夜雨聆风2026年6月的第一周，人工智能世界迎来了三重共振。监管的铁锤落下，芯片的版图重塑，token的经济学暴露出裂痕。这三件事看似独立，却在同一个时间断面上交织——它们共同回答一个问题：当AI从技术奇观变成基础设施，人类用什么规则、用什么工具、用什么代价来承载它？
6月2日，美国总统特朗普签署了一项名为《促进高级人工智能创新与安全》的行政命令。核心要求只有一条：所有功能强大的AI模型在公开发布前30天，必须向美国政府提交。这条命令的签署过程本身就是一部权力博弈的微型戏剧——两周前，特朗普刚刚搁置了它的前一个版本，那个版本要求90天的审查期。风险资本家兼AI顾问大卫·萨克斯在最后一刻介入，说服白宫缩短窗口。而财政部长贝森特则从另一侧施压——他亲眼目睹了Anthropic的Mythos模型在金融系统中的测试结果，认为不设防的AI可能对金融体系造成结构性破坏。最终，30天。一个折中数字，既不是安全派想要的90天，也不是激进派想要的不设限。
这不是一个单纯的政策新闻。这是人类在AI时代做决策时的一个经典样本。认知科学中有一个概念叫时间贴现——人对远期风险的感知天然弱于对近期收益的感知。特朗普政府的内部辩论，本质上就是不同角色对AI风险的时间贴现率不同。贝森特看到了Mythos在金融系统中的即时破坏力，他的贴现率接近零；萨克斯看到的是美国在全球科技竞赛中的长期领先优势，他愿意为那个远期收益承受更高的当下风险。行政命令的30天期限，是将这两种贴现率揉在一起后得到的平均数。它并不完美，但它是一次有意义的认知博弈实验：在不确定性极高、信息不完全、且各方利益严重对立的情况下，人类试图用政策工具来驾驭一个自己尚未完全理解的技术。
同一天，Anthropic宣布将Mythos模型的访问范围从50家扩大到150家组织和公司，分布在超过15个国家。被放行的新用户包括医疗健康、电力和水务等关键基础设施行业。Mythos是一个让硅谷既兴奋又恐惧的模型——它可以自主识别软件漏洞、生成可用攻击代码、执行复杂的网络渗透操作。美国AI安全研究所（AISI）曾对Mythos的网络安全能力进行专门评估，结论是显著降低了实施网络攻击的门槛。但Anthropic的逻辑也很清楚：与其让这种能力被少数人垂断，不如让关键基础设施的运营方尽早接触、建立防御。这是一个典型的开放vs安全的认知框架冲突——两方都认为自己在降低风险，只不过一方指向的威胁来自外部恶意使用者，另一方指向的威胁来自能力本身的不受控扩散。这种框架层面的分歧，无法用数据解决，因为它涉及的是不同群体对风险源头的底层假设。
把视线转向硬件。这一周，NVIDIA的Vera Rubin平台全面量产的消息正式在市场落地。这不是一次普通的芯片迭代。Rubin GPU拥有3360亿个晶体管，采用台积电N3工艺，配备288GB的HBM4内存，内存带宽达到22TB/s——是上一代Blackwell的2.75倍。更引人注意的是Vera CPU，这是NVIDIA第一次为AI数据中心专门设计自己的CPU，96个定制ARM核心，通过1.8TB/s的NVLink 6接口直接连接Rubin GPU。整机Vera Rubin NVL72系统包含72颗GPU和36颗CPU，聚合20.7TB的HBM内存，FP4推理能力达到3.6EFLOPS。NVIDIA声称，相比Blackwell，推理成本可降低10倍。
但这个消息的更深刻含义在于它揭示了AI算力市场的结构性变化。NVIDIA不再是一家GPU公司，它正在变成一家AI基础设施公司——从芯片到互联到机柜到冷却方案，全部自己掌控。这种垂直整合的逻辑和苹果在消费电子领域的做法如出一辙：用软硬件一体化的体验构建不可替代的竞争壁垒。对AI公司来说，这意味着一个认知决策的范式转变：五年前你选择模型框架，三年前你选择训练策略，现在你最核心的战略选择变成了——你接入谁的算力生态？这个选择一旦做出，迁移成本极高。
与此同时，中国AI芯片市场正在经历一场更剧烈的格局重组。Bernstein Research的报告预测，到2026年底，英伟达在中国AI芯片市场的份额将从巅峰时期的超过90%骤降至8%。华为将占据50%的份额，成为绝对主导者，AMD以12%位列第二，寒武纪排名第三。黄仁勋在近期公开表态中说了一句耐人寻味的话：这些限制已导致对华芯片销售陷入停滞，预计未来两个季度销量可能为零。中国目前AI芯片市场规模约500亿美元，预计到2030年末将增长至2000亿美元。美国企业无法参与其中，令人遗憾。
这段话背后藏着一个深刻的认知陷阱。当黄仁勋说令人遗憾时，他表达的是一种商业上的惋惜——失去了一笔巨大的收入。但从另一个角度看，出口管制可能正在催生一个比美国更健康、更多元的AI芯片生态。华为的晟腾950PR已经实现量产，2026年AI芯片营收预计达120亿美元。华为还计划将其AI芯片产量提高一倍，达到160万颗。寒武纪、摩尔线程等一批国产芯片公司也在快速追赶。这种被迫形成的多元化，恰恰是自由市场在正常情况下很难自然产生的结果——因为英伟达的生态太强了，理性经济人会选择它，直到它不再可用。而出口管制这个外部冲击，迫使整个中国AI产业完成了认知框架的一次强制切换：从最优选择到可选选择，从全球供应链到自主可控。这种切换是痛苦的，但它在某些维度上解放了中国AI产业的想象力——不再站在英伟达的生态上思考问题，而是重新思考底层算力应该长什么样。
摩尔线程本周开源了AI智能体框架MTClaw，面向桌面控制场景。实测数据显示，MTClaw可将智能体单次任务执行速度提升约7倍，成功率显著提高。这是一个值得注意的信号：中国芯片公司与开源社区正在形成一种新的共生关系。芯片公司需要应用场景来验证自己的算力，开源社区需要低成本算力来运行实验。这种共生关系一旦形成正向循环，可能会催生一个与NVIDIA CUDA生态平行的、基于国产芯片的开源软件栈。从认知角度看，这是一次生态框架迁移——开发者正在从在一个成熟生态内优化切换到共同构建一个新生态的思维模式。
本周还有一条隐秘但重要的新闻。据The Information报道，一些AI公司收到了Anthropic Claude的月度账单，金额高达5亿美元。Uber在4个月内烧光了全年AI预算。Amazon因员工过度使用AI工具而关闭了内部AI排行榜。Token价格自2月底以来上涨了约65%。这些数字背后是一个残酷的现实：AI的边际使用成本远高于大多数企业的预期。调查显示，每1美元AI Token支出中，只有0.18美元产生了面向用户的价值，0.44美元花在了修复AI引入的bug上。Klarna——曾经最激进的AI拥护者——已经开始重新招聘客服人员。
这组数据揭示了企业AI应用中的认知失调：决策者往往高估了AI对产出端的贡献，低估了AI对质量保障端的消耗。一个模型生成代码的速度确实比人类快10倍，但如果它生成的代码有30%需要人工修正，那净效率提升远没有看起来那么美。这不是模型的错，这是人类对AI能力的评估框架出了问题——我们总是用速度来衡量，而真正应该用的度量是净产出质量除以总投入成本。这个度量框架的转换，将是2026年下半年到2027年企业AI战略的核心命题。
微软本周在Build 2026大会上展示了一条不同的路径。Windows正在被重新定义为智能体平台：Copilot升级为异步同事模式，支持多个智能体协同工作；Windows AI Runtime支持本地NPU、GPU、CPU混合推理；GitHub Copilot扩展到Fleet Mode和多智能体工作流；Agent 365成为企业级智能体管理控制面。微软没有发布Windows 12，这本身就是一种表态——操作系统的未来不在操作系统本身，而在操作系统之上运行的智能体层。
如果把微软的智能体平台战略、Google开源Gemini CLI（一款终端AI智能体）、Anthropic的Mythos访问扩展放到一起看，你会看到一个有趣的认知趋势：AI正在从工具变成环境。工具是你主动去使用的，环境是你身处其中、自动与之交互的。当AI智能体变成操作系统的默认层，当终端、代码编辑器、办公套件都内置AI能力，用户不再需要决定是否使用AI——他们默认就在AI环境中工作。这种从主动工具到默认环境的框架迁移，对人类的决策习惯、信息处理模式、甚至注意力分配方式都会产生深远影响。你不再需要问这个任务要不要让AI做，因为AI已经在你做每件事的过程中。
最后说一个容易被忽略但意义深远的事件。OpenAI本周更新了GPT-Rosalind——面向生命科学领域的前沿推理模型。新版本的token消耗比GPT-5.5减少了31%，同时在药物发现和基因组分析任务上实现了精度提升。GPT-Rosalind不是通用模型，它是一个领域认知工具——专门为生物学的推理方式而设计。这种垂直化趋势与通用模型的大而全方向形成了有趣的对位。从认知角度看，这两条路径对应着人类知识处理的两种策略：通用模型模拟的是通才的认知方式——广泛联结、跨域迁移；垂直模型模拟的是专家的认知方式——深度聚焦、领域精专。两者不是替代关系，而是互补关系。未来的AI生态不会是一个模型统治一切，而将是一个通才加专家集群的复合认知架构。
这就是2026年6月第一周的AI世界。监管者在博弈中找到一个脆弱的平衡，芯片公司在封锁与反封锁中重塑版图，企业在token账单面前重新计算AI的真实价值，平台公司在默默构建AI作为环境的新范式。所有这些变化的共同特征是：它们都不是纯粹的技术突破，而是人类如何在AI时代做决策的集体实验。每一次监管决策、每一次芯片采购、每一次工具链选择，都是一次认知框架的测试——我们用什么模型来理解AI？我们如何衡量它的价值？我们愿意为它的风险付出什么代价？
这些问题没有标准答案，但提出它们本身，就是AI时代最重要的认知能力。
