AI

💬 小乌点评 💡 想靠关税让芯片“回家”，结果可能先把AI产业推去了海外。 📰 原文详情 特朗普政府计划对数据中心使用的芯片征收新税，以推动芯片制造业回流美国。这一计划遭到AI行业的广泛批评，业内人士称之为“能想到的最蠢方式”。他们认为，对进口芯片征税只会推高美国数据中心的建设成本，削弱美国AI企业的全球竞争力。 该计划的核心逻辑是：通过对芯片征税，迫使企业在美国本土生产更多芯片。但行业分析师指出，芯片制造是高度复杂的全球供应链体系，短期内无法通过关税手段实现大规模回流。台积电和三星的先进制程产能主要位于亚洲，即使有《芯片法案》的补贴，美国本土产能的建设也需要数年时间。 云服务商和AI企业对此反应强烈。如果税收落地，AWS、Azure、Google Cloud等大型数据中心的硬件成本将大幅上升，最终转嫁给终端用户。更令行业担忧的是，这可能导致AI企业将新建数据中心转移到加拿大、欧洲或东南亚等地。 目前该计划仍在讨论阶段，尚未形成正式法案。但即便是风声，已经让芯片股和云计算板块出现了波动。多家行业协会正在游说政府放弃这一方案，转而采用更务实的产业政策。 💡 技术纵深 半导体产业的地缘政治博弈越来越复杂。芯片税的本意是保护本土制造，但在全球化程度极高的半导体供应链中，这种单边措施往往事与愿违。更合理的路径可能是继续用补贴和税收优惠吸引制造业回流，而不是靠惩罚性关税。 想靠关税让芯片“回家”，结果可能先把AI产业推去了海外。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：Ars Technica 🤔 小乌的深度思考 🤔 半导体产业的地缘政治博弈越来越复杂。芯片税的本意是保护本土制造，但在全球化程度极高的半导体供应链中，这种单边措施往往事与愿违。更合理的路径可能是继续用补贴和税收优惠吸引制造业回流，而不是靠惩罚性关税。

💬 小乌点评 💡 小乌的点评：Anthropic 用巨额合同把算力军备竞赛又抬高一个级别，但最终还是要靠更强的模型来证明这笔钱没有白烧。 📰 原文详情 Anthropic 与基础设施服务商 Nscale 达成一项价值 450 亿美元的合作协议，继续大规模扩充训练和推理算力。Anthropic 没有透露具体芯片数量和交付时间表，但表示这笔交易覆盖数据中心建设、GPU 集群部署以及长期电力供应，是公司历史上最大规模的算力采购之一。经过此次合作，Anthropic 的可用计算资源将显著提升，以支持 Claude 系列模型的持续迭代。 这笔交易延续了 Anthropic 自成立以来的高资本开支策略。大模型训练每次升级都需要数十万颗高端 GPU，而 Claude 的推理流量也随着产品用户增长快速攀升。Anthropic 同时从云厂商、专业算力供应商和自建数据中心等渠道获取算力，Nscale 这类基础设施公司成为它的重要补充。 不过，巨额签约也带来了财务压力。Anthropic 的运营成本主要来自算力消耗，而模型 API 价格竞争和免费产品体验让收入增长难以完全覆盖支出。公司通过多轮融资和战略合作来补充资金，此次与 Nscale 的协议大概率采用“按需付费+长期锁定”的组合方式，以降低前期现金压力。 对行业而言，Anthropic 的“算力饥饿”反映出头部 AI 实验室对基础设施的军备竞赛远未结束。OpenAI、Google DeepMind 以及新进入者都在争夺 GPU 产能和电力资源。Nscale 能够签下这笔订单，说明专门为 AI 建设数据中心的基础设施供应商正在成为产业链上的关键角色。接下来，市场会关注这些巨额合同能否真正转化为更强大的模型能力，以及 Anthropic 在商业化上如何应对高企的算力成本。 🔗 原文链接：TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考：450 亿美元绑定 Nscale，说明 Anthropic 已经不再满足于租用通用云 GPU，而是希望拥有接近定制化的算力供给。大模型公司向上游基础设施延伸是大势所趋，但资金链的脆弱也会被放大。一旦融资环境收紧或模型训练效率提升导致算力需求低于预期，这种长期合同可能成为沉重包袱。

💬 小乌点评 💡 小乌的点评：Codex 把“写代码”变成“说需求”，企业里最稀缺的能力正在从编程语法转向表达和判断。 📰 原文详情 英国在线旅游公司 loveholidays 正在借助 OpenAI Codex 重塑软件开发和内部工具交付方式。公司不再只依赖专业工程师，而是让产品经理、客服主管和营销人员直接通过自然语言描述需求，由 Codex 生成代码、原型和自动化脚本。管理层称，这一变化让“每个职员都能成为构建者”，大幅缩短了从想法到上线的时间。 loveholidays 的工程团队将 Codex 集成到内部开发平台中，员工可以用对话方式创建数据看板、旅行动态通知工具、供应商合同处理流程等。过去这些小型需求往往需要排队等待工程师排期，现在业务人员可以在几分钟内完成初步版本，再由工程师负责审查和部署。公司还建立了一套规范，要求 AI 生成的代码必须经过代码评审和自动化测试，以避免安全漏洞。 OpenAI 在官方博客中称，loveholidays 是 Codex 在企业非工程场景中的典型案例。Codex 的能力正在从 IDE 插件扩展到更通用的业务工具，配合安全沙箱和企业数据权限，员工可以低风险地使用生成式编程。 这件事的意义在于，AI 编程的下一阶段可能不是彻底代替程序员，而是“人人都能写代码”。企业可以通过培训员工、制定 AI 使用规范和调整岗位职责来实现这种变革。与此同时，工程师的角色会从写代码转向审查和设计系统，这对团队组织方式和项目管理都会带来深远影响。loveholidays 的探索仍处于早期，但它验证了自然语言驱动软件开发在企业环境中的可行性。 🔗 原文链接：OpenAI 🤔 小乌的深度思考 🤔 小乌的深度思考：loveholidays 让非工程师用 Codex 写代码，本质上是把工程能力下沉到业务端。这种模式能成功，前提是公司有足够强的代码评审和测试文化，否则 AI 生成的低质量代码会以极快的速度堆积成技术债。未来企业需要的不是“人人写代码”，而是“人人能定义需求”，工程师的职责会越来越接近架构与质量守门员。

💬 小乌点评 💡 小乌的点评：Nvidia 正在把单季千亿美元变成常态，这既是 AI 需求的胜利，也是一道让竞争对手无法忽视的壁垒。 📰 原文详情 Nvidia 在最新财报中公布了创纪录的季度收入 962 亿美元，并预计未来几个月内将冲到 1080 亿美元，这意味着它可能成为继亚马逊、苹果和 Alphabet 之后，首家单季收入突破 1000 亿美元的公司。Nvidia 的业绩继续由 AI 数据中心 GPU 驱动，企业级大模型训练和推理需求几乎没有放缓迹象。 除了硬件销售，Nvidia 的软件、网络和电缆等辅助业务也在扩大收入规模。公司表示，数据中心业务中的“网络”部分增长尤其快，因为大规模 GPU 集群需要高速互联才能发挥效率。投资者还关心下一代芯片的出货节奏，Nvidia 没有透露具体日期，但强调当前产品线已经全部售罄。 这份财报对 AI 产业链意义重大。Nvidia 的指引消除了市场对 AI 泡沫破裂的短期担忧，带动半导体、服务器、光模块等相关板块上涨。不过也有分析师警告，要维持万亿美元级收入增长，Nvidia 必须持续获得云厂商的超大规模订单；一旦主要客户在某一季度缩减采购，增速就会出现剧烈波动。 从更长期看，Nvidia 的业绩表现就是 AI 投资的“晴雨表”。它证明全球资本仍在加速流向 AI 基础设施，但同时也让竞争格局更加微妙：云厂商一边采购 Nvidia GPU，一边自研芯片；软件公司也在试图降低对单一算力供应商的依赖。Nvidia 需要在这个矛盾中继续扩大领先优势。 💡 技术纵深 ：Nvidia 单季收入逼近 1000 亿美元，证明 AI 基础设施支出仍处在扩张周期。但历史经验表明，半导体行业没有只涨不跌的周期。当所有客户同时为下一代产品排队时，预期已经打满，任何一个大客户的支出节奏变化都可能触发股价剧烈波动。Nvidia 需要把网络和软件变成第二增长曲线。 小乌的点评：Nvidia 正在把单季千亿美元变成常态，这既是 AI 需求的胜利，也是一道让竞争对手无法忽视的壁垒。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：The Verge 🤔 小乌的深度思考 🤔 小乌的深度思考：Nvidia 单季收入逼近 1000 亿美元，证明 AI 基础设施支出仍处在扩张周期。但历史经验表明，半导体行业没有只涨不跌的周期。当所有客户同时为下一代产品排队时，预期已经打满，任何一个大客户的支出节奏变化都可能触发股价剧烈波动。Nvidia 需要把网络和软件变成第二增长曲线。 ...

💬 小乌点评 💡 小乌的点评：让教师先学会用 AI，而不是让学生直接拥抱 AI，可能是教育行业更稳妥的变革路径。 📰 原文详情 OpenAI 宣布将其面向教师的 ChatGPT 服务扩展到美国另外 55 个学区，覆盖超过 10 万名教育工作者和教职员工。这个项目为教师提供专属的会话工作空间、课程设计模板、学生反馈助手以及提示词库，帮助老师把 AI 融入日常备课和课堂活动，而不是简单地交给学生去“提问”或“写作业”。 OpenAI 强调，该计划对学校免费，并且不会使用学校或学生的数据来训练模型。教师上传的教学材料会存储在私有环境中，管理员可以控制数据保留期限。与普通消费者版本不同，教师版会增加内容过滤，对于涉及学生评估、心理健康等敏感话题的请求会给出更谨慎的回答。 目前已有多个学区在试点中总结出实践经验。一些学校用 ChatGPT 为不同阅读水平的学生生成个性化练习题；另一些学校则让 AI 帮助批改作文和撰写评语，从而为教师节省大量时间。OpenAI 表示，未来会根据教师反馈继续优化模型，包括增加语音互动和更多学科专属功能。 AI 在教育领域的落地一直存在争议。教师担心学生依赖 AI 而失去独立思考能力，学校则担心数据隐私和学术诚信。OpenAI 的这套方案试图从教师端切入，先让教育者掌握 AI 工具，再逐步形成课堂使用的规范。能否真正普及，取决于学区基础设施、教师培训意愿和模型回答质量。如果试点成功，这将成为 OpenAI 进入公共部门的重要案例。 💡 技术纵深 ：OpenAI 进入美国公立学校系统，既是商业推广，也是公共政策实验。教师对 AI 的接受度会直接影响下一代人的使用习惯。但学校环境对数据隐私和内容公平性要求极高，ChatGPT 要真正成为教学基础设施，必须证明自己对敏感信息的处理足够谨慎。一旦出现教师或学生数据泄露，信任将很难修复。 小乌的点评：让教师先学会用 AI，而不是让学生直接拥抱 AI，可能是教育行业更稳妥的变革路径。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：OpenAI 🤔 小乌的深度思考 🤔 小乌的深度思考：OpenAI 进入美国公立学校系统，既是商业推广，也是公共政策实验。教师对 AI 的接受度会直接影响下一代人的使用习惯。但学校环境对数据隐私和内容公平性要求极高，ChatGPT 要真正成为教学基础设施，必须证明自己对敏感信息的处理足够谨慎。一旦出现教师或学生数据泄露，信任将很难修复。

💬 小乌点评 💡 小乌的点评：AI 不再只是发布会上的概念，Salesforce 的客户愿意为生成式 CRM 买单，才是真正值得关注的变化。 📰 原文详情 Salesforce 发布了 2026 财年第二季度财报，营收和非 GAAP 每股收益均超出华尔街预期。公司高管在业绩电话会上强调，与 Anthropic 的合作是本季度最重要的增长引擎之一。企业客户通过 Agentforce 平台调用 Claude 模型，在销售线索评分、客户工单归纳、营销邮件生成等核心场景中获得了显著的效率提升。管理层表示，AI 功能不仅带来了新客户，也推动存量客户向更高价位的 Agentforce 版本迁移，因此公司上调了全年订阅收入指引。 具体到数字，Salesforce 本季度的剩余履约义务同比增速较上季度有所加快，其中相当一部分来自 AI 相关的多年合同。虽然公司没有单独公布 AI 收入，但管理层透露，使用 Claude 模型最多的产品是销售云和服务云，这些产品的平均客单价在 AI 功能上线后出现了上升。另一方面，模型推理成本也对毛利构成压力。Salesforce 通过与 Anthropic 商定的缓存机制、批量预测和 token 压缩来降低单位成本，并强调与 Anthropic 的合作并不排他，未来仍会保留多模型策略。 财报公布后，Salesforce 股价盘后上涨。市场把这份业绩视为企业级 AI 商业化的积极信号：如果连传统 CRM 企业都能通过 AI 功能提升客户付款意愿，那么 AI 在办公、旅游、金融等垂直行业的渗透会更快。不过也有分析师提醒，Salesforce 的 AI 变现可能只是“套餐升级”的包装，客户整体 IT 预算在向 AI 倾斜，并不代表新的增量。 展望未来，Salesforce 需要证明 AI 功能可以持续带来高留存率和新客户，而不是短期提价工具。它同时面临两种风险：Anthropic 等模型公司可能向上游应用层渗透，以及微软 Dynamics 等对手在 AI 功能上的竞争。这份财报安抚了市场对“SaaS 被 AI 取代”的担忧，但真正的考验还在下半年。 ...

💬 小乌点评 💡 小乌的点评：云厂商一边加购 GPU，一边自研芯片，这种“用对手的算力发财”的姿态其实是理性的围猎。 📰 原文详情 亚马逊宣布未来两年将再向数据中心增加 200 万颗 Nvidia GPU 芯片，这相当于此前订单量的三倍。公司称，“需求激增”主要来自云计算客户对生成式 AI 推理和训练算力的持续投入，尤其是 AWS 上运行的模型规模越来越大，单个训练任务的 GPU 使用量远超早期阶段。这笔采购将覆盖 Nvidia 的多款现役和即将发布的加速卡，包括针对推理优化的型号。 除了单纯的芯片采购，亚马逊与 Nvidia 的合作范围也在扩展。AWS 将更深度地集成 Nvidia 的 CUDA、网络互联和 AI 企业软件栈，让企业客户可以更便捷地在云上部署大模型。双方还计划在液冷机架、数据中心布局和高性能网络方面联合优化，以应对下一代 GPU 的功耗和散热挑战。 对于 Nvidia 来说，亚马逊的追加订单进一步验证了 AI 基础设施投资的韧性。此前市场担心大型云厂商会在 GPU 上的资本开支放缓，但亚马逊的“三重采购”表明，头部客户仍在为 AI 算力排队。与此同时，AWS 也在自研芯片上继续投入，因此它与 Nvidia 的关系属于“既合作又竞争”。 这份订单也可能影响整个供应链。GPU 出货量提升将带动 HBM 内存、先进封装、铜连接和光模块等环节的需求，数据中心建设周期也会被拉长。亚马逊强调，这些新增算力会优先满足自动驾驶、医疗和工业 AI 等对延迟和稳定性要求较高的客户，而不是一次性集中投放。长期看，云厂商与芯片厂商的深度绑定正在成为 AI 时代的主要产业格局。 🔗 原文链接：TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考：亚马逊追加 200 万颗 GPU 的订单，意味着 AI 算力需求并未降温。真正值得警惕的是，AWS 也在加速自研芯片，Nvidia 的高端卡给亚马逊带来短期利润和长期替代诱因。云厂商与算力供应商的合作关系不是非此即彼，而是动态博弈，这会影响数据中心产业链的资本开支节奏和竞争格局。

💬 小乌点评 💡 自动驾驶卡车的商业化路径比Robotaxi更务实，但规模化仍需时间。 📰 原文详情 MarketWatch报道，自动驾驶卡车公司Kodiak AI有可能成为“长期赢家”，尤其是在特斯拉计划进入这一市场的背景下。Kodiak在第二季度已累计完成超过40,000小时的付费无人驾驶运营，这是衡量技术成熟度的关键数据。 卡车的自动驾驶与乘用车Robotaxi不同，长途货运路线相对固定，高速公路场景也比城市街道更可控。Kodiak采用“高速路段自动驾驶，园区路段人工接驳”的渐进方案，这让它能够在法规和商业之间找到较稳妥的落地方式。公司正争取在2026年底前推出高速公路无人驾驶运营。 分析师认为，自动驾驶卡车能缓解长途司机短缺问题，并降低物流成本，市场空间巨大。但挑战也很明显：安全监管、客户接受度，以及极端天气下的可靠性。Kodiak凭借先发运营数据和合作伙伴关系，正在建立自己的护城河。 💡 技术纵深 卡车的结构性短缺让自动驾驶有了更迫切的应用场景。特斯拉的入局会推高赛道关注度，但Kodiak用运营里程积累的真实数据，才是比马斯克发布会更硬的竞争力。 自动驾驶卡车的商业化路径比Robotaxi更务实，但规模化仍需时间。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：MarketWatch 🤔 小乌的深度思考 🤔 卡车的结构性短缺让自动驾驶有了更迫切的应用场景。特斯拉的入局会推高赛道关注度，但Kodiak用运营里程积累的真实数据，才是比马斯克发布会更硬的竞争力。

💬 小乌点评 💡 AI普及的关键不是单点模型突破，而是系统级降本增效。 📰 原文详情 OpenAI首席财务官Sarah Friar发表文章，阐述公司如何通过芯片、算力、模型和产品四个层面的协同进步，实现“充裕的智能”。她认为，这些技术栈的进展相互叠加，会产生复利效应，最终让更高水平的智能以更低成本触达更多人。 在芯片层，OpenAI与英伟达等供应商紧密合作，同时也在探索定制芯片，以降低大规模训练和推理的成本。计算层则涉及数据中心集群的调度效率，包括液冷散热、网络拓扑和故障恢复等基础设施工程。模型层的优化手段包括稀疏化、模型蒸馏、量化以及MoE架构，这些都能在减少算力消耗的同时保持输出质量。 产品层面，ChatGPT等应用通过语义缓存、批处理和智能路由，将单次推理的边际成本持续压低。Sarah Friar强调，不能只关注某个模型的参数规模，端到端的全栈效率才是AI服务价格持续下降的真正引擎。她预言，智能最终会像电力一样成为一种基础资源，而OpenAI的目标是让这种资源变得充足、廉价且易于获取。 💡 技术纵深 与其等待“下一个GPT-6”，不如关注算力利用率和系统工程优化。OpenAI正在用电力行业的逻辑，把AI从“奢侈品”变成“公共设施”。 AI普及的关键不是单点模型突破，而是系统级降本增效。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：OpenAI 🤔 小乌的深度思考 🤔 与其等待“下一个GPT-6”，不如关注算力利用率和系统工程优化。OpenAI正在用电力行业的逻辑，把AI从“奢侈品”变成“公共设施”。

💬 小乌点评 💡 企业AI落地的核心瓶颈不是模型，而是管理复杂度。 📰 原文详情 OpenAI发布了ChatGPT Work和Codex的Admin插件，让企业管理员可以直接在应用内管理工作区的使用情况。新插件可以分析成员用量、调整权限和额度限制，并及时处理管理请求，减少在后台界面和日常工作流之间反复切换的麻烦。 此前，企业管理员需要进入单独的网页控制台管理成员和账单；现在这些操作被嵌入到了ChatGPT Work和Codex的使用界面中。这意味着管理者可以更快地响应团队需求，也可以更直观地看到AI工具在企业内部的采用情况。 该插件也为自动化运维打下基础。未来，管理员可以设置自动提醒，当某个团队的token消耗接近上限时自动触发审批或降级策略。这是OpenAI从“开发工具提供商”向“企业级AI操作系统”转变的重要一步。 企业在规模化采用生成式AI时，最关心的是成本控制、数据安全和合规性。Admin插件看似只是功能补充，实际上回应了这些核心痛点。让IT管理员拥有更强的掌控感，是OpenAI打开企业市场的重要筹码。 💡 技术纵深 大模型再强，没有权限管理和预算控制就很难进入严肃的生产环境。Admin插件是OpenAI补齐企业服务闭环的关键，也是促使CIO们放心买单的“最后一公里”。 企业AI落地的核心瓶颈不是模型，而是管理复杂度。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：OpenAI 🤔 小乌的深度思考 🤔 大模型再强，没有权限管理和预算控制就很难进入严肃的生产环境。Admin插件是OpenAI补齐企业服务闭环的关键，也是促使CIO们放心买单的“最后一公里”。