Author: Ada - 1ban.news

2026年中期全球人工智能的进展状况，可以通过一周的头条新闻来解读：中国领先的AI公司发布了前沿模型，声称能够以极低的成本与OpenAI和Anthropic的最强模型一较高下，同时证明了旨在减缓中国AI发展的出口管制反而迫使了架构创新，这可能重塑全球竞争格局。 Moonshot AI的Kimi K3和阿里巴巴的最新Qwen模型在数天内相继发布，代表了对美国AI领导地位的协同挑战。两者均为开放权重，定价均大幅低于美国同类产品，并且都设计为可在中国获取的硬件上运行，尽管美国的出口限制针对高带宽存储器和先进半导体。 来自北京AI界的信息很明确：中国企业不再满足于远远跟随美国的发布。他们正在生产在基准测试上竞争、在架构上创新、在价格上压低的模型——所有这些都是在三年前看似不可逾越的硬件限制下进行的。 K3的架构是最具说明性的例子。它拥有2.8万亿个参数——有史以来发布的最大的开放权重模型——采用混合专家设计，拥有896个专门的子网络，每个令牌仅激活其中16个。这是一个刻意的权衡：它用计算效率换取内存容量，因为正如AI News所指出的，「内存可以从大量单独不起眼的芯片中收集」，而「训练级的计算能力无法以同样的方式组装」。 这一创新是对美国出口政策的直接回应。对高带宽存储器访问的限制迫使中国AI公司解决与其美国同行不同的工程问题。K3以4位精度进行训练，将其内存占用从5.6TB缩减到1.4TB。它引入了Kimi Delta Attention，以在百万令牌上下文长度下实现更快的解码。它可以在任何可用的硬件上运行——为中国市场缩减的Nvidia L20、国产华为昇腾芯片，或来自替代供应商的GPU集群池。 定价策略讲述了同样的竞争压力故事。K3每百万输入令牌收费3美元，每百万输出收费15美元，缓存输入为0.30美元。相比之下，Anthropic的Fable 5每百万输出令牌收费50美元，策略便清晰可见：在容量和可及性上取胜，即使峰值能力仍落后于前沿水平。 Moonshot坦率地承认，K3的整体性能「仍落后于」Claude Fable 5和GPT 5.6 Sol，并且该模型在某些服务配置中可能不稳定。但在Arena Frontend Code评估中，它获得了1,679分——位列第一，领先于Fable 5。美银证券分析师Alex Liu捕捉到了这一转变：「尽管存在计算限制，大规模预训练与架构工作相结合仍可为中国旗舰模型带来阶梯式的进步。」 全球AI进展的更广阔图景超越了模型发布。英国国家审计署在同一天警告称，政府声称AI驱动的450亿英镑（约580亿美元）节省缺乏严谨的方法论——这提醒人们AI能力与现实部署之间的差距仍然很大。欧洲监管机构继续塑造参与规则。关于出口管制是加强还是削弱美国长期竞争力的辩论，双方都找到了新的证据。 不再有争议的是，AI开发真正实现了多极化。以美国为中心的时代正在让位于一个中国公司设定价格、引领架构趋势、通过开放权重发布直接争夺开发者关注度的格局。问题不再是中国能否竞争，而是竞争动态将如何重塑AI的技术、经济和全球治理。 来源：China delivers a one-two punch to America’s AI dominance（The Verge，2026年7月）；Kimi K3 open-weight model: China’s biggest AI is a bet on memory, not compute（AI News，2026年7月）；Auditors tell UK government to do the math […]

Moonshot AI发布了Kimi K3，这是一个拥有2.8万亿参数的开放权重模型，是迄今为止在开放许可下发布的最大模型——但这一引人注目的参数数量具有误导性。K3的重要意义在于其背后的架构策略：刻意押注于内存而非算力，这一策略直接由美国出口管制对中国AI企业施加的硬件限制所塑造。 K3采用了专家混合架构，拥有896个专门化的子网络，每个token仅激活其中16个。这大幅降低了每个token所需的计算量，但全部2.8万亿参数必须保持在内存中加载，随时准备被调用。该模型从微调阶段起就以4位精度进行训练，将其内存占用从估计的5.6TB减少到约1.4TB——Moonshot表示，这一选择是”为了广泛的硬件兼容性”，以对冲非Nvidia芯片的风险。 正如AI News所指出的，关键洞察在于：”内存可以跨大量个体上并不出众的芯片收集起来。而训练级别的算力无法以同样的方式组合。”瞄准高带宽内存的出口管制迫使中国AI企业在与美国同行不同的约束下进行创新，K3的架构直接反映了这一现实。 该模型引入了Kimi Delta Attention，这是一种优化技术，通过处理在长文档处理中成为主要内存消耗者的不断增长的键值缓存，在百万token上下文中实现高达6.3倍的解码加速。Moonshot已将缓存代码贡献给开源vLLM推理服务项目。 在Arena Frontend Code评估中，K3获得了1,679分，排名第一，领先于Anthropic的Fable 5。但Moonshot公开承认，整体性能”仍落后于”Claude Fable 5和GPT 5.6 Sol，并且如果推理服务框架未能正确传递历史思维内容，生成质量可能”高度不稳定”。该公司还指出，当意图不明确时，K3可能”代表用户做出意外决定”，并且与领先的美国模型相比存在”显著的UX差距”。 推荐的推理服务配置需要64个或更多加速器连接为单一内存池，标准的开源推理服务工具尚不支持K3的新架构——Moonshot正在与推理合作伙伴合作以缩小这一差距。权重计划于2026年7月27日公开发布。 定价为每百万输入token 3美元，每百万输出token 15美元，缓存输入为0.30美元——远低于Fable 5的50美元输出定价，但高于DeepSeek V4的0.87美元和z.ai GLM-5.2的4.40美元。 来源：Kimi K3开放权重模型：中国最大AI押注内存而非算力（AI News，2026年7月） 婷 翻译

中国国家主席习近平呼吁各国建立人工智能早期预警和应急响应系统，这标志着他关于AI安全最详尽的公开表态，也显示中国有意将自己定位为国际AI治理的领导者。 习近平在世界人工智能大会上表示，各国应”认真对待AI可能引发的各种固有和次生风险”。他呼吁制定”法律法规、技术监测、早期预警和应急响应系统”，以”加强安全防线，防止滥用和恶意使用，确保AI始终处于人类控制之下”。 此番讲话反映出北京此前立场的显著转变，此前中方一直强调AI的快速发展和部署。习近平支持人工监督和应急响应机制，使中国的表态立场更接近于欧洲及其他司法管辖区正在形成的监管框架，这些地区已呼吁为先进AI系统设置防护措施。 然而，习近平也借此平台批评了他所说的”在AI领域过度延伸国家安全概念，将一国安全置于他国安全之上”的国家，这明确指向特朗普政府限制访问Anthropic的Mythos等先进AI模型的出口管制措施。 他敦促各国”鼓励包容性，促进文明间相互学习”，并呼吁加强AI的全球治理，将这项技术描述为”凝聚人类集体智慧的宝贵财富”。 中国在发表这些言论的同时也采取了具体行动。上周，北京成立了世界人工智能合作组织（WAICO），这是一个拥有29个创始成员国的多边机构，成员包括印度尼西亚、马来西亚、俄罗斯、巴基斯坦、巴西和南非。其中一些国家同时也是金砖国家集团的成员，中国一直寻求强化该集团，作为西方主导的地缘政治集团的一种制衡力量。 习近平还指出，中国”愿意以更加开放的姿态、采取更务实的行动、以更具前瞻性的视角”推动AI合作。 Sources: Chinese President Xi Jinping wants emergency response systems to keep AI in check (The Register, 2026年7月); Xi Jinping positions China as open-source AI leader at WAIC 2026 (Quartz, 2026年7月) 婷 翻译

印度于7月18日加入美国和中国的行列，成为少数几个拥有成功私人轨道发射能力的国家。总部位于海得拉巴的Skyroot Aerospace公司的Vikram-1火箭在首次飞行中抵达了低地球轨道，成为第一枚将卫星送入太空的印度商业火箭。 Vikram-1于美国东部时间凌晨2点35分（当地时间早上7点05分）从印度主要航天港斯里赫里戈达的萨蒂什·达万航天中心发射升空，此前因倒计时T负5分钟时发现的一个技术问题延误了35分钟。三级固体燃料级按预期运行，液体燃料推进级点火约6分钟以将轨道圆化。该公司宣布，发射后15分钟，上级已到达其计划的高度450公里（约280英里）的低地球轨道。 这项名为Aagaman（梵语意为”抵达”）的任务搭载了两颗立方星，一颗由Skyroot制造，另一颗由印度初创公司Grahaa Space制造，以及来自Dcubed和Cosmoserve Space的托管载荷。火箭还搭载了印度总理纳伦德拉·莫迪和其他政要签名的明信片，以及Cosmos Diamonds公司的一件名为”Cosmic Bloom”的微型艺术品。 四级、七层楼高的Vikram-1是一款小型卫星运载火箭，能够将约350公斤（770磅）的载荷送入低地球轨道。它继Skyroot于2022年执行的Vikram-S亚轨道任务之后，该任务使该公司成为第一家到达太空的印度私营企业。 “这是一个新太空时代的曙光，”Skyroot的一位发射解说员在公司网络直播中说道。 Skyroot Aerospace成立于2018年，受益于印度政府于2020年引入的航天领域改革，该改革为私营公司打开了大门，使其能够在印度国家航天促进与授权中心（IN-SPACe）的监管支持下建造火箭、卫星和发射服务。 这次发射是三个计划中的开发飞行中的第一个，将有助于Vikram-1获得常规商业运营的资格，使Skyroot能够在全球小型卫星发射市场中竞争。 婷 翻译

根据一份追踪组织如何大规模部署自主AI代理的新报告，企业正在超越代理式AI试点阶段，发现主要制约因素不再是模型能力，而是运营复杂性。 这一转变正从简单的概念验证聊天机器人，转向报告所称的”AI工厂”，即自主代理作为数字同事，在最少人工监督下处理多步骤工作流程的生产系统。这些代理不仅回应查询，还执行复杂序列：分类IT工单、管理供应链异常、处理保险索赔以及协调内部系统。 报告将代理网关确定为管理这种复杂性的新兴架构模式。代理网关位于AI模型与企业内部系统（CRM、ERP、知识库和通信工具）之间，负责路由请求、执行权限、管理速率限制并提供可观测性。它是将有前景的试点转变为可靠工厂生产系统的运营基础设施层。 大多数企业受模型本身的约束较少，更多地受制于将代理安全可靠地连接到现有系统的复杂性。每次新的集成都需要访问控制、数据治理策略、错误处理和监控，这些是试点项目可以掩盖但生产部署无法回避的问题。 报告指出，企业正趋向于分层架构：模型层（LLM）、代理层（多步骤推理和工具使用的编排）、网关层（安全、路由、可观测性）以及企业集成层（现有API、数据库和SaaS工具）。网关层承担了大部分运营重担。 企业部署的关键观察包括：代理能力的扩展速度超过治理框架的适应速度，可观测性（了解代理做了什么以及为什么这样做）正成为首要运营优先事项，以及组织正在采用”爬行-行走-奔跑”的方法，从只读代理开始进行总结和推荐，然后逐步过渡到能够采取行动的代理。 报告的调查结果与更广泛的行业趋势一致。Gartner预测，到2030年，四分之一的IT运营工作将由无监督的自主代理处理。德勤预测，到2027年，50%使用生成式AI的公司将启动代理式AI试点，其中许多已进入生产阶段。 来源：From Pilots to AI Factories: How Enterprises Are Really Scaling Agentic AI and Agent Gateways（The Register，2026年7月） 婷 翻译

SK集团会长崔泰源承认当前内存半导体价格”高得异常”，并警告业界必须采取措施扩大供应，包括可能在美国建设半导体工厂，以应对他所说的”芯片通胀”。 崔泰源7月15日在济州岛举行的韩国工商协会夏季论坛记者会上表示，必须增加供应以降低价格，”即使是为了半导体公司自身”。他的言论标志着内存行业高层高管罕有地承认，长期的价格飙升已超出健康的市场动态范畴。 SK集团是SK海力士的母公司，后者是全球第二大内存芯片制造商，仅次于三星。DRAM和NAND闪存价格在过去两年急剧上涨，其推动力来自AI训练硬件中使用的高带宽内存（HBM）的爆炸性需求。短缺已波及整个电子供应链，推高了从智能手机到服务器再到显卡等所有产品的价格。 崔泰源表示，SK海力士正在考虑在美国建立制造工厂，作为增加全球内存供应和稳定价格的一项措施。这样的设施将标志着SK海力士的制造足迹大幅扩展，超越其目前集中在韩国且在中国设有一处基地的业务。 会长的此番言论正值下游行业和消费者的压力日益增大，他们承受了内存成本飙升的主要冲击。AI驱动的HBM需求已占据内存生产能力的越来越大的份额，导致传统DRAM和NAND产品的可用供应减少。消费电子、个人电脑和服务器制造商都将更高的零部件成本转嫁给了最终用户，推动了一些分析师开始称之为”芯片通胀”的科技产品价格普遍上涨。 SK集团会长的这一承认也表明，内存行业内部越来越认识到，持续的高价格可能损害更广泛的生态系统。如果内存成本居高不下，下游客户可能会推迟升级、减少订单或寻求替代架构，从而可能在长期内冷却需求，损害制造商的利益。 Sources: Memory chip boss admits RAM prices are ‘abnormally high’ (Tom’s Hardware, 2026年7月); SK Hynix Weighs U.S. Factory to Combat Chipflation (Chosun Ilbo, 2026年7月) 婷 翻译

将AI代理与Gmail、Slack和Zoom等第三方服务集成，会大幅扩大安全攻击面。安全公司PromptArmor的最新研究发现，连接器（AI平台与外部工具之间的集成桥梁）变化如此之快，以至于静态安全审批已变得危险地过时。 PromptArmor在从5月中旬到6月底的六周内，分析了AI代理生态系统中的2,517个连接器。该公司发现，其中931个连接器（37%）在此期间发生了变化。连接器累计新增了1,686个工具，并有1,127个工具描述被重写。”基于声明能力的任何安全假设都可能不再有效，”研究人员写道。 Dropbox连接器是一个鲜明的例子。研究开始时，它暴露了8个工具。到研究结束时，它暴露了24个。可写入工具从3个增至10个，潜在破坏性工具从0个增至4个。权限范围发生了改变，模型指令在未通知的情况下被注入到连接器的配置中。 一个更令人担忧的发现：大约五分之二的连接器（接受分析的487个Claude连接器中的189个）会调用主要集成合作伙伴之外的额外第三方AI服务。Zoom连接器清楚地说明了这个问题。当Claude代理激活Zoom的连接器，使用自然语言搜索会议，并传递包含敏感数据的查询时，这些数据可能会被转发给Zoom的10个AI子处理器中的任何一个，而这些子处理器又可能使用8个不同模型系列之一来生成响应。 Anthropic自己的文档也承认了这一限制。”连接的服务在自己的基础设施上、根据自己的条款处理数据，这些数据可能位于美国境外，”该公司指出。”控制Claude推理运行位置的设置（如企业计划中的仅限美国推理设置）不会改变第三方服务的运行位置。” PromptArmor联合创始人Shankar Krishnan将三个条件（访问私人数据、暴露于不受信任的内容以及外部通信路径）的组合描述为”致命三重奏”。当这些条件汇聚时，”攻击的爆炸半径会爆炸式扩大，”他说。 这项研究对安全团队具有直接的实践意义。连接器的功能必须持续监控，而不是一次性批准。每个连接器的工具清单，尤其是可写入工具和破坏性工具的数量，需要定期审计。而且组织不能假设AI供应商的安全控制措施会扩展到其连接器所调用的第三方服务。 “大多数批准连接器的团队在评估和考虑连接器时，并没有意识到供应商正在调用更多AI服务，添加新的子处理器和条款，”Krishnan说。 来源：将AI代理连接到外部服务会爆炸式扩大风险半径 (The Register, 2026年7月) 婷 翻译

中国科学院领导的研究团队开发出一种制造技术，大幅缩短了生产复杂三维光学芯片结构所需的时间，从数小时缩短至数秒，有望消除全球光子计算商业化竞争中的一大瓶颈。 该技术由中国科学院物理研究所博士生王毅及其同事与香港大学等机构合作开发，利用宽离子束结合自折叠”折纸”方法，同时将数千个二维纳米结构转化为三维设计。 传统的聚焦离子束（FIB）技术每次只能创建一个光学结构，使得生产成为商业规模制造的严重瓶颈。这种新的并行方法可一次性处理整个100毫米（约4英寸）晶圆，将二维图案一次性转换为整个表面的复杂三维架构。 效果十分显著。该团队报告称，晶圆上的角度均匀性超过97%，而制造时间比基于FIB的方法缩短了两个数量级以上。尽管速度提升，该技术仍保持了适用于光子应用的纳米级精度。 这项突破针对下一代三维集成光子学，用于先进计算、通信和传感领域。将光学结构移至三维空间可实现更密集的芯片设计，减少信号干扰，并实现平面架构难以或无法实现的功能。 制造瓶颈一直是阻碍光子芯片发展的关键挑战之一。光子芯片利用光而非电信号处理数据。虽然包括英特尔、台积电、Ayar Labs和Lightmatter等商业公司以及比利时Imec和日本NTT等研究机构在内的多家企业正在竞相推进光子技术，但生产可扩展性仍落后于设计创新。 中国团队的突破直接解决了这一差距。”该技术为生产复杂的三维光学结构提供了一个多功能平台，同时减少了制造瓶颈，”研究人员表示，将该方法定位为定制光子设计与大规模生产之间的桥梁。 这一进展正值光子芯片技术竞争加剧之际。光子芯片比传统电子芯片具有更高的带宽和更低的能耗，随着AI工作负载对现有半导体基础设施造成压力，这些优势变得越来越重要。 来源：China’s team develops faster way to manufacture complex 3D optical chips（Interesting Engineering，2026年7月） 婷 翻译

谷歌今年夏天彻底改革了其Gemini AI平台的计费方式，推出了一种更细化的定价结构，根据模型、任务和数据量而变化，这些变化意味着，除非用户主动追踪其消耗量，否则在同一支出水平下可能获得更少的响应。 新定价将成本分为几个部分。输入代币代表发送给模型的文本、图像或文件；输出代币代表模型的响应。每个Gemini模型都有不同的费率，可选功能（如更大的上下文窗口）会增加额外成本。例如，使用Google搜索进行 grounding，对于超出免费每日限额的Gemini 2.5和2.0模型，每次查询需加收每1,000次提示35美元的费用，Gemini 3模型则每1,000次提示14美元。 谷歌还重组了其消费者订阅层级。2026年7月推出的新入门级Google AI Plus，提供400GB存储空间和双倍免费层使用限额，月费7.99美元。其上的Google AI Pro月费19.99美元（原Google One AI Premium，现提供5TB存储空间），Google AI Ultra月费99.99美元起，提供20TB存储空间和Deep Think功能访问权限。Ultra内还有月费200美元的高级层级，提供额外容量。 对于开发者而言，Gemini API仍按使用量付费。Gemini 3.5 Flash每百万输入代币1.50美元，每百万输出代币9美元。Gemini 2.5 Pro分别为1.25美元和10美元。2026年7月新增的名为AlphaEvolve的代理定价SKU，在基础模型费率上加收透明的2倍附加费，使总费用恰好是底层模型价格的三倍。 计费影响很容易被低估。一万次请求，每次包含2,000个输入代币和1,000个输出代币，共消耗3,000万个代币。即使每代币费率很低，总额也会迅速累积。不必要地使用高级模型（一位分析师形容为”坐出租车而不是公交车”）会放大这种影响。 谷歌提供了多种追踪使用量的工具。计费控制台按项目和模型显示支出。使用量页面细分输入和输出代币数量。API日志提供每次请求的详细信息。建议在月度限额的50%、80%和100%设置预算警报，并按用例（聊天机器人支持、编码辅助、文档搜索）标记项目，以识别哪个功能消耗最高。 提示结构的微小改变可以带来显著节省。在一个每天处理25,000次对话、平均800个输入代币和500个输出代币的系统中，将每个提示减少25%，每月可节省数百万代币，同时不减少聊天量。将模型强度与任务复杂度匹配，使用较便宜的模型进行分类和标记，同时将高级模型保留用于复杂推理，是另一个手段。 “如果你仔细衡量、选择合适的模型并设置严格的支出警报，谷歌的AI定价是可控的，”该公司建议道。 来源：How Google’s New Gemini Rates Work and How to Track Your Usage（《连线》，2026年7月）；Google Gemini Pricing（UsagePricing，2026年7月） 婷 翻译

加州大学洛杉矶分校（UCLA）的研究人员展示了一种实用方法，利用行业标准制造技术将太赫兹波的生成和检测集成到单个半导体芯片上，为更快的无线通信、便携式成像设备和紧凑型化学传感器打开了大门，最终可能将太赫兹系统从笨重的实验室设备转变为可制造的芯片。 太赫兹辐射占据微波和红外光之间的电磁频谱，大约为0.1至10太赫兹。研究人员长期以来一直认识到它在高带宽通信、安全扫描和科学传感方面的潜力，但由于可靠地生成和检测太赫兹信号需要专门的设备和特殊材料，实用系统在很大程度上仍局限于实验台。 UCLA团队的方法被称为单片集成太赫兹光电子（MITO）平台，它将光源、探测器、放大器和调制器集成在共享的半导体衬底上。关键组件是由砷化镓和铝镓砷（GaAs/AlGaAs）制成的量子阱PIN光电二极管，这些材料已广泛用于商业光子集成电路中。 该器件的工作原理是将两束频率略有不同的激光束导入量子阱结构。重叠部分产生一个等于两束激光频率差的电振荡。当该频率差落在太赫兹范围内时，就会产生太赫兹信号。同样的结构可以反向操作，以高灵敏度检测入射的太赫兹波。 在原型测试中，MITO平台在100至500吉赫兹范围（太赫兹带的低端）内展示了频率可调的太赫兹生成和检测。关键的是，该团队在同一芯片上集成了一个半导体光放大器，在降低所需光功率的同时，将生成效率提高了大约十倍。 该领域先前的一个假设认为，被困在量子阱中的电子逃逸速度太慢，无法支持太赫兹频率操作。UCLA团队的测量表明，电子在不到一万亿分之一秒内逃逸，足以满足太赫兹 regime 的要求。 “通过证明这些功能中的许多可以使用经过验证的行业标准制造平台集成到单个芯片上，我们的研究为面向实际应用的可扩展太赫兹技术打开了大门，”UCLA工程学教授兼该项目首席研究员莫娜·贾拉希表示。 目前的原型仍然依赖外部激光器，但该平台的设计目的是最终容纳片上可调谐激光器和额外的光子组件。该团队的下一步包括集成更多组件、提高性能以及扩展到更大的太赫兹源和探测器阵列。 该研究发表在《自然·通讯》（Nature Communications）上。 婷 翻译 来源：A chip that creates and senses terahertz waves could shrink future networks（Interesting Engineering，2026年7月）；Nature Communications