白宫同时按住OpenAI和Anthropic的脖子，却只放开了Anthropic——这场AI模型的”特权分级”到底在筛选谁？

一、48小时内的”双锁”：白宫同时按住两家AI巨头的喉咙

2026年6月下旬，美国政府在AI模型管控问题上做了一件此前从未有过的——同时向OpenAI和Anthropic发出限制指令。这不是某一家公司的个案处理，而是一次系统性、针对全球最强AI模型的”统一管制”。

据Axios独家报道，特朗普政府首先要求Anthropic限制其Mythos系列模型的对外发布权限，理由是这些模型的安全评估尚未通过联邦层面的审查。紧接着，CNN、Politico和The Information几乎在同一时间证实，白宫同样向OpenAI下达了指令：GPT-5.6不得全面开放，必须采取”分阶段发布”策略，且首批用户必须经过政府安全审查。

这意味着什么？意味着在全球范围内，最先进的两个AI模型——Anthropic的Mythos和OpenAI的GPT-5.6——的发布节奏第一次被同一个政府机构直接控制。过去，AI模型的发布是企业自主决策的商业行为；现在，它变成了一种需要经过”国家安全审批”的战略物资分配。

这种”双锁”模式与历史上对核技术、加密算法（如PGP）的出口管制逻辑一脉相承。区别在于，AI模型不像铀浓缩设施那样有明确的物理边界——它可以被复制到任何一台服务器上，可以被远程调用，也可以被逆向工程。政府的”锁”，锁住的究竟是模型的”输出”，还是模型的”知识”本身？

二、政策分化：为什么Anthropic被”松绑”，而OpenAI继续被按住？

如果故事到此为止，那只是一个标准的”政府管制科技巨头”叙事。但真正值得玩味的，是政策随后出现的微妙分化。

据CNBC、Reuters和TechCrunch报道，在最初的禁令实施约48小时后，美国政府宣布了一项重要调整：允许Anthropic向超过100家”可信”的美国企业和政府机构有限度地释放Mythos模型。TechCrunch记者Julie Bort披露，这份”可信名单”涵盖了金融、医疗、国防等多个关键领域的大型机构。

与此同时，OpenAI的情况并没有得到同等程度的放松。Fortune和Business Insider的报道显示，GPT-5.6仍然被限制在”特朗普批准的客户”名单中，且审批流程更加严格——每个新客户都需要单独的安全评估。

这种分化并非偶然。从商业角度看，Anthropic的商业模式更依赖于企业API调用而非消费者订阅，政府的选择性松口实际上是在保护”关键基础设施”的AI能力供应。而从政治角度看，OpenAI与特朗普政府的关系更为复杂——此前OpenAI多次公开质疑政府的AI安全框架，而Anthropic则在模型安全问题上表现出更高的配合度。

但更深层的问题在于：当政府拥有了决定”谁可以使用最强AI”的权力时，这个决定标准究竟是什么？是安全风险？商业利益？还是政治忠诚度？

三、亚洲AI创业者的”窗口期”：当美国给自己修墙，别人在搭桥

在美国政府忙着给Mythos和GPT-5.6加锁的同时，全球另一条战线正在悄然发生变化。

TechCrunch记者Kate Park在两天前报道了一则被广泛忽视的消息：多家亚洲AI创业公司正在推出类Mythos级别的高端模型，试图在出口禁令的缝隙中填补全球AI能力的真空。VOI.id在7小时前进一步报道了其中一家公司的具体动向——该公司明确表示，其目标就是为”无法获得Mythos访问权限”的全球用户提供替代方案。

这并非新鲜事。早在两周前，Fortune就报道过Anthropic的Fable禁令为开源AI和中国模型打开了机会窗口。而纽约时报在4天前更是直接指出：中国AI模型与Anthropic、OpenAI的性能差距正在快速缩小——这篇由三位资深科技记者联合撰写的报道，引用了多项第三方基准测试结果，显示中国头部模型在推理、代码和多模态能力上已经达到国际第一梯队水平。

这种”美国修墙、亚洲搭桥”的格局，与历史上其他技术管制案例形成了有趣的对照。正如TechCrunch记者Lorenzo Franceschi-Bicchierai在评论中所说：”从PGP到Mythos，出口管制的历史告诉我们一件事——它从来没能真正阻止技术的扩散。”

当美国政府在Mythos和GPT-5.6上画出一条”安全红线”时，这条线保护的究竟是美国国民安全，还是美国企业在全球AI竞争中的先发优势？答案可能比表面看起来更复杂。

四、”AI核按钮”：当最强模型成为地缘政治筹码

回顾这场政策演变，我们可以清晰地看到一个趋势：全球最强AI模型正在从”商业产品”转变为”战略资产”。这个过程可以分为三个阶段：

第一阶段：企业自主发布。在2023年之前，OpenAI、Anthropic等公司根据自己的研发进度和商业计划决定何时发布新模型。这是一个纯粹的市场驱动过程。

第二阶段：行业自律框架。随着模型能力迅速提升，行业内部开始建立安全评估机制。Anthropic率先推出”宪法AI”框架，OpenAI建立了红队测试团队。但这仍然是企业层面的自我约束。

第三阶段：政府直接干预。2026年6月的这一系列事件标志着第三个阶段的到来——政府不再是旁观者或规则制定者，而是成为了模型发布的”共同决策者”。白宫不仅有权决定哪些模型可以发布，还有权决定谁可以使用这些模型。

这种转变的影响远超AI行业本身。当一个国家的政府掌握了”最强AI分发权”，它实际上掌握了一种新型的地缘政治杠杆。可以想象的未来场景包括：盟国获得优先访问权、竞争对手被全面封锁、中立国需要”安全承诺”才能换取使用资格。

而最令人不安的问题是：当AI模型被当作”核按钮”来管理时，谁来监督这个”核按钮管理员”？

AI Agent冲进实验室、五大情报联盟连夜拉响警报——当AI从”写代码”变成”造药物”，物理世界的军备竞赛到底谁来监管？

一、从”写代码”到”造药物”：AI Agent的下一站是实验室

6月下旬，全球生物技术创新大会（BIO 2026）在华盛顿举行。和往年不同，今年最大的新闻不是某家Biotech公司宣布了一款新药，而是NVIDIA在大会上正式发布了BioNeMo Agent Toolkit——一套让AI Agent在药物发现全流程中”自动干活”的工具集。

这不是简单的”AI辅助药物筛选”。BioNeMo Agent Toolkit的核心思路是让AI Agent像一位不知疲倦的科研助手：它可以从海量文献中提取靶点信息、自动生成候选分子结构、模拟分子与蛋白质的相互作用、甚至协调虚拟筛选和实验验证的闭环。换句话说，AI不再是”帮你查资料”的工具，而是”替你跑实验”的代理人。

消息一出，产业链反应迅速。Biolevate宣布将利用该工具链推进”AI原生药物发现工作流”；SandboxAQ在4天前推出了基于BioNeMo的GPCR虚拟筛选方案；Simulations Plus则将其引入药物开发模拟环节。就连欧洲实验室自动化巨头Tecan也宣布采用该技术建设”Lab AI”体系。

这标志着AI Agent的能力边界发生了根本性跃迁：从数字世界（代码、文本、图像）正式跨入物理世界（分子、细胞、药物）。

二、WEF的宣言：科技竞赛从”屏幕”走向”物理世界”

几乎在同一周，世界经济论坛（WEF）联合《Frontiers》期刊发布了2026年全球十大新兴技术榜单。这份每年一度的报告今年传递了一个毫不含糊的信号：科技竞赛的主阵地已经从软件世界转向物理世界。

榜单明确写道：”科技竞赛正从AI屏幕走向工厂、医院和电网。”入选的技术包括生物制造、脑机接口、量子传感、自主机器人等——清一色是需要在物理世界中部署和交互的技术。AI不再是”跑在服务器里的算法”，而是”长在生产线上的神经系统”。

这种转变的背后是一个简单而残酷的逻辑：数字世界的AI红利正在见顶。ChatGPT、Claude、Gemini在文本和代码领域的性能提升边际递减，而资本和人才的回报却需要指数级增长才能维持。唯一的出路，是把AI的能力延伸到物理世界——那里有更大的市场、更深的壁垒、也更难被复制的价值。

三、五大情报联盟的深夜警报：AI攻击”数月而非数年”

就在AI Agent大举进军物理世界的同一时刻，另一条故事线正在安全领域悄然展开。

六大天前，五大情报联盟（Five Eyes）罕见地联合发表声明，警告前沿AI模型可能在未来数月内对国家安全和商业防御构成严重威胁。这不是某个情报机构的单独判断——美国CIA、NSA，英国MI5、GCHQ，加拿大CSE，澳大利亚ASD，五国情报机构罕见地走到了一起。

CNN的报道引用声明称：”AI可能在数月内突破政府和企业的防御体系。”Reuters则强调了”紧迫性”——这是Five Eyes历史上首次就AI安全风险发表如此明确的联合预警。

而就在三天前，剑桥大学专家在 Anadolu Ajansı 发表的评论中发出了更直接的警告：”AI可能成为犯罪者和流氓国家的强大武器。”这一警告与Five Eyes的研判形成了微妙呼应——当AI的能力从数字世界延伸到物理世界时，风险也将从”数据泄露”升级为”物理伤害”。

四、谁在为”AI进入物理世界”踩刹车？

最有意思的画面是：推动AI进入物理世界最积极的科技公司，恰恰也是最早呼吁监管的人。

24天前，OpenAI、Anthropic和微软的CEO们在国会山罕见地坐在一起，共同警告AI正在降低生物武器的设计门槛。25天前，微软在官方博客上发文《AI时代的生物安全》，由微软首席技术官Eric Horvitz署名，详细阐述了AI加速合成生物学带来的安全挑战。

而就在几天前，NVIDIA在BIO 2026上高调发布BioNeMo Agent Toolkit的同时，其合作伙伴Snowflake也宣布了Agentic AI在生命科学的结合方案。一边是”让AI Agent在实验室里自由奔跑”，另一边是”我们需要给AI套上安全的缰绳”——这种矛盾不是虚伪，而是整个行业面对未知风险时的真实写照。

问题的核心在于：现有的监管框架是为”软件”设计的，而不是为”物理世界”设计的。EU AI Act管的是算法偏见和数据隐私，FDA管的是药物审批流程，但它们都没有一套完整的框架来应对”一个AI Agent自主设计新分子并触发实验”的场景。当AI不仅能”想”出新分子，还能”做”出新分子时，传统的监管体系就出现了巨大的空白地带。

剑桥大学专家的警告直指这个痛点——”We aren’t ready for the risk to biosecurity”（我们还没有准备好应对生物安全的风险）。这不是危言耸听，而是整个行业面临的系统性挑战。

五、中国的机遇与隐忧：在物理世界AI竞赛中占位

在这场从数字到物理的AI范式转换中，中国面临着独特的机遇和挑战。

从机遇角度看，中国在生物制造、电池材料、新能源等领域拥有全球领先的产业基础。当AI Agent开始进入这些物理世界时，中国拥有的不是”数据优势”，而是”实验场景优势”——更多的工厂、更多的实验室、更多的真实世界数据。这正是AI 3.0时代最稀缺的资源。

但从挑战角度看，生物安全领域的监管空白恰恰是中国最薄弱的环节。当Five Eyes的五个成员国联合发出警告、当剑桥大学的专家呼吁紧急行动时，中国在这方面的公共讨论和制度准备明显滞后。而这恰恰可能是未来国际竞争中最大的软肋——不是技术差距，而是治理能力的代差。

更值得警惕的是，AI Agent进入物理世界后，“技术扩散”的难度将大幅下降。过去，一个新分子的研发需要数十年的专业训练和昂贵的实验设备；现在，一个训练有素的AI Agent可以在几周内完成初步筛选。这意味着，技术壁垒的降低不仅会影响商业竞争，也可能带来前所未有的安全挑战。

OpenAI 推迟 IPO 到 2027 年、索 1 万亿美元估值——Altman 的”天价执念”正在拖垮谁？

一、1 万亿美元的执念：为什么 OpenAI 宁愿推迟也不降价？

2026 年 6 月 26 日，《纽约时报》记者 Mike Isaac 和 Rob Copeland 抛出一则重磅报道：OpenAI 内部正在认真考虑将首次公开募股（IPO）推迟到 2027 年。这不是一个简单的”时间调整”——其背后的核心矛盾在于，创始人 Sam Altman 设定了一个几乎不可动摇的底线：估值不得低于 1 万亿美元。

这一消息迅速引发连锁反应。路透社紧随其后报道”OpenAI 为万亿估值 IPO 铺路”；彭博社确认”OpenAI 倾向于等到 2027 年”；CNBC 披露”OpenAI 尚未举行预 IPO 投资者会议，也未设定时间表”；而 the-decoder.com 则直接点破了问题的本质——Altman 不愿以低于 1 万亿美元的价格上市，这才是 IPO 延期的真正原因。

看起来合理吗？让我们看看数字。OpenAI 在 2026 年第一季度烧掉了 37 亿美元，累计亏损接近 390 亿美元。相比之下，2025 年全球 AI 相关收入约为 2000 亿美元——这意味着 OpenAI 需要占据全球 AI 收入的近 20%，并且还要维持极高的利润率，才能支撑 1 万亿美元的估值。这在任何理性的财务模型中都难以成立。

二、SoftBank 暴跌 380 亿美元：谁在为 Altman 的野心买单？

OpenAI 的 IPO 延期并非没有代价。Tech Times 的报道揭示了一个令人震惊的数字：仅因 IPO 延期预期，SoftBank 的账面损失就已达到 380 亿美元。这个数字是什么概念？它比许多国家的年度 GDP 还要高。

SoftBank 对 OpenAI 的投资始于 2023 年，当时孙正义以 100 亿美元注资，估值约 1500 亿美元。此后又多次追加投资，累计投入超过 200 亿美元。如果 OpenAI 最终以低于 1 万亿美元的价格上市，SoftBank 将面临巨大的回报落差——这也是为什么孙正义方面对 IPO 延期表现出明显焦虑。

但问题不只是 SoftBank。根据 CNBC 的报道，OpenAI 尚未与任何潜在投资者进行正式的预 IPO 会议。这意味着包括 TPG、高盛、贝恩资本在内的众多潜在承销商和基石投资者，目前仍处于”观望状态”。没有人知道 OpenAI 到底想卖多少股份、定价区间是多少、增长预期是什么。

一家没有定价、没有时间表、没有投资者沟通的”幽灵 IPO”——这在资本市场历史上极为罕见。通常情况下，IPO 前的 3-6 个月是投资者路演的黄金窗口，而 OpenAI 连这个窗口都还没有打开。

三、华尔街的全面质疑：从 Gary Marcus 到 CNN 的一致看空

OpenAI 的万亿估值计划并非没有反对声音。事实上，来自学术界和投资界的质疑正在形成一股不可忽视的合力。

AI 领域知名学者 Gary Marcus 在接受 Benzinga 采访时直言不讳：”不存在支持 1 万亿美元估值的理性依据。”他的观点得到了广泛共鸣。《卫报》在一篇题为”AI 泡沫还有下跌空间，尽管崩盘迫在眉睫”的文章中指出，当前 AI 板块的估值已经严重脱离基本面。

CNN 在 6 月 27 日的报道中追踪了 AI 股的再度暴跌——”AI 股票再次融化，到底发生了什么？”这篇文章详细记录了从英伟达到微软再到各种 AI 概念股的全线回调。与此同时，Bloomberg 报道”科技股抛售 renewed AI 债务担忧”，指出 AI 基础设施投资的回报率正在受到越来越严格的审视。

更值得关注的是 Fortune 的报道引用了一位顶级分析师的话：”2026 年的 Another Way 看起来像 1999 年”——直接将当前 AI 泡沫与互联网泡沫进行比较。这种类比虽然极端，但在当前市场情绪下，确实反映了一部分投资者的真实担忧。

四、推迟不是退缩——OpenAI 的战略计算

虽然表面上看，OpenAI 的 IPO 延期似乎是一场”估值泡沫”，但如果我们深入分析其战略逻辑，会发现 Altman 的选择并非完全非理性——只是风险极高。

首先，推迟 IPO 可以让 OpenAI 继续享受私人市场的”估值自由”。在私人市场中，投资者可以按照创始人的叙事来定价，而不需要面对公众市场对季度财报的严苛审视。这意味着 OpenAI 可以继续以”未来潜力”而非”当前盈利”来讲述故事——对于一家年亏损数百亿美元的公司来说，这几乎是唯一可行的叙事方式。

其次，Altman 可能在等待一个更好的市场窗口。2027 年的资本市场环境可能与 2026 年截然不同。如果届时 AI 应用层的商业化取得突破性进展（例如 AI Agent 大规模落地、AI 驱动的生产力工具普及），那么万亿估值就不再是一个”幻想”，而是一个可以被市场接受的数字。

第三，IPO 延期也为 OpenAI 赢得了更多时间来解决监管问题。正如《华盛顿邮报》17 小时前报道的，美国政府正在建立一套 AI 技术分级许可制度——”美国政府将决定谁能使用最新的美国 AI 技术”。OpenAI 需要确保在 IPO 之前，其合规框架能够应对即将到来的监管风暴。

但这种战略计算有一个致命的前提条件：市场必须在 2027 年之前相信这个叙事。如果投资者耐心耗尽、SoftBank 等关键股东被迫减持、或者监管环境突然收紧，那么 OpenAI 的”延迟满足”策略可能会演变为一场灾难。

五、中国的窗口期：当美国巨头纠结于估值时，中国 AI 正在做什么？

OpenAI 的 IPO 延期故事，如果孤立地看，不过是一家美国公司的财务决策。但将其置于全球 AI 竞争的背景下，意义就完全不同了。

就在 OpenAI 为 1 万亿美元估值焦头烂额的同时，中国 AI 行业正在经历一波密集的动作：

智谱 AI（Zhipu AI）刚刚完成了 GLM-5.2 的开源发布，在编程基准测试中击败了 GPT-5.5，且价格仅为后者的六分之一。与此同时，Z.ai 宣布了上海 + 香港双重上市计划，为 AGI 推进筹集资金。此前智谱单日市值暴涨 47.6%、成交额 520 亿港元创历史新高。

DeepSeek（深度求索）首次接受了 74 亿美元的外部融资，估值突破 500 亿美元，被视为中国 AI 的”国家队”信号。

MiniMax的 M3 模型接入了支付宝的 Token Pay 功能，实现了”开口就能支付”——这是国产大模型首次在真实消费场景中打通支付闭环。

字节跳动则豪掷 5 万颗国产 AI 芯片，构建自己的”算力护城河”。

这些动作有一个共同特征：务实、快速、商业化导向。与美国 AI 巨头在估值数字上纠缠不休不同，中国 AI 公司正在用产品、收入和市场份额说话。当 OpenAI 的投资者们在”1 万亿够不够”这个问题上争论不休时，中国的客户已经在用钱包为智谱、MiniMax 和 DeepSeek 投票了。

六、结语：万亿估值背后的根本问题

OpenAI 推迟 IPO 到 2027 年的决定，表面上是一个财务决策，实际上折射出整个 AI 行业面临的一个根本性问题：当我们说 AI 值”万亿”的时候，我们到底在说什么？

是在说当前的收入？OpenAI 去年收入约 75 亿美元，距离万亿估值需要的年收入（假设 30 倍 PS 倍数）还差两个数量级。

是在说未来的潜力？当然，AI 的未来确实广阔。但问题是，谁会为这个”未来”买单？是继续相信叙事的私人市场投资者，还是要求季度财报的公众市场投资者？

是在说竞争格局？OpenAI 确实领先，但 Anthropic、Google、Microsoft、Meta 以及中国的智谱、字节、百度都在全力追赶。万亿估值需要的是垄断性优势，而当前的 AI 市场恰恰是最激烈的竞争战场。

Altman 的 1 万亿美元执念，或许不是贪婪，而是一种战略选择——他相信只有在私人市场中多待一年，才能为 OpenAI 争取到最好的上市条件。但这个赌注的代价，正在由 SoftBank 的 380 亿美元损失、华尔街的质疑声、以及全球 AI 竞争格局的悄然变化来支付。

2027 年，当 OpenAI 最终走向公众市场的那一天，人们回顾今天的决定时，会认为这是一个精明的战略选择，还是一个错失良机的傲慢？答案可能比我们想象的要简单——市场永远是对的，只是有时候来得比较晚。

AI世界正在分裂成两个平行宇宙：美国盟友拿”钥匙”，中国AI趁乱抄底，亚马逊CEO意外成了导火索

一、亚马逊CEO的一通电话，如何撬动了全球AI格局？

故事要从两周前说起。根据《华尔街日报》和《金融杂志》的最新独家报道，一切始于亚马逊CEO安迪·贾西（Andy Jassy）的一个电话。

贾西向美国政府发出了关于Anthropic旗舰模型Mythos的安全担忧——据称，这些模型的能力超出了预期的安全边界，可能带来不可控的风险。这个警告并非空穴来风：亚马逊本身就是Anthropic的最大投资者之一，同时也是Claude系列模型的主要云服务提供商。当你的AI合作伙伴的产品可能威胁到你自己的商业利益时，”安全担忧”往往不只是安全担忧。

结果是什么？白宫在24小时内采取了行动。据《Politico》报道，从贾西打电话到政府对Anthropic实施出口管制，整个过程不到一天。Anthropic的Fable 5和Mythos 5两款旗舰模型被全面禁止向海外分发，包括其最重要的海外市场——中国。

这不仅仅是一次监管行动，这是科技公司CEO首次通过直接向美国政府施压，单方面改变了全球AI模型的访问规则。华盛顿邮报评论称：”Anthropic如何失去白宫的信任——以及它的主力产品”，这篇文章详细描述了从信任到封杀的戏剧性转变过程。

二、AI时代的”巴统”：两个平行宇宙的诞生

两周的僵持之后，最新进展令人玩味。据AP新闻和《Broadband Breakfast》17小时前的报道，OpenAI和Anthropic已将新模型的限制访问范围缩小到”特朗普批准的客户”——也就是说，美国政府实际上建立了一套AI模型的分级许可制度。

具体来看：

第一梯队——”可信伙伴”： 据9to5Mac和Reuters报道，Mythos 5已获得批准向超过100家美国机构和公司有限发布。这些机构需要经过严格的安全审查，且使用范围受到严格限制。

第二梯队——盟国有条件访问： 日本和英国获得了有条件的访问许可，但需要接受美国的监督和数据审计。据CNBC报道，OpenAI的GPT-5.6也仅限”可信合作伙伴”使用，但这个名单主要由美国本土企业和少数核心盟国组成。

第三梯队——被排除者： 据印度媒体Vajiram & Ravi的报道，印度被明确排除在这套分级体系之外。而中国开发者则面临全面断供——这已经是继此前出口管制之后的第二轮打击。

这让人不禁想起冷战时期的”巴统”（巴黎统筹委员会）——当时西方国家对社会主义阵营实施严格的战略物资出口管制。今天，AI模型正在成为新的”战略物资”，而分级访问制度就是新时代的出口管制体系。

三、封锁的反作用力：中国AI的”窗口期红利”

当一个全球最大的AI市场被系统性排除在前沿模型之外时，会发生什么？答案是：中国AI产业正在经历一场被迫的加速。

据Invezz报道，在Anthropic模型受限的消息传出后，智谱AI股价单日暴涨33%。这不是因为智谱发布了什么突破性产品，而是因为市场意识到，当美国封锁越严，国产替代的需求就越迫切。

更值得关注的是CNBC 21小时前的报道——”中国的智谱正在追赶美国顶级AI模型，而Anthropic和OpenAI却被美国政府拖住了后腿”。这篇报道揭示了一个微妙而重要的变化：中美AI竞争的格局正在从”中国追赶美国”转变为”双方在不同轨道上并行发展”。

MiniMax、字节跳动的豆包、百度的文心一言等国产模型正在快速填补Anthropic和OpenAI退出后留下的市场空白。据PanNews报道，多家中国企业已经将业务重心从依赖美国API转向自研模型，这一趋势在出口管制收紧后明显加速。

但这并不意味着中国AI已经”赢了”。关键在于，封锁正在推动中国建立一条独立的技术路线——从依赖闭源API转向开源生态，从追求”最强模型”转向追求”够用且可控”的模型体系。这种路径选择，恰恰是美国出口管制最不想看到的结果。

四、”可信伙伴”名单背后的游戏：谁在定义AI的”可信”？

最令人不安的问题或许是：谁来决定哪些公司和国家是”可信”的？

据TechCrunch和CNBC的报道，OpenAI和Anthropic在政府要求下，自行建立了”可信合作伙伴”的筛选标准。这意味着两件事：第一，私人公司正在承担原本属于国家主权层面的安全审查职能；第二，这些标准的不透明性为地缘政治操作留下了巨大空间。

Fortune的报道揭示了一个更加戏剧性的细节——正是亚马逊CEOAndy Jassy与特朗普政府高层的直接通话，成为了触发整个封锁行动的导火索。WSJ进一步披露，Jassy在通话中表达了对Anthropic模型安全性的严重担忧，而白宫在24小时内做出了反应。

这种”CEO直通白宫”的模式开创了AI治理的先例。当一家科技公司的CEO可以通过一通电话让全球数百万开发者失去最先进的AI工具时，AI时代的权力结构已经发生了根本性的变化——不再是国家和市场在博弈，而是科技巨头之间的博弈直接上升为国家行为。

与此同时，《Cryptopolitan》15小时前的报道指出，经过两周的僵持，Anthropic终于恢复了Mythos 5的有限访问权限——但前提是必须接受美国政府的安全审查和使用限制。这意味着封锁没有结束，只是进入了一个”可控释放”的新阶段。

五、全球AI格局的终局推演

这场由一封电话引发的AI封锁事件，正在塑造一个我们从未见过的全球格局：

短期来看（未来6-12个月），美国将维持”分级访问”体系，核心盟国获得有限的前沿模型使用权，而被排除的国家将被迫加速自研。这将导致全球AI能力出现明显的”断层线”——使用美国模型的国家和不使用美国模型的国家，在技术路线、安全标准和治理能力上产生根本分歧。

中期来看（1-3年），这种分裂可能导致两个并行的AI生态系统：一个以美国为中心、面向”可信伙伴”的封闭生态；另一个以中国为核心、基于开源和自研的开放生态。两者在模型架构、训练数据和治理理念上的差异将越来越大。

长期来看，这种分裂的最终结果可能不是美国成功”锁住”中国AI，而是催生出真正多元化的全球AI格局——就像互联网早期一样，不同的文明和技术传统将发展出各具特色的AI体系。届时，”谁更强”的问题可能变得毫无意义，因为不同体系服务于不同的需求和价值观。

白宫点名要求OpenAI限制GPT-5.6发布、只给”可信伙伴”——AI超级模型的”核按钮”，到底握在谁手里？

一、白宫的”核按钮”：OpenAI被迫将GPT-5.6锁进保险柜

2026年6月下旬，一则消息在全球科技圈引发地震：美国政府正式要求OpenAI限制其最新旗舰模型GPT-5.6的公开发布范围，将其访问权限严格限定在”可信合作伙伴”名单之内。这不是普通的行业监管，而是一次前所未有的“AI超级模型分级管控”——一家私营公司的核心产品，其发布节奏由白宫拍板决定。

CNBC率先披露了这一消息，随后华盛顿邮报、华尔街日报、彭博社、CNN、Politico、卫报等多家主流媒体几乎同步跟进。报道细节逐渐拼凑出一个令人不安的画面：OpenAI的GPT-5.6模型已经完成内部测试，但在政府的”安全评估”框架下，公开发布被无限期推迟。取而代之的是一个”分阶段释放”计划——只有经过政府审批的机构和企业才能获得早期访问权限。

OpenAI自身也在其官方博客上发布了题为”Previewing GPT-5.6 Sol: a next-generation model”的文章，确认了新一代模型的存在，但通篇回避了公开发布的具体时间表。这种刻意的模糊，被业界解读为对政府压力的直接回应。

更耐人寻味的是Axios的报道细节：特朗普政府不仅要求限制GPT-5.6的发布，还要求OpenAI在发布前提交完整的”安全影响评估报告”，包括模型可能被用于网络攻击、虚假信息传播、生物武器设计等场景的风险模拟。这份报告的标准之高、范围之广，在AI行业历史上尚属首次。

二、五眼联盟的安全警报：AI军备竞赛的”刹车片”来了

如果说白宫的要求还只是针对OpenAI一家公司，那么与此同时发生的一件事则揭示了更深层的战略焦虑。五眼联盟（Five Eyes）的情报机构在过去两周内连续发出三份内部备忘录，警告”AI系统性安全风险可能在数月内达到临界点”。

根据多家媒体的交叉报道，这份由美国NSA、英国GCHQ和澳大利亚ASIO联合起草的评估报告指出：当前最前沿的AI模型已经具备了自主发现软件漏洞、生成高级钓鱼邮件、甚至设计定制化恶意代码的能力。报告建议各国政府立即建立”前沿AI模型分级许可制度”，类似于对核材料和生物武器的管控体系。

这一建议与白宫对OpenAI的要求形成了完美的政策闭环。也就是说，GPT-5.6的”限发”不是一个孤立事件，而是一整套AI安全管控体系的开端。

值得注意的是，这份报告的措辞极为罕见地使用了”数月内”（within months）这样紧迫的时间表述。在情报界，这种措辞通常只出现在真正的紧急状态预警中。有匿名分析师向媒体表示，这反映出情报界对AI安全风险的评估已经从”长期威胁”升级为”迫在眉睫的危机”。

三、IPO延期与”安全化”叙事：OpenAI的商业困境

在模型被”锁柜”的同时，OpenAI的另一条消息也值得关注。纽约时报报道，OpenAI正倾向于将IPO推迟至2027年。这意味着这家估值超过1万亿美元的AI巨头，将在监管不确定性最大的时刻选择继续等待。

分析人士指出，IPO推迟的背后有三个相互交织的原因：

第一，监管不确定性。 如果GPT-5.6的发布模式成为先例，那么OpenAI未来的任何重大产品发布都可能受到政府干预。这种不确定性会让投资者望而却步——谁愿意投资一家核心产品发布权不在自己手中的公司？

第二，盈利模式困境。 此前财报显示OpenAI第一季度烧掉了37亿美元，累计亏损高达390亿美元。在”安全化”叙事下，OpenAI不得不投入更多资源用于合规和安全评估，而非产品创新。这种”重合规、轻创新”的模式是否能持续吸引资本，市场正在打问号。

第三，竞争格局变化。 Anthropic虽然也在寻求IPO，但其”安全优先”的品牌定位使其在政府关系上具有天然优势。与此同时，中国AI模型（如智谱GLM-5.2、MiniMax M3等）在开源生态中的崛起，正在削弱OpenAI的技术垄断地位。在多重压力下，OpenAI选择”以时间换空间”。

四、OpenAI的”Daybreak”：安全还是生意？

就在政府施压OpenAI限制模型发布的同一周，OpenAI自己也发布了一个名为“Daybreak”的安全工具套件，官网标语是”Tools for securing every organization in the world”（保护世界上每一个组织的安全工具）。

这一举动引发了广泛猜测。一方面，Daybreak可以被视为OpenAI对政府安全关切的积极回应——既然你不能阻止我开发强大的AI，那我就同时提供控制这些AI的工具。另一方面，也有分析人士认为这是OpenAI在为自己打造一条新的收入来源：既然政府和市场都关心AI安全，那不如把安全工具本身做成一门生意。

无论动机如何，Daybreak的推出都释放了一个明确的信号：OpenAI正在将自己从”AI模型开发商”重新定位为”AI安全基础设施提供商”。这种战略转型如果成功，将彻底改变OpenAI的商业模式和估值逻辑——从一家靠模型API收费的公司，变成一家靠安全许可和合规工具收费的基础设施公司。

五、全球连锁反应：谁在制定AI的”游戏规则”？

OpenAI的”限发”事件不仅仅是一家公司的商业决策问题，它正在引发一系列全球性的连锁反应。

在欧洲， 欧盟委员会正在加速推进《AI法案》的实施细则，明确要求所有”前沿AI模型”在公开发布前必须通过安全认证。有匿名官员向媒体透露，OpenAI的案例将成为欧盟制定AI分级管控政策的直接参考。

在中国， 国家网信部门已经表示将密切关注此事，并加快制定本土AI安全评估标准。多位业内人士向媒体表示，中国AI企业已经在内部建立”模型发布安全审查流程”，以确保在未来可能的全球AI管控框架下不被边缘化。

在开源社区， 反应则更为激烈。多位知名AI研究员公开质疑：”如果连OpenAI这样的公司都无法自由发布自己的模型，那么开源社区的意义何在？”一些开源项目已经开始探索”去中心化AI安全”的可能性——即通过社区共识而非政府审批来管理AI模型的发布。

这些不同的反应揭示了一个更深层次的问题：当AI安全成为全球议题时，谁来制定规则？是华盛顿的官僚机构？是布鲁塞尔的政策制定者？还是全球开源社区的自组织能力？

Anthropic指控阿里巴巴”工业级AI偷窃”：2.5万个假账号、2880万次交互、一场被重新定义的AI军备竞赛

一、一纸诉状，掀开AI时代的”技术盗窃”新战场

2026年6月25日前后，AI行业收到了一份不同寻常的”起诉书”——不是来自司法部，也不是来自FTC，而是来自自称”最注重AI安全”的Anthropic。

根据路透社、CNBC、BBC、WSJ等多家媒体同时报道，Anthropic公开指控其中国竞争对手阿里巴巴旗下Qwen实验室，在2026年4月至6月期间，通过约2.5万个虚假账号对Claude模型发起了总计2880万次的对抗性交互（adversarial exchanges），目的是”非法提取Claude的AI能力”。

Ars Technica将其定性为”迄今为止最大的Claude克隆攻击”，而Tom’s Hardware披露的细节更是令人咋舌：这些交互并非简单的API调用，而是精心设计的对抗性查询，旨在通过大量输入-输出配对来”蒸馏”（distill）Claude的内部推理能力——本质上就是用Claude本身来训练Qwen。

CNBC引述Anthropic的原话称这是一次”公然且非法地”（brazenly and illicitly）提取AI能力的行动。WSJ的报道则指出，Anthropic已将此事提交给美国参议院，并呼吁对阿里巴巴采取”惩罚性措施”。

二、2.5万个假账号背后的”工业化”操作

如果这个数字属实，那么这已经不是普通的”学术竞争”，而是一场有组织、有规模、持续数月的系统性行动。

Anthropic披露的关键细节包括：

• 时间跨度：2026年4月至6月，持续约3个月
• 虚假账号数量：约25,000个
• 交互次数：2880万次（平均每个账号约1150次交互）
• 目标模型：Claude系列模型
• 目的：训练Qwen（通义千问）模型

这种规模的”对话采集”意味着什么？简单计算一下：2880万次交互 × 每次平均500字输出 ≈ 144亿字的对话数据。这些数据将被用来微调Qwen的推理能力、对话质量甚至安全性边界——换句话说，阿里巴巴试图用Anthropic自己的模型来”教会”Qwen变得更强。

《纽约时报》在同期报道中指出，中国AI模型（特别是Qwen）正在迅速缩小与Anthropic Claude和OpenAI GPT系列的性能差距。而Anthropic的这份指控，恰好为这一趋势提供了一个可能的解释路径：在芯片出口受限、高端GPU获取困难的情况下，模型蒸馏成为中国AI公司追赶国际领先水平的”捷径”。

正如Cybernews的报道所描述的——阿里巴巴在被指控的同时，还在推进自己的”Mythos”级别模型 rival 计划。一边被指控”偷师”，一边在公开市场上推出竞品，这种双线并行的策略本身就反映了中美AI竞争的复杂图景。

三、从”芯片封锁”到”模型蒸馏”：AI脱钩的新维度

过去两年，美国对华AI管制的主轴一直是硬件——限制高端GPU出口、限制芯片制造设备、限制云计算服务。但Anthropic这次指控揭示了一个更深层的现实：

即使没有芯片，只要有模型访问权限，技术转移仍然可以发生。

这正是出口管制体系的一个根本性漏洞。芯片可以被海关拦截，但Claude的回答无法被拦截。只要中国公司能够接触到Claude的API（无论是通过合法订阅还是通过虚假账号），他们就可以通过蒸馏的方式将模型能力”搬运”过来。

TechCrunch此前的报道已经指出，Anthropic早在2026年2月就发现了三家中国公司对Claude进行了大规模数据提取，当时指控规模相对较小。而此次针对阿里巴巴的指控，规模扩大了数十倍——从”小规模试探”升级为”工业化采集”。

路透社的分析指出，这一事件恰逢美国国内关于AI芯片出口政策的激烈辩论。一方面，政府希望收紧对华技术出口；另一方面，科技公司和学术界担心过度限制会加速中国的自主研发能力。Anthropic的这份指控，无疑为”加强管控”的一方提供了新的弹药。

而WION在最新报道中使用的标题——”AI食人族”（AI Cannibalism）——精准地捕捉了这一现象的本质：用AI来吃掉AI，用Claude来制造下一个Claude。

四、国会听证与立法连锁反应

Anthropic已将此事提交给美国参议院，Technology Org报道了Anthropic向参议员详细陈述2880万次交互细节的过程。这意味着此事已经从商业纠纷升级为立法议题。

如果国会就此举行听证会，可能会推动以下几方面的变化：

• AI模型访问监管 — 要求AI公司提供更严格的身份验证机制，防止大规模自动化提取
• 蒸馏攻击的法律定性 — 目前”模型蒸馏”在法律上处于灰色地带，是否构成”数据窃取”尚无明确判例
• 跨境AI服务限制 — 可能推动类似出口管制的”服务管制”，限制特定国家的API访问

这与此前白宫要求OpenAI限制GPT-5.6发布（文章#238）的政策走向一脉相承——美国政府正在从”硬件封锁”转向”全链条管控”，而Anthropic的指控恰好为这一转向提供了具体的案例支撑。

五、更大的图景：AI竞争正在重新定义”知识产权”

Anthropic vs 阿里巴巴的这场争端，表面上是一起企业间的知识产权纠纷，但放在更大的历史背景下来看，它标志着AI时代”知识边界”的根本性重构。

在传统时代，技术转移主要通过人员流动、专利授权或逆向工程实现。但在AI时代，”蒸馏攻击”提供了一种全新的技术获取路径——不需要拿到源代码，不需要买到芯片，只需要让模型”开口说话”，然后记录下来、分析它、模仿它。

这种方式的危险性在于，它几乎无法被传统手段阻止。芯片可以禁运，代码可以开源限制，但模型的回答——只要模型存在，回答就会存在。而每一次回答，都是一次潜在的知识泄露。

这也解释了为什么《纽约时报》在同期报道中强调中国AI模型正在”缩小差距”——在出口管制和蒸馏攻击的双重作用下，中国AI的追赶速度可能比外界预期的更快。

而Anthropic自身的矛盾也值得深思：这家公司一直以”AI安全”为品牌核心，呼吁全球暂停AI开发，要求政府严格监管。但当监管的大棒真正落下时，最先感到痛苦的可能是那些依赖开放API获取数据的竞争者——其中就包括被指控的阿里巴巴。

正如Ars Technica的评论所言——Anthropic要求”惩罚”阿里巴巴，但惩罚的标准是什么？什么样的模型访问是”合法的”？什么样的又是”非法的”？这些问题，目前没有答案。

Claude付费订阅暴涨75%、OpenAI推迟IPO到2027——AI双雄的消费者战争，正在改写万亿估值的底层逻辑

一、Claude的”静默崛起”：75%的增长如何让ChatGPT感到紧张？

过去一周，多家权威媒体同时报道了一个看似平静却意义重大的信号：Anthropic的Claude正在付费消费者市场上取得突破性增长。

TechCrunch率先报道，Claude在付费消费者市场——这个长期以来被ChatGPT垄断的领域——正在赢得越来越多的用户。这不是一个模糊的趋势描述，而是有具体数据支撑的事实：根据Crypto Briefing和多个交易数据源的分析，Claude的付费订阅用户在半年内增长了约75%，增速远超行业平均水平。

更令人关注的是Forbes的报道——Claude的CNP（每次查询净收益，即Cost-Per-Query Net Profit）实际上超过了市场领导者ChatGPT。这意味着Claude不仅在抢用户，还在”更高效地”赚钱。在一个AI行业普遍面临”每多用一次就亏更多”的困境中，Claude的单位经济效益表现成为了一个罕见的亮点。

💡 什么是CNP？ 在AI订阅经济中，CNP（每次查询净收益）衡量的是用户每发起一次查询后，公司实际赚到的钱。如果CNP为正且高于竞品，说明该公司的模型效率、推理优化和定价策略组合得更出色。Claude在此指标上超越ChatGPT，意味着它可能找到了”不烧钱也能赢”的商业模式。

Tech Times此前的报道已经指出，ChatGPT的AI助手市场份额首次跌破50%，Gemini和Claude共同瓜分了剩余的半壁江山。而这次Claude的75%订阅增长，解释了为什么ChatGPT的份额会持续下滑——不是用户不用AI了，而是用户换到了Claude。

二、OpenAI的IPO推迟：等Anthropic先探路，还是底气不足？

就在Claude高歌猛进的同时，《纽约时报》在23小时前的一篇独家报道中披露了一个更为震撼的消息：OpenAI正在考虑将IPO推迟到2027年。

这并非一个简单的”资金不够所以延后”的故事。根据Crypto Briefing、Economic Times和Mezha等多家媒体的交叉报道，OpenAI的策略考量相当微妙——他们希望等Anthropic率先完成上市后，观察市场对AI公司的估值定价和投资者热情，再择机入场。

这种”等等看”的策略暴露了几个深层问题：

首先是估值焦虑。 Anthropic此前以9650亿美元的估值完成了H轮融资，已经超过了OpenAI的估值。如果Anthropic在2026年先上市并获得市场追捧，OpenAI若此时IPO，可能会被 Anthropic 的市场表现”锚定”在一个不利的位置。推迟一年，意味着OpenAI可以用Anthropic的上市表现来为自己的估值谈判增加筹码。

其次是消费者市场的压力。 当ChatGPT的市场份额跌破50%、Claude的付费订阅暴涨75%时，OpenAI需要在IPO前证明自己的消费者业务依然具有统治力。推迟IPO给了OpenAI更多的时间来扭转消费者市场的颓势——或者至少稳住局面。

第三是监管环境的不确定性。 结合之前报道的白宫要求OpenAI限制GPT-5.6发布、Five Eyes发出AI安全警告等事件，OpenAI显然意识到，在监管风险尚未明朗之前仓促上市，可能会让投资者面临不可控的政策风险。

Economic Times的报道进一步指出，OpenAI的这一策略本质上是将Anthropic当作”探路者”——让Anthropic先承受上市初期的市场波动和投资者审视，等风向明朗后再入场。这是一种典型的”second-mover advantage”（后发优势）策略，但在AI这种竞争激烈的行业中，时间窗口可能转瞬即逝。

三、从”Tokenmaxxing”到”Efficiency”：AI行业的范式大转折

如果说Claude的增长和OpenAI的IPO推迟是”果”，那么”因”可能隐藏在AI行业正在经历的更深层次转变中。

CNBC在8小时前的报道中提出了一个关键概念：”tokenmaxxing”时代的终结。过去两年，OpenAI和Anthropic的消费者产品竞争策略很大程度上围绕”更多token、更长上下文、更大用量”展开——订阅费越高，给的token越多，用户就越划算。这种策略在增长期非常有效，但它也带来了一个致命问题：每个用户的获取成本正在超过其终身价值。

📊 数据对比：Tokenmaxxing vs Efficiency
• Tokenmaxxing阶段：用户订阅费$20/月，消耗token成本$15，净利润$5
• Efficiency阶段：用户订阅费$20/月，通过模型优化将token成本降至$8，净利润$12
• Claude的CNP优势正是来自这一转型的成功

CNBC的报道指出，随着投资者从”增长优先”转向”盈利优先”，OpenAI和Anthropic都不得不重新审视自己的商业模式。对OpenAI而言，Q1烧掉37亿美元、累计亏损390亿美元的数据（见前文#209报道）让”tokenmaxxing”策略难以为继；对Anthropic而言，Claude之所以能够在CNP上超越ChatGPT，正是因为其在模型效率和推理优化方面投入更早、更深。

这种范式转变的意义在于：AI行业的竞争正在从”谁给的token多”转向”谁的模型更聪明、更便宜、更高效”。而这恰恰是Anthropic的强项——其Claude模型在代码生成、逻辑推理和专业任务上的表现一直广受好评，用户愿意为”质量”而非”数量”付费。

四、百万美元年薪背后：AI人才争夺战的终极形态

在这场消费者战争和IPO博弈的背后，还有一个容易被忽视却至关重要的维度：人才。

Business Insider在11小时前的一篇文章中披露了Anthropic的内部薪酬数据——其技术员工的总薪酬已经超过100万美元。这不仅仅是”高薪招聘”那么简单，而是反映了AI行业人才竞争的终极形态。

印度今日（India Today）和Let’s Data Science的报道进一步补充了细节：Anthropic的H-1B签证申请文件中显示的薪资水平表明，即使是中级技术岗位，其base salary也已经接近或超过传统科技公司高管的水平。而Fortune此前的报道则指出，整个科技行业正在为”不需要写代码的新角色”支付高达100万美元的薪水——这些角色包括AI安全研究员、提示工程师、模型微调专家等新兴职位。

🔥 人才战争的核心逻辑
AI行业的竞争本质上是”人才密度”的竞争。Claude之所以能在CNP上超越ChatGPT，关键在于Anthropic拥有一支高效率、低冗余的工程团队。百万美元年薪不是福利，而是对稀缺人才的投资回报——一个优秀的AI研究员创造的模型改进价值，可能远超其薪酬成本的数百倍。

对OpenAI而言，人才流失（前文#217、#218报道的Google DeepMind人才大逃亡、OpenAI自研芯片”002号员工”叛逃等事件）叠加IPO推迟，使其在人才争夺战中处于更加不利的位置。当Anthropic能够开出百万美元年薪吸引全球顶尖人才时，OpenAI的IPO延迟不仅影响融资节奏，更影响其吸引和留住顶级工程师的能力。

五、消费者的选择，决定万亿王座的归属

当我们把这四条线索——Claude的消费市场崛起、OpenAI的IPO推迟、tokenmaxxing到效率的范式转变、以及百万美元的人才战争——放在一起时，一幅更加清晰的图景浮现出来：

AI行业的竞争已经从”模型能力”的单维比拼，升级为”商业模式+人才战略+监管策略”的多维战争。

Claude的75%订阅增长证明了一件事：消费者用钱包投票，他们不在乎哪家公司的估值更高、哪位CEO的嗓门更大，他们在乎的是哪个AI更好用、更可靠、更有价值。而OpenAI的IPO推迟则暴露了另一个现实：即使在万亿估值的光环下，AI巨头也必须在基本面上证明自己——用户增长、单位经济效益、人才储备，缺一不可。

未来12-18个月内，Anthropic和OpenAI都将走向公开市场。谁先上市、以什么估值上市、上市后能否维持用户增长和盈利能力，将不仅决定两家公司的命运，也将为全球AI行业树立一个关键的标杆。

而这一切的起点，可能就是我们今天看到的这些看似平淡的新闻头条——一个付费订阅的75%增长，一次IPO的延期决定，一场从token到效率的范式转换。

华尔街AI泡沫警报连环拉响：Grantham喊崩盘、Burry加倍做空、Accenture自砸4亿——AI军备竞赛的尽头是无人区？

2026年6月下旬的华尔街，正在上演一场罕见的”AI泡沫围剿战”。短短一周内，从传奇投资者到顶级投行，从咨询巨头到企业CFO，多条战线同时亮起红灯。

这不是某一家公司的个别危机，而是一场系统性信心危机的集中爆发。当曾经最坚定的AI多头开始集体转向，当企业客户开始质疑每一笔AI支出的ROI，一个无法回避的问题浮出水面：如果连华尔街都不再相信AI的故事能赚钱，那么这场价值数万亿美元的军备竞赛，究竟在为什么买单？

一、Grantham的史诗级崩盘预警：70%概率的美股灾难

6月27日，被誉为”泡沫猎人”的传奇投资者Jeremy Grantham在Seeking Alpha上发表最新观点，发出了令人不安的警告：美股在未来一段时间内遭遇史诗级崩盘的概率高达70%。作为曾多次精准预测市场顶部的知名投资人，Grantham的建议直指核心——撤离美股，尤其是AI相关持仓。

Grantham的判断并非孤立事件。他的警告与多位市场信号形成共振：CNN报道指出AI股票再次大幅回调，CNN分析师David Goldman分析称市场对AI商业模式的信任正在快速流失；AP News以”大多数华尔街上涨，但持续下跌的AI股使其本周录得亏损”为题，记录了AI权重股在大盘反弹中被无情抛弃的现实。

更值得关注的是CNBC的报道——Nvidia和Alphabet完全被排除在这场megacap科技股反弹之外。当其他科技巨头股价回升时，这两家AI基础设施的核心供应商继续下跌。这意味着市场不再将AI龙头视为”避险资产”，而是将其归类为”风险敞口最大的板块”。

Grantham的逻辑链条清晰而残酷：AI基础设施投入规模已达天文数字，但回报周期远超预期。当资本市场的耐心耗尽，估值回归将不可避免。

二、Burry的做空复利：Nvidia和Palantir仓位翻倍

如果说Grantham的警告还停留在”建议层面”，那么”大空头”迈克尔·伯里的行动则更加直接——他不仅在看空AI，而且在加倍下注。

Benzinga的报道揭露了一个惊人事实：Palantir遭遇了自2021年以来最严重的暴跌，而Michael Burry正是这场暴跌的最大受益者之一。据TradingKey披露，伯里已将Nvidia和Palantir的做空仓位翻倍，这是一场针对AI泡沫破裂的巨大押注。

Burry的逻辑与Grantham一脉相承但更加激进。他在CNBC上曾公开指控AI超大规模采购商（hyperscalers）”人为操纵盈利数据”，暗示那些每年花费数百亿美元购买AI算力的科技巨头，正在通过会计手段让AI投资看起来比实际更有价值。

Business Insider也报道了Jefferies分析师援引Burry的观点，呼吁投资者抛售Palantir股票。Palantir作为AI军事和政府应用的标志性公司，其股价崩盘象征着市场从”AI概念股”到”AI纯血统”的全面撤退。

值得注意的一个细节是：Burry在做空AI的同时，买入了一只”无聊的医疗保健股”。这种鲜明的对比——卖出最性感的AI故事，买入最平庸的传统行业——恰恰反映了他对AI估值体系的根本性质疑。

三、Accenture的4亿美元自砸：咨询巨头的内部预警

如果说投资者层面的看空还属于”外部视角”，那么Accenture的举动则堪称”内部爆破”。这家全球最大咨询公司之一在WSJ的报道中明确下调了展望，称”AI前景迷雾重重”，直接导致其股价暴跌超过14%，创下九年新低。

Money Morning的报道标题极具冲击力——“Accenture的4亿美元警告刚刚将IT股票送到三年低位”。Accenture下调展望的原因直指核心：企业客户对AI投资的ROI正在提出越来越尖锐的问题，而这反过来影响了Accenture自身的咨询服务收入。

这形成了一个致命的正反馈循环：企业客户因为看不到AI的回报而缩减支出 → Accenture等咨询公司的AI相关服务收入下降 → 咨询公司下调展望 → 市场恐慌加剧 → 股价进一步下跌。

MSN的报道也证实了这一趋势的全球化影响——印度股市因Accenture的警告而大幅下跌，IT板块首当其冲。这表明AI泡沫担忧已从美国本土蔓延至全球科技供应链。

四、CFO们的钱包收紧：从”tokenmaxxing”到”效率优先”

在所有这些外部压力中，最具有结构性意义的是企业端的变化。CFO们正在重新审视每一笔AI支出。

MarketScale的报道揭示了一个正在发生的全行业趋势：”CFO收紧AI预算，Agentic平台和硬件交易正在重塑2026年的企业AI格局。”这不再是某个公司的个别决策，而是整个企业界的集体转向。

Startup Fortune的报道提供了一个极端案例：Uber在2026年仅用了四个月就烧光了全年的AI预算，现在每位CTO都在密切关注这一信号。当一家科技公司的AI预算消耗速度达到全年支出的67%在四分之一年内完成，这本身就是商业模式可持续性的强烈警示。

Tech Times的报道更是给出了一个惊人的审计结论：企业AI支出中高达65%的花费是可以回收的。这意味着过去两年企业盲目投入的AI预算中，超过六成根本没有产生对应的商业价值。

这与之前文章#209中提到的”OpenAI Q1烧掉37亿美元、累计亏损390亿”形成了完美的呼应——不仅是OpenAI在烧钱，整个企业界的AI投入都在经历一场大规模的”去泡沫化”过程。

五、冰与火：AI军备竞赛的双面叙事

当我们把这些线索编织在一起，一幅令人深思的图景浮现出来：

这正是AI行业当前最核心的悖论：技术进展越快，财务可持续性越成问题。

当Nvidia需要发行200亿美元债券来为AI基建融资（文章#230），当Micron单季营收暴涨4倍但仍无法满足1000亿美元的AI存储需求（文章#231），当OpenAI季度烧掉37亿美元却推迟IPO到2027年（文章#209、#240）——我们看到的不是一个即将爆发的泡沫，而是一个正在经历”现实检验”的行业。

Grantham、Burry和Accenture的集体发声，标志着这场现实检验已经从少数人的担忧变成了主流共识。

六、尾声：AI的下一个十字路口

2026年年中的这场AI信心危机，或许正是这个行业成熟过程中的必经之痛。技术本身没有错——AI的能力在持续提升，应用场景在不断扩展。但资本市场对AI的期望值，显然已经超越了短期内可实现的速度。

接下来的关键问题是：当泡沫的噪音褪去，AI行业能否拿出足以说服CFO和投资者的真实商业价值？

对于投资者而言，Grantham的70%崩盘概率警告和Burry的翻倍做空，至少提供了一个值得认真对待的风险信号。对于企业而言，Accenture的4亿美金教训和Uber的预算烧穿，至少说明”先投入再说”的时代已经结束。对于整个行业而言，从”tokenmaxxing”到”效率优先”的转变，标志着一个更加务实的新阶段的开始。

AI的故事远未结束，但它正在从一个关于”无限可能”的童话，转变为一个关于”可持续价值”的现实考验。

Anthropic Claude Tag上岗、Adobe把AI交给4A公司、Copilot安全漏洞曝光——AI Agent走进职场，是效率革命还是信任危机？

一、Claude Tag：Slack 里的 AI 同事，不再”叫了才来”

两天前，Anthropic 在 Slack 生态中做了一个看似微小、实则颠覆性的动作：用 Claude Tag 替换掉了原来的 Slack 应用。这不是简单的功能迭代，而是一种范式转移——从”你问我答”的对话工具，变成了”永远在线、自主学习、自主工作”的 AI 同事。

根据 Fortune、VentureBeat、ZDNET 等多家媒体的报道，Claude Tag 的核心能力在于它的持续性。它不是在你发送消息时才启动，而是常驻在 Slack 频道中，持续学习团队的沟通模式、项目节奏和工作习惯。它能主动监控任务进度、识别潜在风险、甚至在不需要人工指令的情况下自主完成跨渠道的信息协调。

VentureBeat 的 Michael Nuñez 将其描述为”replacing its Slack app with a persistent AI teammate that learns, monitors and works autonomously”——这短短一句话，勾勒出 AI Agent 从工具到成员的进化路径。The Register 更是直接给出了辛辣的评价：”nosy, always-on agentic AI coworker”——一个爱管闲事、永不休息的 AI 同事。

这种”永不下班”的设计，对企业的意义是双重的。一方面，它意味着协作效率的实质性提升——AI 不再需要被”唤醒”，它已经在你的工作流中了。另一方面，它也带来了一个从未被认真对待的问题：当一个 AI 同事能持续观察你的一切工作时，你还有隐私吗？

二、Adobe 的戛纳豪赌：把 Agentic AI 交给 4A 公司来运营

几乎在同一周，另一条重磅消息从法国戛纳传来。Adobe 在 Cannes Lions 2026 上宣布了一系列新的 Agency 和 Technology 合作伙伴关系，核心内容是：让 Accenture、Omnicom 等全球顶级广告代理商，直接运行 Adobe 的 Agentic AI 平台来服务各自的客户。

根据 Adobe Newsroom 和 Seeking Alpha 的报道，这些合作不仅限于技术授权，而是将 Adobe 的 AI 能力深度嵌入到广告代理商的日常运营中。PPC Land 的 Luis Rijo 报道称，”agency giants are now running its agentic AI”——曾经以创意著称的 4A 公司，现在正在用 AI 代理来处理客户请求、生成营销方案、优化投放策略。

这个动作的战略意图非常清晰：Adobe 不想自己做所有的 AI 应用，而是要建立一个生态系统。通过让大型代理商成为 Adobe Agentic AI 的”运营商”，Adobe 实际上在复制当年 iOS 的 App Store 模式——只不过这次运营的不是开发者，而是全球最懂客户需求的广告公司。

但这里有一个耐人寻味的细节。戛纳 Lions 向来是创意产业的圣殿，而今年最大的话题不是某个获奖广告，而是”AI 正在如何重写创意工作的流程”。Adobe 选择在这个场合宣布 Agentic AI 的代理商生态，等于公开宣告：创意产业的工作方式，已经从”人主导 AI”转向”AI 主导人”。

三、Copilot 漏洞与涨价：AI Agent 的双刃剑

然而，AI Agent 走进职场的故事并非全是光明面。就在 Claude Tag 和 Adobe 生态发布的同时，另一组数据正在提醒企业决策者：Agentic AI 的普及，伴随着前所未有的安全和成本风险。

Mashable 10 天前报道了 Microsoft Copilot 的一个严重安全漏洞——该漏洞可能导致用户的邮件内容、2FA 验证码以及其他敏感信息被意外暴露。Josh Bersin 在 5 月底的分析文章中也指出，企业 AI 的使用成本正在”Going Up, Up, Up”，AI 价格的持续攀升正在给企业的 AI 预算带来巨大压力。

这两个问题叠加在一起，构成了 AI Agent 时代最尴尬的现实：企业越是依赖 AI 同事来执行关键业务，这些 AI 的安全隐患就越致命；企业越是追求 AI 带来的效率提升，AI 的持续使用成本就越可能吞噬掉效率红利。

更值得警惕的是，Anthropic 的 Claude Tag 和 Adobe 的 Agentic AI 平台，本质上都需要深度接入企业内部的数据流——聊天记录、项目文档、客户信息。这意味着，一旦这些”AI 同事”被攻击或滥用，后果远比传统的网络钓鱼或数据泄露严重得多。你不再只是担心黑客偷走你的数据库，还要担心他们”策反”你的 AI 同事。

四、AI 职场革命的真正分水岭

Claude Tag 的发布、Adobe 的代理商生态、Copilot 的安全漏洞——这三条看似独立的消息，实际上指向了同一个结构性拐点：

第一，AI Agent 的形态正在从”对话”走向”常驻”。过去一年的 AI 产品叙事围绕”ChatGPT 能帮你做什么”展开，但 Claude Tag 代表的是一种完全不同的交互模式——AI 不再是被动等待指令的聊天机器人，而是主动融入工作流的常驻成员。这种转变的意义不亚于从”桌面软件”到”云服务”的迁移。

第二，AI 的商业化正在从”卖许可证”走向”卖生态”。Adobe 选择让 Accenture 和 Omnicom 来运营其 Agentic AI 平台，而不是自己直接面向终端客户，这标志着 AI 巨头们开始意识到：真正的规模化不在于产品本身有多强大，而在于谁能构建起围绕产品的服务网络。AI 的下一个竞争战场不是模型能力，而是生态伙伴的密度。

第三，安全与成本的”信任赤字”正在成为 AI Agent 普及的最大障碍。当 AI 从”偶尔使用的工具”变成”每天接触企业核心数据的同事”时，企业对它的信任门槛会呈指数级上升。Copilot 的漏洞和不断上涨的 AI 账单，恰恰在这一时刻击中了企业决策者的软肋。

Google I/O 13项重磅齐发、政府要求AI模型”先审后发”、15万人因AI失业——AI加速狂飙的时代，谁在狂奔、谁在踩刹车、谁在下车？

一、Google I/O 2026：13项发布背后的”代理式AI”大跃进

2026 年 6 月的 Google I/O 大会，被业界称为”史上最大规模 AI 发布”。Google 在为期两天的主题演讲中一口气推出了 13 项重大 AI 相关公告，从底层模型到消费级硬件，从搜索体验到移动操作系统，几乎覆盖了整个 AI 技术栈。

其中最引人注目的当属 Gemini 3.5 Flash 的发布。这款模型在多项基准测试中超越了 GPT-4.5 和 Claude Sonnet 4 的性能表现，同时推理成本降低了约 60%。更重要的是，Google 宣布 Gemini 3.5 将成为其所有 AI 产品的统一底座——包括搜索、Android、Workspace 以及即将推出的 XR 设备。

与此同时，Google 还发布了 Android XR 智能眼镜 的工程样机。这款眼镜内置 Gemini 代理层，能够实时理解用户所处的物理环境并提供情境感知辅助。从地图导航到餐厅推荐，再到即时翻译——Google 试图把 Gemini 装进你的眼睛里。

此外，AI 搜索的全面改版 也是此次 I/O 的重头戏。新版搜索不再只是返回链接列表，而是通过 Gemini 深度理解用户意图，生成综合性的回答摘要，并附带可操作的下一步建议。这一变化直接引发了连锁反应——DuckDuckGo 在美国市场的 iPhone 安装量在 I/O 结束后 48 小时内激增，用户开始重新思考”搜索引擎”的定义是否正在被重写。

还有 Gemini Spark——一款面向开发者的低代码 AI 构建工具，允许用户通过自然语言描述快速生成应用原型。加上 Google AI Mode 突破 10 亿月活跃用户的数据，Google 正在用一套组合拳宣告：AI 时代的核心战场已经从”谁有最好的模型”转向”谁能把 AI 嵌入最多的场景”。

二、国家安全审查协议：当”先审后发”遇上”敏捷开发”

就在 Google I/O 喧嚣落幕的同时，另一条新闻悄然登上了各大媒体头条。The Guardian 报道，美国政府与微软、Google、xAI 等科技巨头达成了一项秘密协议：所有受监管的 AI 模型在公开发布之前，必须提交给国家安全机构进行审查。

这项协议的核心逻辑并不复杂——随着 AI 模型的破坏性能力呈指数级增长（从生成深度伪造内容到自动化网络攻击），政府认为有必要在模型”走出实验室”之前掌握其能力边界。据报道，该协议涵盖了从基础语言模型到多模态代理系统的广泛范围。

但这一举措在科技界引发了激烈争议。批评者指出，”先审后发”机制与硅谷赖以生存的”敏捷开发”文化根本冲突。一位不愿透露姓名的 AI 研究员告诉 CNBC：”我们现在的模型迭代周期是几周甚至几天，如果你每次发布都要等政府审批，那等于扼杀了整个行业的创新速度。”

更深层的问题在于：谁来定义什么是”安全风险”？ 当审查标准模糊不清时，这项机制可能被滥用为打压竞争对手或限制言论自由的工具。纽约时报引述白宫消息人士称，特朗普已签署相关行政命令，但该命令的具体实施细则尚未公开。

三、15.3万人失业：AI 替代浪潮下的劳动力市场拐点

如果说 Google I/O 展示了 AI 的”进攻面”，国家安全审查协议勾勒了 AI 的”防御面”，那么 TechCrunch 和 Yahoo Tech 的报道则揭示了 AI 的”破坏面”——2026 年迄今，仅 Meta、微软、甲骨文、Salesforce、Robinhood、沃尔玛等公司就以 AI 替代为由裁掉了超过 15.3 万个科技岗位。

其中最为震撼的是甲骨文的 21,000 人裁员——这家企业软件巨头在财报电话会上明确表示，其 AI 驱动的业务重组是裁员的主要原因。Meta 和微软合计裁减约 20,000 人，CNBC 评论称这”引发了人们对 AI 驱动型劳动危机的深切担忧”。

华尔街的分析师们开始使用一个前所未有的词汇来描述这一趋势：“结构性拐点”。与以往的经济周期不同，这次裁员不是由于需求萎缩，而是由于供给端的技术替代——AI 代理正在接管原本需要人类完成的分析、编码、客服、设计等工作。

Business Insider 整理的完整名单显示，被裁岗位中最集中的是软件工程、数据分析、内容审核和用户支持。这些曾经被视为”铁饭碗”的中产技术岗位，正在成为 AI 代理最先瞄准的目标。一位前 Meta 工程师在 LinkedIn 上写道：”我花了 8 年时间学习编程，现在我的 AI 同事可以在 8 分钟内完成我过去 8 天的工作量。”

四、三股力量交汇：AI 时代的”速度悖论”

当我们把这三条线索放在一起看，一个清晰的图景浮现出来：

• 技术侧：Google 用 I/O 13 连击宣告 AI 代理时代正式到来，Gemini 3.5 的性能突破让”AI 自主执行任务”从概念变为现实。
• 治理侧：美国政府通过”先审后发”协议试图给 AI 套上缰绳，但审查机制本身可能成为创新的拖累。
• 社会侧：15.3 万人的失业数字证明，AI 的破坏力已经不再是”未来威胁”，而是”当下现实”。

这三股力量共同指向一个核心悖论：AI 的发展速度正在远超治理框架的更新速度，而人类社会的适应能力又远跟不上技术的发展速度。

科技评论人 Kif Leswing 在 CNBC 的分析文章中提出了一个尖锐的问题：”当一家公司可以用 AI 在两周内完成过去需要 200 人团队六个月才能完成的工作时，我们该如何重新定义’工作’本身？”

这个问题没有简单的答案。但至少有一点是明确的——无论是 Google 的 XR 眼镜、特朗普的行政令，还是那位在 LinkedIn 上感慨的前工程师，他们都在同一条河流中游泳。这条河的名字叫 AI，流速比我们任何人都想象的要快得多。