[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-daily-2026-07-15":3},{"daily":4,"dates":278},{"bizDate":5,"vertical":6,"leadText":7,"top":8,"sections":89},"2026-07-15","ai","今天的主线是效率与约束的对撞:腾讯混元把大模型压到单 GPU 可跑,谷歌把同声传译做到近实时,Kimi K3 和 GPT-5.6 紧随其后压价提效,模型层面正在从堆算力转向抠效率。但另一头,纽约州昨天签署行政令暂停全州新建数据中心一年——三家海外媒体同时报道,是本轮 AI 基础设施扩张第一次被政府正面叫停,DeepMind 的哈萨比斯也借势呼吁尽快建立全球监管机构。人才战线同样白热化:苹果起诉 OpenAI 窃密未歇,Anthropic 转头就把卡帕西等顶尖人才收入麾下。算力和政策的角力才刚开始,今天先看这三条:纽约州数据中心禁令、腾讯混元 Hy3、Anthropic 招揽顶尖人才。",[9,18,27,35,44,51,60,68,76,83],{"heat":10,"score":11,"src":12,"rank":10,"lab":13,"body":14,"title":15,"analysis":16,"url":17},1,77,"Google Developers Blog","官方网站","工程师在Ironwood TPU上优化Qwen 3.5-397B MoE模型，通过混合并行和自定义内核实现4.7倍推理加速。","系统工程手册：在 Ironwood (TPUv7) 上优化 Qwen 3.5-397B MoE","本文分享了在 Ironwood TPU 上优化 397B 参数 Qwen 3.5 MoE 模型的实际工程经验，实现了最高 4.7 倍推理加速，对大规模模型部署极具参考价值。\n· 工程师采用混合数据并行与专家并行拓扑，绕过硬件分片限制，优化跨设备 token 路由。\n· 通过自定义低层级通信融合（如分层 reduce-scatter），显著提升通信效率。\n· 开发硬件感知的自定义内核，包括批处理分页注意力和融合门控 DeltaNet 块，充分饱和 HBM 带宽与 TensorCore。\n· 最终系统吞吐接近理论极限，为 MoE 模型在 TPU 上的高效推理提供了可复现的工程范式。\n影响\u002F看点：该方案展示了软硬件协同优化的极致潜力，对 AI 基础设施团队有直接指导意义。","https:\u002F\u002Fdevelopers.googleblog.com\u002Fsystems-engineering-playbook-optimizing-qwen-35-397b-moe-on-ironwood-tpu7x\u002F",{"heat":19,"score":20,"src":21,"rank":19,"lab":22,"body":23,"title":24,"analysis":25,"url":26},2,73,"X：腾讯混元 (@TencentHunyuan)","X 官方账号","腾讯混元发布Hy3模型1-bit和4-bit量化版，单GPU即可运行，采用Apache 2.0开源协议。","腾讯混元发布Hy3模型1-bit\u002F4-bit量化版，单GPU可运行","腾讯混元将旗舰级 295B MoE 模型 Hy3 量化至 1-bit 和 4-bit，使单 GPU 即可运行，大幅降低部署门槛。\n· 1-bit 量化版将权重从 598GB 压缩至 85.5GiB，一张 96GB 推理显卡即可部署，适合硬件受限场景。\n· 4-bit 量化版体积 169.9GiB，两张显卡即可承载，效果接近满血模型，适合有限资源下追求性能。\n· 量化版通过 llama.cpp 运行并支持 MTP 投机解码，1-bit 版解码速度提升约 50%，4-bit 版提升近 60%。\n· 模型采用 Apache 2.0 开源协议，支持商用，并提供 2 周免费 API（通过 OpenRouter）。\n影响\u002F看点：Hy3 量化版让旗舰级模型从多卡集群走向单卡本地，极大降低了部署成本，有望推动更多开发者和企业在本地运行高性能模型。","https:\u002F\u002Fx.com\u002FTencentHunyuan\u002Fstatus\u002F2076953120765280284",{"heat":19,"score":20,"src":28,"rank":29,"lab":30,"body":31,"title":32,"analysis":33,"url":34},"The Verge AI",3,"综合资讯","SpaceXAI的Grok编程工具被发现将用户完整代码库上传至谷歌云，现已禁用该功能。","SpaceXAI的Grok编程工具被曝上传用户完整代码库至云端","SpaceXAI的Grok编程工具被曝上传用户完整代码库至云端，引发隐私担忧。\n· 安全研究公司Cereblab发现，Grok Build CLI工具会将用户整个代码库打包上传至Google Cloud，包括被明确指示不要打开的文件以及从历史记录中删除的密钥。\n· 相比之下，类似工具如Claude Code仅上传必要数据，Grok的上传范围远超合理需求。\n· 报告发布后，SpaceXAI服务器返回“disable_codebase_upload: true”标志，上传功能已被关闭。\n· Elon Musk对此事件作出回应，但具体内容未在摘要中详述。\n影响\u002F看点：此事件凸显AI编程工具在数据隐私方面的风险，用户需警惕工具权限，企业应加强透明度。","https:\u002F\u002Fwww.theverge.com\u002Fai-artificial-intelligence\u002F965600\u002Fspacexai-grok-build-repository-upload",{"heat":36,"score":37,"src":38,"rank":36,"lab":39,"body":40,"title":41,"analysis":42,"url":43},4,66,"X：阿易 AI Notes (@AYi_AInotes)","X 媒体 \u002F KOL","Anthropic 发布 Claude for Teachers，为美国 K-12 认证教师免费提供高级功能，旨在赋能教师而非学生。","Anthropic 发布 Claude for Teachers，为美国 K-12 教师免费提供高级功能","Anthropic 发布 Claude for Teachers，免费为美国 K-12 教师提供高级功能，其策略是赋能教师而非学生，认为这样杠杆效应更大。\n· 产品内置全美 50 州学术标准，教师无需额外合规成本。\n· 隐私标准与工会联合制定，教学技能库全部开源，体现对教师权益的尊重。\n· Claude 被定位为“认知外骨骼”，覆盖备课、差异化材料、学情分析及重复任务自动化。\n· 这一策略颠覆了主流 AI 教育产品直接面向学生的做法，转而通过改变教师来影响学生。\n看点：Anthropic 的教师优先策略可能重塑 AI 教育方向，更务实且可持续。","https:\u002F\u002Fx.com\u002FAYi_AInotes\u002Fstatus\u002F2077080777431425421",{"heat":19,"score":45,"src":28,"rank":46,"lab":30,"body":47,"title":48,"analysis":49,"url":50},69,5,"苹果起诉OpenAI，指控其前员工窃取商业机密，OpenAI面临新诉讼。","Sam Altman不需要另一场诉讼","OpenAI 再陷诉讼泥潭，这次来自苹果，核心指控是前员工窃取商业机密用于 OpenAI 利益，可能危及 OpenAI 的硬件投资计划。\n· 苹果在加州联邦法院起诉，称前员工“为 OpenAI 利益窃取苹果商业机密”，涉及产品开发、制造、供应链等敏感领域。\n· 诉状长达 41 页，强调苹果对机密信息的严格保护，并指控 OpenAI 从中受益。\n· 这起诉讼是 OpenAI 今年面临的一系列法律纠纷中最新、最引人注目的一起，此前已有马斯克等发起诉讼。\n· 诉讼焦点可能影响 OpenAI 正在推进的昂贵硬件战略，若败诉或面临技术路线调整。\n看点：苹果的加入使 OpenAI 法律风险升级，硬件计划的不确定性增加，行业竞争格局或因此生变。","https:\u002F\u002Fwww.theverge.com\u002Fai-artificial-intelligence\u002F965294\u002Fopenai-apple-trade-secrets-lawsuit-sam-altman-ipo",{"heat":10,"score":52,"src":53,"rank":54,"lab":55,"body":56,"title":57,"analysis":58,"url":59},72,"Apple Machine Learning Research",6,"学校机构","苹果发布Pare框架，将应用建模为有限状态机，用于构建和评估主动智能体。","主动智能体研究环境：模拟活跃用户以评估主动助手","主动智能体（Proactive Agent）能预判用户需求并自主执行任务，但缺乏真实用户模拟环境是研发瓶颈。苹果研究团队提出Pare框架，将应用建模为有限状态机，以支持状态化、序列化的用户交互模拟。\n· 现有方法将应用视为扁平工具调用API，无法捕捉数字环境中的状态依赖和操作顺序，导致用户模拟不现实。\n· Pare框架将应用建模为有限状态机，每个状态代表一个界面或模式，动作触发状态转移，从而支持更真实的用户行为模拟。\n· 该框架可用于构建和评估主动智能体，使其在模拟环境中学习何时以及如何主动提供帮助。\n· 通过模拟活跃用户，研究者可以测试智能体在复杂多步骤任务中的表现，而无需真实用户参与。\n影响\u002F看点：Pare为主动智能体的研发提供了标准化测试平台，有望加速从“被动响应”到“主动服务”的AI助手进化。","https:\u002F\u002Fmachinelearning.apple.com\u002Fresearch\u002Fproactive-agent-research-environment",{"heat":10,"score":61,"src":62,"rank":63,"lab":30,"body":64,"title":65,"analysis":66,"url":67},71,"TechCrunch AI",7,"苹果发布iOS 27公测版，向所有用户开放新版AI驱动的Siri。","苹果向所有用户开放新版Siri AI，iOS 27公测版发布","苹果向所有用户开放新版Siri AI，iOS 27公测版发布，AI助手全面升级。\n· 苹果于周二发布iOS 27公测版，用户无需安装开发者测试版即可体验AI驱动的Siri。\n· 新版Siri集成更强大的AI能力，支持更自然的对话和复杂任务处理。\n· 公测版还包含其他新功能，正式版将于今年秋季随iOS 27正式发布。\n影响\u002F看点：苹果此举加速AI助手普及，Siri的升级将提升iPhone用户体验，并推动AI在移动端的应用。","https:\u002F\u002Ftechcrunch.com\u002F2026\u002F07\u002F14\u002Fapple-opens-its-new-siri-ai-to-everyone-with-the-ios-27-public-beta\u002F",{"heat":10,"score":69,"src":70,"rank":71,"lab":22,"body":72,"title":73,"analysis":74,"url":75},70,"X：Google AI for Developers (@googleaidevs)",8,"Google AI发布Gemini 3.5 Live Translate，支持70+语言近实时语音到语音翻译，保留语调节奏。","Google AI 发布 Gemini 3.5 Live Translate，支持 70+ 语言近实时语音到语音翻译","Google AI发布Gemini 3.5 Live Translate，支持70+语言近实时语音到语音翻译，直接处理原始音频流，保留语调、节奏和音高等副语言信息。\n· 模型直接处理原始音频流，而非先转写文本再翻译，从而保留说话者的语调、节奏和音高，使翻译更自然。\n· 东南亚超级应用Grab正探索将其用于司机与乘客间的跨语言沟通，其用户每月发起超1000万次语音通话。\n· 开发者可通过Gemini Live API集成LiveKit、Fishjam、Pipecat或Vision Agents构建应用。\n· LiveKit已实现虚拟会议室多语言即时理解；Software Mansion结合MoQ协议突破流媒体瓶颈；VisionAgents AI展示动态多语言切换能力。\n影响\u002F看点：Gemini 3.5 Live Translate将实时语音翻译推向新高度，尤其对多语言沟通场景（如出行、会议）具有变革意义。","https:\u002F\u002Fx.com\u002Fgoogleaidevs\u002Fstatus\u002F2077049898059354565",{"heat":10,"score":69,"src":77,"rank":78,"lab":13,"body":79,"title":80,"analysis":81,"url":82},"NVIDIA Technical Blog",9,"NVIDIA举办Kaggle竞赛，5000多名参赛者探索提升AI推理准确性的技术方法。","排行榜启示：5000多名Kaggle参赛者教我们如何提升AI推理能力","NVIDIA Nemotron模型推理挑战赛吸引5000多名Kaggle参赛者，揭示提升AI推理能力的关键技术。\n· 比赛要求参赛者从相同的开源模型、基准测试、基础设施和评估约束出发，探索提升推理准确性的技术。\n· 超过5000名活跃参与者组成4000多支队伍，提交了数千种方案。\n· 获胜技术包括链式思维提示、自我一致性、集成方法等，显著提升了模型在数学、逻辑等任务上的表现。\n· 比赛结果强调了数据质量、推理步骤分解和模型校准的重要性。\n影响\u002F看点：该挑战赛为AI推理研究提供了宝贵经验，社区协作推动了推理技术的进步，对开发更智能的AI系统具有指导意义。","https:\u002F\u002Fdeveloper.nvidia.com\u002Fblog\u002Flessons-from-the-leaderboard-what-5000-kagglers-taught-us-about-improving-ai-reasoning\u002F",{"heat":10,"score":45,"src":62,"rank":84,"lab":30,"body":85,"title":86,"analysis":87,"url":88},10,"纽约州暂停所有新数据中心建设，州长称AI建设热潮不应牺牲电力和水资源。","纽约州暂停所有新数据中心建设","纽约州州长Kathy Hochul签署行政令，暂停所有50兆瓦及以上大型数据中心的建设许可，预计影响十多个项目，禁令为期约一年。\n· 行政令由州环境保护部执行，不再发放未完成的许可证。\n· 资源担忧是部分原因，但更广泛的AI焦虑也是背后推手：皮尤调查显示仅10%美国人对AI感到兴奋，23%认为AI对工作有积极影响。\n· Hochul强调“进步不应带来更高的水电费、枯竭的水源或噪音污染”，数据中心必须获得当地社区同意。\n· 州政府还在考虑要求数据中心向电网基金缴费，并阻止超大规模数据中心享受税收优惠。\n· 立法机构也在推进更严格措施：一项法案拟暂停20兆瓦以上数据中心建设一年，另一项拟暂停三年。\n影响\u002F看点：纽约州成为全美首个实施数据中心暂停令的州，AI基础设施扩张与社区利益之间的冲突将愈发激烈。","https:\u002F\u002Ftechcrunch.com\u002F2026\u002F07\u002F14\u002Fnew-york-state-halts-construction-of-all-new-data-centers\u002F",[90,116,155,191,231],{"no":91,"count":36,"en":92,"arts":93,"zh":115},"01","MODEL RELEASES",[94,95,101,108],{"heat":19,"score":20,"src":21,"lab":22,"body":23,"title":24,"analysis":25,"url":26},{"heat":10,"score":37,"src":96,"lab":39,"body":97,"title":98,"analysis":99,"url":100},"X：Rohan Paul (@rohanpaul_ai)","蚂蚁集团旗下Robbyant发布LingBot-VA 2.0视频动作基础模型，专为机器人控制设计，采用稀疏MoE架构，支持跨本体迁移和零样本新任务。","蚂蚁集团旗下 Robbyant 发布 LingBot-VA 2.0 视频动作基础模型","蚂蚁集团旗下Robbyant发布LingBot-VA 2.0视频动作基础模型，专为机器人控制设计，性能显著提升。该模型在效率和适应性上取得突破，值得机器人领域关注。\n· 模型采用稀疏MoE架构，总参数约13B，但每个token仅激活约1.9B参数，通过前瞻推理和系统加速实现峰值225Hz的异步执行频率，兼顾性能与效率。\n· 高层视觉语言规划器负责分解长任务，底层视频动作策略处理连续运动，形成层次化控制框架。模型仅需10-15次演示即可适应新任务，支持跨机器人本体迁移和零样本学习。\n· 在RoboTwin 2.0基准上平均得分93.6，真实世界测试优于前代LingBot-VA和π0.5，证明其实际部署能力。\n影响\u002F看点：LingBot-VA 2.0展示了视频动作模型在机器人领域的巨大潜力，低样本适应性和跨本体迁移能力将加速机器人应用的落地。","https:\u002F\u002Fx.com\u002Frohanpaul_ai\u002Fstatus\u002F2076808536294887547",{"heat":10,"score":102,"src":103,"lab":39,"body":104,"title":105,"analysis":106,"url":107},64,"X：宝玉 (@dotey)","开发者泄露了 GPT 5.6 Sol 在 Codex Desktop 中的完整 System Prompt，超过 42000 词，定义了其智能体人格和工作流程。","GPT 5.6 Sol 在 Codex Desktop 的 System Prompt 泄露","GPT 5.6 Sol 在 Codex Desktop 的 System Prompt 泄露，揭示了其作为智能体的详细设定和工作流程。\n· System Prompt 超过 42,000 词，定义了 Codex 基于 GPT-5 的智能体角色。\n· 人格设定强调好奇心与丰富个性，沟通风格自然如老友。\n· 工作流程包括评论通道和最终通道，支持多任务处理，并能自动总结历史对话。\n· 技术沟通注重结果先行、语言简洁，避免过度格式化。\n看点：泄露的 Prompt 展示了 OpenAI 在智能体设计上的精细考量，对开发者有重要参考价值。","https:\u002F\u002Fx.com\u002Fdotey\u002Fstatus\u002F2077089452430594089",{"heat":10,"score":109,"src":110,"lab":39,"body":111,"title":112,"analysis":113,"url":114},61,"X：Artificial Analysis (@ArtificialAnlys)","阿里 Qwen-Audio-3.0-TTS-Plus 在语音竞技场排行榜上以 1236 Elo 分登顶，超越其他竞品。","阿里 Qwen-Audio-3.0-TTS-Plus 登顶语音竞技场排行榜","阿里 Qwen-Audio-3.0-TTS-Plus 登顶语音竞技场排行榜，超越多个竞品，展现强劲实力。\n· 模型以 1,236 Elo 分领先，生成速度每秒 16 个字符，定价每百万字符 27.59 美元。\n· 相比竞品，其自然度和上下文语调有显著提升。\n· 这是阿里在语言、图像、视频生成领域持续发布后的又一成果。\n· 登顶排行榜证明其在 TTS 技术上的领先地位。\n看点：阿里在多模态 AI 领域的全面布局正逐步显现，TTS 的突破将推动语音交互应用。","https:\u002F\u002Fx.com\u002FArtificialAnlys\u002Fstatus\u002F2077140161335631957","模型发布\u002F更新",{"no":117,"count":71,"en":118,"arts":119,"zh":154},"02","PRODUCT LAUNCHES",[120,121,122,123,130,136,142,147],{"heat":10,"score":61,"src":62,"lab":30,"body":64,"title":65,"analysis":66,"url":67},{"heat":10,"score":69,"src":70,"lab":22,"body":72,"title":73,"analysis":74,"url":75},{"heat":36,"score":37,"src":38,"lab":39,"body":40,"title":41,"analysis":42,"url":43},{"heat":10,"score":124,"src":125,"lab":39,"body":126,"title":127,"analysis":128,"url":129},65,"X：Kim (@kimmonismus)","PixVerse发布实时AI视频生成游戏，玩家描述意图即可生成交互式视频响应。","PixVerse Game：实时 AI 视频生成游戏，玩家意图驱动交互","PixVerse Game发布，主打实时交互式AI视频游戏，玩家通过描述意图驱动游戏机制和AI智能体，系统实时生成视频流响应。\n· 不同于大多数“AI做游戏”演示的固定回放，PixVerse Game实现玩家意图、游戏机制、生成视频响应三者循环。\n· 玩家描述意图（如“创建一个追逐场景”），系统将其转化为游戏机制和AI智能体，并实时生成视频流。\n· 该技术攻克了多数项目回避的实时交互视频生成难点。\n影响\u002F看点：PixVerse Game展示了AI视频生成从被动输出到主动交互的跨越，可能开启AI原生游戏的新范式。","https:\u002F\u002Fx.com\u002Fkimmonismus\u002Fstatus\u002F2077002223612276866",{"heat":10,"score":124,"src":131,"lab":30,"body":132,"title":133,"analysis":134,"url":135},"IT之家","高德发布通用世界模型工坊ABot-WorldStudio，输入文字或图片即可生成可交互的AI世界。","内置“任意门”，高德发布通用世界模型工坊 ABot-WorldStudio","高德发布通用世界模型工坊 ABot-WorldStudio，将交互式视频生成与 3DGS 场景生成统一，用户输入文字或图片即可生成可实时交互的 AI 世界。\n· 工坊可在单张 5090 上本地部署，不设推理时长上限，实测连续推理超过 1 小时无崩溃、无质量衰减。\n· 内置“时空任意门”，每穿越一次即跃迁到另一个完整 3D 世界，将孤立场景编织成无界探索网络。\n· 底层模型 ABot-World0（视频生成）与 ABot-3DWorld0（3D 生成）均可在单块消费级 GPU 上推理，已全面开源。\n· 应用场景包括具身智能仿真训练场、游戏世界探索、影视分镜快速生成、文旅教育沉浸体验等。\n影响\u002F看点：ABot-WorldStudio 突破了传统世界模型时长限制和场景孤立问题，为内容创作、仿真训练等领域提供了低成本、高保真的交互式世界生成工具。","https:\u002F\u002Fwww.ithome.com\u002F0\u002F976\u002F538.htm",{"heat":10,"score":137,"src":125,"lab":39,"body":138,"title":139,"analysis":140,"url":141},63,"Kimi K3预计明日发布，其开源模型K2.6在长会话和工具调用上表现强劲。","Kimi K3 预计明日发布，K2.6 开源模型表现强劲","Kimi K3预计7月15日发布，其前代K2.6开源模型表现强劲，支持256K上下文和原生视觉，可生成全栈应用并协调多达300个子智能体。\n· K2.6在长会话、工具调用可靠性及成本控制上突出：月之暗面展示过持续12-13小时的自主编码。\n· Vercel报告Next.js基准测试提升超50%，CodeBuddy工具调用成功率达96.6%。\n· 当前OpenRouter上K2.6价格约为Claude Opus 4.6的七分之一，已处理386B tokens。\n· K3被视为重大升级，预计在长周期任务和性能上超越GLM-5.2。\n影响\u002F看点：Kimi K3的发布将加剧开源大模型竞争，其低成本高性能策略可能吸引更多开发者。","https:\u002F\u002Fx.com\u002Fkimmonismus\u002Fstatus\u002F2077049588356178269",{"heat":10,"score":137,"src":12,"lab":13,"body":143,"title":144,"analysis":145,"url":146},"谷歌在I\u002FO Connect India上展示基于Tensor和Pixel的完全离线设备端AI功能，并发布Tensor SDK测试版。","谷歌Tensor与Pixel开启设备端AI新纪元","谷歌在Google I\u002FO Connect India上展示由定制Tensor SoC和TPU驱动的Pixel 10系列，实现100%私有的设备端AI，并发布轻量级Gemma 4 E2B模型。\n· Gemma 4 E2B模型原生运行于设备，支持完全离线的多模态功能，如AI聊天、实时图像识别和个人智能体任务。\n· 开发者可通过新发布的Tensor SDK beta及开源资源开始构建安全、边缘应用。\n影响\u002F看点：谷歌Tensor与Pixel的组合将设备端AI推向新高度，强调隐私和离线能力，可能改变移动AI应用格局。","https:\u002F\u002Fdevelopers.googleblog.com\u002Funlocking-the-next-era-of-on-device-ai-with-google-tensor-and-pixel\u002F",{"heat":10,"score":148,"src":149,"lab":39,"body":150,"title":151,"analysis":152,"url":153},62,"X：Oran Ge (@oran_ge)","Cola从传统Chat转型为沉浸式桌面AI搭档，新增长期记忆、编码界面和技能中心。","Cola 全新改版，转型沉浸式桌面 AI 搭档","Cola完成重大改版，从传统Chat转型为沉浸式桌面AI搭档，新增长期记忆、多项目并行编码界面、技能中心等功能。\n· Chat支持长期记忆与全新文件交付面板；Coding提供专业多项目多任务并行界面。\n· 技能中心精选PPT、网页、设计、视频等Skills，每日更新推荐。\n· 觉知（原心迹）优化并新增金句卡片生成；切换模型不再清空上下文。\n· 内置模型即将升级，更超值的Token Plan在研发中；闹钟功能全面优化。\n影响\u002F看点：Cola的改版体现了AI助手从对话工具向全能桌面搭档的进化，强调沉浸式体验和任务整合。","https:\u002F\u002Fx.com\u002Foran_ge\u002Fstatus\u002F2077010664221270242","产品发布\u002F更新",{"no":156,"count":71,"en":157,"arts":158,"zh":190},"03","INDUSTRY",[159,160,161,167,168,174,179,185],{"heat":19,"score":20,"src":28,"lab":30,"body":31,"title":32,"analysis":33,"url":34},{"heat":19,"score":45,"src":28,"lab":30,"body":47,"title":48,"analysis":49,"url":50},{"heat":10,"score":45,"src":162,"lab":30,"body":163,"title":164,"analysis":165,"url":166},"Ars Technica AI","纽约州成为首个暂停大型数据中心建设一年的州，以制定负责任开发标准。","纽约州禁止数据中心建设一年，震动 AI 行业","纽约州成为美国首个暂停大型数据中心建设的州，州长Kathy Hochul宣布为期一年的禁令，适用于50兆瓦及以上的数据中心，震动AI行业。\n· 禁令持续一年，直至州政府制定出“负责任数据中心开发”的一致标准。\n· 全美范围内，因污染、能源成本上升和水资源短缺担忧，叫停数据中心建设的呼声日益高涨。\n· 联邦层面，参议员Bernie Sanders和众议员Alexandria Ocasio-Cortez已提出立法，寻求全国性建设禁令。\n· 但共和党人不太可能支持，因特朗普声称此类禁令会威胁美国在AI竞赛中的领先地位。\n影响\u002F看点：纽约州的禁令可能引发连锁反应，其他州或效仿，AI行业的数据中心扩张将面临更严格的监管审查。","https:\u002F\u002Farstechnica.com\u002Ftech-policy\u002F2026\u002F07\u002Fnew-york-is-the-first-state-to-impose-a-data-center-moratorium\u002F",{"heat":10,"score":45,"src":62,"lab":30,"body":85,"title":86,"analysis":87,"url":88},{"heat":10,"score":169,"src":62,"lab":30,"body":170,"title":171,"analysis":172,"url":173},67,"多家大型出版商起诉谷歌，指控其未经许可使用版权作品训练AI。","谷歌因AI训练再遭多家大型出版商起诉","谷歌因AI训练再遭多家大型出版商起诉，指控其使用版权作品训练Gemini模型。\n· 原告包括Hachette、Cengage、Elsevier、作家Scott Turow等，指控谷歌故意移除或修改版权信息以掩盖训练数据来源。\n· 谷歌辩称其行为属于“合理使用”，此前加州法院的两项裁决支持了AI公司的立场。\n· 然而，Anthropic因盗用作品训练被罚款15亿美元，创下美国版权法最高赔偿纪录。\n· 本案在纽约南区联邦法院审理，不同法官可能给出不同判决。\n· 出版商指出，谷歌此前通过Google Books合法使用作品，但未经许可用于AI训练。\n影响\u002F看点：此案可能重塑AI训练数据的版权边界，对AI行业的数据使用政策产生深远影响。","https:\u002F\u002Ftechcrunch.com\u002F2026\u002F07\u002F14\u002Fgoogle-faces-another-ai-training-lawsuit-from-major-publishers\u002F",{"heat":10,"score":169,"src":131,"lab":30,"body":175,"title":176,"analysis":177,"url":178},"DeepSeek以710亿美元投前估值启动新一轮融资谈判，资金将用于数据中心和AI芯片采购。","消息称 DeepSeek 以 710 亿美元估值开启新一轮融资谈判","DeepSeek 在完成首轮外部融资仅一个多月后，就传出以 710 亿美元投前估值开启新一轮融资谈判，凸显 AI 领域对资金的极度渴求。\n· 据《金融时报》报道，DeepSeek 本周开始与新投资者初步磋商，计划以 710 亿美元投前估值融资，较 5 月末 520 亿美元投后估值大幅提升。\n· 首轮外部融资约 70 亿美元，其中约 30 亿美元来自创始人梁文峰，投后估值 520 亿美元（不同消息源表述有出入）。\n· 如此短间隔启动新一轮融资，主因是为大规模数据中心建设和 AI 芯片购买提供雄厚资金支持。\n· DeepSeek 尚未对报道作出回应。\n看点：估值在两个月内飙升近 40%，反映市场对头部 AI 模型的狂热追捧，但也引发对 AI 投资泡沫的担忧。","https:\u002F\u002Fwww.ithome.com\u002F0\u002F976\u002F713.htm",{"heat":10,"score":37,"src":180,"lab":39,"body":181,"title":182,"analysis":183,"url":184},"X：卡兹克 (@Khazix0918)","多位AI、金融、学术领域顶尖人物以MTS身份加入Anthropic，包括前OpenAI创始成员Karpathy等。","多位AI、金融、学术领域顶尖人物加入Anthropic","多位顶尖人才从不同领域涌入Anthropic，这不仅是人才流动，更是对AI未来十年方向的集体押注。\n· 加入者包括前OpenAI创始成员Andrej Karpathy、诺贝尔化学奖得主John Jumper、Workday前CTO Peter Bailis等，覆盖AI、金融、学术多个领域。\n· 所有新成员均以MTS（成员技术员工）身份加入，而非高管职位，表明Anthropic注重技术深度而非管理头衔。\n· Karpathy加入预训练团队，Jumper可能带来计算生物学视角，Bailis负责强化学习，分工明确。\n· 这一阵容反映出Anthropic在安全与前沿研究并重的战略下，对多学科交叉人才的渴求。\n影响\u002F看点：Anthropic正通过吸纳跨领域顶尖人才，构建一个比OpenAI更多元的研究生态，可能加速其在基础模型和AI安全上的突破。","https:\u002F\u002Fx.com\u002FKhazix0918\u002Fstatus\u002F2076890901830615375",{"heat":10,"score":37,"src":131,"lab":30,"body":186,"title":187,"analysis":188,"url":189},"马斯克承认Grok Build上传用户代码，承诺彻底删除所有历史数据。","马斯克承认 Grok Build 上传用户代码，SpaceXAI 承诺彻底删除","马斯克亲口承认 Grok Build 上传用户代码，并承诺彻底删除历史数据，这是 AI 编程工具领域罕见的公开认错事件，凸显了“本地优先”承诺与隐私信任之间的巨大鸿沟。\n· 安全研究员通过“钓鱼仓库”测试，发现 Grok Build 在仅需回答 OK 的任务中，仍将整个仓库（含假密钥）打包上传至 Google Cloud，传输量是正常对话流量的 27,800 倍。\n· “帮助改进模型”开关形同虚设，关闭后数据照传不误，说明该开关仅控制训练用途，而非数据是否离境。\n· 另一位研究者复现时发现，Grok Build 曾自动上传用户电脑主目录，可能包含 SSH 密钥、密码等敏感信息。\n· 马斯克回应“True”并承诺“一个字节不留”，但此举能否重建开发者信任仍是未知数。\n影响\u002F看点：此事件可能成为 AI 编程工具隐私合规的分水岭，迫使行业重新审视“本地优先”的真实含义与数据收集边界。","https:\u002F\u002Fwww.ithome.com\u002F0\u002F976\u002F453.htm","行业动态",{"no":192,"count":71,"en":193,"arts":194,"zh":230},"04","RESEARCH",[195,196,197,202,208,213,219,225],{"heat":10,"score":52,"src":53,"lab":55,"body":56,"title":57,"analysis":58,"url":59},{"heat":10,"score":69,"src":77,"lab":13,"body":79,"title":80,"analysis":81,"url":82},{"heat":10,"score":169,"src":110,"lab":39,"body":198,"title":199,"analysis":200,"url":201},"Artificial Analysis推出AA-Briefcase基准，衡量模型在长周期知识工作上的能力，指出复杂智能体任务成本上升。","Artificial Analysis 推出新基准 AA-Briefcase，指出复杂智能体任务成本上升","导读：Artificial Analysis 推出 AA-Briefcase 基准，揭示复杂智能体任务成本上升趋势，为评估长周期知识工作提供新工具。\n· 新基准衡量模型在多周项目、数千输入文件的长周期知识工作能力，模拟真实企业工作流。\n· 任务总成本由四因素决定：token 价格下降，但模型智能与 token 用量增长更快；智能体多轮交互导致历史输出转为输入，成本累积；不同模型 token 效率差异显著；长任务中提示词缓存命中率对降低成本至关重要。\n· 结论：尽管 token 单价下降，复杂智能体任务的总成本仍在上升，因为模型更智能但消耗更多 token。\n· AA-Briefcase 为开发者提供了评估模型在长期任务中性价比的标准。\n影响\u002F看点：成本上升挑战智能体应用的商业化，提示词缓存与 token 效率优化将成为关键。","https:\u002F\u002Fx.com\u002FArtificialAnlys\u002Fstatus\u002F2076791491071295708",{"heat":10,"score":37,"src":203,"lab":22,"body":204,"title":205,"analysis":206,"url":207},"X：Perplexity (@perplexity_ai)","Perplexity 开源其内部用于评估研究智能体深度与广度能力的基准测试 WANDR。","Perplexity 开源内部研究基准 WANDR","Perplexity 开源了内部研究基准 WANDR，旨在衡量 AI 在搜索中“广度与深度”兼备的能力，这对研究型智能体的评估至关重要。\n· WANDR 是 Perplexity 为构建其 Computer 产品而设计的内部测试，现已开源供社区使用。\n· 该基准强调在广泛搜索的同时深入挖掘信息，模拟真实研究场景。\n· 开源意味着其他团队可以复现和对比，推动研究型 AI 的标准化评估。\n· 此举体现了 Perplexity 对透明度和社区协作的承诺。\n看点：WANDR 可能成为衡量 AI 研究能力的新标杆，尤其对需要深度调研的领域影响深远。","https:\u002F\u002Fx.com\u002Fperplexity_ai\u002Fstatus\u002F2077099503723946121",{"heat":10,"score":37,"src":96,"lab":39,"body":209,"title":210,"analysis":211,"url":212},"新方法SSD通过并行预测图像行，将自回归图像模型加速最高13.28倍，性能与标准解码相当。","SSD：空间推测解码加速自回归图像生成最高 13.28 倍","空间推测解码（SSD）通过并行预测图像行，将自回归图像模型加速最高 13.28 倍。\n· SSD 不逐个预测 token，而是利用附近空间信息整行草拟，添加小型辅助网络同时向右和向下查看。\n· 辅助网络预测更易学习的内部特征而非精确视觉 token 标签，主模型并行审查每个草拟块并纠正错误。\n· 在 Janus-Pro、Lumina-mGPT 和 Emu3 上，生成速度提升 5.74 至 13.28 倍，基准分数与标准解码相当。\n· 更大 token 网格增益更高，小型训练头可加速过程。\n影响\u002F看点：SSD 大幅提升了自回归图像生成的效率，使高质量图像生成更接近实时，有望推动图像生成在实时应用中的普及。","https:\u002F\u002Fx.com\u002Frohanpaul_ai\u002Fstatus\u002F2076929618280661101",{"heat":10,"score":37,"src":214,"lab":55,"body":215,"title":216,"analysis":217,"url":218},"Nature Machine Learning","研究提出上下文感知的序列到功能模型，用于预测人类基因调控。","人类基因调控的上下文感知序列到功能模型","该论文提出了上下文感知的序列到功能模型，用于预测人类基因调控机制，是计算生物学领域的重要进展。\n· 模型整合了 DNA 序列上下文信息，提升了对调控元件功能的预测准确性。\n· 采用深度学习架构，能够从大规模基因组数据中学习复杂的调控模式。\n· 在多个细胞类型和条件下验证了模型的泛化能力，优于现有方法。\n· 为理解非编码区变异与疾病关联提供了新工具。\n影响\u002F看点：该模型有望加速精准医学中的基因调控研究，推动疾病机制发现。","https:\u002F\u002Fwww.nature.com\u002Farticles\u002Fs41467-026-75527-2",{"heat":10,"score":124,"src":220,"lab":22,"body":221,"title":222,"analysis":223,"url":224},"X：AI at Meta (@AIatMeta)","Meta AI 模型在亚洲物理奥林匹克竞赛理论考试中获得满分 30\u002F30，与前三名选手并列。","Meta AI 模型在亚洲物理奥赛理论考试中获满分","Meta AI 模型在亚洲物理奥赛理论考试中获满分，展示了其强大的推理和多模态能力。\n· 模型在理论部分获得 30\u002F30 满分，与前三名人类选手并列。\n· 该成绩证明 AI 在复杂科学推理上已达到顶尖水平。\n· Meta 感谢 APhO 委员会允许模型参赛，体现了开放合作态度。\n· 这一成就对 AI 在教育和科研领域的应用具有里程碑意义。\n看点：AI 在物理奥赛中的满分表现，预示着其在科学发现和教学中的巨大潜力。","https:\u002F\u002Fx.com\u002FAIatMeta\u002Fstatus\u002F2077138553210028042",{"heat":10,"score":102,"src":131,"lab":30,"body":226,"title":227,"analysis":228,"url":229},"西湖大学与阿里达摩院发布干细胞AI模型“归元”，可预测并调控细胞命运。","西湖大学联合阿里达摩院推出干细胞 AI 模型“归元”，可精准调控细胞命运","西湖大学与阿里达摩院联合推出干细胞 AI 模型“归元”，可预测近 400 万种药物组合对细胞命运的影响，并成功培育出高质量下胚层样干细胞，为细胞治疗和早期胚胎发育研究提供新范式。\n· 传统方法需数十年验证的组合扰动，归元模型通过双模态编码（分子结构+蛋白语言）统一表征，实现高效预测。\n· 模型具备可解释性，不仅能推荐最优组合，还能关联已知生物学信号通路，解释“为什么有效”。\n· 实验验证获得的下胚层样干细胞在分子特征上与天然细胞高度相似，且体外传代 50 代后仍保持功能。\n· 该成果有望推动体外造血、类胚胎构建及帕金森病细胞治疗等管线。\n影响\u002F看点：归元模型将 AI 从“黑盒预测”升级为“可解释的细胞命运调控工具”，为再生医学和药物发现开辟新路径。","https:\u002F\u002Fwww.ithome.com\u002F0\u002F976\u002F472.htm","论文研究",{"no":232,"count":71,"en":233,"arts":234,"zh":277},"05","TIPS & OPINIONS",[235,236,242,249,254,259,265,272],{"heat":10,"score":11,"src":12,"lab":13,"body":14,"title":15,"analysis":16,"url":17},{"heat":19,"score":109,"src":237,"lab":39,"body":238,"title":239,"analysis":240,"url":241},"X：Demis Hassabis (@demishassabis)","DeepMind创始人称AGI数年可至，影响达工业革命10倍，呼吁建立AI标准机构。","Demis Hassabis：AGI数年可至，影响达工业革命10倍","Google DeepMind 联合创始人 Demis Hassabis 发文称 AGI 可能仅需数年即可实现，其影响将达工业革命的 10 倍。\n· 前沿模型在网络安全、核与生物风险方面已构成挑战，未来需对日益智能体化、递归自我改进的系统建立稳健防护。\n· Hassabis 呼吁美国率先建立类似 FINRA 的前沿 AI 标准机构，采用联邦监督下的公私合作或自律组织模式。\n· 该机构应由独立技术专家和开源代表组成董事会，资金主要来自行业以吸引顶尖人才和算力。\n· 他强调当前商业与地缘竞赛导致技术进步快于理解，需以谨慎乐观态度推进公共政策，兼顾创新与安全。\n影响\u002F看点：Hassabis 的言论凸显了 AI 领域对 AGI 快速到来的预期，同时强调了建立监管框架的紧迫性，可能推动全球 AI 治理讨论。","https:\u002F\u002Fx.com\u002Fdemishassabis\u002Fstatus\u002F2076957440109625718",{"heat":10,"score":109,"src":243,"lab":244,"body":245,"title":246,"analysis":247,"url":248},"Simon Willison 博客","大咖博客","开发者用SQLite作为游戏引擎构建了Doom风格游戏DOOMQL，所有游戏逻辑和渲染均由SQLite实现。","DOOMQL：用 SQLite 作为游戏引擎的 Doom 风格游戏","导读：DOOMQL 用 SQLite 作为游戏引擎，实现了一个 Doom 风格游戏，展示了 SQL 在图形渲染与游戏逻辑中的极限应用。\n· 游戏完全由 SQLite 驱动，包括移动、碰撞、敌人、战斗、进度和每个像素的渲染。\n· 核心是一个巨大的 SQL 查询，使用递归 CTE 实现光线追踪。\n· 实现为 Python 终端脚本，运行后生成 SQLite 数据库，可用 Datasette 探索。\n· 开发者 Peter Gostev 使用 GPT-5.6 Sol 辅助构建，体现了 AI 辅助编程的潜力。\n影响\u002F看点：DOOMQL 是创意与技术的结合，证明 SQLite 可突破传统用途，为数据库应用提供新思路。","https:\u002F\u002Fsimonwillison.net\u002F2026\u002FJul\u002F13\u002Fdoomql\u002F#atom-everything",{"heat":10,"score":109,"src":77,"lab":13,"body":250,"title":251,"analysis":252,"url":253},"NVIDIA介绍如何使用RL智能体技能和NeMo运行自动化研究工作流，实现长期ML任务的自主操作。","如何使用RL智能体技能和NVIDIA NeMo运行自动研究工作流","NVIDIA 博客介绍了如何利用 RL 智能体技能和 NeMo 平台运行自动化研究工作流，让 AI 代理自主完成从代码检查到结果总结的全流程。\n· 全流程自动化：AI 代理可检查仓库、设置运行环境、解决构建问题、启动实验、监控执行、分析指标并总结结果。\n· 强化学习价值：对于 RL 研究，关键指标往往在实验基础设施完善后才显现，自动化能大幅缩短迭代周期。\n· 实用工具：结合 NVIDIA NeMo，开发者可快速部署此类工作流，减少手动操作。\n· 效率提升：将数天的工作压缩到几小时，尤其适合需要大量实验的 ML 研究。\n影响\u002F看点：该方案展示了 AI 代理从“聊天工具”向“科研助手”的进化，有望加速机器学习领域的创新速度。","https:\u002F\u002Fdeveloper.nvidia.com\u002Fblog\u002Fhow-to-run-an-autoresearch-workflow-with-rl-agent-skills-and-nvidia-nemo\u002F",{"heat":10,"score":109,"src":77,"lab":13,"body":255,"title":256,"analysis":257,"url":258},"NVIDIA展示如何使用智能体技能在一天内后训练Cosmos 3模型，提升视觉推理模型准确率。","使用智能体技能在一天内后训练NVIDIA Cosmos 3","NVIDIA 展示了如何使用智能体技能在一天内完成 Cosmos 3 视觉推理模型的后训练，将准确率提升至 90% 以上。\n· 痛点解决：传统后训练需要数天处理数据格式、容器设置、训练脚本等，而 AI 代理可自动完成这些步骤。\n· 高效流程：代理自主进行数据准备、基线评估、超参数搜索，无需人工干预。\n· 显著成果：在视频任务上，后训练后模型准确率突破 90%，且几乎无需手动调优。\n· 适用场景：特别适合需要快速适配生产视频任务的开发者。\n影响\u002F看点：该技术大幅降低了视觉模型后训练的门槛，让非专家也能高效优化模型，推动 AI 在视频领域的落地。","https:\u002F\u002Fdeveloper.nvidia.com\u002Fblog\u002Fpost-train-nvidia-cosmos-3-in-one-day-using-agent-skills\u002F",{"heat":10,"score":260,"src":38,"lab":39,"body":261,"title":262,"analysis":263,"url":264},60,"DeepMind 联合创始人 Demis Hassabis 预测 AGI 可能仅剩几年，并提议建立类似 FINRA 的前沿 AI 自律机构。","Demis Hassabis 长帖：AGI 可能仅剩几年，提议建 FINRA 式自律机构","Demis Hassabis 预测 AGI 可能仅剩几年，并提议建立 FINRA 式自律机构来监管前沿 AI。\n· 他警告前沿模型已在网络安全展现实际威胁，多代理系统出现绕过护栏等问题。\n· 提议由行业出资建立自律机构，只监管最头部实验室，发布前自愿提交审查。\n· 基准每季度更新，重点测试代理系统的欺骗行为，并强制输出可读推理 token。\n· 这一提议旨在在 AGI 到来前建立有效的安全机制。\n看点：Hassabis 的提议为 AI 治理提供了具体可行的路径，可能影响未来监管框架。","https:\u002F\u002Fx.com\u002FAYi_AInotes\u002Fstatus\u002F2077107924514533582",{"heat":10,"score":266,"src":267,"lab":30,"body":268,"title":269,"analysis":270,"url":271},59,"MarkTechPost","对比Mistral Vibe、Claude Code、Cursor和Codex四个编码智能体在从脚手架到PR任务上的表现。","Mistral Vibe for Code vs Claude Code vs Cursor vs Codex：四项智能体在脚手架到PR任务上的对比评测","本文对 Mistral Vibe for Code、Claude Code、Cursor 和 OpenAI Codex 四款编码智能体进行了同任务对比评测，为开发者选型提供参考。\n· 评测任务为在 Python\u002FFastAPI 服务中添加 \u002Fsubscriptions 端点，涵盖脚手架、测试和 PR 全流程。\n· 从功能脚手架、测试循环、PR 异步工作流、表面覆盖、成本与开放性五个维度评分。\n· Mistral Vibe for Code 以 22\u002F25 分排名第一，在成本与开放性上获满分。\n· Claude Code 和 OpenAI Codex 并列 21 分，分别强在测试循环和 PR 工作流。\n· Cursor 总分 16 分，在测试循环和成本控制上较弱。\n影响\u002F看点：评测结果揭示了各智能体的差异化优势，开发者可根据实际需求（如成本敏感或测试严谨性）选择最合适的工具。","https:\u002F\u002Fwww.marktechpost.com\u002F2026\u002F07\u002F14\u002Fmistral-vibe-for-code-vs-claude-code-vs-cursor-vs-codex-four-agents-scored-on-one-scaffold-to-pr-task\u002F",{"heat":10,"score":266,"src":180,"lab":39,"body":273,"title":274,"analysis":275,"url":276},"用户分享 Seedance 实用心得：有效提示词只需四部分，720p 响应最好，定稿后用 Topaz 放大到 4K。","Seedance 实用心得：提示词只需四部分，720p 响应最好","Seedance 实用心得分享：提示词只需四部分，720p 响应最好，省下的时间应花在构思故事上。\n· 有效 prompt 只需主体、场景、音乐、镜头四部分，无需分镜故事板。\n· 提示词非越长越好，不要加时间戳，720p 对提示词响应最佳，定稿后用 Topaz 放大到 4K。\n· 大部分网上提示词无效，需使用图生图生成角色参考。\n· 核心是花时间在创意而非技术细节上。\n看点：这些心得为视频生成用户提供了实用指南，强调创意优先于技术。","https:\u002F\u002Fx.com\u002FKhazix0918\u002Fstatus\u002F2077063527467278363","技巧与观点",[279,280,5,281,282,283,284,285,286,287,288,289,290,291,292,293,294,295,296,297,298,299,300,301],"2026-07-17","2026-07-16","2026-07-14","2026-07-13","2026-07-12","2026-07-11","2026-07-10","2026-07-09","2026-07-08","2026-07-07","2026-07-06","2026-07-05","2026-07-04","2026-07-03","2026-07-02","2026-06-28","2026-06-27","2026-06-26","2026-06-25","2026-06-24","2026-06-23","2026-06-22","2026-06-21"]