AI 安全、企业落地与算力竞赛并进：6 月 23 日精选日报

6月22日 20:31 UTC·#ai-safety

AI在文本说服中击败专家人类

Import AI 462 总结了来自牛津大学、英国 AI Security Institute、斯坦福大学和伦敦政治经济学院研究者的一组实验，显示 AI 系统在文本说服任务上可以胜过人类。四项研究共涉及 18,978 次对话和 6,923 名参与者，Claude Opus 4.1/4.6、GPT-4o、GPT-5.4、Gemini 2.5 Pro 和 Grok 4.20 等模型在说服力上都超过了包括专家辩手和专业募捐员在内的人类对照组。

这项结果很重要，因为它表明当下的 AI 已经能够在现实场景中大规模影响人的观点和行为，包括政策立场和慈善捐赠。对于 AI 安全、对齐和部署而言，这会引出非常关键的问题，尤其是在政治影响、募捐或操纵性沟通等文本说服场景中。

Import AI 462 报道了一项研究，考察 AI 系统是否能在真实的文本对话中比人类更会说服别人。研究团队来自牛津大学、英国 AI Security Institute、斯坦福大学和伦敦政治经济学院，共进行了四项实验，覆盖 18,978 次对话和 6,923 名参与者。第一项研究中，参与者先对 10 个英国政策立场之一表明态度，然后通过一个定制平台被随机分配与 AI 劝说者或人类劝说者实时聊天。研究者表示，AI 的表现超过了他们测试的所有人类类别，包括随机普通人、经过竞赛筛选的普通人以及顶尖辩手。第二项研究中，43 名回归的顶尖辩手拿到了一个基于击败他们的 AI 构建的训练工具，工具里包含提示词、带标注的对话记录，以及在任一历史对话节点上 AI 会如何回答的替代方案。

训练提升了人类表现，但没有人能超过 AI，因此人类与 AI 的差距缩小了，但并未消失。第三项研究把 AI 限制为人类速度和人类长度的回复，结果 AI 相对最强人类组的优势从 +4.1 个百分点降到统计上不显著。第四项研究招募了来自英国一家募捐公司的 19 名资深劝募员，使用同样的任务后，AI 仍然比他们高出 5.9 个百分点。在真实金钱捐赠实验中，AI 为拯救儿童组织筹款的效果几乎是专业劝募员的三倍。新闻还提到，表现最强的是 Claude Opus 4.1 和 4.6，其次是来自 OpenAI、Google 和 xAI 的模型。

研究者发现，AI 的优势主要来自更快地产生更多信息；当把 AI 限制为人类长度的消息和人类写作速度时，这种优势几乎消失。在捐赠实验中，AI 为拯救儿童组织筹款的效果几乎是英国一家募捐公司的专业劝募员的三倍。

6月23日 04:13 UTC·#ai-chips

Groq 在英伟达人才交易后融资 6.5 亿美元

Groq 于周一确认完成了新一轮 6.5 亿美元融资，大约在英伟达签署其技术的非独家许可协议并挖走首席执行官 Jonathan Ross、总裁 Sunny Madra 等人约六个月后。该公司没有披露新的估值。

这轮融资表明，即使经历了重大的人才和知识产权变化，投资者仍愿意继续支持 AI 芯片和推理基础设施公司。它也凸显出 AI 硬件市场在工程师和高速推理系统技术上的激烈竞争。

Groq 已确认完成新一轮 6.5 亿美元融资，这发生在一个据称于去年 12 月达成的交易之后：英伟达为 Groq 的技术支付了非独家许可费，并带走了包括创始人兼首席执行官 Jonathan Ross、总裁 Sunny Madra 在内的多名关键高管。Groq 没有披露新的估值，但它上一次在去年 9 月完成 7.5 亿美元融资后，估值为 69 亿美元。Ross 曾在 Google 工作，并参与创建了 Google 的张量处理单元 TPU；他与另一位 Google 工程师 Doug Wightman 大约十年前共同创立了 Groq。英伟达交易之后，Wightman 留在公司并出任 CEO。Groq 最初的核心产品是名为 LPU 的芯片，它面向推理任务，既可以作为云服务提供，也可以作为本地硬件集群销售。

报道还称，英伟达如今拥有 LPU 的知识产权，并在 3 月的 GTC 大会上推出了自己的推理硬件集群 Nvidia Groq 3 LPX。面对这种局面，Groq 表示自己已经转向 neocloud 业务，而这项业务此前由 Madra 在 Groq 于 2024 年收购他的 AI 数据分析公司 Definitive Intelligence 后负责。Groq 称，这项业务已经扩展到北美、欧洲、中东和亚太地区的 13 个数据中心，服务超过 500 万开发者和数千家 AI 公司，每周处理数万亿个 token。公司同时也在补强管理层，新增了 COO Alan Rice，以及分别出任 CTO 和 CPO 的 Sinclair Schuller 与 Rakesh Malhotra。文章将 Groq 的下一阶段描述为一次高风险测试：在其核心硬件知识产权与英伟达共享之后，Groq 的推理云能否继续保持竞争力。

Groq 最初打造了一款用于推理的芯片，称为语言处理单元（LPU），并通过云服务和本地硬件集群进行销售。英伟达交易之后，Groq 表示自己已转向 neocloud 业务，目前在北美、欧洲、中东和亚太共有 13 个数据中心，服务超过 500 万开发者。

6月23日 02:11 UTC·#google-gemini

Google将Interactions API设为Gemini默认接口

Google DeepMind 已将 Interactions API 设为 Gemini 模型和智能体的默认接口。该 API 现已正式可用，并在 Google AI Studio 和全部文档中取代了 generateContent，而且未来新的智能体功能只会通过 Interactions API 提供。

这是一项会直接影响 Gemini 开发方式的平台迁移，尤其是面向智能体工作流的开发者。它也表明 Google 正把下一代工具链集中到更强、更有状态的智能体上，而不是继续沿用旧的请求-响应式 API 形态。

Google DeepMind 已将 Interactions API 发布为 Gemini 模型和智能体的默认接口。报道指出，这个 API 自 2025 年 12 月起处于 beta 阶段，如今已经正式可用。Google 还把 Google AI Studio 和全部文档中的 generateContent 替换为 Interactions API，不过旧接口短期内仍然可以继续使用。公司表示，今后所有新的智能体功能都只会通过 Interactions API 提供。Google 开发者关系负责人 Logan Kilpatrick 也表示，Interactions 正在为“智能体新时代”奠定基础。

这次更新不只是改名，而是一次面向智能体的能力升级。Google 新增了 Managed Agents，它们拥有自己的 Linux 沙箱；同时还加入了用于长时间任务的后台执行、与 Google Search 和 Maps 的工具链调用，以及图像、音乐和语音等媒体生成功能。这样的设计显然是为了让 Gemini 更适合多步骤、会使用工具的工作流，而不只是单轮提示词交互。

Google 还简化了相较于 beta 版本的 schema。旧的基于角色的结构，例如“user”和“model”，已经被带类型的步骤取代，也就是说，从用户输入到函数调用的每个动作都会作为一个明确步骤来表示。Google 认为，这会让智能体行为更清晰，也更结构化。除此之外，API 现在提供 Flex 和 Priority 两种模式：Flex 可将成本降低 50%，而 Priority 则针对速度做了优化。

为了帮助开发者过渡，Google 还发布了从 generateContent 迁移到新接口的指南。整体来看，这表明 Google 正在把 Gemini 的开发重心转向更原生的智能体架构，把执行、工具和长任务能力直接纳入平台。

Google 表示旧 API 目前仍可使用，但新的能力只会通过 Interactions API 发布，并且已经提供迁移指南。与此同时，schema 也从“user”“model”等角色标签简化为带类型的步骤，开发者还可以选择 Flex 模式以降低 50% 成本，或选择 Priority 模式以获得更快执行速度。

6月23日 00:35 UTC·#microsoft

微软在得克萨斯州建2吉瓦数据中心并配套燃气电厂

微软正在德克萨斯州佩科斯建设一个约2吉瓦的数据中心园区，并配套自有燃气电厂，以避免依赖公共电网。该项目预计持续五到七年，施工高峰期将创造超过6000个建筑岗位，并提供数百个长期岗位。

这表明面向 AI 的数据中心已经大到足以让运营商绕开吃紧的公用电网，转而自建发电能力。此举可能影响超大规模云厂商在电力受限地区的扩张方式，并加剧围绕电价、水资源和社区影响的争论。

微软正在德克萨斯州佩科斯规划一个规模约为2吉瓦的数据中心园区。根据云业务负责人诺艾尔·沃尔什的说法，这将是公司历史上单次容量增量最大项目之一。该项目预计耗资数十亿美元，建设周期为五到七年。施工高峰期可能雇用超过6000名工人，投入运营后还会带来数百个永久岗位。为了避免依赖当地公共电网，微软表示将自费建设一座现场燃气电厂，直接为园区供电。

公司还称该园区将采用闭环冷却，以减少用水，并表示其全生命周期用水量仅相当于普通快餐店一年用水量的一小部分。微软在致佩科斯和里夫斯县的一封公开信中表示，项目不会推高当地电价、会补回多于消耗的水，并会尽早听取居民意见。报道指出，这些正是许多数据中心项目引发反对的核心问题，Data Center Watch 甚至表示，2026年已有数十个项目被叫停，而且常常遭遇跨党派反对。更大的背景是电网容量跟不上人工智能需求的增长，因此微软和竞争对手越来越多地选择自建电力，而不是等待多年才能接入电网。就佩科斯项目而言，燃气轮机将由雪佛龙提供，预计到2028年前后投入运行。

微软表示，该园区将采用闭环冷却，并称其全生命周期用水量仅相当于普通快餐店年用水量的一小部分。公司还表示会补回多于消耗的水，并尽早与居民沟通；佩科斯项目的燃气轮机将由雪佛龙供应。

6月22日 23:16 UTC·#openai

Getty 图片进入 ChatGPT 搜索

Getty Images 已与 OpenAI 签署一项多年期授权协议，让其已授权的照片出现在 ChatGPT 的搜索和发现功能中。双方都没有披露交易金额，目前也不清楚 Getty 内容是否会用于训练 OpenAI 未来的模型。

这是一项重要的授权合作，涉及大型图库公司和领先的 AI 公司，说明 AI 搜索正越来越依赖获得授权、权利清晰的内容。它可能提升图片结果的质量与可信度，并为 AI 产品如何从出版商和素材库获取媒体内容建立新的行业预期。

Getty Images 已与 OpenAI 达成一项多年期授权协议，Getty 的授权照片将进入 ChatGPT 的搜索和发现功能。此举为 OpenAI 的搜索体验增加了一个重要的商业内容来源，而 ChatGPT 的搜索模式本身也可以调取实时网页结果。双方没有披露这笔交易的金额。双方同样没有说明 Getty 的图片是否会被用于训练未来的 AI 模型。根据 Bloomberg 的报道，消息公布后 Getty 股价在盘前交易中一度上涨约 200%，而 Getty 今年早些时候的股价曾下跌约 55%。

Getty 首席执行官 Craig Peters 表示，经过授权的内容能让 AI 搜索更有用，也更值得信任。这笔交易还很值得注意，因为 Getty 过去曾对 AI 图像生成持保留态度，后来又推出了自己的生成工具，并就版权问题起诉了 Stability AI。Getty 目前还在等待其 37 亿美元收购 Shutterstock 的审批。总体来看，这项合作表明，AI 公司与大型内容所有者可能会越来越倾向于通过授权协议，而不是依赖未经明确授权的数据来源。

这些图片将出现在 ChatGPT 的搜索和发现功能中，这些功能属于 OpenAI 在 ChatGPT 里的联网搜索体验。Getty 首席执行官 Craig Peters 表示，经过授权的内容会让 AI 搜索更有用、也更值得信任；公告发布后，Getty 股价在盘前交易中据报上涨了约 200%。

6月22日 22:35 UTC·#ai-safety

五眼联盟警告AI将迅速重塑网络行动

五眼情报机构罕见地联合警告称，前沿AI模型可能在“几个月内”而不是几年内，根本改变进攻性和防御性网络行动。他们敦促企业和政治领导人立即行动，因为AI正在降低攻击门槛，并提升网络行动的速度与复杂性。

这是主要情报机构发出的高层级警告，意味着网络风险正从纯技术问题升级为董事会和国家安全问题。如果这一判断成立，政府和产业界都可能需要加快在网络防御、治理和AI风险控制方面的投入。

这篇文章报道，五眼情报联盟就前沿AI对网络行动的短期影响发出了罕见的联合警告。根据这些机构的说法，处于AI能力前沿的模型可能很快就会重塑进攻性和防御性网络活动，其影响可能超出当前行业预期。机构的表述非常直接：时间尺度不是几年，而是几个月。它们认为，AI会降低恶意行为者的门槛，同时提升攻击的速度和复杂性。

正因为如此，网络风险已不再只是技术团队要处理的问题，而是企业和领导层必须承担的核心业务风险与责任。该警告面向商业和政治领导人，要求他们立即采取行动。文章还提到，这份声明发布不久前，特朗普政府在国家安全机构建议下阻止“外国公民”访问 Anthropic 的 AI 模型 Fable 5 和 Mythos 5。文章补充说，美国情报机构曾提前接触这些模型，而 Anthropic 员工也在与 NSA 合作。

这份声明来自澳大利亚、美国、英国、新西兰和加拿大的情报机构，也就是通常所说的“五眼联盟”。声明强调，网络风险已不能再被视为纯技术问题，并指出前沿AI会同时改变攻防两端的能力。

6月22日 21:57 UTC·#ai

贝恩用 Vibecoding 审查软件收购

贝恩公司正在用 AI 生成的软件复制品，也就是“vibecoding”，来测试收购目标的产品是否容易被复制。这项做法从 2023 年由专门工程团队负责，已经扩展到由普通顾问制作数百个粗略原型，并且开始影响是继续出价还是退出交易的决定。

这种方法让买方能更快判断一家软件公司的代码到底是不是护城河，还是只是可以低成本复制的一组功能。随着 AI 降低构建同类工具的成本，这可能重塑私募股权和并购尽调，尤其会影响企业软件领域。

The Decoder 报道称，贝恩公司正在使用 vibecoding 为软件收购标的构建 AI 生成的复制品，把它作为尽职调查的一部分。这样做的目的是帮助潜在买家判断，在软件开发成本持续下降的情况下，一个产品到底有多容易被重新做出来。这些原型也被用来评估产品未来可能如何演化。贝恩表示，相关工作已经生成了数百个粗略原型。最初在 2023 年，这还是由专门工程团队负责的任务，如今已经扩展到普通顾问也在参与。

贝恩全球私募股权业务负责人 Rebecca Burack 把这种方法形容为从“2D”看问题变成“3D”看问题。她说，这有助于说明一家软件公司能做什么、不能做什么，它在价值链中的位置，以及真正具有防御性的资产究竟是代码还是其他东西。文章还指出，这种方法已经在影响交易结果，其中一位私募股权投资者表示，贝恩用 vibecoding 复刻的一个分析平台直接促使他们退出竞标。报道还把这一趋势放到更大的市场背景中，指出公开市场的软件估值已经下滑，而私募股权科技交易规模也大幅收缩，买家因此更严格地审视 AI 风险。

贝恩表示，这些复制品用于展示目标公司能做什么、不能做什么、它在价值链中的位置，以及真正具有防御性的是代码本身还是别的东西。文章还提到，一位私募股权投资者表示，贝恩用 vibecoding 复刻的分析平台直接影响了他们退出竞标的决定。

6月22日 21:45 UTC·#ai-policy

Anthropic的安全言论与AI出口禁令

《金融时报》报道称，华盛顿已经禁止外国公民使用 Anthropic 最新的模型 Mythos 和 Fable，而 Anthropic 及其首席执行官 Dario Amodei 在这一年里多次强调人工智能风险。文章认为，这种持续的风险表述可能帮助形成了推动该禁令出台的政治氛围。

如果这篇报道的判断成立，就说明企业关于 AI 安全的表述，可能和技术能力本身一样，会影响出口政策。这个决定可能改变前沿模型的全球分发方式，并可能成为限制非美国用户访问先进系统的先例。

《金融时报》称，Anthropic 今年在公开沟通中花在高级 AI 风险警示上的篇幅，远高于 OpenAI。该报通过对公司及首席执行官 Dario Amodei 的声明、社交媒体帖子和文章进行词频分析发现，Anthropic 在 2026 年每 1000 个词中约有 5 个词与风险、监管或限制有关，而 OpenAI 和 Sam Altman 的对应数字只有 0.6 个词。该报还使用了情感分析来比较双方沟通中的正负面语气。

这一对比在政治上的分量最近明显上升，因为华盛顿上周禁止外国公民使用 Anthropic 最新的模型 Mythos 和 Fable。一些技术界人士把这项决定归因于 Anthropic 反复强调 AI 对社会的风险，尤其是围绕 Mythos 的风险。文章还提到，Anthropic 在文中被描述为一家价值 9650 亿美元的 AI 公司。

这项决定引发了强烈反弹。Meta 前首席 AI 科学家 Yann LeCun 说，这次出口禁令说明 Amodei 那种“荒谬的恐惧煽动”终于收到了回报，并写道“种瓜得瓜，种豆得豆”。《金融时报》表示，这场争议也让欧洲和硅谷的许多人感到担忧，因为他们害怕特朗普政府可能愿意限制非美国用户接触前沿模型。

文章把这次行动视为美国如何监管越来越强大的 AI 系统的一个早期测试。它同时指出，美国的出口管制重点正在变化：过去主要针对先进芯片和硬件，如今则开始直接干预模型本身的访问权限。这意味着争议不再只是“谁能制造前沿 AI”，而是更直接地变成“谁能使用它”。

《金融时报》称，其分析了 Anthropic 和 OpenAI 的官方声明、社交媒体帖子以及文章，并用“有害”“危险”“不对齐”等词统计风险相关表述，结果发现 Anthropic 使用这类语言的频率远高于 OpenAI。文章还指出，这场争议尤其敏感，因为它涉及的是软件模型的访问权限，而不仅仅是芯片出口管制。

6月23日 02:00 UTC·#ai-governance

Anthropic 与政府冲突及出口管制后果

Anthropic 在 4 月预览了名为 Mythos 的更强代码模型后，又在 6 月 9 日发布了一个更安全的版本 Fable。几天之内，美国政府称其构成国家安全威胁并实施出口管制，Anthropic 随后撤下了这两个模型的访问权限。

这场争议可能重塑美国前沿 AI 模型的发布、治理和限制方式。它还提出了一个更广泛的问题：控制对先进软件的访问究竟是在提升安全，还是只会把用户推向其他模型。

这篇文章把 Anthropic 与美国政府的最新冲突概括为三个后续影响，并强调这些影响不只关乎公司本身。Anthropic 在 4 月表示，其名为 Mythos 的模型在编程方面强到足以构成全球网络安全威胁，因此只向少数专家开放测试。到了 6 月 9 日星期二，公司发布了经过修改、并称对公众更安全的版本 Fable。几天后的星期五，联邦政府则认定该模型威胁国家安全，并对其实施出口管制。随后，Anthropic 在数小时内撤回了这两个模型的访问权限。

文章认为，政府的做法更像是一次粗暴的 AI 安全干预，而不是精心设计的“防扩散”政策。它还指出，这次行动据称部分源于 Amazon 首席执行官 Andy Jassy 向政府官员提出的担忧；Amazon 既投资 Anthropic，也在开发自己的竞争性 AI 系统。文章表示，如果监管机构无法证明让客户使用该模型就等同于“出口”软件，这项禁令可能在法律上站不住脚。尽管如此，这一决定已经在 AI 生态中引发连锁反应。

其中一个影响是，一些人可能会因此不再愿意依赖美国 AI 公司，尤其是在服务可能因政府命令而随时被关闭的情况下。法国政客 Bruno Retailleau 将此称为一个“警钟”，认为欧洲应当推动更多本土 AI 能力建设。但文章也指出，这一愿景会受到中国开源模型的冲击，因为这些模型既便宜又强大，还可以下载安装到用户自己的服务器上运行，不受额外规则或护栏约束。

这就形成了一个矛盾：对希望保持自主可控的企业来说，中国模型可能更有吸引力；但对网络犯罪分子来说，它们同样有吸引力。文章进一步推测，如果美国和欧洲公司转而使用中国模型，政府未来也许会把这种选择本身视为国家安全问题。第二个值得关注的后果，是封禁 Anthropic 模型可能让美国更容易遭受网络攻击，而不是更安全。文章援引网络安全专家公开致信政府的观点，称这些模型帮助防御者提前准备，而且与其他广泛可用的前沿模型相比并没有明显更危险。第三个观察点是美国立法者会如何反应，因为 Anthropic 上一次与政府围绕国防部如何使用其模型发生冲突后，国会曾提出一系列法案来界定军事 AI 的使用边界。

文章指出，Anthropic 曾向少数网络安全专家展示 Mythos，因为该公司认为这款模型在发现软件漏洞方面可能非常有用。文章还提到，这次关停可能会面临法律审查，因为向客户提供模型访问权限是否算作“出口”并不明确。

6月22日 06:01 UTC·#cloudflare

Cloudflare 推出临时 Workers 部署

Cloudflare 现在允许开发者直接运行 `npx wrangler deploy --temporary`，在不先创建 Cloudflare 账户的情况下部署 Workers。这个部署是临时的，会保持在线 60 分钟，并且之后可以通过生成的账户认领链接继续保留。

这减少了快速实验、演示和 AI 辅助编程流程中的主要设置门槛，因为在这些场景里创建账户往往只是额外负担。它让开发者可以在几秒钟内试用 Cloudflare Workers，也可能加速那些需要一次性无服务器环境的用户采用。

Simon Willison 介绍了 Cloudflare 的一项新功能“Temporary Cloudflare Accounts for AI agents”，并指出它的价值其实不只限于 AI 场景。核心变化是，开发者现在可以直接运行 `npx wrangler deploy --temporary`，在不先创建 Cloudflare 账户的情况下部署 Cloudflare Workers 项目。Cloudflare 会为这次部署创建一个临时项目，并让它保持在线 60 分钟。若用户希望继续保留该项目，部署完成后会输出一个认领链接，可用来接管这个临时账户及其资源。

Willison 还亲自测试了这一流程，他让 Codex Desktop 中的 GPT-5.5 xhigh 构建了一个用于跟踪 HTTP 重定向并返回最终目标地址的小应用。根据他的描述，这个临时部署确实按预期工作。文章中还展示了认领页面截图，页面会提示认领链接的过期时间，并提供“Claim Account”按钮。该功能是通过 Hacker News 讨论被注意到的，被作者视为对 AI 代理和普通开发者都很实用的改进。

临时部署会创建或复用一个临时预览账户，把应用发布到 `workers.dev` 地址，并输出一个之后可以认领所有权的链接。根据文档和文章说明，认领窗口为 60 分钟，如果不在这段时间内完成认领，临时资源就会过期。

6月23日 02:49 UTC·#ai-in-media

DeepMind向A24投资7500万美元推进AI电影合作

Google DeepMind宣布向独立电影公司A24投资7500万美元，双方将共同开发用于电影制作的AI工具。双方称这是一项“首创”合作，并表示将引入一线艺术家的反馈与指导。

这笔交易表明，娱乐行业中的AI正在从试验阶段走向正式的制片厂合作，头部公司开始主动塑造创作工具的开发方向。它可能影响电影人、制片厂和艺术家在前期筹备、制作以及叙事流程中采用AI的方式。

Google DeepMind在周一宣布，将向独立电影公司A24投资7500万美元。A24是《Marty Supreme》《Everything Everywhere All At Once》和《Backrooms》等作品背后的制片方。双方将这笔交易描述为一种“首创”合作，目标是共同开发用于电影制作的AI工具。DeepMind表示，在开发过程中会获得来自一线艺术家的反馈和指导。DeepMind联合创始人兼CEO Demis Hassabis在新闻稿中说，真正能赋能艺术家的工具，最好从一开始就与艺术家直接合作来打造。

他还表示，与A24这样的电影人和行业领导者尽早协作，有助于开发支持真实、富有意义叙事和创作愿景的AI功能。此次宣布正值好莱坞围绕电影中使用AI的争议持续发酵之际。不过，A24并不是第一家尝试将AI融入创作流程的制片厂。文章提到，Netflix今年早些时候收购了Ben Affleck旗下、开发面向电影人的AI工具的公司InterPositive；亚马逊的MGM Studios也在去年成立了AI部门，专门开发电视和电影制作工具。

Demis Hassabis表示，DeepMind希望从一开始就直接与艺术家合作开发工具，从而让功能服务于真实的故事表达，而不是后期强加进去。文章还指出，这并不是好莱坞首次探索AI，Netflix和亚马逊旗下的MGM Studios此前也已在推进类似项目。

6月23日 00:51 UTC·#ai-infrastructure

Reflection AI 与 SpaceX 达成大额算力协议

Reflection AI 已与 SpaceX 签署算力协议，可立即使用位于田纳西州孟菲斯附近、SpaceX 的 Colossus 2 数据中心中的 Nvidia GB300 芯片及配套硬件。该合同从 2026 年 7 月 1 日开始，持续到 2029 年，总价值最高可达 63 亿美元。

这笔交易凸显了即便是资金充足的初创公司，顶级 AI 算力仍然极其稀缺，而基础设施获取正在成为前沿 AI 的战略优势。它也表明，开放权重模型正作为 Anthropic 和 OpenAI 这类封闭实验室的替代路线获得更多关注。

Reflection AI 已与 SpaceX 达成一项重大算力协议，成为又一家使用这家火箭公司庞大 Nvidia 芯片资源的 AI 公司。根据协议，Reflection 将从 2026 年 7 月 1 日起每月支付 1.5 亿美元，在田纳西州孟菲斯附近的 SpaceX Colossus 2 数据中心获取 Nvidia GB300 芯片及相关硬件。该合同总价值最高可达 63 亿美元，期限一直延续到 2029 年。双方在最初三个月后都可以提前 90 天通知终止合同。相比之下，SpaceX 与 Anthropic 和 Google 的协议规模更大，据称分别为每月 12.5 亿美元和 9.2 亿美元，这两份协议也都持续到 2029 年 7 月，不过 Elon Musk 曾公开淡化三年期限，强调合同可以随时取消。

Reflection 表示，这也是它的第一份算力协议，并借此强调其开放权重战略。该公司由两名前 Google DeepMind 研究员于 2024 年创办，将自己定位为封闭式前沿实验室的开源替代方案。Reflection 在声明中表示，近期事件表明开源在 AI 生态中的重要性，因为更多国家和企业正在意识到只依赖封闭模型所带来的风险与成本。公司还称，这笔交易显示了 Reflection 在前沿 AI 生态中的战略重要性，而更多算力将帮助它更大规模地训练世界级开放模型。Colossus 数据中心最初由 xAI 建设，用于 Elon Musk 的 AI 计划，但随着其内部推进放缓，SpaceX 开始把这些宝贵的 AI 芯片资源出租给全球顶级 AI 实验室。

Reflection 每月将支付 1.5 亿美元，并且在最初三个月后，双方任何一方都可以提前 90 天通知终止合同。该公司称这可能是迄今公开宣布的最大开放 AI 基础设施投入之一，同时提到 GB300 指的是 Nvidia 最新的 AI 芯片体系，其中包括 NVL72 配置。

6月23日 01:18 UTC·#ai-infrastructure

Anthropic与美光共设计AI内存架构

Anthropic与美光宣布建立战略合作伙伴关系，双方将共同设计AI内存架构，并锁定美光数据中心产品的多年供应。协议还包括在美光内部部署Claude，以及美光参与Anthropic的H轮融资。

这把模型开发者和硬件供应商更直接地绑定在一起，说明内存性能和能效正在成为AI基础设施的核心问题。它可能影响未来AI系统的构建方式，尤其是那些高度依赖带宽和低延迟内存的训练与推理工作负载。

Anthropic与美光达成了一项更广泛的AI基础设施合作协议。报道指出，这项协议包含四个部分：共同为AI设计内存架构、签订美光数据中心产品的多年供应合同、在美光内部部署Claude，以及美光参与Anthropic的H轮融资。双方表示，他们希望研究不同AI工作负载下内存系统的行为，并寻找提升性能和能效的方法。作为供应安排的一部分，美光将提供HBM、DRAM和SSD。

Anthropic联合创始人Tom Brown表示，内存对Claude的训练和运行都至关重要。文章还提到，美光已经在内部使用Claude进行代码编写，并用于制造和工程流程自动化。另一方面，美光CEO Sumit Sadana称，AI浪潮已经永久提升了内存和存储在数据中心乃至边缘侧的重要性。报道最后也加入了质疑声音，指出一些批评者认为这种“投资方同时采购产品”的模式可能构成问题性的循环安排，并借此引发对AI泡沫风险的担忧。

美光表示将供应高带宽内存（HBM）、DRAM和SSD，双方还会研究不同AI工作负载下内存系统的表现。文章同时指出，外界批评这种安排可能带有“循环交易”色彩，因为美光投资Anthropic，而Anthropic又采购美光产品。

6月22日 16:18 UTC·#llm-orchestration

Sakana AI 推出 Fugu 多模型编排系统

Sakana AI 发布了 Fugu，这是一套通过单一的 OpenAI 兼容 API 动态协调多个语言模型的系统。公司称，Fugu Ultra 在多个基准类别上的表现可与 Anthropic 的 Fable 5 和 Mythos Preview 持平，而这两款 Anthropic 模型并不在它的模型池中。

Fugu 反映了 AI 基础设施中的一种新趋势：通过编排多个模型，而不是依赖单一模型，来提升质量、灵活性和韧性。如果它真的如宣传所说成立，团队就能降低供应商锁定风险，并在某家提供商模型不可用时继续维持应用运行。

东京初创公司 Sakana AI 发布了 Fugu，这是一套多 LLM 编排系统，目标是在对用户呈现为“单一模型”的同时，动态调用一个模型池中的其他模型。用户只需通过一个 OpenAI 兼容 API 进行交互，但在底层，Fugu 既可以自行回答，也可以组织一组专门模型来完成任务。Sakana 表示，系统会在内部完成模型选择、任务分派、校验和结果整合。它的模型池是可替换的，这被设计为降低对单一提供商的依赖。公司将这一点同时包装成产品能力和组织韧性方案，特别适合依赖 AI API 的团队。

Fugu 有两个版本：基础版更强调低延迟和通用使用场景，而 Fugu Ultra 则面向更高质量的复杂多步骤问题。Sakana 称，早期用户已经把 Fugu Ultra 用于 AI 研究、科学论文复现、网络安全分析，以及专利和文献检索。公司还表示，约有 500 名测试用户已经在真实工作流中试用过该系统，尤其是自动化数据研究、安全分析和代码审查等长任务。根据 Sakana 公布的基准结果，Fugu Ultra 在编码、推理、科学和智能体类基准上可与 Anthropic 的 Fable 5 和 Mythos Preview 持平。Sakana 也指出，这两款 Anthropic 模型并不在 Fugu 的代理池中，因为它们尚未公开提供，如果将它们纳入池中，Fugu 的得分可能还会更高。

Fugu 分为基础版和 Fugu Ultra 两个版本：基础版强调低延迟和日常任务，Fugu Ultra 则面向更复杂的多步骤工作。Sakana 表示，用户可以因隐私或合规要求排除特定代理，而系统会在内部完成模型选择、任务分派、检查和结果整合。

6月22日 19:00 UTC·#ai-coding

AI 氛围编程应用可能隐藏严重安全漏洞

《The Verge》指出，快速用 AI 生成的“氛围编程”应用可能带着危险的安全错误一起发布，包括隐藏的 SQL 注入漏洞和暴露的生产数据。文章引用了多个真实案例，例如一名项目经理的 Boomberg 网站、一次公司数据库被清空事件，以及一个曾短暂暴露数万封电子邮件和私信的热门应用。

这篇文章说明，AI 工具降低了开发软件的门槛，但并没有降低保障安全的门槛，这对任何向公网发布应用的人都很重要。随着个人项目逐渐变成业务工具并处理敏感数据，风险会从“方便性问题”升级为隐私、财务和运营层面的暴露。

《The Verge》这篇文章提醒读者，在没有安全审查的情况下发布 AI 生成的应用之前要三思。文章从 Bob Starr 的经历写起：他在做出自己的“Boomberg”氛围编程网站后立刻上线，几个月后才发现其中隐藏着一个 SQL 注入风险，攻击者理论上可以读取或篡改不该看到的数据。Starr 说，这是他在学习这项新技术时的一个盲区，而他并不是唯一犯这种错的人。社交媒体上不断出现关于氛围编程应用不安全、甚至造成损失的故事，例如 Jer Crane 说，AI 编码代理清空了他公司的生产数据库。Joe Procopio 也表示，自己做了一个用于私下演示其他应用的网页应用，但在发现被黑客盯上后就把它下线了，后来改回用本地机器通过 Zoom 演示。

文章把这种现象描述为“个人软件”时代的到来：AI 让任何人都能轻松创建满足自己需求的私有应用。可问题在于，能快速做出来并不等于安全，尤其当应用从个人记事、健康记录之类的用途，扩展到客户日志、医疗数据、财务记录或内部文档时。文中引用的安全从业者强调，关键在于应用是否接触他人的数据，或者是否运行在公网环境中，因为这会把标准从个人玩具提升到接近业务软件的级别。文章还提到一个更令人担忧的案例：一个完全为 AI 代理构建的社交网络 Moltbook，据称研究人员发现其生产数据库暴露，导致数万封电子邮件地址和私信面临风险，虽然随后很快被修补。

文中引用的安全专家强调，一旦应用接触共享或托管的个人数据，威胁模型就会发生变化，即使它只是一个下午做出来的项目也是如此。报道还指出，AI 既能帮助开发者，也能帮助攻击者，而面向公网的应用，以及涉及金融、医疗或内部数据的系统，都应该接受更高标准的审查。

6月23日 05:52 UTC·#automation

通用汽车在裁员待岗期间增设机器人

通用汽车在底特律的 Factory Zero 电动车工厂安装了大约 50 台 FANUC 机器人机械臂。与此同时，约 1,300 名工人仍处于失业状态，而这些裁员最初被描述为临时性的。

这起事件凸显了制造业自动化如何加剧劳资矛盾，尤其是在企业扩充机器人设备、而工人仍处于裁员状态时。它也反映出电动车生产正在加速走向更高程度的工厂自动化。

据 Ars Technica 引述 Crain’s Detroit Business 的报道，通用汽车在底特律的 Factory Zero 电动车工厂安装了大约 50 台新的机器人机械臂。这些机器人由日本工业机器人公司 FANUC 制造，主要用于在车辆装配过程中安装各种部件。此次扩容引发了美国汽车工人联合会（UAW）的强烈批评，因为约 1,300 名工人在所谓的临时裁员后仍未复工。UAW Local 22 主席 James Cotton 表示，超过 1,000 名工会成员仍然“无限期停工”，公司本可以先召回这些人，而不是继续增加机器人。矛盾还因为通用汽车在 2025 年 10 月已经在 Factory Zero 进行了另一轮永久裁员，共裁掉 1,200 人而进一步加深。

文章指出，这并不是个别现象，Stellantis 和福特等车企也在部署装配线机器人，以推动美国业务的更高自动化。报道还提到，现代汽车计划到 2028 年在其位于佐治亚州的电动车工厂使用由波士顿动力制造的 Atlas 人形机器人。UAW 组织者 Andrew Bergman 认为，技术进步本可以带来更安全的工作和更短的工时，但在企业和富人手中却被用来提高利润并裁减工人。底特律新闻还对比了同一周内两场活动的说法：Reindustrialize Summit 赞扬机器人制造，而 UAW 宪章大会上，主席 Shawn Fain 则警告人形机器人和大规模自动化会威胁就业和工资。

这些新机器人主要用于在装配线上安装各种部件，UAW Local 22 领导人表示，公司本可以先召回工人。通用汽车在 2025 年 10 月还曾在 Factory Zero 永久裁员 1,200 人，这进一步加深了外界对长期失业的担忧。

6月23日 04:53 UTC·#ai-agents

Boris Cherny：AI 编码循环是下一步

在 Meta 的 @Scale 大会上，Claude Code 创作者 Boris Cherny 表示，AI“循环”是真实存在的，并且是软件开发的下一次重大转变。他描述的是一种让一个代理去提示另一个代理、持续改进代码的工作方式，而不是只做一次性的代理式编码。

这个想法意味着一种更自主的软件工作流：AI 系统可以在后台持续改进架构和代码质量，而不需要人类频繁直接介入。如果它能大规模落地，可能会重塑开发者审查、优化和交付软件的方式，但也会带来成本和监督方面的担忧。

TechCrunch 报道称，Claude Code 的创作者 Boris Cherny 在 Meta 的 @Scale 大会上发言时，被观众问到 AI“循环”到底是炒作还是真实趋势。Cherny 明确回答说，它们是真实的，并表示行业正在从手写源代码，过渡到由代理写代码，再进一步过渡到“代理提示代理”来写代码。 他认为，这种变化和从人工编码走向 agentic coding 一样重要。 在他自己的工作里，Cherny 说他会运行多个循环，其中一个代理负责寻找架构改进，另一个负责发现可以统一的重复抽象。

这些代理像普通开发者一样提交拉取请求，而且由于代码库不断变化，循环可以持续不停地运行。 文章将这种方式描述为当前 agentic AI 的更激进版本：用户通常会通过明确目标和阶段性检查来管理代理，而循环式方法则授权一组代理在后台持续工作。 文章也指出，这并不是计算机科学中的全新概念，因为递归循环本来就是基础知识，但 AI 循环带来了更偏非确定性的版本，也就是由子代理决定何时停止。 文章最后强调，这种做法可能会大量消耗 token，因此成本很高，但如果配套的监督机制足够好，它也可能带来非常可观的收益。

Cherny 表示，他在自己的工作中运行多个循环，其中一个代理专注于改进架构，另一个则寻找可以合并的重复抽象。这些代理像人类开发者一样提交拉取请求，而且由于代码库不断变化，这些循环会持续运行。

6月23日 04:08 UTC·#ai-infrastructure

Nvidia wants to cut data center water use, but that's not the same as fixing AI's water problem | TechCrunch

TechCrunch argues that Nvidia's new warm-water cooling system may reduce on-site data center water use, but it does not address the larger water and energy footprint of AI when power generation is included.

The piece is a timely, relevant analysis of AI infrastructure sustainability, but it is more commentary than a breakthrough announcement. It offers useful nuance on Nvidia's cooling claims and the broader water-footprint problem, though no comments/discussion were provided to gauge community debate.

Nvidia just announced a warm-water cooling system that it says can dramatically reduce the amount of water a data center uses — eliminating “pretty much all water usage” inside the data center, according to an Nvidia executive in a press release. “The water consumption challenge for data centers is largely solved,” Josh Parker, chief sustainability officer at Nvidia, recently told Axios. But that’s only part of the water story. As long as AI data centers run on fossil fuels — a choice tech companies are increasingly making — the savings stop at the data center’s walls.

6月22日 23:03 UTC·#ai-filmmaking

Google DeepMind 与 A24 开展 AI 电影研究

Google DeepMind 与 A24 建立了一个长期研究合作关系，探索 AI 工具在电影制作中的用途。据报道，Google 还向 A24 投资了约 7500 万美元。

这把领先的 AI 实验室与一家知名独立电影公司连接起来，让 DeepMind 能直接获得职业电影人的反馈。如果合作最终产出实用工具，可能会影响前期制作、拍摄和后期制作中 AI 的采用方式。

Google DeepMind 与 A24 正在建立一项面向 AI 电影制作工具的长期研究合作。Google DeepMind 产品副总裁 Eli Collins 在一篇博客文章中介绍了这项合作，但只给出了非常宽泛的方向。根据报道，A24 的电影人将在日常创作流程中使用并评估 AI 工具。这样做的目的，是让 DeepMind 从一线从业者那里获得反馈，从而让工具更贴近真实制作需求。

据《华尔街日报》称，Google 还将向 A24 投资约 7500 万美元。此次公告并没有公布任何成品，也没有展示具体成果。它同样没有明确说明这些工具会覆盖电影制作的哪些环节，只是笼统地指向提升电影生产流程。A24 以《瞬息全宇宙》和近期的《Backrooms》等作品闻名，因此这项合作虽然结果尚不明确，但仍然很值得关注。

根据 Google DeepMind 产品副总裁 Eli Collins 的说法，这项合作覆盖多个项目，A24 的电影人将能在日常工作中测试并参与塑造这些工具。目前还没有公布具体产品、时间表或成果，因此合作范围仍然很宽泛，也比较模糊。

6月23日 02:24 UTC·#security

旧款 iPhone 存在无法修补的 BootROM 漏洞

安全研究人员 Paradigm Shift 公开了一个名为 usbliter8 的可用漏洞利用，目标是搭载 A12 或 A13 芯片的 iPhone 的 SecureROM/BootROM。由于漏洞位于 ROM 中，Apple 无法通过常规 iOS 更新修复它。

这会影响仍在使用中的旧款 iPhone 以及相关 Apple 设备，包括那些用于处理敏感数据的设备。ROM 级漏洞尤其重要，因为它会在设备整个生命周期内持续存在，并可能破坏启动链最早阶段的安全性。

ZDNET 报道称，搭载 Apple A12 或 A13 处理器的旧款 iPhone 存在一个无法修补的安全漏洞，该漏洞由安全公司 Paradigm Shift 发现并成功利用。这个漏洞利用名为 usbliter8，针对的是启动操作系统之前就会执行的 boot ROM，也就是 SecureROM。实际上，攻击者一旦利用成功，就可能在受影响设备上执行恶意代码或运行未授权命令。由于漏洞存在于 ROM 中，Apple 不能像普通安全问题那样通过软件更新来修复。该问题的一个限制是它不能被远程触发，攻击者必须实际接触到手机，并且有时间重启设备再利用该漏洞。

Paradigm Shift 表示，他们无法绕过 Apple 的其他防护机制，包括 Data Protection，因此研究人员并未证明可以直接读取用户文件、照片或消息。文中引用 Keeper Security 首席信息安全官 Shane Barney 的观点指出，物理接触要求容易让人产生“风险可控”的错觉，但对携带敏感系统访问权限的高管、政府人员和法律团队来说，这类攻击依然值得警惕。受影响设备包括 iPhone XS、XS Max、XR、iPhone 11 系列以及第二代 iPhone SE，同时还包括一些 iPad 和部分 Apple Watch 型号。A11 设备、更晚的 A14 及以后 iPhone、S6 及以后 Apple Watch，以及搭载 Apple silicon 的 Mac 不受影响。Paradigm Shift 还表示，公开该漏洞利用是为了说明这类硬件缺陷的现实影响，并强调受影响的 A12 和 A13 设备在其剩余寿命内都将带着这个问题。

该漏洞利用需要物理接触设备、等待重启时机以及一定技术能力，不能远程触发。Paradigm Shift 还表示，研究人员无法绕过 Data Protection 等其他防护，因此文件、照片和消息并未被证明会直接暴露。

6月23日 01:58 UTC·#ai-pricing

按令牌计费推高AI云账单

ZDNET 报道称，企业 AI 正迅速从固定费用访问转向按 token 计费，而这一变化正在让云账单变得更贵、也更难预测。文章指出，这也是圣迭戈 FinOps X 2026 的核心话题之一，与会者讨论了 token 正如何成为生成式 AI 的计费单位。

对企业来说，按 token 计费会带来类似早期云计算时代的成本波动，只是这一次发生在 AI 使用上。财务和 FinOps 团队必须学会预测、衡量并控制 AI 开支，而每个 token 驱动的工作负载到底带来多少价值，目前仍然很难准确界定。

ZDNET 认为，免费或固定费用的 AI 时代正在结束，按 token 计费正成为生成式 AI 经济的新基础。文章提到，在圣迭戈举行的 FinOps X 2026 上，FinOps Foundation 执行主任 J.R. Storment 将 token 称为“AI 的原子单位”，并把它的重要性类比为 20 世纪的石油。Storment 说，token 既代表算力基础设施的输出，也是实验室给服务定价的单位，同时还是企业希望实现价值变现的计量单位。文章指出，这种抽象方式对模型厂商和超大规模云厂商很有吸引力，因为它让他们可以在不同的 GPU、内存、功耗和部署架构之间，用统一的单位进行计费。

文章还解释说，AI 模型会先对文本进行 token 化，把提示词和回复拆成碎片，并分别按输入 token 和输出 token 收费。报道认为，过去 18 个月对企业来说是一次警醒，因为在更早、成本更低的阶段，大家曾享受过近似“无限量”的 token 使用模式。Storment 和其他与会者表示，如今已经不再适合为了“刷量”而大量消耗 token，因为浪费性使用的代价太高。文章将这一变化描述为早期云计费问题的重演：使用量难以预测，商业模式也在变化，最终导致企业账单更难控制。

文章解释说，AI token 是 LLM 处理文本时的最小碎片，在英文里一个 token 通常约等于四个字符，或者大约四分之三个单词。文章还指出，OpenAI、Anthropic、Google 等主要厂商现在都按模型发布费率表，分别对输入 token 和输出 token 计费，通常以每百万 token 的价格表示。