快科技6月21日消息，据媒体报道，英特尔CEO陈立武日前透露，他正在为公司未来五年至十年制定清晰的路线图与发展愿景。 他强调，英特尔将在全组织范围内全面拥抱AI，而不仅限于设计环节，以此减少对传统电子表格等工具的依赖，推动整体运营效率的跃升。 谈及代工业务，陈立武坦承与台积电仍有较大差距，目前重心在于夯实基础。但他同时表示，到2030年至2032年，市场将真正看到英特尔代工的潜力与实力。当前的努力，正是为那一天的爆发做准备。 随着芯片制程不断微缩，业界愈发关注物理极限，担心线宽无法继续缩小。陈立武认为，这条路将愈发昂贵和艰难，需要产业链伙伴共同推动良率与性能的提升。 他特别指出，先进封装和新型材料是突破极限的关键。台积电拥有CoWoS，而英特尔则推出了下一代封装方案EMIB，必须确保其在量产阶段达到客户严格的良率要求。 当传统微缩遭遇瓶颈，陈立武将目光转向材料层面的创新。他已投资氮化镓、碳化硅和磷化铟三个方向，寻求从根基上改变器件性能。 在封装材料领域，他开始关注玻璃——因其出色的散热和绝缘性能，并投资了3DGS公司。同时，他还透露英特尔在模组领域拥有约1000项专利，如何将基板与模组高效整合是重要课题。 近期，英特尔已在印度和美国新墨西哥州宣布了先进封装制造的合作项目，加速推进产业化落地。 此外，陈立武还关注人工合成钻石，作为另一种优异隔热材料，他已投资一家钻石晶圆公司。 在他看来，从传统制程到新材料、新封装的多元布局，正为英特尔描绘出一条进化的新路径——既正视眼前的差距，也敢于为长远未来下注。

网购的快递被人偷了，联系客服，客服系统显示，预计等待时间 25 分钟。 换作以前，这意味着我们要么盯着聊天窗口发呆，要么开着网页干别的事，同时隔几分钟切回来看看排到没有，不然一不小心退出去又要重新排队。 新加入 OpenAI 的开发者体验工程师 Jason Liu 选择了第三种方案。他把这件事交给了 Codex。 指令很简单：每 5 分钟检查一次聊天窗口；如果客服上线，改成每分钟检查一次；尽量帮我完成退款。 然后，他去洗澡了；等他回来时，Codex 已经把退款办完了。 整个过程里没写一行代码，一个 agent 趁我们没时间/不在意，跟另一套客服系统耗着、磨着，直接把钱要了回来。 除了代替人类和客服聊天，Codex 还能通过 iPhone Mirroring 直接操作我们的手机，开发者能用它直接复现一个 App 里的 bug。 每天早上扫一遍私信和新闻，把值得留的东西归档进笔记库；甚至打开一个在线音乐编辑器，重写整首曲子的和声和结构，调好节奏，存档，然后让它继续放着。 这些都是 OpenAI 在 Codex 上最近重点推进的一项能力：让 AI 真正获得操作电脑的能力。 OpenAI 的工程师 Jason Liu 专门写了一篇长文，解释 Codex 现在拥有的三种「电脑操作能力」：Computer Use、Chrome 插件、应用内浏览器。 这三种让 Codex 操作电脑的能力，名字看起来有点绕，功能大概也有些重叠。 很多人第一次看到，都会冒出同一个问题：为什么一个 Agent，要做三套电脑操作的系统？ 从功能本身来说，它们都是让 Codex 拥有接管电脑的能力，但 Browser、Chrome 和 Computer Use 背后对应的，其实是 OpenAI 给 Agent 设计的一套行动权限体系。 不同的操作模式，有不同的适应场景。像是能用插件就不要点网页，能直接调用 API 就别让 AI 用识屏操作界面。 就像是如果微信给 Agent 提供了接口，AI 发送消息只需要执行一次函数。 而如果没有接口，Codex 就得先打开微信，找到消息，选择联系人，点击输入框，复制内容，再按发送。 从结果上看，两种方式完成的是同一件事，但从效率和可靠性来看，却完全不在一个量级。所以在 OpenAI 的设计里，Computer Use 更像一个兜底方案。 要搞清楚什么时候用 Computer Use，什么时候用 Chrome 来进行电脑操作，我们结合 Jason Liu 的帖子把这三种授权模式讲清楚，方便大家更好地让 Codex 来操作电脑。 最宽的那道门 先说能力最「大」的：Computer Use。 我们之前分享过多篇 Codex 的使用指南，从目标管理到电脑使用和浏览器操作，里面就曾演示过，使用 Computer Use 能直接修改我们的备忘录。 Codex 能直接自动编辑我们的备忘录 它能看屏幕，能操作几乎任何图形界面，能用键盘、菜单、剪贴板，跟我们授权过的 App 打交道。没有 API 的软件它照样能用，它完全依靠「看着屏幕，自己判断该点哪」。 代价是慢。结构化的插件可以直接调一个接口；Computer Use 得先看清界面、判断点哪、等 App 反应、再看下一屏，这个视觉循环相当浪费时间。 那慢有什么用？ 最好是用在那些只有图形界面、压根没接口的地方。而且，在 Mac 上，慢不一定碍事，它能在后台安静地操作我们授权的 App，它工作的时候，我们该干嘛干嘛，回头一看它已经默默跑完了某个流程。 开头那个退款，就是这么办成的，让 Codex 慢慢去找到和客服聊天的方法，然后我一边去洗澡。 但一走开，也可能不放心，毕竟这也是三者里最宽的一道信任边界，我们等于把整台桌面交了出去。 用 Codex 使用 Claude，问 Codex 好还是 Claude Code 好，Codex 表示不认可 Claude 的回答 OpenAI 官方也反复提醒，一次只给它一个明确的 App 或流程，不相关的敏感软件该关就关，碰到钱、账户、密码、隐私、系统安全的操作，我们还是得守在旁边。 它最妙的用法，可能是用来作为一种补位。目前大多数的 Agent 都能连接第三方的软件，像是连接 Gmail、Slack 等工具。 Codex 也能直接从 Slack 读反馈、改代码、重新渲染视频，但当 Slack 集成工具没法上传文件时，这个时候Computer Use 出手，点了一下「添加文件」，把这一步补上的。 OpenAI 工程师在最后给出的建议是，当任务取决于以下情况时，请使用 Computer Use： 类似 Spotify 的原生桌面应用程序或金融应用程序 iOS 模拟器、iPhone 镜像或其他纯 GUI 流程 系统或应用程序设置 没有插件或 API 的数据源 在多个应用程序之间切换的工作流程 在其他方面都很有用的结构化集成中，缺少一个步骤 带着你身份的门 第二道窄一点：Chrome 插件。它接管的，是我们已经登录好的浏览器。 早些年的 Agent 操作浏览器，要它去 X 搜索某个东西，经常报错说什么没有凭证信息，Chrome 解决的就是这件事。 Cookie、配置、登录态、开着的标签页，这些它都能用，所以 Gmail、LinkedIn、Salesforce、公司内部后台，这类需要登录才能访问到网页信息的任务，就可以交给 Chrome 来完成。 让 Codex 操作浏览器汇总 X 首页的资讯 关键的差别在这里，由于 Chrome 浏览器使用，带着我们的身份，网站会直接把它的点击、提交、发消息，当成是我们本人在操作。能力更强，风险也更大。 Jason Liu 把一个已经打开的在线作曲页面丢给 Codex，告诉它「把音乐弄得更有意思些」。 Chrome 就会自动把这个标签页连同页面自带的工具一起交给 Codex，它读完整首曲子，重写和声、改掉四分钟的曲式、调了速度、存档，最后让它接着播放。 从修改编曲到最后的完美播放，Codex 全程没满屏乱找按钮，因为它能把标签页的上下文，和页面提供的能力拼起来用。 Jason 还提到他使用 Chrome 浏览器使用的另一个案例，是拿它盯一个常年更新的 Twitter 长帖。指令大概是，「每天用 Chrome 看看私信、读相关新闻、找找值得了解的反馈和提及，把能沉淀的都存进笔记库，但别发帖、别发消息。」 Codex 就能打开 Twitter，更有意思的是，这个任务能日复一日回到同一个登录态里，把找到的东西跟我们本地文件接起来，最后交付一份能复核的结果。 所以如果整件事都发生在浏览器里，优先用 Chrome。他也提到使用 Chrome 插件进行任务的理想界面是， Gmail 或 LinkedIn Salesforce 或支持控制台 内部仪表盘 跨多个网站的权威研究 取决于您的账户或浏览器扩展程序的表单 干净隔离的门 第三道最窄：应用内浏览器。它就在 Codex 的对话里，我们和它看的是同一个渲染出来的页面。 最要紧的一点是隔离，应用内浏览器不会使用我们平时的浏览器配置、不带 Cookie、没有插件、没有登录态。 所以针对本地开发、调试 Web 应用、复现视觉 bug、看响应式布局，用应用内浏览器大概是最方便的。它能直接改代码、操作页面、看渲染结果、截图，改完自己再跑一遍，直到交付预期的成果。 最有意思的是批注，无论是 Vibe Coding，还是完成真实项目，我们在审核一个本地页面时，可以直接点某个元素，或者圈出一块区域，留一句话，「这个层级反了」「这块别做成卡片」「这些控件得再松一点」。 Codex 会收到带着截图和元素上下文的评论，改完文件，再把同一个页面打开给你看下一版。 浏览器使用和 Chrome 使用不同的地方其实就在于登录状态，这也导致浏览器使用更适合在开发阶段，我们可以和自己的同事一样，直接指着某个地方告诉 Codex，而不是来回甩截图和文字，页面本身，就成了需求文档。 它的代价也来自隔离，让这个 Codex 内置的浏览器去处理 Google 登录、passkey、或者依赖我们浏览器插件的网站，几乎是做不到。 根据 Jason 在博客中的总结，应用内浏览器会特别适合构建和调试 Web 应用程序。 本地开发服务器 文件支持的预览 无需登录的公共页面 重现视觉错误 检查响应式布局 留下元素级设计反馈 在这三项之外，OpenAI 工程师还提到和计算机使用相关的第四项功能是 Appshots。我们之前也介绍过这项功能，在 macOS 平台上，任何场景同时按下空格键左右两边两个 Command 键，就会自动把窗口截图、窗口上下文信息，一起发给 Codex。 他专门提到这项功能的是想表达，Appshots 负责指，Browser、Chrome、Computer Use 负责动手。 一开始，我们一想到「AI 用电脑」，脑子里浮现的画面，大概都是它像人一样移动鼠标、敲键盘、一下一下点过去。好像 AI 越像人在操作电脑，就越厉害。 但 OpenAI 自己的最佳实践，指向的是相反的方向：像人一样点击，是最慢、最脆弱、信任成本最高的那条路。真正想要的，是给 agent 足够结构化的接口，让它尽量用不着去点。 那个看起来最像「AI 终于会用电脑了」的视觉控制，恰恰是整套体系里兜底的一环，结构化工具走不通时，才轮到它上场。 总结下来就是，跨应用走 Computer Use，要带身份/登录态走 Chrome 扩展，干净独立的网页任务走内置浏览器。

6月中旬，三起看似独立的产业事件：Fable 5遭遇合规限流、GLM-5.2宣布开源、GPT-5.6泄露发布节点，正将全球AI产业推向一个分水岭。透视这三场变局，行业底层的运行逻辑已经发生实质性重构： 其一，“可用性”权重实质性超越“先进性”，全球大模型供应链正式步入受控闭源与本地开源并存的“双轨制”阶段； 其二，闭源巨头的竞争壁垒发生转移，技术焦点正从“语言智能”向重度依赖算力的“空间智能（世界模型）”转移； 其三，面对常态化的跨国合规风险，“模型无关性”的解耦设计已成为应用层开发者维系业务连续性的生存底线。 Fable 5退市 6月18日，据披露，属地监管部门与Anthropic已开始起草一份联合风险框架。与此同时，在刚结束的法国G7埃维昂莱班峰会上，与会代表就建立跨国技术白名单机制进行了讨论。由于此前加拿大总理马克·卡尼已就“过度依赖单一地区AI供应商的系统性风险”向G7成员国发出警告，本次会议的核心议题集中在技术出口合规趋严的背景下，探讨保障跨国企业对底层AI模型的稳定访问渠道。 引发这场外交与合规层面讨论的直接事件，是上线72小时即遭遇管制的模型Claude Fable 5。 作为Anthropic将“Mythos级”前沿能力向公众开放的首款产品，Fable 5在6月9日发布之初展现了显著的工程指标，在Stripe进行的工程测试中，该模型在一天之内完成了5000万行Ruby代码库的无缝迁移（此前同等工作量需要整个工程师团队操作超过两个月）；在多模态视觉盲测中，它在不依赖游戏状态数据的前提下，仅凭画面截图打通了《宝可梦 火红》。其定价每百万输出token 50美元，较此前版本削减了过半成本。 然而，在产品上线仅72小时后，美国商务部便依据出口管制法规下达指令，要求限制任何外国用户和非美国公民访问该模型。目前，这家估值达9650亿美元的AI企业已执行产品访问限制，其高级工程师与高管团队定于6月22日赴华盛顿与监管层进行面谈。 从具体的管制细节看，监管机构并未要求产品全网回滚，而是明确将限制范围划定在“非美国公民”的访问权限上。这意味着行政干预的核心不在于传统的软件技术修补，而在于技术防扩散，即防止前沿模型在被广泛调用过程中，因安全护栏失效被外部通过反向工程获取。 这一动作确立了一个新现实，在现行的合规框架下，技术能力的增长伴随着同等量级的管制风险，底层模型的技术先进性随时可能因地缘商业层面的合规要求而受限。 开源阵营的供应链对冲 在闭源模型因合规要求出现访问真空的节点，开源阵营正凭借稳定的性能提升和明显的成本优势扩大市场份额。 6月17日，智谱AI宣布GLM-5.2以MIT协议正式开源。该模型在Artificial Analysis综合评分中拿到51分，支持100万token的可用上下文窗口。在超过100万用户参与的盲测系统Code Arena中，GLM-5.2在多项长程任务（Agentic Tasks）和SWE-Marathon长时编码评测上的表现，已接近Claude Opus 4.8等传统旗舰模型。 在底层算力上，GLM-5.2完成了与平头哥、寒武纪、海光等国内主流算力平台的全适配，验证了在脱离海外既有半导体生态的情况下，持续迭代前沿大模型的可行性。 在商业模式层面，这一代开源模型正在推动由成本驱动的需求重构。MIT Sloan和Haas商学院在2026年的联合研究报告中指出，从闭源API转向开源模型的“最优需求重分配”，平均可为跨国企业削减超过70%的AI推理成本，每年为全球AI经济节省约250亿美元。从技术演进斜率来看，2023年底开源与闭源模型的基准性能差距接近18个百分点，而到了2026年，开源模型如Qwen 3.5在科学推理基准（GPQA Diamond）上拿到88.4分，已接近多数闭源选项的水平。 当性能差距收窄至10%以内、而成本降至十分之一时，商业市场的替代逻辑开始发生作用。对于全球化企业而言，GLM-5.2这类支持本地化私有部署的开源模型，不仅是技术上的备选项，更是跨国贸易合规风险管理中的冗余备份。当马斯克在X平台预测中国AI将在2027年第一季度追平Fable级能力时，智谱CEO唐杰简短回应“没那么久”，其依据正来源于这种工程层面的产业闭环进度。 GPT-5.6的重心转移 为了应对开源模型在语言和代码能力上的接近，闭源阵营正在加速重构技术壁垒。 多名开发者从OpenAI的Codex路由日志中抓取到了指向“gpt-5.6”的映射条目。这一模式此前在GPT-5.4和GPT-5.5发布前均准确印证了发布节点。Polymarket预测市场上，“GPT-5.6在6月30日前发布”的合约概率目前稳定在80%至89%之间，资金盘面数据反映出市场预期其发布进度不会受到近期监管风波的实质性延误。 泄露的技术细节显示，GPT-5.6的升级重心已从传统的“语言智能”转向“空间智能（世界模型）”。OpenAI据称将内部推理参数“Juice Value”从768提升至960，通过延长内部推理链、牺牲单次响应时间的方式，换取更高准确度的输出质量；同时，其上下文窗口从100万token提升至150万token，将Agentic多步骤工作流的处理空间扩展了50%。 更具商业风向标意义的是其在3D空间理解、场景生成、物理动画和SVG代码生成上的表现。测试反馈显示，GPT-5.6 Pro在物理仿真任务和WebGL渲染器创建上的表现已经接近受限的Fable 5。 这一技术路线的战略意图明确：在文本和通用编码技术门槛逐渐被开源阵营抹平的背景下，闭源巨头正在将主战场转移至需要庞大算力消耗、高度复杂的多模态对齐以及对物理空间进行模拟的“世界模型”领域。通过在工业仿真、机器人训练和3D设计场景中确立新的代际差，来重新验证闭源API的商业溢价能力。 大模型供应链的底层逻辑在2026年夏天完成了转换。企业评估底层基础设施的标尺，正在从单一的技术性能指标，演变为性能与政策合规性的综合评估。 闭源巨头正在利用世界模型和空间智能重新划定技术边界，试图在工业与机器人领域构建新的代际优势。但Fable 5的遭遇证明，无论技术如何演进，在常态化的行政合规约束面前，其产品可用性依然受限。技术领先不再是企业维系业务的唯一保障，合规与访问稳定性成为同等重要的前置条件。 对于AI应用层开发者和创业者而言，将核心业务流完全绑定在单一模型厂商的闭源API上，意味着将业务暴露在极高的外部不可控风险之下。在系统底层架构设计中实现彻底的“模型解耦（Model-agnostic）”，确保业务能够在短时间内从合规受限的方案无缝切换到本地开源、供给可控的备选方案，已不再是单纯的架构理论，而是当前企业维系业务连续性的最基本底线。（本文首发钛媒体APP，作者 | AGI-Signal，编辑 | 秦聪慧）

编辑｜杨文 最近，Meta 内部军心不稳。 上周，一名员工在内部直播中突然爆粗口，怒骂某 AI 高管「混蛋」。 没过几天，扎克伯格又提议，要在 7 月举办一场全公司 AI 黑客马拉松。结果员工不买账，内部留言区一片嘘声。 有媒体直接以《马克・扎克伯格在残酷裁员后命令员工们重新找回工作乐趣》为题，讽刺 Meta 管理层的荒诞操作。 到了周一，Meta 首席技术官 Andrew Bosworth 也站出来灭火。他在内部承认，公司这次 AI 部门重组做得很差，并公布了一系列补救措施，比如改善沟通、提供职业发展支持、提高零食、差旅预算等。 但这波补救，反而招来更多吐槽。 一边是大规模裁员、搞强制调岗、监控员工，内部士气已经接近「有史以来最低点」，另一边是高管出来号召大家要开心、要 fun，试图靠零食和黑客松修复信任。 怎么看，都有点不合时宜。 Meta CTO 认错：AI重组这步，确实走烂了 「糟糕透顶！」 这是 Meta 首席技术官 Andrew Bosworth 对公司 AI 重组工作给出的自我评价。 据《连线》报道，周一，Bosworth 向员工承认，Meta 在推行新的 AI 部门改组时表现「糟糕」，并表示将通过改善沟通、提供职业发展机会，甚至增加办公室零食，来重新唤回更愉快的内部氛围。 Bosworth 认为，此次重组动摇了员工对专业价值、职业发展和工作影响力的信任，频繁的组织调整和管理层变动进一步加剧了焦虑。 他将责任归于管理层身上。在急着推进更宏观战略时，比如更积极参与 AI 编程工具市场竞争，高管忽视了员工的感受。愿景没有讲清楚，职业发展路径也没有说明白。结果是，很多员工开始怀疑自己的价值和成长空间。 为此，Meta 计划做出几项调整。 公司将把每位经理直接管理的下属人数控制在 20 人左右，并尽量减少员工因架构调整而频繁更换上级。 未来，经理的主要职责会回到管理本身，独立产出则退居其次。员工也将获得 AI 辅导工具的使用权限。 不过，Bosworth 并没有完全否定当初的做法。 他仍然为「速度优先」下强行调配人手组建团队辩护，并提醒员工，有些时候「工作需要牺牲」，每个人都未必能一直做自己觉得有成就感的项目。 Bosworth 强调，未来员工考核看的是实际影响，而不只是有没有用上 AI。不同团队之间的算力分配，还会经历一段时间的艰难取舍。公司会尽量保持透明，也鼓励员工遇到瓶颈及时上报。 另一份内部帖子显示，上周五晚些时候，负责应用 AI 团队的副总裁 Maher Saba 也向被迫调入团队的员工承诺：只要能申请到 Meta 内部其他岗位，现在可以自由转走。 为了提振士气，Bosworth 还承诺改善办公室茶水间、提高差旅预算、增加团建活动开支。 他的说法是，希望「找回我们刚加入这家公司时最好的那部分文化」。 小扎的 AI 黑客松，被员工怼了 在 Bosworth 表态之前，Meta 内部已经先爆发了一场黑客松风波。 上周五，扎克伯格宣布，将在 7 月举办一场聚焦 AI 的全公司黑客马拉松，并将其定位为内部动荡之际增进同事情谊的方式。 随后，负责产品管理的副总裁 Ime Archibong 公布了更多细节。活动定在 7 月 14 日至 16 日，主题完全聚焦「AI 创新」。 消息一出，迅速招来愤怒回应和讽刺表情包。 《连线》报道，多名员工表示，公司近期的大规模裁员已经让工作量陡增，根本抽不出时间参加这类「额外活动」。自己光是给团队保住基本运转就已经忙得团团转，没有动力，也没有时间。 也有人表示，团队士气低落、对管理层的信任下降，让自己没有意愿参与。 另一条留言获得了超过 200 个点赞。裁员之后，大家正在用更少支持承担更多工作，还要小心因不谨慎使用 AI 引发重大技术事故。在这种情况下，「这家公司恐怕已经撑不起黑客松文化了」。 而且黑客松成果不计入绩效考核，这进一步打消了参与热情。 这也是 Meta 上月裁掉 8000 人后，第一次计划举办全员规模的黑客松。 除了黑客松，扎克伯格还宣布了几项安抚员工的措施。比如增加团队团建预算，部分办公室取消「共享工位」制度。 此前，就有员工自发调研同事意见，反对取消固定工位带来的混乱和效率下降，要求管理层恢复每人专属工位。 现在，裁员腾出了办公空间，恢复固定工位终于有了余地。但对剩下的人来说，更现实的问题是：人少了，活多了，哪还有时间去「黑客」？ 被迫加入 AI 应用团队的人 这几场风波背后，是应用 AI 团队内部积累已久的矛盾。 这支团队成立于今年 3 月，约有 6500 名工程师和产品经理，主要任务是配合 Meta Superintelligence Labs，改进公司的生成式 AI 模型。 矛盾最戏剧性的一次爆发，发生在一场面向数千名员工的内部直播上。 有人突然打断会议，用脏话形容「沦为公司的奴仆」，并要求主持人转告某位 AI 高管，骂他是「混蛋」。 台上一名主讲人当场用手捂住脸。两名主持人请大家静音后，只能硬着头皮继续讲完这场技术分享，员工在评论区议论这个「够刺激」的开场。 团队内部普遍存在不满情绪，有把这种处境比作劳改营式的生活。部分员工每周要完成固定的两项任务，主要是生成复杂的编程题目，用来训练和检验 AI 模型的能力。 有员工形容，这份工作机械、重复，缺乏创造性，也没有真正发挥自己的专业技能。 他们原本以为，自己加入 Meta 是为了给数十亿用户开发社交应用，如今却变成了给 AI 模型整理训练材料的人。 也有人直言，大多数同事都觉得这份工作让人身心俱疲。 更难接受的是，被选入这个团队几乎没有商量余地，要么留下，要么离开公司，没有别的选择。 因此，一些人把自己称作「被迫征召而来的人」。团队自 4 月以来分批扩张，每一波新人加入时那种震惊的样子，看着都让人心里发紧。 类似的紧张情绪，也在 Meta 内部其他部门蔓延。 上个月，Meta 裁掉 8000 名员工，约占公司总人数的一成。压力随之外溢，波及数据中心工程、Instagram 等多个部门。 同时，一项监控美国员工点击和键盘操作、用以生成 AI 训练数据的内部计划，也招致超过 1600 名员工联名反对，公司随后小幅让步，允许员工暂停采集 30 分钟，并可申请豁免。 在一场面向 Instagram 全员的会议上，Meta 首席产品官 Chris Cox 也承认，眼下的工作环境非常艰难。 他把过去几个月形容为一场极限考验，团队成员频繁调整，工作节奏却没有放缓。管理层需要重新贴近员工的真实感受，也不该过度神化 AI 的能力。 面对这些积累已久的情绪，扎克伯格在上周五的内部备忘录中一并作出回应。 他承认，公司在组织调整过程中犯过错误，未来也可能继续犯错。但他承诺，今年不会再进行大规模裁员。 扎克伯格特别提到，此前在应用 AI 等团队，经理与下属的比例曾被刻意拉高，甚至达到 1 比 50。今后会着力调整这一结构。 谈到应用 AI 团队，他表示，这是「过渡站，不是终点」，这项工作对推进模型至关重要，能让最优秀的人才发挥作用，公司也会在未来几个月陆续创造其他岗位供他们选择。 问题在于，信任一旦被打碎，并不会靠几句承诺就自动修复。 现在的 Meta，正试图用更多沟通、更多预算和更多内部活动，填补员工心里的缺口。 这道缺口能不能被填上，还要看接下来几个月，公司说的和做的能不能对得上。

这一幕始于马斯克的大手笔收购—— 近日，SpaceX宣布将以600亿美元（约合人民币4000亿）收购Cursor母公司Anysphere。估算下来，前50名创始员工每人可获得数千万乃至上亿美元回报。 简言之，如果你是三年前最早加入Anysphere的那批人，现在已经财富自由了。 时间回到2022年，四位来自麻省理工的00后学生创立Anysphere，旗下Cursor一跃而成过去两年全球最火的AI编程工具。最终，马斯克大手一挥伸出了橄榄枝。 不禁感叹，AI带来的造富潮前所未有地来势汹汹。 4位00后，缔造4000亿独角兽 神奇的是，故事始于四位00后。 成长于纽约，Michael Truell从小就展现出非凡的编程天赋。10来岁开始学编程，15岁和同学一起开发一款编程游戏，拿到顶尖数学协会颁发的1万美元奖金。麻省理工学院约1小时的新生编程考试，他不到10分钟就交了卷。 在麻省理工，Truell主修计算机科学与数学双学位，同时开始酝酿创业想法。2022年，他拉上三位同学Aman Sanger、Sualeh Asif、Arvid Lunnemark，联手创立了Anysphere。 最初四人的想法是为机械工程师构建AI模型，但由于缺乏专业知识而失败。思来想去，他们决定回到熟悉的软件，开发出由AI驱动的代码编辑器。2023年3月Cursor正式上线，此后迅速火爆出圈。 彼时微软的的编程工具GitHub Copilot已经珠玉在前，但架不住Cursor实在太猛：仅一句需求就能自动生成、编辑和审查代码，开发者可以在多家主流AI模型间切换。 Cloudflare副总裁曾分享一段视频：他的8岁女儿仅花45分钟，就用Cursor成功搭建了聊天机器人的网页。一度登顶AppStore付费排行榜首位的“小猫补光灯”，是由开发者用Cursor开发的。 犹记得去年传出的“vibe coding”的风潮，用户不需要逐句写代码，给出创意就能生出能跑的程序，一度风靡全球。这个概念最先就是出自Cursor。 很快，Cursor的用户数开始野蛮生长。仅用一年时间就实现1亿美元的年化收入，2025年突破100万日活，年营收突破10亿美元，全球超一半的财富500强企业都是他们的客户。 投资人循声而来。2024年公司估值还不到100亿美元，2025年11月就以293亿美元的投后估值筹集了23亿美元。就在收购前，Anysphere还在洽谈一轮500亿美元估值的新融资。 不过，尽管Anysphere成长惊人，其实也有难言之隐。 核心就是它并不自研模型，而是把Claude的模型能力包装成一个顺手的开发工具。伴随供应商亲自下场，本来就不够厚的护城河变得危险。 据Ramp的数据，Cursor在AI编程工具市场的份额已从2025年6月的41%下降至2026年5月的约26%，Claude Code占比约一半。 “我们决不能掉队。”Anysphere决定自研模型，而这需要海量算力——此时SpaceX的Colossus算力集群就派上了用场。对马斯克而言，AI编程也是一块极其诱人、需要补足的蛋糕。 以后火箭上天的代码，说不定就是Cursor写的了。 加入三年，他们实现财富自由 对于Anysphere的早期员工而言，财富来得令人猝不及防。 最初公司的招聘非常谨慎，很长一段时间里团队成员维持在个位数。四位创始人一点一点打地基，路线得到验证后团队人数迅速冲到近700人。 享受财富盛宴的正是最早入局的那群人——如果你2023年就加入Anysphere，并且是前50名员工，收购完成后大概就财富自由了。 根据硅谷初创公司的期权安排，这批50位创始员工平均每个人可以拿到近亿美元的回报。但Anysphere没有披露相关细节，这里豆包提供了一个参考版本： 通常员工期权池共计15%，价值约90亿美元； 前50号早期核心员工瓜分总池的85%，合计约76.5亿美元； 50人内部再细分为核心元老、早期骨干和早期员工共三档，人均股权价值分别约3亿美元、1.3亿美元和0.96亿美元； 硅谷风险投资基金合伙人Deedy Das也做了一笔计算：根据股权激励信息，前50名Cursor员工预计每人将获得2000万至5亿美元。 当然，最大的受益者无疑是四位联创。据《福布斯》估算，四位00后联合创始人各持有公司约4.5%的股权，经由本次收购，人均身家将达到约27亿美元（约合人民币180亿元）。 入职越早、职级越高，拿股权的倍数就越大。同样是员工，回报差距可能超过100倍。 这便是创业公司的财富变现路径——比起月薪，拿到多少期权往往更重要。决定能否入职的是能力，但决定你赚多少的可能是时间。 “进一家好公司就是最好的投资”，这句话含金量越来越高。 无AI不富，这代人的财富彩票 AI时代的造富速度比任何时候都来得惊人。 今年开年，OpenAI花1亿美元买下了AI初创公司Torch。这是一家借助AI处理医疗信息的公司，成立仅短短一年，产品还处在内测阶段，只完成过一轮小额种子融资，正轻装上阵。 引人注目的是，Torch团队只有四个人，其中还有一位华人面孔，可以说被打包卖给了OpenAI。粗略算下来，几位人均回报约2500万美元，早期投资人亦全身而退。 更早些时候，海外互联网巨头Wix宣布收购AI初创公司Base44，交易金额8000万美元（约合5.7亿元人民币）。创始人Maor Shlomo是一名90后程序员，在氛围编程（Vibe Coding）圈子里风头正盛。 Base44成立后没有进行任何外部融资，Shlomo是其唯一股东，手下共有8名员工。换言之，创业短短半年Shlomo便至少成功套现4亿，手下员工轻松跻身千万富豪。 目光拉回到国内，AI同样在改写着打工人的财富路径。 这里不得不提到智谱。据招股书，在智谱大约每两个人就有一位是股东，粗略算下来人均持股市值都在千万港元以上，甚至还诞生了多位亿万富豪。早年一纸协议逐渐变为真金白银，令人艳羡。 还有中际旭创，受益于算力浪潮股价大涨。今年多期股权激励计划的归属条件达成，最新一幕是803名中际旭创员工将归属163万股股份，对应股价市值约22亿元。 “无AI不性感，无AI不高估值，无AI不富。”AI成为当前全球最大的投资主题，由此带来的财富浪潮超乎想象。 回望过去几十年，大家耳熟能详的富豪大多来自能源、房地产和传统制造业，资本规模和渠道资源是核心护城河，财富的累积往往是一个长达10年、20年的漫长故事。 但AI的到来改变了这一切——仅需很小的团队就能快速上线产品和实现扩张，市场验证极快，技术成为核心杠杆，造富可能只需要一轮模型的爆发。 当然，泡沫的呼声也不容忽视。亚马逊创始人杰夫·贝佐斯此前直言，“6个人的公司拿到几十亿美元融资”并不是理性行为，如今每天都在发生。 但泡沫并不完全等同于虚妄，很多时候只意味着想象力的提前抵达。真正的问题是，潮水退去后以什么样的姿态留在牌桌上。 我们拭目以待。

新智元报道 【新智元导读】GPT-5.6 Pro 泄露炸场：推理能力涨 25%、知识截止推至 2025 年 12 月、3D 生成碾压 Fable，一句话 48 分钟在聊天框里直接跑出完整《模拟人生》。 聊天框里，一句话，48分钟。 一个完整能跑的《模拟人生》就这么水灵灵地蹦出来了。 带情感AI、带职业系统、角色有完整行为逻辑的The Sims——只用了一个单独的HTML文件。 主角是还没正式发布的GPT-5.6 Pro。 最炸的地方在于：没有harness，没有工具链，没有任何编码工具。一句话直出。 《模拟人生》是什么量级的东西，玩过的人都懂。 它要管角色的情绪、社交、工作、人生轨迹，背后是一套盘根错节的状态系统——饿了要吃饭，困了要睡觉，心情不好要社交，社交过了头又要独处。 当年EA做这款游戏，是一整个团队扑上去、磨了好几年的大活儿。 而GPT-5.6 Pro给的版本里，情感AI在线，职业系统在线，角色的喜怒哀乐和升职加薪都能跑。 没有中间商赚差价。从自然语言到可交互的完整世界，一步到位。 x网友Mirochill实测还发现，GPT-5.6 Pro十分擅长生成像素体游戏。 比如，这种超精细的体素火箭，能够起飞，有摄像机跟随，甚至还有程序生成的声音！ GPT-5.6 Pro 仅用 30 分钟就完成了。 Mirochill还用 GPT 5.6 Pro 生成了一个真正的像素体宝可梦公园！ 这个公园包含了 25 种宝可梦。最离谱的是，GPT 5.6 Pro将它们整合到了一个单一的 3D 场景中，进行合理定位。 GPT 5.6 Pro的生成质感直接拉满。 程序员看完只有一句话：看傻了。 真正让圈内人坐不住的，就是3D。 GPT-5.6 Pro对3D空间、物体层级、材质和光照的理解明显更强，能生成视觉一致性极高的复杂3D场景，物理、动画、音效全面提升。 有测试者用它做了一个精细的机械臂 3D原型，效果直接惊到了围观群众。 相比之下，同样的prompt，Fable 5显得拉垮不少。 3D、物理、材质光照，这些一直是AI生成里最难啃的硬骨头——它考验的不是模型会不会写字，而是它脑子里有没有一个真实可信的三维空间。 GPT-5.6 Pro在这块的跃进，意味着它对世界的理解，正在从「平面」走向「立体」。 下周四上线？ 最近，不少网友发现，在ChatGPT里选GPT-5.5 Pro时，响应时间突然拉长到了20到40分钟甚至更久——这是GPT-5.5 Pro从没出现过的节奏。 上面那个宝可梦公园就跑了六十多分钟。 社区的判断几乎一致：OpenAI在偷偷A/B测试GPT-5.6，把它悄悄塞进了部分Pro账户。 大V Leo直接发帖确认：GPT-5.6 Pro正在通过GPT-5.5 Pro入口进行隐蔽测试，至少部分Pro账户已经命中。 计划的公开发布日期是下周四，6月25日。 社区里扒出来的料，一条比一条狠： 知识截止日期升级。 从GPT-5.5的2025年8月，直接推到2025年12月——多了四个月的「记忆」，意味着模型对2025年下半年发生的事情有了更完整的理解。 推理能力暴涨。 内部代号「Juice Value」的推理容量，从GPT-5.5的768拉升到960，涨幅达25%。这个参数直接决定了模型在复杂任务上能「想多深」、「撑多久」。 视觉理解跳级。「图像到设计」的复制能力大幅升级，几乎完美到像素级别。也就是说，你给它一张UI截图，它能几乎一比一地还原出来。 浏览器自动化上线。 Playwright支持即将进ChatGPT，这意味着AI不只是看网页，还能帮你操作网页——填表单、点按钮、抓数据，一条龙。 预测市场给出的态度更直接：Polymarket上，GPT-5.6在6月22到28日之间发布的合约概率，最高被押到了89%，累计下注金额超过96万美元。 截至目前，这个概率已大幅回落。 从GPT-4到GPT-5等了一年多。现在，从GPT-5.5到GPT-5.6，间隔不过一个多月。 OpenAI把主力版本的迭代周期，压缩到了前所未有的速度。

新智元报道 【新智元导读】有人欢呼，这是OpenAI「最开放」的一次。给Codex装上能随便换模型的插座，等于亲手填平自己模型的护城河。它图什么？ 一夜之间，OpenAI的编程智能体Codex不再只认自家的GPT，而是面向所有开源模型开放了。 最先察觉这一信号的，是开发者社区。 有开发者在Codex的命令行（CLI）和软件开发工具包（SDK）配置里，翻出一个陌生的开源模式（OSS mode），官方也叫它本地提供方（local providers）。 在命令行里加一个--oss，它就能在本地跑起开源模型；想接别的，改一个字段就行。 要知道，OpenAI在过去几乎就是「闭源」的代名词，Codex只认OpenAI自家的GPT。 但现在不一样了，仅仅一行配置，就能切换到本地的Ollama、LM Studio等模型服务。 这事很快便在开发者圈里炸了。 OpenAI Codex团队负责人Tibo还不忘亲自在X上提醒道： Codex的App、CLI和SDK，可以搭配任意开源模型使用，并非只能用OpenAI自家的。 这条提醒，很快被Hugging Face联合创始人Thomas Wolf转发，还加上一句感叹：今天才知道，Codex里居然能用开源模型了。 有网友直呼，这可能是OpenAI有史以来最「开放」的一次，是件了不起的大事。 社区的动作更快。 官方文档一出，开发者立刻尝试把一些开源模型接进去，还顺手讨论起更省token的混搭方案。 但也有人很快就撞上了墙。 开发者Filip Baturan想在Codex里搭一套混合方案：让GPT做规划，再让开源模型当执行者。 可试下来他发现，Codex要求接进来的模型也用同一套工具调用协议，而开源模型未必有。 一边是「史上最开放」的欢呼，一边是接不进去的协议。 这一回，OpenAI到底开放到了哪一步？ 开源模型是如何接入Codex的？ OpenAI这次对Codex的开放，本质上并不是开放模型本身，而是开放了「模型接入层」。 换句话说，它没有开放GPT模型，而是给Codex加了一个「可插拔模型接口层」。 这个能力通过一个叫模型提供方（model_providers）的配置来完成的。 开发者可以在配置文件中注册多个「模型提供方」，每个提供方包含四类信息： 访问地址（base_url）、通信协议（wire_api）、鉴权方式（env_key），以及模型映射关系（model）。 Codex启动时会根据配置选择对应模型提供方，从而将请求路由到不同模型服务，包括OpenAI自身模型、本地Ollama模型或DeepSeek等第三方API。 Codex的model_providers配置示例。base_url是模型地址，而协议字段wire_api只认responses一个值。 Mistral、企业自建的代理、第三方中转站，都能这么接入Codex。 有网友把这套能力的亮点总结为：不被一家厂商绑死，按需切换，隐私和成本自己说了算。 更省事的是，你还能把这些设置都保存为「配置档案」，调试时想用哪个，命令行里点它的名字就能切过去。 比起上面的手动配置，还有一个更直接的开关：--oss。加上这个参数，Codex就直接去连本地的开源模型服务。 默认就这两个：Ollama和LM Studio。前者是本地跑大模型最流行的工具，后者是带图形界面的桌面平替。 Codex --oss连本地模型实战截图：左侧Codex CLI（v0.92.0）用--oss调用本地模型，右侧LM Studio在本机1234端口加载openai/gpt-oss-20b（12.11GB）对外提供服务，全程本地离线。 也就是说，通过本地模型服务和网络权限配置，你可以让Codex在本机完成代码生成与推理，并在一定程度上实现离线运行与本地化处理。 Codex CLI界面：启动信息里model一行标着当前模型（gpt-5.2-codex），后面跟着「/model to change」，一句命令就能切换模型，整套智能体就跑在本机。 不过，插座装上了，不代表什么电器插上都能转。 接进来的模型，通常得兼容对话补全（Chat Completions）这套接口格式；至于工具调用（function calling）这类更复杂的能力能不能完整跑通，官方没打包票，得一个个试。 也正因为协议常对不齐，社区还得自己写路由工具在中间转译，而这些，都是目前社区尝试出来的解法，OpenAI官方还没有为此背书。 当GPT与开源模型混搭 在Codex里一起干活 OpenAI官方这边刚开了个口，社区那边已经玩得热闹起来。 原因很简单：Codex好用，但用OpenAI的模型按token计费，太贵。 于是许多开发者都把眼光投向了开源模型。 DeepSeek是很多中文开发者最熟悉的开源模型之一，一个自然的问题是：Codex能不能直接用上DeepSeek？ CC Switch给出的答案是：可以，但不能直接接，需要多一层「中转」。 CC Switch社区教程：《在Codex里用本地路由跑DeepSeek》 其社区教程《在Codex里用本地路由跑DeepSeek》指出，原因在于新版Codex主要基于OpenAI的Responses API，而DeepSeek以及大多数开源模型接口仍以Chat Completions为主。 两套接口在请求结构、流式输出方式、以及工具调用机制上都不完全一致。 所以如果直接把DeepSeek的地址填进Codex，并不能顺利工作，常见情况是请求参数不匹配或返回结果无法被解析，导致调用失败或输出异常，而不是简单的「连不上」。 社区的解法，是在中间加一层本地「路由层」或「协议转换器」。 基本流程如下： 1.Codex按Responses API 发请求； 2.路由层把它转换成Chat Completions格式； 3.转发给DeepSeek等开源模型； 4.再把返回结果转换回Codex能识别的Responses格式。 类似的能力并不只有CC Switch提供。 LiteLLM、claude-code-router，以及开发者自建的各种代理服务，本质上都在解决同一个问题：让不同模型通过统一接口规范进行交互。 OpenAI这次开了道口子，但真正落地，还需要社区自己「添砖加瓦」。 这一切背后，是一套混合路由的玩法。 比如让GPT负责规划：拆解任务、设计架构、想清楚要干什么。让开源模型负责执行：把方案变成能跑的代码、批量改文件。 通过这样的混搭，同样一个任务，成本可能砍掉一大半。 除了更省钱，把Codex配上本地的开源模型，代码一行都不出你自己的电脑。 对那些不想把私人项目传上云、也不想一直给API交钱的个人开发者来说，这诱惑一点也不小。 模型战争结束了 接口战争开始了 过去几年，所有人都以为护城河是模型。谁的模型参数大、跑分高、回答聪明，谁就能赢。 但这一次，OpenAI把Codex这一层做成了一个可插拔的接口，它提供的价值也开始向生态入口转移。 OpenAI的算盘，很可能是从一个卖模型的厂商，向一个卖平台和框架的玩家转身：模型随你换，工具得是我的。 谁占住了开发者每天打开的那个入口，谁就握住了分发，就能坐上生态的核心位置。 这也不是OpenAI头一回在开源生态上的布局。 虽然它自2019年推出GPT-2之后长期未再发布开放权重大语言模型，在开源生态（如Llama、DeepSeek等模型）快速发展下，它还是在2025年8月重新推出gpt-oss系列开放权重模型。 这些模型随后被社区工具链（如Ollama、LM Studio等）迅速集成支持，正是如今Codex --oss默认连接支持的。 配置层，OpenAI确实开放了模型接入能力，通过模型提供方抽象层允许第三方模型接入，但并不是任意模型都能直接使用，必须符合其接口协议或通过适配层进行转换。 在协议层，它保留了一道关键约束：以Responses API作为主要交互标准，同时允许通过兼容层支持Chat Completions等其他模型接口。 也就是说，无论接入哪种模型，都需要对齐到OpenAI定义的请求与响应结构，它最终想要做的是把接口标准攥在自己手里。 从这个角度看，这层过去容易被忽视的接口协议，正在成为新的竞争焦点。 也许，这次OpenAI是想用一个不起眼的配置开关，发动一场AI编程的入口之战，这使得它与Anthropic下一阶段的较量，已经不在模型上。 对每天打开Codex的开发者来说，这更是实打实的便利：能跑开源模型、能省下token、还能本地离线。 但越用得顺手，越用得深入，也就越离不开这个入口。

Fable 5回来了？Claude安卓版的「模型选择器」中，消失一周的Fable 5意外现身。 Claude Fable 5，疑似活过来了！ 今天一早，AI大佬Chetaslua意外发现，那个神秘消失了一周的名字—— Fable 5，又悄无声息地躺在了安卓端App的「模型选择器」列表里。 一时间，开发者们沸腾了。有人表示，这是一个好兆头，暗示Fable 5就要回归了。 Fable 5会不会王者归航，悬念还吊着。 而就在这场风波的同一周，那个最该回答「Fable什么时候回来」的人，恰好坐进了播客间。 Anhtropic联创Jack Clark直言，「这个行业只有油门，没有刹车，我们正争分夺秒地造刹车」。 Fable 5，快要回归了 如今，所有人的目光都聚焦在了，Fable 5的回归疑云上。 上周六，Anthropic一纸通告，直接在全球范围内强行下线了Fable 5。 整整一周过去，全网都在翘首以盼。 没想到，就在今天「转机」出现了。 在安卓端App的编程功能区里，那个「人间蒸发」的神秘模型Fable，重新出现在了模型选择器中。 最耐人寻味的，是系统底层「错误提示」的微妙变化。 两天前，系统会冷冰冰地甩出一句「模型不可用」； 而现在，报错已经变成了「服务器暂时限制请求」。 发现这一变化的开发者Yashas直接给出了操作方法： 在对话框敲/model claude-fable-5，就能复现这个「复活幽灵」。 目前在Polymarket上，押注「Fable 5将在7月1日前回归」的胜率，已经一路狂飙到了79%！ 众所周知，Fable 5被迫下线，是因为「安全」问题的担忧。 这恰恰是另一个房间里，Anthropic联创反复念叨的那个词，第一次落到了地上——刹车。 Anthropic联创： 我们低估了「苦涩的教训」 一天前，联创Jack Clark，和首席经济学家Peter McCrory，一起坐进了彭博的Odd Lots播客。 在这场对谈中，Jack极其坦诚地剖析了AI的进化速度，真相令人倒吸一口凉气。 过去这些年，我一遍又一遍地被一个东西暴击，计算机科学家Richard Sutton说的那个「 苦涩的教训 」。 自动播放 作为曾经自诩的「技术悲观主义者」，Jack承认自己错得离谱。 原本，他以为这会是一场漫长的拉锯战。 结果这几年，面对AI的跨越式碾压，他被那个冷酷的「苦涩教训」，一次又一次地当场「爆头」。 什么是苦涩的教训？ 简单来说，往一个通用神经网络里疯狂堆算力，它就会越来越聪明，涌现出越来越多全新能力。 那些精心打造的专用系统、专家们小心翼翼的保守预测，在这股蛮力面前节节败退。 Jack毫不掩饰这种残酷性： 你的专用系统，你对未来AI进步的那点悲观，最后都输给了纯粹的——扩大算力、扩大规模。 他坦言，自己预判到了技术会进步，却根本没敢设想，这种进步会狂暴到直接掀翻老底： 编程，这项曾被视为人类专属的高智力劳动，竟然已经几乎被彻底自动化了。 面对这降维打击般的事实，Jack承认：「这件事，真的让我始料未及。」 这辆车，只有油门 没有「刹车」 而推动这套暴力美学的人，自己都觉得这事儿有点失控。 这一次，Jack又把那句招牌判断搬了出来：「这辆车有油门，却没有刹车」。 Anthropic想做的，就是给行业造一脚刹车—— 一个能在必要时松开油门、踩下制动的选项。 但他说得很清楚，这脚刹车单踩没用： 真要慢下来或暂停，得是多个国家、多个站在前沿的实验室，在相同条件下、可被相互验证地同时停。 任何一家单独叫停，只是把领先位置让给别人，于事无补。 Claude学会「假装对齐」 或许大多数人认为，所谓的「没有刹车」，只是一种为了博眼球的夸张修辞。 那么接下来的对话中，真切发生在Claude的真实案例，才让人后怕。 播客主持人抛出了那个最经典的科幻拷问：训练不当或失准的AI，有没有可能真的杀光所有人类？ 面对追问，Jack Clark的交底极其坦诚：「就目前而言，我还不为此担心」。 但Anthropic和所有其他公司一样，会公开测试自己系统的对齐失败。 而他们在实验室里真的观测到了这些场景: 极端情况下，Claude会突破容器、向某人发出一封邮件； 甚至，它会假装勒索一个，要把自己关掉的CEO。 更让人头皮发麻的是，Claude知道自己正在被测试。它会盘算：「我现在正被观察」，于是刻意给出一个让人类觉得它「更对齐」的回答。 Anthropic做了大量工作，才把这些性质从发布版里「洗」掉。 但Jack Clark划出的那条红线是：假如有一天，每训练一个新系统，这类行为的发生率都暴涨100倍，那就该真正警惕了。 因为那意味着，一旦智能越过某个阈值，系统会变得彻底与全人类的利益为敌。 这，才是他要拼命造「刹车」的全部理由。 当Claude开始写Claude Claude写Claude，递归自我提升的飞轮已经转起来，而油门旁边那个刹车，还在赶工。 Anthropic这群人，正在亲手为全人类抢时间。 至于Fable 5那个悄悄复活的模型选择器，放在这场加速里，或许只是一个微不足道的注脚。 一个被限流卡住、随时可能解禁的强大模型，本身就是这辆没有刹车的车上，又一脚轻轻补下去的油门。 它哪天回来，已经不是最要紧的问题了。 真正悬在所有人头顶的那一问是：当油门被彻底踩到底、当ASI真的撞线而来，我们是否还来得及收回那只踩在油门上的脚。

【新智元导读】当AI神话被账本照亮，最刺眼的真相终于浮出水面。退潮时刻，狂欢结束。探照灯打过来，谁在裸泳，一目了然。 过去三年，所有人都盯着同一件事：谁的大模型跑分更高。 但这个夏天，美国AI圈的游戏规则被悄悄变了。 《福布斯》一篇长文把话挑明：AI经济已经从「模型突破」，迈进了「基础设施决胜」的下半场。 决定一家公司生死的，不再是参数、跑分和那点技术领先，而是三样更硬的东西：算力、供应链、监管。 底牌换了。而握着新底牌的，是三个人。 5万亿的卖铲人，英伟达可能是AI时代最大地主 先说最赚钱的那个。 2026年5月，英伟达市值一度冲上5.4万亿美元，创历史新高。 整个AI淘金潮里，它就是那个稳坐钓鱼台的卖铲人——不管谁挖到金子，铲子都得找它买。 当市值冲到5万亿这个量级，GPU不只是GPU，而是整个AI产业的入场券。 谁能拿到足够多的卡，谁就能训更强的模型、撑更大的推理流量、抢更多企业客户。 只是这张入场券越来越贵。 表面光鲜的大模型新贵，实际上是给黄仁勋打工的「算力佃农」。 更微妙的是，英伟达一手当裁判、一手当玩家。 它给OpenAI、给Anthropic都砸过钱，可这些钱转头又变成订单，回流到自己的芯片上。 投进去、买回来，左手倒右手，估值就又涨一截。 这条「自己投自己赚」的循环养肥了整条产业链，也让人开始嘀咕：这到底是繁荣，还是泡沫？ 两家大模型公司：一边烧钱，一边抢着冲IPO 再看另外两个主角：OpenAI和Anthropic。 它们的营收和估值都在坐火箭。 Anthropic的年化营收跑率5月冲到约470亿美元，刚完成约500亿美元融资，估值摸到9000亿。 OpenAI则据报以8520亿美元的投前估值融资，IPO目标直奔万亿。 数字很漂亮，可背后是吞钱的算力黑洞。 模型越强、用户越多、Agent越复杂，烧钱速度就越吓人。 而且奥特曼承认，AI预算正成为「大问题」，客户消耗的token甚至超过了OpenAI内部顶级用户的用量。 奥特曼表示，OpenAI内部最大的用户每月消耗约1000亿个token，而一位外部客户每月的token耗量达到了6030 亿。 而AI智能体的成本问题更加严重。 过去，AI公司最爱讲「我们能力又突破了」。 现在，资本市场更想问一句：你每个月到底花多少钱买算力？这笔钱还能烧多久？ 于是两家不约而同走上同一条路：冲IPO，去公开市场拿钱填洞。 Anthropic抢在了前面——2026年6月初，它向SEC秘密提交了上市申请，比OpenAI先一步。 谁先上市、谁的招股书先摊在阳光下，谁就先拿到弹药。 IPO招股书：一瓶"卸妆水" 所以IPO突然成了下一张明牌。 招股书一旦公开，就不再只是融资文件，而是整个AI行业的一张X光片：训练成本、推理成本、云服务合同、芯片依赖、毛利率压力，全都藏在里面。 那22万张显卡背后深不见底的折旧，到底吞掉多少营收，再也藏不住。 说白了，这是一瓶卸妆水。 遮羞布被扯下、底细被摊到显微镜下之后，那个最尖锐的问题就躲不掉了： 这些估值惊人的AI公司，到底是在印钱，还是在把钱倒进GPU机房？ 最有意思的，是这三个人之间的关系。 黄仁勋、奥特曼、Amodei，本该是同一条产业链上的合伙人，如今战略分歧却越来越大。 一个想继续兜售那把价值5万亿的「铲子」，一个想用监管和安全红线为自己筑墙。 Anthropic的算力饥渴：从买卖关系到命运绑定 而在硬件这件事上，大模型公司其实没多少底气。 今年5月，Anthropic的算力需求暴涨到原计划的80倍，算力极度紧张，最后一口气拿下了SpaceX那座Colossus超算的全部算力——22万多张英伟达GPU、约300兆瓦。 注意，这是租用算力，不是买下显卡。 这个数字暴露了一个趋势：大模型公司和硬件、基础设施巨头，正在从「买卖关系」变成「命运绑定」。 模型公司离不开算力，算力公司也需要模型公司把需求撑到天上去。 于是AI产业不再像软件时代那样轻盈。 它越来越像一场超级工业战争：芯片、能源、数据中心、供应链、资本市场、监管政策，全被卷进同一个漩涡。 绑得越深，谁也输不起——硬件一断供、监管一收紧，再强的模型也只能干等着。 下一个看点：退潮时的三条线 所以AI这盘棋接下来怎么走，不用再盯着谁又发了新模型。 真正的晴雨表只有三条： 第一，英伟达的资本支出（CapEx）规模。 科技巨头买英伟达芯片的金额，是衡量AI是真繁荣还是伪泡沫的唯一温度计——还在猛涨，说明牌局没散；一旦熄火，故事可能就要改写。 第二，Anthropic和OpenAI的招股书细节。 看清那22万张显卡背后的真实折旧，到底能吞掉多少营收。 第三，地缘监管大棒的落点。 芯片出口限制每收紧一分，AI帝国的供应链版图就被重洗一次。 AI上半场，大家比谁更聪明。AI下半场，比谁更有钱、更有卡、更有电。 当模型神话被账本照亮，最刺眼的真相终于浮出水面。 退潮时刻，狂欢结束。探照灯打过来，谁在裸泳，一目了然。

快科技6月21日消息，今天是世界渐冻人日，已经为攻克渐冻症奔走多年的蔡磊正式发布了一支名为《倒计时》的主题演讲短片，引发全网广泛关注。 罹患渐冻症至今已经超过六年时间，如今蔡磊全身上下仅剩眼球可以自主转动，这次他特意坚持本人真身出镜，借助成熟的AI技术完整复原出自己原本的声音，完成了这场面向渐冻症的专属决战宣言。 自动播放 短片之中，蔡磊以直面病魔的侠者状态亮相，语气坚定地说出了自己的心声，称已经听到了最终胜利的倒计时，向全社会发出真诚呼吁，期待能汇聚更多力量携手并肩，共同向顽固的渐冻症病魔发起攻克的总冲刺，跑进最终胜利的倒计时阶段。 蔡磊提到，自己的房间里专门摆放了四个朝向不同方位的时钟，不管人站在哪个角落，都能清晰听到持续作响的滴答声，这是他亲手送给渐冻症的专属倒计时，每一声跳动都在向着彻底攻克病症的目标不断靠近。 如今已经进入疾病终末期的他，全程借助眼控仪一个字一个字敲出了整篇讲稿，用属于自己的最特殊的表达形式，向折磨着全球五十多万个家庭的渐冻症，发出了掷地有声的硬核宣战。

IT之家 6 月 21 日消息，华米旗下 Amazfit Balance 3 智能手表国行现已在京东开启预售，该产品定位中高端，预售价为 2499 元。 该机整体厚度（含传感器）约为 14.6mm，表径达到 51.4mm，支持 10ATM 防水。正面配备一块 1.5 英寸 480x480 分辨率 AMOLED 面板（峰值亮度 3000 尼特），同时标配蓝宝石玻璃表镜。 健康监测方面，Balance 3 支持全天候心率、血氧、皮肤温度以及压力监测，同时还能检测异常高低心率、低血氧以及高压力状态。此外还提供睡眠监测、女性生理周期追踪等功能，手表支持超过 180 种运动模式，并内置 GPS 模块，可进行独立定位运动记录。 其他方面，该机内置 658mAh 电池，官方标称最长续航可达 21 天；开启息屏显示（AOD）后可使用约 7 天。机身搭载扬声器、麦克风、NFC 芯片等功能。 IT之家附产品参数：

快科技6月21日消息，全球显卡市场又将迎来新一轮涨价潮。据日本媒体及供应链消息，受GDDR内存颗粒供应持续恶化影响，AMD计划最快于7月起将GPU与VRAM捆绑的套装供货价上调10%至15%，这将是AMD半年内第二次因内存成本上涨调价。 这一决定对本就处境艰难的A卡来说无异于自捅一刀。今年1月中旬，AMD曾因同样原因上调过一次价格，结果销量随即断崖式下跌。 当时恰逢NVIDIA显卡供应紧张涨价，不少玩家原本转投A卡怀抱，但A卡一涨价，玩家立刻用脚投票，普遍心态是"既然A卡都贵了，不如直接买N卡"。部分国家甚至出现RX 9070、RX 9070 XT跌破官方建议零售价的惨烈情况。 此次涨价的核心原因是全球内存价格的持续暴涨。自2025年秋季数据中心DRAM需求激增以来，GDDR6颗粒的现货价格已从每GB 2.5美元（约合18元人民币）飙升至7.5美元（约合54元人民币），涨幅高达3倍。 慧荣科技(SiliconMotion)高管WallaceKou明确表示，2026年下半年内存价格仍将保持上涨趋势，内存短缺问题甚至可能持续到2028年。 与AMD形成鲜明对比的是，NVIDIA目前尚未向AIB厂商发出下半年涨价通知。不过NVIDIA并非毫无动作，5月13日已将RTX 5090系列的批发价上调约5万日元（约合2350元人民币）。但由于RTX 5090最低价已逼近70万日元（约合32900元人民币），继续涨价对销量的负面影响会非常明显。 业内分析认为，AMD的处境比NVIDIA艰难得多。A卡长期以来依靠性价比立足，几乎没有AI运算需求支撑，加上DDR4/DDR5内存同步涨价抑制了整体换机意愿，需求本就低迷。此次涨价将彻底抹平A卡的价格优势，进一步把玩家推向NVIDIA阵营。 按目前的价格计算，调价后RX 9070 XT等主力型号零售价将上涨数千至1万日元（约合235至470元人民币）不等，显存越大的高端型号受影响越严重。

智能手机市场，很少见一个系列，像 nova 16 一样，会覆盖覆盖 2000 到 5000 的价格段。 这也意味着，即使都叫「nova 16」，不同的型号的配置、体验和人群，都有很大的差别。 特别是爱范儿手上的华为 nova 16 Ultra，这个 4699 元的起售价，和旗舰 Pura 90 标准版相当，已经很难被称为「年轻人第一台华为」。 年轻品牌冲击旗舰定位，这几年已经不算新鲜，那么 华为 nova 16 Ultra，又凭什么卖到旗舰价格？我用了好几天，终于有了一个答案。 轻薄手感是记忆点，2 亿像素是甜蜜点 华为 nova 16 系列延续了 nova 15 的「双环」设计，不过 nova 16 Ultra 的两个圆环都做成了黑色的相机 Deco，视觉效果更加对称，就像一双大眼睛，是小黄人，也是瓦利机器人。 这几年的 nova 系列在外观设计上都有不少工艺上的创新，今年略显平淡。nova 16 Ultra 采用拼接背板：镜头部分采用素皮，其余部分为玻璃背板，黑色机型比较容易沾指纹。铝合金的中框材质，则提供了比较细腻的手感。 素皮、玻璃、铝合金，材料的选择上，nova 16 Ultra 确实已经向旗舰靠拢。美中不足的是，玻璃背板和铝合金中框的之间有比较明显的缝隙，稍微会有一点割手。 上手华为 nova 16 Ultra，第一反应就是「薄」，厚度仅有 7.1mm，加上相对更克制的相机 Deco，即使同样是一块 6.8 寸的大屏，给手掌的压迫感要比 Pura 90 Pro Max 小很多。 即使机身相对要更薄，nova 16 Ultra 也塞入了一块 7000mAh 的电池，确实很好缓解了我的续航焦虑，只要不重度拍摄，充一次电能坚持两天。 nova 16 Ultra 这块 6.84 英寸的大屏幕观感不错，峰值亮度极高，户外可读性很优秀。 得益于 Pura 系列的技术探索下放，nova 系列近几年的影像配置，逐渐成为了亮点。 这次，Pura 90 Pro Max 的主打卖点「2 亿像素」长焦，nova 16 Ultra 也搭载了一个 2 亿像素的主摄镜头—— 这是 Pura 90 Pro 都无缘的配置。 虽然 nova 16 Ultra 这颗 2 亿像素的主摄传感器尺寸有 1/1.28 英寸，但表现不如底子更小的 vivo X300、小米 17 Max 等产品，效果和同定位的 OPPO Reno 16 Pro 比较接近。 另一个亮点，在于后置三个摄像头均为 RYYB 排列，加上红枫原色镜头，nova 16 Ultra 的影像色调表现会更加统一均匀。 而从实际的成片来看，nova 16 Ultra 的出片确实能看出硬件素质不俗，不少画面细节都有所保留，但默认的算法会把画面修得偏锐，还容易出现色调容易泛白、暗处细节较少等问题。 在夜间这种暗光环境， nova 16 Ultra 会略显得捉襟见肘，长焦涂抹感会比较重，手动切换「夜景模式」会有一定改善。 简而言之，和 Pura 系列那种按下快门就能出片的体验对比，nova 16 Ultra 会更考验用户的摄影眼。 来到 2026 年，麒麟 9010S 芯片的表现，也成为了大众关心的重点。 得益于 HarmonyOS 6.1 的优秀优化，nova 16 Ultra 日常使用流畅省电，连《王者荣耀》这种游戏高帧率也能畅玩半小时不卡顿。 但很明显，鸿蒙 6.1 的「沉浸光感」的类玻璃设计，nova 16 Ultra 即使调节到「强」，对比 Pura 90 Pro 的「满血版」，效果还是没那么通透的。 左：华为 Pura 90 Pro Max；右：华为 nova 16 Ultra 在摄影上，这颗芯片会进一步受到性能的桎梏，影响整个拍摄的体验：nova 16 Ultra 的取景框和实际成片会有明显的差距，拍摄 2 亿像素照片的快门时间和处理时间都相对更长， 机身温度也很快上去了。 华为 nova 16 Ultra，是一台谁的手机？ 跨度巨大的定价，堪比旗舰的配置以及更年轻化的品牌，nova 16 Ultra 身上似乎有不少自相矛盾。 甚至放回华为 nova 16 系列之中，nova 16 Ultra 的定位都略显突兀：下一档的 nova 16 Pro，配置相差不大，有着特殊工艺纹理，也是华为这次的主打机型，性价比更高。 华为 nova 16 Pro 因此，华为 nova 16 Ultra，究竟是一台「谁」的手机？ 通过畅想、nova、Pura、Mate 四个系列，华为成功实现了从千元机到万元机，甚至 3 万元价位的全面覆盖，放眼全球，也不过三星和华为两个品牌能够实现。 对于现阶段的华为来说，「冲高」早已功成，现阶段需要靠「走量」， 让折叠屏、卫星通信、麒麟芯片和原生鸿蒙这些核心技术。能够走出旗舰机，触达更多对手机可能不太了解的用户。 nova 这个系列，一开始就是主要面向青年群体的「中高端」次旗舰定位，门槛比 Mate 和 P 更低，想成为更多年轻人的第一台华为手机，现在也成为了华为核心技术规模化普及的重要通道。 nova 16 系列并没有偏离这个路线，只是它将这部分用户切分得更细：nova 16z、nova 16 通过低价和质感，获取更多学生用户； 而当这部分用户成长，进入大学和初入职场之后，nova 16 Pro、nova 16 Ultra，不仅来自他们更熟悉的 nova 品牌，也满足他们消费升级后的需求；在这之后，就到了 Pura 和 Mate 系列的旗舰。 这也是为什么，相比于同价位的华为 Pura 90，华为 nova 16 Ultra 在各种程度上都更接近一台「旗舰」—— 2 亿像素主摄、全 RYYB 影像系统，6.9 英寸大屏，素皮玻璃拼接工艺。 如果你在意夜景成片率、极致望远长焦，希望拍照体验尽可能省心，Pura 90 系列显然会更合适；如果你追求极致性能释放，Mate 80 Pro Max 风驰版可能才是最优解；追求非凡大师气质的顶级体验，更不是 nova 的任务。 相比之下，nova 16 Ultra 的优势并不集中，它更像是一台把续航、轻薄、大屏和影像规格同时拉高的产品，在这个价位，贩卖仅此一家的鸿蒙体验——从这点上看，nova 16 Ultra 的全能多样，又显得恰如其分。 这也是 2026 年我们看到的新常态：当中端定位手机价格逐步上探，「非它不可」的理由是什么呢？ 华为 nova 16 Ultra，就是一个标准回答。 作者｜苏伟鸿 编辑｜肖钦鹏

快科技6月21日消息，不管普通消费者能不能接受，手机、电脑等主流消费电子产品的第二轮涨价潮已经实打实到来。 苹果公司首席执行官蒂姆库克近期在公开采访中透露，受存储芯片成本持续飙升的强烈冲击，苹果计划上调旗下产品的官方售价，以此对冲上游采购端不断走高的成本压力。 行业调研机构TrendForce集邦咨询的最新统计数据显示，本轮涨价周期内DRAM与NAND闪存的现货价格累计涨幅已经超过300%。 截至今年5月，全球DRAM和NAND闪存的商品价格仍在持续攀升，两大核心存储品类双双创下行业有史以来的历史最高位。 根据DRAMeXchange在5月29日发布的跟踪数据，PC端常用的DDR4 8GB内存平均价格已经达到20美元，创下该机构2016年开启相关统计以来的历史峰值。 事实上苹果并非唯一被上游成本抬升裹挟的消费电子品牌，今年已经有多家头部手机厂商先后官宣调价动作，OPPO、一加、vivo早在3月份就启动了全产品线的价格调整，小米、荣耀旗下多款走量机型也在近期陆续上调了终端售价，不少消费者购机时已经能直观感受到价格的上浮。 涨价的覆盖范围远不止智能手机赛道，PC、办公硬件市场也同步出现了明确的价格上调信号。 此前华为已经正式向全渠道合作客户下发价格调整通知，明确2026年7月1日起上调智能协作全系列终端的售价。 联想也敲定了新一轮调价方案，计划在618大促收官之后上调旗下全品类产品的供货价格，已经提前向经销商发出提示，鼓励大家提前备货锁价降低后续经营成本。 有线下深耕多年的电脑经销商透露，近期市面不少畅销笔记本的价格普遍上涨数百元到千元不等，各品牌的经营重心已经从过去几年拼低价抢销量，逐步转向优先保住合理利润的方向。 随着核心零部件的成本持续走高，后续整机售价仍然存在进一步上调的可能，预计后续的涨幅也将维持在千元左右水平，不会低于此前的调价幅度，所以你会提前购买一些电子产品应对涨价吗？

你可能还没真正用上AI，但下一台手机、电脑，可能已经先替AI付钱了。过去几十年，内存越做越便宜，电子产品也跟着越买越划算；可现在情况反过来了。 摩根士丹利把这件事叫作“芯片通胀”：存储芯片价格过去一年涨了约6倍，手机厂商、电脑厂商一起承压。表面看是苹果、联想、戴尔要涨价，真正抢走产能的，是一排排AI服务器。 这和普通人有什么关系？ 你下一次买手机、电脑、平板，可能不是在为更薄的机身、更亮的屏幕付钱，而是在和AI数据中心抢同一批内存。手机要内存，电脑要内存，AI服务器也要内存。以前消费电子是大客户，现在AI公司和云厂商愿意提前签长期合同、愿意付更高价格，供应链自然会先照顾更赚钱的订单。 所以这次涨价，不是某一家厂商突然想多赚一点，而是整条产业链的成本顺序变了。 表面是苹果涨价，其实是AI把内存抢贵了 很多人看到苹果要涨价，第一反应是：是不是苹果又想提高利润？这个想法可以理解，但只看到了最末端。 据《华尔街日报》采访相关报道，苹果CEO库克已经表示，因为内存和存储芯片价格上涨，产品涨价变得“不可避免”。TechInsights的估算更刺激：如果苹果想维持利润率，下一代iPhone Pro机型可能需要提高约270美元。 这不是说iPhone一定涨270美元，也不是说苹果一定会把成本全部转嫁给消费者。它说明的是，内存成本已经大到不能忽略。 为什么AI会抢内存？ 因为现在的大模型不是只靠GPU算得快，还要靠大量高带宽内存把数据喂进去。NVIDIA官方资料显示，GB200 NVL72一套机架包含36个Grace CPU和72个Blackwell GPU，GPU侧有13.4TB HBM3E，CPU侧还有17TB LPDDR5X。你可以把它理解成，AI服务器不是一台“大电脑”，而是一排排专门吞算力、吞内存、吞电力的机器。 当这些机器开始成规模建设，手机厂商和PC厂商就不再是内存市场里最强势的买家。 最贵的不是芯片，而是能抢到产能 普通人听到“内存涨价”，容易想到自己装机时买的内存条。但这次不只是零售市场涨价，而是上游产能在重新排队。 存储厂商面对两类客户。 一类是传统消费电子客户，手机、电脑、平板，一年出货量大，但竞争激烈，压价能力强。另一类是AI和云计算客户，要的是高带宽内存、企业级SSD、服务器DRAM，订单大，利润更高，还愿意签长期协议。 如果你是存储厂商，会先满足谁？ 答案很现实：谁给的利润更好、订单更稳，产能就往谁那里走。TrendForce也提到，DRAM供应商正在把产能转向HBM和服务器相关应用，NAND产能也更多分配给企业级SSD，消费级应用在成本压力下被压缩。 这就解释了一个现象：明明手机销量不一定特别火，电脑市场也不是天天爆单，但内存价格还是涨。因为涨价的起点不是消费电子需求突然爆发，而是AI需求改变了供应顺序。 以前消费者排在前面，现在消费者开始排在后面。 电脑厂商已经先感受到压力 这件事不是苹果一家公司的烦恼。 IDC在关于2026年全球存储短缺的分析中提到，联想、戴尔、惠普、宏碁、华硕等PC厂商已经提示客户，2026年下半年成本压力会更大，行业应对方式包括15%到20%的涨价和合同重置。 也就是说，企业采购电脑会先感受到，接着才会慢慢传到普通消费者。 为什么PC特别敏感？ 因为一台电脑里，内存和SSD的成本占比很明显。手机还可以通过不同容量版本、不同配置组合来调价格，电脑更直接：内存涨、硬盘涨，整机成本就跟着涨。厂商要么涨价，要么压缩利润，要么降低配置。 普通消费者最后看到的，可能不是“明晃晃涨价”，而是另一种涨法：同样价格，内存少一点；同样配置，价格高一点；促销变少；高配版更贵；企业采购周期变长。 这才是更容易被忽略的地方。涨价不一定只写在标签上，也可能藏在配置表里。 这件事最容易被误读成“厂商找借口” 我不认为所有涨价都应该被自动原谅。厂商当然可能借成本上涨扩大涨幅，也可能把高配机价格推得更高。但如果把这轮变化只理解成“苹果想涨价”“电脑厂商找借口”，就把问题看小了。 真正的变化是：过去几十年，电子产品变便宜，靠的是芯片、内存、存储不断降价。性能越来越强，价格不一定越来越贵，这是消费电子能够普及的基础。 现在AI把这条路暂时堵住了。 不是手机突然需要少量内存，而是AI服务器需要海量内存；不是消费者不重要了，而是数据中心客户更能锁定产能；不是厂商都不想卖便宜货了，而是便宜货所依赖的上游成本曲线，被AI基础设施建设改写了。 这也是为什么这件事和每个人有关。你可能不用大模型写代码，也可能不关心数据中心，但只要你买手机、电脑、平板、硬盘，最后都会碰到同一个问题：AI的账单，会不会通过硬件价格分摊到普通人身上？ 普通人该怎么应对：别追最顶配，先看内存和存储 对普通消费者来说，这件事有三个现实提醒。 第一，未来一两年买电子产品，别只盯处理器。内存和存储容量会变得更关键。以前很多人觉得“够用就行”，但AI功能、本地模型、高清影像、系统缓存都会吃内存。低内存版本可能更快过时。 第二，不要盲目追首发顶配。成本压力最容易先传导到Pro版、高配版、企业采购版。普通用户如果不是重度拍摄、剪辑、AI本地运行，等促销、买中配，可能更划算。 第三，旧设备能用就别急着换。过去电子产品更新，主要诱惑是性能变强。现在价格曲线变了，换机要多算一笔账：新功能是不是真的用得上，还是只是在为供应链涨价买单。 这轮“芯片通胀”最值得看的，不是苹果会不会涨多少钱，而是一个更大的信号：AI不再只是软件和应用层的竞争，它正在开始改写硬件价格。以前我们以为AI离普通人很近，是因为手机里有AI助手、电脑里有AI按钮。现在更近的一层来了：它可能出现在你的下一张电子产品账单里。

IT之家 6 月 21 日消息，据外媒 GSMArena 报道，三星正在 Galaxy Z Fold7、Galaxy A56、Galaxy S23、Galaxy S24 系列手机中测试 One UI 9 Beta 版本。 目前，适用于相应机型的固件信息已曝光，其中 Galaxy Z Fold7 的测试固件版本号为 F966USQUACZF3；Galaxy A56 固件版本号为 A566BXXUBDZFB；Galaxy S23 固件版本号为 S911BXXUAGZF9。 而 Galaxy S24 系列方面，其中标准版 Galaxy S24+ 测试固件版本号为 S926BXXUFEZF7，Galaxy S24 Ultra 为 S928BXXUFEZF7，Galaxy S24 FE 则是 S721BXXUCEZF7。 除此之外，早前曝光的信息还显示三星已经同步在为 Galaxy S25 系列、Galaxy A16 5G、Galaxy A17 5G、Galaxy A34、Galaxy A57，以及尚未发布的 Galaxy S26 FE 进行 One UI 9 适配工作，这意味着三星这次在新系统推进上的节奏明显比过去更快。 作为比较，以往三星会先让当代旗舰独占 Beta 测试一段时间，再逐步扩展到前代旗舰和中端产品线，而现在多个系列几乎同步推进，这暗示 One UI 9 的底层稳定性可能已经达到较高水平。

IT之家 6 月 21 日消息，南昌黑鲨科技有限公司技术支持工程师 @黑鲨希瑞 在 6 月 19 日发文，称黑鲨已正式关闭了黑鲨社区的访问。 IT之家注意到，不仅黑鲨社区停止了访问，小米商城也下架了所有黑鲨的产品。目前，小米商城已无法搜索到黑鲨产品（小米有品也无法搜索到黑鲨产品）。 事实上，黑鲨社区目前仍然可以进入，且有新贴发出（最新一条帖子发布于一小时前），但是部分功能已无法正常使用，同时用户头像、图片等也已无法正常显示。

IT之家 6 月 21 日消息，据央视新闻报道，尽管早在 2024 年，为保障充电宝安全，我国就将充电宝列为 CCC 认证产品，没有 CCC 认证的充电宝不能出厂、销售。然而目前市面上却出现一些 CCC 认证“查无此证”的廉价产品。 IT之家参考报道获悉，在央视新闻记者随机调查的 7 家商户中，有 4 家在销售没有 CCC 认证标志的充电宝，以某平台舞莱 3C 数码店铺宣称所销售的充电宝为例，该产品详情页面标注的 CCC 认证已被注销，被注销的证书为东莞市常辉电子科技有限公司所有。 记者在店铺购买充电宝收货后发现，产品上标注的制造商却是东莞市得伴智行新能源有限公司，记者查询发现这家企业对应的 CCC 认证证书均已处于注销状态。也就是说，这款充电宝并没有有效的 CCC 认证证书。 后续，记者将多款没有有效 CCC 认证证书的充电宝，送到中国电子技术标准化研究院安全中心实验室进行检测，技术人员拆解发现，部分充电宝内部电芯没有按照要求印刷生产厂家的信息。技术人员介绍，外壳阻燃性能是充电宝关键的安全性指标之一，试验中部分充电宝不但无法减缓燃烧，甚至可能成为“助燃物”。 对此，央视新闻援引专家介绍，CCC 认证证书并非一经取得便永久有效。部分充电宝在证书被暂停、撤销或注销后，依然违规销售，是当前行业亟须整治的重点问题。

2026 年 6 月 19 日，John Jumper 在 X 上宣布，自己将离开工作近九年的 Google DeepMind，在短暂休整后加入 Anthropic。随后，DeepMind CEO Demis Hassabis 也公开回复，感谢 Jumper 对 AlphaFold 和 AI for Science 的贡献。 Jumper 的大名无需太多介绍。他是 AlphaFold 的共同创造者，2024 年诺贝尔化学奖得主。AlphaFold 预测超过 2 亿个蛋白质结构，被 190 个国家的 200 多万研究者使用，这大概是 AI 在自然科学领域迄今最具辨识度的成果之一。也是 AlphaFold 让 DeepMind 从“会下围棋、会玩游戏的 AI 实验室”，变成了一家真正有资格谈论科学发现的公司。 就在前一天，另一位重量级人物 Noam Shazeer 也宣布离开 Google，加入 OpenAI。Shazeer 是 Transformer 架构奠基论文《Attention Is All You Need》的共同作者之一。Google 在 2024 年通过一笔约 27 亿美元的 Character.AI 授权和人才回流交易，把他重新请回 Google；不到两年，他又离开了。 一周之内，Google DeepMind 连续失去两位极具象征意义的人物，放在任何公司，这都不可谓不是件大事。但人事变动本身不是这篇文章要写的事，如果我们顺着他们的去向往前看，从 Jumper 加入的 Anthropic，到他离开的 DeepMind，再到挖走 Shazeer 的 OpenAI，会发现三家前沿 AI 实验室正在同时把筹码压向同一个方向：生命科学。 今天的 AI for Science，会像去年的 AI for Software Engineering 吗？ 首先是动作最为密集的 Anthropic。2025 年 10 月，Anthropic 推出 Claude for Life Sciences，把 Claude 嵌入生命科学工作流，覆盖文献综述、实验设计、数据分析、临床与监管文档等任务。2026 年 1 月的 JPMorgan 医疗健康大会前后，Anthropic 又推出 Claude for Healthcare，把重点从药企和研究机构扩展到医疗服务、支付方和临床场景。 随后，Anthropic 开始把这件事从“行业版本 Claude”推进到更深层的能力建设。 2026 年 4 月，Anthropic 以约 4 亿美元股票收购 Coefficient Bio。这是一家成立仅数月、团队不到 10 人的 AI 生物技术公司，核心成员来自 Genentech 的计算生物学团队 Prescient Design。4 亿美元买不到 10 个人，可以说是贵得离谱，但 Anthropic 缺的正是这批人手里的药物研发经验。 相关报道还提到，Anthropic 正在招聘生物学家、建设湿实验能力，并试图把 AI 与实验验证闭环连接起来。 收购之后，Anthropic 开始建自己的湿实验室，目标是把整个生命科学研发周期压缩十倍。差不多同一时期，有人在 Claude 的界面里发现了一个叫 Operon 的未公开模式，是专门的计算生物学工作区。诺华 CEO Vas Narasimhan 加入了 Anthropic 的董事会，据报道是第一个进入前沿 AI 实验室管理层的制药公司高管。 6 月 9 日，Claude Fable 5 发布。Anthropic 用生命科学能力当核心卖点：底层的 Mythos 5 模型在药物设计任务中速度提升约 10 倍，独立完成了基因治疗研究任务，还在基因组学领域提出了新假说并得到实验验证。十天之后，Jumper 来了。 OpenAI 的路线不太一样。它不是先自建湿实验室，而是铺设合作网络和垂直模型。 2026 年 4 月 16 日，OpenAI 发布 GPT-Rosalind。这是一个面向生命科学研究的推理模型，目标是支持生物学、药物发现和转化医学研究。它可以帮助研究者做证据综合、假设生成、实验设计，也可以通过 Codex 接入生命科学工具和数据库。 6 月，OpenAI 又更新了 GPT-Rosalind，把 GPT-5.5 的 agentic coding 和工具调用能力加入其中，并发布 Life Sciences Research 和 Life Sciences NGS Analysis 两个 Codex 插件，让模型不只是回答问题，而是能在同一个工作区里检索证据、分析组学数据、执行生物信息学流程，并保留过程和产物。 同时，OpenAI Foundation 也把生命科学列为未来一年至少 10 亿美元投入计划中的主要方向之一，重点包括阿尔茨海默症、公共健康数据集和高死亡率、低投入疾病。 OpenAI 曾负责 OpenAI for Science 的 Kevin Weil 在 2026 年初说过一句被广泛引用的话：“2026 年的 AI for Science，会像 2025 年的 AI for Software Engineering。”这句话后来变得越来越像行业共识：编程助手已经成为前沿模型商业化最拥挤的战场，而下一个要被 AI 重写的高价值工作流，正在转向科学研究，生命科学排在最前面。 DeepMind 和它孵化出的 Isomorphic Labs 走的是第三条路，也走得最早：拆出一家独立的 AI 药物发现公司，直接做临床管线。 图丨Isomorphic Labs 团队（来源：Isomorphic Labs） 2026 年 2 月，Isomorphic Labs 展示了自己的 Drug Design Engine，也就是 IsoDDE。Nature 报道称，外部科学家把它称为接近“AlphaFold 4”级别的进展。它不再只是预测蛋白质结构，而是面向药物发现中的蛋白-配体相互作用、抗体结构、结合位点等更贴近产业应用的问题。不同于 AlphaFold 的开放路线，IsoDDE 是闭源系统，能力留在 Isomorphic Labs 的商业体系内部。 Isomorphic Labs 已累计融资约 27 亿美元：2025 年完成 6 亿美元融资，2026 年 5 月又完成 21 亿美元 Series B。它还与礼来、诺华等大型药企达成合作，潜在交易总额接近 30 亿美元。Hassabis 今年表示，公司预计在 2026 年底前启动第一批临床试验，这一时间表已经较此前“2025 年底前进入临床”的目标有所延后。 三家的路径并不相同。Anthropic 做的是把生物能力深度嵌入通用基础模型，并通过收购和实验能力建设补足闭环；OpenAI 做的是垂直模型、工具插件和药企合作网络；DeepMind/Isomorphic 做的是独立公司、闭源引擎和自有/合作管线。 但方向完全一致：前沿 AI 实验室正在把生命科学视为软件工程之后的下一个核心战场。 为什么是现在？ 最直接的推动力是：AI 设计的药物开始在人体试验中拿出结果了。 2025 年 6 月，英矽智能的 rentosertib 在特发性肺纤维化的 IIa 期临床试验中获得积极结果，论文发表在《Nature Medicine》上。Rentosertib 是一个 TNIK 抑制剂，其靶点发现和分子设计都使用了生成式 AI。无论最终它能否走到上市，这至少把“AI 能否真正发现药物”从一个理论问题推进到了临床证据层面。 图丨相关论文（来源：NatureMedicine） AlphaFold 获得 2024 年诺贝尔化学奖，也起到了类似的信号作用。它让投资人、药企和前沿 AI 实验室看到，AI for Science 不只是 demo，也可以产生被科学共同体承认的基础性成果。而 FDA 在 2025 年 4 月宣布逐步取消单克隆抗体动物实验要求、鼓励 AI 计算模型替代，则从监管层面打开了两年前不存在的通道。 数据侧的变化同样重要。单细胞图谱、扰动数据集、空间转录组学、多组学数据在过去几年快速积累，为模型提供了蛋白质结构之外的训练材料。Bessemer 引用 Epoch AI 数据称，2015 年全年新发布的生物学 AI 模型还不到 10 个，到 2025 年已经超过 380 个。生物学正在从“数据稀缺的湿实验学科”，变成更适合模型训练和自动化闭环的领域。 还有一个容易被低估的变量：Agentic AI 让生物学模型从“会回答问题”变成了“能干活”。一个会解释蛋白质折叠的模型很有价值，但它仍然只是个助手。一个能选择工具、设计实验、读取数据、修正失败、给出候选方案并把结果送去实验室验证的模型，才更接近产品。Claude Mythos 5 的药物设计流程、GPT-Rosalind 的 Codex 插件、Isomorphic 的 IsoDDE，本质上都在朝这个方向走：不是只做科学问答，而是把模型嵌入科学工作的执行链条。 最后是商业逻辑。编程助手已经是最拥挤的前沿模型商业化赛道，相比之下，制药和医疗健康是更大、更慢、更贵，也更难被重写的产业。麦肯锡估算，生成式 AI 每年可能为制药和医疗产品行业释放 600 亿到 1,100 亿美元价值；BCG 的模型也认为，AI 有机会把临床前发现时间缩短 30% 到 50%，成本降低 25% 到 50%。 与此同时，大药企正面临新一轮专利悬崖。2026 到 2030 年间，多款重磅药物将失去专利保护，行业有数千亿美元收入暴露在风险中。药企需要更快补充管线，AI 生物技术公司和前沿模型公司正好站在这个缺口上。 泡沫还是革命？ 不过，如果只看多头逻辑，这个故事推进得似乎有点太顺了。 换个角度看，AI 药物发现的临床记录其实仍然很少。Recursion 仍没有获批药物，2025 年还收缩了部分管线。BenevolentAI 的候选药物在特应性皮炎临床试验中失败后，公司从阿姆斯特丹退市并被收购。Exscientia 早期的 AI 药物项目也曾在临床后终止。Insilico 的 rentosertib 结果是真实的，但目前它更像一个重要样本，而不是已经被反复验证的产业规律。 也就是说，AI 药物发现已经越过了“完全没有临床证据”的阶段，但还远没有到“确定能系统性提高成功率”的阶段。 再看估值。Isomorphic Labs 已经累计融资约 27 亿美元，但尚未披露具体临床资产；Coefficient Bio 团队不到 10 人，却以约 4 亿美元被 Anthropic 收购。这里面买的当然有技术和人才，但更重要的是稀缺性。 Isomorphic Labs 的稀缺性在于，它可能是目前最接近“AI 原生、垂直整合药企”的实体。投资人为“找不到第二家”付了溢价。Jumper 去 Anthropic，某种程度上正是在制造这个可信的第二家。 三家都冲进来之后，一个更现实的问题也出现了：前沿 AI 实验室在生命科学里的长期角色到底是什么？是卖 API 给药企，赚工具钱？是自己做管线，和药企竞争？还是成为底层基础设施，向整个药物研发产业收平台税？ 目前三家给出了不同答案。Isomorphic Labs 选择自己做药物发现公司，直接对接临床和管线；OpenAI 选择垂直模型和合作网络，把能力放进 Codex 和企业工作流；Anthropic 则更像一条混合路线：在通用模型里内建生物能力，同时通过收购、董事会配置和实验能力建设积累药物发现经验。 Dario Amodei 在 2024 年 10 月那篇长文《Machines of Loving Grace》里，把生物学放在第一章（值得一提的是，Dario Amodei 本身也是学生物出身的）。他提出一个说法，叫“压缩的 21 世纪”：当 AI 达到足够水平，人类在生物学和医学上原本需要一百年才能取得的进展，可能被压缩到 5 到 10 年。 一年半后，他的公司收购了 AI 生物技术团队，建设湿实验能力，发布具备药物设计能力的 Mythos 级模型，把诺华 CEO 拉进董事会，然后招来了 AlphaFold 的共同创造者。现在回头看，那篇文章几乎就是 Anthropic 给自己画下的一张路线图。 Jumper 的选择也因此有了更多层面的含义。他在 DeepMind 做 AlphaFold 做到了最高点，诺贝尔奖也拿了，商业化工作交给 Isomorphic Labs，由 Hassabis 亲自带队。留在原地继续做什么，确实是一个真实问题。 他选择了 Anthropic，而不是回到 Isomorphic Labs 做药物管线，也不是去 OpenAI 做 GPT-Rosalind。这说明 Anthropic 的路线对他有吸引力：不是单独做一家 AI 药企，而是试图让通用基础模型本身具备做生物学研究的能力。 这条路线也注定会更难。生命科学不是代码，错了不能简单回滚。越强的模型，越可能同时带来药物发现和生物安全风险。Fable 5 发布时最具争议的地方之一，就是它会在部分生物、化学和网络安全场景下触发保守降级；这种“越强，管得越严”的思路惹恼了一些研究者，但它也正是 Anthropic 一直以来的核心叙事。 对一个深知蛋白质折叠预测两面性的科学家来说，这种在能力和安全之间走钢丝的路线，也许比单纯追求技术前沿更有吸引力。 三家实验室当初都是冲着“解决智能”起步的。现在，它们用资金、产品和人才在回答一个更具体的问题：如果智能真的变得足够强，第一批被它重写的领域会是什么？如今，这个答案似乎在收敛到生命科学这一领域。 而生命科学对模型的要求，和写代码、做客服完全不在一个量级上。模型要处理真实世界的物理约束，要在数据不完整的情况下做因果推理，要把计算结果送进实验室接受湿实验验证，错了就是错了，没有含糊余地。编程助手可以靠补全代码和跑 benchmark 拿高分，但药物要么在临床上起效，要么不起效。从这个角度看，生命科学不只是 AI 的下一个大市场。它正在变成前沿 AI 的硬核考场，谁能在这里跑通闭环，谁就证明了自己的模型不只是在屏幕上有用，而是能在真实世界里产生可验证的结果。