2026-07-06 前沿科技洞见 · 日报

📊 今日关键数据

• +40%：鸿海二季度营收同比增长近 40%，AI 业务强劲驱动，管理层预计三季度有望延续高增长趋势。 来源：华尔街见闻
• 100万亿韩元：韩国政府拟使用半导体税收红利设立「未来应对基金」，规模上限约合 740 亿美元，专用于 AI 时代的产业竞争应对。 来源：华尔街见闻
• 近10GW：Meta 已签约近 10GW 数据中心容量用于算力储备，算力租赁业务预期年收入超百亿美元，正与 Anthropic 等头部模型公司谈判托管合作。 来源：量子位

🔍 今日值得深读

Tesla Robotaxi 迈阿密第五城无安全员正式上路：自动驾驶越过商业化监管门槛的真实拐点

Tesla 本周将 Robotaxi 服务扩展至佛罗里达州迈阿密，这是其第五座运营城市。与此前不同的关键细节是：车内无安全监督员。Tesla 同步公开表示，计划在 2026 年底将服务扩展至十余个美国州。

这一部署标志着监管层面的结构性变化，而不只是 Tesla 的里程碑。美国联邦及州级监管机构的态度已从「试点期允许远程监控员」演变为「无监控员上路」。这条松动路径历时数年完成。迈阿密的意义是：美国主要城市监管机构对无人驾驶商业运营的容忍门槛正在实质性降低，而这是商业化的前提。

这也重新设置了行业竞争参照系。Waymo 已在旧金山、洛杉矶完成无安全员部署，Tesla 补齐这一维度后，双方的差异将更多体现在规模化速度和成本结构而非法规许可层面。年底十余州的目标意味着一次真实的商业化压力测试——而不只是技术演示。

• 关键事实：Tesla Robotaxi 迈阿密第五城无安全员正式商业运营，计划 2026 年底扩展至十余个美国州，标志监管层对完全无监督商业自动驾驶的实质性许可
• 为什么值得深读：从「安全员在车内」到「远程监控」到「彻底无监督」的监管演进路径，至此完成美国头部城市的关键一环
• 后续看点：Waymo 与 Tesla 规模化竞争进入下一阶段；各州监管差异是否会成为扩张瓶颈

来源：Techmeme

Amazon Mechanical Turk 停止接受新客户：AI 训练众包标注时代的落幕与数据基础设施的重构

Amazon 宣布 Mechanical Turk 将不再接受新客户注册，并将平台置于「维护模式」。对 AI 行业而言，这是一个具有历史意义的节点。

Mechanical Turk（MTurk）于 2005 年上线，是全球规模最大的众包劳动力平台之一。其核心场景是将 AI 训练所需的大量人工判断任务分发给全球数十万工人：图像分类、文本情感识别、语音转录、内容审核。从早期图像识别模型到 GPT 系列的 RLHF 标注，MTurk 始终是关键的数据基础设施。

MTurk 的退出是三种替代力量共同作用的结果：其一，AI 合成数据在文本和代码领域大规模替代人工标注；其二，专业标注平台（Scale AI、Appen 等）以更高结构化质量填补了对精度要求高的场景；其三，自监督学习和大规模预训练极大降低了对人工标注的总体需求量。MTurk 的最终状态，是 AI 行业自我迭代的一个侧面证明：支撑它起步的劳动力基础设施已被 AI 自身演进所替代。

• 关键事实：AWS 宣布 Mechanical Turk 停止接受新客户，进入维护模式，标志这一存在 21 年的众包 AI 标注平台进入退场阶段
• 为什么值得深读：MTurk 不只是一个产品，它代表了 AI 训练数据的第一个工业化生产模式，其退出意味着整个数据供应链结构已经完成范式迁移
• 后续看点：现有 MTurk 工人（主要在全球低收入地区）的转型压力；专业标注平台是否会完全填补 MTurk 的市场定位

来源：TechCrunch

Karpathy：Vibe Coding 时代落幕，大厂未掌握 Agent 核心——个人开发者正在定义真正的前沿

Andrej Karpathy 近日提出两个相关且有分量的判断：Vibe Coding 时代已经结束，取而代之的是「Agentic Engineering」；同时，当前站在 Agent 技术最前沿的不是大型科技公司，而是独立开发者和创业者。

Karpathy 对 Vibe Coding 的批判不是否定 AI 编程本身，而是指出其边界：把需求丢给模型、让它输出能跑的代码，这个模式在原型阶段有效，但无法支撑正式软件开发。Agentic Engineering 的核心变化是：从「能跑就行」到「可验证交付」，开发者角色从「提需求者」变成「约束制定者」。

他关于大厂失误的诊断同样直接：各大公司正在强迫 Agent 承包一切任务，但完全跳过了彻底搞懂底层大模型这一步。他援引 2016 年在 OpenAI 的亲身经历：当年与 Jim Fan 等人做过类似项目，试图让强化学习 Agent 完成真实任务，团队用了整整五年才明白问题出在哪里——跳过地基阶段构建出来的 Agent，会在接触真实产品环境时立刻崩塌。

独立开发者站在前沿的原因：没有大公司的惯性，更快进入真实场景、更快放弃不奏效的路径。这是一个逆常识的观察，但具有 Karpathy 的一贯特征：从工程现实出发，而非立场出发。

• 关键事实：Karpathy 宣告 Vibe Coding 时代结束，同时指出当前 Agent 前沿在独立开发者而非大厂手中，两个判断均有具体论据支撑
• 为什么值得深读：Karpathy 的判断具有稀缺的工程权威性，他既有 Tesla/OpenAI 的大公司视角，又是近年来以独立身份发声的技术思想者
• 后续看点：「Agentic Engineering」作为新范式能否形成行业共识；大厂是否会在产品策略上作出调整

来源：华尔街见闻

🔥 今日聚合动态

AI 算力瓶颈从 GPU 转向内存：新一轮基础设施定价赛开始

三条相互印证的信号同时出现，共同指向同一个结论：AI 时代真正的稀缺资源不是 GPU 算力，而是内存带宽。HBM 之父金正浩（KAIST 教授，HBM1 主要发明人）指出，每当 AI 系统输出一个词，读写内存几乎占掉全部时间，GPU 全程处于等待状态，利用率难超 30%。他的核心判断是「AI = Memory」，内存带宽才是算力瓶颈。与此同时，资本已经在用行动对这一判断进行押注。

• 关键事实：GPU 利用率只有 10% 的数字直接动摇了「算力即 GPU」的主流认知；美光和 SK Telecom 的资本动作说明产业已在对内存和带宽赛道进行大规模押注
• 互补信息：三条信号覆盖理论层（为什么内存是瓶颈）、供给层（谁在扩产）、基建层（数据中心规模如何走），形成完整的叙事链
• 后续看点：SK 海力士与三星的 HBM 扩产节奏；2028 年美光新产能上线时是否会改变 HBM 市场格局

人形机器人从概念验证走进量产工厂：具身智能两条路并行推进

宝马斯巴达堡工厂本周正式部署 Figure AI 最新一代人形机器人 Figure 03，在 52 号厂房承担物料搬运、零部件运输及仓储分拣作业，这是继 Figure 02 于 2025 年进入宝马后双方合作的进一步升级。与此同时，具身智能技术层面出现了一个反常但深刻的发现：由李飞飞、Jim Fan、徐丹飞等顶尖学者组成的团队在其 T-Rex 论文中发现，将触觉信号加入具身模型后，任务成功率从 17% 骤降至 6%——多一种感知反而让机器人「不会干活」了。

• 关键事实：宝马 Figure 03 的部署标志具身智能正从展示性应用转向规模化生产场景；T-Rex 论文的反常发现质疑了「把所有感知塞进同一个大模型」的主流做法
• 互补信息：两条信号并不矛盾——落地场景的现实压力推动具身智能加速商业化，同时技术层面的反常结果在倒逼架构重思
• 后续看点：T-Rex 的频率错配发现是否会推动具身智能模型进入分层架构设计；Figure 03 的宝马实验数据何时公开

📰 独立报道

🤖 AGI 前沿与研究

OpenAI Codex 合并进 ChatGPT，OpenAI leader 公开回应去留逻辑

Codex 独立产品消失，功能整合进 ChatGPT 产品线。OpenAI 核心 leader 首次公开解释此举背后的战略逻辑，同时回应外界对 OpenAI 开发者产品线是否收缩的质疑。

• 关键事实：Codex 作为独立产品退出，标志 OpenAI 开发者工具策略向统一入口收拢，引发社区对产品路线图的讨论
• 后续看点：原 Codex 用户的功能连续性是否完整保留；独立编程 AI 产品赛道（Cursor、GitHub Copilot）是否因此获得差异化优势

来源：机器之心

GPT-5.5 被研究者发现思考链达到固定长度后自动截断，推理中断而非正常完成

研究者实验显示，GPT-5.5 在思考深度达到特定阈值后出现截断行为，越难的任务越容易触发，推理被中途打断而非正常结束，引发对模型是否被静默限制的讨论。

• 关键事实：推理截断不是正常停止，是在推理未完成时被迫中断，用户在高难度任务上无法获得完整推理过程
• 后续看点：OpenAI 是否会官方回应该现象；是否与成本控制相关

来源：新智元

Meta 开启算力对外租赁：「模型可以慢，GPU 必须赚」

Meta 拟推出 Meta Compute 业务，将庞大的 GPU 算力与数据中心资源开放给外部客户，正与 Anthropic 谈判以托管 Claude 模型实例。算力租赁业务预期年收入超百亿美元，Meta 已签约近 10GW 数据中心容量。

• 关键事实：Meta 从 AI 模型开发者转型为算力基础设施提供商，与亚马逊、谷歌云正面竞争，是大型 AI 公司商业模式的重要扩展
• 后续看点：Meta 与 Anthropic 的算力托管谈判进展；是否会进一步扩展至 Mistral、Llama 生态中的其他方

来源：量子位

🔧 芯片与硬件

全球首次基于可控存内计算：忆阻器神经动力学芯片面世，0.43 秒完成大脑表面建模

突破传统冯·诺依曼架构的内存与计算分离限制，忆阻器芯片在存储单元内直接完成计算，在速度和能效上均实现显著提升。0.43 秒完成大脑表面建模是其计算密度的标志性验证。

• 关键事实：可控存内计算是 AI 芯片架构的根本性路线之分，忆阻器方向此前停留在实验室阶段，此次是全球首次基于该原理的完整神经动力学芯片演示
• 后续看点：功耗与稳定性是否满足商用级要求；与 HBM 主流路线的竞争格局

来源：DeepTech

India CG Semi 在古吉拉特邦正式开始芯片量产，进入全球 AI 供应链

印度首家大规模量产的本土半导体公司完成从建设到投产的跨越，标志印度在芯片自主制造路径上取得阶段性落地，为印度参与 AI 供应链提供了实体节点。

• 关键事实：CG Semi 量产落地是印度芯片战略从规划走向现实的关键一步，此前印度的半导体雄心多停留在政策层面
• 后续看点：良率与产能爬升速度；是否能进入主流 AI 服务器供应链

来源：Tech in Asia

🔬 AI 与科学

Anthropic 建立 AI 越狱分类体系：「四种死法」覆盖主要绕过安全机制的路径

Anthropic 将已知越狱手法归类为四种主要模式并建立系统性防御框架，是目前业界对 AI 安全攻防逻辑最结构化的公开梳理之一。

• 关键事实：分类体系的建立意味着 Anthropic 正在将安全攻防从个案处理转向系统性工程，有助于提升整个行业的安全基线
• 后续看点：分类体系是否会公开发布；是否与 NIST AI 安全框架接轨

来源：新智元

COMPASS：哈佛医学院、罗氏与浙大联合发布可泛化 AI 模型，跨癌种免疫治疗响应预测

发表于 Nature Medicine，COMPASS 在多种癌症类型上验证了跨治疗方案的泛化预测能力，是 AI 在精准肿瘤学应用中的新标杆，标志医学 AI 从单病种走向多癌种泛化预测的关键进展。

• 关键事实：COMPASS 的泛化性是关键突破点——以往医疗 AI 大多专注单一癌种或单一治疗方案，跨癌种预测能力代表更高的临床实用价值
• 后续看点：临床验证计划和监管审批路径；是否会开放给医院研究机构使用

来源：BAAI 智源

💡 开发者工具与工程

清华 POPO：组级回放一招，把浪费的算力全部捡回来，LLM 训练成本显著下降

针对大模型训练中样本利用率低的问题，POPO 通过组级数据回放机制提升训练效率，在不影响模型质量的前提下显著降低算力消耗，提供了一条无需改变模型架构的工程优化路径。

• 关键事实：POPO 是纯工程优化，不改变模型本身，门槛低，适合即插即用；「捡回浪费的算力」是对当前训练效率低下的直接对症
• 后续看点：是否会被主流训练框架（如 Megatron、DeepSpeed）集成

来源：量子位

MIT 扫描 772 个大脑重绘语言地图：语言区比学界长期认为的小得多

新研究发现大脑语言处理区域的实际范围被长期高估，大规模 fMRI 数据揭示了语言网络更精确的边界，对神经语言学基础假设和 AI 语言模型设计均有潜在含义。

• 关键事实：772 个大脑样本量是该领域迄今最大规模的神经语言学研究之一，结论挑战了沿用数十年的语言区地图
• 后续看点：新地图是否会影响失语症的临床诊断标准；对 AI 语言模型「语言是什么」的设计哲学有无启发

来源：量子位

年入 1 亿美元：两个 90 后伯克利室友搭建出当前最赚钱的 AI 生意

小团队、高利润、AI 原生，这个案例展示了 AI 时代独立开发者在特定细分市场实现惊人商业价值的可能性，正被行业研究作为「AI 商业化的正确姿势」分析。

• 关键事实：年入 1 亿美元的小团队，体现了 AI 工具大幅降低边际成本后商业模式的结构性变化
• 后续看点：其商业模式是否可复制；是否会面临大厂进入竞争

来源：量子位