OpenAI 自研芯片上桌,AI 工具开始变成“同事”

2026年6月25日周四 · follow-builders · AINews · Latent Space · AI Valley

今日速读

今天最重要的两条线，一条是 OpenAI 发布首款自研推理芯片 Jalapeño，一条是 Anthropic 把 Claude 更深地塞进 Slack 和团队工作流。前者说明大模型公司的竞争正在从“谁的模型更强”推进到“谁能把芯片、编译、调度和产品一起做顺”；后者则说明 AI 正从聊天工具变成能在团队里接任务、跑流程的协作者。与此同时，Databricks 也在推自己的 Omnigent / LTAP 这类企业侧底座，整个行业都在抢“AI 干活时需要的上下文、权限和状态”。但这也带来权限、审计、锁定和安全边界的新问题，今天不少讨论都围着这些风险转。

🎧 本期单人口播 · 00:11:16，在网页版（文末「阅读原文」）可在线收听。

🧠 算力与基础设施

模型公司不再只拼参数，开始直接拼芯片、推理栈和系统效率。

AINewsOpenAI 推出首款自研推理芯片 Jalapeño发布

OpenAI 和 Broadcom 一起公布了 Jalapeño，这是面向推理的定制芯片，目标是让 ChatGPT、Codex、API 和未来的 agent 产品跑得更快、更省电。简报和 X 上的反馈都把它解读成同一件事：AI 公司正在把控制权往芯片、内存、网络、调度这些更底层的环节延伸。

🔗 https://www.theaivalley.com/p/openai-s-first-chip-is-here

Latent SpaceDatabricks 继续押注企业 AI 底座基础设施

Latent Space 这期内容围绕 Omnigent、LTAP、Lakebase 和 agent security 展开，核心意思是：当 AI 真开始替企业干活，数据库和系统层就不再只是存数据，而是给 agent 提供上下文、权限、状态和成本控制。Swyx 也提到，围绕这套“软件工厂”时代的基础设施，很多东西都要重建。

🔗 https://www.latent.space/p/databricks

🔍 这组消息说明，AI 基础设施的竞争已经从“训练谁更大”转向“谁更像一个完整操作系统”。自研芯片解决的是算力成本和供应链依赖，Omnigent 这类 meta-harness 解决的是 agent 怎么安全地接入真实业务。换句话说，未来的胜负手不只是模型本身，而是谁能把芯片、运行时、数据层、权限系统一起打通。

👥 AI 同事与团队工作流

AI 正从单人聊天框，走向团队协作里的“可分配任务对象”。

AI ValleyAnthropic 把 Claude 更深地放进 Slack 团队协作产品

AI Valley 和多位 builder 都在聊 Claude 的新形态：不是一个 1:1 的聊天窗口，而是能在 Slack 里被直接 @ 出来、访问授权资源、完成任务后再回报的“同事”。Aaron Levie 还点出一个关键差别：这不只是普通 bot，而是能被整个组织共享的工作伙伴。

🔗 https://www.theaivalley.com/p/the-ai-coworker-era

XPeter Yang 试用 Claude Design，觉得它对手机 App 还原很强体验

Peter Yang 说他给 Claude Design 一个移动应用仓库后，它能把界面几乎原样复现出来，但很快又提示他要“省 tokens”。这条更像是一个直观反馈：AI 已经能在设计和前端复刻上做得很像回事，但成本控制和上下文效率马上就会变成新瓶颈。

🔗 https://x.com/petergyang/status/2069992268963135897

XRyo Lu 提倡 Cursor 和 Notion 双向协作工作流

Ryo Lu 的一句话是“use cursor in notion / use notion in cursor”，本质是在说开发工具和知识工具正在互相渗透。意思很简单：未来不是一个工具包办一切，而是不同工作流之间的边界越来越薄。

🔗 https://x.com/ryolu_/status/2069830172354986418

🔍 今天最明显的用户界面变化，是 AI 不再只是回答问题，而是在组织里“占一个工位”。Slack 里的 @Claude、设计工具里的页面复现、Notion 和 Cursor 的互相嵌入，都在把 AI 从“输入-输出”模式推向“持续协作”模式。这个转变很重要，因为真正的价值不在一次回答，而在它能不能理解上下文、接住后续任务、并且被团队长期复用。

🏗️ 企业系统与数据层

当 agent 真正接入业务，权限、状态、历史记录和共享机制就变成核心产品。

Latent SpaceDatabricks 把数据库问题重新讲成“agent 上下文问题”观点

Latent Space 文章里强调，Databricks 现在谈的不只是数据库，而是如何让 AI 在合适的时刻拿到业务状态、权限、历史和反馈回路。它把传统的数据平台问题，重新翻译成 agent 时代的系统设计问题。

🔗 https://www.latent.space/p/databricks

XSwyx 认为未来要重建大量基础设施观点

Swyx 直接说，软件工厂时代会要求“重建很多基础设施”。他还把这一波变化和讲演、研究、开发的工作方式联系起来，认为现在的系统已经不够用，需要更适合 agent 和知识工作的底座。

🔗 https://x.com/swyx/status/2069937175899275475

🔍 企业 AI 之所以难，不是因为模型不会说话，而是因为它要在真实组织里做事。做事就涉及身份、授权、审计、共享、会话历史和成本控制，这些都不是传统聊天机器人要解决的问题。Databricks 这类公司的方向说明，下一轮竞争很可能会落在“谁能把 AI 放进企业系统里，同时不把系统搞乱”上。

💬 观点与争论

很多 builder 都在讨论 AI 会如何改变创业、表达和团队文化。

XGuillermo Rauch 认为 AI 会带来创业浪潮观点

Guillermo Rauch 说 AI 会催生前所未有的创业热潮，从 solo founder 到中小企业复兴，都会受影响。这是一个典型的判断型观点，不是已发生事实，但它反映出很多创始人正在把 AI 看成新的创业放大器。

🔗 https://x.com/rauchg/status/2070001110866354345

XZara Zhang 引用“社区是新的护城河”观点

Zara Zhang 转发了 Figma Config 的一句话：社区是用户彼此以及和产品之间的关系，而这种归属感很难被复制。它提醒大家，在 AI 产品越来越容易被模仿的情况下，产品外的关系网络可能变得更重要。

🔗 https://x.com/zarazhangrui/status/2069900496304042343

XSwyx 提醒演讲要“更尖锐”，别堆太多 AI 图片观点

Swyx 针对下周大量演讲给出很明确的建议：少放花哨的 AI 图，多讲一个核心信息，并给出几个让人意外的应用。这个建议本质上是在说：AI 时代的表达，也得更聚焦、更有刀锋。

🔗 https://x.com/swyx/status/2069964772003770673

🔍 这组观点看起来分散，但其实在讲同一件事：AI 正在把“做产品、做公司、做表达”的门槛整体拉低，所以差异化会越来越来自人和组织本身。产品可以被抄，模型可以被替换，但团队的叙事、社区关系和执行风格不容易复制。也因此，今天很多 builder 其实都在重新理解：什么才算真正的护城河。

🔑 本期三关键词

KEYWORD 01

Jalapeño

OpenAI 公布的首款自研推理芯片，目标是把大模型推理更快、更省电地跑起来。

KEYWORD 02

Omnigent

Databricks 推出的开源 meta-harness，用来把不同 AI agent 统一接入、管理和协作。

KEYWORD 03

LTAP

Databricks 提出的数据架构思路，重点是让 AI 能在统一存储层上获取上下文与状态。

值得继续观察（观察坐标，非预测、非建议）

· OpenAI 自研芯片后续是否会进一步进入更广泛的推理与训练栈

· Anthropic 的 Slack 同事型 Claude 是否会扩展到更多团队工具

· Databricks 的 Omnigent 和 LTAP 会不会成为企业 agent 的标准底座之一

阅读完整日报（可点全部链接）→ 见文末「阅读原文」

本内容由公开信息源（X / 播客 / 博客与订阅简报）自动梳理、归类、改写；每条均附原始链接，请以原文为准，AI 改写可能有疏漏。