zentrix-innovative-labs 团队在 GitHub 发布 GalaxDB 开源项目，一款集成 OLTP、向量搜索与版本控制的 AI 原生数据库，支持单二进制文件、PostgreSQL 协议、语义匹配及 Lance 格式训练导出。项目已提供 Python 嵌入模式与服务器部署选项，性能基准显示向量检索与存储引擎显著优于传统组合方案。该 Show HN 帖刚上线，标志开源 AI 数据库工具链进一步整合。 信源:https://github.com/zentrix-innovative-labs/galaxdb ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信
Author: TheBestDoll
Firmus 与英伟达结盟，区域 AI 算力版图悄然重构
6 月 28 日，澳大利亚 AI 基础设施公司 Firmus Technologies 宣布与英伟达达成战略合作，将采购英伟达硬件并向“AI Native”客户提供云服务，同时计划在印尼巴淡岛与新加坡 DayOne 共同建设 360 兆瓦 Nvidia DSX AI Factory 数据中心，首期承诺 17 万张 GPU，预计带来高达 300 亿美元的承购协议。[[1]](https://www.reuters.com/world/asia-pacific/australias-firmus-technologies-strikes-ai-access-deal-with-nvidia-2026-06-28/)[[2]](https://www.bloomberg.com/news/articles/2026-06-28/ai-startup-firmus-to-build-indonesia-data-center-with-nvidia) 这一动作正值全球 AI 算力高度集中于少数美系巨头之时。OpenAI、Anthropic 等前沿实验室受出口管制影响，欧洲多国正寻求本地部署以绕开限制；与之相比，Firmus 模式更侧重“主权+性价比”——通过区域数据中心降低新兴市场进入门槛，而非单纯依赖美国云巨头。 对比亚马逊、谷歌在亚太的算力布局，Firmus 的合作更具灵活性：英伟达既获得硬件收入，又分享云收入，形成利益绑定。这与 hyperscaler 自建封闭生态形成鲜明反差，也为东南亚、澳洲本地初创提供了更低门槛的推理与训练资源。 长远看，此类区域伙伴关系可能加速亚洲 AI 应用落地，但也考验英伟达在多区域定价与供应链的平衡能力。未来 6-12 个月，类似合作是否会复制到拉美或中东，值得持续观察。 信源： https://www.reuters.com/world/asia-pacific/australias-firmus-technologies-strikes-ai-access-deal-with-nvidia-2026-06-28/ https://www.bloomberg.com/news/articles/2026-06-28/ai-startup-firmus-to-build-indonesia-data-center-with-nvidia ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 […]
AI 资金正重塑 2026 美国大选格局
6 月 26 日彭博报道显示，硅谷资本正以数百亿美元规模涌入 2026 年美国选举，OpenAI 联合创始人 Greg Brockman 和风投 Marc Andreessen 等成为核心推手，AI 已从数据中心和广告延伸至深假视频、选民微定向和竞选自动化。[[1]](https://www.bloomberg.com/news/features/2026-06-26/silicon-valley-money-drives-ai-s-growing-role-in-2026-us-elections) 这一趋势并非孤立。过去两年，AI 工具在政治广告中的使用已从边缘实验转向主流：路易斯安那州初选 runoff 中多支竞选广告被证实由 AI 生成，成本降低 80% 以上，同时选民画像精度提升令传统民调机构面临挑战。相比之下，2024 年周期中 AI 仍以“辅助工具”为主，如今资金直接投向“AI 原生”竞选团队，形成平台与候选人之间的新权力分配。 与欧洲不同，美国缺乏联邦层面的统一 AI 选举监管，各州碎片化立法反而加速了资本进入。安德森·霍洛维茨等基金的早期布局，已让 AI 代理在筹款和 GOTV（拉票）环节实现规模化部署，回报率远超传统 PAC。反观传统媒体和政党机器，尚未建立有效防御机制。 悬念在于：当 AI 驱动的竞选支出在中期选举前进一步放大，监管是否会在 2027 年国会换届后被迫收紧？若选民对深假内容普遍反感，资本是否会转向更隐蔽的“合成现实”工具？这一场资本与技术的政治实验，值得持续跟踪。 信源：https://www.bloomberg.com/news/features/2026-06-26/silicon-valley-money-drives-ai-s-growing-role-in-2026-us-elections https://www.bloomberg.com/news/videos/2026-06-26/bloomberg-tech-6-26-2026-video ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 […]
谷歌限制Meta使用Gemini模型，算力分配成新战场
6月28日，英国《金融时报》报道，谷歌已对Meta使用Gemini模型施加限制，理由是Meta申请的算力需求超出了谷歌供应能力。这一动作发生在双方此前就基础设施合作展开谈判的背景下，凸显前沿模型提供商正从“开放合作”转向“优先自用与核心伙伴”。 这一事件映射出2026年AI基础设施的深层矛盾。过去两年，谷歌、OpenAI/Microsoft、Anthropic等通过云服务或API向外部开放模型，Meta则依赖自研Llama系列同时寻求外部算力补充。如今谷歌收紧供应，反映出数据中心产能紧张与模型训练/推理需求激增的直接冲突。Meta此前已投入巨资建设自有集群，但仍需外部补充以维持多模型并行实验；谷歌此举既保护自身前沿能力，也可能迫使Meta加速自研或转向其他供应商。 对比之下，OpenAI与Broadcom合作开发Jalapeno定制ASIC、Qualcomm以近40亿美元收购Modular，均显示垂直整合正成为主流。Meta若无法获得稳定Gemini算力，其在企业级代理与多模态应用上的节奏或被拖慢，而谷歌则借此巩固对算力分配的控制权。 这一限制是否会引发更多提供商效仿，或促使Meta与亚马逊/甲骨文等加强绑定，仍需观察。未来6-12个月，算力优先级排序或将决定模型迭代速度与市场份额。 信源： https://www.reuters.com/technology/artificial-intelligence/ (2026-06-28) https://fortune.com/2026/06/24/exclusive-seltz-a-startup-rebuilding-web-search-for-ai-agents-raises-12-5-million-in-seed-funding/ (相关背景，2026-06-27更新) ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信
MIT 新方法加速机器人指令理解，具身智能落地或提速
6 月 26 日，MIT CSAIL 发布新研究，利用两个 LLM 框架“Masked IRL”：一个模型负责澄清用户模糊指令，另一个过滤环境无关信息，帮助机器人更准确执行家务或工厂任务。该方法显著降低所需演示数据量，并计划于 IEEE ICRA 2026 会议上正式呈现。 这一进展正值人形机器人与具身智能从实验室走向规模化部署的关键窗口。Figure、特斯拉 Optimus 等项目已在工厂试点，但指令理解仍是瓶颈——人类自然语言往往含糊且多余。MIT 方法直接针对这一痛点，与传统强化学习或大量标注数据训练形成对比：前者依赖海量人力，后者更注重模型对上下文的自动提炼。 与此同时，行业正从“模型参数竞赛”转向“数据效率与物理世界交互”。谷歌 DeepMind、OpenAI 等也在探索类似 agent 框架，但 MIT 的轻量自动化教学路径更贴近中小企业与家庭场景。若该方法被广泛采用，可能压缩机器人从原型到商用的时间线 30% 以上。 悬念在于：当机器人真正能“听懂”模糊指令后，下一个瓶颈会是实时安全验证与多机器人协作吗？这一研究或只是序章。 信源： https://news.mit.edu/2026/llms-help-robots-understand-vague-instructions-and-focus-key-details-0626 https://www.sflorg.com/2026/06/cs06262601.html ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信
CET与Osmosis AI签署MoU测试CitiPod自主平台
Cambridge Electric Transport (CET) 与伦敦Osmosis AI签署合作备忘录，计划在CitiPod轻型电动微出行平台上集成并测试其DriverAgent自主驾驶系统。双方将开展自主 repositioning、首末端运输、货运物流及园区出行等场景试验，重点探索轻量化车辆的低成本、高安全自主应用。图片显示双方已完成签约。 该合作为英国在轻型自主出行领域建立领先优势提供新路径，商业部署有望早于传统车规级方案落地。 信源:https://www.linkedin.com/posts/sean-moroney-b5704b146_autonomousvehicles-micromobility-smartmobility-activity-7473739399130804224-clZW ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信
DeepSeek 开源 DSpark，推理速度提升最高 85%
DeepSeek 于 6 月 27 日发布并开源 DSpark，这是一套针对 DeepSeek-V4 的投机解码框架，附带训练代码与检查点，可将 V4-Flash 和 V4-Pro 的每用户生成速度提升 60%-85%，且输出保持无损。框架以 MIT 许可开源，检查点已在 Hugging Face 上架，配套 DeepSpec 训练评估仓库也同步公开。 这一发布正值全球大模型企业因安全审查收紧前沿模型访问之际。OpenAI 与 Anthropic 的顶级模型正面临美政府分批放行或限量预览，DeepSeek 则选择继续以开源方式加速部署效率。投机解码通过草稿模型预测并并行验证 token，显著降低单用户长序列推理的等待时间，尤其适合高并发生产环境。 与此前英伟达 NeMo AutoModel 等加速工具相比，DSpark 直接绑定现有 V4 权重，无需重新训练基础模型，部署门槛更低。行业观察人士指出，这类基础设施级开源正在重塑中国开源模型的竞争力——当西方前沿模型受出口管制影响时，效率优化成为差异化武器。 下一步值得跟踪的是 DSpark 在真实代理和长上下文场景下的实际吞吐表现，以及其他实验室是否跟进类似 serving 优化。开源仍是 DeepSeek 最稳的差异化路径。 信源：https://www.marktechpost.com/2026/06/27/deepseek-releases-dspark-a-speculative-decoding-framework-that-accelerates-deepseek-v4-per-user-generation-60-85-over-mtp-1/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 […]
中国AI在网络安全领域追平Anthropic，重置全球竞赛格局
华尔街日报报道，中国智谱AI（Zhipu AI，又称Z.ai）本月发布的新模型，在发现安全漏洞等网络安全场景中，已达到Anthropic Mythos系列模型的性能水平。尽管在其他任务上仍落后于Anthropic和OpenAI，但这一进展正迫使白宫重新审视AI出口管制政策。安全研究人员指出，中国模型在特定防御场景的表现已与美国顶级系统相当，标志着中美AI竞赛进入新阶段。[[1]](https://www.wsj.com/tech/ai/chinese-ai-anthropic-mythos-cybersecurity-574b02c2) 这一突破发生在美政府刚刚放宽Anthropic Mythos 5访问限制的背景下。过去数周，美国以国家安全为由限制顶级模型出口，如今中国在垂直领域的追赶，凸显算力与数据优势正被快速转化。相比之下，OpenAI和Anthropic此前依赖“tokenmaxxing”式高强度企业采用的增长模式，正面临用户转向效率导向的现实压力。 从格局看，这并非孤立事件。中国模型的追赶速度，远超此前对“落后一代”的预期，也让欧洲和亚洲国家在“可信伙伴”框架下的AI获取策略面临更多变数。下一步悬念在于：美国是否会进一步收紧出口，还是转向更精细的场景化管制？中国团队能否在通用任务上持续缩小差距，将决定2026下半年全球AI供应链的重构方向。 信源：https://www.wsj.com/tech/ai/chinese-ai-anthropic-mythos-cybersecurity-574b02c2 ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 分享这篇文章 💬 分享微信好友𝕏 X 分享in LinkedIn 点击”分享微信好友”→ 长按图片发到微信
OpenAI 首款定制芯片问世，硬件自研战局升级
6 月 24 日，OpenAI 与博通联合发布首款定制 AI 推理芯片 Jalapeño，专为大模型推理设计，开发周期仅 9 个月，计划年底前部署数据中心。这标志着 OpenAI 从软件模型向全栈硬件延伸的实质性一步。[[1]](https://openai.com/index/openai-broadcom-jalapeno-inference-chip/) 这一动作发生在 AI 基础设施军备竞赛白热化背景下。OpenAI 此前已与博通达成 10 吉瓦级定制加速器合作，Jalapeño 是首款成果，聚焦推理环节而非训练，旨在降低 ChatGPT 等产品运行成本并提升规模化能力。相比之下，谷歌早有 TPU 自研路径，苹果也在自有芯片上优化 AI 负载，而 Anthropic 等仍高度依赖英伟达生态。 与英伟达 Blackwell 等通用 GPU 相比，Jalapeño 针对 OpenAI 模型特性优化，博通 CEO 表示其性能可比肩顶级方案。这不仅验证了“AI 模型辅助芯片设计”的可行性，也预示自定义硅片将重塑成本结构。过去两年，训练与推理支出已逼近数据中心折旧门槛，自研芯片有望进一步拉开领先者与追随者的差距。 下一步值得观察的是：Jalapeño 量产后，OpenAI 是否能在企业级部署中实现显著的每 token 成本优势，进而在与谷歌、Meta 的竞争中占据先手；或反过来刺激英伟达加速定制化产品迭代。 信源： https://openai.com/index/openai-broadcom-jalapeno-inference-chip/ (2026-06-24) https://www.reuters.com/world/asia-pacific/openai-unveils-custom-chip-it-designed-with-broadcom-boost-its-ai-infrastructure-2026-06-24/ (2026-06-24) https://techcrunch.com/2026/06/24/openai-unveils-its-first-custom-chip-built-by-broadcom/ (2026-06-24) ✕ 📱 分享到微信 📤 […]
Anthropic 经济指数新报告揭示 AI 使用节奏
Anthropic 于 6 月 26 日发布最新《经济指数报告：节奏》（Cadences），通过更高采样率和新型分类器，首次提供小时级 Claude 使用数据。报告显示，工作相关查询在周末明显下降，个人用途占比从工作日的约 35% 升至近 50%；高收入职业在夜间和周末的工作相关使用降幅较小。每日节奏方面，早 7 点新闻查询高峰、晚 6 点食谱请求峰值达平均 2.3 倍，税单相关查询在美国报税截止日前暴增 8 倍。[[1]](https://www.anthropic.com/research/economic-index-june-2026-report) 报告同时分析输出物（artifacts）：93% 会话产生具体成果，其中解释（17%）、文档报告（15%）和指导（11%）最常见。工作用途更倾向生成文档与报告，而个人用途则以解释和推荐为主。更值得注意的是，token 消耗与职业工资正相关，高薪岗位对话消耗的中位 token 量显著更高，反映复杂高价值任务需要更多算力。[[1]](https://www.anthropic.com/research/economic-index-june-2026-report) 这一数据印证了 AI 正从单纯聊天工具转向嵌入真实经济活动，与此前“tokenmaxxing”高增长叙事形成对比。Anthropic 通过隐私保护遥测和用户调研，捕捉到工作节奏如何塑造 AI 使用，同时揭示用户对自动化程度的预期差异——高度自动化用户反而对 AI 带来的薪资、就业安全和意义更乐观。 未来 6-12 个月，此类节奏数据或将成为评估 AI 实际经济影响的核心指标，迫使 OpenAI、Google 等竞品跟进类似透明化报告，以回应监管与投资人对 ROI 的追问。 信源：https://www.anthropic.com/research/economic-index-june-2026-report ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 […]