科技资讯

OpenAI 发布 GPT-5.6 工作代理，北京同步酝酿 AI 模型出海限制——两大超级力量在同一天亮出底牌，AI 时代的”访问权”正在成为比芯片更稀缺的战略资源？

一、OpenAI 的”工作代理”豪赌：GPT-5.6 不只是升级，而是重新定义 AI

7月9日，OpenAI 向公众开放了迄今为止最强大的 AI 系统——GPT-5.6。但这不是一次简单的版本迭代，而是一场精心策划的产品矩阵重塑。

与以往不同，这次 GPT-5.6 以三档分层的形式亮相：

但真正让业界震惊的不是模型分层本身，而是 OpenAI 同时推出的ChatGPT Work——一个被设计用来”完成整份工作”而非”回答单个问题”的工作代理。正如 Space Daily 的报道所言：”OpenAI 不再满足于做问答工具，它要接管你的工作流。”

Altman 在接受 CNBC 采访时透露，GPT-5.6 在代理式编码任务上的 token 效率提升了 54%。这意味着什么？意味着 AI 不仅”写得更好”，而且”花得更少”——在 OpenAI Q1 烧掉 37 亿美元的背景下，这个数据既是技术宣言，也是财务自救。

Forbes 的分析文章指出，这次发布标志着 OpenAI 从”模型竞赛”转向”工作流锁定”——不是要比谁的回答更聪明，而是要让你的日常工作习惯依赖 ChatGPT Work。这种策略与 Anthropic 此前组建 AI 部署军团的做法形成了鲜明对比：一方选择”嵌入你的日常”，另一方选择”嵌入企业的决策层”。

二、北京的”硅幕”考量：当中国 AI 成为被争夺的战略资产

几乎在同一时间窗口，另一条新闻正在悄然发酵。路透社独家报道（由 Fanny Potkin 和 Kenrick Cai 联合撰写）称，北京正在考虑限制海外用户对中国顶级 AI 模型的访问。

这篇报道的核心信息量极大。长期以来，美国通过芯片出口管制试图遏制中国 AI 发展，而中国则通过开源策略反向渗透美国开发者社区。但路透社的报道揭示了一个新的战略转向：中国开始将自身 AI 模型视为”战略出口资产”，并考虑采取类似美国的出口管制手段。

这篇报道在多家国际媒体引发了连锁反应。CNBC 随后报道美国议员正在调查中国 AI 模型在美国企业中的增长使用情况；德国媒体 Xpert.Digital 更是直接以”数字封锁？免费 AI 的终结？中国正在向西方面关紧 AI 水龙头”为题进行了深度分析。

这一政策的战略含义深远。如果北京真的实施海外访问限制，那么全球 AI 生态将被迫在两个”阵营”之间做出选择：使用美国模型（受美国出口管制约束）还是使用中国模型（未来可能受中国出口管制约束）。这正是文章 #292 所描述的”逆全球化”趋势的进一步深化。

三、双重叙事背后的同一场战争：从”算力军备竞赛”到”访问权争夺战”

OpenAI 的 GPT-5.6 发布和北京的”硅幕”考量，表面上是两个独立的故事——一个是产品发布，一个是政策动向。但将它们放在同一个时间框架下审视，一幅更深层的图景浮现出来。

第一层：AI 竞争的维度升级。过去两年，AI 军备竞赛的核心指标是算力（GPU 数量）、参数规模（千亿/万亿级别）和人才密度。但现在，两大叙事共同指向了一个新的竞争维度——谁能控制”谁能用上最强 AI”。OpenAI 通过 ChatGPT Work 将 AI 嵌入工作流，创造”使用习惯壁垒”；北京通过潜在的海外访问限制，创造”地理政策壁垒”。

第二层：AI 访问权的”第三战略资源”地位。在能源时代，石油是战略资源；在信息时代，数据是战略资源；而在 AI 时代，“谁能用上最强模型”正在成为第三种战略资源——甚至比芯片和数据更重要。因为即使你拥有最好的芯片和最丰富的数据，如果无法访问最前沿的模型，你的 AI 能力就会被锁定在一个次优水平。

这正是为什么 G7 闭门会议上 Anthropic 和 DeepMind 向特朗普团队提交的 AI 联盟方案如此关键——它本质上是在定义”谁有资格进入 AI 俱乐部”。而北京的回应则是：如果你们要设门槛，那我们也设门槛。

第三层：全球 AI 生态的”阵营化”加速。当两个超级大国同时开始控制 AI 模型的跨境流动时，全球 AI 开发者和企业将面临前所未有的选择压力。Article #292 已经记录了 46% 的美国开发者使用中国模型的现象，但如果北京真的实施限制，这个数字可能会断崖式下跌——或者反过来，促使更多企业寻找”第三条路”。

四、对中国 AI 行业的影响：短期阵痛还是长期机遇？

对于中国 AI 行业而言，”硅幕”政策是一把双刃剑。

短期来看，限制海外访问可能削弱中国 AI 模型的全球影响力。DeepSeek、智谱 AI、MiniMax 等公司通过低价甚至开源策略在美国市场建立的声誉可能被政策打断。对于那些依赖美国客户收入的 AI 初创公司来说，这可能意味着收入的急剧下降。

但长期来看，这种限制可能反而强化”国产替代”的逻辑。当中国企业意识到海外访问可能随时被切断时，它们会更坚定地投资于自主模型生态。这与中国在芯片领域的”去美化”路径如出一辙——外部压力越强烈，内部创新动力越充足。

值得注意的是，路透社的报道使用的是”正在考虑”（weighing up）而非”即将实施”。这表明北京尚未做出最终决定，而是在评估各种方案的利弊。这种审慎态度本身就是一个信号：中国 AI 政策的制定者正在认真思考如何将技术优势转化为地缘政治筹码。

五、小结：AI 时代的”访问权”博弈，才刚刚开始

Sun Valley 2026：AI的「赚钱考试」正式开考——从硅谷沙龙到华尔街审判台，万亿帝国的最后一道关卡是什么？

一、从”并购沙龙”到”AI考场”：Sun Valley 2026到底在考什么？

今年夏天的爱达荷州，空气里飘着的不再是好莱坞式的并购八卦，而是token价格、算力成本和利润率。Sun Valley Conference——这个由《华尔街日报》前身家族创办的”亿万富翁夏令营”——已经完成了它最彻底的转型。

据Observer.com今早（7月10日）最新报道，今年的嘉宾名单堪称AI军备竞赛的”全明星阵容”：杰夫·贝索斯、马克·扎克伯格、山姆·奥特曼悉数到场，而来自亚洲的重量级玩家——三星电子董事长李在镕——也第二次踏入这片山谷。

但真正值得玩味的不是谁来了，而是他们在这里讨论什么。Bloomberg的报道标题直白得近乎残酷：“Step Aside, AI. Media’s Back in the Sun Valley Spotlight.”——不，恰恰相反。媒体只是遮羞布，真正的议题只有一个：AI到底能不能赚钱？

La Voce di New York的分析文章将这次峰会定性为”the Billionaire Summit Puts AI to the Profit Test”（亿万富翁峰会将AI置于盈利测试之下）。四年前的Sun Valley还在畅想”AI改变一切”，今年的主题已经变成了”好吧，那到底怎么改变？能赚多少？”

二、Anthropic的$10亿利润：IPO前最耀眼的成绩单，还是泡沫里的糖衣？

就在Sun Valley开幕的同一天，一条重磅财务消息从分析圈传来。

SemiAnalysis在两天前发布报告指出，Anthropic的2026年第三季度利润已超过10亿美元，季度营收逼近110亿美元。Yellow.com跟进报道，这一数字在IPO文件临近之际显得尤为引人注目——如果属实，Anthropic将成为AI历史上盈利能力最强的初创公司。

CNBC此前（5月）曾报道Anthropic第二季度营收已达109亿美元。这意味着其季度收入增长曲线近乎垂直，从2024年的约30亿到2025年的约60亿，再到2026年的破百亿——三年翻三倍有余。

但利润和收入之间隔着一条巨大的鸿沟。SemiAnalysis的报告标题用了”sneak peak”一词，暗示这些数据来自内部估算而非正式审计。Fortune在6月底的报道更是抛出了一个尖锐问题：“Anthropic’s Alibaba fight raises a trillion-dollar IPO question: How defensible is frontier AI?”——Anthropic与阿里巴巴的博弈，引出了一个万亿美元IPO级别的问题：前沿AI的护城河到底有多深？

当华尔街开始用”defensibility”（可防御性）来审视Anthropic的百亿营收时，Sun Valley里那些还在谈论”AI改变世界”的科技领袖们，不得不面对一个更现实的问题：你的AI生意，真的能持续赚钱吗？

三、Business Insider的警告：AI”捷径”如何正在杀死行业利润

两天前，Business Insider刊登了一篇由Alistair Barr和Charles Rollet撰写的文章，标题毫不客气：“This AI shortcut could destroy the industry’s profits.”

文章的核心论点是：企业正在用一种”AI捷径”来压缩运营成本——用AI替代人力、用自动化替代流程、用生成式工具替代专业服务。短期看，每家公司的利润率都在改善；但当全行业同时采用同样的AI捷径时，结果就是定价权的全面崩溃。

这类似于经济学中的”囚徒困境”：单个公司使用AI降本可以保持竞争力，但当所有竞争者都这么做时，整个行业的利润池被系统性掏空。更糟糕的是，AI工具的”边际成本趋零”特性意味着这种价格战几乎没有底线——一旦某家公司把服务价格降到AI成本线附近，竞争对手只能跟进，否则就会被市场淘汰。

Variety的报道为这个故事提供了另一个注脚。记者Brent Lang写道：”Buyer Beware: Why Sun Valley Has Been a Disaster for the Media Business.”——过去五年，科技巨头在Sun Valley达成的数十亿美元媒体并购案，大多数未能兑现AI协同效应的承诺。贝索斯的Amazon MGM收购、Meta对VR内容生态的豪赌、Google对创意内容的投资，无一不在”AI赋能媒体”的愿景下启动，但现实是，AI并没有像预期那样创造出新的收入流。

四、三星李在镕的Foundry豪赌：韩国半导体帝国的AI复兴之路

如果说Anthropic的利润故事代表了AI软件层的繁荣，那么三星李在镕在Sun Valley的行程则揭示了硬件层的军备竞赛。

据Seoul Economic Daily和Chosunbiz报道，李在镕此行的核心目标是与美科技巨头敲定Foundry代工大单。这是三星连续第二年参加Sun Valley，也是韩国半导体帝国在AI时代最重要的战略转型之一。

在全球AI芯片需求爆炸式增长的背景下，台积电（TSMC）的产能已经接近饱和，英伟达、AMD等芯片设计公司的代工订单排到了2028年以后。三星作为全球第二大代工厂，试图通过Sun Valley这种”非正式谈判场”直接触达终端客户——跳过中间环节，用更灵活的产能和价格争取英伟达下一代芯片的代工份额。

finance.biggo的报道将这次行程定性为”AI Semiconductor ‘Big Deals’”——AI半导体大单谈判。如果成功，这不仅意味着三星在Foundry业务的重大突破，更可能重塑全球半导体代工格局：从台积电一家独大到”台三星双极”。

五、Sun Valley的隐喻：AI时代的”信心指数”在哪里？

回顾Sun Valley的历史，这个爱达荷州的会议曾经是好莱坞并购的代名词——80年代和90年代，传媒大亨们在这里签下改变媒体格局的交易。2020年代，它变成了科技巨头的社交场。而到了2026年，它终于成了AI商业化的压力测试场。

为什么是现在？因为AI行业已经走过了”技术验证”阶段，进入了”商业验证”阶段。投资者不再问”你的AI有多聪明”，而是问”你的AI能赚多少钱。” 当Anthropic用$10亿利润证明自己时，当Business Insider警告行业利润正在被AI捷径侵蚀时，当媒体并购案接连失败时——Sun Valley的每一次握手、每一场对话，都承载着比过去更重的分量。

三星李在镕的Foundry赌注、科技CEO们的利润焦虑、媒体整合的滑铁卢——这些看似独立的故事线，在Sun Valley的山谷里汇聚成同一个问题：AI的下一站，到底是印钞机还是碎钞机？

科技资讯

Nvidia蒸发万亿、UN紧急出手、中国封杀Anthropic——AI狂飙的三条命门，正在如何改写万亿帝国的生存法则？

一、Nvidia万亿蒸发：AI泡沫的第一道裂缝

7月8日，彭博社的一篇报道像一颗深水炸弹：“Nvidia’s $1 Trillion Slide Sends Valuation to Pre-AI Boom Levels”（英伟达万亿美元滑坡使其估值回到AI热潮前水平）。这不是夸张——这家AI时代的”印钞机”正在经历其历史上最严重的估值重估。

Bloomberg的报道揭示了一个令人不安的事实：在经历了数月疯狂的AI投资热潮后，英伟达的市值正在以惊人的速度缩水。华尔街顶级分析师们开始公开表达担忧——Fortune引述Morgan Stanley顶级分析师称，AI对S&P 500的掌控已达”75%的收益、80%的利润、90%的资本支出”，这种集中度本身就是系统性风险。

更值得关注的是，Michael Burry（《大空头》原型人物）再次发出警告——他称当前科技股涨势比互联网泡沫时期”更加极端”。BBC报道指出，这位以精准预测2008年金融危机闻名的交易员，已将目光锁定在英伟达身上：”它的名字就是英伟达。”

二、UN紧急出手：AI Agent信任危机的全球应对

就在Nvidia市值蒸发的同一天，Reuters报道了一个更为关键的信号：联合国数字技术署（UN digital tech agency）正式启动了一项旨在提升AI代理系统信任度的全球倡议。

这篇报道的标题非常直白：“UN digital tech agency launches initiative to improve trust in AI agents”。注意措辞——不是”规范”、不是”监管”，而是“improve trust”（改善信任）。这暗示了一个更深层的问题：AI代理系统的信任基础本身已经出现了结构性危机。

这一转变的意义在于：AI的竞争维度已经从纯技术层面向治理层和物理层面扩展。当一个万亿级行业需要联合国出面建立信任框架时，说明这个行业的”野蛮生长”阶段已经走到了尽头。

三、中国封杀Anthropic编码工具：AI出口管制的第二阶段

CBS News在7月8日的报道揭示了另一个维度的紧张局势：“China warns of ‘security backdoor’ in Anthropic AI coding tool”（中国警告Anthropic AI编码工具存在安全后门）。

这条新闻看似是单一事件，但放在更大的图景中来看，它标志着AI出口管制的第二阶段正在到来：

这意味着什么？AI的竞争正在从”谁能买到更多GPU”升级为”谁的生态系统更安全、更可信”。而在这个升级过程中，中国的动作尤为值得关注——继之前考虑对AI模型实施出口限制后，这次直接针对Anthropic的编码工具发起安全审查，说明北京正在将AI安全纳入国家安全的更广泛框架。

四、三条命门：万亿帝国的生存法则正在被重写

将这三条新闻放在一起看，一个清晰的图景浮现出来：AI军备竞赛的三个”命门”正在同时收紧。

第一个命门是财务可持续性。当Nvidia的市值蒸发万亿、当SoftBank抛售价值58亿美元的英伟达股票、当 Goldman Sachs警告AI”不可避免的 slowdown”可能让S&P 500估值倍数暴跌20%——整个AI产业的金融基础正在经历一场压力测试。Fortune的报道标题已经很能说明问题：“The stock market is barrelling toward a ‘show me the money’ moment for AI”。

第二个命门是全球治理。联合国启动AI Agent信任倡议，Five Eyes发布罕见的联合警告称”AI模型可能在几个月内具备对政府和商业造成毁灭性攻击的能力”——这些信号表明，国际社会正在从”放任AI发展”转向”系统性治理AI风险”。AI不再只是科技公司的游戏，而是全球安全议题。

第三个命门是地缘政治。中国对Anthropic编码工具的安全审查、美国对中国AI模型的出口限制、欧洲AI Act的推进——AI正在成为大国博弈的核心战场。正如我们之前文章所分析的，这形成了一个”镜像对决”格局：中美两国正在各自构建AI主权体系，而这个体系的边界正在从芯片延伸到模型、从模型延伸到开发者生态。

五、小结：AI的下一个十年，不在代码里，在约束中

回顾2023年到2026年，AI行业的发展轨迹可以用一句话概括：从”什么都可以做”到”什么都不能不做约束”。

Nvidia的万亿蒸发告诉我们——金融市场的耐心是有限的。当增长故事无法转化为实际利润时，泡沫就会破裂。

UN的信任倡议告诉我们——全球治理的红线正在形成。当一个技术足以影响国家安全时，它就再也无法逃脱政治的约束。

中国对Anthropic的审查告诉我们——AI出口管制正在进入更深的水域。当芯片封锁不足以遏制对手时，模型和工具的封锁将成为新的武器。

科技资讯

微软把OpenAI和Anthropic踢出Excel、Outlook——AI军备竞赛的尽头，是甲方掀桌子？

一、从”蜜月”到”分手”：微软的AI供应链大换血

两天前，Bloomberg率先报道了一条看似平淡却暗藏惊雷的消息：微软正在部分产品中用自研的MAI（Microsoft AI）模型替换OpenAI和Anthropic的API。

这不是什么战略投资层面的调整——而是产品层面的”物理替换”。Excel里的Copilot、Outlook中的智能摘要功能，曾经依赖OpenAI的GPT系列和Anthropic的Claude，现在正被微软自己的模型逐一接管。

The American Bazaar的报道进一步确认了这一趋势：“微软在Excel、Outlook中用自有AI替换OpenAI和Anthropic模型。”而Cybernews则给出了更直白的解读——“微软之所以抛弃OpenAI，是因为AI账单太高了。”

对OpenAI和Anthropic来说，这不仅是收入损失的问题。微软是它们最大的企业客户之一，也是”AI军备竞赛”中最具象征意义的合作伙伴。当甲方决定自己造轮子的时候，往往意味着这个行业的游戏规则正在重写。

二、AI账单失控：Agentic时代的”价格噩梦”

微软为什么要换？答案很简单——太贵了。

CryptoBriefing的报道指出，微软通过替换模型正在显著降低软件产品的AI成本。而更令人不安的是，这种成本压力并非微软独有。

Mi-3.com.au在19小时前发布的一篇分析文章标题堪称精准：“账单冲击即将到来：Agentic AI燃烧美元，决定该做什么、检查哪些工具、如何解释自己。科技巨头都无法预测成本，普通人还有什么希望？”

Agentic AI（代理式AI）的出现彻底改变了成本结构。传统的聊天机器人是按”对话次数”计费的，而Agent可以自主调用多个工具、执行多步操作、反复迭代——这意味着一次用户请求可能触发数十次甚至上百次API调用，而费用完全不可控。

Reuters在6月29日的报道一针见血：“更便宜的AI才是好AI：飙升的账单正在重塑企业的模型选择逻辑。”这不是什么技术评测，而是CFO们用真金白银投出的选票。

“当你的AI Agent为了回答一个问题调用了50次API、花了3分钟、烧掉了你预估10倍的费用——你还会说’AI太棒了’吗？” —— 一位匿名企业CTO的感慨

三、连锁反应：从限制使用到集体反弹

微软不是第一个做出反应的公司，但它的动作最具象征意义。在此之前，AI成本失控已经在企业端引发了多轮连锁反应：

这些动作的共同背景是同一个——AI的”无限畅饮”模式正在崩盘。

就在本周早些时候，Walmart、Uber和微软集体踩下了AI使用的刹车。这不再是某个公司的财务困境，而是整个行业进入”定价重置”阶段的标志性信号。OpenAI被迫降价、企业开始按次计费而非包月——AI的商业化逻辑正在经历一场无声的地震。

四、中国模型的意外红利

在这场AI成本风暴中，一个有趣的副产品正在形成。

CNBC在3天前的报道揭示了一个被广泛忽视的趋势：“中国AI模型正在美国企业中 gaining ground（ gaining ground），因为OpenAI和Anthropic的费用飙升。”

这形成了一个讽刺性的循环：

美国企业最初因为OpenAI和Anthropic的技术领先而大量采用——然后发现账单失控。与此同时，中国模型（如智谱GLM系列、Kimi等）以更低的价格提供了可接受的性能。当企业开始”按效果付费”而非”按名气付费”时，中国模型的优势就凸显出来了。

这与之前文章#292（”中国AI模型在美国市场拿下46%份额”）形成了因果链条——出口管制让中国模型获得了进入美国市场的机会，而AI成本危机则加速了这一进程。

五、Sun Valley 2026：AI的”盈利考试”正式开考

几乎在同一时间，Idaho州的Sun Valley迎来了年度硅谷精英聚会。Observer.com在3小时前发布的报道标题直接点题：“AI领袖齐聚Sun Valley 2026——旧朋友与新联盟并存。”

Forbes的报道更是直言不讳：“Sun Valley的亿万富翁夏令营回归：贝佐斯、扎克伯格和阿尔特曼领衔。”

但这一次，Sun Valley的议程已经有了微妙的变化。Bloomberg的报道标题耐人寻味：“靠边站吧，AI。媒体重新成为Sun Valley的焦点。”而La Voce di New York的文章则直接将其定义为“AI的’盈利考试’”。

当贝佐斯、扎克伯格和阿尔特曼坐在同一个房间里讨论的不是”谁的模型更强”而是”谁能赚到钱”时，整个AI行业的发展阶段就已经完成了切换。

六、谁在为这场豪赌买单？

微软的”分家”行动释放了一个清晰的信号：AI巨头们必须证明自己的价值不仅仅是”比竞争对手聪明一点”，而是”能帮客户省钱”。

对于OpenAI和Anthropic来说，这是一个尴尬的局面。它们各自拿到了数百亿美元的投资，估值逼近万亿，但在企业端的真实处境是——最大的客户正在用脚投票。

而微软自己呢？它砸了1000多亿美元投资OpenAI，如今却选择了”去外包化”的道路。这与其说是背叛，不如说是商业理性的必然选择。当你的AI账单超过某个阈值时，自建模型就不再是”可选项”，而是”必选项”。

Meta 一边封杀 Claude Code 和 Codex，一边自研 MetaCode 杀入编程市场——扎克伯格的”AI 铁幕”到底想干什么？

2026年6月底，一则来自科技媒体 The Information 的内部报道像一颗石子投入平静的湖面：Meta 已经秘密起草了严格的内部指南，要求大幅限制其工程师使用 Anthropic 的 Claude Code 和 OpenAI 的 Codex。而几乎在同一时间，另一则消息从 CNBC 传来——Meta 正式宣布跳入 AI 编程工具市场，目标是”追赶 Anthropic 和 OpenAI”。

两条新闻看似独立，实则指向同一个战略方向：扎克伯格正在为 Llama 打造一道”AI 铁幕”。

一、”蒸馏恐惧”：Meta 为什么害怕 Claude Code 和 Codex？

根据 The Information 记者 Jyoti Mann 的报道，Meta 内部文档显示，公司管理层对 Claude Code 和 Codex 最大的担忧并非安全漏洞或性能不足，而是“模型蒸馏”（model distillation）风险。

所谓”蒸馏”，是指外部 AI 模型通过分析 Meta 工程师使用 Claude Code 或 Codex 时产生的代码交互数据，反向推断出 Llama 模型的内部知识结构和训练模式。简单来说：如果你的工程师在用竞争对手的工具写 Llama 相关的代码，对手就能通过这些交互数据”偷学”你的模型。

这种担忧并非空穴来风。在过去两年中，AI 蒸馏技术已经从学术概念变成了产业现实。多个研究表明，大型语言模型可以通过分析 API 调用输出和代码补全结果，以远低于重新训练的成本恢复大部分核心能力。对 Meta 而言，Llama 是其开源 AI 生态的根基——一旦 Llama 的知识被竞争对手蒸馏出来，整个开源护城河将面临崩塌。

Crypto Briefing、the-decoder.com、Storyboard18 等多家媒体在6月30日均报道了这一消息，韩国 매일경제（每日经济）更是引用了更具体的细节：Meta 的内部指南不仅限制了 Claude Code 和 Codex 的使用，还涉及对 AI 代码生成工具的全面审计。

二、MetaCode：从”禁止使用”到”自己造”

如果说限制外部工具是”防守”，那么 Meta 在编程领域的全面进攻则是”出击”。

据 CNBC 3小时前（即2026年7月10日凌晨）报道，Meta 正以加速姿态进入 AI 编程工具市场，直接对标 Anthropic 的 Claude Code 和 OpenAI 的 Codex。与此同时，Lapaas Voice 在6月30日的报道指出，Meta 已经在内部测试一款名为 “MetaCode” 的自有编码助手。

这不是 Meta 第一次尝试 AI 编程工具。早在2026年1月，24/7 Wall St. 就报道过 Meta 曾宣称其 AI 编码工具能将工程师效率提升80%。但当时的版本更像是一个实验性项目——如今，随着 Claude Code 和 Codex 在全球开发者社区中的快速普及，Meta 终于决定从”跟随者”转变为”竞争者”。

这一转变的战略意义在于：

• 数据闭环：MetaCode 的所有交互数据都留在 Meta 内部，不会泄露给 Anthropic 或 OpenAI，从根本上杜绝蒸馏风险。
• Llama 深度集成：基于 Llama 模型构建的编码助手天然与 Meta 的开源生态兼容，可以无缝对接 GitHub Copilot 类工具无法触及的自定义工作流。
• 开发者锁定：当 Meta 工程师习惯了 MetaCode 的工作流后，转向竞争对手工具的成本将大幅增加。

三、”AI 铁幕”背后的三层博弈

Meta 的这一系列动作并非孤立事件，而是嵌套在三层更大的战略博弈之中。

第一层：数据主权之战

在 AI 时代，数据是最核心的生产资料。Meta 限制 Claude Code 和 Codex 的本质，是在争夺”Llama 训练数据的纯净性”。这与 Google 此前限制 Meta Gemini 访问（文章#247）、以及 Databricks 在企业 AI 底层数据层发力（文章#160）的逻辑一脉相承——谁能控制训练数据的流向，谁就掌握了下一代 AI 的定义权。

第二层：开发者生态之争

Anthropic 的 Claude Code 和 OpenAI 的 Codex 之所以能快速占领开发者心智，靠的不是单纯的模型性能，而是”嵌入开发者日常习惯”的工作流优势。Meta 选择用 MetaCode 正面迎击，意味着它意识到：仅仅拥有最好的开源模型是不够的，还必须拥有最好的开发者体验。

这解释了为什么 Meta 在限制外部工具的同时，也在同步推进 AI 图像模型竞赛（CNBC 2天前报道 Meta 进入 AI 图像模型赛道以吸引广告商和订阅用户）——Meta 正在构建一个全方位的 AI 工具矩阵，将开发者、创作者和企业用户全部纳入自己的生态。

第三层：与万亿 IPO 俱乐部的错位竞争

TechCrunch 2小时前（7月10日凌晨）的一篇文章指出：“Anthropic、OpenAI 和 SpaceX 的规模超过了过去25年所有科技退出的总和”。SpaceX 向 IPO 迈进，预计将与 Anthropic 和 OpenAI 的合计价值突破4万亿美元。

在这个”万亿 IPO 俱乐部”中，Meta 是唯一没有独立 AI 公司上市计划的主要玩家。它的策略不是分拆 IPO，而是通过”封锁+自建”的方式，将 AI 能力深度整合进现有的社交+广告+元宇宙业务中。这种路径的风险在于：如果 MetaCode 等工具无法在开发者生态中建立足够的粘性，Meta 可能既失去了外部 AI 合作的机会，又没能建立起内部 AI 工具的竞争优势。

四、行业反应：一场关于”开放 vs 封闭”的路线分歧

Meta 的”铁幕”策略引发了行业的广泛讨论。TipRanks 在6月30日的评论中指出，这一举动标志着 AI 行业正在经历一次深刻的路线分化：

• 开放派（以 Anthropic、OpenAI 为代表）：主张通过 API 和工具链的开放性吸引开发者，用”生态规模”换取”模型进化速度”。
• 封闭派（以 Meta 的新策略为代表）：主张通过数据主权和生态闭环保护核心资产，用”数据安全”换取”长期竞争力”。

但这种二分法可能过于简化。事实上，Meta 自身就是全球最大的开源 AI 推动者——Llama 系列模型已经累计被下载数亿次。Meta 的”铁幕”策略并非要关闭开源，而是要在”对外开源模型”和”对内保护训练数据”之间划出一条明确的界线。

这条界线的本质是：你可以自由使用我的模型，但不能用我的工程师来训练你的模型。

五、小结：AI 编程工具的”冷战”时代来了？

科技巨头的”净零承诺”被AI吃掉了——从Google排放飙升到微软退缩，AI的能源黑洞到底有多大？

“我们做到了”——然后AI来了

十年前，Google、Microsoft和Amazon曾是全球企业减排的标杆。它们承诺2030年实现碳中和甚至碳负排放，投入数十亿美元建设风电场和太阳能阵列，在年度可持续发展报告中用漂亮的图表展示碳足迹逐年下降的趋势。

然后AI来了。

据 The Guardian 7月7日的深度调查，这场转变之快、幅度之大，正在让科技行业过去十年积累的环保信誉面临系统性崩塌。报告指出，支撑大语言模型训练和推理的数据中心，其电力消耗速度已经远远超过了这些公司建设可再生能源的能力。

这不是一个抽象的数字游戏。当AI模型从GPT-4迭代到GPT-5.6，从Claude 3进化到Claude Science，每一次升级意味着的训练能耗呈指数级增长。而更关键的是——推理阶段的能耗正在以十倍于训练能耗的速度攀升。用户每问一个问题，数据中心就要运转。

三大巨头的”退坡”信号

多家媒体的报道拼出了一幅令人不安的图景：

Google 的情况最为触目惊心。Axios 6月30日的报道显示，Google 2025年的碳排放量同比飙升，AI数据中心的电力需求成为主要驱动因素。早在2025年9月，Google就已悄悄将2030年”净零排放”目标的优先级下调——在内部文件中将其从”核心承诺”降级为”长期愿景”。DW.com 7月3日的报道进一步确认，Google和Amazon的排放量都在急剧上升。

Microsoft 的信号同样明确。GeekWire 5月的独家报道揭示，Microsoft正在秘密评估退缩其雄心勃勃的无碳能源（carbon-free energy）承诺。这家曾被誉为”绿色科技先锋”的公司，如今面对AI数据中心庞大的电力需求，开始重新权衡其气候目标与现实可行性之间的张力。

Amazon 虽然没有像Google那样公开弱化目标，但其GeekWire 7月2日的报道同样显示，AWS数据中心的扩张正在推动亚马逊整体排放上涨16%。亚马逊高管在财报电话会议中坚称仍将坚守净零承诺，但投资者关系团队对具体路径的描述越来越模糊。

联合国的”点名批评”与业界的沉默

2023年6月，联合国秘书长古特雷斯在一场气候峰会上罕见地公开点名科技行业：“是时候坦诚了（It is time to come clean）”。他要求AI公司披露其完整的——注意是”完整的”——环境影响，包括从芯片制造到数据中心运营再到电子废弃物的全生命周期碳排放。

这个措辞极其严厉的呼吁背后，是一个令人尴尬的现实：业界自己都无法提供完整的数据。Fortune的报道指出，各家公司对”环境影响”的定义各不相同——有的只算直接运营排放（Scope 1和2），有的勉强纳入供应链（Scope 3），但绝大多数回避了最敏感的环节：AI模型训练所消耗的巨额电力来自哪里？如果来自化石燃料电网，这部分排放是否应该计入？

Climate Home News 6月23日的报道进一步指出，联合国要求的不只是”更多数据”，而是”可比、可验证、可审计”的数据框架。但目前连一个行业共识的计量标准都不存在。

物理世界的硬约束：AI的能源天花板

这个问题之所以紧迫，是因为它触及了一个根本性的物理现实——可再生能源的建设速度，远远追不上AI数据中心的电力需求增速。

MIT Climate Portal 6月27日的分析指出，新建一个大型AI数据中心通常需要200-500兆瓦的持续电力供应。而一座大型风电场或太阳能阵列从规划到投产需要3-7年时间。这意味着，当一个AI巨头签下数据中心用地时，它实际上是在向未来的电网发出”电力征用令”——而电网的扩容速度根本跟不上。

更复杂的是，CNBC 6月29日的报道揭示了一个新的变量：极端天气。AI数据中心需要大量冷却水来维持服务器温度，但2026年夏季，美国西南部、欧洲南部和中国东部都遭遇了创纪录的热浪和干旱。水资源短缺正在成为继电力之后的第二个瓶颈。

这构成了一个悖论：科技巨头们用”应对气候变化”作为AI合法化的叙事框架（AI可以帮助优化电网、减少工业排放），但它们自身却成了碳排放增长最快的单一驱动力。

ESG叙事的双重崩塌

这场危机不仅仅是环保问题。它暴露了科技行业一个更深层的结构性矛盾——ESG（环境、社会和公司治理）叙事与AI商业现实之间的根本冲突。

在过去五年中，”绿色科技”已经成为科技巨头估值体系的重要组成部分。Google和Microsoft的ESG评级直接影响着它们的机构投资者构成和融资成本。但当AI的能源消耗开始侵蚀这些环保成果时，问题就变成了：

第一，信息披露的信任危机。如果一家公司的可持续发展报告与其实际排放轨迹严重不符，投资者如何信任其他ESG声明？Stand.earth组织5月12日联合50多个环保组织发表公开信批评Microsoft”退步的脱碳承诺”，代表了越来越大的外部压力。

第二，战略优先级的重新排序。当AI军备竞赛的投入达到千亿美元级别时，气候承诺自然会被边缘化。这不是道德选择问题——这是资源分配问题。有限的资本和注意力，究竟投向哪里？

第三，监管风险的上行。欧盟已经在推进AI能效标签制度，加州和伊利诺伊州也在探索AI监管框架。如果行业不能自我规范，政府干预将成为必然。

中国的”能源优势”：另一个维度的竞争

在这场全球AI能源竞赛中，中国正在展现出独特的结构性优势。与中国西部丰富的水电、风电资源以及国家主导的电网基础设施相比，美国科技巨头面临的电网老化、可再生能源建设周期长、社区抵制等问题构成了明显的相对劣势。

这不是一个环保议题——这是一个地缘政治议题。当美国科技公司的”绿色叙事”因为AI能耗而崩塌时，中国正在用不同的基础设施路径构建自己的竞争力。能源获取能力，正在成为衡量AI竞争力的新维度。

科技资讯

微软悄悄把OpenAI和Anthropic踢出Office——自研MAI模型全面接管，AI军备竞赛的’去外包化’时代来了？

一、Office应用中的OpenAI/Anthropic正在消失

过去一周，一则消息在科技圈悄然发酵：微软正在其核心产品线中系统性地移除对OpenAI和Anthropic模型的依赖。根据Bloomberg、TechCrunch、SiliconANGLE等多家媒体的报道，微软已在Excel和Outlook等产品中将数千个AI提示词（prompts）从OpenAI和Anthropic的API迁移至自研的MAI系列模型。

这不是一个渐进的实验性切换，而是一次有计划的、成规模的替代行动。据TechCrunch报道，微软已经在多个Office应用中完成了模型替换，Copilot的功能也在同步进行”精简”调整——砍掉一些高成本的高级功能，同时用自研模型填补基础能力。

Cybernews的报道标题直言不讳：“Microsoft is ditching OpenAI in Copilot because AI bills are too high”（微软因AI账单过高而在Copilot中抛弃OpenAI）。这句话背后，是AI商业化进程中一个被严重低估的现实问题：当AI使用量指数级增长时，token计费模式正在变成一场财务噩梦。

二、MAI系列：从实验室到生产环境的”秘密武器”

事情的关键在于MAI模型的性能表现。根据incrypted和tech-insider.org的报道，微软在2026年6月初首次公布了7款自研MAI模型，这些模型在AIME 2026（一种评估AI推理能力的基准测试）中达到了97%的准确率。

这个成绩意味着什么？在代码生成、数学推理、复杂指令遵循等核心任务上，MAI模型已经逼近甚至在部分场景超越了OpenAI和Anthropic的商业模型。更重要的是，这些模型运行在微软自己的基础设施上——Azure——而不是第三方API。

SiliconANGLE的分析文章指出，微软此举并非一时冲动——早在2026年6月2日，微软就在CNBC上正式发布了MAI系列模型，当时的定位是”降低开发者成本”。然而到了7月初，这一战略已经从开发者工具扩展到了面向消费者的Office套件。从B2B到B2C的跨越，才是这次替代行动真正值得关注的信号。

三、成本危机：当AI账单变成悬在巨头头顶的剑

让我们回到最核心的驱动力——钱。根据the-decoder.com的详细分析，微软Copilot的用户量和使用频率在过去一年中呈指数级增长。每一个Copilot调用、每一次Excel中的AI辅助、每一封Outlook中的智能回复，都在消耗token。而OpenAI和Anthropic的计费模式是线性的：用得越多，付得越多。

对于一家拥有数亿用户的软件公司来说，这种商业模式是不可持续的。Crypto Briefing的报道进一步指出，微软不仅在Excel和Outlook中替换了模型，还在365 Copilot的整体架构中推进这一替换。这意味着整个Microsoft 365生态的AI层正在经历一次底层重构。

The Times of India的报道提供了一个更广泛的背景：微软在进行了数千人的裁员后，成本削减已成为公司优先事项。而AI成本的膨胀恰好撞上了这个节点。“After thousands of layoffs, Microsoft’s cost cutting drive hits OpenAI and Anthropic”——这句标题本身就是一个时代的注脚。

值得注意的是，微软的成本压力并非孤例。xlx.baby此前多篇文章已记录了企业AI支出失控的普遍趋势：Uber四个月烧光预算、Microsoft内部推出精细化治理策略文件。微软此次”去外包化”，实际上是这场行业级成本危机的最高潮版本。

四、AI行业的范式转移：从”谁有最好的模型”到”谁不需要别人的模型”

如果把这个事件放在更大的图景中来看，它标志着AI行业竞争维度的根本性变化。

第一阶段（2022-2024）：模型能力竞赛。OpenAI凭借ChatGPT率先突破，Anthropic以Claude追赶，Google推出Gemini。竞争的核心指标是基准测试分数和用户增长。微软作为OpenAI的最大合作伙伴，选择”外包”策略——用OpenAI的模型快速构建产品优势。

第二阶段（2024-2025）：生态锁定竞赛。随着各家模型差距缩小，竞争焦点转向生态系统。OpenAI与Reddit合作、Google与Android绑定、Anthropic与企业安全市场结盟。微软则通过Azure云服务和Copilot产品绑定用户。

第三阶段（2026至今）：垂直整合竞赛。当模型性能达到”足够好”的阈值，成本控制和供应链安全成为新的竞争维度。微软用MAI替代OpenAI/Anthropic，Google限制Gemini对Meta的访问，Meta在内部压力下加速自研——所有巨头都在走向同一个结论：依赖别人的模型，最终会成为别人账单上的数字。

WSJ此前的报道已经揭示了这一趋势的另一面：AI巨头们正在向初创公司大量赠送免费算力以争夺市场份额。这看似与微软”去外包化”矛盾，实则同源——当算力成本足够低时，自建模型比购买服务更划算。微软的MAI路线正是这一逻辑的极致体现。

五、OpenAI和Anthropic的困境：最大客户变成最大竞争对手

对OpenAI和Anthropic而言，微软的转向是一个沉重的打击。微软不仅是它们最大的商业客户之一，也是它们在Azure基础设施上的重要合作伙伴。当微软开始用自己的模型替代它们的API，这意味着两件事：

第一，收入结构的脆弱性暴露无遗。OpenAI和Anthropic的增长高度依赖于企业客户的API调用量，而这些客户同时也是它们在算力基础设施上的竞争对手。一旦客户决定自建能力，”金主”就变成了”掘墓人”。

第二，IPO叙事面临挑战。此前CNBC和The Daily Upside的报道已指出，OpenAI和Anthropic正在加速IPO进程，但token支付模式的监管审查正在加剧。如果最大客户开始削减API使用量，两家公司的收入增长故事将面临严峻考验。

这形成了一个有趣的悖论：OpenAI和Anthropic越是成功，就越是在培养未来的竞争对手。它们的模型被集成到无数产品中，积累了海量使用数据和反馈；但它们的客户也借此证明了自建模型的能力——然后转身离开。

科技资讯

Apollo拉响警报、BIS警告万亿泡沫、联合国点名问责——AI的”三重清算”正在如何重写全球经济的底层逻辑？

一、Apollo首席经济学家拉响警报：”痛苦重估”不可避免

6月底，全球最大另类资产管理公司Apollo的首席经济学家Torsten Slok在一次投资会议上发出了一个令人不安的判断：“AI尚未在非科技行业兑现生产力承诺，这意味着市场的重估将是痛苦的。”

Slok的警告并非空穴来风。他的判断基于一个日益清晰的数据事实：尽管全球企业在AI上的投入以千亿美元计，但除了Google、Microsoft、Meta等少数几家Big Tech之外，绝大多数行业的生产力数据并没有出现统计学意义上的跃升。

Fortune的报道指出，Slok特别强调了一个被市场忽视的关键差异——“AI在生产代码和文档方面确实有效，但在真正改变业务流程、提升利润率方面，效果远不如华尔街预期的那样显著。”换句话说，AI目前更像是一个”效率工具”而非”生产力革命”。

这一判断与The American Prospect近日一篇题为《Great AI Repricing Isn’t Going Well》的深度报道形成了共振。该文指出，越来越多企业的AI投资回报率（ROI）远低于预期，而资本市场尚未充分定价这一现实。

二、BIS首次将AI投资与历史崩盘对标：万亿美元泡沫的”清算时刻”？

如果说Apollo的警告来自私人部门，那么国际清算银行（BIS）——被誉为”央行的央行”——的表态则代表了全球金融监管体系的集体忧虑。

6月28日至29日，BIS在其半年度报告中罕见地将AI投资热潮与历史上的大型投资泡沫进行了直接比较。报告的核心论点令人警醒：当一项技术的资本支出增速持续远超其产生的经济价值时，最终会出现不可持续的断裂。

BIS报告特别提到了三个危险信号：

Fortune的报道引用BIS报告原文称，”全球金融体系正面临新的脆弱性组合：债务、AI繁荣和市场碎片化。“报告警告称，如果AI投资回报不能在接下来12-18个月内得到实质性验证，当前约1万亿美元的资本支出将面临大幅削减的可能。

三、联合国公开点名：AI的”绿色谎言”被揭穿

如果说前两条线索指向的是AI的”经济账”算不过来，那么第三条线索则揭示了AI的”环境账”同样难以维系。

6月23日，联合国秘书长古特雷斯在一场气候峰会上公开呼吁AI企业”是时候坦诚了（it is time to come clean）“——要求OpenAI、Google、Microsoft等公司全面披露其AI运营的真实环境影响，包括数据中心耗水量、电力消耗和碳排放量。

The Guardian随后发表的一篇深度调查报道给出了令人震惊的答案：Google、Amazon、Microsoft等科技巨头的”净零排放”承诺正在被AI的能源需求无情地瓦解。

Axios在6月30日的报道中引用Google最新环境报告显示，受AI训练和推理需求驱动，Google的碳排放量在过去一年中大幅上升。DW.com的调查进一步发现，这并非Google一家的问题——Amazon、Meta等公司的AI相关排放均呈现两位数增长。

CNBC在6月29日的报道还揭示了一个新的风险维度：极端天气事件正在威胁AI基础设施的稳定性。随着AI数据中心对电力和冷却的需求呈指数级增长，热浪、飓风和干旱等极端天气对数据中心运营的冲击已成为一个新的系统性风险。

四、三重清算：AI从”增长叙事”到”价值验证”的历史性转折

Apollo的财务警告、BIS的宏观审慎警示、联合国的环境问责——这三条看似独立的消息线，实际上指向了同一个结构性转折：AI正在从”故事时代”进入”验证时代”。

回顾过去两年，AI行业的叙事逻辑一直是单向度的：投入越多、能力越强、估值越高。投资者被要求相信”今天的巨额支出就是明天的生产力飞跃”。但2026年夏天，这个叙事第一次面临来自三个维度的同时质疑：

• 资本市场维度：Apollo的Slok警告”痛苦重估”，ETF资金流向开始从AI主题基金撤出
• 金融稳定维度：BIS将AI投资与历史崩盘对标，暗示万亿资本支出可能不可持续
• 物理世界维度：联合国点名问责、Guardian调查揭露、极端天气威胁基础设施

这种”三面夹击”的局面在AI行业历史上从未出现过。此前，批评声音主要来自学术界或环保组织，从未同时获得华尔街、全球央行和联合国三大体系的共振。

五、清算之后：谁会活下来？

历史的经验告诉我们，每一次大型投资泡沫的破裂都不是技术的终点，而是产业的转折点。2000年互联网泡沫破裂后，Amazon、Google活了下来并重塑了全球经济；2008年金融危机后，移动支付和云计算迎来了爆发式增长。

对于AI行业而言，当前的”三重清算”信号可能意味着：

值得注意的是，BIS报告本身也指出：AI投资并非没有价值，而是需要更理性的时间框架来评估。换言之，问题不在于”AI有没有用”，而在于”多快的有用”和”花多少钱才能有用”。

Google 一天蒸发 2250 亿美元、Nobel 奖得主叛逃 Anthropic——这家 AI 帝国正在经历怎样一场人才海啸？

一、Nobel 奖得主的”最后一根稻草”

2026 年 6 月 22 日，一则看似平静的消息在 AI 圈炸开了锅：Nobel 物理学奖获得者、Google DeepMind 首席科学家宣布离职，加入 Anthropic。这不是普通的跳槽——它像一把钥匙，拧开了 DeepMind 多年来一直试图锁住的人才闸门。

Taipei Times 率先报道了此事，随后 TechCrunch、Fortune、Axios 等主流科技媒体接连跟进。短短一周内，Google DeepMind 的”人才出逃潮”从边缘传闻变成了不可回避的头条新闻。

这位 Nobel 奖得主的离职并非孤立事件。据 Investor’s Business Daily 统计，仅 6 月份，就有至少六位 DeepMind 核心研究员分别加入了 OpenAI、Anthropic 和 Meta AI。其中两人直接加盟 Anthropic，另外两人选择了 OpenAI，其余分散至 Meta 和多家初创公司。

“这不是离职潮，这是一场有组织的转移。”一位不愿透露姓名的 DeepMind 前员工对 Business Insider 表示，”他们不是自己走的，是被’邀请’走的。”

二、2250 亿美元的恐慌：当市场开始用脚投票

如果说人才流失是”慢性病”，那么股价暴跌就是”急性发作”。6 月下旬，Google 母公司 Alphabet 的市值在几个交易日内蒸发了约 2250 亿美元，相当于一个中型国家的 GDP 被凭空抹去。

压垮骆驼的最后一根稻草是 Gemini 3.5 Pro 的发布延期。此前市场普遍预期该模型将在 6 月底亮相，与 Anthropic 新近发布的 Claude Science 系列正面交锋。然而根据 tech-insider.org 的报道，Gemini 3.5 Pro 的发布日期已被推迟到 7 月，具体日期尚未公布。

这不仅仅是产品延期那么简单。Fortune 的 Jeremy Kahn 指出，Gemini 系列的每一次跳票都在削弱市场对 Google AI 执行力的信心。更致命的是，DeepMind 的内部消息源透露，Gemini 3.5 Pro 的核心创新——一项基于新型架构的多模态推理引擎——仍在接受安全审查，而 Anthropic 的 Claude Science 已经抢先上线。

三、Demis Hassabis 的回应：自信还是自我安慰？

面对铺天盖地的负面报道，Google DeepMind 联合创始人 Demis Hassabis 没有沉默。StartupHub.ai 报道了他的一次公开声明：”Google 在 AI 人才竞赛中处于领先地位，研究人员的选择反映了行业的多元化发展。”

这句话听起来像是精心打磨的公关话术，但细品之下却暴露了某种不安。

首先，Hassabis 特意使用了”人才竞赛”而非”人才争夺战”这样的措辞——前者暗示的是”吸引力”，后者承认的是”流失”。其次，他将人才流失归因为”行业多元化”，这是一种典型的叙事重构策略：把危机包装成趋势。

然而，数据并不支持这种乐观叙事。Business Insider 的深入分析显示，Google 的 AI 研究人员离职率在 2026 年上半年达到了 18% 的历史新高，远超科技行业平均水平的 8%。更值得关注的是，离职者中 73% 属于 Senior Principal Researcher 及以上级别——这些人的经验和技术积累是难以替代的。

四、深层原因：为什么是现在？为什么是 Google？

人才流失从来不是单一因素驱动的。要理解这场”Google AI 大地震”，需要同时看到三条线索的交汇。

线索一：Google AI 战略的摇摆不定。根据 Axios 的 Ina Fried 的报道，DeepMind 内部正在经历一场深刻的战略辩论：应该继续投入通用 AGI 研究，还是转向更务实的代码生成和企业 AI 工具？这场辩论的结果是——两者都做，但都不彻底。TechTimes 的分析进一步指出，DeepMind 的”编程转型”（Coding Pivot）策略实际上让一些专注于基础研究的科学家感到失望，因为他们的工作被认为”不够商业化”。

线索二：Pre-IPO 股权的致命诱惑。Business Insider 独家披露，Anthropic 和 OpenAI 正在以”Pre-IPO 轮次”的高估值股权吸引 Google 人才。对于 Google 员工来说，一份稳定的高薪工作固然诱人，但如果 Anthropic 真的在 2027 年完成 IPO（市场普遍预期），那笔股权的价值可能是当前薪资的十倍甚至百倍。这在硅谷被称为”最后的疯狂”——一家即将上市的公司用未来的财富机会换取现在的人才。

线索三：Anthropic 的精准挖角策略。CRN 的报道详细梳理了 Anthropic 在 2026 年的五笔重大招聘——来自 OpenAI、Google、Microsoft 和 xAI 的顶尖人才。值得注意的是，Anthropic 的挖角对象高度集中在”基础模型安全”和”多模态推理”两个领域，这正是 Google DeepMind 的核心优势区。这不是巧合，而是一场精心策划的”外科手术式”人才掠夺。

五、不只是 Google：AI 人才战争的”溢出效应”

Google 的困境只是更大图景的一部分。TechCrunch 的观察指出，这场人才流动实际上反映了一个更深层次的行业趋势：AI 竞争的边界正在模糊化。

过去，AI 公司的核心竞争力被定义为”专利数量”和”论文发表”。但 2026 年的现实是——真正决定胜负的是”谁能最快把最好的大脑聚集在同一间会议室里”。Anthropic 的 CEO Dario Amodei 在一次内部会议上直言不讳：”我们不是在和人竞争，我们是在和时间竞争。而最快的时间机器，就是一群聪明人坐在同一个屋檐下。”

这种”人才密度”的竞争逻辑正在重塑整个行业格局。Meta AI 虽然在公开市场上不如 Anthropic 和 OpenAI 活跃，但它通过收购和内部重组也在悄悄吸纳人才。Salesforce 的 CCW 2026 行业共识报告同样印证了这一趋势——企业 AI 的下一个战场不在模型能力本身，而在”部署效率”和”人才密度”。

六、对中国 AI 行业的启示

Google 的人才危机对中国 AI 行业而言，既是一面镜子，也是一个窗口。

作为一面镜子，它提醒我们：学术机构的”自由研究”文化与商业公司的”快速迭代”需求之间，始终存在张力。中国的 AI 研究机构（如清华、北大、中科院）同样面临人才被商业公司”虹吸”的问题。但与 Google 不同的是，中国企业的挖角更多是基于薪资差异而非战略方向分歧。

作为一个窗口，Google 的困境也暴露了 US AI 巨头的系统性风险：当 Anthropic 一边呼吁”暂停 AI 开发”一边疯狂挖角时，当 OpenAI 一边宣称”AGI imminent”一边依赖 Google 的人才时——这些公司的叙事和行动之间存在着巨大的裂缝。对于中国 AI 从业者而言，理解这种裂缝，意味着可以在全球化人才竞争中占据更有利的位置。

正如之前文章所分析的（参见 #292），中国 AI 模型在美国开发者中的采用率已接近 46%。Google 的人才流失不仅是一个公司内部问题，更是全球 AI 力量重新分配的一个信号。

全球最大AI数据中心项目被社区投票”杀死”——从”Ban! Ban! Ban!”到华尔街撤资，AI军备竞赛的”邻避效应”到底有多深？

一、2100英亩的”巨兽”倒在一份报纸公告上

2026年7月初，一条看似技术性的新闻引发了AI基础设施领域的地震：Blackstone旗下QTS Networks正式终止了”Digital Gateway”项目——这个原计划在美国弗吉尼亚州建设的2100英亩AI数据中心园区，曾被业界称为”史上最大数据中心项目”。

根据路透社和彭博社的报道，项目的死亡原因并非资金链断裂，也不是技术瓶颈，而是一份报纸公告（newspaper-notice）的技术性瑕疵。在弗吉尼亚州的 zoning 法规中，大型开发项目需要在当地报纸上发布公示通知，而QTS在程序上的一个微小疏漏，给了反对社区和法律对手一击致命的机会。

这个项目从规划之初就伴随着巨大的争议。2100英亩是什么概念？大约相当于1500个足球场，或者整个曼哈顿下城区的面积。它需要消耗的水电量足以支撑一个中型城市的日常需求。而当地社区从最初的不安，到后来的公开抗议，再到最终的法律阻击，只用了几年的时间。

Tom’s Hardware 的报道指出，这个项目在多年诉讼后最终夭折，而讽刺的是，杀死它的不是某位环保活动家的抗议，而是一份报纸上的格式错误。这在某种程度上揭示了AI基建扩张面临的真正困境：资本可以绕过技术瓶颈，但绕不过法律程序；可以说服州政府，但说服不了小镇选民。

二、从新泽西到加州：”被硬塞到喉咙里”的愤怒

如果Digital Gateway的夭折是一个标志性事件，那么美国各地此起彼伏的社区反对运动则是一场正在发酵的全民风暴。

The Guardian 在7月8日发布的最重磅报道直接定调：被阻滞的数据中心项目正在”威胁全球AI革命”。这篇文章由Dan Milmo和Aisha Down联合撰写，指出这不再是某个小镇的地方性争议，而是一个系统性问题——AI算力扩张的物理边界正在遭遇前所未有的社会阻力。

这种阻力的表现形式多种多样：

• 新泽西州：Stockton大学民调显示，大多数选民支持本地禁止建设数据中心。The Guardian报道了当地居民”recalling”（罢免）支持数据中心的官员的事件——”US residents angry at data centers being shoved down our throats are recalling officials.”
• 加州：KVCR News报道，数据中心面临全州范围的反弹，居民要求更高的透明度，了解它们对水资源和电网的真实影响。
• 马萨诸塞州西部：The Shoestring报道了当地抗议活动的高潮——居民们在市政会议上齐声高呼”Ban! Ban! Ban!“。
• 佛蒙特州：Fortune报道，尽管只有8%的反对者实际居住在数据中心附近，但抗议已成为”全国性的体育运动”。

Grist的双边报道进一步指出，这场反对运动跨越了党派界限——无论是民主党占优的沿海州还是共和党控制的中西部州，社区对数据中心的抵触情绪都在上升。“America’s data center backlash is bipartisan”，这正是问题的严重性所在：当反对声音不再受党派政治过滤，它就变成了真正的民意力量。

三、资源争夺战：水、电、土地——AI的”隐形饥饿”

数据中心反对运动的深层原因，归根结底是资源的零和博弈。

一个大型AI数据中心的能耗相当于数万个家庭的总和。在用电高峰期，它会推高当地电价；在干旱季节，它冷却系统消耗的淡水会直接影响居民用水配额。这就是为什么Fortune报道中提到，”只有8%的反对者住在附近”——因为即使你不住在数据中心旁边，你依然可能感受到电价上涨和水资源紧张。

NPR在6月10日的报道中甚至提到了一个更为戏剧化的叙事：“中国资助数据中心反对者”。虽然这一说法的具体证据仍有待验证，但它反映了问题已经上升到地缘政治层面——当AI基础设施成为国家战略竞争的核心，连地方社区的抗议都可能被解读为大棋局中的一枚棋子。

更值得警惕的是，这种资源争夺正在形成一种新的”能源民族主义”。当地方社区发现自己在为AI算力的扩张承担真实成本（水、电、土地），而收益却被科技公司和投资者拿走时，一种根本性的不平等感就在滋生。Harvard Gazette的研究指出，社区反对的核心诉求不仅仅是”不要建在我家后院”，而是“谁来为AI的基础设施买单？”

四、华尔街也在退缩：从Blackstone到Crusoe

如果说社区投票是AI基建的社会阻力，那么资本市场的态度变化则是另一条不容忽视的信号线。

Blackstone的突然撤资只是冰山一角。WyomingNews.com报道了另一家AI算力公司Crusoe也退出了”Project Jade”数据中心项目。当最大的私募巨头和最激进的AI-native公司同时从数据中心领域撤退，市场传递的信号远比单一项目失败更加深刻。

这背后反映的是一个根本性的估值重估：AI基础设施的投资逻辑正在从”规模至上”转向”风险定价”。过去两年，投资者相信只要建得够大、够快，AI算力的需求就会无限增长。但现在，社区阻力、监管不确定性、资源成本上升，都在让这个公式变得复杂起来。

CNBC在更早的报道中还提到SpaceX与开源AI初创公司Reflection签署了价值高达63亿美元的算力协议——这说明资本并没有完全离开AI基础设施赛道，而是在重新选择标的：从大规模集中式数据中心，转向更灵活、更分散、社区阻力更小的模式。

五、全球连锁反应：不只是美国的”邻避效应”

The Guardian的最新报道特别强调了这一点——数据中心的社区阻力不是美国特有的现象。在欧洲，类似的争议正在多个城市上演。

英国本身就有强大的数据中心产业，但当地社区对水电消耗的担忧同样推动了政策收紧。爱尔兰、荷兰等欧洲国家也在重新审视数据中心的审批流程。欧盟的数据治理法案虽然在AI模型监管方面走在前面，但在基础设施层面的社区参与机制仍然空白。

这形成了一个有趣的悖论：AI的全球化竞争需要全球化的基础设施，但基础设施的落地永远是在本地层面。当全球巨头在争夺AI领导权时，真正的决定权却掌握在一个小镇的选民手里——他们可能从未听过”transformer架构”或”inference成本”，但他们知道自家水费单上的数字。