8月2日，英国招聘平台Indeed发布最新数据显示，拥有AI技能的岗位需求持续上升，而其他岗位招聘却出现明显收缩，企业正加速用AI工具替代常规人力，形成清晰的“双速劳动力市场”。这一数据直指AI落地从概念转向真实劳动力重构的拐点。 与美国类似，英国企业正将AI优先用于成本控制与生产率提升。数据显示，AI相关职位增长抵消了部分传统岗位流失，但中低技能工人面临更严峻压力。这与Meta、谷歌等巨头持续高额AI资本开支形成镜像：一边是云与芯片投入推高自由现金流需求，另一边是下游就业结构快速分化。 对比之下，中国AI部署更侧重垂直场景（如物流、制造代理），但同样面临技能鸿沟。过去两年，AI采用领先的行业招聘回暖，而落后领域却未见明显复苏。根本驱动力是AI从辅助工具转向流程重写者——谁掌握集成与治理能力，谁就能在双速市场中占据上风。 未来6-12个月，若AI代理大规模接管中层运营，劳动力市场裂痕或将进一步扩大。政策是否能及时跟进技能再培训，将决定这一分化是短期阵痛还是长期结构性危机。 信源：https://www.bloomberg.com/news/articles/2026-08-02/ai-is-creating-a-two-speed-jobs-market-in-the-uk-indeed-says (2026-08-02) https://www.bloomberg.com/news/newsletters/2026-08-02/free-cash-is-king-as-companies-pour-billions-into-ai-meta-goog-ups (2026-08-02) ✕ 📱 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
欧盟AI透明规则今日落地 合规成本成新分水岭
2026年8月2日，欧盟AI Act第50条透明义务正式生效，要求生成式AI提供商和部署方在用户交互、合成内容、深度伪造及公众利益事项上进行明确披露和标记。这标志着AI监管从框架设计转向实际执行的第一波强制动作。 与美国同期推进的开放权重模型倡议形成鲜明对比。NVIDIA、Meta、Microsoft等逾150家企业近日联合致信华盛顿，强调开放模型对创新、安全和主权的重要性，而Anthropic则未加入。David Sacks公开表示，行业需警惕试图扼杀开源的势力。欧盟此举则直接针对生成内容可追溯性，罚款上限达1500万欧元或全球营业额3%。 实际影响已显现。多家生成式AI工具已开始集成机器可读水印或标签系统，但对已上线产品给予至12月2日的过渡期。相比之下，美国政策更侧重自愿预发布审查框架，凸显大西洋两岸在“可控”与“扩散”之间的路径分歧。 短期内，合规将成为企业AI部署的隐形门槛。那些早布局检测与标记技术的公司将获得竞争优势，而依赖封闭模型的垂直应用可能面临额外成本压力。未来6-12个月，观察重点在于欧盟执法案例是否倒逼全球平台统一标准，还是加速区域化模型生态的分化。 信源： https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai Article 50: Transparency Obligations for Providers and Deployers of Certain AI Systems https://ai-at.eu/en/news/article-50-of-the-eu-ai-act-transparency-obligations-become-applicable-on-2-august-2026/ ✕ 📱 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
小额基金押注AI非常规范式 暴露主流路径隐忧
7月31日，Unconventional AI宣布启动50万美元学术研究基金，向最多五项探索生成式AI新计算范式的项目各提供10万美元资助，重点支持硬件与AI交叉的“高风险”想法。这一小额举动虽不起眼，却在AI资本高度集中于大模型 scaling 的当下，释放出清晰信号：主流路径的边际回报可能已现疲态。 过去一年， hyperscaler 与顶级实验室将数百亿美元投入 transformer 架构与数据中心扩建，OpenAI、Anthropic、Google 等持续迭代参数规模。但与此同时，效率瓶颈、能耗压力与 diminishing returns 讨论日益增多。Unconventional Grant 明确指向“非传统计算范式”，与当前数千亿美金的债务融资与算力军备形成对比—— Goldman Sachs 估算今年 AI 相关债务发行已接近5000亿美元，而小基金却在为“可能颠覆现有假设”的研究兜底。 这与过去 NVIDIA、AMD 等硬件厂商主导的创新路径形成分化：前者依赖规模，后者试图从底层计算重构突破。类似早期对 neuromorphic 或 optical computing 的零星押注，如今被系统化到基金层面，显示行业对“下一代范式”已不再只靠巨头内部实验室。 未来6-12个月，若此类非常规研究产出初步验证，将迫使主流玩家重新评估资本配置；反之，则可能强化现有 scaling 路径的路径依赖。关键悬念在于：这些小额种子能否在18个月内吸引后续跟进资本，还是仅停留在边缘探索。 信源：https://unconv.ai/grant/ https://x.com/unconvAI/status/2041553331563511914 ✕ 📱 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
语音AI初创融资潮折射垂直代理分化
7月31日，Smallest.ai宣布完成1300万美元A轮融资，由Seligman Ventures领投，总融资超2100万美元。公司专注构建超低延迟、接近真人语音的AI模型，目标是让AI电话客服通过图灵测试。 这一动作正值通用大模型语音能力快速迭代之际。OpenAI和Google已将语音模式推向桌面和移动端，但企业级部署仍面临延迟高、自然度不足的问题。Smallest.ai的路径是垂直深耕：针对客服、预约等高频场景优化端到端语音链路，而非追求通用AGI。 对比之下，Anthropic和Meta更侧重开放权重或多模态基座模型，试图通过规模效应覆盖所有场景；而Smallest这类初创则证明，在交互层，专用优化能快速形成护城河。类似趋势也出现在代码、医疗等垂直领域——通用模型降价后，资本正向“最后一公里”代理倾斜。 未来6-12个月，这类语音代理或将大规模进入银行、零售客服，但深假监管收紧可能限制消费端应用。关键悬念在于：这些垂直玩家是继续独立扩张，还是会被大厂收购整合？ 信源：https://techcrunch.com/2026/07/31/smallest-ai-raises-13m-to-build-ultra-fast-voice-ai-that-sounds-genuinely-human/ https://www.cnbc.com/2026/07/31/gm-in-vehicle-ai-system.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
数据效率初创估值冲至50亿美元
7月31日，专注数据效率的AI初创公司Flapping Airplanes传出正就数亿美元融资进行谈判，估值目标50亿美元，由Index Ventures和Lux Capital领投，Kleiner Perkins参与。该公司2025年由三位年轻创始人创立，1月已完成1.8亿美元种子轮，目标是用远少于当前模型的数据量训练强大AI，模拟人类学习方式。 这一动作折射出AI行业从“规模至上”向“效率为王”的微妙转向。过去两年，OpenAI、Google等巨头依赖海量数据堆砌前沿模型，但数据墙已现端倪。与此同时，类似Ineffable Intelligence等“新实验室”也以11亿美元融资押注无人类数据训练路径。Flapping Airplanes的50亿美元估值，远超多数早期产品型初创，凸显资本对“少数据、高智能”技术断点的重注。 与Anthropic、xAI等仍主打规模扩展的路径相比，这些效率导向玩家更像对现有范式的对冲。若数据效率突破落地，将直接稀释 hyperscaler 的数据优势，也可能重塑企业采用门槛。但悬念在于：这些前沿实验室能否在规模玩家完成下一代模型迭代前，拿出可验证的性能跃升？否则，高估值故事或将面临残酷现实检验。 信源：https://www.forbes.com/sites/rashishrivastava/2026/07/31/ai-startup-flapping-airplanes-is-in-talks-to-raise-funding-at-a-5-billion-valuation/ ✕ 📱 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
MiniMax与字节同日升级AI视频模型
中国AI公司MiniMax与字节跳动7月31日几乎同时发布视频生成模型升级，凸显中美在生成式视频领域的激烈竞争。MiniMax推出H3模型，支持文本、图像、视频和音频多模态输入，可生成最长15秒2K分辨率视频并附原生立体声；字节跳动则更新Seedance 2模型，强化编辑功能与连贯性。两家公司均强调输出更自然、 coherent 的视频。 这一动作发生在全球视频生成赛道快速迭代背景下。OpenAI Sora已于2026年3月停服，市场留给Runway、Pika、Veo等海外玩家与中企直接对决。中国公司凭借本土数据与算力优势，持续缩小与美国前沿模型的差距。MiniMax与字节的同日发布，也反映中国AI企业在资本压力下（DeepSeek等暂停融资案例）仍保持高强度产品迭代的决心。 从格局看，这标志中国在消费级视频生成工具上的商业化步伐加快，可能进一步挤压海外模型在亚太市场的份额。下一阶段值得关注的是两款模型的实际采用率与企业级API定价战。 信源：https://www.bloomberg.com/news/articles/2026-07-31/china-s-minimax-and-bytedance-release-dueling-ai-video-models ✕ 📱 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
美国州长协会启动AI就业政策合作
7月31日，美国国家州长协会（NGA）与RAISE US宣布100万美元合作，旨在帮助各州制定AI与未来就业政策。该计划将从阿肯色、康涅狄格、马里兰和犹他四州起步，重点围绕企业激励、员工再培训与“earn-and-learn”模式展开，目标是让工人顺利过渡到AI驱动的经济。[[1]](https://www.nga.org/news/press-releases/nga-raise-us-announce-1-million-partnership-to-promote-states-efforts-to-harness-ai-and-the-future-of-work/) 这一动作正值联邦层面AI投入持续加码、欧盟AI Act正式执法之际，却选择了“自下而上”的州级路径。NGA此前已成立跨党派AI与未来工作工作组，计划11月发布州长路线图，而此次合作直接提供资金与执行支持，凸显州政府希望在具体落地层面抢占先机，而非等待华盛顿统一框架。 与联邦大规模算力与模型投资形成对比，州级政策更注重劳动力市场实际影响。加州已尝试AI失业追踪器，欧洲则侧重风险分级监管，美国州长们则聚焦激励与培训，试图将AI转化为就业红利而非冲击。这反映出美国联邦制下，AI治理正从“顶层设计”转向“实验性竞争”。 下一步值得观察：四州试点能否产出可复制的模板，还是会导致监管碎片化？若成功，2027年NGA冬季会议或将决定AI政策是否真正下沉到地方。 信源： NGA, RAISE US Announce $1 Million Partnership to Promote States’ Efforts to Harness AI and the Future of Work https://www.oklahoman.com/story/news/politics/2026/07/31/elections-ai-use-oklahoma-governor-kevin-stitt-nga-meeting/91023342007/ ✕ 📱 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
物理信息AI模型加速关键矿产勘探
7月31日，太平洋西北国家实验室（PNNL）与休斯顿大学联合发布物理信息神经网络框架，可预测地下流体与化学物质流动路径，显著提升关键矿产勘探与回收效率。该模型将物理定律直接嵌入训练过程，克服传统机器学习结果不现实的痛点。 这一进展折射AI应用正从通用大模型向垂直科学领域深化。OpenAI、Anthropic等聚焦通用智能与代理迭代，而PNNL这类国家实验室则用混合物理-AI方法解决能源安全痛点。类似路径已在CMU GEM-AI项目和PNNL此前CICERO系统中显现，后者将AI代理用于工业废料中关键矿产提纯，周期从数月缩短至数天。 对比之下，大厂资本更多投入算力与参数规模，传统能源与矿业巨头则借AI重构供应链韧性。美中博弈下，关键矿产自主供应成为战略优先，这类模型的落地速度可能超出预期。 未来6-12个月，物理信息AI在气候建模、药物发现和先进制造的扩散值得跟踪：它们能否在实际部署中跑赢纯规模化路线？ 信源： https://www.emsl.pnnl.gov/news/new-ai-model-could-improve-critical-mineral-discovery-and-recovery https://www.pnnl.gov/news-media/ai-speeds-selective-and-high-yield-recovery-critical-minerals-industrial-waste ✕ 📱 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
GlobalFoundries获3亿美元AI芯片资助
7月31日，GlobalFoundries宣布获得美国政府3亿美元资助，用于推进AI专用芯片技术研发与产能扩张。这笔资金直接针对先进制程与异构集成，旨在强化本土AI硬件供应链。 此举发生在全球AI基建军备竞赛白热化阶段。美国正通过CHIPS Act等工具加速“去风险化”，此前已向多家本土厂商倾斜资源。与英特尔、台积电美国厂的巨额补贴相比，GlobalFoundries的定位更侧重 specialty 工艺与汽车/边缘AI芯片，试图在高性能计算之外开辟差异化赛道。相较三星与Broadcom的5000亿美元级协议，此次3亿美元规模虽小，却标志着美国对成熟制程节点的持续投入。 与此同时，中国AI芯片自给率提升与出口管制收紧，正迫使全球供应链加速多极化。GlobalFoundries若能将资金转化为量产节点，将对NVIDIA主导的GPU生态形成补充；若进度滞后，则可能沦为边缘玩家。未来6-12个月，关键看其与AMD、Qualcomm等伙伴的合作落地，以及是否吸引更多私人资本跟进。 悬念在于：这笔资助能否真正缩短中美AI硬件差距，还是仅延缓单极依赖的节奏？ 信源：https://www.konsulteer.com/article/globalfoundries-secures-300-million-u-s-funding-to-advance-ai-chip-technology (2026-07-31) https://news.crunchbase.com/venture/foundational-ai-startup-funding-doubled-openai-anthropic-xai-q1-2026/ (2026-07-31) ✕ 📱 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
通用汽车自研车载AI 折射汽车巨头独立路径
7月31日，通用汽车宣布今年晚些时候将推出专有车载AI助手，结合对话能力、车辆知识与OnStar数据，实现比通用大模型更深度的本地集成。这标志着继谷歌Gemini车载部署后，GM正式转向自研路线。 这一动作并非孤例。传统车企正从“借用”前沿模型转向构建专属系统，以掌控数据闭环与差异化体验。相比之下，特斯拉长期依赖端到端FSD自研，Waymo则走L4级车队运营路径。GM此举显示，规模化量产车企更看重与车载硬件、维修网络、保险数据的深度绑定，而非单纯模型性能。 根本驱动力在于商业模式分化：通用模型提供商追求广覆盖，企业则需垂直场景下的可靠性与合规。GM新系统若落地，将直接测试OnStar数据资产的变现能力，同时暴露自研团队在推理效率与迭代速度上的短板。 未来六到十二个月，更多车企或跟进自研或深化混合策略，关键悬念在于GM能否在成本与用户留存上跑赢纯模型合作模式。 信源： https://www.cnbc.com/2026/07/31/gm-in-vehicle-ai-system.html https://gmauthority.com/blog/2026/08/gm-proprietary-ai-assistant-launching-this-year/ ✕ 📱 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