YOHO AI

分类： AI资讯

聚焦前沿人工智能动态，速览行业热点、技术突破、产业风向与实用 AI 干货，紧跟科技潮流，第一时间掌握 AI 最新趋势。

  • 福特把AI质检撤了，重新请回350位老工程师

    福特最近做了一个有点反直觉的决定。在花了不少钱上马AI自动化质检系统之后，这家百年车企发现效果不如预期，于是干脆把那套系统降了级，转头重新请回350位资深工程师。

    这350人里，一部分是已经退休的前福特员工，另一部分之前在供应商那边干活。用公司自己的话说，这些人叫”gray beard”工程师——就是在产线上摸爬滚打了几十年、光听声音就知道哪台机器不对劲的那种人。

    福特工程师与AI质检
    福特重新聘请资深工程师，补上AI质检的短板（概念图）

    “我们误以为把AI和设计需求喂进去，就能出高质量产品”

    福特的运营官Kumar Galhotra跟记者说，公司之前”越来越依赖自动化质检系统”，但结果让人失望。车辆交付到客户手里之后，质量问题还是层出不穷。

    “我们误以为，只要引入人工智能、把我们的设计需求输进去，就能产出高质量产品。这个想法是错的。”——福特车辆硬件工程副总裁 Charles Poon

    说这话的是福特的车辆硬件工程副总裁Charles Poon。他算是公开承认了AI在福特的质量管控体系里没达到预期效果。这不是说福特要彻底放弃AI——那些被请回来的老工程师，现在的工作之一就是把年轻员工和AI工具一起”训练”好，让这套系统真正用起来。

    钱是真的省下来了

    福特CEO Jim Farley说，这批老工程师回来之后，保修和召回成本明显下降，”给福特带来了实打实几亿美元的现金助力”。话说得挺直接。

    有个数据可以佐证：本周发布的JD Power新车初始质量调查（IQS）里，福特在主流品牌里排到了第一。这个调查问的是车主提车90天内遇到的各类问题，分数越低越好。福特这次分数比行业平均还低，算是几年来最好的成绩。

    这件事说明什么

    福特的这个操作，其实戳破了一个在很多行业都存在的幻觉：以为AI上线就能立刻替代经验丰富的老员工。实际情况要复杂得多。

    质检这件事，尤其是汽车这种复杂度极高的产品，光靠视觉AI或者自动化系统，目前还真做不到完美。老师傅手摸一下、耳朵听一下，能发现的问题，AI可能要再训练好几轮才能捕捉到同样的信号。

    福特的做法比较务实：不是”AI vs 人类”的二选一，而是让两边互补。老工程师负责找出问题，AI负责记录和规模化。这个思路，可能比单纯追求”全自动化”更值得其他制造业参考。

  • Adobe把Topaz Labs收了，AI图像视频增强能力直接吞进来

    Adobe 上周四（6月25日）宣布收购 Topaz Labs——这家做了二十多年图像和视频增强工具的公司，最近几年靠 AI 模型打出了名堂。

    交易价格没披露，但 Adobe 说会把 Topaz 的模型整合进自家的 Firefly AI 应用，以及 Creative Cloud 套装里的其他部分。Topaz 现有的产品也会继续作为独立服务在官网上卖。

    Adobe收购Topaz Labs
    Adobe 收购 AI 图像视频增强工具厂商 Topaz Labs

    一家做了二十年的”老”公司

    Topaz Labs 不是这波生成式 AI 浪潮里冒出来的新面孔。它早在 2000 年代初就成立了，做的是图像和视频的增强工具——降噪、锐化、超分辨率放大这些。去年它还拿了一个艾美奖（技术类），表彰它在视频制作技术上的贡献。

    最近几年 Topaz 推出了自己的 AI 模型：Astra 做视频超分，Wonder 做图像修图和增强。它还有一项技术叫 NeuroStream，能让大型视频模型在消费级 GPU 上跑起来——这刚好是 Adobe 现在最想做的事：把复杂的 AI 模型搬到用户本地设备上跑，快，还省钱。

    Adobe 创意云产品营销副总裁 Deepa Subramaniam 说：Topaz Labs 在优化大型复杂 AI 模型以直接在设备上运行方面有着深厚的专业知识，这种能力将让 Adobe 为客户提供更快、更灵敏的体验。

    Adobe 的防守战

    这件事的背景是 Adobe 现在被夹在中间。一边是 Canva，用起来简单、便宜，抢走了不少轻度用户；另一边是 DaVinci Resolve 的东家 Blackmagic Design，在专业视频剪辑这块咬得很紧。

    Adobe 的对策是往所有应用里塞 AI，还搞了一个以 AI 为核心的媒体编辑工作室 Firefly。收购 Topaz Labs 是这盘棋的又一步——它想让用户不用离开 Adobe 的生态，就能完成视频增强和图像修图这些活。以前用户可能得跳出去用 Topaz 的软件，现在 Adobe 直接把能力吞进来。

    这笔交易预计在 2026 年下半年完成。Adobe 没有透露收购金额，也没有说 Topaz 团队会怎么整合进 Adobe 现有的架构里。

  • Gemini个性化图像生成向美国用户免费开放，7.5亿人都在用

    谷歌这周一（6月29日）悄悄改了一条规则：Gemini 的个性化图像生成功能，现在对所有符合条件的美国用户免费开放。在此之前，这套由 Nano Banana 驱动的工具只给付费订阅用户使用。

    这件事看起来只是一次”降费”，但背后有点意思。个性化图像生成的意思是，Gemini 会参考它对你的了解——比如你平时在 Gmail、Google Photos、YouTube、搜索里的痕迹——然后直接生成”像你的”图片。你不用在提示词里写”我喜欢咖啡和烘焙”，只要说”画一张我和我喜欢的东西在一起”，它就知道该画什么。

    Gemini个性化AI图像生成
    Gemini 个性化图像生成功能现已向美国用户免费开放

    “个人智能”铺了三个月，终于到免费这一步

    这套功能的正式名字叫”个人智能”（Personal Intelligence），谷歌今年3月就向全美用户推开了，但图像生成这块一直锁给付费用户。4月的时候，谷歌先把这套能力开放给了印度和日本市场，现在终于回到美国本土，把图像生成这层墙也拆了。

    用起来其实挺直接的。Gemini 可以从你的 Google Photos 里直接拉取你的照片，所以不用手动上传参考图，它知道你长什么样。当然，这一切的前提是你主动打开了”个人智能”开关——这是个需要手动开启的功能，不是默认打开的。打开之后，它会在每次对话里默认启用，但你随时可以在工具菜单里关掉。

    谷歌在公告里说，Gemini 月度活跃用户已经突破7.5亿。这个数字让它稳住了”ChatGPT 之外第二大 AI 聊天工具”的位置。

    不止是图像生成

    图像生成免费只是这次更新的一部分。上个月，谷歌还给 Gemini 应用塞了一堆新东西：一个叫”每日简报”（Daily Brief）的功能、重新设计的界面、AI 视频模型 Gemini Omni 的接入权限，还有一个叫 Gemini Spark 的个人 AI 代理。

    把这些动作连起来看，谷歌的思路其实很清楚：它想把 Gemini 从”一个可以聊天的 AI”变成”一个真正了解你、能主动帮你的 AI 助手”。个性化图像生成是这块拼图里很小的一块，但它是让用户”感受到”AI 了解自己的那种功能——比单纯聊天要直观得多。

    目前这个功能只向美国用户开放。谷歌没有说其他市场什么时候能跟上，但考虑到印度和日本已经在4月用上了”个人智能”的其他功能，估计不会等太久。

  • Cursor推出移动端APP，编程智能体装进了口袋

    Cursor被SpaceX以600亿美元收购的消息才过去没几天，这家公司又有了新的动作。这次不是融资，不是被收购的细节，而是推出了一款移动端APP。

    周一，Cursor正式发布了Cursor Mobile。顾名思义，这是一款让你直接在手机上跟编程智能体对话的APP。你在手机上发一条指令，远端的编程智能体就开始干活，进度实时同步。那些原来在桌面端发起的任务，现在也能在手机上继续跟进。

    Cursor移动端APP概念图
    Cursor推出移动端APP，编程智能体装进口袋

    写代码的地点，从显示器前变成了手机屏幕

    这个变化比它看起来要大。过去程序员写代码，离不开双显示器、机械键盘、安静的环境。现在，AI编程工具正在把”写代码”这件事，从”坐在电脑前敲键盘”变成”在手机上跟智能体对话，然后审批结果”。

    Anthropic的Claude Code负责人Boris Cherny在最近的一次分享里说了一句挺有意思的话：”我现在大部分编程都是在手机上完成的。”他还补了一句：”如果六个月前你跟我这么说，我肯定会说你疯了。”

    这句话现在听起来不那么疯了。Cursor Mobile的发布，就是这个趋势的最新注脚。

    Anthropic Claude Code负责人Boris Cherny：”我现在大部分编程都是在手机上完成的。如果六个月前你跟我这么说，我肯定会说你疯了。”

    Cursor 2.0之后的自然延伸

    Cursor Mobile不是凭空冒出来的。去年10月Cursor发布2.0版本的时候，核心变化就是把产品方向从”编辑器里的AI辅助”转向了”独立的编程智能体”。当时这个变化就很明确：Cursor不再只是帮你补全代码的编辑器插件，而是一个能独立执行编程任务的AI系统。

    一旦编程智能体可以独立工作，桌面端就不再是你唯一能跟它交互的地方。你的手机也能做这件事——只要能联网，就能发起任务、查看进度、给智能体新的指令。

    这个逻辑跟Anthropic和OpenAI推出移动端AI编程工具是同一个方向。大家都在做同一件事：把编程智能体的交互界面，从桌面解绑。

    SpaceX收购之后，Cursor还在加速

    Cursor被SpaceX收购的消息在6月16日传出，收购价600亿美元，全部以股票支付。这笔收购创下了一系列纪录：它是AI编程工具赛道迄今为止最大的一笔收购，也是SpaceX在IPO之后的第一笔重大收购。

    但Cursor似乎没有被收购这件事拖慢节奏。移动端APP按时推出，说明这家公司在交易敲定的同时，产品节奏一点没松。SpaceX买下Cursor，看中的大概就是这支能打的产品团队——而不是让他们停下来。

    从更大的视角看，AI编程工具正在经历一个深刻的转变：代码的”生产场所”从程序员的头脑和手指，转移到了AI智能体的运行环境里。人类程序员的工作，越来越像是一个”智能体管理者”——定义任务、审批结果、处理例外。

    这个转变一旦完成，编程的”场所”就真的不重要了。在咖啡馆、在地铁上、在会议间隙，掏出手机就能推进一个编程任务。这可能就是Cursor Mobile想抓住的未来。

  • 给AI模型排座次的Arena，只用了8个月就跑出了1亿美元营收

    从伯克利走廊到1亿美元营收

    如果你最近在关注AI大模型，大概率见过那个叫Arena的排行榜——让两个匿名模型PK，用户投票决定谁更强。这个几乎被所有人引用的AI排行榜，现在不只是学术项目了。

    Arena在2023年起源于UC Berkeley的一个研究项目，靠着超过1000万次用户评估，攒出了业内最受关注的AI模型性能排行榜。但很多人不知道的是，这家公司现在已经是个年营收运转率1亿美元的生意了。

    从去年9月推出商业服务算起，只用了8个月。

    Arena AI排行榜平台概念图
    Arena AI排行榜已成为行业标杆

    “大家还以为我们是开源项目”

    Arena的CEO Anastasios Angelopoulos说了一句话挺有意思：”很多人甚至不知道我们在赚钱，大家还是把我们当开源项目看。”

    这话不假。直到今天，Arena的AI模型排行榜对公众依然是免费的，真正买单的是那些需要深度性能分析的模型厂商和企业客户。去年9月，Arena推出了”AI Evaluations”服务，面向模型实验室和企业提供从社区收集的深度性能分析。

    Arena的联合创始人兼CEO Anastasios Angelopoulos：”很多人甚至不知道我们在赚钱，大家还是当我们是开源项目看。”

    这个服务的增长速度快得离谱。今年1月Arena完成1.5亿美元A轮融资、估值17亿美元的时候，年化营收才3000万美元；现在，仅仅5个月后，已经跑到了1亿美元。

    不过Angelopoulos也澄清了一件事：Arena说的”ARR”其实不是真正意义上会重复的收入，因为他们是按”消耗量”收费的，不是订阅制。这在这个年头的AI创业公司里倒也不稀奇——不少公司为了把数字做好看，会把所有能年化的值都叫ARR。

    抢的是人工标注公司的饭碗

    Arena的竞争对手不是另一个排行榜。Angelopoulos说，他们抢的是和Mercor、Surge、Scale AI这些人工标注公司”同一笔预算”。

    这些公司的业务是在模型后训练阶段帮AI公司做人工精调，而Arena的思路是用大规模用户评估来替代部分人工标注。这个赛道现在热得发烫：

    • Mercor的年化营收今年早些时候已经突破了10亿美元，比去年9月的5亿翻了一倍
    • Handshake的AI训练相关业务年化营收从1月的5.5亿涨到了近10亿
    • AI公司对后训练优化服务的需求还在持续飙升

    Arena的排行榜覆盖了文本、编程、视觉、图像生成，以及最近推出的Agent Mode——评估模型在复杂长流程任务里的表现。但对模型厂商来说，Arena的价值不止是排行榜本身：在这个平台上，他们能拿到早期用户对新模型的反馈，有时候甚至能在模型正式发布前就拿到外部评估数据。

    Databricks联合创始人坐镇

    这家公司的创始团队也挺能打。除了CEO Angelopoulos和CTO Wei-Lin Chiang（两人都是UC Berkeley的博士后），还有一位联合创始人是Ion Stoica——就是那个Databricks的联合创始人、UC Berkeley的著名教授。Stoica在2025年4月Arena正式注册为公司之前，一直以顾问身份参与项目。

    目前Arena总共融了2.5亿美元，投资方包括Felicis、a16z、Kleiner Perkins、Lightspeed等。考虑到现在AI基础设施和评估工具的需求还在疯涨，这个数字可能还会继续往上走。

  • 加州和Anthropic握手：Claude半价进入政府机构，五角大楼看了沉默

    当五角大楼把Anthropic列为”供应链风险”的时候，加州州长Newsom正在和这家公司签一份完全不同的合同。这一幕发生在2026年6月29日——Anthropic和加州政府达成协议，所有州政府和地方政府机构都可以半价使用Claude。

    半价Claude，加州政府先试水

    根据加州州长办公室发布的新闻稿，这份协议允许加州所有州政府机构以及地方政府使用Anthropic的AI聊天机器人Claude，同时还包括来自Anthropic的培训和技术支持。州政府员工可以用Claude来起草文档、总结信息、分析数据——基本上就是让日常政务处理快一点。

    Newsom自己对这件事的说法是：”AI不应该取代政府的人力工作，它应该帮我们的员工更快地处理问题、更有效地解决问题，给加州人更好的结果。”这话听起来很California——技术要用来赋能，不是用来替代。

    Anthropic与加州政府合作概念图
    Anthropic Claude与加州政府达成半价合作协议 | 图片来源：AI生成

    联邦和加州的AI路线，已经分道扬镳

    这份协议背后有个更大的背景。2026年3月，Newsom签署了一项行政命令，要求在政府中使用AI来提升效率，但同时维持更严格的安全标准。这个方向和联邦政府——尤其是特朗普政府——的AI政策形成了鲜明对比。

    Newsom当时说的话挺直接：”当华盛顿的人在暗处制定政策和合同的时候，我们专注于把这件事做对。”这里的”华盛顿的人”指的显然是特朗普政府和五角大楼。

    “当其他人还在暗处琢磨的时候，我们专注于用正确的方式做这件事。”——加州州长Newsom，2026年3月

    五角大楼的恩怨，加州选择了忽略

    要理解这份协议的分量，得回顾一下Anthropic和五角大楼的恩怨。2026年初，美国国防部想和Anthropic签合同，允许政府部署Claude用于”任何合法用途”。Anthropic想加一条保护条款——防止政府用它的技术监控美国公民，或者在没有人监督的情况下部署自主武器。国防部长Pete Hegseth拒绝了。结果五角大楼转头就和OpenAI签了合同，还进一步把Anthropic正式列为”供应链风险”，禁止它和其他五角大楼承包商合作。

    按理说，有了这个”供应链风险”的帽子，加州的CIO办公室在和Anthropic谈判的时候应该会有所顾虑。但加州CIO兼技术部主任Chris Given告诉POLITICO，这个”供应链风险”的认定在谈判中”根本没出现”。

    这话的意思很明白：加州不认五角大楼的那套逻辑。

    政府AI最大的问题不是技术，是账单

    选在这个时间点签协议，还有一个很现实的原因：企业正在被AI工具的企业订阅费用压得喘不过气。Claude的企业版价格并不便宜，半价对于现金流紧张的政府机构来说，是个不小的诱惑。

    加州的这个动作，也是美国第一个州级政府大规模采用AI聊天机器人的案例。其他州——尤其是那些和加州一样对AI监管比较积极的蓝州——会不会跟进，接下来几个月就能看到。

    从更大的格局看，这件事凸显了美国联邦和州层面在AI治理上的分裂。华盛顿在松绑，加州在设红线——两家最大的AI公司（OpenAI和Anthropic）分别站在了两边。接下来两年，这种分裂只会越来越明显。

  • 韩国押注AI未来：三星SK海力士豪砸5500亿美元，要向RAMageddon宣战

    这段时间AI圈里有个词出现的频率越来越高——”RAMageddon”。说的是AI建设狂潮把内存芯片消耗光了，全球陷入内存短缺。受益的是三星、SK海力士这些内存巨头，但它们自己的产能也快到顶了。

    5500亿美元，韩国押上全部筹码

    6月29日，韩国总统李在明在总统简报会上抛出一颗重磅炸弹：三星和SK海力士计划投入5180亿美元（约800万亿韩元），在韩国西南部新建四座内存芯片工厂。同时还有520亿美元用于在中部地区建设HBM（高带宽内存）封装中心。再加上韩国科技和能源巨头（SK、GS、Naver等）承诺到2035年投入3560亿美元建设AI数据中心。

    加起来，韩国科技公司已经承诺在AI及其所需芯片上投入超过9000亿美元。这不是一笔小数目——作为对比，美国科技巨头（Alphabet、亚马逊、Meta、微软）今年在AI基础设施上的总开支”只有”6500亿美元。

    韩国AI半导体投资概念图
    韩国AI半导体投资计划概念图 | 图片来源：AI生成

    “三轴”战略，西南崛起

    李在明在电视讲话中把2026年定义为韩国必须确立自己”不可替代”工业强国地位的一年。他的原话是：”半导体、实体AI和AI数据中心是韩国下一个工业时代的三轴。”

    这句话的潜台词很直接：现有芯片设施——龙仁和平泽（首尔以南的韩国半导体带核心）——已经到达极限。他敦促企业加速向西南部投资，把AI财富扩散到首都以外。光州（距首尔约300公里）和海南（半岛最南端）成了新的幸运城市。

    “我们必须提前确保压倒性的产能。”李在明说。他还否认了媒体关于政府向企业施压的报道，说自己只是给企业创造”能投资且不亏损、前景更好的环境”。

    三星和SK的具体账单

    三星单独发布新闻稿，宣布未来十年投资26.55万亿韩元（约1.7万亿美元）。其中425万亿韩元指定用于湖南地区（朝鲜半岛西南角）。电力、水资源、劳动力和生活条件的预期激励措施，是在光州选新芯片厂、在海南建AI数据中心的关键原因。

    SK集团公布了2100万亿韩元（约1.4万亿美元）的中长期投资路线图。1100万亿韩元用于扩大半导体产能，1000万亿韩元用于全国AI数据中心。SK海力士是集团核心半导体子公司，处于芯片扩张push的中心；SK电讯将领导全国15GW AI数据中心容量的建设。

    野心能不能落地，得打个问号

    半导体和AI这类深科技产业不会按照政治甚至客户需求的节奏走。晶圆厂需要数年才能建成，风险在于等它们建好时，引发需求的那股热潮已经退去，留下企业面对产能过剩和价格崩盘。

    2000年代初的内存芯片周期就是前车之鉴——产能扩张到位时，需求已经降温，价格崩盘，三星等公司亏得一塌糊涂。当然，那一轮洗牌之后，活下来的三星反而把市场份额吃掉了更多。

    眼下，全球AI芯片供应链——尤其是那些渴求HBM内存的公司（Nvidia、AMD、Google TPU团队）——会密切关注韩国能不能把这个计划真正兑现。这笔赌注太大，韩国输不起。

  • 谷歌一周丢了两位AI大牛，诺奖得主也去了Anthropic

    AI人才大战：谷歌顶级人才流向OpenAI和Anthropic
    AI人才大战：顶级研究者的流动方向，正在重塑整个行业的格局

    北京时间6月20日，一条消息在AI圈炸开了：AlphaFold核心领导者、2024年诺贝尔化学奖得主John Jumper正式宣布，结束在Google DeepMind近9年的职业生涯，加入AI初创公司Anthropic。两天前，Transformer架构八人核心成员之一的Noam Shazeer，也从谷歌离职加入了OpenAI。

    一周之内，谷歌丢了两位重量级AI大牛。而且这还不是第一次。

    Jumper的离开，DeepMind失去了什么

    Jumper这个人，在结构生物学和AI交叉的领域里，基本是天花板级别的存在。2017年博士毕业即加入DeepMind，入职半年就牵头AlphaFold项目，带着团队完成三代模型迭代，把困扰结构生物学数十年的蛋白质折叠难题给解了。

    2024年10月，他和DeepMind创始人Demis Hassabis一起站上诺贝尔化学奖的领奖台。近九年时间，AlphaFold数据库累计释放了超过2亿种蛋白质预测结构，向全球190个国家的200多万科研人员免费开放。

    Hassabis的回应很体面：”感谢John过去九年的非凡合作。”但业界都看得到，DeepMind失去了AI生物赛道最核心的技术领军者。有网友在Jumper的离职宣言下面问：为什么总是谷歌在失去最优秀的人？

    Shazeer出走，大模型底层架构的奠基人也走了

    跟Jumper前后脚离开的Noam Shazeer，分量一点不轻。2017年，他作为八人核心团队成员发布《Attention Is All You Need》，提出了Transformer架构——整个大语言模型时代底层的那块基石。

    2024年，谷歌花了27亿美元买下Character.AI的模型授权，把Shazeer重新纳入Google DeepMind，让他担任Gemini大模型联席技术负责人。结果只待了两年，又走了，这次去向是OpenAI，专职做底层架构的前沿探索。

    这两位先后出走，不是孤立事件。SignalFire的统计数据显示，DeepMind人才流向Anthropic和反向回流的比例，是10.8比1——人才流动是单向的，而且倾斜得很厉害。

    Anthropic加码AI+生物，路线碰撞开始了

    Jumper选择Anthropic，不是随便挑了一家初创公司。2025年，Anthropic推出了AI for Science程序，给高影响力的生物研究提供免费API额度，重点支持药物发现和遗传数据分析。同年还设立了医疗健康与生命科学独立部门，单独配预算、算力和招聘通道。

    2026年4月，Anthropic用大约4亿美元的全股票交易收购了Coefficient Bio，把它整合进”Claude for Life Sciences”。现在Jumper带着三代AlphaFold的全部技术经验和诺奖背书加入，Anthropic在AI生物计算这个方向上的押注已经非常明确了。

    • 此前Anthropic的核心聚焦在通用大模型Claude系列和AI对齐安全研究
    • Jumper的加盟意味着公司开始全面加码AI生物计算，这跟DeepMind的AlphaFold路线正面碰撞
    • AI+生物被普遍认为是继语言、视觉之后，AI最有可能产生颠覆性商业和社会价值的领域

    硅谷的人才流动像一场高频迭代的实验：大厂提供平台和资源，初创公司注入速度和愿景。Jumper和Shazeer的离职提醒整个行业，技术突破归根结底靠人，而留住顶尖人才，需要的不只是高薪。

    未来几年，跨学科人才、专有数据集和伦理治理，会成为AI公司之间最核心的竞争力。这场人才战争，可能比芯片战争更决定胜负。

  • OpenAI拿出第一块自研芯片，9个月干完同行两年的活

    OpenAI与博通联合发布首款自研AI推理芯片Jalapeño
    OpenAI与博通联合发布首款自研AI推理芯片Jalapeño（图片来源：OpenAI官网）

    美东时间2026年6月24日，OpenAI和博通站在一起，揭开了业界等待已久的第一款自研AI推理芯片——Jalapeño（哈拉贝诺辣椒）。这块芯片不只是OpenAI从”纯模型公司”向”全栈AI基础设施提供商”转型的里程碑，更意味着AI芯片市场的格局要被重写一次。

    9个月流片，AI公司造芯片的新速度

    设计一块ASIC芯片，行业常规操作是花1.5到2年。Jalapeño从初始设计到制造流片，只用了9个月。OpenAI硬件主管Richard Ho说，关键是深度软硬件协同开发——OpenAI拿自己的前沿模型去辅助架构探索、功耗仿真和强化学习优化，博通则提供了硅实现的能力。

    OpenAI总裁Greg Brockman的说法更直白：”我们利用服务于用户的前沿模型，来优化运行未来模型的基础设施。”在实验室里，Jalapeño的工程样品已经以目标频率和功耗成功跑起了GPT-5.3-Codex-Spark这类复杂的强化学习任务。早期测试下来，每瓦性能”明显好于当前最先进的AI加速器”。

    Jalapeño不是通用GPU，它是一块ASIC——围绕OpenAI对大语言模型推理工作负载的深度理解，从零开始架构建出来的。架构的核心思路是减少数据移动，平衡计算、内存和网络的资源分配，让实际利用率尽量接近理论峰值。

    推理成本砍半，千兆瓦部署计划

    OpenAI官方的新闻稿在成本这件事上措辞谨慎，只说了”每瓦性能大幅优于当前最先进水平”，没给具体数字。但彭博社引述博通CEO陈福阳的说法是：相较当前主流AI GPU，Jalapeño能省大约50%的推理成本。

    每天处理数亿次API调用和ChatGPT请求，推理成本每降一点，对OpenAI的盈利模型都是实打实的影响。按这个逻辑，50%的降幅不是小事。

    陈福阳还透露，Jalapeño今年就开始跟微软和其他合作伙伴一起，部署到千兆瓦级的数据中心。他特别提到，这只是”多代路线图的起点”，OpenAI和博通的目标是一起建设吉瓦（gigawatt）级的算力集群。换句话说，如果供货跟得上，OpenAI有可能把这套硬件卖给第三方。

    “去英伟达化”加速，全栈竞争白热化

    这件事最直观的信号是：科技巨头集体挑战英伟达的步伐又加快了。谷歌的TPU已经商用多代，微软的Maia在推进，亚马逊的Trainium在迭代，现在OpenAI正式入局——定制AI加速器的阵营前所未有地壮大。

    但OpenAI并不是要彻底甩掉英伟达。Brockman自己说过，”我们根本无法足够快地获得算力”。现在OpenAI同时在向英伟达、AWS、AMD和Cerebras多方采购芯片，Jalapeño是对爆炸性算力需求的结构性补充，不是替代方案。

    • Jalapeño是一个多代计算平台的第一步，初始部署计划在2026年底前完成
    • 平台将OpenAI设计的加速器、博通的芯片实现和网络技术、Celestream的电路板/机架技术整合在一起
    • AI辅助设计AI芯片，从概念走向量产，这个循环一旦跑通，芯片研发的速度基准会被重新定义

    Jalapeño的亮相，标志着AI产业的竞争维度发生了根本性跃迁——从单一的模型能力比拼，升级为”模型+芯片+系统+网络”的全栈基础设施竞赛。当OpenAI从GPT的开发者变成Jalapeño的设计者，这场芯片战争才刚刚拉开序幕。

  • TIDAL对AI音乐下手了：完全由AI生成的歌，一分钱也别想赚

    流媒体平台TIDAL本周宣布了一项新政策：完全由AI生成的音乐，将在平台上被禁止变现。换句话说，如果你的一首歌100%是AI写的、AI唱的，那它在TIDAL上能上线，但别想从中赚到一分钱。

    TIDAL AI音乐检测
    TIDAL的新政策要求标识AI生成音乐并禁止其变现 | 图片来源：AI生成

    这项政策将于2026年7月15日正式生效。TIDAL的执行副总裁兼主编Tony Gervino在公告里写得很清楚：”我们承诺保护和奖励有机创造力，避免损害艺术家与TIDAL订阅者建立和扩大粉丝群体的能力。很多人告诉我们，他们不想接触——或者被推荐——完全由AI生成的音乐。”

    具体怎么执行？

    根据TIDAL的说明，完全AI生成的曲目将被标识出来，在平台显示”AI”标记。这些曲目将无法：

    • 参与任何变现计划（不能赚版税）
    • 进行直接面向粉丝的销售
    • 获得平台的推荐权重

    此外，TIDAL还会使用自动化工具，移除那些试图冒充真人艺术家的AI生成音乐。也就是说，如果你用AI生成了一首”假Taylor Swift”的歌，TIDAL会主动把它删掉。

    “无论你在别处读到什么，AI接管音乐产业（和你的推荐列表）并不是不可避免的，只要我们现在采取更有力的措施来监控和控制它。”
    —— Tony Gervino，TIDAL执行副总裁兼主编

    其他平台也在行动

    TIDAL并不是第一个对AI音乐出手的平台。事实上，这场”AI音乐监管战”已经打了快两年了：

    • Spotify：去年更新了政策，要求标识AI音乐，同时加强垃圾内容过滤
    • Apple Music：今年3月宣布将为AI音乐添加透明标签
    • Deezer：态度最强硬，主动把AI曲目从推荐列表中移除，并不让其进入编辑精选歌单。Deezer还说过，平台上每天新增的音乐里有44%是AI生成的
    • Qobuz：也推出了类似的AI内容识别政策

    44%的新歌是AI生成的？

    Deezer今年4月公布的数据让人有点震惊：他们平台上每天上传的新歌里，有44%是AI生成的。这意味着，如果你随机打开一个音乐流媒体平台，你听到的歌，可能快有一半跟人类创作没什么关系。

    这个比例为什么这么高？原因很简单——AI音乐生成工具（比如Suno、Udio）已经足够好用了，一个人可以在几分钟内生成几十首风格各异的歌，然后批量上传到所有流媒体平台，指望碰上一两首能跑量的。这种”AI音乐垃圾邮件”式的做法，正是各家平台想要遏制的。

    TIDAL的新政策里有一个关键点：他们强调这不是要”打压技术进步”，而是要把”有机创作”和”AI生成”区分开来。用AI辅助创作（比如在作曲时用AI生成灵感、或者用AI做母带处理）应该是被允许的，但完全由AI端到端生成的音乐，不应该和人类创作的音乐在同一个变现体系里竞争。

    这个界限在哪里，执行起来可能会很有挑战性。一首歌里有多少比例是AI生成的，才算”完全AI生成”？这个问题，TIDAL可能需要在实际执行中不断调整标准。这也是为什么他们把这项政策称为”living document”——会随着行业发展而更新。