AI 基础设施层估值飙升 代理经济催生新赢家

OpenRouter 等 AI 模型路由平台近期估值快速攀升，过去一年翻倍至 13 亿美元，反映出代理经济正从大模型本身向底层基础设施转移。TechCrunch 报道显示，该平台连接多家模型提供商，帮助开发者动态选择最优模型与价格，受益于代理任务对多模型编排的需求激增。[[1]](https://techcrunch.com/category/artificial-intelligence/)

同期，DuckDuckGo 安装量较前月增长 30%，用户明确表示拒绝“被喂食” Google 的 AI 搜索答案。这一趋势与 Google I/O 2026 上 Sundar Pichai 强调的“代理生态”形成对比：大厂试图将 Gemini 代理嵌入搜索、Gmail 等核心产品，而独立平台则通过路由与聚合切入分发权。[[1]](https://techcrunch.com/category/artificial-intelligence/)

根本驱动力在于推理成本下降与代理多步任务成熟后，企业与开发者更倾向混合使用闭源与开源模型，避免单一供应商锁定。OpenRouter 的增长正是这一分化的缩影——它既服务 Anthropic、OpenAI 等闭源玩家，也整合开源选项，类似“模型交易所”的角色正在固化。

未来 6-12 个月，关键悬念在于这些基础设施玩家能否在代理商业化落地中守住议价权。若路由平台继续证明能显著降低企业 token 成本并提升任务完成率，其估值或进一步分化大厂与独立生态的利润分配。

信源：https://techcrunch.com/2026/05/26/openrouter-more-than-doubles-valuation-to-1-3b-in-a-year/
https://techcrunch.com/2026/05/26/duckduckgo-installs-are-up-30-as-users-reject-being-force-fed-googles-ai-search/

📤 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

美光万亿与韬定律——60 年摩尔接力棒交给了工程师

美光市值破万亿这件事，不是 AI 缺货叙事的延续，而是 60 年半导体史一次范式交接的资本确认。

美光 Q2 营收同比三倍，毛利率 74.9%。HBM 产能锁死全年，客户排队也只能拿到六成。这不是周期性涨价。算力瓶颈不在算，在喂——计算结构本身在转向。

把视角拉到月球，你会看见同一画面的另一半。5 月 25 日华为发布韬定律，以时间常数 τ 替代几何缩微。背后是一个文明级判断——半导体已经从空间问题变成时间问题。摩尔定律是物理学家的时代，韬定律是工程师的时代。

英伟达 NVLink、AMD Chiplet、SK 海力士混合键合、华为四层协同——全球四大玩家在做同一件事，只是路径不同。这不是中美对抗，是一个旧范式集体撤退。台积电 2 纳米晶圆报价 3 万美元，是 4 纳米的两倍——这个数字本身就是摩尔定律的讣告。

未来 6 到 12 个月，真正的变量不在谁先到 1 纳米，而在谁的协同体系最早跑通。美光赌 HBM4E 混合键合良率，华为赌 381 款国产芯片能进入全球链条。这场赛跑，赢家不在光刻机，在系统整合。

信源：
https://www.reuters.com/world/china/micron-joins-1-trillion-club-ai-race-powers-memory-chip-boom-2026-05-26/
http://opinion.people.com.cn/n1/2026/0525/c436867-40727018.html
https://www.guancha.cn/xinzhiguanchasuo/2026_05_25_818270.shtml

大厂 AI 代理落地路径分化：Meta 内部重构 vs Google 搜索嵌入

Meta 正将 AI 代理深度嵌入企业运营。近日，该公司计划裁员约 10%，并将数千名员工转向 AI 角色，同时记录员工键盘与鼠标操作数据，用于训练 AI 代理“使用电脑”。此举发生在 Meta 过去一年向 AI 投入数百亿美元的背景下，目标是将公司转变为“AI-first”组织。[[1]](https://www.wsj.com/tech/ai/meta-andrew-bosworth-ai-3df12d4f)

Google 则选择将 AI 代理直接嵌入搜索体验。Sundar Pichai 在最新访谈中强调，Gemini 模型正推动搜索从“信息查找”转向“任务完成”，用户可通过自然语言指令完成复杂操作，而非单纯获取链接。这一调整被描述为搜索 25 年来最大变革，AI 代理将渗透网页与 YouTube。[[2]](https://www.theverge.com/podcast/936445/sundar-pichai-ai-search-google-zero-youtube-web)

对比之下，Meta 路径更侧重内部效率与数据采集，Google 则优先用户端分发权争夺。根本驱动力在于推理成本下降与多步任务能力成熟，但两者都面临数据隐私与采用真实 ROI 的考验。过去一年，类似代理工具已在编码、金融场景小规模验证，而大厂正从 hype 转向规模化部署。

未来 6-12 个月，关键悬念在于哪种路径能更快证明商业价值：Meta 若内部代理成功提效，或加速外部产品落地；Google 若搜索代理显著提升留存，则可能重塑分发格局。观察重点为两家后续用户反馈与实际任务完成率数据。

信源：https://www.wsj.com/tech/ai/meta-andrew-bosworth-ai-3df12d4f
https://www.theverge.com/podcast/936445/sundar-pichai-ai-search-google-zero-youtube-web

📤 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

特朗普任命邦迪加入白宫AI政策顾问委员会

2026年5月27日，特朗普总统任命前司法部长帕姆·邦迪（Pam Bondi）加入白宫AI政策顾问委员会。该委员会由前白宫AI顾问戴维·萨克斯和大卫·克拉齐奥斯共同主持，焦点在于AI监管、就业影响与国家安全政策。[[1]](https://www.axios.com/2026/05/27/pam-bondi-white-house-ai)

这一任命发生在特朗普政府加速AI议程的背景下。4月已援引《国防生产法》将电网基础设施列为国家安全重点，本次调整被视为平衡创新与风险控制的信号。邦迪此前在司法领域经验丰富，此举或强化委员会在执法与合规层面的专业性。

相比加州此前签署的AI就业影响行政令，联邦层面更注重跨部门协调。OpenAI、Anthropic等公司已与国防部签订多份AI部署协议，政府正通过顾问机制吸纳外部观点。根本驱动力在于AI军事与企业应用加速落地，需应对自主系统红线与就业替代的双重压力。

未来6-12个月，关键悬念在于委员会是否推动具体行政令或立法框架，以及中美监管路径分化下，美国企业如何应对国际合规挑战。

信源：https://www.axios.com/2026/05/27/pam-bondi-white-house-ai

📤 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

Insilico 携手美国伙伴打造人类长寿 AI 基础模型

香港 AI 药物发现公司 Insilico Medicine 正与美国 Human Life Foundation Models Inc. 合作，开发专注于人类长寿科学的 AI 基础模型。该模型旨在更早识别疾病风险并加速疗法发现。Insilico 股价自 2025 年 12 月香港上市以来已翻倍，此次合作被视为其在 AI 驱动药物研发上的进一步布局。[[1]](https://www.bloomberg.com/news/articles/2026-05-26/insilico-taps-us-partner-to-build-ai-model-for-human-longevity)

这一动作发生在 AI 正快速渗透生物医药领域的背景下。全球多家药企已将生成式模型用于分子设计与临床试验优化，而长寿相关研究因数据稀缺与跨学科需求，长期依赖传统实验方法。Insilico 此举将模型训练重点转向人类衰老轨迹与多组学数据整合，区别于通用医疗 AI 的疾病治疗导向。

相比 OpenAI 或 Google DeepMind 在通用能力上的广撒网策略，Insilico 的垂直深耕凸显生物 AI 赛道“数据壁垒+监管合规”双重门槛。过去一年，类似垂直模型在肿瘤与罕见病领域已展现 ROI，但长寿领域因伦理与长期验证周期，仍处于早期验证阶段。

未来 6-12 个月，关键悬念在于该模型能否产出可进入临床的概念验证数据，以及中美在生物 AI 数据跨境流动上的政策走向是否会加速或阻碍此类跨国合作。

信源：https://www.bloomberg.com/news/articles/2026-05-26/insilico-taps-us-partner-to-build-ai-model-for-human-longevity

📤 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

Fireworks AI 估值冲刺 150 亿美元

Fireworks AI 正在与投资者谈判新一轮融资，目标估值 150 亿美元。该公司专注 AI 推理云平台，帮助企业高效运行大模型。此前 2025 年 10 月的 Series C 融资为 2.5 亿美元，投后估值 40 亿美元，由 Lightspeed、Index Ventures 领投，Sequoia 等跟投。[[1]](https://www.bloomberg.com/news/articles/2026-05-27/fireworks-ai-in-talks-for-funding-at-15-billion-valuation?srnd=all)[[2]](https://news.bloombergtax.com/financial-accounting/fireworks-ai-in-talks-for-funding-at-15-billion-valuation)

这一动作发生在 AI 推理需求爆炸式增长的背景下。头部闭源模型迭代加速，企业自建或混合部署推理基础设施的需求激增。Fireworks 的平台优势在于低延迟、高吞吐的模型托管与优化，已吸引多家企业客户。相比早期 2024 年 5.52 亿美元估值，此轮若落地，估值将接近翻三倍，反映市场对推理层基础设施的重新定价。

与 Anthropic、OpenAI 等模型公司依赖自有算力或长期绑定不同，Fireworks 定位为中立推理层玩家，类似 OpenRouter 的多模型网关模式。后者近期也完成 1.13 亿美元 B 轮，估值升至 13 亿美元。Fireworks 若成功，将进一步巩固其在推理经济中的位置，但也面临来自 hyperscaler 自研平台和新兴开源推理方案的竞争。

未来 6-12 个月，关键悬念在于这轮融资能否按目标完成，以及 Fireworks 是否会借此扩展全球数据中心布局或与芯片厂商深化合作。观察重点为后续披露的投资方与条款细节。

信源：https://www.bloomberg.com/news/articles/2026-05-27/fireworks-ai-in-talks-for-funding-at-15-billion-valuation

📤 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 数据中心电力需求激增 传统能源企业迎来新变量

近期多地宣布大型 AI 数据中心项目，凸显算力扩张对电力基础设施的直接拉动。路易斯安那州政府 5 月 26 日宣布 Rapides Parish 将新建数十亿美元级 AI 数据中心，叠加此前 hyperscale 规划的 190GW 容量中近八成仍处筹备阶段，电力缺口正从规划转为现实约束。[[1]](https://www.facebook.com/KALBTV/posts/learn-more-/1439512658211699/)[[2]](https://www.bloomberg.com/news/videos/2026-05-26/bloomberg-tech-5-26-2026-video)

这一趋势与闭源大厂长期算力绑定形成呼应。Anthropic 与 xAI 的 Memphis Colossus 协议已锁定至 2029 年，月付 12.5 亿美元独占超 300 兆瓦容量，反映头部玩家从 spot 采购转向产能预定。相比之下，传统能源与电网企业正被推上前台——特朗普政府 4 月援引《国防生产法》将电网列为国家安全重点，紧急融资通道打开。过去一年，美国数据中心电力消耗已逼近所有能源密集型制造业总和，增量需求主要来自推理而非仅训练。

根本驱动力在于模型规模与 token 消耗的指数级增长，使电力成为新的竞争壁垒。闭源阵营通过跨公司长期协议提前锁定供给，开源生态则更多依赖分布式或云 spot 资源，两者路径差异在产能紧张期将进一步放大。传统公用事业公司由此从配角转为关键变量，其资本开支节奏、电网升级速度直接影响下一代模型迭代窗口。

未来 6-12 个月，关键悬念在于电力瓶颈是否倒逼更多自建能源项目落地，或促使 hyperscaler 加快可再生+核电混合方案。若监管与融资协调滞后，部分模型训练与部署节奏或被拖累；反之，能源企业或借此实现从传统到 AI 基础设施服务商的转型。观察重点为后续州政府与联邦层面的电力分配优先级调整。

信源：https://www.bloomberg.com/news/videos/2026-05-26/bloomberg-tech-5-26-2026-video

📤 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

中国收紧AI顶尖人才出国限制

中国近日扩大对私营企业AI高管的海外旅行限制，针对阿里巴巴、DeepSeek等公司核心人才实施新管控，旨在保护技术优势并缩小与美国差距。Bloomberg报道称，此举升级了此前针对国企的措施，涉及护照审批和出境许可收紧。[[1]](https://www.bloomberg.com/news/articles/2026-05-26/china-expands-travel-curbs-to-top-ai-talent-at-private-firms)

这一动作发生在中美AI竞争白热化背景下。美国持续出口管制芯片与模型，中国则加速本土化与人才留守。过去一年，DeepSeek等团队已在模型性能上快速追赶，但核心工程师流失风险始终存在。相比之下，美国AI公司正通过高薪与股权吸引全球人才，形成鲜明对比。

从战略层面看，此举强化了“技术主权”逻辑，却可能降低国际协作效率。头部闭源模型依赖跨国数据与反馈，人才流动受限或延缓迭代速度。未来6-12个月，关键悬念在于中国企业能否通过内部激励与本土生态抵消人才锁定效应，或是否引发更多人才向海外分支转移。

信源：https://www.bloomberg.com/news/articles/2026-05-26/china-expands-travel-curbs-to-top-ai-talent-at-private-firms

📤 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 基础设施整合加速 机器人成数据中心新变量

SoftBank 近日聘请投行筹备旗下 AI 机器人公司 Roze 的美国 IPO，目标估值高达 1000 亿美元。该公司将整合机器人、芯片、数据中心与能源资产，重点利用自主机器人加速 AI 基础设施建设，计划 2026 年下半年上市。[[1]](https://www.reuters.com/business/healthcare-pharmaceuticals/us-fda-advisers-weigh-updating-2026-27-covid-vaccines-target-xfg-variant-2026-05-26/)[[2]](https://www.ft.com/content/55c7d99c-7e68-453c-b784-33d6b9838e16?syn-25a6b1a6=1)

这一动作发生在全球 hyperscale 数据中心建设需求爆发式增长的背景下。过去一年宣布的容量中，148GW 仍处于规划阶段，美国数据中心电力消耗即将超过所有能源密集型制造业总和。头部玩家正从单纯采购算力转向垂直整合物理世界能力，以缩短从规划到上线的周期。

对比 xAI 通过 SpaceX 探索太空太阳能与天然气涡轮机自建产能，SoftBank 选择机器人自动化施工路径，凸显不同资本结构下的策略分化。前者依赖现有航天生态，后者则试图用机器人降低地面建设人力与时间成本。根本驱动力仍是模型规模与推理需求推高 token 消耗，传统土建方式已成瓶颈。

未来 6-12 个月，关键悬念在于 Roze 是否能在分析师日（7 月）拿出可信产品路线图，以及类似整合模式能否被 OpenAI、Google 等玩家复制。若机器人施工验证成功，AI 基建速度或再上一个台阶；反之，估值与落地落差可能放大市场分化。

信源：https://www.reuters.com/world/softbank-hires-banks-us-ipos-sb-energy-ai-robotics-spinoff-roze-sources-say-2026-05-26/

📤 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 劳动力准备加速：政府协调与企业落地路径分化

AI 技术快速渗透各行业，正推动劳动力市场从被动适应转向主动重构。本周美国国家科学基金会（NSF）推出“TechAccess: AI-Ready America”全国计划，与劳工部、农业部及小企业管理局合作，在全美各州和领地设立协调中心，资助 AI 教育与技能培训项目。首批十个中心预计近期落地，三年内总投入数十个州级枢纽，目标覆盖工人、小企业与地方政府，帮助应对 AI 对就业的结构性冲击。

这一举措发生在企业端 AI 采用加速的背景下。近期企业级 API 与 AI 治理工具的合作案例增多，如 Persistent 与 Kong 的战略伙伴关系，聚焦混合云环境下 API、数据与 AI 系统的安全治理，旨在降低规模化部署门槛。相比之下，闭源大厂如 Anthropic、Google 更依赖内部算力绑定与模型迭代，而开源或垂直玩家则通过 API 层创新加速落地。

根本驱动力在于推理成本下降与 agent 能力成熟，使企业从试点转向生产环境，但技能缺口成为瓶颈。政府计划强调多州协调与本地化培训，与企业自发的安全架构形成互补；过去依赖市场自发调整的模式，正被政策与资本双轮驱动取代。

未来 6-12 个月，关键悬念在于培训项目能否匹配真实采用率。若 NSF 中心与企业伙伴关系形成闭环，AI 对就业的负面影响或被有效缓冲；反之，技能鸿沟扩大可能加剧区域分化。观察重点为首批中心落地后的就业数据，以及更多州是否跟进类似协调机制。

信源：https://www.nsf.gov/funding/initiatives/ai-ready
https://www.prnewswire.com/news-releases/persistent-and-kong-announce-strategic-partnership-to-help-enterprises-securely-move-ai-into-production-302781058.html

📤 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