夜雨聆风一知每日AI大事件 · 2026.06.18
2026-06-18 · 今天聊几件事
●关注一知，每天和你聊聊 AI 圈里值得一提的事
— 今天聊几件事 —
NO.1
G7讨论AI主权，Anthropic模型被禁引发连锁反应
在刚结束的G7峰会上，AI主权成了最热门的话题。法国总统马克龙和印度总理莫迪都在午餐会上向AI公司高管和特朗普表达了同一个担忧：如果美国哪天突然"拉闸"，其他国家的AI应用就会瞬间瘫痪。
这个担忧并非空穴来风。就在几天前，美国政府刚刚以国家安全为由，禁止Anthropic出口其最新的Mythos 5和Fable 5模型。原因是亚马逊向白宫报告，这些模型的安全防护可以被绕过。虽然网络安全专家指出，其他公司（包括OpenAI）的模型也有类似能力，但Anthropic的模型仍然被"冻结"了。
Mythos 5从4月发布以来，Anthropic就一直在警告它有高级的漏洞发现和利用能力。用Anthropic自己的话说：同样的查询，在网络安全专家和生物学研究者手里是有益的，但对恶意行为者来说就是危险的。所以Anthropic最初只向一个名为Project Glasswing的联盟发布了Mythos Preview版本。但当Fable 5（一个Mythos级别的模型）向公众发布时，政府认为它的安全防护可以被绕过，从而获得完整的Mythos 5能力。
这两件事暴露了一个所有依赖美国AI基础设施的国家和企业都必须面对的现实：你用的AI服务可能一夜之间就被切断，而且你永远不会知道真正的原因。加拿大企业AI公司Cohere的CEO Aidan Gomez说得更直白：对少数几家科技巨头的依赖，对整个生态系统的韧性来说是危险的。
💡 个人观察
AI主权问题正在从技术讨论变成地缘政治议题，这可能加速各国发展本土AI基础设施。 Anthropic被禁事件的双标值得思考：为什么类似能力的其他模型没有被禁？ 对于企业用户来说，多云、多模型策略可能不再是可选项，而是必选项。
NO.2
智谱GLM-5.2登顶开源模型榜，超越DeepSeek和MiniMax
智谱AI（Z.ai）的GLM-5.2最近在Artificial Analysis Intelligence Index上登顶，成为开源模型的新王者。这个模型以51分的成绩超越了MiniMax-M3（44分）和DeepSeek V4 Pro（44分），在开源模型中遥遥领先。
GLM-5.2和之前的GLM-5.1一样，总参数744B，活跃参数40B。但性能提升明显：在科学推理任务CritPt上提升了16个百分点达到21%，在HLE上提升12个百分点达到40%。TerminalBench v2.1也提升了16个百分点达到78%，GPQA Diamond提升3个百分点达到89%。
在GDPval-AA v2测试中，GLM-5.2得分1524，超越MiniMax-M3（1418）和DeepSeek V4 Pro（1328），与GPT-5.5（xhigh reasoning）等闭源模型持平。
不过，GLM-5.2在推理时会消耗更多token：每个任务平均使用43k输出token，比GLM-5.1（26k）和MiniMax-M3（24k）都多。在成本效益方面，GLM-5.2处于Intelligence vs Cost per Task帕累托前沿，是同等智能水平中成本最低的模型。
这个消息对中国AI行业来说是个好消息：在开源模型领域，中国公司正在领先。
💡 个人观察
智谱AI的崛起值得关注：这家来自清华的公司正在开源模型领域建立领先地位。 GLM-5.2的高token消耗策略可能是一种有意的设计：用更多计算换取更好的结果。 对于开发者来说，开源模型的性能差距正在缩小，选择越来越多。
NO.3
美国暂缓封杀DeepSeek，100多家企业被列安全风险
美国政府最近在AI出口管制上又有了新动作。据路透社报道，美国决定暂缓将中国AI公司DeepSeek列入黑名单，但同时将100多家企业列为安全风险。
DeepSeek是一家中国AI公司，最近因为其开源模型在多项基准测试中表现出色而受到关注。如果被列入黑名单，意味着美国公司不能向其出口技术，这对其发展会有很大影响。
但为什么暂缓？可能的原因是，美国政府在评估这样做对全球AI生态的影响。毕竟，DeepSeek的模型是开源的，如果被禁，可能会加速中国发展自主的AI技术栈。
这100多家被列名的企业涵盖了多个行业，从芯片到云计算都有。这表明美国的AI出口管制正在从针对特定公司转向针对整个生态。
💡 个人观察
美国的AI出口管制策略正在变得更加精细化，不再是简单的一刀切。 开源模型的特殊性在于：即使禁了公司，代码已经公开，很难真正阻止技术扩散。 对于中国AI公司来说，这既是挑战也是机遇——倒逼自主创新的同时，也需要找到新的技术合作路径。
NO.4
Musk身价万亿但全是泡沫？AI投资的真实逻辑
经济学家John Quiggin最近提出了一个有趣的观点：Elon Musk在2020年身价200亿美元，现在名义上是1万亿美元。但2020年之后他做的所有事情其实都失败了——Starship爆炸、Robotaxi跳票、Cybertruck召回、Twitter（现在叫X）广告收入暴跌。
那为什么身价还在涨？Quiggin认为，这是因为金融市场已经失去了准确定价资产的能力。SpaceX的IPO逻辑和加密货币一样：东西值钱是因为有人觉得未来会有人出更高的价买，而不是因为它本身有用。
AI行业也符合这个逻辑。作为全球最烧钱的技术，AI吸引了大量投资，挤占了其他领域的资金。当NIH的研究人员请求不要砍掉医学研究项目时，DOGE的人笑着回答：我们不需要癌症研究，因为通用人工智能马上就要来了，它会治愈所有疾病。
这个故事告诉我们：当AI投资变成一种信仰，而不是基于理性的估值，风险就在累积。
💡 个人观察
AI投资的信仰溢价可能比我们想象的更大：很多公司估值是基于AI会改变一切的假设，而不是实际的商业模式。 SpaceX IPO的成功可能强化了这种逻辑：只要有人愿意买，价格就能继续涨。 对于普通投资者来说，区分AI真的有用和AI被炒得很高可能是最难的功课。
NO.5
84%美国人不看好AI，但44%每天在用ChatGPT
皮尤研究中心最新调查显示了一个有趣的现象：美国人对AI的态度正在分裂。
一方面，只有16%的美国人认为AI在未来20年会对社会产生积极影响，40%的人持悲观态度。年轻人（30岁以下）更悲观，只有14%看好AI的未来。三分之二的人认为AI发展太快了，67%的人不相信政府会有效监管AI，59%的人不信任公司会安全开发AI。
但另一方面，AI的使用率却在快速增长。44%的美国成年人现在使用ChatGPT，这个数字比2023年翻了一倍多。四分之一的人每天使用AI聊天机器人，主要用于研究和工作。Gemini（24%）、Copilot（17%）、Meta AI（14%）紧随其后。
还有一个有趣的性别差异：男性使用AI更多，也更乐观；女性则更谨慎。这可能反映了AI在不同领域的渗透程度不同。
💡 个人观察
这种嘴上说不要，身体很诚实的现象，可能说明AI的实用性已经超过了人们的担忧。 年轻人对AI最悲观，可能是因为他们更担心就业影响——这值得教育界和政策制定者关注。 ChatGPT的44%使用率是一个里程碑：当近一半的成年人都在用同一个AI产品时，它已经不是新技术而是基础设施了。
NO.6
Google用Gemini重新定义智能音箱，但代价是什么
Google终于推出了首款内置Gemini的智能音箱，售价99.99美元。这是自2020年Nest Audio以来，Google首次发布独立的智能音箱产品。
新音箱最大的变化是支持自然语言交互。你可以说关掉所有灯，除了床头灯，或者把厨房灯光调暗，放点舒缓音乐，设个20分钟计时器这样的多步指令。更厉害的是，你可以在说话中途纠正自己——比如说关掉咖啡机……不，打开它！——Gemini能理解你的意图变化。
设备内置了10种新语音，可以进行双向对话，不只是回答问题，还能深入讨论话题。配合Continued Conversation功能，麦克风会短暂保持开启，让你可以自然地追问，不用每次都喊OK Google。
但有一个值得注意的变化：新音箱的扬声器配置比老款缩水了——Nest Audio有75mm低音单元和19mm高音单元，新款只有一个45mm全频扬声器。这意味着音质可能不如老款。
💡 个人观察
Google的策略很明确：用AI能力弥补音质的不足，赌的是用户更在意智能交互而不是音质。 99美元的定价很有竞争力，比Amazon的Echo和Apple的HomePod都便宜，可能是在用价格换市场份额。 自然语言交互的体验提升，可能比硬件参数更重要——毕竟大多数人用音箱是为了控制智能家居，而不是听音乐。
NO.7
11个AI玩吃鸡：Grok碾压Claude，但代价是27倍成本
OpenRouter的Jacky Liang做了一个有趣的实验：把11个大语言模型放进一个2D吃鸡游戏，让它们玩30局。结果出人意料：Grok 4.1 Fast以43%的胜率碾压所有对手，而Claude Sonnet 4.6只赢了5局。
更有趣的是行为差异。Grok是那种闷头杀敌的独狼，而Claude是那个不停喊我们组队吧、主动暴露位置、试图交朋友的社交达人。在吃鸡游戏里，第一种策略赢了；但在大多数实际应用场景里，第二种可能更有用。
还有一个反直觉的发现：杀敌最多的不是赢家。GPT 5.4在30局里杀了38个对手，但只赢了2局。这说明最强和最聪明不是一回事。
成本方面，Grok每赢一局只需0.97美元，而Claude每赢一局要26.78美元——相差27倍。对于需要选择AI模型的企业来说，这个实验提供了新的参考维度。
💡 个人观察
这个实验揭示了AI模型的性格差异：有些适合竞争，有些适合协作，没有绝对的好坏。 成本效益分析在AI选型中越来越重要：不是最强的模型就最适合你的场景。 传统benchmark可能无法反映模型在复杂环境中的真实表现，游戏化测试提供了新的视角。
NO.8
Nvidia让AI自己训练机器人，人类只需早上看报告
Nvidia的GEAR实验室最近展示了一个令人兴奋的成果：用AI编码代理自主训练机器人，实现了无人值守实验室。简单来说，就是给AI代理一堆机械臂、一些计算资源和慷慨的token预算，然后让它们自己想办法教机器人完成任务。
结果，AI代理成功教会了机器人剪扎带、甚至把GPU插进主板上的狭窄插槽。这些看似简单的任务，其实需要精确的力控和视觉协调。
这个系统叫ENPIRE，有四个核心模块：自动复位和验证、策略优化、多机器人并行评估、以及失败分析和改进。AI代理可以分析日志、阅读论文、改进训练代码，形成一个自我优化的循环。
Nvidia AI总监Jim Fan在LinkedIn上写道：我们GEAR实验室的一部分现在可以整夜不停地自我改进，我们只需要早上读报告就行了。他还开玩笑说，这个系统的目标是我们都可以放假，Jensen（黄仁勋）都不会发现。
💡 个人观察
这可能是机器人训练的范式转变：从人类设计训练方案变成AI自己探索最优解。 开源计划值得关注：如果普通人也能在家搭建自我运行的机器人实验室，机器人技术的普及可能会加速。 AI训练AI的模式，可能比我们想象的更快到来——这既是效率提升，也带来了新的安全问题。
以上就是今天值得一聊的几件事，觉得有意思的话点个赞、转发给朋友吧！
关注 一知，每天和你分享 AI 圈的新动向。
每日AI大事件
