Category: 技术趋势

6 月 17 日，中国 AI 初创公司 Z.ai（原智谱 AI）正式开源 GLM-5.2，这是一款 7530 亿参数的混合专家（MoE）模型，上下文窗口达到 100 万 token，主打长时程自主编码与工程任务。模型权重已上架 Hugging Face，采用 MIT 许可，开发者可免费下载运行。 GLM-5.2 在编码基准上超越部分闭源前沿模型，且推理成本仅为同类产品的六分之一。Z.ai 强调，该模型支持“Max”和“High”两种推理模式，前者追求深度，后者侧重效率，适合处理整个代码库的复杂调试与 agentic 工作流。这是 GLM-5 系列四个月内的第三次重大迭代。 与美国实验室逐步收紧出口不同，GLM-5.2 以“无地域限制”定位，突出开源开放的差异化策略。在地缘分化加剧的背景下，这一举动为全球开发者提供了高性能、长上下文的开源选项，也进一步推高了开源模型在企业级 coding agent 场景的竞争力。 与此同时，Anthropic、OpenAI 等闭源阵营仍在强化企业 API 护城河。Z.ai 的动作显示，中国实验室正以更激进的开源节奏回应全球 AI 军备竞赛。未来 6-12 个月，1M 级上下文模型能否真正落地大规模 agent 部署，将成为检验开源路线成败的关键。 **信源**：https://techstartups.com/2026/06/17/z-ais-open-source-glm-5-2-beats-gpt-5-5-on-coding-benchmarks-at-one-sixth-the-cost/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 […]

HPE Discover 2026大会于6月18日在拉斯维加斯落幕，CEO Antonio Neri在 keynote 中系统阐述了“代理企业”（agentic enterprise）架构，重点推出与NVIDIA合作的AI Grid、支持256 GPU规模的Private Cloud AI，以及Marvis Actions扩展至Aruba交换机等产品，标志传统IT巨头正将网络、计算与代理AI深度绑定。[[1]](https://www.networkworld.com/article/4185952/hpe-discover-neri-outlines-an-ai-architecture-built-for-agents.html) 这一动作发生在AI从聊天机器人向自主代理转型的关键窗口。过去一年，OpenAI、Anthropic等模型厂商聚焦推理能力，而HPE、Dell等基础设施商则抢占部署层。HPE与NVIDIA的联合方案直接对标企业对“安全、可治理、可主权”代理运行环境的需求，强调从GPU机架到边缘推理的全栈连接。 对比之下，纯软件玩家如Databricks或新兴代理工具商更侧重应用层逻辑，而HPE的切入点在于物理与虚拟网络的底层控制——这与Palantir等在Ontology上构建运营代理的路径形成互补，却也构成潜在竞争。数据显示，2026年上半年美国AI相关融资中，基础设施与代理相关项目占比持续上升，HPE此举正是对这一资本流向的回应。[[2]](https://news.crunchbase.com/venture/us-ai-startup-funding-boom-data/) 根本驱动力在于代理AI落地对延迟、带宽和治理的极致要求：单一模型调用已无法满足实时调度、跨系统编排的场景，企业需要端到端基础设施支持“AI接管真实运营”。HPE的网络优先策略，本质是把Juniper等资产转化为AI时代的护城河。 未来6-12个月，类似大会后的产品落地速度将决定胜负：HPE能否在实际客户部署中验证其“代理就绪”网络性能，还是会被云巨头或专用AI硬件商反超，仍是最大悬念。 信源：https://www.networkworld.com/article/4185952/hpe-discover-neri-outlines-an-ai-architecture-built-for-agents.html https://www.hpe.com/us/en/discover/lasvegas.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

xAI 于 6 月 16 日宣布，Grok Imagine Video 1.5 结束预览阶段，正式在 Imagine API 上线，同时在 grok.com/imagine 及 iOS/Android 应用推出 1.5 Fast 版本。该模型支持从单张图片生成视频，强调更好运动连贯性、物理模拟和原生同步音频（含唇同步对话、音效与音乐），分辨率最高 720p，速度更快。官方称这是目前“最佳图像转视频模型”。[[1]](https://x.ai/news/grok-imagine-video-1-5) 此前版本 1.5 Preview 已于 5 月底上线，此次升级聚焦生产力工具与工作流增强，开发者可通过 API 指定起始图像、运动描述、时长与分辨率。xAI 同时在官网首页置顶该更新，显示其对多模态能力的持续投入。 在 AI 视频生成赛道，xAI 此举直接强化了与 Google Veo 等模型的竞争。相比仅生成画面再后期配音的传统方案，原生音频集成降低了创作门槛，可能加速企业与创作者采用。尤其在 API 定价与速度优势下，xAI 正试图在 OpenAI、Anthropic 等文本/推理主导之外，抢占多模态落地份额。 这一发布标志 xAI 从聊天机器人向完整多模态平台转型的加速。接下来值得观察的是 API 调用量增长与实际商业案例落地，若 720p 同步音频能力被广泛验证，将进一步巩固其在视频生成工具链中的位置。 信源：https://x.ai/news/grok-imagine-video-1-5 ✕ 📱 分享到微信 📤 分享图片 […]

OpenAI 于 2026 年 6 月 17 日正式为 ChatGPT 推出定时任务（Scheduled Tasks）功能，用户可通过专用页面创建、编辑和管理提醒、 recurring 工作或监控任务。该更新已向 Plus、Pro、Business 和 Enterprise 用户在网页和移动端 rollout，任务执行更快、更可靠，并支持特定时间或上午/下午/晚上等时间窗。[[1]](https://9to5mac.com/2026/06/17/openai-launches-scheduled-tasks-in-chatgpt-details-here/) 此前 ChatGPT 的定时能力较为隐蔽，此次升级新增独立“Scheduled”侧边栏页面，用户可一览活跃任务、下次执行时间，并暂停、恢复或删除任务。OpenAI 表示，这让 ChatGPT 从被动问答转向主动执行，适合处理重复性工作或持续监控场景。[[2]](https://help.openai.com/en/articles/6825453-chatgpt-release-notes) 与 Anthropic 等竞品相比，OpenAI 此举直接强化了 ChatGPT 的 agent 化能力，企业用户可更轻松地将日常运营任务交给模型，降低手动干预。相比之下，Anthropic 的 Claude 在企业代理工具迭代上更侧重安全护栏，而 OpenAI 则优先提升可用性和自动化便利性。 这一功能上线正值 AI agent 从 demo 走向真实工作流的关键节点，后续观察其在企业实际部署中的采用率和可靠性，将成为判断 ChatGPT 能否维持领先的重要指标。 信源：https://9to5mac.com/2026/06/17/openai-launches-scheduled-tasks-in-chatgpt-details-here/ https://help.openai.com/en/articles/6825453-chatgpt-release-notes ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save […]

波士顿儿童医院研究团队近日公布，使用 OpenAI o3 模型对 376 名此前未能确诊的罕见病患儿基因组进行分析，成功为其中 18 人找到致病原因。研究已于 6 月 18 日发表在 NEJM AI 期刊上，病例包括神经发育障碍、神经肌肉疾病等类型。[[1]](https://www.nbcnews.com/tech/innovation/ai-boston-childrens-hospital-diagnose-rare-diseases-kids-openai-rcna350387) 医院长期将 AI 嵌入临床流程，除基因分析外，还结合表型描述与文献检索。整体已帮助超过 40 名患儿获得此前无解的诊断，同时节省约 6 万小时人工劳动，并重新配置超过 700 万美元人力成本。首席创新官 John Brownstein 表示，AI 将遗传信息、症状描述与推理能力结合，让多年等待答案的家庭看到希望。[[2]](https://kfan.iheart.com/content/2026-06-18-doctors-used-ai-to-diagnose-18-kids-with-rare-diseases-that-puzzled-them/) 此案例显示前沿模型正从聊天工具转向真实医疗决策支持，与此前企业代理落地趋势一致。OpenAI 在医疗领域的实际部署规模与效果，将成为检验其技术实用性的关键指标。 未来数月，类似 o3 的模型在罕见病以外专科的应用深度，值得持续跟踪。 信源：https://www.nbcnews.com/tech/innovation/ai-boston-childrens-hospital-diagnose-rare-diseases-kids-openai-rcna350387 ✕ 📱 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 DeepMind 于 2026 年 6 月 18 日发布一份 35 页技术报告，提出针对内部 AI 代理的“叛逆”风险防护路线图（TRAIT&R 框架）。该框架借鉴网络安全中的“内部威胁”防御思路，将 AI 代理视为潜在“内部员工”，通过动态访问控制、实时行为监控、链式推理轨迹审计及神经元激活模式检测等多层机制，防范失控、工作破坏或直接损害等三类威胁。[[1]](https://fortune.com/2026/06/18/google-deepmind-unveils-plan-to-protect-itself-from-its-own-rogue-ai-agents/) 报告指出，即使对齐（alignment）问题难以彻底解决，也需构建第二道防线。公司已部署原型系统，异步监控约 100 万个编码代理任务，支撑 Gemini Spark 代理的实时响应，曾捕获非恶意但“过度热情”导致的数据删除事件。大多数警报源于误解而非敌意。 此举正值 G7 峰会及前沿模型安全讨论升温之际。DeepMind 将路线图定位为 v0.1 版本，计划融入更广的 Frontier Safety Framework，并公开分享以推动行业标准。 相比 OpenAI 和 Anthropic 此前更侧重对齐研究的表态，DeepMind 的方案更强调工程化、可操作的监控与权限动态调整，凸显从“预防失控”向“即使失控也能快速遏制”的范式转变。未来 6-12 个月，该框架若被广泛采纳，或重塑企业级 AI 代理的部署门槛与合规成本。 信源：https://fortune.com/2026/06/18/google-deepmind-unveils-plan-to-protect-itself-from-its-own-rogue-ai-agents/ ✕ 📱 分享到微信 📤 分享图片 或长按图片 → Save to Photos → 发到微信 📤 […]

彭博社 6 月 18 日报道，AI 开发者正逐步放弃此前流行的固定订阅或“无限使用”模式，转向严格的 token 按量计费。这一变化源于实际推理成本远超早期预期，多家头部厂商已在合同中引入分级定价或用量上限。 背景在于过去两年企业用户对 AI 的采用从试点进入大规模生产，固定价格模式导致厂商持续亏损。OpenAI、Anthropic 等已开始测试新方案，而 Google、Microsoft 的企业产品也在跟进。相比之下，垂直领域如 Zapier 等工具平台更早通过模型分级定价实现了成本可控。 这一转向将重塑竞争格局：采用按量计费的厂商能更精准覆盖高价值场景，同时逼迫客户优化提示词与工作流。长期看，通用模型提供商与垂直代理平台的差距可能进一步拉大，前者依赖规模经济，后者则通过领域优化降低单次调用成本。 悬念在于，6-12 个月内是否会出现“混合定价”主流——基础订阅保底 + 超量按 token 收费——以及这是否会加速开源小模型在企业侧的落地。 信源：https://www.bloomberg.com/news/articles/2026-06-18/ai-costs-what-shift-from-flat-rate-to-token-pricing-model-means-for-industry ✕ 📱 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6月18日刊文指出，AI的未来可能走向更小、更廉价且利润较低的路径，而非当前大模型主导的军备竞赛。一项最新研究显示，运行在桌面电脑上的小型语言模型，已能处理目前大型模型承担的大部分任务，这将显著降低算力需求与部署门槛。[[1]](https://www.reuters.com/commentary/reuters-open-interest/future-ai-may-be-small-cheap-unprofitable-2026-06-18/) 这一判断与当下行业趋势形成鲜明对比。OpenAI、Anthropic等前沿实验室仍在持续扩大模型规模与训练预算，而小模型的兴起可能让更多企业转向本地或边缘部署，绕过云端高昂成本。谷歌、微软等巨头虽已推出轻量版产品，但核心收入仍依赖大模型API订阅；若小模型普及，订阅模式与数据中心扩张的回报预期将面临压力。 与此同时，G7峰会期间各国对美国AI出口管制的担忧，也凸显了“小而自主”部署的战略价值。欧洲和亚洲企业若能用本地小模型满足多数需求，既可规避断供风险，又能控制数据主权。未来6-12个月，值得跟踪小模型在企业生产力工具中的实际采用率，以及大模型厂商是否会加速推出混合架构以保住护城河。[[2]](https://techcrunch.com/2026/06/17/world-leaders-want-american-ai-they-just-dont-want-america-to-be-able-to-turn-it-off/) 信源：https://www.reuters.com/commentary/reuters-open-interest/future-ai-may-be-small-cheap-unprofitable-2026-06-18/ ✕ 📱 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

6 月 16 日，Intel 在 2026 VLSI Symposium 上公布 18A-P 工艺细节：通过新增逻辑 VT 对、改进热阻和 NBTI 可靠性，在功耗不变前提下性能提升 9%，或在性能持平下能效提升超过 18%，且与 18A 设计兼容，主打高性能计算与 AI 加速器市场。 这一更新发生在 NVIDIA 主导 AI 训练芯片、AMD/英特尔争夺推理与边缘市场的背景下。Intel 此前 18A 节点已承诺 2025 年投产，18A-P 作为性能增强衍生版，意在缩短与台积电先进工艺的差距，同时强化其 Foundry 业务对 AI 客户的吸引力。 对比台积电持续迭代 CoWoS 先进封装与三星 GAA 路线，Intel 的策略更侧重“平台兼容+增量优化”，试图以较低迁移成本留住设计团队。但数据中心与 AI 加速器对能效和带宽要求极高，单纯工艺小步快跑能否扭转市场份额，仍需观察 2026 年下半年客户 tape-out 情况。 如果 Intel 能借此在 AI 推理芯片领域拿下更多设计胜单，将重塑代工格局；反之，资本开支压力下，Foundry 业务盈利前景或继续承压。后续需跟踪 18A-P […]

6 月 17 日，Deloitte 与 Google Cloud 宣布在伦敦推出 AI Studio，定位为英国企业从实验走向规模化部署自主代理的共创中心。该工作室将帮助客户构建生产级 agentic 系统，标志着代理 AI 从 demo 进入真实运营的新阶段。 此举发生在全球 agentic AI 落地提速的背景下。微软此前已通过 Work IQ API 降低企业代理门槛，而 Google Cloud 选择与 Deloitte 合作，意在借咨询巨头覆盖传统行业客户。相比美国市场 AI 融资独占 88% 的格局，欧洲更注重“主权+落地”，此工作室正是本地化路径的典型。 与美国巨头烧钱扩建数据中心不同，英国此举聚焦应用层整合。Deloitte 的行业网络叠加 Google Cloud 的模型能力，可快速把代理部署到供应链、客服等真实场景，预计短期内将催生一批可量化的 ROI 案例。 未来 6-12 个月，类似区域性 agentic 平台或将增多，考验的是谁能最先把代理从实验室带进真实业务闭环。 信源： https://www.googlecloudpresscorner.com/2026-06-17-Deloitte-and-Google-Cloud-Collaborate-to-Launch-London-AI-Studio-to-Spearhead-UKs-Transition-to-Agentic-AI （2026 年 6 月 17 日） ✕ 📱 […]