TheBestDoll.com

6 月 1 日，英伟达在台北 GTC 大会 keynote 上发布 Cosmos 3 物理 AI 平台，同时推出 Alpamayo 2 Super 及 Isaac GR00T 人形机器人参考设计。Jensen Huang 在演讲中强调，该平台聚焦物理 AI、机器人与 AI 原生个人计算，旨在构建从云端到边缘的完整智能系统。

这一动作发生在 AI 从生成式模型向具身智能与代理系统演进的关键节点。英伟达此前已通过 CUDA 生态锁定训练市场，如今转向物理世界交互，显示其战略重心从单纯算力供应转向端到端解决方案。对比 OpenAI 等专注模型迭代的路径，英伟达正以硬件+软件+机器人全栈布局抢占下一阶段主导权。

与此同时，Computex 同期举行，英特尔等厂商也在 AI PC 与边缘芯片上加码。英伟达此举既巩固其在万卡集群的定价优势，也试图把物理 AI 变成新护城河。

未来 6-12 个月，关键看 GR00T 与 Cosmos 3 的实际部署规模与性能落地。若机器人训练数据与仿真闭环加速，英伟达或进一步扩大与软件厂商的生态差距；若进展缓慢，垂直机器人玩家或加速分流算力需求。

信源：https://www.nvidia.com/gtc/

2026 年上半年，AI 安全与合规工具赛道融资显著升温。数据显示，今年以来纯 AI safety 公司已完成 9 笔融资，合计约 4.39 亿美元，较 2025 年同期大幅增长；全年中位单笔融资金额升至 3000 万美元，平均 4880 万美元。ZeroDrift 等初创公司刚完成 1000 万美元融资，专注在模型与用户间拦截合规风险内容。

这一趋势出现在大模型快速迭代、监管压力加大的背景下。EU AI Act 等法规落地在即，企业需应对偏见测试、风险评估与透明度要求，传统 GRC 工具已难以覆盖生成式 AI 的动态风险。YC 等机构 2026 年合规模块新增多家 AI co-pilot 公司，显示资本正从模型层向下游基础设施延伸。

对比 OpenAI、Anthropic 等模型公司动辄数十亿美元的资本开支，合规工具虽单笔规模较小，但增长曲线陡峭，且直接绑定企业采用门槛。过去一年安全融资从 2024 年的 3.69 亿美元增至 2025 年的 6.26 亿美元，2026 年上半年已接近全年一半，印证“安全即功能”的市场共识正在形成。

未来 6-12 个月，关键看监管执行力度与企业落地案例。若合规模块与模型厂商形成生态绑定，或涌现头部平台，这类工具或成为 AI 部署的标配护城河；若落地缓慢，则暴露大厂对下游控制力的不足。

信源：https://newmarketpitch.com/blogs/news/ai-safety-funding-trends

全球 AI 训练与推理需求推动数据中心电力消耗快速攀升。国际能源署（IEA）最新报告显示，全球数据中心用电量到 2030 年将翻倍至约 945 TWh，占全球总用电量的近 3%；加速服务器（主要由 AI 驱动）年增长率达 30%，远超传统服务器。[[1]](https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai)

美国尤为突出：过去一年数据中心贡献了全国新增电力需求的一半，2023 年用电量约 176 TWh，预计 2028 年升至 325-580 TWh，占全美 6.7%-12%。[[2]](https://fortune.com/2026/04/20/us-data-center-electricity-demand-public-opinion/) Bloom Energy 预测，2025-2028 年美国数据中心总功率需求将从 80 GW 增至 150 GW，相当于新增一个西班牙的用电规模。[[3]](https://www.consumerreports.org/data-centers/ai-data-centers-impact-on-electric-bills-water-and-more-a1040338678/)

与此同时，欧洲与中国也在加速布局，但电网与可再生能源配套滞后。美国部分地区已出现项目因电力短缺延期，企业转而自建燃气发电或直接采购可再生能源；Anthropic 等公司估算，单一大模型训练到 2027 年需 5 GW 电力，美国 AI 行业 2028 年或需新增 50 GW 容量。[[4]](https://www.brookings.edu/articles/global-energy-demands-within-the-ai-regulatory-landscape/)

这一趋势的根本驱动是算力规模化：从万卡集群到未来十万卡级，电力已成为比芯片更紧缺的资源。对比过去两年单纯扩建数据中心的模式，如今资本开支正向电力基础设施倾斜，Nvidia 等硬件巨头投资光子互联等节能技术也印证了这一转向。

未来 6-12 个月，关键看美国与欧洲电网升级速度及核电/可再生能源落地情况。若电力瓶颈持续收紧，AI 训练成本将进一步上升，中小玩家优势被削弱；反之，率先解决供电问题的地区或国家将吸引更多资本与人才，加速全球算力版图重塑。[[5]](https://enkiai.com/data-center/ai-data-center-grid-strain-power-halts-growth-in-2026/)

信源：https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai

5 月 30 日 TechCrunch 报道，Google 推出 Gemini Spark 24/7 代理助手，已集成 Gmail 等服务，可自动处理日程、总结邮件和生成报表；同日 Meta 据 The Information 备忘录，正开发 AI 吊坠硬件，计划明年启动测试。两家动作均指向个人设备端的常驻代理，而非单纯云端聊天。[[1]](https://techcrunch.com/2026/05/30/meta-is-reportedly-developing-an-ai-pendant/)

这一趋势与此前企业级代理测试形成对比。过去两年，Anthropic、OpenAI 等聚焦 API 层企业应用；如今 Google 以云端虚拟机驱动“关闭笔记本即可”的连续代理，Meta 则押注可穿戴硬件，试图把代理嵌入日常佩戴场景。Bloomberg 同期报道显示，AI 基础设施需求已拉动 Dell、Nokia 等老牌硬件股反弹，印证算力与终端正同步扩张。

根本驱动力在于数据闭环与变现路径。云端代理依赖订阅与 API 调用，硬件则可通过传感器实时采集用户上下文，提升留存与广告潜力。对比 Meta 过去 AR 眼镜的硬件优先与 Google Assistant 的语音时代，当前路径更像一次从“工具”到“常驻助手”的跃迁。

未来 6-12 个月，关键看硬件测试反馈与隐私合规。若 Gemini Spark 用户留存超预期，更多厂商或跟进边缘设备；若能耗与数据安全问题凸显，订阅模式可能重新主导。谁先完成云-端数据闭环，谁就可能在下一阶段代理经济中占据入口优势。

信源：https://techcrunch.com/2026/05/30/meta-is-reportedly-developing-an-ai-pendant/
https://techcrunch.com/2026/05/30/i-put-googles-24-7-ai-assistant-gemini-spark-to-work-and-its-actually-pretty-useful/