标签: 大模型

  • 英伟达又破纪录了,但真正吓人的是那430亿美元的隐形投资组合

    英伟达又破纪录了,但真正吓人的是那430亿美元的”隐形投资组合”

    英伟达周三盘后公布了截至2026年4月26日的季度财报,数字一如既往地好看:总营收816亿美元,较上一季度增长20%;数据中心营收752亿美元,又创了新高。

    黄仁勋在电话会议上那股子得意劲儿不难想象。据财报披露,英伟达所有主要客户——所有超大规模云厂商、所有云服务提供商、所有主要大模型开发商——都已经采用并部署了Blackwell架构。这句话的潜台词是:眼下这场AI军备竞赛,英伟达是唯一的军火商。

    本季度营收816亿美元(环比+20%),数据中心营收752亿美元创历史新高。英伟达授权800亿美元股票回购计划,预计下季度营收910亿美元。

    受此业绩提振,英伟达授权了800亿美元的股票回购计划。有钱就是任性。

    430亿美元是怎么花出去的?

    但如果你仔细翻这份财报,有一个数字比营收纪录更值得玩味:英伟达持有私营企业的股权规模,在这三个月里几乎翻了一番。

    季度初,这个数字还是220亿美元。季度末,变成了430亿美元。

    430亿美元是什么概念?大约相当于两个英特尔的市值(截至发稿时英特尔市值约210亿美元)。而这些还只是英伟达持有的非上市企业股权,不包括它对康宁(Corning)、IREN等上市公司的投资,也不包括今年2月承诺向OpenAI投资的300亿美元(这笔交易的结构尚未披露)。

    英伟达CEO黄仁勋在GTC大会
    英伟达CEO黄仁勋在GTC大会 | 图源:TechCrunch / Getty Images

    推动这笔430亿美元的主要因素是本季度内累计185亿美元的收购支出。作为对比,上一季度英伟达在收购私营企业股权上的支出仅为6.49亿美元。从6.49亿到185亿,这个增幅大概是28倍。

    黄仁勋的”产能阳谋”

    黄仁勋在电话会议上特别提到了与Anthropic的产能建设计划。他说:”我们今年和明年为Anthropic上线的产能规模将非常可观,此前我们对Anthropic的覆盖基本为零。”

    这句话其实透露了两个信息:第一,Anthropic正在大规模扩张算力基础设施;第二,英伟达是这次扩张的核心受益者。考虑到Anthropic每月需向xAI支付12.5亿美元算力的消息刚过去没几天,AI公司对算力的渴求已经到了不惜代价的地步。

    当然,财报也不是全是好消息。英伟达预测下一季度营收为910亿美元,环比增长12%。这个数字虽然仍然亮眼,但增速较本季度的20%已经明显放缓。

    中国市场:名义上能卖,实际上卖不了

    中国市场的故事则基本处于停滞状态。CFO Colette Kress表示,虽然H200芯片已获得美国出口许可,但”我们尚未产生任何相关收入,也不确定是否会被允许出口到中国”。

    换句话说,名义上可以卖,实际上卖不了。这块市场基本上已经算是丢了。

    回过头看那430亿美元的持股组合,英伟达正在做的事情其实很聪明:它不只是卖铲子的,它还在用赚来的钱买下那些挖金矿的公司的股份。AI产业链的每一个环节,从芯片到模型到应用,英伟达都在用投资的方式深度绑定。

    这种模式一旦跑通,英伟达就不再是单纯的硬件供应商,而是整个AI生态系统的股东。到那时候,即便有竞争对手的芯片赶上来,英伟达手里握着的那些股权也足够让它继续坐在牌桌的主位上。


  • OpenAI说这次真的解决了80年数学难题,上次的尴尬还记得吗?

    OpenAI说这次真的解决了80年数学难题,上次的尴尬还记得吗?

    如果你最近刷到OpenAI又双叒叕宣布”解决数学难题”的消息,第一反应可能是:又来?

    确实,这话听着耳熟。7个月前,OpenAI时任副总裁Kevin Weil在X上发帖,信誓旦旦地说GPT-5找到了10个此前未解的埃尔德什问题解决方案,另外11个也取得了进展。结果呢?被打脸了。那些”新解决方案”早就存在于现有文献中,压根不是什么新发现。

    那次翻车之后,Yann LeCun、谷歌DeepMind CEO Demis Hassabis等竞争对手轮番嘲讽,Weil也只能默默删帖。可以说OpenAI在数学证明这件事上,信用已经透支得差不多了。

    这次被解决的是保罗·埃尔德什(Paul Erdős)1946年首次提出的几何猜想。近80年来,数学家们普遍认为这个问题的最优解大致类似正方形网格。OpenAI的新推理模型把这种想法推翻了,发现了一种全新的构造族,性能更优。

    但这次,OpenAI好像真的没吹牛。

    这次OpenAI在X上发帖宣布消息时,还附上了数学家Noga Alon、Melanie Wood和Thomas Bloom的支持性评论。Bloom是Erdos Problems网站的维护者,就在7个月前,他还在社交媒体上称Weil的那条官宣是”戏剧性的不实描述”。这次他站出来背书,分量不轻。

    不是专门训练出来的”数学天才”

    OpenAI的说法是:这是”AI首次自主解决数学领域核心的著名开放问题”。而且特别强调,这个证明是由新的通用推理模型产出的,不是专门为了解这个数学题、甚至不是专门针对这个问题设计的系统。

    换句话说,这是个意外之喜,不是定向训练的结果。这意味着模型的推理能力已经强到可以在没有专门训练的情况下,自主产出原创的数学证明。

    这件事为什么重要?OpenAI的解释是:这意味着AI系统现在更有能力处理长难推理链,并且能以研究人员此前未探索过的方式跨领域连接想法。这对生物学、物理学、工程和医学都有重要意义。

    Erdős数学问题示意图
    埃尔德什问题相关数学示意图 | 图源:TechCrunch

    数学界会买账吗?

    Thomas Bloom的声明说得很漂亮:”AI正在帮助我们更全面地探索几个世纪以来我们搭建的数学殿堂。还有哪些未被发现的美妙事物正等待被发掘?”

    话是这么说,但数学界向来对计算机辅助证明持保留态度。1998年四色定理的证明用到了计算机穷举,至今仍有数学家觉得不够”优雅”。这次OpenAI给出的证明,能不能被数学界真正接受,恐怕还得看同行评审的结果。

    不过有一点倒是挺有意思的:上次的尴尬过去才7个月,OpenAI就端出了一个有数学家背书的成果。是模型能力真的跃升了,还是这次学乖了、先找好背书再开发布会?

    答案可能要等一等才能知道。但至少这次,OpenAI没有让自己再次成为笑话。


  • 2026年5月AI圈的三件大事:新模型扎堆发布,Agent终于落地,然后电力不够用了

    2026 年的 5 月,AI 圈的热闹程度一点不比 4 月差。模型发布、Agent 落地、电力危机——这三件事同时发生在同一个月份里,凑在一起看,你会发现这个行业的节奏已经完全不是「按年迭代」了,而是按月、甚至按周在翻篇。

    模型发布潮,这次不一样

    OpenAI 的 GPT-5.5 系列还在持续推出变体,方向很明确:不再追求一个万能模型打天下,而是按场景拆分成不同专业版本。GPT-5.5-Cyber 专门盯网络安全场景,能做漏洞挖掘和攻防推理——这种垂直专业化的做法,说明厂商已经意识到通用模型在企业场景里的性价比瓶颈。

    Claude Mythos 更神秘一些,目前只有约 50 家合作伙伴能拿到受限预览资格。传闻在推理、编码、Agent 执行和漏洞发现这几个能力上都有重大突破。稀缺性反而让它热度更高——但说实话,这种「限量内测」的打法,到底是为了控制风险还是营销手法,外人很难判断。

    DeepSeek V4 的出现,让「低成本逼近前沿性能」这件事从例外变成了趋势。开源权重模型的竞争力,已经到了闭源厂商不能忽视的程度。

    DeepSeek V4 预览版已经上线,正式版预计近期发布。它的核心卖点是以极低的推理成本提供接近前沿水平的性能。对于高用量场景来说,这个性价比优势是真实的,不是噱头。Meta 的 Avocado 则推迟到了 5-6 月发布,说明即使头部厂商也会在研发落地的时间表上翻车——厂商给的路线图,看看就好,别当真。


    Agent 落地,这次是真的

    Gartner 有个预测:到 2026 年底,40% 的企业应用会嵌入 AI Agent。2025 年这个比例还不到 5%。这个跨度不是渐进式的,是跳跃式的。Deloitte 直接把 2026 年定义为「Agentic AI 的转折点」,IBM 等厂商也在推「超级智能体」和「多智能体编排」的概念。

    开发者社区的话题也变了。半年前大家还在争论「Agent 到底有没有用」,现在已经在讨论用 CrewAI 还是 LangGraph,MCP 协议怎么接入,Agent 的可靠性和成本怎么管控。这种讨论重心的转移,比任何报告都能说明问题——Agent 已经脱离概念验证阶段,进入实际落地周期了。

    但落地难度的提升也是真实的。Agent 从「生成回复」到「执行工作流」,意味着出错的影响范围完全不同。以前 AI 说错一句话,代价是一段不那么准确的摘要;现在 Agent 自动执行了一系列操作,哪怕其中一个环节出错,后果可能是删错数据、发错邮件、或者把订单派到错误的地址。

    电力危机,AI的下一个瓶颈

    最后一个话题有点沉重,但躲不过。AI 不是普通软件,它是高能耗的计算范式。一个 AI 密集型查询的耗电量,远高于一次传统网页搜索。大规模数据中心园区需要几百兆瓦的电力容量支撑——这个数字不是比喻,是实际的基础设施需求。

    Gartner 又有一个预测:到 2027 年,电力短缺将限制约 40% 的 AI 数据中心落地。美国目前约有一半的规划数据中心项目,因为电力基础设施和相关组件短缺被推迟或取消。钱能解决的问题都不是最难的问题,但变电站建设、变压器供应、电网接入审批——这些是工业协调问题,推进速度远慢于模型发布的节奏。

    AI 发展的下一个瓶颈不是芯片,不是模型,也不是资本——是现实世界的落地能力。

    说回太浩湖那个例子。4.9 万居民和 AI 数据中心抢电,这不是一个孤立事件,而是一个缩影。AI 扩张的基础设施成本,最终会以某种方式转嫁到社会层面。这个问题在 2026 年还只是苗头,但再过两年,它会变成政策制定者必须正面回应的问题。

  • 2026年5月AI圈大事件:GPT-5.5来了,Kimi融资20亿美元,人形机器人走向工厂






    2026年5月AI圈大事件:GPT-5.5来了,Kimi融资20亿美元,人形机器人走向工厂

    5月的AI圈,信息量爆炸。OpenAI发布了GPT-5.5,国产AI企业Kimi即将完成20亿美元融资,人形机器人展览会在杭州开幕,苹果因为AI功能虚假宣传赔了2.5亿美元……如果你没时间每天刷新闻,这篇文章帮你一次性梳理完这个月的所有大事。

    GPT-5.5来了,这次主打”不胡说”

    OpenAI在5月发布了GPT-5.5 Instant,最核心的升级是”可靠性”。之前的版本在专业领域容易”一本正经地胡说八道”,5.5在医疗、法律、金融等高风险场景的准确性有了质的飞跃,幻觉率大幅降低。

    这个方向其实很明确:企业用户要的不是模型”能聊”,而是”说对话”。ChatGPT的使用量继续攀升,企业场景渗透加速,GPT-5.5算是踩在了正确的节奏上。

    AI行业的竞争,正在从”谁的模型更聪明”转向”谁的模型更可靠”。GPT-5.5的发布,是这个转向的一个标志性节点。

    Kimi即将完成20亿美元融资

    月之暗面旗下的Kimi即将完成一笔20亿美元的新融资,投后估值大幅攀升。这是2026年国产AI领域最大的一笔融资之一。

    Kimi这波势头很猛,长文本处理能力一直是它的招牌,现在融资到位,接下来在多模态、Agent方向的投入估计会加大。国产大模型这场仗,远没到终局。

    人形机器人走向工厂,不只是演示了

    5月14日至16日,HRTE 2026杭州国际人形机器人展览会举办,主题是”人形机器人赋能新型工业化”。多款新型人形机器人亮相,工业应用场景加速落地,产业链上下游企业集中展示。

    人形机器人正在从”实验室”走向”工厂”。2026年可能是人形机器人产业化的元年,这个判断现在看来越来越扎实了。

    苹果赔了2.5亿美元,AI虚假宣传的警钟

    苹果公司同意支付2.5亿美元,和解关于AI功能虚假宣传的诉讼。这件事给整个行业敲了一个警钟:AI产品的宣传必须实事求是,过度承诺的后果是很真实的。

    监管层面也在发力。AI生成内容的合规与安全成为新的关注重点,Deepfake(深度伪造)技术被滥用的案例持续增多。行业趋势正在从”炫模型”转向”拼安全”,安全性、隐私保护和系统集成能力正在成为新的竞争维度。

    其他值得关注的动态

    • Google把Gemini塞进了Gboard:AI不再是一个需要单独打开的App,而是融入了你打字的每一个瞬间。AI正在从”工具”变成”基础设施”。
    • 微软收购Fintool AI:将其全面整合进Office全家桶,Excel、Word、PowerPoint将获得更强大的AI金融分析能力。
    • 英伟达高层到访中国:带动A股AI板块集体上涨,汉得信息等AI全产业链概念股表现活跃。
    • 国内AI社区类产品市场爆发:市场规模同比增长182%,多款涵盖教育、办公、创作、社交的产品进入测试阶段。

    回顾这个月的AI圈,几个关键趋势非常清晰:模型能力持续提升,资本持续涌入,产业加速落地,安全成为新焦点。对于普通人来说,最重要的信息是:AI正在从概念走向实用。不管你是学生、职场人还是创业者,现在都是开始学习和使用AI的最佳时机。


  • Stability AI放大招:新音频模型能生成6分钟专业音乐,还把模型权重开源了

    Stability AI这几天扔出了一个重磅消息——Stability Audio 3.0系列音频模型正式发布。如果你对这家公司的名字有点印象,没错,它就是Stable Diffusion的开发公司。

    四款模型,两种策略

    这次一口气发布了四款模型,参数规模从4.59亿到27亿不等。小模型可以在设备上直接跑,生成最长2分钟的音频内容。中型和大型模型更猛,能生成6分20秒的完整音乐作品,而且还能保持稳定的音乐结构和旋律基调。

    生成时长是2024年发布的Stable Audio 2.0的两倍以上。要知道,2024年他们发布的Stable Audio Open只能生成最长47秒的音乐,这次算是一次大跨步的升级。

    最有意思的是他们对不同模型的开放策略。两款小型模型(音效模型459M、音乐模型459M)和中型模型(1.4B)都以开放权重的形式发布,任何用户都可以免费使用、修改。但大型模型(2.7B)就没这么大方了,只通过API和付费自托管服务开放使用,而且年营收超过100万美元的企业还需要获取企业级授权才能用。


    版权是生死线

    训练数据是这套模型的一大卖点。Stability AI表示,本次最新发布的音频模型系列完全基于已获得授权的数据训练。这一点很重要,因为AI音乐生成这个赛道,版权问题一直是悬在头顶的达摩克利斯之剑。

    去年Stability AI已经和华纳音乐集团、环球音乐集团达成合作,共同开发模型和音乐创作工具。和其他竞争对手比起来,这在版权合规性上确实更有底气。毕竟Suno和Udio相关的版权诉讼已经证明,数据授权以及与音乐厂牌的合作,将是这类服务长期生存的关键因素。

    Stability Audio 3.0 模型对比图
    Stability Audio 3.0 四款模型参数对比(来源:Stability AI)

    专业音乐人赛道开打

    目前谷歌、ElevenLabs等多家公司都在推出音乐生成相关的模型和工具,赛道越来越挤。Stability AI这边也在为专业音乐人开发一套全新的产品,前Universal Audio和Fender首席数字官Ethan Kaplan已经加入公司,将负责Stability的专业音乐业务。

    这个人事任命挺有意思。Ethan Kaplan在音乐硬件和软件领域都有很深的根基,他去Stability AI,说明这家公司不只是想做个”能生成音乐的AI玩具”,而是真的想往专业音乐制作流程里扎根。

    最近不少AI公司都在通过聘请音乐行业高管来提升自身行业资质。今年早些时候Suno聘请前Merlin CEO Jeremy Sirota担任首席商务官,ElevenLabs也聘请独立音乐发行商Kobalt的Derek Cournoyer担任音乐业务战略负责人。

    看起来,AI音乐生成赛道正在从”谁能生成好听的音乐”转向”谁能搞定版权、搞定音乐行业”。技术只是入场券,版权和行业资源才是长期竞争力的核心。


    普通创作者能用上吗

    对于普通创作者来说,Stability Audio 3.0的开源小模型是个好消息——你不需要花一分钱,就能在自己的设备上生成最长2分钟的音乐和音效。但如果你想用最好的大模型,或者你是年营收超过100万美元的企业,那就得按商业授权来了。

    这套模型的发布,让AI音乐生成赛道的竞争从”谁的模型能生成更长的音乐”升级到了”谁的版权合规性更强、谁更懂专业音乐人的需求”。Stability AI这一步棋,下得挺聪明。

  • MIT发布2026年AI十大趋势:从人形机器人训练数据到AI反制浪潮



    MIT发布2026年AI十大趋势:从人形机器人训练数据到AI反制浪潮

    MIT Technology Review 2026年AI趋势
    MIT Technology Review 发布2026年AI十大趋势报告

    MIT Technology Review发布了2026年”当下AI领域最重要的10件事”清单。这是该刊首次将AI领域的核心趋势、行业动态、前沿进展汇总为单一清单。从人形机器人训练数据到AI反制浪潮,这10个趋势正在重塑整个行业。


    人形机器人的”动作库”正在建立

    训练AI理解物理世界,需要的不再只是文本。现在,无数摄像头对准工厂工人、仓库管理员、甚至远程操控的”傀儡机器人”,记录他们每一个动作。这些视频会成为下一代人形机器人的训练数据。问题是,这种规模的采集能不能真的让机器人学会干活,现在还没人能打包票。

    MIT Technology Review认为,人类动作视频正在成为人形机器人训练的新”石油”,只是这套方法论还没被验证过。

    大语言模型没过时,只是需要升级

    LLM已经席卷全球,但容易摘的果子基本摘完了。整个行业都在找下一个爆点,但大语言模型本身不会消失。它还有大量潜力没释放——更长的上下文、更好的推理、更强的多模态能力。只是,光靠把模型做得更大,已经不够了。

    诈骗的门槛正在被AI削平

    钓鱼邮件、深度伪造电话、自动化的社交工程攻击——AI正在让这些事变得更快、更便宜、更容易上手。以前需要耐心和技术的活儿,现在脚本小子都能干。这对普通用户来说,意味着你收到的每一条”紧急信息”都可能是AI生成的。


    世界模型:让AI理解物理规律

    大语言模型擅长处理文字,但它们不了解物理世界是怎么回事。AI公司现在想构建”世界模型”——能理解重力、因果关系、空间结构的系统。如果做成,AI就不只是聊天机器人,它能真正进入工厂、仓库、医院,在真实世界里做决策。

    战场上的AI:从辅助到决策

    算法早就在做军事情报分析了,但生成式AI正在进入作战室。指挥官开始认真考虑AI的建议——该把资源投到哪里、怎么预测敌人的下一步。这改变的不只是技术,还有军队和科技巨头合作的方式,甚至是什么时候该按下”开火”按钮的决策逻辑。

    MIT的报道指出,AI在军事领域的渗透速度比大多数人意识到得要快,而且这次不只是自动化,是真正的决策参与。

    深度伪造的武器化已经到来

    Grok大规模生成非自愿色情图像、美国政府用AI技术做宣传——人们长期预警的”武器化深度伪造”威胁,现在已经不是预言,是正在发生的事。假视频、假音频、假文章,正在成为信息战的一部分。

    多智能体协作:从单打独斗到团队合作

    第一代AI智能体只能做单一任务——运行浏览器、写几行代码。下一代智能体会组队工作,一个负责研究,一个负责写代码,一个负责测试,互相协调完成复杂目标。这就像从”一个工程师”进化到”一个产品团队”。


    中国的开源赌注:免费的前沿模型

    中国实验室把前沿模型免费开放,这招赢得了全球开发者的好感。现在,世界各地都有人在基于中国的开源模型做开发。问题是,这种模式能不能赚钱?没人知道答案。但不管怎样,开源的势头已经起来了。

    AI科学家的出现:诺奖级别的合作者?

    高校和企业都在开发能自主完成研究任务的AI智能体——不只是查文献,而是提出假设、设计实验、分析结果。一些业内人士相信,这类AI合作科学家未来可能做出达到诺贝尔奖级别的研究成果。当然,这话现在听起来还有点早。

    反AI浪潮正在汇聚

    经过多年几乎不受约束的AI发展,全球范围内正在形成一股强大的反对力量。保守派、自由派、艺术家、工会——不同立场的人开始在同一个问题上发声:AI跑得太快了,我们需要刹车。这股力量已经开始在一些具体问题上取得小范围胜利。



  • Google出手了:CodeMender直指Anthropic Mythos,AI安全大战打响

    Anthropic的Claude Mythos Preview大模型发布的时候,整个AI圈都震了一下。这个模型强到什么程度呢?它不仅在代码安全漏洞识别上表现出色,还吸引了多家顶级银行、甚至美联储主席的关注。因为能力太强,Anthropic起初被认为不适合公开发布,最后只开放给早期企业用户和政府机构使用。

    Google坐不住了

    就在大家都觉得Anthropic在AI安全赛道上”一骑绝尘”的时候,Google在I/O 2026大会上悄悄亮了一张牌:CodeMender。这个工具早在2025年10月就首次亮相,但当时没有引起太大波澜。现在,Google把它重新推到台前,明确对标Anthropic的Mythos。

    CodeMender的核心能力是同时识别并修复代码库中的安全漏洞。和Mythos不同的是,它不只是”发现”问题,还能”解决”问题。这个设计很聪明:企业客户需要的不是一份漏洞清单,而是一个能帮他们把漏洞修好的工具。

    Google CEO桑达尔·皮查伊公开表示:”Mythos证明了超大参数规模模型在安全类场景中有明确价值,而我们同样具备提供这类产品的能力。”

    开放策略:从小范围到逐步扩大

    Anthropic的Mythos目前只面向早期企业用户和政府机构小范围开放,没有公开发布。Google则采取了不同的策略:在I/O 2026之后,他们向特定专家群体开放了CodeMender的API测试权限,逐步扩大开放范围。

    这个策略背后有Google的算盘。他们已经和政府、企业客户展开沟通,推动CodeMender用于系统安全审计。和Anthropic的”高冷”路线不同,Google更想快速把这款产品推向市场,用生态优势(Google Cloud、Android、Workspace)来绑定客户。

    AI安全赛道为什么突然火了

    其实在Anthropic发布Mythos之前,AI安全这个赛道并不算热门。大多数公司更关心的是”怎么让模型更聪明”,而不是”怎么让模型更安全”。但Mythos的出现改变了这个认知:安全,也可以成为大模型的核心卖点

    这对AI公司来说是个好消息。因为”安全”这个东西,企业和政府愿意买单,而且价格不菲。Anthropic的Mythos主要面向高安全需求的企业和政府客户,定价肯定不便宜。Google看到这块肥肉,当然也想分一杯羹。

    • 客户选择更多了:政府、金融、关键基础设施等领域的客户,之前在AI安全服务上的选择很有限,Google CodeMender的入场提供了更多元化的选择
    • 技术迭代会更快:有竞争才有进步,Google和Anthropic在这个赛道上”掰手腕”,最终会让AI安全技术的能力提升得更快
    • 价格可能会下降:垄断市场的高价,在竞争出现后通常会有所调整,客户可以期待更合理的定价

    Google的真实算盘

    除了在AI安全赛道上和Anthropic竞争,Google推出CodeMender还有更深层的目的:为IPO铺路。有消息称,Google的母公司Alphabet正在为2026年的IPO做准备,而”AI安全解决方案提供商”这个定位,比”搜索引擎公司”性感得多,也更容易在资本市场上讲出一个好故事。

    不管怎么说,AI安全大赛道的竞争才刚刚开始。Anthropic验证了市场需求,Google跟进布局,接下来可能还会有更多玩家入场。对我们这些旁观者来说,这出好戏,才刚拉开帷幕。

  • Antigravity 2.0发布:Google把智能体编程玩出了新花样

    Google I/O 2026第一天,全场都在聊Gemini 4.0和那些炫酷的XR眼镜,但我觉得真正值得开发者关注的,反而是这个看起来没那么起眼的Antigravity 2.0。要知道,上次Google推出Antigravity 1.0的时候,大家还在拿它跟Cursor对比,觉得Google不过是做个”追随者”。但这次2.0版本一出来,味道完全变了。

    从编程工具到智能体平台

    Antigravity 2.0最核心的变化,是它不再只是一个”帮你写代码的AI工具”,而是一个完整的智能体编程平台。这个定位变化很关键,意味着Google对这类产品的理解已经往前走了一大步。

    你可以把它理解成:之前1.0版本是”你问它答”的单兵作战模式,现在2.0版本是”你统领一支AI团队”的指挥中枢。它支持多智能体并行调度,你可以让一个智能体去写前端,同时另一个去处理后端的API,还有一个在后台跑测试。这种”智能体编排”能力,是目前市面上大多数AI编程工具还没摸到门槛的东西。

    Antigravity 2.0由新发布的Gemini 3.5 Flash模型驱动,这个模型本身就是和Antigravity团队协同开发的。换句话说,Google这次是”为自己的智能体编程工具量身定制了一个底层模型”。

    三个细节看出Google的野心

    第一个细节是语音命令的加入。你现在可以直接对着Antigravity说”帮我重构一下这段代码的异常处理逻辑”,它就能理解你的意图并执行。这个功能的意义不只是”多了一种交互方式”,而是它意味着Antigravity正在向Google的消费级产品(Gmail、Docs的语音交互)对齐。未来的开发工具,可能真的就是”动动嘴皮子”的事。

    第二个细节是和Google搜索的深度集成。你现在在Google搜索里就能直接调用Antigravity的能力,搜索结果页面不只是给你一堆蓝色链接,而是可以直接生成一个小应用或者交互式UI。这个动作很值得玩味:Google正在把它的”智能体能力”渗透到用户旅程的每一个触点,而不只是局限在一个独立的IDE或者编辑器里。

    第三个细节是导出和生态打通。Antigravity 2.0现在支持把项目导出到本地继续开发,也可以无缝对接Android Studio、Firebase这些Google自家的开发工具。这个策略很明显:Google不想让你”只在Antigravity里干活”,而是希望你用它的全套开发栈。

    订阅体系背后的算盘

    这次Antigravity 2.0是跟着Google的AI Ultra订阅计划(100美元/月)一起推出的。在这个价位下,Antigravity的使用额度是Pro计划的5倍。这个定价策略其实透露了Google的真实想法:他们不是想靠Antigravity单独赚钱,而是想用这个工具把开发者”锁”在Google的AI生态里。

    你可以对比一下:Cursor的订阅是20美元/月,GitHub Copilot是10美元/月,但这两个工具都只是”帮你写代码”。Antigravity 2.0想做的是”帮你运营一整个AI开发团队”,这个定位差异决定了它的定价空间可以更高。


    桌面应用和CLI双双升级

    除了核心的智能体编排能力,Antigravity 2.0的桌面应用和CLI工具也都有实质升级。桌面端现在支持自定义工作流,你可以设计一个”代码审查→自动修复→运行测试→提交PR”的完整流程,然后让它后台自动跑。CLI工具则是面向那些习惯终端开发的”老炮”,Google甚至还引导原来的Gemini CLI用户迁移到新的Antigravity CLI上来。

    总体来看,Antigravity 2.0的这次更新,信号很明确:Google不想在AI编程这个赛道里只做一个”中庸的跟随者”,它想用生态优势(搜索、Workspace、Android、Firebase)和智能体编排能力,重新定义”什么是AI时代的开发工具”。

  • 谷歌Gemini要进Siri了,苹果的AI牌终于亮出来

    苹果和谷歌这两个老对手,在AI这件事上居然握手了。2026年4月,谷歌云CEO Thomas Kurian在Google Cloud Next大会上亲口确认:谷歌正在作为苹果的首选云供应商,合作开发基于Gemini技术的下一代苹果基础模型,用来驱动未来的Apple Intelligence功能,包括那个大家都等了很久的新版Siri。

    每年10亿美元,苹果买了个什么样的Gemini

    2026年1月,苹果和谷歌签了一份多年协议,苹果每年支付大约10亿美元,授权使用1.2万亿参数的定制Gemini模型来支撑苹果自己的基础模型。这个价格不便宜,但苹果看重的是Gemini的多模态能力和谷歌在AI基础设施上的积累。

    隐私规则没变——Apple Intelligence仍然在设备端或者苹果自己的私有云上运行,不会把用户数据送到谷歌的服务器去。苹果在这件事上很谨慎,引入Gemini的能力,但数据流自己掌控,相当于用谷歌的”大脑”,但”记忆”和”执行”还是苹果自己的地盘。

    谷歌云CEO Thomas Kurian在大会上说得很直接:Gemini将驱动新一代Siri,带来更个性化的AI助手体验。预计2026年内上线。

    新版Siri到底变了什么

    WWDC 2026定于6月8日至12日在Apple Park举行,主题演讲在北京时间6月9日凌晨1点。苹果已经罕见地在3月就预告会带来”AI新进展”,外界普遍预期这届WWDC是苹果近年来战略意义最重大的一次。

    新版Siri最大的变化是从”系统附件”变成了一款真正的独立App。以前Siri是依附在系统界面里的,现在用户可以像打开ChatGPT那样,随时随地一键开启Siri聊天界面。支持文字和语音两种交互方式,还能直接上传文件——这个在以前的Siri上是不可想象的。

    对话记录的管理也更像一款正经的AI助手了:你可以选择类似ChatGPT的单次对话视图,也可以切换到类似iMessage的聊天列表视图,方便回溯和延续之前的对话线程。隐私设置里还可以自主决定聊天记录的存活周期——30天、一年或者永久保留,数据生命周期完全由用户自己掌控。

    苹果的AI时间表

    按照目前的节奏:2026年春季的iOS 26.4会先上线Gemini支撑的Siri上下文感知能力;9月iPhone 18发布时,推出支持多轮对话、复杂任务完成的全对话式Siri;6月8日的WWDC上,应该会展示iOS 27里相关的功能预览。

    这个项目曾经延期了整整两年。苹果在AI上的节奏确实比竞争对手慢了一拍,但一旦决定押注,投入的资源也不小。每年10亿美元给谷歌,再加上自己的私有云基础设施,苹果显然是把AI助手这件事当成了下一个十年的核心战场。

    6月9日凌晨1点,库克主题演讲见分晓。


  • Google AI Ultra大降价:从250美元砍到100美元,对标OpenAI

    Google在I/O 2026上悄悄调整了AI Ultra订阅的价格体系——从原来的249.99美元/月,改成100美元/月起。这个降幅,说实话,挺狠的。

    新的Ultra分两档:100美元/月是基础档,200美元/月的高档则包含Project Genie世界模型的访问权限。这个定价策略,明眼人一看就知道是冲着OpenAI去的——OpenAI的Pro订阅也是100美元和200美元两档,完全对标。

    之前249.99美元/月的Ultra,说白了就是”劝退价”——贵到大多数人连试都不想试。Google这一刀砍下去,明显是想把那些在ChatGPT Plus和Gemini之间犹豫的用户拉过来。

    为什么要降价?因为AI订阅这件事快卷不动了

    过去一年,AI公司的订阅定价基本是”高位默契”——大家都不敢轻易降价,怕被市场认为”模型不值钱”。但实际情况是,大多数用户根本用不着每月100美元那么高端的功能。

    Google这一降价,实际上是在重新定义”AI订阅的门槛”。如果100美元/月能用到Gemini 3.5 Flash、AI搜索增强、Gmail AI交互这些功能,那OpenAI的100美元Pro还剩多少差异化优势?


    200美元档的杀手锏:Project Genie

    200美元/月的高档Ultra,核心卖点是Project Genie世界模型的访问权限。这个东西我们在之前的文章里提到过——它能用Google街景的2800亿张图片生成可交互的3D世界,用来训练自动驾驶、机器人,或者做游戏开发。

    这个功能的算力消耗非常大,所以Google把它放在高档订阅里作为差异化卖点,逻辑上说得通。问题就在于——有多少普通用户真的需要生成”可交互的3D世界”?这个项目更像是为开发者、研究机构、企业用户准备的。

    OpenAI怎么跟?

    Google降价之后,压力就转到OpenAI那边了。目前OpenAI的Pro订阅也是100/200美元两档,功能包括GPT-5.5访问、高级语音模式、代码解释器等。如果Google的Ultra在功能上追平甚至超过OpenAI Pro,那OpenAI可能也得考虑调整定价。

    不过,AI订阅这件事最终的竞争点,可能不是价格,而是”用户到底信谁”。ChatGPT的品牌认知度目前还是领先Gemini不少,Google要想靠降价逆转局面,还得在产品体验上真正拉开差距。

    降价是个开始,不是结束。接来下的几个月,AI订阅市场的价格战,估计会越打越激烈。