每早八时出报
AI · 模型 · 产业
新闻枢纽 · 日报
中文 AI 资讯
NEWSHUB DAILY
华为何庭波发布韬定律V2论文，公开麒麟芯片实测数据，晶体管密度提升55%、功耗降低41%。同日，美团开源1.6T参数LongCat-2.0模型，OpenAI宣布7月7日发布GPT-5.6。AI基础设施投资持续加码，Anthropic拟在澳采购1.4GW数据中心，行业资本支出或将达美国GDP的3.2%。
上海证券报关联 2 源
华为公司董事、半导体业务部总裁何庭波在中科院科技论文预发布平台ChinaXiv上提交了《面向多层级电子系统的时间缩微理论》V2版本。新版论文补充了大量工程细节和实测数据，首次公开了量产芯片的实测结果，验证了韬定律的可行性。论文显示，通过逻辑折叠技术，华为新一代麒麟移动SoC在固定工艺节点下实现了55%的晶体管密度提升，功耗降低41%。麒麟2026芯片晶体管密度从155 MTr/mm²提升至238 MTr/mm²，主频提升13%至3.1GHz。论文还明确了昇腾芯片的演进路线图，预计2030年昇腾990将引入逻辑折叠，到2035年硬件集成度增加超过100倍。华为计划将逻辑折叠技术向车载芯片、通信基站芯片等场景复制，并推动国内封测厂商扩产混合键合、2.5D/3D封装等产线。
MarkTechPost（RSS）
美团发布了LongCat-2.0，这是一个大规模混合专家（MoE）语言模型，总参数量达1.6万亿，每个token激活约480亿参数。该模型专为智能体编程设计，支持原生100万token上下文窗口，并采用LongCat稀疏注意力机制将长上下文计算成本从二次降至线性。训练和推理完全运行在国产AI ASIC超算集群上（5万张卡），未使用Nvidia硬件。据美团测试，LongCat-2.0在SWE-bench Pro上得分为59.5，超过GPT-5.5（58.6）；Terminal-Bench 2.1得分70.8，SWE-bench Multilingual得分77.3。模型采用MIT许可，权重即将开源。API已通过LongCat平台、OpenRouter等提供，定价为每百万输入token 0.75美元，输出2.95美元。
MarkTechPost（RSS）
前阿里Qwen技术负责人林俊阳（Junyang Lin）于2026年3月3日离职，现以独立研究员身份发布长文，回顾Qwen系列模型（QwQ-32B、Qwen2.5-Max、Qwen3等）并阐述其核心观点：AI领域正从“训练模型”转向“训练Agent”。他详细解释了Qwen3混合思考模式（thinking/non-thinking）的技术难点——思考模式与指令模式在训练目标上存在冲突，导致两者兼顾时性能下降，因此后续版本（2507）改为分别提供Instruct和Thinking变体。林俊阳对比了“推理思考”（如o1、DeepSeek-R1）与“Agent思考”的区别：前者依赖确定性奖励信号（数学、代码），后者需在交互环境中制定计划、使用工具、根据反馈修正。他认为Agent时代的基础设施挑战更大，需解耦训练与推理，并优化环境质量而非数据多样性。文章还提供了Qwen3思考模式切换的代码示例（enable_thinking参数）。
华尔街见闻（RSS）
OpenAI计划于7月7日发布GPT-5.6，精准卡点Claude Fable 5限额方案失效日。代码泄露显示，GPT-5.6包含Sol、Terra、Luna三大子模型，并引入"速度拨盘"功能。内测对比显示，GPT-5.6在效率和响应速度上优于Fable 5，且价格更具竞争力，Sol Ultra有望以更低价格媲美Fable 5性能。
Chubby♨️
微软研究院AI Frontiers部门合伙人研究经理Ahmed Awadallah接受专访，介绍了其团队在小型设备端智能体方面的最新进展。他们开发了Fara1.5系列模型，其中9B参数的计算机使用模型在网页导航任务上性能较前代几乎翻倍；27B参数的模型则能与Operator和Gemini 2.5 Computer Use等大型模型相抗衡。Awadallah讨论了为小模型构建智能体时的权衡、智能体何时应暂停并请求人类指令，以及智能体在个人笔记本电脑上运行的前景。
Rohan Paul
CAIS 和 Scale 发布的远程劳动指数（RLI）显示，Fable 5 模型在真实远程工作项目中实现了 16.1% 的自动化率，约为 Opus 4.8（8.3%）的两倍，GPT-5.5 为 6.3%。RLI 测试 AI 能否完成付费自由职业工作并获得客户接受，任务涵盖 CAD、建筑、动画、音频、数据分析和 Web 应用等复杂工具场景。Fable 5 在环形建模、动画和浴室设计等任务上表现最强。但自动评判系统对 GPT-5.5 和 Opus 4.8 的评分分别高估了约 2.9 倍和 2.3 倍。报告指出，AI Agent 的进步不仅来自模型本身，更来自更强的工具使用、完整桌面环境、专业软件、更长运行时间和工人-评论家循环等 Agent 设置。
华尔街见闻（RSS）关联 2 源
韩国科学技术院教授、被称为“HBM之父”的金正浩在专访中提出核心观点：AI的本质是内存而非GPU。他指出，GPU实际工作时间仅10%-20%，大部分时间在等待数据读写。随着AI从训练转向推理，内存的重要性将超越GPU。他详细阐述了HBM、HBF（高带宽闪存）和HBS（高带宽SRAM）三条技术路线，认为未来AI计算机将采用3D堆叠结构，GPU位于顶层散热。他还提到，从HBM4开始，内存厂商将因定制化需求而获得定价权，供需关系逆转。全球仅三星和SK海力士能同时量产HBM和NAND闪存，具备领先优势。他预测，Agentic AI和Physical AI将使内存需求增加1000倍，AI PC和AI手机中内存成本将占主导。
云头条关联 2 源
据《澳大利亚金融评论报》报道，Anthropic 正计划在澳大利亚采购至少 1.4 GW 数据中心容量，相关基础设施建设成本可能高达 150 亿美元（约 1017 亿元人民币）。Anthropic 已发布招标文件，希望在 2027 年底前让其中至少 1 GW 算力投入使用。1.4 GW 的体量接近澳大利亚现有数据中心运营容量的总和。Infratil 旗下 CDC Data Centres 可能获得约 500 MW 的份额。今年 4 月，Anthropic 已与澳大利亚政府签署协议，将共享经济指数数据并参与 AI 安全评估，同时明确表示将在澳寻找数据中心和能源投资机会。
Rohan Paul
据预测，到2027年，Alphabet、亚马逊、Meta、微软和甲骨文这五家公司的AI资本支出将占美国GDP的约3.2%，超过美国国防支出（约2.7%）。AI基础设施投资规模已堪比政府、战争、能源、铁路、公路和电信建设。AI资本支出预计从2025年的约1.5%跃升至2026年的2.5%，再到2027年的3.2%。AI热潮已足以显著影响美国整体经济，包括GDP增长、电力需求、芯片供应、建筑活动、企业债务市场以及劳动力市场。
Avi Chawla
斯坦福大学研究人员推出Shepherd，一个面向AI Agent的运行时层，旨在解决长任务执行中状态回溯的难题。当Agent在步骤10出错时，传统方法要么让Agent自行修复（消耗更多token和上下文），要么人工干预或从头重启（浪费计算资源）。Shepherd将Agent与环境交互记录为类型化事件轨迹，类似Git的提交机制，但采用写时复制技术同时追踪Agent进程和文件系统状态。回退到之前步骤只需一次调用，从该提交分支继续执行，且由于提示前缀不变，KV缓存可复用95%以上。写时复制分支比docker commit快约5倍。在此基础上，元Agent可监控轨迹并在错误写入前自动回退。测试显示，在CooperBench双Agent协作任务中，加入实时监督器将通过率从28.8%提升至54.7%。项目仍处于alpha阶段，部分操作（如数据库写入、发送邮件）不可逆，需预先设置撤销步骤。