Cloudflare 推出 AI 代理专用浏览器引擎

Cloudflare 于 8 月 23 日发布 Kitesurf，这是一款专为自主 AI 代理打造的高性能浏览器引擎，重点优化 DOM 渲染速度与反机器人绕过能力。官方描述显示，该引擎可显著降低代理在网页交互中的延迟与失败率，成为代理从聊天转向真实界面操控的基础设施新选项。

这一动作出现在代理经济从模型竞赛转向网络运营实效的关键节点。过去一年，Anthropic、OpenAI 等前沿实验室持续迭代代理框架，但真实部署中网页兼容性与反检测仍是最大瓶颈。Cloudflare 此举直接切入基础设施层，与其全球边缘网络形成协同，试图在代理“最后一公里”建立护城河。

对比之下，传统浏览器引擎（如 Chrome）面向人类用户设计，缺乏针对代理的优化；Meta、阿里等也在推出 GUI 代理，但多依赖现有浏览器或自研模拟器。Cloudflare 的切入更像基础设施玩家对应用层的反向渗透，类似于当年 CDN 厂商向上游延伸至安全与计算。

此举可能加速代理经济的分层：模型层继续由大实验室主导，而基础设施与执行层将出现更多专业玩家。值得跟踪的悬念是，Kitesurf 是否能形成事实标准，或仅成为云厂商间又一轮基础设施军备赛的注脚。

信源：https://blogs.techbytes.app/tech-pulse-daily/2026/august/23/
信源：https://www.theguardian.com/technology/artificialintelligenceai (2026-08-23)

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

马斯克将定期分享 VulcanBench 排行榜

8月21日，马斯克在X上发帖称，他将开始更频繁地分享 VulcanBench 的排行榜，并强调这是他所知唯一在不同努力水平上、针对100%真实工程任务进行基准测试的评测套件。他还提到即将淘汰评估套件3，套件4已接近就绪。

VulcanBench 由 Morgan Linton 开发，是一个开源基准，专注于多文件真实软件工程任务，涵盖推理努力、语言、代码库规模和任务复杂度，并提供完整轨迹和可复现评分。近期 v3 快照显示，Grok 4.5 以91.3%领先，Claude Opus 5 和 GPT-5.6 Sol 并列第二。

这一举动发生在 AI 基准从合成测试转向实际工程场景的背景下。传统基准易被优化，而 VulcanBench 强调跨努力水平的真实任务性能，凸显 xAI 在编码代理能力上的定位。与此同时，行业正从模型规模竞赛转向实用部署，真实任务基准的重要性上升。

马斯克此举可能加速 VulcanBench 的采用，推动更多模型在真实工程场景中竞争。下一步值得观察的是套件4发布后，各家模型的具体表现及是否引发新的基准军备竞赛。

信源：https://x.com/elonmusk/status/2090950876425080851

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

Gemini 3.7 Flash 首周增长创纪录 谷歌最快模型

谷歌 CEO 桑达尔·皮查伊 8 月 22 日发帖称，Gemini 3.7 Flash 发布首周即打破此前 Gemini 系列增长纪录，成为公司史上增速最快的模型。DeepMind 联合创始人兼 Alphabet 首席科学家 Demis Hassabis 转发并点赞，称“Great…”。[[1]](https://x.com/demishassabis)

这一数据出现在谷歌正加速模型迭代、应对 OpenAI 与 Anthropic 价格战与代理能力竞争的背景下。此前谷歌已推出多款 Flash 轻量版，强调推理速度与成本控制，而 3.7 版在企业与开发者端的采用速度远超预期，反映出用户对低延迟、多模态能力的实际需求。

对比 OpenAI 近期前沿模型降价 20% 的动作，谷歌选择通过 Flash 系列快速占领中低端市场，避开与顶级模型的直接参数竞赛。DeepMind 内部人事调整后（Hassabis 转任主席），新团队更注重产品落地速度，此次增长数据正是验证。

未来 6-12 个月，Flash 系列能否持续拉动 Gemini 整体份额，将直接考验谷歌在代理与企业应用上的执行力。若增速延续，谷歌或在开源与闭源混合路径上占据更主动位置。

信源：https://x.com/demishassabis/status/2090962379571855677

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

马斯克：Starship可靠后或逐步停用Falcon

当地时间8月22日，埃隆·马斯克在X上发文表示，一旦Starship实现每周多次可靠飞行，SpaceX将把稀缺的工程与生产资源转向Starship，以将发射频率提升至每天多次，这意味着Falcon系列将逐步退役。[[1]](https://x.com/elonmusk?ref_src=twsrc%5Egoogle%7Ctwcamp%5Eserp%7Ctwgr%5Eauthor)

这一表态正值SpaceX推进Starship测试的关键阶段。Starship作为可完全重复使用的下一代运载系统，目标是大幅降低发射成本并支撑火星殖民等长期计划。Falcon 9目前仍是SpaceX主力，但其产能已接近极限，资源再分配将加速Starship规模化部署。

与传统航天器不同，Starship的快速迭代路径依赖高频测试与生产反馈循环。马斯克此前多次强调发射频率是核心瓶颈，此次直接将资源转移与Falcon退役挂钩，显示SpaceX已将Starship视为唯一增长引擎。

若Starship测试按计划推进，2027年前后Falcon退役或成现实，这将重塑商业航天市场格局：SpaceX发射份额进一步集中，竞争对手需应对更低成本的Starship竞争压力。下一步值得跟踪Starship下一次高频飞行测试结果，以及SpaceX是否公布具体资源再分配时间表。

信源：https://x.com/elonmusk/status/ (对应2026-08-22发帖)

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

哈佛商学院推AI讲师分身创业营

哈佛商学院（HBS）22日推出为期八周、收费699美元的HBS Foundry创业训练营，核心卖点是使用AI视频分身提供个性化反馈。分身由HeyGen技术生成，模拟真实教授在路演、董事会会议等场景中的互动，学员可反复练习并获得严格点评。

每周仍有真人讲师直播授课，但实践环节主要由AI分身承担。项目负责人Katharina Rings表示，最初设想更接近聊天机器人，试用后学员要求更具引导性的视频体验。参与者反馈积极，部分学生称其“实用”。

《纽约时报》记者Sarah Kessler亲测，向Flybridge Capital联合创始人Jeff Bussgang的AI分身演示“香蕉版Uber”项目，真实与虚拟版本均持负面评价，但虚拟版表情略显僵硬。Bussgang本人承认分身“有点诡异”，却表示“学生们喜欢”。

这一尝试折射AI正从通用工具转向垂直教育场景的落地。传统商学院 mentorship 资源稀缺，AI分身可低成本规模化复制专家反馈，同时保留真人 oversight。相比纯在线课程或单纯聊天机器人，它更接近“模拟实战”。

不过，AI分身仍面临“僵硬”“不够自然”的用户感知挑战。长远看，若反馈质量持续优化，这类混合模式或成为创业教育标配，加速人才筛选与技能迭代。下一步值得观察 HeyGen 等工具在更多高校的渗透，以及真实导师角色如何重新定位。

信源：https://techcrunch.com/2026/08/22/harvards-699-startup-bootcamp-offers-ai-avatars-of-its-instructors/

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

Nscale冲刺30亿美元IPO 折射AI基建上市潮

伦敦AI数据中心公司Nscale于8月21日被曝计划赴美IPO，募资上限30亿美元，由高盛和摩根大通承销，最快9月落地。公司已锁定约510亿美元合同收入，并计划新增10吉瓦电力容量。这一动作紧随AI基建资本狂飙而来，却选择公开市场而非继续私募，标志基础设施玩家正从“烧钱故事”转向可验证现金流。[[1]](https://www.bloomberg.com/news/articles/2026-08-21/ai-cloud-firm-nscale-is-said-to-seek-up-to-3-billion-in-us-ipo)

与此前Nebius等通过债务融资扩张不同，Nscale的路径更接近传统云巨头早期上市逻辑：用合同背书估值，降低对风险资本的依赖。过去18个月，AI数据中心建设已从芯片军备赛延伸至电力与土地争夺，公开市场若成功接盘，将为更多类似玩家打开估值锚点，同时考验投资者对长期电力成本与利用率的信心。

对比 hyperscaler 自建与专业玩家外包，Nscale模式凸显专业分工加速：前者掌控核心算力，后者提供模块化容量。但若IPO定价偏高或执行不及预期，可能加剧市场对AI资本开支可持续性的疑虑。未来6-12个月，更多AI基建IPO或将跟进，关键看电力合同落地速度与实际毛利率表现。

信源：
https://www.bloomberg.com/news/articles/2026-08-21/ai-cloud-firm-nscale-is-said-to-seek-up-to-3-billion-in-us-ipo
https://dealroom.co/news/146323-nscale-eyes-3b-us-ipo-in-ai-data-center-listing-rush/

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

英伟达AI芯片报价上调超15% 基建成本战升温

英伟达近期通知主要客户，其AI服务器产品价格将上调超过15%，主要源于高带宽内存等关键组件成本攀升。消息于8月21日由彭博社率先披露，影响覆盖多家大型科技公司正在规划的数据中心项目。[[1]](https://www.reuters.com/technology/artificial-intelligence/)

这一调整发生在AI算力需求持续爆发的背景下。过去一年，美国企业AI相关债务发行已达约2200亿美元，较去年同期增长近20倍，资本开支压力正从模型训练向基础设施传导。英伟达作为GPU主导者，此举直接推高下游部署门槛，也反映出供应链紧张已从芯片本身延伸至配套内存与网络设备。

对比来看，谷歌近期与Marvell达成120亿美元股权认购协议，试图通过定制芯片降低对单一供应商依赖；博通则寻求超600亿美元债务融资支持AI基建。英伟达此番提价，可能加速行业向多元供应链迁移，同时考验企业对AI投资回报的耐心。[[2]](https://digibites.me/news/)

编辑观察：短期内价格上涨或进一步推高小模型与代理系统性价比，长期则将放大资本结构分化——头部实验室与云巨头仍可承受，中小玩家或加速退出。下一步值得跟踪的是英伟达Q3财报中毛利率与客户续约情况，以及各家数据中心项目是否因此延期或缩减规模。

信源：https://www.reuters.com/technology/artificial-intelligence/
https://digibites.me/news/

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

DeepMind校友创业公司Inherent称小型AI队友复现科研论文胜过前沿大模型

伦敦AI初创Inherent 8月22日宣布，其AI代理Faraday在独立复现已发表科研论文的任务上，超越了Anthropic和OpenAI的更大规模模型。该公司由前DeepMind员工创立，Faraday仅基于27亿参数的Qwen 3.6模型运行，却在准确性和“研究品味”上表现更优。

Inherent强调，复现论文是训练AI科学家的标准起点。公司通过强化学习而非规则灌输，让代理学会判断哪些实验值得开展。联合创始人Edward Hughes表示，目标是打造能主动探索、提出新见解的“队友”，而非简单迎合用户。Faraday甚至直接调用OpenAI的GPT-5.5 Codex工具，体现“用现有工具”的务实思路。

此举凸显小团队在特定垂直任务上的效率优势，与OpenAI、Anthropic等前沿实验室追求通用规模的路径形成对比。Inherent计划年底将员工增至20-25人，并持续招募伦敦AI人才。

这一结果若能持续，将推动更多创业公司专注“研究味”代理，而非单纯堆砌参数。下一步，Inherent能否将能力扩展到发现新科学知识，值得持续跟踪。

信源：https://techcrunch.com/2026/08/22/inherent-founded-by-deepmind-alumni-says-its-ai-teammate-just-outperformed-anthropic-and-openai-at-replicating-research/

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

AI 工资压力显现，就业韧性仍存

8 月 22 日，Apollo 首席经济学家 Torsten Slok 发布最新分析显示，AI 暴露度高的职业工资增速明显放缓，而就业人数变化尚不显著。这份基于数百职业数据的观察，为 AI 对劳动力市场的影响提供了最新实证。[[1]](https://www.bloomberg.com/news/videos/2026-08-22/study-shows-ai-hitting-paychecks-not-payrolls)

这一发现正值 AI 资本支出进入高峰。 hyperscalers 2026 年 AI 相关 capex 预计突破万亿美元，OpenAI、Anthropic 等实验室仍在加速训练与部署，但终端应用变现仍滞后。Slok 此前多次指出，上游利润实质由投资者资本而非客户付费支撑，此次工资数据进一步印证“生产率提升尚未充分转化为薪酬增长”。

对比之下，中国开源模型（如 Qwen 系列）正以低成本路径快速渗透企业场景，价格战已迫使前沿实验室多次降价。Meta、Google 等大厂虽在自建算力，但工资压力传导至更广泛白领岗位，可能加速“AI 辅助而非替代”的组织调整。过去周期中，技术冲击往往先表现为就业下降，此轮却呈现工资压缩优先的特征，反映代理系统尚处早期落地阶段。

悬念在于：若 2027 年代理规模化部署加速，工资与就业的双重压力是否会同时释放？市场正密切跟踪 Nvidia 26 日财报，看资本支出回报能否及时兑现。[[2]](https://finance.yahoo.com/markets/stocks/articles/something-big-could-happen-nvidia-120049837.html)

**信源**：
https://www.bloomberg.com/news/videos/2026-08-22/study-shows-ai-hitting-paychecks-not-payrolls
https://www.apollo.com/wealth/insights-news/insights/daily-spark

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信

OpenAI 首批 Vera Rubin 机架上线运行

OpenAI 基础设施负责人 Uday Ruddarraju 8 月 20 日在 X 平台发帖称，公司首批 NVIDIA Vera Rubin 机架已到位并开始运行训练栈。这是 OpenAI 下一代前沿模型预训练算力扩张的重要一步。NVIDIA 同日转发确认，称双方正共同构建加速计算基础设施以推动前沿 AI 发展。

这一部署发生在 OpenAI 暂停部分前沿强化学习训练以优先安全标准的背景下。Vera Rubin NVL72 机架此前已在 CoreWeave、谷歌云、微软 Azure 等云服务商落地，OpenAI 成为早期大规模采用者之一。相比前代 Blackwell 系统，新平台在 token 输出效率、能效和集成度上均有显著提升，定价与利润率也创下新高。

与此同时，Anthropic 等竞争对手正通过自建 TPU 团队和企业数据政策调整来争夺算力主导权，而 OpenAI 此举直接强化了与 NVIDIA 的深度绑定。Meta、谷歌等也在同步扩容类似硬件，AI 基建军备赛进入机架级规模化交付新阶段。

编辑观察：Vera Rubin 的快速落地显示算力供应正从芯片层面向整机柜系统倾斜，OpenAI 若能借此保持预训练领先，下一步模型迭代或将重塑代理能力基准。值得跟踪的是 Q3 规模化部署后的实际训练效率，以及是否引发价格或安全标准的进一步协调。

信源：https://x.com/udayruddarraju/status/2090343188393246973
信源：https://x.com/nvidia/status/2090473127658570184

📤 分享这篇文章

𝕏 X 分享in LinkedIn

点击”分享微信好友”→ 长按图片发到微信