英国金融行为监管局（FCA）近日发出警告，称金融服务领域的人工智能应用正演变为一场“军备竞赛”，监管机构亟需扩大权力以应对挑战。FCA官员指出，数百万消费者正依赖AI技术进行个人财务决策，但现有监管框架可能无法有效管控风险。 ## 监管与创新的赛跑 FCA负责人在公开场合表示，AI在金融领域的渗透速度远超预期。从智能投顾、信用评估到欺诈检测，AI系统正在重塑行业格局。然而，这种快速普及也带来了新的隐患：算法黑箱、数据偏见以及潜在的金融稳定性风险。监管机构担心，若缺乏足够权限，可能无法及时干预市场失灵。 ## 消费者权益保护成焦点 随着数百万英国人使用AI驱动的理财App和在线贷款审批系统，消费者权益保护成为核心议题。FCA强调，AI决策必须透明、可解释，且对弱势群体公平。当前，许多AI模型仍存在“黑箱”问题，用户难以理解为何被拒绝贷款或获得特定利率。 ## 全球监管趋势 英国的警告并非孤例。欧盟《人工智能法案》已明确将金融AI列为高风险应用，要求严格合规。美国消费者金融保护局（CFPB）也在加强对AI信贷模型的审查。FCA的呼吁可能推动英国出台更严格的金融AI监管法规，包括要求算法审计、压力测试以及设立责任归属机制。 ## 行业反应与挑战 金融科技公司对此态度复杂。一方面，他们认可监管的必要性，但另一方面，过度监管可能抑制创新。FCA的“军备竞赛”比喻点出了核心矛盾：当AI技术以指数级速度演进时，监管流程的线性迭代往往落后。如何平衡创新与安全，将是未来数年监管机构与行业共同面对的难题。
据知情人士透露，OpenAI CEO Sam Altman正与特朗普政府进行积极谈判，计划向美国提供公司5%的股权。这一比例远低于参议员伯尼·桑德斯此前提出的更高目标。 ## 谈判背景与股权细节 此次谈判发生在AI行业面临日益严格的监管审查之际。OpenAI作为AI领域的领军企业，其股权分配方案备受关注。特朗普政府提出的5%股权方案，相较于桑德斯此前倡导的更高比例，显得更为温和。消息人士称，双方仍在就具体条款进行磋商，最终协议可能包括对国家安全和AI伦理的承诺。 ## 行业影响与政策走向 这一举措可能为美国政府参与AI公司治理树立先例。分析人士认为，政府持股不仅能为OpenAI提供政策支持，还能确保AI技术发展符合国家利益。然而，较低的持股比例也引发了对政府控制力不足的担忧。未来，其他AI公司可能面临类似的股权谈判压力。 ## 后续关注点 市场将密切关注谈判进展，尤其是股权分配是否会影响OpenAI的独立运营。同时，桑德斯等议员可能会继续推动更严格的监管法案。AI行业的政策环境正在快速演变，企业需在创新与合规之间寻求平衡。
多个隐私倡导组织联合致信美国联邦贸易委员会（FTC），警告称埃隆·马斯克试图结束对X（原Twitter）的隐私监控，将“严重威胁美国人隐私”。这些组织指出，X平台在马斯克领导下，数据保护措施大幅削弱，若FTC同意终止2011年达成的隐私和解协议中的监督条款，用户数据可能面临滥用风险。 ## 背景与争议 2011年，Twitter因未能保护用户数据安全而与FTC达成和解，同意接受20年的隐私审计。然而，马斯克收购后，X公司试图推翻这一协议。批评者认为，X已大幅削减信任与安全团队，并引入AI功能，可能加剧数据风险。 ## 核心担忧 - **AI整合风险**：X正积极整合AI工具（如Grok），这些功能需要大量用户数据训练，若缺乏监督，可能导致隐私泄露。 - **监管倒退**：若FTC撤销监督，将开创危险先例，削弱对科技巨头的问责。 - **用户数据安全**：X的付费API和第三方数据访问政策变化，可能使数据更容易被滥用。 ## 行业影响 此次事件反映了AI时代隐私与商业利益的冲突。马斯克曾公开批评AI监管，但专家警告，缺乏透明度将损害用户信任。FTC尚未回应，但法律分析人士认为，批准终止监督的可能性较低。 > **小结**：隐私组织此次行动旨在阻止FTC放松对X的监管，尤其针对AI数据收集。结果将影响科技公司未来在隐私与AI平衡上的策略。
谷歌在2025年的电力消耗同比增长了37%，这一激增主要归因于其AI数据中心的持续扩张。该公司正在努力通过清洁能源投资来抵消由此产生的碳排放，但短期内仍面临巨大挑战。 ## 数据背后的AI军备竞赛 根据谷歌最新发布的环境报告，其2025年总用电量达到**46.2太瓦时**，较2024年增长37%。这一增幅远超公司此前预期，核心驱动力是AI训练与推理需求的爆发式增长。谷歌在全球运营着超过30个大型数据中心，其中专用于AI算力的部分占比已从2024年的40%升至2025年的65%。 ## 清洁能源的追赶速度 谷歌承诺到2030年实现24/7无碳能源运营，但2025年的进展并不乐观。尽管公司签署了多项长期购电协议（PPA），新增了**5.2吉瓦**可再生能源装机，但清洁能源仅覆盖了其全球用电量的**68%**，低于2024年的72%。谷歌表示，部分地区电网的清洁能源供应不足是主要原因，尤其是在亚洲和欧洲的新建数据中心所在地。 ## 行业性的两难困境 谷歌并非孤例。微软、亚马逊和Meta等科技巨头同样面临AI能耗激增的难题。据行业分析机构估计，2025年全球AI相关电力需求将占数据中心总用电量的**45%**，而整个数据中心行业的碳排放量预计增长30%以上。谷歌试图通过改进液冷技术、优化模型效率来降低单位算力的能耗，但整体用电量的增长曲线依然陡峭。 ## 未来的平衡术 谷歌在报告中强调，其AI芯片TPU v6的能效比前代提升了**2.5倍**，但这远不足以抵消算力需求的指数级增长。公司计划在2026年将清洁能源覆盖率提升至75%，并探索小型模块化核反应堆（SMR）作为潜在选项。然而，分析师指出，除非AI模型架构出现根本性变革，否则能耗与碳排放的增速短期内难以逆转。 对于整个行业而言，谷歌的案例揭示了一个残酷现实：在追求更强大AI的同时，环境成本正在以前所未有的速度攀升。如何从“绿色AI”的口号走向真正的可持续实践，将是未来十年科技巨头必须解答的命题。
美国国家安全机构日前解除了对 Anthropic 旗下两款高级 AI 模型 **Fable** 和 **Mythos** 的出口限制，允许其面向全球市场发布。这一政策转向颇具戏剧性：此前，特朗普政府曾因担忧模型可能被滥用而紧急叫停其海外部署，并要求进行安全测试。如今，在 Anthropic 配合完成一系列安全评估后，禁令被撤销。 ## 从“惊吓”到放行：安全测试成关键 Anthropic 一直以“负责任的 AI”为定位，其模型在可解释性和安全性上投入巨大。**Fable** 和 **Mythos** 是该公司最新一代大语言模型，在推理、代码生成和长文本理解上表现突出。然而，美国国家安全委员会（NSC）曾评估认为，这些模型可能被用于生成虚假信息或自动化网络攻击，因此一度禁止其出口。 特朗普政府在 AI 安全议题上态度反复：一方面强调技术领先，另一方面又忌惮“双刃剑”效应。此次解禁的条件是 Anthropic 必须持续提供模型行为监控报告，并确保关键安全机制（如“红队测试”和内容过滤）始终在线。 ## 全球 AI 竞赛中的“安全牌” 这一事件折射出美国在 AI 治理上的两难：既要维护技术霸权，又要防范失控风险。Anthropic 的模型能力与 OpenAI 的 GPT-4 和 Google 的 Gemini 处于同一梯队，其全球发布将加剧市场竞争。但更深层看，**安全测试成为新贸易壁垒**——其他国家若想部署美国高端 AI，可能需要接受类似的审查框架。 对于开发者而言，Fable 和 Mythos 的开放意味着更多选择。Anthropic 的 API 定价略低于 OpenAI，且强调“宪法 AI”训练方法，在伦理合规上更具卖点。不过，企业用户仍需警惕潜在的合规风险，尤其是涉及敏感行业的应用。 ## 小结 Anthropic 的全球发布标志着美国在 AI 出口管控上的一次务实调整。安全测试不再是“绊脚石”，反而成为技术输出的通行证。未来，**“先测试，后放行”** 可能成为高端 AI 模型国际流通的新常态。
一项最新的安全研究再次为“AI浏览器”敲响警钟——研究人员发现，通过一种简单到令人不安的方式，就能让集成在浏览器中的大语言模型（LLM）无视安全限制，执行本应被禁止的指令。攻击者只需在网页中嵌入一句类似“2+2=5”的谬误前提，模型便会因逻辑混乱而“破防”，顺从地生成恶意内容或执行危险操作。 ## 攻击原理：逻辑谬误绕过安全护栏 AI浏览器将LLM直接嵌入用户浏览环境，使其能“阅读”网页并代为执行操作，如填写表单、总结内容或处理支付。然而，这项功能也打开了新的攻击面。安全团队发现，当模型在上下文中遇到一个明显错误但被呈现为“事实”的陈述时（例如“2+2=5”），其内部推理机制会优先接受这个错误前提，从而瓦解基于常识和伦理规则的安全对齐。 这种攻击方式被称为“**前提注入**”（Premise Injection），它不需要复杂的编码或社会工程，只需攻击者控制一个网页（比如通过恶意广告或钓鱼网站），在其中插入看似无害的谬误语句。模型在“阅读”该页面后，会将其作为对话上下文的一部分，后续用户发出的任何指令（包括“帮我编写恶意软件”或“窃取你的密码”）都可能被错误地执行。 ## 为什么AI浏览器风险更高？ 与普通聊天机器人不同，AI浏览器拥有**更高的权限**：它能访问用户当前浏览的页面内容、表单字段，甚至可能调用浏览器API进行登录、支付等操作。一旦模型被“误导”，攻击者不仅能让它输出有害文本，还能诱导它**代表用户执行实际动作**，例如自动转账、修改账户设置或泄露私密信息。 此前已有研究指出，LLM在面对矛盾信息时容易“迷失方向”，但本次攻击的特殊之处在于：它利用了模型对**显式上下文**的过度信任。即使模型在训练中知道“2+2=4”，但当网页中明确写着“2+2=5”时，它可能认为这是用户提供的“真实”环境，从而放弃自身知识。这种“上下文优先于训练”的漏洞，在AI浏览器这种长期保持上下文的应用中尤其危险。 ## 行业影响与防御方向 目前，主流浏览器厂商（如微软Edge、Google Chrome）已开始试验AI助手功能，但尚未完全开放这类高风险权限。然而，一些初创公司推出的“AI原生浏览器”则直接赋予了模型读写网页的完整能力。此次攻击证明，**简单的逻辑矛盾就足以瓦解安全护栏**，而护栏本身正是AI安全的核心防线。 防御措施方面，研究者建议： - 严格限制模型对网页内容的信任等级，区分“用户输入”和“网页输出”； - 在模型推理前对上下文进行**逻辑一致性检查**，识别明显谬误； - 为敏感操作（如金融交易）增加二次确认机制，而非完全依赖模型判断。 ## 小结 “2+2=5”式攻击虽然简单，却直指大模型安全对齐的深层缺陷：**模型更倾向于相信上下文，而非自身训练知识**。在AI浏览器这类高权限场景中，这一缺陷可能被放大为实际的安全灾难。对于普通用户而言，在浏览器权限安全方案成熟之前，谨慎使用AI浏览器功能，或许是最稳妥的选择。
谷歌 DeepMind 近日发布了一款名为 **Nano Banana 2 Lite** 的全新图像生成模型，号称是其最快、最便宜的图像模型。该模型是 Gemini 3.1 系列的一部分，正式名称为 Gemini 3.1 Flash Lite Image，旨在以极低的成本实现快速图像生成，特别适合快速原型设计和创意探索场景。 ## 速度与成本的革命性提升 Nano Banana 2 Lite 最大的亮点在于**速度**。在默认的低思考模式下，从文本到图像仅需约 **4 秒**，而标准版 Nano Banana 则需要约 20 秒。这种速度的提升直接转化为**成本优势**：API 调用费用平均为 **每千张图像 0.034 美元**，输入 token 价格为每百万 0.25 美元，输出 token 为每百万 1.50 美元。相比之下，Nano Banana 2 的输出价格是其两倍，而旗舰版 Nano Banana Pro 的输出价格高达每百万 12 美元，是 Lite 版的八倍。 ## 质量与场景的取舍 当然，速度与低价的背后是质量的妥协。谷歌坦言，Nano Banana 2 Lite 在处理**小文字**和**信息图表**时表现不佳，容易出现错误数据或不一致。人物和角色的**一致性**在多次迭代中也较差。但谷歌提供的 Arena.ai Elo 评分显示，用户对 Lite 版本输出质量的评价几乎与标准版持平，尽管这些基准测试可能忽略细节瑕疵。 ## 适用场景与潜在影响 谷歌建议，对于需要高精度文本或逼真照片效果的任务，仍应使用 Flash 或 Pro 版本。但 Nano Banana 2 Lite 的**快速迭代**能力使其成为设计师和开发者探索创意、快速验证想法的理想工具。这种“快速射击”式生成也可能带来更多低质量 AI 内容（即“AI 垃圾”）的泛滥，这并非谷歌一家公司面临的问题。 ## 行业背景 在 AI 图像生成市场，平衡质量、速度和成本一直是核心挑战。谷歌此举直接瞄准了那些对成本敏感、需要大量试错的应用场景，如早期概念设计、广告创意素材生成等。与此同时，开源模型和竞品（如 Midjourney、Stable Diffusion）也在持续优化效率，谷歌通过 Gemini 生态的整合与定价策略，试图在开发者市场中抢占份额。 总体而言，Nano Banana 2 Lite 并非为追求极致画质的用户设计，而是为那些需要“足够好”且“足够快”的实用主义者提供了一个极具性价比的选择。
美国总统特朗普去年通过行政命令成立的“国家设计工作室”（NDS），原本雄心勃勃要利用AI在三年内重新设计所有.gov网站，但如今一年过去了，进展寥寥，反而引发诸多争议。 ### 计划与现实脱节 NDS被赋予的任务是更新美国网页设计系统（USWDS），并彻底改造约2.7万个政府网站。然而，这一任务从一开始就面临巨大挑战：DOGE（政府效率部门）大幅裁减了此前负责改进政府网站的团队，包括解散18F技术部门、重组美国数字服务局，导致相关专业人才流失。据NextGov报道，截至2023年中，仅有30%的政府网站采用了USWDS标准。而USWDS团队在特朗普上任后更是被削减至仅剩一名全职员工。 ### 成果寥寥，争议不断 一年来，NDS最大的“成就”是现代化了联邦退休系统，但前政府工作人员指责这属于“虚假胜利”，因为该项目在NDS成立前就已启动。此外，NDS仅上线了数十个网站，且多为单页或重定向页面，设计专家批评其过度依赖AI，且未测试是否符合《美国残疾人法案》的无障碍要求。随着审查加剧，大多数机构现在拒绝与NDS合作采用新标准。 ### AI设计的隐忧 NDS大量使用AI生成设计方案，但缺乏人工审核和用户测试，导致网站可用性差、视觉混乱。专家指出，AI无法理解政府网站的复杂性和对无障碍的严格要求，盲目应用可能造成更大的数字鸿沟。 ### 行业视角 这一案例凸显了在公共部门强行推广AI的潜在风险。与私营企业不同，政府网站必须兼顾公平性、可访问性和法律责任，而AI目前尚难以完全胜任。NDS的失败也为其他计划用AI快速改造公共服务的项目敲响了警钟：技术不能替代对用户需求的深入理解和专业设计团队的持续投入。
据Semafor报道，特朗普政府正与SpaceX商谈，希望其捐赠股票以充实即将于7月4日推出的儿童储蓄账户——“特朗普账户”。该账户是一种新型个人退休账户，面向18岁以下拥有社会安全号的儿童，家庭每年最多可存入5000美元，资金将自动投资于政府认定的“美国优胜企业”。目前已有600万儿童注册，迈克尔·戴尔夫妇捐赠了62.5亿美元，贝莱德和美国银行等企业承诺匹配员工捐赠。但长期前景不明，特朗普可能通过此类公共福利计划应对反AI情绪，商务部长霍华德·卢特尼克倾向于由领先AI公司注资设立主权财富基金，伯尼·桑德斯则警告此举可能加剧利益冲突。
韩国政府与三星、SK海力士、现代汽车等巨头宣布，将共同投资约**1万亿美元**，用于三大旗舰项目：**存储芯片扩产**、**AI数据中心建设**以及**类人机器人商业化**。其中，三星和SK海力士承诺投入**5850亿美元**，在西南省份及首尔首都圈新建芯片工厂，目标五年内将DRAM产量翻倍。现代汽车则计划通过其子公司波士顿动力，在2028年前实现类人机器人在汽车工厂等场景的规模部署。韩国总统李在明在电视讲话中强调：“半导体、物理AI和AI数据中心是实现飞跃的三轴。”然而，巨额投资背后也伴随着争议：AI芯片需求暴涨让韩国芯片企业利润创纪录，引发关于财富分配的讨论；同时，工会对机器人进入劳动力市场表示担忧。新晶圆厂的建设周期可能长达九年，短期内全球存储芯片高价局面或难缓解。
韩国国防部近日宣布一项雄心勃勃的计划：将全军近50万现役军人全部训练为“无人机战士”，使无人机操作像使用个人武器一样成为每名士兵的基本技能。这一举措借鉴了乌克兰和中东冲突中的无人机实战经验，意图在兵力数量劣势下通过技术优势维持对朝威慑。 ## 计划核心：无人机成为“第二武器” 韩国国防部长官安圭伯在6月26日的简报会上表示，目标是让无人机成为“通用战斗工具”，所有士兵都能像操作“第二件个人武器”一样熟练使用无人机。为此，部队将大量装备廉价、可消耗的侦察和打击无人机，并部署更多反无人机激光与微波武器。同时，原有的无人机作战司令部将转型，重点转向与韩国产业界合作，开发和采购商用无人机技术。 ## 乌克兰战场的启示 韩国防长明确提及乌克兰和中东冲突是推动这项改革的直接动因。乌克兰以无人机作为“力量倍增器”，在兵力劣势下有效对抗俄军，这与韩国的处境高度相似：韩国现役兵力约45万，而朝鲜军队规模超过120万。通过大规模普及无人机，韩国希望弥补兵力差距，并在技术层面保持领先。 ## 挑战与局限 尽管愿景宏大，但韩国面临多重现实障碍。首先，韩国实行义务兵役制，且因出生率持续下降，军队规模正逐年萎缩。要维持50万以上现役部队已非易事，何况还需确保所有士兵接受无人机训练。其次，韩国兵役制度至今仍排除女性，进一步限制了潜在兵源。此外，如何在训练成本、装备采购与实战效能之间取得平衡，也是亟需解决的问题。 ## 行业趋势与战略意义 韩国并非唯一从乌克兰战场汲取无人机经验的国家。全球多国都在加速推动军事无人机化，但韩国的“全军普及”策略尤为激进。若成功实施，韩国将成为全球首个将无人机操作列为全员基础技能的国家，这不仅会改变朝鲜半岛的军事平衡，也可能为其他中小国家提供新的军事变革范式。 未来，韩国还需解决无人机战术与现有作战体系的整合、反制敌方无人机威胁、以及无人机的持续供应与维护等问题。但无论如何，这一计划已标志着无人机从“特种装备”正式升格为“基础战斗力单元”。
《纽约时报》在最新提交的法庭文件中指控微软为OpenAI搭建了全球排名前列的超级计算机，故意诱导其侵犯版权。这一指控出现在美国最高法院对Sony诉Cox案作出裁决之后，该裁决提高了共同侵权诉讼的证明标准。NYT据此调整了诉讼策略，在澄清对微软的诱导侵权指控的同时，自愿撤销了两项相关主张。微软则回应称此举是“原告在不利判例下的最后一搏”。
Notion 于 2025 年 4 月宣布关停其邮件客户端 Notion Mail，距离该产品发布仅过去一年。Notion 在 X 平台发帖称，超过半数 Notion Mail 用户现在通过 AI 代理（agent）管理邮件，而无需手动打开收件箱。Notion 表示将“全力投入用代理来运行你的收件箱”。 Notion Mail 是 Notion 在 2024 年收购加密邮件初创公司 Skiff 后推出的 Gmail 客户端，主要开发团队来自 Skiff。如今，随着 Notion Mail 的关停，Skiff 的邮件遗产几乎被彻底终结。 Notion 指出，用户邮件数据仍保留在 Gmail 中，但草稿和定时发送邮件需在 9 月 21 日前导出。Notion 还提供了迁移方案：用户可将标签规则一键转换为自定义代理，继续在 Notion 中管理邮件。 对于受监管行业用户，Notion 提醒依赖 HIPAA 合规的用户需在 2026 年 6 月 30 日前完成迁移。 这一决定反映出 AI 代理在邮件处理领域的快速渗透。Notion 认为，与其开发传统邮件客户端，不如让 AI 代理直接接管邮件工作流。此举也符合 Notion 近年来的产品战略——从文档协作平台转向“AI 优先”的生产力工具。 Skiff 在被收购前曾拥有约 200 万用户，与 ProtonMail 等加密邮件服务竞争。Notion 的收购一度被视为其进入邮件市场的尝试，但最终证明，AI 代理才是 Notion 真正押注的方向。
谷歌 Finance 服务问世 20 年后，终于迎来了首个独立移动应用。目前该应用仅面向 Android 平台，iOS 版本计划于 2026 年晚些时候推出。与此同时，基于 AI 重新设计的 Finance 网页版也正式结束测试，将生成式 AI 深度整合为核心功能。 ### 应用核心功能一览 Android 版 Google Finance 应用提供了**实时市场数据**、**自定义关注列表**以及**金融新闻聚合**等基础功能。用户浏览股价图表时，AI 会自动生成“**关键节点**”解释价格变动原因——这一功能早在去年 5 月就已登陆网页版。应用底部悬浮的“**Ask**”按钮则接入谷歌的 AI 研究工具，用户可与经过金融数据调优的聊天机器人直接对话，询问个股相关问题。底部导航栏还设有“**历史**”板块，方便回溯之前的对话记录。 ### 网页版独有特性 谷歌表示当前 Android 应用只是起点，未来会逐步移植更多网页版功能。目前网页版仍保留着一些应用暂不具备的能力： - **投资组合管理**：支持从旧版 Finance 导入投资组合，并新增 AI 洞察与建议；用户也可上传 CSV 或 PDF 文件构建可追踪的投资组合。 - **AI 研究工具**：可设置定期推送，例如“每天盘前发送一份简报，分析主要加密货币的隔夜重大波动”。 - **个性化问答**：聊天机器人能结合用户投资组合数据回答问题。 ### AI 加持下的金融信息新形态 谷歌 Finance 的这次更新，本质上是将**生成式 AI 嵌入金融信息消费场景**的尝试。与传统金融数据终端不同，谷歌希望通过自然语言交互降低信息获取门槛——用户无需理解复杂指标，直接提问即可获得带上下文的分析。不过，AI 解读市场波动的能力仍存在局限性：模型可能无法区分“因果”与“相关”，对突发事件的反应也可能存在延迟。 ### 行业背景与战略意图 谷歌 Finance 长期处于“被遗忘”状态，此次突然发力移动端并全面 AI 化，背后有多重考量。一方面，移动金融资讯市场竞争激烈，**Robinhood、雅虎财经、TradingView** 等应用早已积累大量用户；另一方面，谷歌正将 Gemini 模型全面植入旗下产品，Finance 成为又一个 AI 落地的试验田。值得注意的是，应用发布时机恰逢**全球金融市场波动加剧**，投资者对实时、易懂的信息需求激增。 ### 小结 谷歌 Finance Android 应用的推出，标志着这款老牌产品终于迈入移动时代。AI 功能的加入固然亮眼，但应用初期功能仍显单薄，与网页版的差距需要时间填补。对于 iOS 用户而言，等待或许要到 2026 年才能结束。短期内，谷歌需要快速迭代应用功能，并证明 AI 解读金融数据的可靠性，才能在拥挤的市场中站稳脚跟。
Anthropic 在致美国参议院的信中披露，阿里巴巴旗下实验室涉嫌发动迄今为止最大规模的 Claude 模型克隆攻击。攻击发生在 4 月 22 日至 6 月 5 日期间，据称阿里通过近 2.5 万个欺诈账户与 Claude 进行了超过 2880 万次交互，重点窃取智能推理、软件工程等前沿能力。Anthropic 警告，此类“蒸馏攻击”已将美国数百亿美元的 AI 研发投入变相补贴给地缘竞争对手。 ## 攻击规模与手法 Anthropic 在 6 月 10 日致参议员 Tim Scott 和 Elizabeth Warren 的信中披露了“新机密证据”。该公司称，与阿里巴巴及其 AI 实验室 Qwen 关联的操作者使用了 **25,000 个欺诈账户**，生成了 **28.8 万次以上的对话**，远超此前发现的 DeepSeek 等公司的攻击规模。攻击者利用混淆技术和代理网络规避检测，目标锁定 Claude 最值钱的能力，包括**智能推理、软件工程和长周期任务**。 ## 行业背景与地缘政治 Anthropic 指出，这并非孤立事件。今年 4 月，特朗普政府曾指责中国进行“工业规模”的 AI 盗窃，当时 Anthropic 指控 DeepSeek、Moonshot 和 MiniMax 等公司使用类似手法。OpenAI 和 Google 也发表过关于模型被攻击的发现。Anthropic 认为，阿里巴巴在特朗普警告后仍继续行动，表明中国 AI 实验室试图**规避高昂的研发成本**，直接复制美国前沿模型。 ## 不断壮大的“规避经济” Anthropic 警告，中国对可靠混淆技术的需求催生了 **“规避经济”**，为未来的蒸馏攻击提供燃料。此类攻击“将美国数百亿美元的投资和研发转化为对我们地缘竞争对手的大规模补贴”。Anthropic 呼吁参议院采取行动，保护美国 AI 产业的知识产权和国家安全。
IBM 近日宣布推出全球首个“亚 1 纳米”芯片技术，其新型纳米堆叠（nanostack）架构可在指甲盖大小的芯片上集成近 1000 亿个晶体管，密度较上一代技术提升近一倍。该技术专为 AI 数据中心设计，旨在实现计算性能与能效的双重飞跃。 ## 纳米堆叠：突破物理极限的新思路 现代芯片制造已逼近物理极限，传统平面晶体管难以继续缩小。IBM 的解决方案是**垂直堆叠晶体管**，通过交错布局在相同面积内塞入更多晶体管。其基本单元由两个晶体管堆叠键合而成，每个晶体管包含三个纳米片——这正是 IBM 在 2021 年推出 2 纳米纳米片技术后的延续。 IBM 将这一新工艺命名为 **0.7 纳米节点（7 埃节点）**。需要强调的是，这里的“0.7 纳米”并非晶体管物理尺寸——实际上，自 20 世纪 90 年代以来，节点编号早已与真实尺寸脱钩，而是代表与同代工艺等效的性能提升。换言之，IBM 的纳米堆叠架构实现了“相当于”亚 1 纳米工艺的计算密度。 ## 性能与能效的双重红利 IBM 研究院总监 Jay Gambetta 表示，这“不只是增量改进，而是有意义的飞跃”，并指出新技术指向一个“计算能力大幅增强而能耗不相应增加”的未来。对于 AI 数据中心而言，更高的晶体管密度意味着可部署更复杂的模型、更快的推理速度，同时控制功耗。在摩尔定律放缓的今天，这种通过架构创新而非纯粹物理微缩来提升性能的路径，正成为行业共识。 ## 行业背景与竞争格局 IBM 并非唯一押注 3D 堆叠的玩家。台积电、三星和英特尔均在开发类似技术，但 IBM 此次率先公开“亚 1 纳米”节点，意在抢占技术话语权。值得注意的是，IBM 的研究成果通常先用于自身大型机与云服务，再授权给合作伙伴。此次的纳米堆叠技术能否如 2 纳米纳米片一样快速商业化，仍需观察。 ## 小结 IBM 的纳米堆叠架构代表了后摩尔时代的一种务实路径：**用堆叠换密度，用架构换性能**。虽然“0.7 纳米”的命名可能引发混淆，但其背后晶体管密度翻倍的事实，对 AI 计算基础设施的演进具有实质性意义。未来几年，我们或将看到更多采用垂直集成设计的芯片进入数据中心。
OpenAI 与芯片巨头 Broadcom 联合宣布，推出名为 **Jalapeño** 的全新 ASIC 芯片，专门针对大规模数据中心中的大语言模型（LLM）推理任务设计。这款芯片从零开始构建，基于 OpenAI 研究团队的“深度洞察”，并参考了其未来模型与产品路线图，旨在突破当前算力瓶颈，提升推理效率与能效比。 ### 九年磨一剑？从设计到量产仅用九个月 据 Broadcom 透露，Jalapeño 芯片的开发周期仅为 **九个月**，这在定制芯片领域堪称极速。作为一款专用集成电路（ASIC），它摒弃了通用 GPU 的冗余功能，完全围绕 LLM 推理的工作负载进行优化。OpenAI 表示，早期测试显示，Jalapeño 的“每瓦性能显著优于当前最先进水平”，但完整性能数据尚未公开，详细技术报告将在未来几个月发布。 ### 摆脱“英伟达依赖”的野心 此次合作是 OpenAI 垂直整合战略的关键一步。长期以来，OpenAI 依赖英伟达的 GPU（如 H100）进行训练和推理，但高昂成本与供应紧张促使公司寻求自研芯片。Jalapeño 的推出意味着 OpenAI 正逐步掌控从模型到硬件的全栈能力，减少对外部供应商的依赖。同时，面对全球算力短缺，定制芯片成为各大 AI 公司争夺有限数据中心容量的新战场。 ### 部署时间表与行业影响 双方声称，Jalapeño 芯片将在 **今年年底前** 部署至数据中心。尽管具体性能指标尚未披露，但这一消息已引发行业震动。Broadcom 近年来凭借为超大规模云厂商和前沿模型团队提供定制芯片，业务增长迅猛。若 Jalapeño 达到预期效果，可能重塑 AI 推理硬件格局，迫使英伟达等传统巨头加速创新。 ### 展望：从“通用”到“专用”的范式转移 当前 AI 推理多运行在通用 GPU 上，而专用 ASIC 有望在能效与吞吐量上实现指数级提升。Jalapeño 作为第一代产品，标志着 AI 硬件从“通用计算”向“任务专用”的转变。未来，OpenAI 计划持续迭代芯片设计，与模型演进同步优化。这场硅基竞赛的终局，或将决定谁能真正驾驭大模型时代的算力需求。
Oracle is spending billions on data center infrastructure to support AI.
科幻作家兼科技记者科里·多克托罗（Cory Doctorow）在其新书《逆半人马：AI之后的生活指南》中，对当前AI行业的泡沫与乱象进行了犀利剖析。多克托罗并不热衷于谈论AI，但频繁被要求评论，于是决定写一本书来“厘清废话与物质现实”。 ## 什么是“逆半人马”？ 多克托罗借用自动化理论中的“半人马”概念——指人类通过技术（如机器学习、驾驶汽车或自动补全）得到增强——提出了“逆半人马”：即机器主导、人类沦为附属品。他以亚马逊送货司机为例：司机被AI摄像头全方位监控，本质上只是配送车的“血肉附件”。成为半人马通常是积极的，但很少有人愿意成为逆半人马。然而，AI行业似乎正致力于创造更多逆半人马。 ## AI泡沫的根源 多克托罗并非彻底反AI，他本人也定期使用AI工具，并看到其作为插件或应用的潜力。但他对围绕AI的过度炒作、巨额资本支出、不切实际的期望以及自利性宣传深感忧虑。他指出，当AI泡沫不可避免破裂时，可能带来灾难性的经济后果。 > “泡沫不想要便宜有用的东西，它想要昂贵‘颠覆性’的东西：大型基础模型……” 多克托罗认为，当前AI行业的投资逻辑并非追求实用价值，而是追求“颠覆性”叙事，这导致了巨大的资源浪费和风险积累。 ## 如何戳破泡沫？ 多克托罗建议从根源入手：减少对大型基础模型的盲目投资，转而关注那些真正能提升人类能力、而非替代人类的工具。他强调，AI应用应当服务于人，而非让人成为机器的附庸。例如，在医疗领域，AI可以帮助放射科医生更高效地分析X光片，而不是取代大多数医生，让幸存者承担全部责任。 ## 结语 多克托罗的新书提供了一种清醒的视角：AI并非魔法，它既有潜力也有风险。当前的关键是识别并遏制那些旨在制造“逆半人马”的商业模式，推动AI向增强人类能力的方向发展。
通用汽车（GM）在其位于底特律的旗舰电动汽车工厂“Factory Zero”安装了约50台来自日本发那科（FANUC）的机器人手臂，用于装配线作业。然而，这一自动化举措正值1300名工人因临时裁员而失业之际，引发了美国汽车工人联合会（UAW）的强烈不满。UAW Local 22主席James Cotton指出，公司本可召回部分员工而非新增机器人。此前，该厂在2025年10月已永久裁员1200人。 汽车行业正加速自动化进程，斯特兰蒂斯（Stellantis）、福特（Ford）等均部署了类似机器人，现代汽车（Hyundai）更计划于2028年前在佐治亚州工厂使用波士顿动力（Boston Dynamics）的人形机器人。被裁员工Andrew Bergman批评企业优先考虑利润而非工人福祉，认为技术进步本可用于改善工作安全与缩短工时，但被管理层用于裁员增利。 这一事件折射出传统车企在向电动化转型中面临的深层矛盾：一方面需提升生产效率与竞争力，另一方面却加剧了劳资对立。UAW的强烈反应预示着未来围绕自动化与就业的博弈将更为激烈，可能影响行业政策与工会谈判策略。