每早八时出报
AI · 模型 · 产业
新闻枢纽 · 日报
中文 AI 资讯
NEWSHUB DAILY
OpenAI 2025年净亏损达385亿美元，是2024年的近8倍，其中大部分为非现金会计费用，实际运营亏损约80亿美元。与此同时，DeepSeek获74亿美元融资成为中国估值最高AI创企，Tensordyne发布对数计算推理芯片性能远超Blackwell，SpaceX以600亿美元股票收购Cursor。AI产业在高速扩张中呈现财务分化与技术竞速的复杂图景。
IT之家（RSS）关联 4 源
阿里巴巴发布千问具身智能大模型Qwen-Robot系列，包含VLA操作模型Qwen-RobotManip、VLN移动模型Qwen-RobotNav和世界模型Qwen-RobotWorld三大模型。该系列为千问大模型家族首个完整的具身智能模型系列，三个模型分别对应机器人的手、脚和大脑，既可单独部署，也能协同运转。Qwen-RobotNav统一了指令跟随、点/目标导航、目标追踪和自动驾驶四类任务；Qwen-RobotManip基于超38,100小时开源数据语料库实现大规模多机型训练；Qwen-RobotWorld可跨操作、驾驶和导航场景预测未来。
Rohan Paul
Tensordyne宣布推出突破性推理系统，采用对数计算AI芯片，每瓦特token数比NVIDIA Blackwell高17倍，吞吐量高13倍。其核心数学创新是在硬件中直接实现高效对数计算，将对数空间中的乘法转化为加法，从而简化电路设计。该芯片使用更少晶体管，功耗更低，同时可集成更多张量引擎、高带宽SRAM和HBM3e内存及快速互连结构。在DeepSeek-R1上，Tensordyne声称每机架每秒处理363K tokens，而NVIDIA对比系统为27.4K。Napier处理器已完成流片，正在台积电3nm工艺节点生产。
Chubby♨️
智谱 AI 发布 GLM-5.2 模型，采用 MIT 许可证开放权重。该模型支持 100 万 token 上下文窗口，提供 max 和 high 两种推理模式，在长时编码 Agent 任务上表现更强。API 定价与 GLM-5.1 相同。据智谱介绍，GLM-5.2 专为大规模实施、自动化研究、性能优化和复杂调试而训练。
Chubby♨️
VibeThinker-3B 模型在可验证推理任务上取得显著成果：AIME26 得分 94.3，LiveCodeBench v6 的 Pass@1 为 80.2，未见过的 LeetCode 竞赛准确率达 96.1%。该模型基于 Qwen2.5-Coder，通过课程 SFT、多域 RL、离线自蒸馏和最终 RL 指令阶段的后训练获得提升。这表明某些可验证推理形式可高度压缩进小型密集模型。前沿模型在广泛知识和通用能力上仍重要，但紧凑推理模型正成为有潜力的补充路径。
华尔街见闻（RSS）
蚂蚁集团旗下支付宝完成20年来最大规模产品重构，从工具型APP向AI智能体平台演进。6月16日，AI版支付宝正式上线，智能助手定名“阿宝”。用户右滑进入全新对话界面，以自然语言调用平台上万种服务，原有层级菜单整合为统一对话入口。新版本已启动邀请测试，后续将逐步向全量用户开放。界面精简为“阿宝”与“资产”两个功能页，交互逻辑重构，用户通过对话框输入或语音表达需求，阿宝自动匹配服务并呈现操作界面。安全方面，阿宝仅承担流程导航角色，不触碰资金，所有支付或资金变动须用户本人确认。目前平台已有上万个服务完成适配，覆盖政务、出行、生活等场景。支付宝计划后续推出面向开发者、商家与服务商的Agent开放平台。
小互
从6月15日起，Claude 订阅用户的 Agent SDK 和 Claude-p 用量不再占用原有订阅套餐额度，而是获得一笔独立的“专用零花钱”。Pro 用户每月 $20，Max 5x 用户每月 $100，以此类推。该额度专门用于运行 Claude-p、Agent SDK 脚本或第三方 Agent App，与日常对话配额互不影响。额度用完后才会扣其他费用，未用完部分不滚存至下月，需手动领取后自动续期。
TechCrunch AI（RSS）关联 7 源
SpaceX 宣布将以 600 亿美元股票收购 AI 公司 Cursor，交易发生在后者 IPO 后数日。该收购旨在提振 SpaceX 表现不佳的 AI 部门。SpaceX 在 IPO 路演中向投资者表示，其 AI 业务可触及 26 万亿美元的市场规模。
华尔街见闻（RSS）关联 5 源
据英国《金融时报》援引经审计的财务文件，OpenAI 2025年总支出达340亿美元，净亏损约385亿美元，较2024年的51亿美元扩大近8倍。营收约130亿美元，研发费用192亿美元，销售与营销费用近58亿美元。385亿美元净亏损中大部分源于非现金会计费用，与股权结构转换有关，预计不会重复发生。剔除该费用及股权激励、微软计算资源抵扣等项目后，实际运营亏损约80亿美元。OpenAI已向SEC秘密提交IPO申请，部分高管和投资者预计最快今年秋季上市。
Rohan Paul关联 4 源
DeepSeek 完成 74 亿美元融资，估值达 500 亿美元，成为中国估值最高的 AI 初创公司。创始人梁文锋在融资前持有近 90% 股份，并作为最大出资方投入约 30 亿美元。DeepSeek 计划继续推进开源模型和 AGI 研究，同时帮助华为等国产芯片厂商在美芯片限制下运行强大模型。其他主要投资者包括腾讯（约 15 亿美元）、宁德时代（约 7.4 亿美元）和国家人工智能产业投资基金（约 1.5 亿美元）。
华尔街见闻（RSS）
摩根士丹利在6月15日的IT硬件行业报告中指出，AI时代的数据存储需求正重塑HDD行业供需格局。调研显示，2026年近线HDD供应缺口约300EB（10%-15%），2027-2028年缺口扩大至各400EB。需求端受AI推理和智能体工作负载推动，超大规模云厂商HDD部署率接近100%，供应链库存仅1-2周。供给端受制于厂商不新建产能，年复合增速约30-35%，低于需求增速40-50%。定价方面，供应商内部目标价为每TB 25-30美元，是当前均价14.30-14.90美元的两倍，现货市场部分经销商已以30-35美元交易。供应商正缩短长期协议签约期限，不愿锁定定价权超过12个月。增量定价几乎100%转化为利润，乐观情景下希捷和西部数据CY28 EPS可达100美元和70美元以上，较CY25增长约10倍。新进入者面临技术认证周期长、垂直整合要求高、供应链集中等障碍。摩根士丹利给予希捷和西部数据增持评级，短期首选希捷。
华尔街见闻（RSS）
美国电力基础设施面临结构性瓶颈，变压器交货周期飙升至历史峰值。据Wood Mackenzie 2025年第二季度调查，标准电力变压器平均交货周期达128周（约两年半），发电机升压变压器达144周，部分订单甚至延伸至四年，而疫情前正常交期仅为12至16周。自2019年以来，电力变压器价格累计上涨77%，配电变压器涨幅达78%至95%。需求端扩张远超供给：发电机升压变压器需求增长274%，电力变压器需求增长119%。原材料取向硅钢供应高度集中，美国仅Cleveland-Cliffs一家国内生产商，约80%大型电力变压器依赖进口。AI数据中心建设、工业电气化与电网现代化三大需求同步爆发，供需缺口持续扩大。新增产能预计2028年前后投产，无法缓解当前短缺。摩根士丹利指出，电力供应约束是AI基础设施建设的核心瓶颈，设备可用性已取代资本和审批成为项目推进的首要制约因素。
Chubby♨️
据Axios报道，微软正考虑在Azure上托管DeepSeek V4，作为Copilot Cowork的廉价模型选项。微软表示，Copilot Cowork无法采用无限定价，因为部分用户每周执行数百个任务，导致成本极高。因此，微软正转向基于使用量的定价，并探索更便宜的开源模型。若采用DeepSeek，该模型将是可选的、经过微调和安全防护的，并完全托管在Azure上。此举若成真，将意味着微软在企业Copilot产品中加入中国AI模型，影响重大。
华尔街见闻（RSS）
高通CEO克里斯蒂亚诺·阿蒙在CNBC专访中表示，随着生成式AI向AI代理范式转变，现有手机、PC和汽车算力均无法满足需求，全球将迎来新一轮设备换机与芯片升级周期。阿蒙预测2026年将成为“AI代理之年”，手机将拥有“双重人格”——既保留传统App操作，又内置代理自动执行任务。他透露高通产品路线图正全面升级，专用于AI模型的硅片面积必须大幅增加，GPU、NPU和CPU均将迎来复兴。此外，阿蒙认为智能眼镜将成为下一个核心终端，出货量可能达到数亿台，并指出OpenAI等AI公司涉足硬件是为了争夺数据端点。对于半导体产能瓶颈，他预计2027年下半年将看到更多产能释放。
华尔街见闻（RSS）
AMD宣布收购内存优化公司MEXT，将AI驱动的闪存优化技术引入数据中心，旨在让闪存行为更接近DRAM，以扩展可用内存容量并降低成本。苹果自2024年起推进“LLM in a Flash”端侧方案，将模型参数存储于闪存按需调取，实现更快推理速度。据Citrini Research，闪存每比特成本仅为DRAM的1/55，AI推理中KV缓存等顺序读取数据对速度要求较低，闪存容量优势凸显。HBM占DRAM产能比例从2020年2%升至2026年预估25%，DRAM合约价格暴涨，内存短缺正演变为数字经济风险。AMD收购MEXT后股价上涨7.7%，市值逼近9000亿美元。摩根士丹利认为AMD在云端市场具结构性优势，花旗上调其评级。产业链受益层包括NAND原厂、SSD控制器及CXL/PCIe互联层。
meng shao
作者Addy Osmani指出，工程瓶颈已从写代码转向代码审查的可信任度。四份独立数据（Faros AI、CodeRabbit、GitClear、GitHub）显示：AI辅助下代码产出增4倍，但实际交付价值仅增10%，代码churn增861%，缺陷率从9%升至54%，零审查合并PR增31%，审查时长增441%。AI共著PR问题数约1.7倍，弱点集中在逻辑、安全、可读性。审查策略取决于爆炸半径、代码寿命和理解者数量。Agentic审查中，agent几乎不随diff附上推理过程，导致审查者需重建未写下的意图，加剧时长暴增。实证表明，四个AI工具仅93.4%的标记位置被单一工具发现，从未同时标记同一行，因此应使用异构工具组合。人类角色应从循环内转向循环上：机器负责初筛、低风险快速通道、重复检查；人负责合并决策、高风险路径、计划判断和抽样审计。可执行体系包括：按风险分层、前置分流、提高准入门槛、刻意小PR、先读测试diff、CI不可谈判、人拥有合并权。对团队负责人而言，约束条件已是可信人类确认速度，而非生成速度。