❯ OpenAI 拟向美国政府让渡 5% 股权，据估值约合 426 亿美元
[华盛顿破冰] OpenAI 提议把公司 5% 股权交给美国政府，据 3 月一轮 8520 亿美元估值折算约值 426 亿美元，换取特朗普政府在监管上放行——这是 Sam Altman 与白宫谈了一年多的方案首次落到具体比例。据英国《金融时报》报道，Altman 已就此当面与特朗普、商务部长卢特尼克、财政部长贝森特分别沟通。
[阿拉斯加范本] 这不是一次性送钱。此前 Altman 早在 2025 年初就首次向特朗普政府抛出政府持股的设想，谈了一年多才落到具体比例。据报道，他提出让美国头部 AI 公司都拿出 5% 股权注入一只类似阿拉斯加永久基金的主权工具——该基金把石油收入投进股市、按年给州民分红。Altman 的说法是，如果 AI 真能创造巨额财富，公众理应分一杯羹。时点很关键：OpenAI 正从非营利架构转向营利实体，接连面对反垄断、版权、安全多线审查，而华盛顿手里攥着芯片出口、能源审批、政府采购这些它绕不开的开关。把政府变成股东，等于给这些审查装了一道缓冲。
[政企绑定] 一旦成真，政府与前沿 AI 公司的关系会从监管者变成利益共同体。对 OpenAI 的竞争对手而言，要掂量的是：如果 5% 献股成了行业默认动作，不跟进的公司会不会在采购和牌照上吃暗亏。华盛顿也得回答一个老问题——当监管者同时是股东，它到底还能不能对这家公司真正下手。政府持股与独立监管之间的张力，会跟着这笔交易一起被摆上台面。
signal: 送出去的是股权，买回来的是监管确定性；真正被重新定价的是政企之间那条本该分明的界线。
❯ Anthropic 启动自研 AI 芯片，据报与三星洽谈 2 纳米代工
[补上最后一块] Anthropic 已启动自研 AI 服务器芯片的早期开发，并就代工与三星电子初步接触，盯上的是三星的 2 纳米制造与先进封装工艺。据《The Information》报道，方案仍在早期——芯片该干什么、要多强、如何塞进服务器都还没定。这家 Claude 的开发商，成了继 OpenAI 之后又一个想把算力命脉攥回自己手里的前沿实验室。
[挖角与站队] 一个信号是人：Anthropic 近期从 OpenAI 专用芯片部门挖来关键工程师 Clive Chan。这条路 OpenAI 已经先走——上周刚官宣与博通合作自研推理芯片。Anthropic 同时强调现有伙伴关系仍是根基：亚马逊云的 Trainium、谷歌的 TPU、英伟达的 GPU 会继续作为长期算力主力。换句话说，自研不是要立刻换掉谁，而是在英伟达一家独大的供应链里，给自己留一条能议价、能定制的备用道。前沿模型越练越贵，把芯片、封装、机柜一路自己捏合的”全栈化”，正从 OpenAI 一家蔓延成行业标配。
[三星的机会] 对三星来说，这是把落后于台积电的代工业务往前拱一把的筹码——拿下 Anthropic 这种量级客户，2 纳米产线就有了背书。对英伟达来说，警报是渐进的：大客户一个接一个开始自研推理芯片，短期撼不动它的训练卡霸主地位，长期却在侵蚀最肥的推理市场。掂量供应格局的，从此不只是买卡的人，还有卖卡的人。
signal: 大客户挨个动手造芯片，英伟达要算的账，从”今年卖多少卡”变成”几年后还剩多少推理订单”。
❯ Alexandr Wang 内部宣布：Meta 训练中的新模型 Watermelon 已追平 GPT-5.5
[追平旗舰] Meta 首席 AI 官 Alexandr Wang 在内部全员会上说，公司正在训练的新模型（代号 Watermelon）在几项被密切关注的基准上已”追平”OpenAI 旗舰 GPT-5.5，且用了比前代 Avocado 高一个数量级的算力。据 Business Insider 报道，这是 Wang 六月随 Scale AI 那笔 143 亿美元投资加盟 Meta 后，首次给出对标一线闭源模型的明确口径。
[葡萄柚到西瓜] 这些水果代号背后是一条清晰的升级线。Avocado 是 Meta 四月发布的 Muse Spark 的内部代号，也是这一模型家族的头一款；Watermelon 是它的下一代，眼下仍在训练。“高一个数量级的算力”是关键——这印证了 Meta 那笔天量资本开支正被灌进单一模型的预训练，而不是摊薄在小更新上。Meta 此前因开源 Llama 系列迟迟追不上闭源第一梯队而被质疑，Wang 上任后把路线掉头转向闭源自研，Watermelon 就是这次转向的第一份成绩单，成败关乎他这位新帅的信誉。
[口径待验证] “追平 GPT-5.5”目前只是 Meta 内部会上的自述，没有第三方评测背书，读者宜按厂商口径看待。对开发者和企业选型的人来说，要重新判断的是：Meta 若真挤进闭源第一梯队，多模型采购的谈判桌上就多了一个能压价的筹码。真正决定这句话分量的，是 Watermelon 发布后那批独立跑分。
signal: 厂商自称”追平 GPT-5.5”只是入场券，能不能兑现要等独立跑分——在那之前，它是营销语，不是坐标。
❯ Meta 效仿 SpaceX 组建云业务转售闲置算力，股价单日涨超 10%
[把沉没成本变收入] Meta 正筹建一项云基础设施业务，对外出售 AI 算力乃至模型访问权，消息一出股价单日跳涨超过 10%。据彭博报道，此举紧跟 SpaceX 旗下 xAI 数周前宣布的同类计划，把自建数据中心里闲置的算力从”烧掉的钱”变成能收租的资产。
[天量开支要回血] 逼出这门生意的是账本。此前 Meta 已把 2026 年资本开支指引拉到 1150 亿至 1350 亿美元，全砸在芯片、土地和电力上；一旦自家 AI 产品用不满这些产能，闲置就是纯亏损。开一条云业务转售算力，是少数几种能把这笔巨额建设变现的路子。这会让 Meta 直接撞上亚马逊云、谷歌云、微软 Azure 三大云巨头的地盘。华尔街买账的同时也留了个心眼：CNBC 报道称，云转售的毛利率明显低于 Meta 广告主业，规模做大反而会把整体利润率往下拽。
[大厂都想当云] 从 SpaceX 到 Meta，手握大批 GPU 的公司都在往”新云商”挤。对亚马逊、微软、谷歌来说，压力先落在定价上——多几家愿意亏本清库存的算力卖家，租金战几乎躲不掉。对 Meta 投资者来说，这门生意是双刃剑：多一条收入曲线，也多一块拉低利润率的包袱，值不值得，得看它能不能把闲置产能填到盈亏平衡线以上。
signal: 大厂囤的 GPU 太多，只好自己下场当云——先紧张起来的，是三大云商的租金定价权。
❯ 快手可灵 AI 分拆融资 20 亿美元，投前估值 150 亿、或扩至 30 亿
[视频赛道大单] 快手把旗下 AI 视频生成器**可灵（Kling AI）**分拆，完成首轮 20 亿美元融资，投前估值 150 亿美元，快手称本轮还可能扩容至最多 30 亿美元。据彭博报道，这是可灵自快手今年启动分拆以来的首笔外部融资，也是 AI 视频生成赛道迄今最大的独立融资动作。
[估值缩了水] 值得对照的是估值曲线。据《南华早报》，本轮以约 180 亿美元投后估值计，投资方包括腾讯；而这一数字低于早前谈判中传出的 180 亿至 200 亿美元区间，说明市场对纯 AI 视频公司的定价开始变得谨慎。可灵所处的赛道正贴身肉搏——OpenAI 的 Sora、谷歌的 Veo、快手同乡字节的即梦都在抢同一批创作者和企业客户。分拆独立融资，既是为了把这块快手增长最猛的业务单独做大、给团队更灵活的股权激励，也是为将来单独上市铺路。
[出海样本] 对中国 AI 公司而言，可灵是少数靠订阅和 API 真金白银赚到全球收入的产品之一，这轮融资是市场对”能变现的中国 AI”投的一票。对手要重新评估的是：当可灵拿到 20 亿美元弹药、又背靠腾讯的流量与资本，视频生成的价格战和算力军备赛只会更烈。掂量筹码的，是每一个还没拿到独立融资的同赛道玩家。
signal: 估值从 200 亿缩到 180 亿，说明资本给 AI 视频的溢价在退潮——能收上钱的产品，才配得上剩下的估值。
❯ Anthropic IPO 再落一子：银行团引入英国律所 Freshfields
[律所入局] Anthropic 的银行团已聘请英国律所 Freshfields（富而德）参与其首次公开募股。据《The Information》报道，这家英国老牌律所此前还操刀过谷歌收购云安全公司 Wiz、以及 ServiceNow 收购 Armis 两笔大交易，如今拿下 Anthropic IPO 的一角。
[拼图归位] 一个律所席位看似小事，放进 Anthropic 的上市时间表里就是又一块拼图归位。此前 Anthropic 已敲定摩根士丹利、高盛领衔承销，摩根大通也在名单中；这轮 IPO 被市场预期募资规模达数百亿美元、估值超过一万亿美元。中介机构一个接一个到位，通常是上市进入实操阶段的信号，而非仍停在意向层面。作为 Claude 的开发商，Anthropic 一边推进上市、一边启动自研芯片，两条重资本动作叠加，指向的是同一个逻辑——趁一级市场热度未退，把弹药和产能一次备足。
[上市窗口] 对二级市场投资者来说，要重新评估的是稀缺性：能直接买到前沿 AI 实验室股票的通道极少，Anthropic 若真以万亿估值上市，会成为散户和机构第一次能公开定价”纯前沿大模型公司”的样本。对同行 OpenAI 来说，谁先叩开公开市场的门，谁就先拿到融资成本和品牌上的先手。
signal: 承销团、律所逐一就位，Anthropic 的 IPO 从”要不要上”进入”怎么上”——万亿估值等着二级市场第一次给前沿实验室报价。
❯ 特斯拉内部备忘录：7 月 6 日起员工 AI 开支封顶每周 200 美元
[勒紧钱包] 特斯拉在内部备忘录里通知员工，7 月 6 日起给个人 AI 开支设每周 200 美元上限，超支需额外审批，但这笔账不含 xAI 产品的测试版。据《The Information》报道，此前不少软件工程师每周烧掉的令牌（token）价值动辄数千美元，公司这才踩下刹车。
[从鼓励到设限] 转弯来得很快。此前就在几个月前，特斯拉还在内部搭仪表盘、按令牌消耗量给员工排名，鼓励大家多用 AI；如今掉头设限，说明连押注 AI 的公司也扛不住它的账单。耐人寻味的是豁免条款——上限独独放过 xAI 的测试版产品，等于把重度用户往马斯克自家 AI 公司引。而据四位知情人士，xAI 的 Grok 在特斯拉内部并不受欢迎，很多员工用的是 Anthropic 的 Claude。
[成本回摆] 对企业 AI 采购的人来说，特斯拉这道刹车是个提醒：令牌成本正从”随便用”变成必须盯的预算项。真正被这条备忘录改写的，是员工手里的工具选择——一边是被政策推着用的 Grok，一边是被卡预算的 Claude，用哪个不再只看好不好用，还得算算这周的额度还剩多少。这道每周 200 美元的红线，正把”用哪个模型”从技术偏好变成一笔要精打细算的开支。
signal: 从按用量排名到每周 200 美元封顶，特斯拉半年掉头——令牌成本正从技术乐观的注脚，变成 CFO 要签字的开支。
❯ Palantir 联手英伟达，把 Nemotron 开源模型送进美国政府气隙网络
[开源进政务] Palantir 推出一套引擎，让美国政府机构能在气隙（air-gapped）网络里运行英伟达的 Nemotron 开源模型——所谓气隙，就是与外部不安全网络彻底物理隔离的环境。据英伟达官方博客，这套方案面向美国政府机构与关键基础设施，已有多家支撑关键基础设施的美国客户在用。
[数据不出门] 这门生意的核心是”数据主权”。方案把英伟达的 Nemotron 模型和 AI Enterprise 软件，与 Palantir 的 AIP、Ontology、Foundry、Apollo 平台捆在一起，让政府客户能在自有基础设施上跑模型、用自有数据训练，并保留包括模型权重在内的所有权。关键差别在此：用闭源模型，敏感数据得送进别人的权重里；用可气隙部署的开源模型，数据一步都不用离开机构自己的机房。对国防、情报这类数据泄露即致命的场景，这条边界比模型强不强更要紧。
[开源的国安位置] 对英伟达来说，Nemotron 从一个开源模型系列，变成撬开政府订单的钥匙——硬件之外，它开始靠模型和软件栈锁定高壁垒客户。对 OpenAI、Anthropic 这些闭源厂商来说，政府市场里那批最敏感、最不肯把数据交出去的客户，可能天然更偏向能自托管的开源方案。在国家安全这道门槛前，“开源可自控”第一次成了比”闭源更强”更硬的卖点。
signal: 在国安场景里，客户先问的不是模型多聪明，而是数据出不出门——可气隙的开源模型，就此有了闭源给不了的东西。
❯ Z.ai 推出 ZCode 编程环境，GLM-5.2 订阅每月 16.2 至 144 美元
[低价搅局] 中国 AI 实验室 Z.ai（前身智谱 AI）推出免费桌面应用 ZCode，定位为围绕其旗舰模型 GLM-5.2 打造的”Agentic 开发环境”，配套的 GLM Coding Plan 订阅从每月 16.2 美元（Lite）到 144 美元（Max）不等。据 VentureBeat 报道，这套价格明显低于 Anthropic 的 Claude Code 与 Cursor 的同档订阅。
[对着头部打] ZCode 摆明了要在 AI 编程工具市场里贴身竞争 Cursor、Claude Code、GitHub Copilot 乃至谷歌的 Antigravity。工具本身免费下载，支持 macOS、Windows、Linux，可自带密钥（BYOK）接第三方模型，订阅用户还有 1.5 倍用量配额加成。一个专为中国开发者设计的差异化功能是”远程操控”——能从微信、飞书、Telegram 上用手机指挥一个正在跑的编程智能体，直接踩中中国职场沟通的主场。而底气来自模型本身：VentureBeat 另一篇报道称，开源权重的 GLM-5.2 在多项长程编程基准上以约六分之一的成本超过了 GPT-5.5。
[价格战开打] 对 Cursor、Anthropic 这些编程工具厂商来说，压力先落在定价上——当一个开源权重、成本仅六分之一的对手把订阅压到每月 16 美元起，“好用但贵”的护城河正被从价格一侧凿开。对中国开发者而言，一个能接进微信、飞书、成本又低一截的本土工具，正在把选型天平往国产模型这边压，Claude Code 们过去靠体验筑起的溢价，第一次要面对来自价格的正面冲击。
signal: GLM-5.2 用六分之一成本追平 GPT-5.5，再把订阅压到每月 16 美元起——AI 编程的竞争，正从比谁更强转向比谁更便宜。
❯ 字节跳动 Seed 发布 EdgeBench，测 AI 智能体能否在任务中越做越好
[换评测范式] 字节跳动 Seed 团队发布新基准 EdgeBench，专门测 AI 智能体能否在与环境的长时间互动中”边做边学”，共 134 个真实任务、每个至少运行 12 小时（部分长达 72 小时）。据官方介绍，它把 AI 评测的问题从”模型已经知道什么”，换成”模型能不能在反馈中越做越好”。
[日级长跑] 与此前常见的一问一答式跑分不同，EdgeBench 让智能体在本地环境里反复试错、把成果提交给隐藏评委换取更强反馈，覆盖科研、软件工程、优化、专业工作、形式化数学和游戏等多类任务。团队跑了 3.8 万小时智能体运行后发现，随着智能体与环境持续互动，其总体表现能被一条对数-S 型（log-sigmoid）曲线精确拟合，并用一套图探索理论给出解释。首批已开源 134 个任务中的 51 个及完整评测框架。
[长程能力标尺] 对做智能体的研发团队来说，这类基准提供了一把此前缺失的标尺——衡量的不再是模型的静态知识，而是它在数十小时任务里能否靠反馈自我改进。当行业都在讲”智能体”，能不能量化”越做越好”这件事，才是把演示和产品区分开的地方。对做智能体选型的人来说，要重新评估的是一条新指标：模型在数十小时任务里的长程改进斜率，而不再只看它一次问答答得多漂亮。接下来要看的，是各家厂商愿不愿意把自家模型放到这条对数-S 型曲线上跑一遍，公开自己的长程改进能力。
signal: 从”知道多少”到”能进步多少”，EdgeBench 换的是评测的坐标系——真正值钱的，是智能体在长任务里自我改进的斜率。