rao创立的**Unconventional AI**公司，提出了一种颠覆性的解决方案——基于**振荡器（oscillator-based）的新型计算机架构**，并宣称能将AI推理功耗降低高达**1000倍**。 ### 从“Hello World”起步：Un-0模型诞生 近日，Unconventional AI发布了其首个AI模型——**Un-0**，一个图像生成系统工具。这不仅是公司技术路线的首次公开验证，更被Rao称为“新计算机的Hello World”。研究团队在配套论文中详细阐述了如何利用新架构的软件模拟，构建出一个功能完整的图像生成模型，其性能**与Stable Diffusion、OpenAI GPT Image 1等最先进的扩散模型不相上下**。 ### 振荡器架构：原理与优势 传统AI芯片（如GPU、TPU）依赖布尔逻辑和晶体管开关，而振荡器架构则通过物理振子的频率和相位变化来表征与处理信息。这种根本性的差异带来了两大核心优势： 1. **极低功耗**：振荡器在状态切换时能耗极低，且天然支持模拟计算，避免了传统数字芯片中频繁的数据搬运和转换损耗。Rao相信，最终能将推理功耗降低三个数量级。 2. **并行效率**：振荡器阵列可以高度并行地处理信息，尤其适合AI推理这类大规模矩阵运算。 ### 从仿真到芯片：漫长的落地之路 目前，Un-0模型运行在振荡器芯片的**软件仿真**环境上。公司下一步计划是发布**实际芯片的电路图**，并以此为基础构建完整的推理堆栈——从底层硬件到上层软件，最终像其他云服务商一样提供算力。Rao设想：“我们将构建由自己芯片组成的新系统，运行AI模型，并通过网络接口接收提示词、输出推理结果，而功耗仅为传统方案的千分之一。” ### 前景与挑战 这是一个极其宏大的目标，尤其对于一家**员工不足50人**的初创公司而言。然而，考虑到当前AI基础设施的疯狂扩张——微软、谷歌、Meta等巨头纷纷投入数十亿美元建设数据中心，而电网容量正成为真正的天花板——这种“从零开始”的激进方案或许正是行业急需的突破。 当然，挑战同样巨大：振荡器架构的制造工艺尚未成熟，软件生态几乎空白，且需要证明其在更大规模模型上的可扩展性。但Rao的团队已迈出第一步：用仿真环境证明了原理可行性。未来一年，我们或将看到更多关于这种“新计算机”的实质性进展。
AI 热潮催生了大量数据中心创业公司，但让数据中心真正投入运营并非易事。即使解决了 GPU、网络交换机和存储的采购问题，配置、调试和满足客户多样化需求仍需要数月时间。对于提供 AI 推理和训练服务的“新云”（neocloud）运营商而言，时间就是金钱——GPU 闲置的成本极高。 网络自动化初创公司 **Netris** 宣称能解决这一痛点。该公司提供运行在网络交换机上的软件，以及一个连接交换机的平台，通过自动化设置、配置和运维，帮助新云运营商大幅缩短上线时间。平台还提供网络抽象层，允许灵活调整硬件配置，并在硬件层面隔离服务器和资源，实现多租户支持。 Netris 的 CEO Alex Saroyan 指出，传统数据中心依赖软件定义网络（SDN）进行配置管理，但 SDN 在 AI 场景下力不从心：“AI 流量巨大，所有操作必须硬件加速。”Netris 的方案类似于 SDN，但完全基于硬件加速，且兼容 Nvidia 和 AMD 服务器所使用的网络设备与标准。 这一承诺获得了市场的认可，包括 **Nvidia** 在内的巨头也对其技术表示赞赏。两年前，Nvidia 在演示了 Netris 技术后，主动将其推荐给多个客户。如今，Netris 获得了由 **a16z** 领投的 **1500 万美元 A 轮融资**，用于加速产品开发和市场拓展。 在 AI 基础设施竞争日益激烈的当下，Netris 的出现为中小型新云运营商提供了与大型云服务商抗衡的工具。通过降低网络部署的复杂度和时间成本，Netris 有望成为 AI 算力普及的关键推手。
距离 TechCrunch 创始人峰会 2026 早鸟优惠结束仅剩 2 天，最高可节省 **190 美元**。优惠将于 **6 月 26 日太平洋时间晚 11:59** 截止。 这场峰会专为创始人打造，将于 **11 月 4 日在波士顿** 举行，预计吸引超过 **1000 名创始人及投资人** 参与。活动包含战术学习、坦诚对话和高质量社交，帮助创始人更快决策、更聪明增长。 **核心亮点：** - **创始人优先设计**：所有环节围绕创业、规模化、融资挑战展开。 - **实用工作坊**：涵盖 A 轮融资、路演材料打磨、C 轮及以后时机判断、达到 1000 万美元 ARR、退出策略、IPO 准备等。 - **强大嘉宾阵容**：过往演讲者包括 boldstart ventures 合伙人 Ellen Chisa、Sapphire Ventures 合伙人 Cathy Gao、Underscore VC 合伙人 Chris Gardner、前特斯拉总裁 Jon McNeill 等。 - **团队优惠**：4 人及以上团体可享 **最高 30% 折扣**。 早鸟价仅剩 2 天，6 月 26 日后票价上涨。立即注册锁定席位。
Adobe 于本周四宣布，已达成收购 **Topaz Labs** 的最终协议。Topaz Labs 是一家专注于 AI 驱动的图像与视频增强技术的公司，拥有超过二十年的历史，其技术曾于去年获得艾美奖。Adobe 表示，将把 Topaz Labs 的工具整合到其创意业务中，包括 Firefly AI 应用以及图像与视频编辑套件的其他部分。 ## 交易背景与整合计划 Topaz Labs 近年来推出了自己的 AI 模型：用于视频超分辨率的 **Astra** 和用于图像修饰与增强的 **Wonder**。该公司还开发了一项技术，使得在消费级 GPU 上运行大型视频模型变得更加容易。Adobe 此前已在 Creative Cloud 套件中提供部分 Topaz 工具，此次收购将加速深度整合。Adobe 表示，Topaz 的产品仍将通过其网站作为独立服务提供。 Adobe Creative Cloud 产品营销副总裁 Deepa Subramaniam 在声明中指出，希望将真实镜头与 AI 片段结合的专业人士，可以使用 Topaz 的产品进行锐化细节、降噪或修复存档素材等任务。她强调，Topaz Labs 在优化大型复杂 AI 模型以在设备端直接运行方面拥有深厚专长，这将使 Adobe 能够为客户提供更快、更响应式的体验，让先进 AI 对创意人员来说更易获取且更具成本效益。 ## 行业竞争与战略意图 在图像与视频编辑领域，Adobe 正面临来自 Canva 和 DaVinci Resolve 所有者 Blackmagic Design 的激烈竞争。Adobe 一直在其所有应用中注入 AI 功能，并已通过 Firefly 打造了一个以 AI 为核心的媒体编辑工作室。通过收购 Topaz Labs 等初创公司，Adobe 希望防止用户转向其他软件进行视频编辑和增强，从而将他们留在自己的生态系统中。 ## 交易时间表 Adobe 表示，该交易预计将在 **2026 年下半年** 完成。 ## 小结 此次收购不仅是 Adobe 在 AI 视频编辑领域的一次重要布局，也反映了行业巨头通过整合专业 AI 工具来巩固生态系统的趋势。Topaz Labs 的技术将帮助 Adobe 在设备端 AI 处理能力上取得突破，为用户提供更高效的创意工作流程。
亚马逊（Amazon）近日宣布，将在2030年前额外投资**130亿美元**，用于扩建其在印度的AI和云计算基础设施。这是继2023年承诺150亿美元、2025年12月追加350亿美元后，亚马逊对印度的第三笔重大投资，至此其在印投资总额累计达**480亿美元**。 这笔新资金将主要用于扩建亚马逊云服务（AWS）在孟买和海得拉巴的数据中心容量。亚马逊CEO安迪·贾西（Andy Jassy）与印度总理莫迪会晤后宣布了这一决定。不过，亚马逊未详细说明480亿美元如何在其印度业务中分配。科技公司的长期承诺通常包含资本支出和运营支出，而非仅新增基础设施投入。 ### 全球巨头争相布局印度AI 亚马逊此举正值全球科技公司竞相押注印度成为AI计算基础设施主要枢纽之际。**微软**于2025年12月宣布到2029年在印投资**175亿美元**，**谷歌**则在2025年10月承诺投入**150亿美元**建设AI枢纽和数据中心。此外，澳大利亚AirTrunk、加拿大养老金计划投资局（CPP Investments）以及印度本土巨头信实工业（Reliance Industries）和阿达尼集团（Adani Group）等，也已吸引数十亿美元数据中心项目投资。 印度政府通过政策激励吸引外资，包括对在印度数据中心运行工作负载的海外云服务商，其境外服务销售额给予**税收豁免**。 ### 零售与物流同步扩张 除云基础设施外，亚马逊还在加强印度本土零售和物流网络。公司计划今年开设**20多个**配送中心和**100多个**末端配送站点，并扩展快速配送服务Amazon Now至**300多个**城镇。这使其与Eternal旗下Blinkit、Swiggy的Instamart、Zepto以及沃尔玛旗下Flipkart的竞争更加激烈。本周早些时候，Flipkart宣布计划到2026年底开设**1500个**微型配送中心。 亚马逊在印度的持续重注，反映出其将印度视为全球AI和电商增长关键市场的战略决心。
荷兰贸易部长本周访问华盛顿，直接向美国商务部及国会表达对《MATCH法案》的反对。该法案旨在进一步限制中国芯片制造商获取西方半导体设备，尤其将对荷兰光刻机巨头ASML造成严重冲击。ASML是全球唯一能生产先进AI芯片制造所需光刻机的企业，中国占其净系统销售额的19%。现有管制已禁止最先进的极紫外（EUV）设备对华出口，而MATCH法案将把限制扩展至深紫外（DUV）浸没式设备——这些设备虽属上一代技术，但仍是当前中国可购买的最先进机型。ASML CEO此前曾向TechCrunch指出，中国目前能买到的只是约十年前推出的旧款DUV工具。该法案4月提出，尚未经过众议院或参议院全体投票，可能需并入更大规模法案才能通过。此次荷兰高官罕见亲赴国会游说，凸显欧洲在维护自身经济利益与美国安全诉求之间的艰难平衡。
Vishal Sikka，印度最大IT服务公司之一印孚瑟斯（Infosys）的前CEO，正押注AI能取代传统IT外包工作。他的新创企 **Hang Ten Systems** 宣布获得 **3200万美元** 种子轮融资，由 **Mayfield** 领投，**Aramco Ventures** 战略参投，雅虎联合创始人 **杨致远** 也加入董事会。 ## 核心业务：AI驱动的软件开发与运维 Hang Ten 帮助企业持续构建、修改和运营软件，核心是 **AI驱动的开发与自动化**。公司已与 **西门子歌美飒可再生能源** 和 **费森尤斯** 等客户合作，开展AI原生项目交付。Mayfield管理合伙人Navin Chaddha透露，公司成立仅一个月就获得客户，正快速扩张。 ## 豪华团队与行业背景 Sikka曾在SAP工作12年，后担任Oracle董事，2017年卸任Infosys CEO后创立了企业AI创企 **VianAI**（获软银愿景基金2期1.4亿美元投资）。Hang Ten的核心团队包括多位在SAP、Infosys和VianAI与其共事多年的高管：CTO Navin Budhiraja、首席设计官Sanjay Rajagopalan、高级工程副总裁Tao Liu。 ## 市场格局与争论 Hang Ten进入的是一个传统IT服务商（包括Infosys自身）正通过Anthropic、OpenAI等合作加速AI转型的市场。行业核心争论在于：**AI是扩大IT服务市场，还是从根本上改变企业软件的构建、维护和交付方式？** 一些企业显然渴望尝试AI服务新模式，尤其来自Sikka这样经验丰富的领导者。 ## 融资与扩张计划 Hang Ten总部位于湾区，正招聘交付、工程、销售和管理岗位，计划在全球多地扩张以满足企业需求。本轮融资将用于加速产品开发和市场拓展。
AI 芯片公司 Cerebras 在上市后首份财报中交出了一份令市场失望的成绩单，其股价在盘后交易中暴跌超过 20%。引发投资者恐慌的直接原因，是公司对核心业务毛利率的展望远低于预期。 Cerebras 管理层在财报电话会议上表示，预计下一季度其核心业务的毛利率将收窄至 **40%-45%** 区间，远低于此前市场普遍预期的 60% 以上。这一数字被解读为公司盈利能力可能面临长期压力，导致抛售潮涌现。 面对股价重挫，Cerebras CEO Andrew Feldman 随后紧急澄清，称市场误读了公司的利润率展望。他指出，毛利率的短期波动主要源于**产品结构变化**——公司正在向客户交付更多包含高成本组件的系统级解决方案，而非单纯的芯片销售。一旦这批高价值订单完成交付，利润率有望回升。 ### 毛利率为何“失真”？ 从业务模式来看，Cerebras 并非纯粹的芯片设计公司，而是提供从晶圆级芯片到整机集群的端到端计算方案。其核心产品 **CS-2 系统** 集成了定制化的 Wafer-Scale Engine（晶圆级引擎）以及配套的散热、互联和软件栈。这种重交付模式在初期会拉高成本，但随着规模化部署和软件生态成熟，长期毛利率仍具备提升空间。 然而，分析师们对此持谨慎态度。一方面，Cerebras 正面临来自 NVIDIA、AMD 等巨头的激烈竞争，后者在 AI 训练与推理市场已建立起深厚的软件护城河；另一方面，Cerebras 的客户集中度较高，前五大客户贡献了超过 80% 的收入，大客户议价能力可能进一步压缩利润空间。 ### 上市后的首份“压力测试” Cerebras 于今年 3 月通过 SPAC 方式上市，彼时正值 AI 算力需求井喷，市场对其寄予厚望。然而，本次财报暴露了公司从“技术明星”向“商业实体”转型过程中的阵痛：**营收增长固然亮眼，但盈利路径尚不清晰**。 Feldman 强调，公司正在拓展更多垂直行业客户（如能源、医疗和金融服务），并计划通过软件订阅服务提升经常性收入占比。但短期内，市场情绪仍将受制于毛利率的波动。 ### 小结 Cerebras 的股价暴跌事件，折射出 AI 芯片赛道的一个核心矛盾：**技术突破与商业可持续性之间的鸿沟**。尽管晶圆级芯片在超大规模计算场景中展现了独特优势，但投资者更关心的是，公司能否在巨头环伺下找到一条可复制的盈利路径。未来几个季度，Cerebras 需要用实际行动证明：毛利率的收窄只是暂时性的“成长烦恼”，而非长期趋势。
关于 AI 是否已经取代工作岗位的争论愈演愈烈。今年 5 月，科技行业的裁员人数创下多年来的单月新高，根据再就业服务公司 Challenger, Gray & Christmas 的数据，AI 是被提及最多的原因。理论上，软件工程是最易受自动化影响的职业领域，因为 AI 编程工具的采用速度极快。然而，风投公司 SignalFire 的研究人员表示，招聘数据揭示了不同的故事。 SignalFire 的分析追踪了超过 8000 万家公司中数百万员工的职业轨迹，结果表明，**工程岗位是 2025 年最具韧性的职能**。SignalFire 研究主管 Asher Bantock 指出：“很多裁员的理由都是 AI，特别是与代码相关的 AI；他们会说一个工程师能顶过去多少个工程师的活。但我们在实地看到的情况与这种说法有些不一致。” SignalFire 并未聚焦于难以追踪的裁员数据（因为人们在失业后往往延迟更新就业状态），而是将招聘数据作为更准确的实时劳动力趋势指标。报告显示，与 2019 年相比，大型科技公司的总招聘量下降了 25%，但**工程岗位的招聘量仅下降了 11%**。事实上，在 SignalFire 归类为“科技巨头”的 12 家公司（Alphabet、Meta、Apple、Amazon、Microsoft、Netflix、Nvidia、Tesla、Uber、Airbnb、Block 和 Stripe）中，**2025 年新招聘的员工中有 55% 是工程师**，而 2019 年这一比例仅为 46%。 早期初创公司对工程师的需求更为强劲：与 2019 年相比，2025 年它们整体多招聘了 7% 的工程师。Bantock 认为，如果 AI 真的在替代工程人才，那么在当前的科技招聘收缩中，工程招聘应该最先下降。但 SignalFire 的数据显示，**工程岗位的增长率超过了科技行业大多数其他职能**。 有趣的是，尽管 Anthropic 的 CEO Dario Amodei 去年曾警告说，AI 可能在五年内消灭一半的入门级白领岗位，并将失业率推高至 20%，但该公司自己的经济学主管 Peter McCrory 今年 3 月告诉 TechCrunch，他尚未看到任何显著的 AI 驱动效应。这进一步印证了 SignalFire 的发现：**AI 对就业的影响并非简单的替代，而是结构性的转变**。 这一数据背后可能有多种原因：AI 工具虽然提高了单个工程师的效率，但也催生了更多对 AI 系统本身进行开发、维护和监管的需求；同时，企业可能将节省的成本重新投入到扩张中，从而保持对工程师的总需求。无论如何，**工程师的韧性表明，AI 时代并非“工程师末日”，而是角色和技能的再定义**。
据彭博社报道，顶级 AI 研究人员 **Jonas Adler** 和 **Alexander Pritzel** 已离开谷歌，加入 Anthropic。两人在谷歌 Gemini 模型的开发中扮演了关键角色。这一离职潮延续了近期谷歌人才流失的趋势：上周，传奇 AI 研究员 **Noam Shazeer** 宣布离开谷歌加入 OpenAI；几天后，谷歌 DeepMind 总监 **John Jumper** 也宣布转投 Anthropic。Jumper 因 AlphaFold 项目与 DeepMind CEO Demis Hassabis 共同获得 2024 年诺贝尔化学奖。 ### 人才流失背后的行业变局 谷歌 AI 人才的持续外流并非偶然。随着 OpenAI 和 Anthropic 筹备上市，这些公司正通过股权激励积极招募顶尖 AI 人才。对于研究人员而言，加入初创公司意味着可能获得巨大的财务回报，尤其是在 AI 领域估值飙升的当下。 ### 谷歌的应对与挑战 尽管谷歌在 AI 领域仍拥有深厚的技术积累和资源，但核心人才的流失可能影响其模型研发进度和创新能力。尤其是 Shazeer 和 Jumper 这样的重量级人物，他们的离开对谷歌 Gemini 和 DeepMind 团队是重大损失。 ### 行业趋势 这波人才流动反映了 AI 行业竞争的白热化。头部公司之间的人才争夺战正在加剧，而上市预期则为初创公司提供了吸引顶尖人才的“金手铐”。未来，随着更多 AI 公司走向公开市场，这一趋势可能进一步延续。
AI 浪潮催生了无数初创公司和亿万富翁，也带来了一场持续发酵的内存芯片短缺危机。这场被称为“RAMageddon”的供应紧张预计将持续到 2027 年，但并非所有玩家都在承受压力——**美国最大计算机内存芯片制造商美光（Micron）正成为这场短缺的最大赢家之一**。 ## 业绩爆发式增长 美光最新发布的第三财季财报显示，公司营收同比增长四倍，达到 **414.5 亿美元**；净利润从去年同期的 18.8 亿美元飙升至 **282 亿美元**，增幅惊人。财报发布后，美光股价盘后上涨超过 13%，收于 **1,048.51 美元**——而 2024 年初其股价仅约 83 美元，市值也从约 910 亿美元膨胀至 **1.2 万亿美元**。 公司对下一季度的展望同样乐观，预计第四财季营收将在 **490 亿至 510 亿美元**之间。这一强劲表现与整个行业“内存为王”的现状密不可分：AI 模型训练和推理对高带宽内存（HBM）和 DRAM 的需求呈指数级增长，而供给端扩产缓慢，导致价格持续攀升。 ## 从短缺到战略卡位 就在财报公布的同周，美光宣布与 AI 实验室 Anthropic 达成供应协议，为其提供内存与存储芯片。此外，美光还参与了 Anthropic 的 H 轮融资，但未披露具体投资金额。这一合作标志着美光正从单纯的芯片供应商向 AI 基础设施的关键参与者转型。 ## 传导至消费端 内存短缺的连锁反应已传导至终端市场。苹果 CEO 蒂姆·库克一周前警告称，产品涨价“不可避免”。随着 HBM 和 DDR5 等高端内存优先供应 AI 服务器，消费电子产品的内存成本上升正在挤压普通用户的预算。 ## 行业启示 美光的崛起折射出 AI 产业链的深层变化：**算力的瓶颈正从 GPU 转向内存子系统**。英伟达等公司的 GPU 性能再强，也需要足够快、足够大的内存来喂饱数据。这一趋势让传统内存厂商重新站上风口，也吸引了更多资本涌入存储赛道。不过，分析师提醒，内存周期波动剧烈，当前的高景气能持续多久仍存变数。
曾几何时，企业鼓励员工“刷满”AI 使用量，甚至设置内部排行榜来推动 AI 应用。然而，这股热潮正在迅速降温——因为公司们发现，AI 预算正被海量低价值的小任务快速耗尽，而回报却微乎其微。 据 **404 Media** 报道，全球咨询巨头 **埃森哲（Accenture）** 正试图阻止员工用 AI 完成如“将 PDF 转换为演示文稿”这类基础工作，以避免消耗过多的 Token 储备。这一转变距离该公司此前威胁员工“不使用 AI 可能影响晋升”的态度，可谓一百八十度大转弯。 报道基于埃森哲内部一次会议的泄露音频，其代理 AI 战略负责人 **Justice Kwak** 在会上直言：“我们正处在一个转折点，AI 正在成为成本结构中不可忽视的部分。支出变得极不可预测，而领导层——尤其是 CFO、COO 和 CIO——都在追问：我们在 AI 上的投入到底换来了什么价值？” ### 从“Tokenmaxxing”到“Token Rationing” 所谓 **“Tokenmaxxing”**，指代此前企业不惜代价鼓励员工大量使用 AI 的现象。但如今，这一阶段已宣告结束。随着 AI 成本压力显现，企业开始进入 **“Token 配给”** 时代。埃森哲的案例并非孤例，近期多家公司都在削减 AI 支出，甚至引发了被称为 **“AI 抛售”** 的市场震荡，尤其是内存芯片制造商股价受挫。 核心问题在于：**AI 的商业模型正受到质疑**。当 AI 无法持续证明其投入产出比时，单纯的新鲜感和技术光环便不足以支撑企业持续买单。 ### 行业反思：价值才是硬道理 这一趋势反映出 AI 产业已迈入新阶段——从“能用”到“有用”，从“炫技”到“务实”。对于企业而言，如何精准控制 AI 使用场景、避免资源浪费，将成为未来管理的重要课题。而对于 AI 服务商来说，如何提供更精细化的成本控制工具、更透明的价值度量体系，也将决定其能否在下一轮竞争中站稳脚跟。 **Token 配给时代** 的到来，或许正是 AI 走向理性与成熟的开始。
Facebook 正在将 Creator Studio 工具重塑为一款独立的 AI 伴侣应用，旨在帮助创作者在社交网络上扩大受众。这款新应用目前正在与部分创作者进行测试，内置了 Facebook 最近推出的 AI 创作者助手。该助手能根据创作者的内容风格、表现、受众参与度和目标提供个性化建议。创作者可以通过对话式问答快速获取发布时机、评论分析等信息。此外，应用还包含 AI 驱动的评论工具，可自动筛选重要评论并拟写符合创作者语气的回复草稿，经创作者确认后发布。每日打开应用时，创作者会看到优先事项列表，包括最新帖子表现、目标进度和待回复评论。此举是 Meta 在 TikTok 和 YouTube 竞争下留住创作者的最新举措，也旨在减少创作者对 ChatGPT 等第三方工具的依赖。此前 Meta 已推出 Facebook 群组独立应用 Forum 和类似 Instagram 的 Instants 应用，并计划推出类似 Polymarket 的 Arena 应用。CEO 扎克伯格表示，AI 驱动的高效将让公司比以往构建更多应用。
人形机器人初创公司Agility Robotics宣布将通过SPAC合并上市，交易估值约25亿美元。这家2015年从俄勒冈州立大学剥离的公司，预计将获得超过6.2亿美元资金，用于扩大下一代Digit v5机器人的产能并履行现有订单。 **交易细节** Agility Robotics与特殊目的收购公司Churchill Capital Corp XI合并，交易估值约25亿美元，预计产生超过6.2亿美元收益，其中包括约2亿美元来自新老机构投资者。合并后公司预计在北美交易所上市，股票代码为AGLT。 **产品与商业化进展** Agility最知名的产品是双足机器人Digit，目前已在9个客户站点部署，包括舍弗勒、GXO、丰田汽车加拿大公司及美客多。公司已获得超过3亿美元的新一代Digit v5多年期订单，并有30多家潜在客户正在评估大规模部署。 **投资者与行业背景** Agility获得了亚马逊、英伟达、软银愿景基金2期、DCVC等知名科技公司和基金的支持。CEO Peggy Johnson表示，人形机器人将成为生产力、供应链韧性和美国技术领导力的关键驱动力。Agility已实现商业部署，帮助企业应对劳动力短缺、提升效率并安全集成AI自动化。 **未来计划** 此次上市筹集的资金将用于增加Digit v5产能、履行现有订单并拓展新老客户。Agility强调其技术已在客户环境中运行，并看好AI驱动的自动化前景。
设计平台 Figma 在最新更新中推出了多项重磅功能，包括代码图层、动画与着色器支持，以及基于 AI 的自定义插件创建能力。本次更新进一步模糊了设计与开发之间的界限，让设计师、产品经理和工程师能够在同一个协作画布上更自由地探索创意。 ## 代码图层：让设计与代码无缝衔接 Figma 首席产品官 Yuhki Yamashita 表示，新增的代码图层允许团队直接从代码仓库中克隆代码，并将代码中的逻辑提取为设计图层用于测试。他强调，多人协作画布的核心优势在于：“你不需要关心代码质量，如果正在快速探索多个方向，可以用这种空间化的方式自由尝试。”这一功能旨在改变设计师、工程师和产品经理之间的协作模式，让迭代想法而非生产级代码成为焦点。 ## 动画与 3D 变换：告别第三方工具 此前，设计师需要在其他软件中制作动画，再转换为代码导入 Figma。现在，Figma 原生支持动画、过渡和 3D 变换，用户可以直接在平台上完成动态设计。此外，AI 辅助生成着色器效果和填充功能也已上线，进一步降低了动态设计的门槛。 ## AI 代理与自定义插件：自主化工作流 去年收购的节点式工具 Weavy 正在与 Figma 深度整合。今年晚些时候，用户将可以直接在 Figma 内生成 Weavy 工作流，通过不同模型对比输出。同时，Figma 的 AI 助手新增了“技能”功能：用户可通过自然语言提示创建可重复使用的 AI 任务，并连接 Notion、Granola、Excel、GitHub 等工具或附加文件，让 AI 获得更多上下文。 更引人注目的是，Figma 支持用提示词创建自定义插件，例如布局生成器或矢量路径追踪器。这意味着非开发人员也能根据需求快速构建专属工具，进一步扩展了 Figma 的生态边界。 ## 行业视角：设计工具正在变成“协作操作系统” 从去年推出 AI 原型工具 Figma Make，到集成 Claude Code 和 Codex，再到如今的代码图层与 AI 代理，Figma 正从单纯的设计工具转向一个融合设计、开发与 AI 的协作平台。这一趋势与整个行业“低代码/无代码”以及“AI 辅助开发”的浪潮相呼应。对于企业而言，Figma 的更新有望缩短从设计到开发的交付周期，降低沟通成本。而对于设计师和产品经理，掌握 AI 提示词与简单代码逻辑将成为新的必备技能。
## 核心要点 OpenAI于本周三正式发布其首款自研推理处理器，代号“Jalapeño”。该芯片由OpenAI与博通（Broadcom）联合设计制造，专为OpenAI推理系统量身定制。OpenAI表示，其自有的AI模型参与了芯片开发过程。目前芯片仍处于测试阶段，但早期结果显示，其**每瓦性能显著优于当前最先进的替代方案**。 ## 战略背景：降低对英伟达依赖 OpenAI的芯片计划此前已传闻多时，核心动因在于减少对英伟达GPU的依赖。谷歌和亚马逊早已通过自研AI加速器实现了类似目标——即专门为加速机器学习工作负载而设计的硅芯片。2024年10月，OpenAI与博通的合作正式官宣，此次发布的Jalapeño正是该合作的成果。 OpenAI总裁格雷格·布罗克曼（Greg Brockman）在合作宣布后的内部播客中解释了公司的芯片开发思路：“我们对工作负载有深刻理解……我们一直在寻找那些未被充分服务的工作负载，思考如何构建能加速可能性的东西。” ## 技术特性：聚焦推理效率 Jalapeño**专为推理（inference）设计**，即运行预训练AI模型以响应用户指令的过程。在公告中，OpenAI特别强调了该芯片在运行实时编程模型时的**低运营成本**。可以预见，预训练等计算密集型任务可能仍将依赖英伟达硬件，但即便只是推理成本的微降，也能显著改善公司利润。 优化推理系统正成为AI经济学的关键变量，且这种优化将发生在技术栈的每一层。OpenAI已在构建Codex等智能体产品、支撑这些产品的模型，以及运行模型的算力中心。进军定制芯片，使得OpenAI能将优化推进到更底层。 ## 全栈整合：从模型到芯片 OpenAI在公告中强调：“OpenAI不仅开发前沿模型或在之上构建产品；它正在设计底层的整套基础设施：**芯片架构、内核、内存系统、网络、调度、部署系统以及产品体验**。”由于OpenAI横跨整个技术栈，每一层都可以围绕“让模型更快、更可靠、更实惠”这一统一目标进行优化。 Jalapeño的发布标志着OpenAI从AI模型提供商向**全栈AI基础设施公司**的转型迈出关键一步。在推理成本日益成为AI规模化瓶颈的当下，自研芯片有望为OpenAI带来显著的竞争优势。