Anthropic 今日举办「AI for Science」线上大会，诺奖得主 John Jumper 加盟后的首秀；港大教授李弘扬创立源策未来，数亿元种子轮押注全身具身大脑；开源编码 Agent Ornith-1.0 凭 RL 自改进范式登顶多个基准——AI Coding 与具身智能双线并行，从模型自主进化到机器人全身智能，产业纵深持续扩展。

Anthropic「AI for Science」大会：John Jumper 首秀 + 诺华/BMS/Genentech 联合站台

6月30日，Anthropic 举办「The Briefing: AI for Science」线上直播活动，演讲嘉宾包括诺华 CEO Vas Narasimhan（Anthropic 董事）、BMS 董事长兼 CEO Chris Boerner、Genentech 研发负责人 Aviv Regev，以及 AlphaFold2 共创者、诺贝尔化学奖得主 John Jumper。这是 Jumper 6月19日从 Google DeepMind 加盟 Anthropic 后的首次公开亮相。大会核心议题：Claude 如何压缩药物研发时间线、BioMysteryBench/VirBench 基准发现（确定性检索工具比模型选择更关键），以及 Anthropic 90天内的五步生命科学布局——Coefficient Bio 4亿美元收购、自建湿实验室、两个基准发布、Jumper 引进、本次大会。

值得关注的原因：Anthropic 不再只是"AI编程公司"，正在系统性构建生命科学全栈能力（从蛋白质预测到监管策略），John Jumper 的加盟使 AI for Science 从概念验证进入实质推进阶段。VirBench 的核心发现——74分差距几乎是数据访问问题而非模型问题——对所有 AI 应用开发者具有普遍启示。

信息来源：Anthropic 官方活动页 | ChatForest 深度分析

源策未来 Archon Robotics：数亿元种子轮押注「全身具身大脑」

港大计算与数据科学学院助理教授李弘扬创立的「源策未来 Archon Robotics」完成数亿元种子轮融资，投资方包括真格基金、高榕创投、IDG资本、五源资本等头部美元基金及港大联名基金、奇绩创坛。公司成立于2026年4月，研发总部位于上海漕河泾，专注研发通用全身人形基座模型。核心洞察：现有具身数据集结构性缺位——第一视角视频缺全身位姿、机械臂数据缺物理交互、人形真机数据成本高达每小时数百至近千元，导致现有方案只能做桌面抓取，无法应对推门、双手持物开关门等需要重心转移的任务。本轮资金主要用于全身人形基础模型研发、多模态全身动作数据采集，以及年底前开源人形基座模型落地。

值得关注的原因：从"桌面抓取"到"全身移动操作"是具身智能的核心跨越。源策未来直接瞄准数据结构性缺位这一最大瓶颈，并提出开源基座模型路线，与国内银河通用、千寻等"演示→量产"路径形成差异化互补。港大教授创业+顶级美元基金种子轮的组合，标志着学术界对具身数据问题的系统性回应。

信息来源：36氪独家 | 搜狐报道

Ornith-1.0：RL 自改进开源编码 Agent，9B 超越 35B 同级模型

deepreinforce-ai 团队发布 Ornith-1.0 系列，定位「自改进开源编码 Agent」，提供 9B-Dense、31B-Dense、35B-MoE、397B-MoE 四档模型，MIT 协议全球可访问。核心训练范式：用强化学习同时优化「生成解决方案」与「驱动方案展开的 scaffold」，通过联合优化让模型自主发现更好的搜索轨迹，而非依赖预设 Agent 流程。基准测试中，9B 版本在 Terminal-Bench 2.1 拿到 43.1 分（超过 Qwen3.5-35B 的 41.4），SWE-bench Verified 69.4%（超过 Qwen3.5-35B 的 70% 接近持平），397B 版本在 Terminal-Bench 2.1 达 77.5 分，与 Claude Opus 4.7/4.8 同台竞技。

值得关注的原因：Ornith-1.0 的 RL 自改进范式代表 AI Coding 的下一阶段——不再是"更好的补全"，而是"模型自己学会如何搜索和规划"。9B 小模型超越 35B 大模型的同级对比，直接挑战了"参数量=编码能力"的传统认知。MIT 开源+多规模覆盖，对本地部署和边缘场景的 AI Coding 生态具有实际撬动力。

信息来源：GitHub deepreinforce-ai/Ornith-1 | HackerNews 讨论

韩国1万亿美元AI投入：半导体 + 物理AI + 人形机器人2028商用

韩国政府与头部科技公司联合宣布约1万亿美元一揽子计划，三大旗舰项目：Samsung/SK海力士投入585亿美元建设新晶圆厂（目标5年内DRAM产能翻倍）；SK集团/GS集团/Naver投入357亿美元建设大规模AI数据中心；现代汽车投入58亿美元建设机器人制造工厂和AI数据中心，Boston Dynamics Atlas 人形机器人目标2028年年产3万台。韩国总统李在明将"半导体、物理AI、AI数据中心"列为国家跃迁三大轴心，政府同时将物理AI定为"国家战略产业"，目标3年内开发基于世界模型的通用基础模型，2028年实现人形机器人在10个主要行业商业化部署。

值得关注的原因：这是迄今全球最大的国家级AI综合投入计划，物理AI与人形机器人首次被提升至与半导体同等的国家战略高度。现代工会已投票批准罢工以抗议 Atlas 机器人部署，折射出"AI替代人类劳动"的社会张力正在从理论讨论走向现实冲突。中国具身智能产业可从韩国"半导体→物理AI→数据中心"三轴联动模式中获得产业链协同的参考框架。

信息来源：Ars Technica 报道 | BBC News

普林斯顿 CEO-Bench：14位硅基CEO仅有4位保住本金

普林斯顿团队搭建 CEO-Bench，将14款主流大模型放入"100万美元启动金、500天模拟周期、零客户"的真实 SaaS 经营场景，让模型自主运营虚拟公司。结果：14位硅基CEO仅4位保住本金——Claude Fable 5 以4715万美元位列第一（本金翻47倍），Claude Opus 4.8 第二（2780万），GPT-5.5 第三（2130万），第四名竟是纯 rule-based 启发式算法（1576万），而非任何大模型。5个模型中途破产离场（GLM 5.1、Haiku 4.5、Gemini 3 Flash、DeepSeek V4 Pro、Grok 4.20）。核心发现：探索型策略远优于保守型；编程 Agent（Claude Code/Codex）硬套 CEO 角色反而表现大幅下降——"强加马鞍，不如裸骑"。

值得关注的原因：CEO-Bench 是迄今最严格的 AI Agent 商业决策压力测试。Fable 5 的压倒性优势印证了 Anthropic 在长程推理上的领先，但 rule-based 算法排第四揭示了"简单规则+领域知识"可能比"通用智能无约束"更稳健。编程 Agent 不等于万能 Agent 的结论，直接指向垂直场景 Harness 框架的必要性——对 AI Coding 工具开发者而言，这是一个关于产品边界的重要信号。

信息来源：CEO-Bench 官方 | 量子位报道

今日聚焦两个方向：AI 编程领域，Anthropic 联合创始人首次给出 RSI（递归自我改进）落地时间表，DeepSeek 开源推理加速框架大幅降低 Coding Agent 使用成本；具身智能方面，深度机智与 Generalist AI 同日传出巨额融资信号，物理 AI 基础设施之争进入白热化阶段。

Anthropic 联合创始人 Jack Clark：2028 年底 RSI 成真概率 60%

Anthropic 联合创始人 Jack Clark 在 Aspen Institute 活动上给出明确时间表：到 2028 年底之前，递归自我改进（Recursive Self-Improvement, RSI）很可能成真——AI 将自主发明并构建比自己更强的下一代模型，整个过程无人类研究员参与。Clark 将置信度明确打在 60%，并描绘了具体画面：Claude 10 将是这一节点的产物。

值得关注的原因：这是 AI 行业核心人物首次将 RSI 从哲学讨论和 PR 辞令切换为具体路线图。如果 60% 的概率成真，意味着未来 3 年内 AI 编程 Agent 将从"辅助人类写代码"进化到"自主设计并构建更好的 AI"，对软件开发范式的冲击将是根本性的。同期英伟达与剑桥大学联合发布的"红皇后哥德尔机"论文，已在工程层面为 RSI 提供了可训练的实现路径。

来源：36氪

DeepSeek 开源 DSpark 推测解码框架，单用户推理速度提升 85%

DeepSeek 开源推测解码框架 DSpark 与配套训练框架 DeepSpec，由创始人梁文锋署名、联合北京大学完成。技术核心是半自回归生成与置信度调度验证：用轻量草稿模型并行生成候选 token，再由目标模型批量校验，对极可能被驳回的尾部 token 提前剪枝。对比生产基线 MTP-1，DSpark 在保持整体吞吐不变的前提下，将单用户生成速度提升 60%-85%，并避免了高并发下的吞吐率大幅滑坡。

值得关注的原因：推理速度是 AI Coding Agent 的核心瓶颈之一——Coding Agent 往往需要多轮迭代、长上下文推理，延迟直接影响开发体验。DSpark 以无额外硬件成本的方式将速度提升近一倍，对 Claude Code、Codex 等 Agent 产品的响应效率有直接改善意义。同时，这也是 DeepSeek 在 510 亿巨额融资后的首个重量级开源动作。

来源：36氪

深度机智完成新一轮数亿元融资，物理 AI 基座模型持续获投

北京中关村学院与中关村人工智能研究院联合孵化的深度机智（Deepcybo）宣布完成新一轮数亿元融资，由国寿长三角科创基金领投，普华资本、诚通科创基金等跟投。这是该公司近两个月内的第二轮数亿元融资。深度机智聚焦物理 AI 全栈技术，已建设数十万小时级 DeepAct 多模态人类第一视角数据集，发布了 PhysBrain 1.0 具身通用智能基座模型，并推出了 Prime 系列拟人体机器人产品线。

值得关注的原因：深度机智代表了一条独特的具身智能技术路线——"人类学习"范式，即通过人类第一视角数据直接训练机器人执行任务，而非依赖仿真环境或预编程。公司近期已验证了纯人类操作数据直驱机器人完成新任务的可行性，这比美国 Generalist AI 的 GEN-1 早一周发布。中关村体系孵化首个具身智能企业的身份，也意味着国家队在该领域的战略布局。

来源：网易科技、DoNews

Generalist AI 获 4 亿美元融资，打造通用机器人智能平台

由前 Google DeepMind 和 Boston Dynamics 工程师创立的 Generalist AI 完成 4 亿美元融资，估值达 20 亿美元，投资方包括 NVIDIA、Fei-Fei Li、Jeff Bezos 等。公司定位为构建面向所有机器人形态的通用智能平台——"Physical AGI"，即一套能理解物理世界并在各类机器人本体上运行的基座模型。此前，Generalist AI 总融资已超过 7 亿美元。

值得关注的原因：Generalist AI 代表了具身智能领域的"平台化"路线——不是造机器人，而是为所有机器人提供通用大脑。NVIDIA 的投资意味着硬件巨头正在为下一波机器人计算需求铺路，而 Fei-Fei Li 的站台则连接了学术前沿与产业落地。4 亿美元的单笔融资在具身智能赛道属于第一梯队，与国内深度机智的"人类学习"路线形成中美两条并行路径的竞争格局。

来源：Robotics 24/7、The Robot Report

Semgrep 安全基准测试：GLM-5.2 首次正面击败 Claude

代码安全平台 Semgrep 发布详细测试报告：在其自研的 IDOR（不安全直接对象引用）基准上，智谱 GLM-5.2 以 39% F1 得分击败了 Claude。这是国产开源权重模型首次在严肃安全基准上对闭源前沿模型形成明确领先。Semgrep 给文章起的标题 "We have Mythos at home" 暗指此前被业内视为网络安全领域王者的 Anthropic Mythos 系列。

值得关注的原因：安全基准不同于通用编程基准——它要求模型具备深层代码理解能力，能发现逻辑漏洞而非简单的语法错误。GLM-5.2 在安全领域的突破，意味着国产开源模型在 AI Coding 的高价值细分场景中已具备与闭源前沿模型正面竞争的能力。结合 Anthropic 同日向美国参议院指控阿里 Qwen 蒸馏 Claude 的事件，中美 AI Coding 模型的竞争已从技术层面上升到叙事权与规则制定权的争夺。

来源：Semgrep Blog、量子位

今日 AI 领域的核心信号集中在两条主线：一是美国前沿模型监管框架实质成型，OpenAI GPT-5.6 与 Anthropic Mythos 5/Fable 5 同时进入"政府客户级审批"模式，TechCrunch 直言"OpenAI vs Anthropic"的对抗叙事已过时；二是夏季达沃斯论坛"物理 AI"成全场顶流、世界模型被列入十大新兴技术、Anthropic 即将于 6 月 30 日举办 John Jumper（AlphaFold 诺奖得主）首次公开亮相的 AI for Science 大会。中国方案在达沃斯被高频引用，国产模型、具身智能与开源生态继续在 AI Coding 工具链上对国际厂商形成正面竞争。

美国前沿模型进入"双轨受限"时代，OpenAI 与 Anthropic 站在同一政府审批问题面前

TechCrunch 6 月 28 日发表评论指出，"OpenAI vs Anthropic"的叙事已不再适用——两大头部实验室同时陷入同一困境：缺乏正式监管框架下的"政府逐客户审批"。Anthropic Mythos 5 自 5 月起持续以 preview 形式存在（已 16+ 天），即便 6 月 27 日部分解封给关键基础设施运营商，通用访问时间仍未明确；OpenAI GPT-5.6 Sol/Terra/Luna 发布第二天即被限制给"政府已批准合作伙伴"，Altman 给出"一两周"时间表。The Information 报道 GPT-5.6 将在"客户级审批"完成后才进入全面发布。这意味着，6 月 28 日的"非 OpenAI vs Anthropic"已是结构性问题：特朗普行政令设想的"正式预发布审查"尚未落地，所有美国前沿模型发布都受同一非正式否决权支配。

值得关注的原因：上半年 AI 行业的核心矛盾已从"哪家模型更强"切换到"谁能率先建立新的发布规则"。监管灰色地带同时压制 OpenAI 与 Anthropic，国产模型（DeepSeek V4.1、智谱 GLM-5.2、阿里 Qwen3.7-Plus、月之暗面 Kimi Code）获得了"非美国监管路径"的差异化窗口。对 AI Coding 工具链而言，海外模型获取不确定性显著上升；对具身智能而言，VLA、世界模型等依赖前沿基座的研发节奏将与监管审批深度绑定，国产替代与本地化部署的优先级被进一步推高。

信息来源：https://aitoolsrecap.com/Blog/ai-news-june-28-2026

Anthropic 6 月 30 日举办"AI for Science"大会，AlphaFold 诺奖得主 John Jumper 首次公开亮相

Anthropic 宣布于 6 月 30 日上午 10 点（太平洋时间）举办"The Briefing: AI for Science"线上直播活动，邀请生命科学领域高管、药企与研究机构共同参与。诺贝尔化学奖得主、AlphaFold 共同创造者 John Jumper 预计将首次以 Anthropic 员工身份公开亮相，这也是其离开 Google DeepMind（任职近 9 年）后最关键的一次公开发声。活动将展示 Anthropic 6 月发布的 VirBench 基准（120 个病毒序列检索查询 / 40 种病原体）、与 NCBI 合作构建的确定性检索工具 gget virus（将 Claude Sonnet 4 在该基准上的准确率从 16.9% 提升至 92.8%），以及 Bristol Myers Squibb 等药企在 R&D 与制造环节部署 Claude 的真实案例。John Jumper 的加盟意味着"AI + 基础科学"的工程化路径正式进入诺奖级别的人才布局。

值得关注的原因：Anthropic 正以"AI for Science"作为继 AI Coding 之后的第二条增长曲线，瞄准的是万亿美元级别的生命科学市场。Jumper 的加入直接将 AI for Science 从"模型评测 + 工具增强"推进到"湿实验协作 + 基础科研方法论"层面。对 AI Coding 开发者而言，这是重要的方法论迁移：gget virus 案例中"廉价模型 + 正确工具 > 昂贵模型无工具"的工程经验，完全适用于企业内部 Agent 工具链建设——围绕确定性基础设施（数据库 / API / 验证器）构建的 Agent 系统，比单纯堆叠更强的模型更能解决长期任务可靠性问题。6 月 30 日的发布将决定 AI Coding 范式向"领域专家 Agent"演进的速度。

信息来源：https://www.anthropic.com/events/the-briefing-ai-for-science-virtual-event

2026 夏季达沃斯闭幕，"物理 AI + 世界模型"成全场顶流，中国方案高频被引用

第十七届夏季达沃斯论坛于 6 月 23-25 日在大连举行，以"规模化创新"为主题，吸引 90 多个国家与地区 1700 余名嘉宾参与。论坛发布的《2026 年十大新兴技术》报告将"世界模型"列为未来 5 年最有望重塑产业格局的关键技术之一。展览区的人形机器人现场制作咖啡、机械臂实时捕捉并回应人体动作成为论坛最直观的视觉信号。新华社、央视等媒体集中报道"AI 走进现实物理世界"主题；与会的清华大学张亚勤、澳大利亚国立大学凯瑟琳·丹尼尔、迪拜未来基金会阿卜杜勒阿齐兹·阿贾齐利等专家就物理 AI 落地路径达成共识：制造业（焊接 / 质检）→ 医疗（手术机器人）→ 交通（自动驾驶）→ 家庭服务，通用机器人进入家庭仍需 5-10 年；中国在机器人技术方面发展迅速，可能比许多其他国家更早进入家庭。英国未来市场公司《全球物理 AI 市场 2026-2040》预测，市场将从 2026 年的约 3830 亿美元增长至 2040 年的 3.26 万亿美元。

值得关注的原因：达沃斯将"物理 AI"推到了全球政策与资本议程的核心，世界模型作为具身智能的下一代基础架构获得国际权威背书。中国机器人产业链在政策（工信部 + 国资委专项行动）、资本（上半年具身赛道 460 亿融资）、硬件（宇树 IPO / 银河通用交付 / 千寻登顶 RoboArena）三浪叠加的推动下，第一次以"中国方案"姿态站在国际产业话语中心。对 AI Coding 开发者而言，物理 AI 落地带来"AI + 工业知识图谱 + 设备控制 API"的新需求——传统软件工程能力与制造工艺、传感器数据流融合，将形成新的高价值编码场景（如工业机器人控制代码、VLA 模型训练数据管线、机器人仿真环境工程化）。

信息来源：https://www.news.cn/20260624/b71e7bc85e194db1874b80a3be4aaa6c/c.html

DeepSeek 完成 510 亿元中国 AI 史上最大单轮融资，梁文锋个人出资约 200 亿

企查查数据显示，DeepSeek（杭州深度求索）于 6 月 16 日完成首轮外部融资，整体规模约 510 亿元人民币，估值近 4000 亿元（约 590 亿美元），刷新中国 AI 创业公司单轮融资纪录。本轮最大单一出资方为创始人梁文锋本人（约 200 亿元，占比 40%），其次为腾讯（约 100 亿元）、宁德时代体系（宁德时代 + 溥泉资本共约 50 亿元），网易、京东、Monolith 砺思资本、IDG 资本各约 30 亿元，正心谷与拾象科技各约 15 亿元，国家人工智能产业投资基金约 9.8 亿元。资金将主要用于 V4.1 多模态模型迭代、推理基础设施扩建与团队扩张。证监会同期表态，科创板第五套标准适用范围将扩大至人工智能大模型行业，"梁文锋们"将获得 A 股上市通道。

值得关注的原因：DeepSeek 融资是中国 AI 行业从"应用层烧钱"转向"基础模型 + 算力 + 数据"全栈投入的标志性事件。梁文锋个人出资占比 40% 意味着创始团队对长期主义与控制权的双重坚持；国家队（国家人工智能产业基金）+ 互联网巨头（腾讯 / 网易 / 京东）+ 实体产业（宁德时代 / 拾象）的资本组合，是国产大模型"穿越监管周期"的最强背书。对 AI Coding 工具链而言，DeepSeek V4.1 即将带来的多模态理解（图像 + 音频输入）与"中国版 Claude Code"布局，将直接挑战当前由 Cursor、Claude Code、Codex 主导的全球 AI 编程市场，国产 Coding Agent 的成本结构与定制化空间被显著拉宽。

信息来源：https://finance.sina.com.cn/wm/2026-06-18/doc-inictxkm5808653.shtml

软通动力亮相夏季达沃斯，央视关注其"AI + 具身智能"企业级布局

第十七届夏季达沃斯期间，软通动力作为中国 IT 服务代表企业受邀参会，集团 CTO 刘会福在央视采访中表示："看到人工智能、具身智能等很多前瞻技术，对我们企业的布局来说有非常关键的作用。通过这种方式让企业'走出去'，跟更多的国际友商合作。"论坛期间软通动力股价单日上涨 12.10%，市场对其"AI + 具身智能"双轮战略形成明确预期。公司近年持续在工业软件、企业级 AI 平台、机器人解决方案三条线推进，重点对接汽车制造、3C 电子、医疗器械等中国具身智能落地的核心场景。同期软通动力获评北京副中心新质生产力标杆企业，多元科创赛道持续获得政策与资本关注。

值得关注的原因：软通动力代表的是"中国具身智能 1.0"阶段的"系统集成商 + 行业解决方案"路径——区别于千寻、智元、银河通用等头部模型与本体厂商，软通这类企业承担的是"让机器人真正在工厂 / 药店 / 仓库跑起来"的最后一公里工程化任务。对 AI Coding 开发者而言，"具身智能"已不再是学术概念，而是企业级 IT 服务订单的具体技术栈：工业机器人 ROS2 集成、视觉伺服控制代码、多模态感知数据流、PLC 与机器人协同编程、安全 Rail 框架——这些都将是未来 2-3 年高薪 Coding 岗位的真实需求场景。软通动力与具身头部公司的"模型 + 集成"分工模式，与达沃斯"物理 AI"主旋律共同构成 2026 下半年中国具身智能"从演示到兑现"的关键拼图。

信息来源：https://finance.sina.com.cn/wm/2026-06-27/doc-inieuyie1690390.shtml

今日 AI 领域最重要的信号是美国政府成为前沿模型走向市场的最终裁决者：OpenAI GPT-5.6 系列同一天发布却被要求"逐客户审批"受限预览，Anthropic Claude Mythos 5 同步解除出口管制。国内具身智能则呈现"技术路线分化"特征——深度机智完成数亿元融资并率先验证"纯人类数据直驱机器人执行"路径，吉翼智能在长春召开首场发布会切入工业质检与药店坐诊；英伟达开源 NeMo AutoModel 让 MoE 微调实现一行 import 提速 3.7 倍，AI 编程与具身智能的工具链基础设施同步迎来升级。

OpenAI 发布 GPT-5.6 系列三版本旗舰，编程跑分超 Claude Mythos 5

OpenAI 于 6 月 26 日正式发布 GPT-5.6 系列，包含旗舰 Sol、均衡型 Terra 与低成本 Luna 三档。Sol 在 Terminal-Bench 2.1 编码基准上以标准模式 88.8% 刷新最佳成绩（Claude Mythos 5 为 88.0%），开启 Ultra 子智能体模式后达 91.9%；在 ExploitBench 网络安全任务中仅用约 1/3 输出 token 即达到 Mythos Preview 同等表现。生物学 GeneBench v1 上以更少 token 取得比 GPT-5.5 更强结果。Sol 引入新的 Max 推理强度与协调子代理的 Ultra 模式，并优化了提示词缓存机制。定价为 Sol $5/$30、Terra $2.50/$15、Luna $1/$6（每百万 token），约为 Anthropic Fable 5 的一半。Sol 将于 7 月登陆 Cerebras 平台，推理速度最高可达 750 tokens/s。

值得关注的原因：GPT-5.6 Sol 在"智能体编程"与"长链路网络安全"两个核心赛道同步对 Claude Mythos 5 发起正面冲击，且价格仅为其一半，标志着 AI 编程模型的竞争已从基准跑分升级为"上下文长度 × 智能体工程化 × 单价"的三维对抗。Cerebras 750 tokens/s 的推理速度进一步降低了 Agent 实时决策的延迟门槛，对 Copilot、Cursor、Claude Code 等下游工具链将形成直接的成本与体验重塑。

信息来源：https://finance.sina.com.cn/tech/digi/2026-06-27/doc-inieuyie1636480.shtml

美国政府要求 GPT-5.6 受限预览，同步解除 Anthropic Mythos 5 出口管制

OpenAI 虽在 6 月 26 日发布 GPT-5.6 系列，但应白宫要求仅向"参与情况已报政府"的少数可信伙伴开放预览，OpenAI 在官方博客中公开表态"我们不认为这种政府访问流程应成为长期默认"。同日，美国商务部长 Howard Lutnick 致信 Anthropic 首席计算官 Tom Brown，宣布解除对 Claude Mythos 5 长达两周的出口管制，允许其向附件 A 名单上 100 余家美国机构及其外籍员工发布该模型，无需再申请出口许可。Fable 5 也在走向解封，但欧洲官员对依赖华盛顿决策表达不满。监管博弈另一侧，中国 360 在 ISC.AI 2026 大会上声称已开发出匹敌 Mythos 的国产工具。

值得关注的原因：6 月 26 日是"美国前沿模型监管框架成型"的关键节点——OpenAI 被限速、Anthropic 被解封，一收一放之间政府而非实验室成为最终裁决者。Lutnick 的信件标志着"前沿模型发布前需与政府谈判"成为新常态。OpenAI 罕见公开表达不满显示实验室与政府之间存在张力；中国厂商同步公开竞逐同一赛道，国产替代正在以"匹敌 Mythos"的姿态进入主舞台。对于 AI 编程与具身智能开发者而言，海外大模型的获取不确定性显著上升，国产模型的优先级将随之提升。

信息来源：https://yuanshenjian.cn/ai/briefings/2026-06-27

深度机智完成数亿元融资，国内首次验证"纯人类数据直驱机器人执行"

物理 AI 企业深度机智于 6 月 26 日宣布完成新一轮数亿元融资，由国寿长三角科创基金领投，普华资本、诚通科创基金持续加注，蓝湖资本、博彦科技等共同参与，下一轮融资已进入收尾阶段。公司在业内率先定义"人类学习"原创技术路线，2026 年 3 月发布的 PhysBrain 1.0 具身通用智能基座体系，发布时间比美国 Generalist AI 的 GEN-1 早一周。近期团队实现零样本泛化重大突破——不用给机器人做专项真机训练、不用仿真数据标注，仅凭人类操作数据预训练获得的能力，机器人就能自主完成全新任务，这是国内首次在全自研技术体系下验证"纯人类数据从模型训练到真机执行"的完整路径。公司已建成数十万小时级 DeepAct 多模态人类第一视角数据集，并与影石创新（Insta360）达成战略合作加速数据生态建设。

值得关注的原因：深度机智以"人类学习"路线为锚，构建了"数据基建 + 基座模型 + 拟人本体"的全栈闭环，并先于美国 Generalist AI 发布 PhysBrain 1.0，核心技术框架被美国 Physical Intelligence 旗下前沿模型 π0.7 公开引用。零样本泛化的验证直接挑战了"具身智能必须依赖真机数据"的主流叙事——若纯人类数据真能驱动机器人执行任务，物理 AI 的训练成本与场景泛化将出现数量级下降，赛道天花板被显著抬升。两个月内连获两轮大额融资也表明资本市场正在用真金白银为"全栈自主 + 原创路线"投票。

信息来源：https://www.qbitai.com/2026/06/438887.html

英伟达开源 NeMo AutoModel，一行 import 让 MoE 微调提速 3.7 倍

英伟达最新研究成果 NeMo AutoModel 已在 GitHub 开源，专为 MoE 大模型微调而设计，基于 Hugging Face Transformers v5 构建。用户只需添加一行 import 代码即可实现 3.4-3.7 倍训练吞吐提升，并减少 29%-32% 的 GPU 显存占用。以 Qwen3-30B-A3B 为例，单节点 8×H100 80GB GPU 上每 GPU 吞吐量从 3075 飙升至 11340，提升 3.69 倍。核心技术包含专家并行（EP）、DeepEP 计算通信融合、TransformerEngine 融合内核三项。英伟达还展示了 Nemotron 3 Ultra 550B A55B 在 16 个 H100 节点、128 张 GPU 上的全参数微调结果，TPS/GPU 达 815。

值得关注的原因：MoE 已成为前沿模型主流架构，但训练成本高企一直是大模型迭代的瓶颈。NeMo AutoModel 通过"零代码改动"实现近 4 倍加速，意味着 MoE 模型的二次开发与定制化微调门槛被显著降低，国产 MoE 模型（如 Qwen3-30B-A3B）的训练成本与显存压力将得到实质性缓解。对于 AI 编程工具链而言，更低的微调成本将加速专用代码模型与领域 Agent 模型的涌现；对于具身智能而言，VLA、世界模型等 MoE 架构的迭代效率也将直接受益。

信息来源：https://www.qbitai.com/2026/06/438703.html

吉翼智能 6 月 27 日长春召开首场发布会，切入工业质检与药店坐诊

吉林省具身智能"一号工程"吉翼智能于 6 月 27 日在长春召开"NEXT IS NOW｜质在此刻"2026 新品发布会，是其作为吉林省具身智能"一号工程"的首次公开亮相。依托大股东捷翼科技十余年汽车级精密制造基因，公司完成了从核心部件到整机、从实验室到产线的全栈布局。发布会三组核心悬念包括：面向汽车线束质检的工业质检机器人能否赶超"老师傅"、面向药店的商业服务机器人能否实现"机器人坐诊"、自研具身大模型作为"认知决策层"的单样本高泛化能力能否在现场得到验证。前华为"天才少年"、吉翼大模型研发中心总工程师将现场首次公开解读"从数字世界到物理世界，如何跨越现实环境的不确定性"。

值得关注的原因：成立仅 10 个月、产品立项到交付仅 8 个月，吉翼智能切入的是具身智能最具落地难度的两个场景——工业质检要求精度与稳定性达到"老师傅"水平，药店坐诊要求自然语言理解与专业知识储备。"具身智能告别炫技、兑现真实场景"是 2026 年下半年的行业核心命题，吉翼作为"汽车级精密制造 + 具身大模型"跨界组合的样本，其发布会结果将直接影响产业对"工业 B 端先于家庭 C 端"路径的信心。这场发布会与 4 月越疆霸榜 LIBERO、6 月 MWC 上海点球大战、深度机智融资形成"工业落地 / 学术基准 / 真实压力测试 / 全栈自主"四条线索的同步推进。

信息来源：https://news.ifeng.com/c/8uEwGKYb0yK

一、今天在吵什么（6月11-26 两周热点过滤）

二、未来 6 个月可能怎么走

">1. "AI agent 工具栈"分层清晰化">"AI agent 工具栈"分层清晰化">1. "AI agent 工具栈"分层清晰化

• 底层：Lightpanda（浏览器）/ OpenViking（memory）/ OpenSandbox（执行）
• 中层：OpenRath 风格的"框架"（Session / Workflow / Selector）
• 上层：应用（叮咣资讯 / 邮件 agent / 审查 agent）
• 判断：未来 6 个月，"上层应用"会爆——因为底层基建已就位——这是你下场的窗口**
• 对你：叮咣资讯现在做，正好赶上——半年后可能就晚了

">2. "知识工作者变现"路径分化">"知识工作者变现"路径分化">2. "知识工作者变现"路径分化

• 路径 A：Substack / X / YouTube（Kent Beck 路线）——靠"对的人 + 长期"
• 路径 B：B 端接单（半人马模式）——靠"快交付 + 行业 know-how"
• 路径 C：进大厂做 AI 应用（SemiAnalysis 路线）——靠"平台 + 高风险"
• 判断：路径 A 收益高、慢；B 收益稳、中；C 收益最高、最卷
• 对你：你在 B + A 之间——消保 know-how 是 B 端的资本；叮咣资讯是 A 端的探针——两条腿走路是对的

">3. "通用能力"溢价下降，"领域判断"溢价上升">"通用能力"溢价下降，"领域判断"溢价上升">3. "通用能力"溢价下降，"领域判断"溢价上升

• 现象：GPT/Claude 都做了 5 年了——会用 prompt 已经不值钱
• 真正稀缺："知道用 AI 解决什么"——这需要领域 know-how
• 对你：你最近做的"消保 AI 化"+"SQL 学习"——本质就是"领域判断 + AI"——方向完全对
• 反直觉：不要再学新工具了——去学你那个领域里"哪 10 个问题最值得解"

继续阅读