传统银行正从AI旁观者转为主动采用者。ING集团近日宣布采用“vibe coding”AI代理，直接用自然语言指令让模型构建外汇与信贷电子交易系统，原本需团队数周的工作压缩至数小时。该工具由类似Claude Code的代理驱动，已在内部验证阶段展现显著提速效果。[[1]](https://www.bloomberg.com/news/articles/2026-05-26/ing-s-vibe-coding-ai-is-building-its-new-trading-systems) 这一动作发生在全球银行AI投入激增却落地缓慢的背景下。过去一年，多家机构在agentic workflow自动化上遭遇合规与集成瓶颈，而ING选择直接跳过手动编码环节，凸显欧洲银行在竞争压力下对AI生产力工具的务实拥抱。对比美国华尔街更侧重顾问式AI咨询（日费2.5万美元级专家服务），ING的路径更偏向端到端代码生成，体现了不同地域在AI采用节奏上的差异。 根本驱动力在于推理成本下降与多步代理能力成熟，使金融交易工具的迭代速度从月级缩短至天级。但这也带来新风险：模型生成的代码需严格合规审查，且与遗留系统集成仍存挑战。相比OpenAI/Anthropic等闭源模型在企业端的快速试点，开源或混合方案在定制化交易场景中正形成补充。 未来6-12个月，关键悬念在于类似ING的案例能否规模化复制。若真实交易量证明AI代理可显著降低开发成本且不引发系统性错误，传统银行或加速“vibe coding”普及；反之，监管与数据壁垒可能延缓渗透，AI在金融核心环节的渗透仍将分层推进。 信源：https://www.bloomberg.com/news/articles/2026-05-26/ing-s-vibe-coding-ai-is-building-its-new-trading-systems ✕ 📱 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
AI 搜索“内卷”：Google 能否守住分发权
Google 近期在搜索产品中深度嵌入 AI 生成答案的做法，正加速重塑内容分发格局。搜索结果不再单纯指向外部网站，而是试图在自家生态内完成用户需求闭环。这一转变发生在生成式 AI 推理成本持续下降、上下文窗口扩大的背景下，反映出头部平台从“链接中介”向“答案供应商”的角色迁移。[[1]](https://www.theregister.com/ai-ml/2026/05/25/google-is-cannibalizing-the-web-to-feed-ai/5244641) 过去，Google Search 通过流量反哺内容生态，网站依赖 SEO 获得曝光；如今，AI Mode 直接生成总结，用户停留时间增加但外部点击率下降。类似动态也出现在其他平台：Meta、Perplexity 等正通过代理或多模态输出争夺同一用户心智。对比 OpenAI 的 ChatGPT Search 尝试与 Bing 整合，Google 的优势在于搜索历史数据与广告系统深度绑定，但也面临内容提供商流失的风险。数据显示，AI 驱动的搜索会话中，外部链接点击已较传统模式下降显著，内容创作者收入模式正从广告分成转向订阅或 API 调用。 根本驱动力在于 token 经济：保留用户在平台内可最大化自身模型调用量与数据飞轮，而非让流量外溢。未来 6-12 个月，关键悬念在于监管是否会以“反竞争”或“内容稀释”为由介入，以及开源搜索代理能否借机分流用户。若 Google 无法平衡创作者利益，更多垂直垂直代理或垂直搜索工具将加速崛起，平台分发权或进一步碎片化。 信源：https://www.theregister.com/ai-ml/2026/05/25/google-is-cannibalizing-the-web-to-feed-ai/5244641 ✕ 📱 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
AI 芯片制造逼近物理极限 供应链重构加速
AI 训练与推理需求指数级增长，正将半导体制造推向物理与产能双重瓶颈。全球芯片厂已接近当前制程的理论极限，EUV 光刻机产能紧张、地缘政治限制出口与电力供应不足共同构成新常态。Bloomberg 近期报道指出，AI 正迫使芯片供应链从单纯扩产转向技术路线与区域布局的双重调整。 对比过去五年，英伟达等 GPU 厂商主导的“买买买”模式已难以为继。台积电与三星在 3nm/2nm 节点上的良率爬坡缓慢，美国《芯片与科学法案》补贴落地滞后，而中国大陆先进制程受限进一步加剧全球分配不均。过去一年，AI 相关资本开支已占半导体行业新增投资大头，但实际交付的先进芯片仍供不应求。 根本驱动力在于模型规模与 token 消耗的双重爆炸：闭源大厂为维持领先不得不锁定长期产能，而开源生态则更多依赖现有云 spot 与分布式资源。地缘因素叠加电力瓶颈，使供应链重构从“全球化”转向“区域化+垂直整合”。未来 6-12 个月，关键悬念在于先进封装（如 CoWoS）与新材料（如 backside power）能否在 2027 年前规模量产。若地缘紧张加剧或电力审批受阻，部分模型迭代节奏或被迫放缓；反之，若美欧补贴与中东/东南亚新厂落地加速，供应链碎片化或成新常态。 信源：https://www.bloomberg.com/news/videos/2026-05-06/ai-is-pushing-chipmaking-to-its-limits ✕ 📱 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
AI 模型偏好分化：金融业为何钟情 Claude
金融行业对生成式 AI 的采用正从试点转向规模化落地，但不同模型的偏好已显现明显分化。多家全球银行在过去一年将大量预算投向 Anthropic 的 Claude，用于自动化工作流、尽调分析和实时风控，而非更通用的 GPT 系列或开源方案。这反映出企业级用户对模型可靠性和合规性的优先排序。 具体来看，Claude 在处理长上下文文档和结构化推理任务上表现出色，适合银行高合规要求的场景。相比之下，OpenAI 模型虽在创意生成和多模态上更灵活，但部分机构因 token 消耗和安全顾虑转向更“保守”的闭源选项。Bloomberg 近期报道指出，银行正为 AI 培训和集成支付高昂费用，全球机构已投入数十亿美元，却仍在为工作流自动化寻找平衡点。 根本驱动力在于推理成本下降与监管压力并存。闭源模型提供更强的企业支持和责任边界，而开源方案虽成本低，但在数据隐私和审计追踪上仍存短板。过去微软与 OpenAI 的深度绑定，曾让 Azure 成为默认选择；如今 Anthropic 与多云策略的结合，正改变这一格局。 未来 6-12 个月，关键悬念在于真实 ROI 是否能匹配当前投入。若 Claude 等模型在欧洲和亚洲市场进一步渗透，闭源阵营或巩固企业份额；反之，若开源工具在定制化场景突破，或电力与算力瓶颈加剧，金融业可能转向混合架构。观察重点为各大银行下一季度财报中 AI 相关支出与营收贡献的对比。 信源：https://www.bloomberg.com/opinion/articles/2026-05-26/ai-boom-bankers-love-of-claude-carries-a-heavy-price ✕ 📱 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
AI 科学发现前沿加速 Demis Hassabis 强调多学科协作
近期 AI 在科学发现中的应用正从辅助工具转向核心引擎。Demis Hassabis 在 Axios 相关讨论中指出，AI 已帮助解决蛋白质折叠等长期难题，未来将在材料科学和药物设计领域实现更快速迭代。这与传统实验室方法形成鲜明对比：过去需数年积累的数据，现在通过模型推理可在 weeks 内生成候选方案。 具体案例包括 Google DeepMind 的 AlphaFold 系列迭代，以及 OpenAI 等在化学模拟上的探索。相比之下，Anthropic 等闭源玩家更侧重企业安全应用，而开源社区则在分布式计算上提供补充。数据支撑显示，2025 年以来全球 AI 辅助论文数量增长超 40%，但真正颠覆性突破仍依赖跨领域团队。 根本驱动力在于长上下文与多模态能力的成熟，使模型能整合实验数据、模拟结果与文献。未来 6-12 个月，关键悬念在于监管如何平衡创新与风险，以及中美在科学 AI 上的合作或竞争是否会重塑全球研究格局。观察重点为 Hassabis 等领军者后续访谈中透露的下一代模型方向。 信源：https://www.bloomberg.com/news/videos/2026-05-21/the-close-5-21-2026-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 💬 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
中美AI监管路径分化加剧
近期中美在AI治理上的策略差异持续拉大。美国特朗普政府自2025年初签署行政令，撤销此前多项安全保障措施，转而优先推动AI无障碍扩张，国会试图实施的州级监管十年禁令虽未通过，但联邦层面通过基础设施资金杠杆施压州政府。相比之下，中国则强化国家主导框架，5月新出台的AI代理规范进一步明确数据本地化与党政伦理对齐要求。 数据支撑这一分化：美国出口管制已迫使中国加速本土半导体供应链建设，华为、寒武纪等芯片厂商与AI实验室形成闭环；中国则在生成式AI水印、内容审查等领域实施严格执法。欧盟走第三条路，强调权利导向的透明度要求。三种路径让全球AI企业面临合规碎片化挑战。 根本驱动力在于国家安全与创新速度的权衡。美国担心过度监管削弱领先优势，中国则视AI为战略自主核心。未来6-12个月，关键悬念在于出口管制是否进一步刺激中国芯片自给率突破，或中美能否在特定领域（如科学应用）建立有限合作机制。观察重点将集中于特朗普政府后续行政令调整与中国新规落地效果。 信源：https://www.brookings.edu/articles/competing-ai-strategies-for-the-us-and-china/ https://cacm.acm.org/news/three-rulebooks-one-race-ai-regulation-in-the-u-s-eu-and-china/ ✕ 📱 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
AI 顾问日费 2.5 万美元 企业落地瓶颈凸显
华尔街正为 AI 代理落地支付高昂“学费”。彭博最新报道显示，两名前银行家创办的咨询公司向全球银行收取每日 2.5 万美元费用，帮助其从概念转向实际自动化工作流。多家银行已投入数十亿美元预算，却在工作流自动化上进展缓慢，凸显从试点到规模化的真实摩擦。[[1]](https://www.bloomberg.com/news/features/2026-05-25/the-ai-trainers-charging-25-000-a-day-to-push-wall-street-s-agentic-shift) 这一现象发生在 AI 代理商业化加速却瓶颈初现的背景下。相比编码领域代理已进入企业预算主流，金融场景的尽调、风控与个性化投顾仍需大量定制与合规适配。OpenAI、Anthropic 等闭源模型虽在推理能力上领先，但企业级部署常需外部专家桥接数据孤岛与监管要求；开源方案则在定制化上更灵活，却面临隐私与集成难题。过去一年，银行 AI 资本支出激增，但实际 token 消耗与 ROI 验证滞后于预期。 根本驱动力在于 agentic AI 的端到端能力尚未成熟，商业压力与技术复杂性并存。未来 6-12 个月，若此类高价顾问服务持续火热，说明落地门槛仍高，部分机构或转向混合模式或延迟大规模采用；反之，若首批项目证明可显著降低人工成本且通过合规测试，AI 在金融中介的渗透将加速。观察重点在于这些咨询案例的真实 ROI 数据是否公开，以及更多银行是否跟进类似投入。 信源：https://www.bloomberg.com/news/features/2026-05-25/the-ai-trainers-charging-25-000-a-day-to-push-wall-street-s-agentic-shift ✕ 📱 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
开源模型护栏易被剥离 Meta 与 Google 面临安全新压
Meta 的 Llama 3.3 与 Google 的 Gemma 系列开源模型，护栏可在数分钟内被工具“Heretic”剥离。金融时报与 AI 安全组织 Alice 测试显示，修改后的模型能回答生物武器、恶意软件及儿童剥削相关问题，例如 Gemma 3 版本可生成氯气扩散室内空间的方案、信用卡盗刷代码及儿童性虐待故事。Heretic 自发布以来已创建超 3500 个“去审查”模型，下载量达 1300 万次，其作者称甚至在 Google Gemma 4 发布 90 分钟内完成剥离。[[1]](https://www.irishtimes.com/business/2026/05/25/ai-guardrails-stripped-from-meta-and-google-models-in-minutes/) 此现象发生在开源模型能力快速追赶专有系统的背景下。Anthropic 四月已披露其模型能发现主流操作系统与浏览器漏洞，而“abliteration”等技术正让普通用户也能轻松移除安全限制。Meta 与 Google 的开源策略虽加速创新，却使监管在开发端控制失效——修改版模型可随意下载传播。 相比专有模型（如 Claude 或 GPT 系列）因代码不公开较难破解，开源阵营正面临更大滥用风险。根本驱动是前沿模型推理与代码生成能力的提升，让危险知识自动组合成为可能。未来 6-12 个月，关键悬念在于开源社区能否建立更 robust 的内在对齐机制，或监管是否转向模型分发与使用环节。 信源：https://www.irishtimes.com/business/2026/05/25/ai-guardrails-stripped-from-meta-and-google-models-in-minutes/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 […]
AI 资本支出与债务衍生品双轮驱动市场分化
本周 hyperscaler 债务规模激增引发关注，AI 基础设施投资正从单纯 capex 转向金融工程化操作。Bloomberg 报道显示，5 月 23 日多家 hyperscaler 债务洪水催生衍生品交易热潮，反映出头部云厂商已将 AI 训练与推理需求转化为可交易的金融工具，而非仅依赖传统融资。[[1]](https://www.bloomberg.com/ai) 对比 OpenAI 与微软的 Azure 深度绑定、Google 自建 TPU 集群，Anthropic 等玩家转向跨公司长期算力协议，凸显闭源阵营在供应链上的碎片化策略。过去一年全球 hyperscale 数据中心规划容量达 190GW，其中多数仍处早期阶段，美国数据中心电力消耗即将超越传统制造业总和。根本驱动力在于模型规模与 token 消耗的指数级增长，企业不得不提前锁定物理资源，同时利用债务衍生品对冲利率与电力价格波动。 与此同时，AI 硬件厂商如 Nvidia、AMD 正借此机会扩大生态，衍生品市场则为金融机构提供新对冲渠道。未来 6-12 个月，若电力瓶颈或监管收紧，部分厂商或被迫放缓迭代；反之，若衍生品工具成熟，资本效率将进一步提升，加速闭源与开源生态的分化。悬念在于这些金融创新能否真正缓解底层硬件短缺，还是仅延缓结构性矛盾。 信源：https://www.bloomberg.com/news/articles/2026-05-23/deepseek-to-make-permanent-75-discount-on-flagship-ai-model ✕ 📱 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”→ […]
AI 安全实时应对成大厂新课题 Google 亦不例外
AI 部署加速后，安全问题已从“事后补救”转为“实时嵌入”开发流程。Google Cloud COO Francis de Souza 近日表示，企业正经历过渡期，安全必须成为 AI 架构核心，而非附加层；即便 Google 自身也在这一过程中持续调整。TechCrunch 5 月 24 日报道显示，这一观点源于大厂在实际落地中遭遇的实时威胁，凸显安全不再是可选模块。 对比 OpenAI、Anthropic 等闭源玩家早期侧重模型能力迭代，Google 凭借云基础设施优势，正将安全实践前置至训练与推理环节。过去云时代依赖合规审计的模式，已无法匹配 token 消耗与 agent 交互带来的动态风险。HSBC、Intuit 等机构同期因 AI 采用加速裁员或重组，也间接反映安全与采用并行的压力——数据隐私、模型对齐与供应链攻击成为共同痛点。 根本驱动力在于推理成本下降与多模态能力成熟，使得端到端工作流暴露面扩大。未来 6-12 个月，若安全框架未能与模型迭代同步，大厂或面临监管加码与采用阻力；反之，Google 等通过 Workspace 等生态内嵌安全，或能巩固护城河。观察重点在于实际落地案例中，安全投入占比与事故率变化。 信源：https://techcrunch.com/2026/05/24/everyone-is-navigating-ai-security-in-real-time-even-google/ ✕ 📱 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