Category: 技术趋势

7月9日，英国UKRI-STFC宣布启动“自主实验室”项目，获EPSRC AI for Science专项资助约12.5万英镑，由Ada Lovelace Centre牵头，联合Diamond Light Source同步辐射设施与PSDI数据基础设施团队，聚焦衍射实验中的AI实时决策与数据处理。 这一动作并非孤例，而是AI从“聊天与生成”向物理世界核心流程渗透的缩影。传统科研依赖人工规划实验、事后分析海量数据， throughput 受限于人力与等待周期。新项目目标是让AI在实验进行中实时判断、调整参数，并生成可复用的高质量数据集，直接提升重复性与可解释性。若成功，同步辐射等国家大科学装置的利用率有望显著提升，工业界也能更快获得先进测量服务。 对比中美：OpenAI、Anthropic等仍聚焦通用模型参数竞赛，中国则在算力与应用落地双线推进；欧洲此举更强调“主权+效率”，用小规模精准资助撬动科研范式。两者路径差异本质是资本驱动 vs 基础设施驱动。 短期看，这类项目将加速“智能实验室”从demo走向生产，但真正悬念在于：AI能否在复杂、多变量实验中保持科学严谨性，而非制造新黑箱？若6-12个月内Diamond等设施实现生产级部署，全球科研范式或将重塑；反之，则暴露AI在高精度物理场景的可靠性瓶颈。 信源： https://www.diamond.ac.uk/Home/News/LatestNews/2026/New-AI-project-will-transform-how-experimental-science-is-done-in-the-lab.html (2026-07-09) https://www.buildfastwithai.com/blogs/ai-news-today-july-8-2026 (2026-07-08背景参考) ✕ 📱 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

谷歌 7 月 8 日宣布，Photos 应用新增“Video Remix”功能，可在数秒内对视频进行编辑与风格转换。该功能由 Gemini Omni 驱动，支持从图像、音频或文本生成视频内容。 这一更新是谷歌将生成式 AI 深度嵌入消费级产品的最新举措。此前 Gemini Omni 已用于图像和文本到视频的转换，如今直接落地到亿级用户日常使用的照片应用中，意在与 Apple、OpenAI 和 Adobe 的同类工具形成竞争。 与 OpenAI 等专注前沿模型的公司不同，谷歌选择通过现有消费入口快速普及 AI 能力。Video Remix 的实时处理能力，显示其在边缘推理与模型轻量化上的积累已具规模优势。相比之下，部分竞品仍停留在专业创作工具层面，用户渗透率较低。 此举也预示消费级 AI 应用正从“聊天”转向“创作即用”。未来六到十二个月，类似功能是否会成为手机相册标配，以及谷歌能否借此拉开与苹果的 AI 差距，值得持续观察。 信源：https://techcrunch.com/2026/07/08/google-photos-adds-a-new-ai-video-remix-tool/ ✕ 📱 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 于 7 月 8 日宣布，GPT-5.6 系列模型（Sol、Terra、Luna）将于 7 月 9 日起逐步向全球用户开放。此前因美国政府国家安全审查，发布曾推迟数周。Sol 为旗舰版，性能最强；Terra 主打日常工作，性能接近 GPT-5.5 但成本减半；Luna 则为最低成本选项。[[1]](https://mashable.com/tech/openai-gpt-5-6-sol-public-release) Sol 定价为每百万输入 token 5 美元、输出 30 美元；Terra 分别为 2.5 美元和 15 美元；Luna 为 1 美元和 6 美元。公司强调 Sol 配备迄今最强安全防护，针对高风险活动、网络请求和滥用场景进行了多周压力测试。首批将限量开放给部分客户，随后扩大容量。[[2]](https://openai.com/index/previewing-gpt-5-6-sol/) 这一举动正值 OpenAI 与 Anthropic、xAI 等竞争对手在代理能力和企业落地层面激烈角逐之际。GPT-5.6 系列不仅在 TerminalBench 等基准上超越部分竞品，更通过 Cerebras 平台实现最高 750 tokens/秒的推理速度，凸显 OpenAI 在前沿模型与基础设施双线并进的策略。 与此同时，微软等大厂正逐步减少对单一模型提供商的依赖，转向自研或多元组合。OpenAI 此番快速公开发布，既回应了政府预览要求，也试图在代理经济和科研应用赛道抢占先机。后续 Sol 在 Cerebras 上的大规模部署，以及企业客户反馈，将成为观察其商业化成效的关键指标。[[3]](https://www.engadget.com/2210308/openai-rolls-out-gpt5-6-july-9/) […]

巴黎 AI 初创公司 Mistral AI 于 7 月 8 日推出首款机器人模型 Robostral Navigate，标志其正式进军物理 AI 领域。该 8B 参数模型仅需单目 RGB 相机和自然语言指令，即可引导机器人自主导航复杂环境，在 R2R-CE 基准上达到 76.6% 成功率，优于多传感器方案，且完全通过模拟数据训练。 此举紧随 Mistral 5 月收购奥地利物理 AI 初创 Emmi AI 之后，目标直指工厂、仓库和工业自动化场景。模型硬件无关，支持各类机器人平台，并结合指向导航与强化学习实现持续优化，展现出对训练外真实障碍的泛化能力。 与此同时，OpenAI、Anthropic 等美系实验室仍在语言与代理模型上激烈竞争，欧洲玩家选择从具身智能切入，试图在监管友好与工业落地间寻找差异化路径。Mistral 此举也反映出 AI 公司正从纯软件转向硬件集成，物理世界部署成为下一战场。 下一步值得跟踪的是，该模型是否很快获得欧洲工业客户实际部署，以及是否引发美中巨头在机器人领域的跟进。[[1]](https://www.reuters.com/business/mistral-launches-first-robotics-model-physical-ai-push-2026-07-08/)[[2]](https://www.bloomberg.com/news/articles/2026-07-08/mistral-ai-releases-robotics-model-to-support-physical-ai-push) 信源：https://www.reuters.com/business/mistral-launches-first-robotics-model-physical-ai-push-2026-07-08/ ✕ 📱 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 […]

SpaceXAI（前 xAI）于 7 月 8 日正式发布 Grok 4.5 模型，这是其收购 Cursor 后的首款联合产品。该模型专为编码、金融、法律等知识工作优化，采用混合专家架构，上下文窗口达 500K，在速度、价格和性能上宣称超越部分 OpenAI 和 Anthropic 竞品，但尚未达到后者最新旗舰水平。 此次发布正值 SpaceXAI 完成 IPO 并整合 Cursor 资源的关键节点。Grok 4.5 不仅支持复杂长任务代理，还扩展至数据科学与法律场景，标志着 Musk 旗下 AI 业务从通用对话向垂直生产力工具的战略转向。此前 Grok 系列主要聚焦推理与语音，此次合作直接对标 Cursor 的工程用户群。 与 OpenAI、Anthropic 相比，SpaceXAI 依托 SpaceX 算力与 Cursor 代码生态，试图在企业级落地中抢占先机。Anthropic 近期营收已反超 OpenAI，而 SpaceXAI 则通过并购快速补齐产品能力。模型定价为输入 2 美元/百万 token、输出 6 美元/百万 token，性价比成为新卖点。 下一步值得跟踪的是 Grok 4.5 在真实企业工作流中的采用率，以及是否会引发更多 […]

法国 AI 初创公司 ZML 今日推出免费 LLM 推理服务器 ZML/LLMD，支持在 Nvidia、AMD、Google TPU、Apple Metal 和 Intel Arc 等多种芯片上运行开源大模型，旨在打破现有算力孤岛，提升跨硬件推理效率。[[1]](https://techcrunch.com/2026/07/08/hot-french-startup-zml-releases-free-product-to-speed-inference-across-lots-of-ai-chips/) ZML 创始人 Steeve Morin 表示，新工具能让不同芯片以最高速度运行模型，有时甚至更快。该公司此前获图灵奖得主 Yann LeCun 公开认可，此次发布进一步强化其在推理优化领域的定位。 此举正值全球 AI 推理成本与算力分配压力加剧之际。ZML 的跨芯片方案与主流厂商封闭生态形成对比，或为中小企业和开发者提供更灵活选择，也可能加速多供应商硬件竞争。 下一步值得观察：该工具实际部署规模、与主流框架集成速度，以及是否引发 Nvidia 等主导厂商的生态回应。 信源：https://techcrunch.com/2026/07/08/hot-french-startup-zml-releases-free-product-to-speed-inference-across-lots-of-ai-chips/ ✕ 📱 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

路透社 2026 年 7 月 7 日报道，知情人士透露，中国 AI 初创公司 DeepSeek 正在开发自有 AI 芯片，目标是降低对英伟达等海外供应链的依赖。该项目由三名消息人士确认，处于早期阶段，具体规格和时间表尚未公开。 这一动作发生在中美 AI 算力博弈持续升温的背景下。DeepSeek 此前凭借低成本、高性能模型已在国内开源社区站稳脚跟，如今自研芯片将进一步强化其垂直整合能力，与阿里、百度等大厂在硬件层面的竞争加剧。对比 Anthropic 与三星的芯片合作谈判、OpenAI 的算力租赁模式，DeepSeek 的路径更强调成本控制与自主可控。 编辑观察：如果 DeepSeek 芯片能实现规模量产，将为中国 AI 实验室提供更灵活的算力选项，也可能加速行业从“买卡”向“造卡”的转变。接下来值得跟踪的是该芯片的具体工艺节点、与现有模型的适配表现，以及是否会引发更多国内厂商跟进自研。 信源：https://www.reuters.com/world/china/chinas-deepseek-developing-its-own-ai-chip-sources-say-2026-07-07/ ✕ 📱 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

Vercel 首席执行官 Guillermo Rauch 在 7 月 6 日接受 TechCrunch 采访时指出，AI 行业正从“原型狂热”转向生产落地，模型与代理的耦合关系成为核心分歧。他强调，企业不再绑定单一实验室，而是将模型视为可插拔模块，配合沙箱、安全框架和网关构建生产系统。Vercel 每日处理 6 亿次部署，其中一半由编码代理触发，日均 token 流量超 1 万亿。 这一表态反映了从去年“释放代理”的实验阶段，到如今关注审计、数据控制和工具调用可追溯性的现实转变。Rauch 举例，销售代表过去需等季度仪表盘，现在通过自然语言代理即可实时获取增长账户数据，打破 SaaS 数据孤岛。 与 OpenAI 等实验室直接竞争的趋势正在加剧。OpenAI 近期推出可直接发布网页的工具，而 Vercel 则定位为“这一代的 AWS”，推动开放协议而非封闭生态。Gemini 和开源模型如 DeepSeek 的采用增加，也显示价格性能比在生产环境中胜过单一绑定。 这一分离若成主流，将重塑资本分配：实验室专注前沿智能，基础设施公司掌控部署与安全。未来 6-12 个月，代理经济或分裂为通用模型阵营与垂直工具阵营，胜负取决于谁能解决企业级数据访问与合规难题。 信源：https://techcrunch.com/2026/07/06/vercel-ceo-guillermo-rauch-on-the-fight-to-split-off-models-from-agents/ ✕ 📱 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 […]

Broadcom近日宣布，与苹果的定制ASIC芯片合作协议延长至2031年，双方将继续共同开发多代苹果产品所需的定制芯片。这一举动正值AI基础设施与边缘计算需求同步爆发的节点。 在AI算力军备赛中，通用GPU如英伟达的地位虽稳，但终端设备对低功耗、高效率芯片的需求正推动定制ASIC成为新战场。苹果长期依赖Broadcom的无线与网络技术，此次协议延伸意味着其AI功能将更深度绑定专用硅片，而非单纯依赖云端推理。相比之下，谷歌与高通的边缘AI布局、Meta的自研芯片尝试，都指向同一趋势：硬件定制化是提升能效、降低长期成本的关键。 这一合作凸显供应链集中风险——苹果的AI路线高度依赖少数供应商，而Broadcom借此锁定长期收入。资本密集的AI时代，类似绑定将加速垂直整合，但也可能加剧地缘与技术壁垒。 未来12个月，观察苹果下一代设备是否真正将AI代理推向日常使用，将是检验这一战略成败的试金石。 信源：https://www.quiverquant.com/news/Broadcom+Extends+Apple+Custom+AI+Chip+Partnership+Through+2031 https://finance.yahoo.com/technology/ai/articles/sk-hynix-launch-28bn-nasdaq-090628565.html（背景参考） https://www.reddit.com/r/StockMarket/comments/1uoxban/broadcom_extends_apple_custom_ai_chip_partnership/ ✕ 📱 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

7 月 5 日，亚马逊宣布停止接受 Mechanical Turk（MTurk）新客户接入。这一平台曾是 AI 训练数据标注的核心众包来源，如今直接切断新入口，标志着企业对人工标注依赖的结构性下降。 过去十年，OpenAI、Anthropic 等模型训练高度依赖 MTurk 式低成本人力完成分类、标注和验证任务。数据显示，早期 GPT 系列及 Claude 的预训练后处理环节，人工标注占比一度超过 30%。如今，随着合成数据生成、强化学习自反馈（RLAIF）及多模态模型自我迭代能力提升，头部实验室对人工数据的实际需求已大幅回落。亚马逊此举正呼应这一趋势：AI 本身正在“吃掉”其早期赖以生存的数据供应链。 对比中国路径，字节、阿里等公司更早转向自建数据工厂与合成数据 pipeline，减少对第三方众包的暴露。西方公司长期依赖 MTurk 的模式，如今暴露效率与成本双重压力。亚马逊的决定既是商业理性（MTurk 毛利承压），也折射行业共识：高质量人工标注的边际回报正在快速递减。 这一变化留下一个悬念：当人工数据供给收紧后，下一代模型的泛化能力与“幻觉”控制将更多依赖合成数据质量。若合成数据偏差放大，是否会延缓通用智能的突破？未来 6-12 个月，数据闭环能力将成为区分顶级实验室的核心变量。 信源：https://techcrunch.com/2026/07/05/amazon-will-stop-accepting-new-customers-for-mechanical-turk/ https://www.reuters.com/technology/2026-07-05 ✕ 📱 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