生物智能新玩家登场 Radical Numerics 获 5000 万美元种子轮

AI 研究实验室 Radical Numerics 于 6 月 15 日正式推出，并宣布完成 5000 万美元种子轮融资，由 Emergence Capital 领投，Obvious Ventures、Triatomic Capital 等跟投。团队核心成员此前开发了生成基因组学领域的开创性模型 Evo 和 Evo 2，这些模型曾登上 Science 和 Nature 封面，并被用于设计出首个完整 AI 生成的功能性噬菌体基因组。

该公司定位于构建“通用生物智能”，目标是让 AI 不仅能读取和生成 DNA 序列，还能控制生物功能，最终助力药物发现与疾病治疗，同时建立生物防御机制应对潜在风险。CEO Eric Nguyen 表示，生物将成为 AI 最具影响力的应用领域，双重用途风险与机遇并存。

与传统大模型公司聚焦语言或视觉不同，Radical Numerics 将 AI 直接对齐物理世界的生物数据。这一路径与 OpenAI、Anthropic 等通用智能路线形成对比，也为垂直领域 AI 落地提供了新样本。种子轮规模在当前 AI 融资环境下不算顶尖，但创始团队的技术积累和明确的双重使命（健康与防御）使其迅速获得资本青睐。

下一步值得关注的是，其预览中的新一代模型 Omnii 是否能在功能控制和多模态扩展上取得实质突破，以及如何平衡开源与安全监管之间的张力。

信源：https://www.businesswire.com/news/home/20260615558179/en/AI-Lab-Radical-Numerics-Launches-with-%2450M-Seed-Round-To-Build-General-Biological-Intelligence

📤 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

Kling AI 寻求 20 亿美元融资 估值或达 180 亿美元

Kuaishou 旗下的视频生成 AI 公司 Kling AI 正与 General Atlantic 洽谈由其领投的首轮融资，目标募资超过 20 亿美元，投后估值 180 亿美元。此举旨在引入美国战略投资者，为后续 IPO 铺路。[[1]](https://www.bloomberg.com/news/articles/2026-06-17/kuaishou-kling-ai-seeks-2-billion-at-18-billion-value-from-general-atlantic)

Kling AI 此前已在中国视频生成赛道占据领先位置，此次高估值融资反映出全球资本对中文视频模型商业化前景的持续看好。与此同时，中国 AI 企业在出海与本土双轮驱动下，正通过引入海外机构资本优化股权结构与国际合规准备。

与 OpenAI、Anthropic 等美系模型公司依赖本土 VC 与 hyperscaler 不同，Kling AI 的路径更侧重与传统互联网巨头绑定，同时借助国际 PE 完成从本土到全球的资本跳板。若融资落地，将进一步拉大中外视频生成模型在商业化节奏上的差距，也为其他中国 AI 团队提供可复制的融资样本。

下一步值得关注的是 General Atlantic 最终是否真正入场，以及 Kling AI 是否会加速开放 API 或与海外平台合作，以兑现 180 亿美元估值对应的增长预期。

信源：https://www.bloomberg.com/news/articles/2026-06-17/kuaishou-kling-ai-seeks-2-billion-at-18-billion-value-from-general-atlantic

📤 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

微软研究显示AI推理能耗远低于预期

微软于6月15日发布研究，指出大规模部署下典型AI查询的能耗仅为0.16至0.60瓦时，较此前公开估算低4至20倍。该研究发表在《Joule》期刊，基于生产环境数据分析了模型、 serving 系统和硬件层面的优化路径，预计短期内可实现8至20倍能效提升。

此前外界常引用小规模或非生产场景的测量值，高估了实际数据中心推理的资源消耗。微软强调，通过模型路由、专用芯片（如Maia）和优化 serving，可在保持性能的同时大幅降低每查询能耗与水耗。即使10%查询为复杂推理任务，整体能耗仍可控。

此发现正值AI数据中心扩张与能源政策博弈加剧之际。相比此前聚焦电力需求激增的讨论，微软数据为行业提供了更精准的基准，有助于缓解监管与公众对AI可持续性的担忧，同时也凸显 hyperscaler 在效率竞赛中的领先位置。

未来数月，类似研究或将影响数据中心审批、能源采购及竞争对手跟进策略。OpenAI与Google等是否会公布对标数据，值得持续跟踪。

信源：https://www.microsoft.com/en-us/microsoft-cloud/blog/2026/06/15/scaling-ai-with-8-to-20x-energy-efficiency/

📤 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标签成品牌雷区 消费者信任倒逼透明化

6月16日发布的WordPress VIP报告显示，60%的美国消费者认为品牌在营销中提及“AI”是一种反感信号，86%的人不完全信任AI生成内容，仍希望查阅原始来源。42%的受访者甚至将无明确归属的AI答案信任度排在航空公司费用、隐私政策和医疗账单之后。这份基于2000名受访者的调查，揭示出AI从技术热词迅速滑向营销禁忌。

这一数据并非孤立。过去两年AI叙事主导品牌宣传，从“AI驱动”到“智能推荐”，企业争相贴标签以追赶潮流。但消费者真实反馈显示，过度曝光反而放大了幻觉、偏见与黑箱担忧。相比之下，强调“人类创作”“原始来源”的内容仍能维持较高信任度，近四分之三受访者认为互联网比十年前“更不人性化”。

与此同时，企业端却在加速拥抱AI可见性：60%的企业表示过去一年来自AI搜索的流量上升，74%的决策者将AI可发现性列为优先级。这形成了鲜明对比——供给侧追求效率与曝光，需求侧却在用脚投票要求透明与归属。苹果、谷歌等平台若继续弱化归属机制，品牌信任赤字或将进一步扩大。

未来六到十二个月，品牌营销或将转向“隐形AI+显性人类”双轨策略：后台用AI优化内容生成，前台则强化作者署名与来源链接。那些仍高调宣传“AI赋能”的企业，需警惕被消费者直接过滤的风险。信任一旦流失，AI搜索带来的流量红利也将大打折扣。

信源：https://techcrunch.com/2026/06/16/sixty-percent-of-u-s-consumers-say-ai-in-brand-messaging-is-a-turnoff-survey-finds/
https://wpvip.com/future-of-the-web-2026/

📤 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

PwC报告揭示AI劳动力市场两极分化加剧

6月15日，普华永道发布《2026全球AI就业晴雨表》，基于全球27个国家和地区超过10亿条招聘广告分析显示，AI正推动劳动力市场形成明显两轨格局：AI暴露度高的企业生产率增长比低暴露企业高40%，这些企业同时以更快速度提升工资和增加雇员。[[1]](https://www.pwc.com/gx/en/services/ai/ai-jobs-barometer.html)

报告指出，AI暴露度高的岗位所需技能变化速度是低暴露岗位的两倍以上，判断力、创造力和领导力等“人性化”技能需求显著上升。早期职业岗位中，AI相关角色对高级技能的要求是其他岗位的7倍，而非AI暴露岗位的入门级职位数量则下降10%。AI暴露高的公司更倾向于通过AI重构工作流程而非单纯自动化，从而实现增长。

这一趋势与此前行业观察一致：AI并非简单替代人力，而是放大高技能岗位价值，同时压缩低技能重复性工作空间。相比OpenAI等模型迭代带来的短期应用冲击，PwC数据更直接反映了企业端落地后的结构性影响——生产率领先者与落后者之间的差距正在拉大。

未来6-12个月，这一分化或将加速人才流动与薪酬重构，企业若无法有效整合AI与人类技能，恐面临更严峻的竞争力下滑。值得跟踪的是，不同地区和行业对“人性化技能”培训的投入差异，会否进一步固化全球AI就业鸿沟。

信源：https://www.pwc.com/gx/en/services/ai/ai-jobs-barometer.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

法拉第未来发布 embodied AI 机器人教育生态

2026 年 6 月 16 日，法拉第未来（Faraday Future）在其洛杉矶总部举办发布会，正式推出 EAI 机器人教育生态系统战略、产品线及全新 EAI 设备。该公司定位为全球 embodied AI（具身智能）生态企业，计划从家庭和学校教育切入，打造覆盖 B2C 消费与 B2B 机构的机器人教育生态。[[1]](https://www.stocktitan.net/news/FFAI/faraday-future-announces-the-launch-of-its-eai-robotics-education-vzh6h0nfvxam.html)

此次发布包括 FX Navi 四足学习机器人、FF Master Mini 和 FF Nova 等新设备。公司强调“三位一体”模式——设备、数据与 EAI 大脑结合，形成规模交付、数据采集、模型迭代的飞轮效应，目标成为全球 B2C 机器人市场和机器人教育生态的开拓者。这与当前 AI 从云端模型向物理世界落地的趋势一致，embodied AI 正成为继大模型之后的新增长点。

与传统机器人教育玩家不同，法拉第未来依托汽车业务积累的供应链与 AI 能力，试图快速规模化。但其面临资金压力、合规挑战以及与 Figure、Tesla Optimus 等更成熟玩家的竞争。教育场景的低门槛或能加速产品迭代与数据积累，但大规模采用仍需验证教师、家长与机构的接受度。

下一步值得关注其设备实际交付量、合作伙伴反馈，以及是否能形成正向数据飞轮。若成功，这或为 AI 硬件公司提供一条从消费级教育市场切入物理智能的路径。[[2]](https://investors.ff.com/news-releases/news-release-details/faraday-future-announces-launch-its-eai-robotics-education)

信源：https://www.stocktitan.net/news/FFAI/faraday-future-announces-the-launch-of-its-eai-robotics-education-vzh6h0nfvxam.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

黄仁勋呼吁 AI 时代建立新社会规范

6 月 16 日，英伟达 CEO 黄仁勋在接受美联社专访时表示，随着 AI 快速渗透社会各个层面，人类需要主动创造“新社会规范”，而非被动适应或恐惧技术。他鼓励大众积极使用 AI，“去接触它”，认为这将带来全新机遇，而非单纯的就业威胁。[[1]](https://apnews.com/article/nvidea-huang-artificial-intelligence-8334abcbc6ed8d3d7889b640ec6fa05b)

这一表态正值 AI 数据中心扩张、劳动力市场调整以及中美 AI 竞争白热化之际。黄仁勋指出，社会曾成功适应汽车等颠覆性技术，AI 也将类似，只是速度更快、影响更广。访谈中他特别提到，AI 不仅会重塑工作方式，还将推动生产力跃升，但前提是公众和政策制定者共同构建适应新现实的规则框架。

相比 OpenAI、Anthropic 等模型公司侧重安全对齐，黄仁勋的观点更强调“拥抱而非限制”，这与英伟达作为 AI 基础设施核心供应商的立场高度一致。近期英伟达在芯片销售、数据中心建设上的激进扩张，也让其成为推动 AI 落地的关键力量。

下一步值得观察的是，这一呼吁是否会影响美国 AI 政策走向，尤其在数据中心审批、劳动力再培训和国际出口管制等议题上。黄仁勋的表态或将成为行业从技术竞赛转向社会共识构建的信号。

信源：https://apnews.com/article/nvidea-huang-artificial-intelligence-8334abcbc6ed8d3d7889b640ec6fa05b

📤 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

Databricks 推出通用企业 AI 代理工具

Databricks 近日发布通用 AI 代理产品线，包括 Genie One 等工具，帮助企业用户直接从业务数据中获取洞察并执行任务。该公司 AI 产品收入运行率已超过 17 亿美元，CEO Ali Ghodsi 表示正借此向更广泛的 AI 应用领域扩张。[[1]](https://www.wsj.com/cio-journal/databricks-releases-general-ai-agents-for-businesses-abffb409)

这一动作发生在企业级 AI 代理落地加速的背景下。Databricks 此前已推出 Agent Bricks 等框架，此次更新进一步将代理能力集成到数据平台中，与 Snowflake、Microsoft 等竞争对手形成差异化。相比纯模型公司，Databricks 强调数据与代理的深度绑定，试图解决企业从试点到生产部署的痛点。

与 OpenAI、Anthropic 等专注前沿模型的玩家不同，Databricks 的路径更注重务实落地和现有数据生态整合。这可能迫使更多数据平台公司加快代理功能迭代，同时也为企业选择 AI 基础设施提供新选项。

下一步值得关注的是，这些代理工具在真实业务场景中的 adoption 速度，以及是否引发更多数据平台间的代理功能军备竞赛。

信源：https://www.wsj.com/cio-journal/databricks-releases-general-ai-agents-for-businesses-abffb409

📤 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

Wolfram Language 15 发布，内置实用 AI 功能

2026 年 6 月 16 日，Wolfram Research 正式推出 Wolfram Language 与 Mathematica 的第 15 版。该版本将 AI 助手直接嵌入笔记本界面，并引入 MCP 框架，允许外部 AI（如 Claude 或 ChatGPT）直接调用 Wolfram 的符号计算能力。

此举正值 AI 工具从通用聊天向专业计算场景渗透的关键阶段。过去版本已逐步加入机器学习功能，而 V15 则强调“有用 AI”，重点强化数据科学工作流、时间序列分析、符号音乐计算及控制系统中的 Q-learning 等核心能力，同时支持超过 2GB 的大型笔记本文件。

与主流大模型公司侧重生成式能力的路径不同，Wolfram 选择将符号计算与 AI 深度融合，为科研、工程和教育用户提供可验证的计算后端。这与 OpenAI、Anthropic 等通过 API 扩展生态的策略形成互补，也可能加速专业领域对混合智能工具的采用。

下一步值得观察的是，该版本如何影响开发者与研究者对 AI 辅助计算的依赖，以及是否引发其他计算平台跟进类似集成。[[1]](https://writings.stephenwolfram.com/2026/06/launching-version-15-of-wolfram-language-mathematica-built-in-useful-ai-lots-of-new-core-functionality/)

信源：https://writings.stephenwolfram.com/2026/06/launching-version-15-of-wolfram-language-mathematica-built-in-useful-ai-lots-of-new-core-functionality/

📤 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

Google DeepMind 联手英国政府推 AI 规划工具

Google DeepMind 6 月 16 日宣布，与英国政府、Google Cloud 及多家地方议会合作，共同开发基于 Gemini 的 AI 规划原型工具，目标将普通 homeowner 规划申请处理时间缩短 50%。该工具将帮助规划官员处理数据提取、政策比对和报告起草等 routine 工作，最终决策权仍由官员保留。

此举是 DeepMind “National Partnerships for AI” 计划的延续，旨在用 AI 重塑公共服务。工具已在 Barnet、Camden 和 Dorset 开展早期测试，计划 2027 年向全英所有议会开放。此前英国政府推出的 Extract 工具已将旧 PDF 文档转为结构化数据，预计每年为平均议会节省 255 小时人工。

与 OpenAI 等专注企业与消费者市场的路径不同，DeepMind 此举更侧重政府侧落地，通过与地方当局深度共创降低行政壁垒，支撑英国 2029 年建成 150 万套新房的住房目标。类似合作此前已在新加坡、韩国和印度展开，显示其正将 AI 能力向公共治理领域延伸。

下一步值得关注的是工具全国 rollout 后的实际效率提升数据，以及是否会成为其他国家政府 AI 应用的参考模板。

信源：https://deepmind.google/blog/unlocking-uk-house-building-with-ai-accelerated-planning/

📤 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