谷歌、亚马逊与Netflix主导"客厅之战"新阶段 全球"争夺客厅入口"的竞争正进入新阶段。到2030年，谷歌、亚马逊与Netflix预计将合计占据全球CTV广告市 场50%的份额，显示电视行业权力中心正快速从传统广播向流媒体平台、TV操作系统与广告生态体系转移。 到2030年： Omdia最新研究，全球连接电视（CTV）广告收入将从2025年的440亿美元增长至2030年的810亿美元，并 预计在2030年代超过传统线性电视广告收入。 三者合计将占据全球CTV广告市场的一半份额，进一步巩固其在流媒体广告生态中的主导地位。 CTV广告增长加速：平台争夺"连接家庭"入口 随着媒体公司、流媒体平台、零售商以及科技巨头竞相争夺在连接家庭中的优质入口位置，电视广告正在经历 深刻转型。亚马逊正通过Prime Video以及零售媒体整合能力扩大其电视广告版图；Netflix则依托其广告支持订 阅层（ad-supported tier）在全球范围内持续扩展广告业务；谷歌则凭借YouTube在CTV领域的巨大覆盖以及更 广泛的广告基础设施，继续保持主导地位。 在未来五年内，Omdia预计以下趋势将加速电视广告的转型进程： 要 ...

涉及的行业与公司 * **行业**：人工智能大模型、AI编程 * **公司**：Anthropic、OpenAI、Google、智谱 AI、DeepSeek、Kimi、MiniMax、阿里、字节、快手、美图 核心观点与论据 技术发展趋势 * 大模型技术重心从RLHF转向RLVR与推理时扩展，预训练底模能力是万亿级SOTA模型的核心壁垒[1][2] * 2026年行业集体转向All-in Coding，RLVR算法因代码反馈信号清晰成为模型自我迭代的高效路径[1][5] * 技术迭代方向包括扩大模型参数规模与提升训练架构效率，RLVR的应用从数学和代码领域向其他领域拓展将更偏向工程化[2][3] 市场竞争格局与壁垒 * 大语言模型厂商竞争呈现持续缩圈态势，留在牌桌上的厂商具备稀缺性，其进入壁垒源于在跟进技术范式突破和工程优化过程中沉淀的扎实底模能力、scaling law经验及配套数据和infra迭代[2] * 市场难以形成赢家通吃的局面，因各厂商在技术路径和商业化选择上存在差异[4] * 在技术发展的平台期，组织敏捷性高、能快速构建外围应用以提升用户体验的独立厂商更具优势，能实现ARPU快速增长；一旦前沿探索者实现技术范式突破，其竞争优势将大幅领先[3][4] AI编程领域爆发与市场潜力 * Coding领域自2025年下半年起迎来爆发，原因包括基座模型智能水平达可用状态、RLVR算法在代码领域尤为适用、以及拥有高质量数据库和相对单一的评价标准[5] * 2025年，Anthropic在LLM企业API市场的coding领域份额超过OpenAI，达到40%，而OpenAI为27%[5] * 2025年AI编程市场份额中，Anthropic占据54%的主导地位[6] * 当前全球AI编程市场规模约80亿美元[8] * 通过替代程序员人力成本测算，中美AI编程长期市场潜力合计超过4,000亿美元[1][8][9] 关键厂商表现与策略 * **Anthropic**：在AI编程市场占据主导地位，2026年ARR达440亿美元，增速远超OpenAI[1][6]；成功在于前瞻性押注单一语言模态和编程能力，外围系统迭代效率高，形成了用户生态和数据飞轮[5][6] * **智谱AI**：技术路径与Anthropic相似，重点投入编程赛道，通过B端私有化部署服务经验总结内部benchmark指导模型迭代，2026年实现量价齐升，4月发布的GLM-5.1版本价格较2025年底的4.7版本上涨近200%[1][6][7] * **DeepSeek**：侧重通用模型的底层技术迭代，发布众多公开论文为其他厂商提供架构参考，扮演技术贡献者角色[7] * **Kimi**：差异化优势在于对长上下文窗口精度的战略性重视，其Agent和深度研究功能获用户较高好评度[7] * **MiniMax**：采取双线并行策略，一方面在语言模型和编程领域快速追赶，通过牺牲部分编程性能换取更快的推理速度、更低延迟和更具性价比的价格；另一方面布局全模态技术架构，预计2026年五六月份可能发布偏向小参数的全模态GLM-3架构[1][7] * **Google**：展现独特性，不依赖用户生态和数据飞轮，而是依靠自身强大的多模态对齐与推理能力来提升编程水平，能有效训练代码段与可视化素材间的对应关系[6] 资本投入与研发策略差异 * 大模型厂商在投入量级上明显分化：海外互联网大厂Capex普遍在千亿美元以上，国内互联网大厂约百亿美元级别，海外OpenAI、Anthropic投入数百亿美元，国内独立模型厂商在十几亿至百亿美元以内[3] * 投入差异反映不同战略定位：前沿探索者（如投入量级大的厂商）致力于探索前沿技术范式突破，意图拉开技术代差，例如OpenAI在2024年70亿美元总支出中，50亿美元用于训练和研发，其中90%是探索性实验活动；追赶者（如部分国内独立模型厂商）则紧跟前沿，通过学习开源或采用蒸馏等方法规避大量探索性投入，实现更高研发效率和资源利用率[3] 其他重要内容 多模态领域动态 * 2026年多模态赛道拥挤度因资源转向编程而缓解，利好Google、快手、MiniMax、美图等第一梯队[1][10] * 2025年几乎所有模型厂商都在发布多模态版本，而2026年行业普遍将资源“all in”到编程领域，部分海外厂商甚至已退出多模态生成赛道，使得多模态视频领域竞争环境相对优化[10] 技术发展脉络 * 2022年技术核心是基于人类反馈的强化学习[2] * 2023年关注点转向LoRA等参数高效微调技术[2] * 2024年多数实验室增加针对代码等垂直任务的中间训练环节[2] * 2025年2月（DeepSeek R1发布后）至今（2026年），行业重点转向挖掘RLVR潜力及推理时扩展[3] 商业化路径差异 * 传统互联网大厂的大模型主要服务于提升广告、电商等主营业务的经营效率，或与云服务捆绑销售[4] * 独立模型厂商商业化路径更灵活，可更专注地围绕自身模型打造AI原生产品，直接在特定工作场景中实现价值替代[4] 投资建议 * 高度重视大模型厂商的稀缺性，现有牌桌上的厂商价值将愈发凸显[10] * 在多模态领域，建议重点关注技术持续保持在第一梯队并已展现出商业化优势的公司，如Google、快手、MiniMax和美图[10]

纪要涉及的行业或公司 * **行业**：通信行业（特别是光通信、光芯片）、AI算力产业链、电子产业链（PCB、散热、材料）[1][2][6] * **公司**： * **光模块/光通信**：中际旭创、新易盛、立讯精密[1][3] * **光芯片/核心器件**：Lumentum、古河电工（国际对比）、可川科技、东田微[1][4][5] * **国产算力**：寒武纪、浪潮信息[1][6] * **PCB**：胜宏科技、沪电股份、中英科技、东材科技[1][6] * **散热/液冷**：祥鑫科技、远东股份、恒铭达[1][6] * **化学品/材料**：三孚新科、广信材料、沃格光电[6] * **大模型**：谷歌、字节跳动、智谱AI、MiniMax[6] 核心观点和论据 * **通信成本容忍度提升，高端技术下沉加速**：谷歌在其OCS（光交换网络）中采用QuantumLight等高成本技术，表明在强劲算力需求下，网络对通信成本的敏感度降低，市场愿意接受更高成本方案以满足即时性能需求，这推动了单通道400G/1.6T等高成本技术在下沉市场的加速应用[1][2] * **整机柜（超级节点）方案成为刚需**：随着芯片制程向7纳米、5纳米、4纳米演进，单位功耗热量增加，同时NVLink等通信技术缩短连接距离，这要求综合利用光、铜、电、散热等全栈技术进行产品交付，整机柜方案已成为刚性需求[1][2] * **产业链紧缺周期延长**：法拉第旋转器/偏振片预计紧缺至2026年，光纤紧缺至2027年，光芯片紧缺周期可能延续到2028年上半年，AI需求的超预期增长可能进一步加剧供需紧张[1][4] * **国产光芯片有望实现追赶反超**：国产光芯片在70毫瓦、100毫瓦的CW（连续波）光源、EML（电吸收调制激光器），以及更高端的200G EML、400G薄膜铌酸锂等领域已无不可逾越的技术障碍，并在部分领域取得领先，未来2-3年内有望实现对Lumentum、古河电工等国际领先企业的追赶甚至反超[1][5] * **“国模+国算”协同放量，国产算力链迎业绩拐点**：国内市场存在“国模+国算”的协同发展正向循环，以智谱AI、MiniMax为代表的大模型厂商持续迭代，以寒武纪、浪潮信息为代表的国产算力产业链迎来规模化放量关键拐点，预计从2026年第二季度开始，相关公司的收入和利润率将呈现“V”形反转[1][6] * **AI赛道商业化加速，景气度持续高涨**：谷歌I/O大会发布的Gemini 1.5 Flash模型（支持100万token上下文长度）提升了Agent处理复杂任务的能力，为商业化落地奠定基础；英伟达2027财年第一季度数据中心业务收入达226亿美元，同比增长427%，并对第二季度给出280亿美元的强劲指引，Rubin系列芯片定于2025年第三季度量产，这些信号表明大模型商业化的成功持续拉动上游硬件需求，数据中心建设远未满足市场需要，AI赛道高景气度将维持[7] 其他重要内容 * **投资关注具备全栈能力和研发优势的头部企业**：例如中际旭创和新易盛在光模块领域进行饱和式研发，有能力保持行业领先；立讯精密凭借传统制造业优势和全栈能力，有望在整机柜方案中获得更多订单[3][4] * **投资关注处于产业链紧缺环节的公司**：例如CPO（共封装光学）带来的保偏光纤等增量环节，以及从事PIC（光子集成电路）和法拉第旋转器偏振片的公司，可能在交付压力下进入紧缺逻辑[4] * **国产光芯片具备“贝塔+阿尔法”双重增长逻辑**：贝塔层面受益于整体AI需求强劲增长；阿尔法层面，国产光芯片在数通领域渗透率提升是确定性趋势，且当训练侧投资增速放缓后，光芯片能力有望扩散至端侧和AI感知等更广阔场景[5] * **PCB与散热需求明确，液冷是关键方向**：胜宏科技和沪电股份是谷歌芯片PCB核心供应商；液冷技术是关键方向，祥鑫科技与工业富联合作深入，远东股份可能在英伟达液冷方案上取得突破，恒铭达在华为液冷供应链中进展良好[1][6] * **玻璃基板技术是新兴热点**：相关化学品核心标的如沃格光电和三孚新科，有望在这一产业趋势中持续受益[6]

核心观点 - Waymo因自动驾驶出租车无法有效应对暴雨和道路积水问题，已在四个城市暂停服务 [1][2][3] - 公司承认上周发布的软件召回并未提供“最终解决方案”，其预防措施在亚特兰大的极端天气中仍显不足 [4][5] - 此次事件引发了美国国家公路交通安全管理局的持续关注和调查，同时该公司还面临涉及校车和儿童碰撞事故的其他调查 [6][7][8] 服务暂停与运营事件 - Waymo已因天气原因在亚特兰大、圣安东尼奥、达拉斯和休斯顿四个城市暂停自动驾驶出租车服务 [1][2][3] - 在亚特兰大，一辆Waymo自动驾驶出租车驶入积水街道并被困约一小时，车辆最终被拖离现场 [2] - Waymo解释称，亚特兰大的暴雨在官方发布洪水警报前已导致积水，而公司依赖这些警报作为应对恶劣天气的信号之一 [5] 技术问题与软件更新 - 上周的软件召回并未包含避免积水区域的“最终补救措施”，仅是通过更新对车队在易遇积水的高速路段实施“限制” [4] - 然而，这些预防措施未能阻止车辆在亚特兰大进入积水路口 [5] - 这不是Waymo首次难以迅速纠正问题行为，去年其车辆曾出现违规超越停靠校巴士的问题，尽管发布了修复程序，但类似行为仍在发生 [7] 监管调查与安全审查 - 美国国家公路交通安全管理局已知晓亚特兰大事件，正与Waymo沟通，并表示将在必要时采取行动 [6] - 针对Waymo车辆在校巴士附近的行为，NHTSA和国家运输安全委员会正在进行调查 [7][8] - 因公司最初的回应“需要进一步的数据和信息”，NHTSA已于5月15日向Waymo发出第二份文件请求，此前提交的文件已对公众编辑 [8] - 另一项由NHTSA和NTSB进行的调查涉及1月23日的一起事故，一辆Waymo出租车在加州圣莫尼卡撞上一名儿童，公司称车辆在撞击前已减速至约每小时6英里，儿童受轻伤 [8]

行业观点与市场预测 - 生成式人工智能被视为“一生一次”的技术，正在被用于重塑客户体验 [1] - 埃隆·马斯克预测，到2040年，人形机器人数量将至少达到100亿台，单价在2万至2.5万美元之间 [1] - 根据上述预测，该技术到2040年可能价值250万亿美元 [2] - 普华永道和麦肯锡等主要机构认为人工智能将释放数万亿美元的潜力 [3] - 人工智能被视作比互联网或个人计算机更具变革性的“一生中最大的技术进步”，有望改善医疗、教育并应对气候变化 [8] 技术突破与投资关注 - 一项强大的技术突破正在重新定义人类工作、学习和创造的方式 [4] - 这项突破已在对冲基金和华尔街顶级投资者中引发狂热 [4] - 一家持股不足的公司被认为是开启这场250万亿美元革命的关键 [4] - 该公司的超廉价人工智能技术可能令竞争对手感到担忧 [4] - 真正的故事并非英伟达，而是一家规模小得多、默默改进使整个革命成为可能的关键技术的公司 [6] 行业领袖的布局与看法 - 拉里·埃里森通过甲骨文公司斥资数十亿美元购买英伟达芯片，并与Cohere合作，将生成式人工智能嵌入甲骨文的云服务和应用程序中 [8] - 沃伦·巴菲特表示这项突破可能产生“巨大的有益社会影响” [8] 市场估值对比 - 250万亿美元的市场规模，粗略相当于175个特斯拉、107个亚马逊、140个Meta、84个谷歌、65个微软以及55个英伟达的市值总和 [7]

谷歌2026年I/O开发者大会发布新模型 - 谷歌在I/O 2026开发者大会上发布了两款新模型：面向智能体与编程的Gemini 3.5 Flash，以及原生多模态生成模型Gemini Omni [1] Gemini 3.5 Flash模型性能与成本 - Gemini 3.5 Flash在Agent与Coding基准测试（如Terminal-Bench2.1、MCP Atlas、Finance Agent v2）上的得分全面超越上一代Gemini 3.1 Pro [1] - 其官方API价格仅为Gemini 3.1 Pro的约60%，输出速度被描述为比其他前沿模型快4倍 [1] - 在xbench榜单中，Gemini 3.5 Flash在性价比、推理token消耗和响应速度方面显著优于GPT-5.5 Pro和Opus4.7，完成同样任务的API花费仅为GPT-5.5 Pro的1/100 [1] Gemini 3.5 Flash在ScienceQA基准测试表现 - 在xbench-ScienceQA榜单中，Gemini 3.5 Flash平均分为70.0，排名第四，仅次于GPT-5.5 Pro（73.0分）、Claude Opus 4.7（73.0分）和Gemini 3 Pro（71.6分）[3] - 其平均响应时间为15.40秒，比Gemini 3 Pro的48.62秒快约3倍 [3][6] - 完成500道题目的总花费为1.9美元，比Gemini 3 Pro的3.0美元便宜37% [3][6] - 其输入token成本为每百万token 1.50美元，输出token成本为每百万token 9.00美元 [3] - 在性能接近的情况下，其500题花费（1.9美元）远低于GPT-5.5 Pro的471.1美元，不足后者的1/100 [3][4] Gemini 3.5 Flash在BabyVision基准测试表现 - 在xbench-BabyVision视觉问答榜单中，Gemini 3.5 Flash以61.86%的平均分位列第二，仅次于字节跳动的Doubao-Seed-2.0-pro（62.60%），优于GPT-5.5（54.64%）和Gemini 3.1 Pro（51.50%）[8] - 其得分大幅领先于Gemini 3 Pro的49.70% [8][13] Gemini 3.5 Flash在OneMillion-Bench基准测试表现 - 在OneMillion-Bench复杂任务基准测试中，Gemini 3.5 Flash作为基础模型，通过率为17.0%，平均分为43.1%，在榜单中排名靠前 [11] Gemini 3.5 Flash的产品定位与特性 - 该模型是针对智能体时代设计的高并发、低延迟前沿模型，核心定位是在保持极致速度与高性价比的同时，提供旗舰级的智能体与编程执行力 [13] - 专为快速迭代的智能体循环设计，在长周期、复杂代码库的多轮调试与子智能体部署中，能提供不输旗舰模型的交付质量 [13] - 将此前Pro版本才具备的长周期规划、工具调用、并行智能体执行等能力下放到Flash层级 [13] - 默认开启动态推理预算分配，可根据任务复杂度自动调节思考长度 [14] - 本次发布未集成计算机使用能力，仍需调用单独的Gemini 2.5 Computer Use模型 [15] Gemini Omni模型特性与影响 - Gemini Omni是定位为“任意到任意”的原生多模态生成模型，用户可同时输入图像、音频、视频与文本，模型在统一表征空间内进行跨模态推理后生成视频或图像输出 [16] - 其采用统一表征而非桥接方案，从预训练阶段就让多模态共同演化 [16] - 官方演示强调其在物理、文化、历史、科学等维度的世界知识 [16] - 首发版本Omni Flash面向消费级用户，可生成10秒视频，API将延后发布 [16] - 该模型的发布意味着谷歌将以一个统一的“任意到任意”接口，将视频生成能力整合进Gemini产品线，并首发接入YouTube Shorts等亿级日活渠道 [17]

公司运营动态 - Alphabet旗下Waymo公司在美国暂停其高速公路上的自动驾驶出租车服务 [1] - 公司同时暂停了在佐治亚州亚特兰大的运营 [1] - 此次暂停运营是为了更新软件以提升性能 [1]

核心观点 - Waymo已暂停在旧金山、洛杉矶、凤凰城和迈阿密的高速公路上的机器人出租车服务，以改进其在施工区域的性能，但城市街道服务仍在运营[1] - 此次高速公路服务暂停是继Waymo因处理城市洪水问题而暂停亚特兰大和圣安东尼奥运营后的又一举措[2] - 这些服务中断发生在公司计划今年向全球多个新城市扩张之际，其目标是到2026年底每周提供多达100万次付费出行[3] 服务暂停详情 - Waymo确认暂停了在旧金山、洛杉矶、凤凰城和迈阿密的高速公路服务，原因是需要改进在施工区域的性能[1] - 公司表示正在将“近期的技术学习成果整合到软件中”，并期望很快恢复这些路线[1] - 暂停高速公路驾驶的决定未提及具体事故，但有用户发布的视频显示其车辆在5月19日“冲过锥桶”并被警察“追赶”[5] 扩张计划与目标 - Waymo正计划今年向全球多个新城市扩张[3] - 公司的目标是在2026年底实现每周提供多达100万次付费出行[3] - 公司目前正在测试其与极氪合作制造的新型机器人出租车Ojai，并预计在未来几个月内开始使用该车辆提供出行服务[3] 高速公路服务的重要性 - Waymo于2025年底开始提供高速公路出行服务[4] - 将机器人出租车部署在高速公路上对其在大型都市区的扩张至关重要，因为这有助于更好地连接乘客与当地机场，并通过避开城市街道来减少出行时间[4] - 特别是在湾区，高速公路出行帮助Waymo大幅缩短了半岛地区的行程时间，此前这些行程需要45分钟到超过1小时[4] 近期其他运营调整 - 在暂停高速公路服务之前，Waymo已决定暂停在亚特兰大和德克萨斯州圣安东尼奥的运营，以解决这些城市的洪水问题[2] - 公司上周宣布了一次软件召回，旨在帮助其车队避开圣安东尼奥的洪水区域，该地服务已暂停数周[2] - 本周至少有一辆机器人出租车在亚特兰大被困，导致Waymo也暂停了在那里的运营[2]

关于内容发布方 - 内容发布方为Proactive，是一家为全球投资受众提供快速、易获取、信息丰富且可操作的商业与金融新闻内容的机构 [2] - 其新闻团队由经验丰富的新闻记者组成，内容生产独立进行 [2] - Proactive在伦敦、纽约、多伦多、温哥华、悉尼和珀斯等全球主要金融与投资中心设有办事处和演播室 [2] 关于内容覆盖范围与专长 - Proactive是中小市值市场领域的专家，同时也向投资社区提供关于蓝筹公司、大宗商品及更广泛投资动态的更新信息 [3] - 其内容旨在激发和吸引活跃的个人投资者 [3] - 团队提供的新闻和独特市场洞察涵盖多个领域，包括但不限于生物技术与制药、采矿与自然资源、电池金属、石油与天然气、加密货币以及新兴的数字和电动汽车技术 [3] 关于内容创作与技术应用 - Proactive在内容创作中采用前瞻性技术，其人类内容创作者拥有数十年的宝贵专业知识和经验 [4] - 团队会利用技术来协助和增强工作流程 [4] - Proactive偶尔会使用自动化和软件工具，包括生成式人工智能，但所有发布的内容均经过人工编辑和创作，遵循内容生产和搜索引擎优化的最佳实践 [5]

AI基础设施与架构创新 - 智谱、驭驯网络与清华大学联合提出ZCube组网架构，在GLM-5.1 coding生产环境落地，通过取消Spine层交换机和采用全网扁平化拓扑，解决了PD分离推理中的结构性网络拥塞难题 [1] - ZCube架构实现交换机间完美负载均衡，从架构层面避免可避免的拥塞 [1] - 实测显示，相比ROFT架构，ZCube使交换机与光模块成本降低33%、GPU平均推理吞吐提升15%、TTFT P99降低40.6% [1] AI内容安全与检测 - OpenAI与谷歌合作，将SynthID不可见水印引入GPT-image-2，并推出免费AI图片检测工具verify，以强化AI内容溯源 [2] - 该检测工具无需登录，能抗截图、压缩与转格式，可识别经微信保存或局部截图的AI图，且不会误判酷似AI的真实照片 [2] - 技术栈采用C2PA元数据加SynthID水印，OpenAI带头推动跨行业溯源生态 [2] 航天与AI巨头动态 - SpaceX向美国SEC提交近400页S-1注册声明启动IPO，最早6月12日上市，业务分为航天、通信、AI三大板块，已收购xAI与X并入财务口径 [3] - 星链是现金牛，2025年营收113.87亿美元、利润率63%，AI业务则亏损63.6亿美元拖累整体，但贡献最大想象空间，TAM声称高达28.5万亿美元 [3] - SpaceX与竞争对手Anthropic签下36个月约450亿美元算力合同，马斯克通过双重股权持42%股权却握79%投票权，保留绝对控制权 [3] AI企业服务与工具链整合 - Anthropic完成对SDK代码生成公司Stainless的收购，谈判金额据报道至少3亿美元，创始团队加入Anthropic [4] - Stainless曾为OpenAI、Meta、Cloudflare等头部厂商生成官方SDK，间接触达全球约四分之一专业开发者，收购后变为Anthropic内部部门 [4] - 至此Anthropic智能体三件套集齐，Claude是模型、Stainless是接口、MCP是连接，押注企业端基础设施，与OpenAI主攻模型代际形成路线分野 [4] 开源模型与本地化部署 - 腾讯混元开源全新翻译模型Hy-MT2，含1.8B、7B、30B-A3B三个尺寸，支持33种语言互译及5种民汉方言，配套「腾讯Hy翻译」小程序上线 [5][6] - 7B与30B-A3B在翻译任务上达开源模型最佳效果、超越数十倍参数模型，1.8B轻量版优于微软等主流商业API，专业场景接近Gemini 3.1 Pro [6] - 模型首次引入混合专家架构，并通过1.25-bit极端量化将体积压至约440MB，可部署于手机芯片本地推理，苹果A15上推理速度较上一代提升1.5倍 [6] AI应用与生产力工具 - 腾讯会议AI同传功能正式上线，首期支持中英互译，每位参会者拥有专属AI同传译员，覆盖跨境商务、跨洋协作等场景 [7] - AI同传时延压缩至3秒以内，发言与翻译几乎同步，并支持模仿发言人音色功能，便于多人会议中分辨发言者 [7] - AI同传与实时转写、会中字幕打通，实现可听、可译、可见、可记的完整工作流闭环，为AI纪要、待办提取、会后问答提供完整跨语言上下文 [7] 行业战略调整与资源分配 - Meta宣布2026年内第三轮裁员，解雇约8000名员工，预计全年裁员总数达22000人、约占全球员工20% [8] - 据测算裁员每年可省约30亿美元，但公司为挖角AI人才豪掷巨资，单笔承诺最高达143亿美元 [8] - 泄露录音显示公司承认正利用员工训练AI，被裁者平均获赔约36万美元 [8] AI前沿科研突破 - OpenAI官宣其全新通用推理模型在无人类专家干预下，自主推翻离散几何领域沉睡近80年的埃尔德什单位距离猜想 [9] - AI构造出人类从未想象的全新点阵构型，使单位距离点对数量实现多项式级跃升，普林斯顿教授确认指数可取到0.014，打破网格即极限的共识 [9] - 该证明跨界调用无限阶级域塔、高罗德-沙法列维奇理论等数论工具对几何问题降维打击，且来自通用推理模型而非定制系统，人类专家随后验证结果 [9] 行业领袖观点与展望 - DeepMind CEO哈萨比斯坦承曾低估LLM潜力，受符号接地与具身智能直觉影响，加上谷歌对幻觉系统的品牌顾虑，导致谷歌虽手握Chinchilla却被抢跑 [10][11] - 哈萨比斯不认同LeCun等乐观派对AI风险的轻视，主张谨慎乐观，认为滥用与目标错位是真实挑战，呼吁建立国际安全协调机制、放缓纯竞争节奏 [11] - 预判AGI若顺利将带来最大化繁荣并进入后稀缺世界，分配将取代技术成为核心问题，有观点称OpenAI未来18个月有50%概率破产 [11]