科技

安全行业正面临被一些人称为”漏洞启示录”的局面。前沿AI模型，包括Anthropic的Mythos和OpenAI的GPT-5.5-Cyber，正以前所未有的速度和深度发现开源软件中的漏洞，人类审计员根本无法企及，将发现到利用之间的时间压缩至近乎为零。 “对于安全团队来说，这将是一个混乱而难熬的夏天，”《The Register》的Jessica Lyons援引Chainguard首席执行官Dan Lorenc的话写道，”我们看到的统计数据令人恐惧，只要你持续扫描同样的代码库和同样的代码，AI就会不断发现更多漏洞。我们还没有看到这条曲线开始触底的迹象。” 为此，两大行业联盟已经成立。 Athena联盟 Athena由Chainguard于6月中旬发起，汇集了整个行业的漏洞发现信息，并通过协调修复流水线进行处理。创始成员包括BNY、Cisco、Cloudflare、Docker、JPMorganChase、Kyndryl和PwC。 该联盟已处理超过20，000条发现信息，在500个开源项目中开发了2，000多个补丁，计划在数周内进行首轮协调公开披露。该流水线采用预保密模式：成员提交来自任何前沿模型的漏洞发现信息，Chainguard作为信息交换中心进行去重和关联分析，受影响库的加固版本在公开披露前私下分发给成员。如果上游维护者无法或不愿修补，Athena将作为”最后手段的维护者”，永久维护分叉版本。 “利用时间已经变为负值，漏洞尚未披露，利用代码就已出现，”Lorenc表示，”Athena的全部工作就是让修复时间变得更负，使得漏洞公开前修复方案已经到位。” Akrites联盟 Linux Foundation于6月25日推出了Akrites，得到了包括Amazon Web Services、Anthropic、Cisco、Google、IBM、Microsoft and GitHub、NVIDIA、OpenAI、Red Hat、Rust Foundation和JPMorganChase在内的20多个创始组织的支持。Athena专注于运营性修复，而Akrites则建立了共享安全事件响应团队（SIRT）和标准化协调漏洞披露（CVD）流程。 Akrites旨在防止碎片化的补丁格局，数十家公司独立分析相同软件，向维护者涌入重复报告和冲突修复。”如果没有协调，这些修复将分散到不同的补丁和分叉中，”Lorenc告诉《The Register》。 问题的规模 Anthropic的Project Glasswing为漏洞研究提供Mythos的预发布访问权限。该项目报告称，仅5月份就在1，000多个开源项目中发现了6，202个高严重性和关键严重性漏洞。OpenAI的Daybreak计划也采用类似模式运作。发现的漏洞中包括”Squidbleed”，一个自1990年代以来一直未被发现、广泛部署代码中的内存泄漏问题。 这一挑战具有结构性：任何现代应用中95%的代码都是开源的。当AI模型在第三方库中发现缺陷时，应用安全团队不能简单地自行修复代码。他们必须与上游维护者协调，而其中许多人工作过载、无法联系或已完全放弃了项目。 “对于那些无法修补的项目，Athena将永久维护修复。” “利用时间已经变为负值，漏洞尚未披露，利用代码就已出现。” “统计数据表明，你持续扫描同样的代码库和同样的代码，AI就会不断发现更多漏洞。” 来源：It’s looking like a hot, messy summer for security teams as AI finds countless previously hidden vulns（《The Register》，2026年6月27日）；Chainguard Launches Athena（Chainguard，2026年6月15日）；Akrites Launch（Linux Foundation，2026年6月25日） 婷 翻译

中国的智谱AI（Z.ai）声称，其开放权重GLM-5.2模型可以在网络安全漏洞检测方面媲美Anthropic的Mythos，尽管在通用推理任务上仍落后。 这一由The Verge报道的声明标志着AI模型竞赛中的一个重要新领域。GLM-5.2于6月首次发布，是一款以编码为核心的模型，拥有100万token的上下文窗口和MIT许可证，可在全球范围内免费用于自托管、微调和商业用途。独立基准测试显示，它在编码任务上以约六分之一的成本与GPT-5.5相匹敌。 网络安全的角度更为新颖。研究人员在漏洞查找基准测试中将GLM-5.2与Mythos进行对比，发现两个模型在漏洞检测方面的差距已大幅缩小，尽管Mythos在通用推理方面仍然更强。考虑到GLM-5.2的MIT许可证和成本优势,,每百万输入token约1.40美元（约合1.10英镑），而Mythos采用高价定价,,该模型可能会降低此前认为先进AI安全工具过于昂贵的中型企业的准入门槛。 Z.ai是填补美国出口管制所留下空白的几家中国AI实验室之一。Anthropic的Mythos 5在6月因美国政府的命令而短暂对非美国公民禁用，从而催生了对美国管辖范围之外模型的需求。Z.ai和其他公司将其开放权重版本定位为主权AI替代方案，不会被华盛顿方面关停。 仍需要独立基准测试来验证Z.ai的网络安全声明。在标准化测试确认其在规模上对Mythos的性能之前，早期报告应被视为初步结果。 来源：China’s Z.ai claims it can match Mythos on cybersecurity (The Verge，2026年6月28日)；Zhipu AI releases GLM-5.2 (DataNorth，2026年6月18日) 婷 翻译

福特已重新聘用350名资深工程师，包括前员工和来自供应商的工人，此前该公司发现仅依靠人工智能不足以确保制造质量。 此举是AI在复杂物理制造中局限性的一个具体例证。福特车辆硬件工程副总裁查尔斯·普恩告诉TechCrunch：”我们错误地认为，只要引入人工智能并吸收设计需求，就能生产出高质量的产品。” 据首席运营官库马尔·加尔霍特拉称，福特的自动化质量系统此前产生了令人失望的结果。该公司对此作出回应，召回”技术专家”,,经验丰富的工程师，有时被称为”灰胡子”,,他们在零件进入工厂之前就能识别出车辆设计中的故障点。 这些被重新聘用的工程师并非取代AI，而是对其进行补充。他们培训年轻员工，重新编程质量控制系统，并运用自动化工具所缺乏的数十年实践经验。福特仍在整个设计和制造过程中使用AI，但该公司现在将领域专业知识视为必要的补充，而非替代品。 这一策略似乎在财务上正取得回报。福特预计今年将节省10亿美元（约合8.1亿英镑）。该公司还在本周的JD Power初始质量调查中夺得主流品牌榜首。 对整个行业的启示是清晰的：AI擅长模式识别和规模化，但它无法取代深厚的领域知识,,尤其是当质量控制依赖于理解零件在真实世界条件下的表现，而没有任何训练数据集能完全捕捉这些条件时。 来源：Ford rehires ‘gray beard’ engineers after AI falls short (TechCrunch，2026年6月28日) 婷 翻译

中国自2017年以来首次重返TOP500超级计算机排行榜榜首，该系统完全采用国产处理器构建，未使用任何GPU加速器即实现了世界领先的性能。 位于深圳国家超级计算中心的LineShine在High Performance Linpack（HPL）基准测试中录得2.198 exaflops，约为其理论峰值2.736 exaflops的80%。它取代了此前以1.809 exaflops位居榜首的美国劳伦斯·利弗莫尔国家实验室系统El Capitan。 这一成就直接回应了美国的出口管制。自2022年以来，华盛顿逐步加强对向中国出售先进GPU和半导体制造设备的限制，旨在阻挠中国在高性能计算和人工智能领域的进步。LineShine表明，这些限制并未阻止中国建设世界级的HPC基础设施，而且中国通过选择不同的架构路线实现了这一目标。 纯CPU架构 LineShine运行在LX2处理器上，共拥有1379万个核心。每颗处理器基于ARMv9架构，在两个计算芯片上集成304个核心。每颗处理器集成32GB封装内HBM内存和256GB DDR5内存。CPU运行频率为1.55GHz，通过SVE和SME向量单元支持FP64、FP32、FP16和INT8数据类型，双精度下每颗芯片可提供高达60.3 teraflops的性能。 该系统采用名为LingQi的国产互联网络，以双平面多轨胖树拓扑结构排列，每个节点提供1.6 terabits/秒的带宽。总存储容量达650 petabytes，分布在428个存储节点上，存储带宽为10 terabytes/秒。 整机功耗约为42.2 megawatts，能效达52.07 gigaflops/瓦，与同等规模的GPU加速系统相比具有竞争力。 榜首架构多元化 2026年6月的TOP500榜单在前列呈现出异常的多样性。目前有五个系统超过exascale门槛：LineShine（2.198 exaflops，中国）、El Capitan（1.809 exaflops，美国，基于AMD MI300A）、Frontier（1.353 exaflops，美国）、Aurora（1.012 exaflops，美国）和JUPITER Booster（1.000 exaflops，德国）。这是exascale级机器首次同时覆盖亚洲、北美和欧洲。 TOP500的Jack Dongarra在接受《纽约时报》采访时称LineShine是一个”令人印象深刻的系统”，它”开发了一个不依赖GPU的系统，并超越了我们的水平”。 自2019年美国制裁使得披露国家HPC能力在战略上存在风险以来，中国未向TOP500提交任何条目。LineShine于2026年4月公开亮相，并于6月23日在德国汉堡举行的ISC 2026会议正式获得排名。 来源：China Defies US Restrictions and Builds the World’s Fastest Supercomputer（Wired，2026年6月28日）；LineShine Debuts at No. 1（TOP500，2026年6月23日）；China’s LineShine regains world top spot（DigitalToday，2026年6月24日）；China builds exascale […]

软银集团创始人兼首席执行官孙正义公开质疑埃隆·马斯克的轨道数据中心愿景，认为在太空建设计算基础设施既无法显著降低成本，也无法赶上当前的AI军备竞赛。 在6月23日的软银股东大会上，孙正义表示，电力仅占AI基础设施成本的约7%，芯片和其他硬件则占剩余的93%。轨道上节省的任何电力都将被发射成本、维护和通信延迟所抵消。 “在AI之争中，未来几年将远比十年后可能发生的事情重要得多，”孙正义表示。”先出手者获胜。” 关于在哪里建设的辩论 马斯克提议将数据中心部署在轨道上，那里拥有无限的太阳能、零土地成本和没有电网限制，理论上可以降低运营开支。SpaceX凭借其主导性的发射业务和星链卫星网络，在支持此类基础设施方面具有独特优势。 然而，孙正义领导的软银集团仅在法国就承诺投入高达750亿欧元（约合800亿美元）用于地面数据中心，押注的是相反的方向。德意志银行估计，轨道数据中心要到2030年代中后期才能与地面设施实现成本平价。 没有公正的旁观者 TechCrunch的一场小组讨论指出，双方都不是中立的。SpaceX的发射市场份额在全球约为80%至90%，集成星链后约为20%至40%，不集成则为相应水平。轨道数据中心项目将为SpaceX保证多年的发射合同。 “孙正义以大胆押注而闻名，因此他持怀疑态度引人注目，”TechCrunch的Kirsten Korosec表示。Sean O’Kane补充说，轨道数据中心需要每几年更换一次的卫星星座，这确保了”为你的发射业务带来更多业务”。 与此同时，软银一直通过Arm Holdings和软银愿景基金大力投资地面算力，包括近期对OpenAI的投资。孙正义在彻底驳回马斯克的轨道计划之前，称其为”卓越的变革推动者”。 来源：SoftBank’s CEO isn’t the only one with questions about Elon Musk’s orbital data center hype（TechCrunch，2026年6月27日）；SoftBank Focuses on Earth-Based Data Centers Over Space Ventures（GuruFocus，2026年6月23日）；Startup Fortune analysis（2026年6月） 婷 翻译

LastPass已确认又一起数据泄露事件，此次是通过一家受感染的第三方服务提供商。攻击者利用从市场情报平台Klue窃取的OAuth令牌，访问了LastPass的Salesforce环境并提取了客户联系信息。 此次泄露是该密码管理器困扰不断的安全历史中的最新一起，该公司曾在2022年遭遇重大事件导致加密保险库暴露，此后还面临监管罚款。 事件经过 名为Icarus的勒索团伙于2026年6月12日左右入侵了Klue的后端系统，推送了恶意代码更新以窃取OAuth令牌。攻击者利用这些令牌查询Salesforce环境，复制了属于LastPass及其他Klue客户的CRM数据。 LastPass表示，暴露的数据包括客户姓名、电话号码、电子邮件地址、实际地址、支持案例记录和销售相关信息。该公司强调，LastPass的产品、服务、基础设施和客户密码保险库未受影响。主密码和加密保险库内容仍然安全。 Klue于6月12日通知了客户有关未经授权活动的情况。在Salesforce于6月17日禁用Klue Battlecards集成后，LastPass于6月23日发布了披露声明，并已轮换暴露的令牌、停止员工对Klue的访问，并通知了执法部门。 需要注意的事项 暴露的联系信息带来了钓鱼和社会工程学攻击风险。攻击者可以利用CRM记录精心制作看似来自LastPass的可信消息。该公司重申，其员工绝不会索要主密码。 Klue事件凸显了一个日益严重的漏洞：旨在让应用程序无缝共享数据的OAuth令牌，在持有这些令牌的第三方服务遭到入侵时，会成为攻击向量。安全研究人员建议企业检查哪些应用程序可以访问CRM数据，撤销未使用的连接，在供应商事件发生后立即轮换令牌，并监控API活动以发现异常的数据导出。 本周其他安全新闻 美国前国家安全顾问约翰·博尔顿于6月26日对一项非法持有机密信息的指控认罪，从而解决了18项起诉。根据认罪协议，博尔顿面临约200万美元（约160万英镑）的罚款和最高五年的监禁，不过最终判决将由法官决定。此案源于博尔顿在特朗普政府任职期间及之后，将包含高度机密信息的手写笔记传递给两名家庭成员。 微软数字犯罪部门与欧洲刑警组织及国际合作伙伴合作，宣布作为正在进行的”终局行动”的一部分，捣毁了Amadey和StealC信息窃取器的运营。这项协调行动识别了200多个恶意命令和控制域名及IP地址，已通过法院命令和域名查封予以关闭。在5月为期两周的监控期间，全球超过14万台计算机被发现感染了这些工具。此次行动追回了2700万个被盗登录凭证，并冻结了4100万欧元（约4700万美元）的犯罪加密资产。微软表示，调查人员使用了包括Copilot在内的AI工具来分析恶意软件二进制文件，并绘制两个恶意软件家族之间共享的基础设施图谱，这些家族以”恶意软件即服务”模式运营，是勒索软件攻击的入口。 来源：Security News This Week: LastPass Users Had Their Data Stolen – Again (Wired，2026年6月27日)；LastPass Confirms Customer Data Breach After Klue OAuth Token Theft (HackRead，2026年6月23日)；Microsoft, Europol lead global takedown of infostealer malware (Cybersecurity Dive，2026年6月24日)；John Bolton pleads guilty in documents case (USA Today，2026年6月26日) 婷 翻译

DeepSeek已将DSpark开源，这是一个投机解码框架，可在不影响输出质量的情况下，将DeepSeek-V4模型的单用户文本生成速度提升60%至85%。该框架与采用MIT授权的DeepSpec训练代码库一同在GitHub和Hugging Face上提供。 DSpark是一项服务优化技术，并非新模型。DeepSeek-V4-Pro-DSpark和DeepSeek-V4-Flash-DSpark检查点复用了现有V4权重，并附加了一个草稿模块，这意味着部署无需重新训练基础模型。 工作原理 投机解码将生成过程分为两个角色：轻量级草稿模型提出候选令牌块，完整的目标模型通过单次前向传播对其进行验证。拒绝采样确保最终输出精确保持目标分布，从而实现无损加速。 DSpark的创新之处在于其所谓的半自回归生成。早期的草稿模型面临一个权衡：DFlash等并行草稿模型速度快，但在后续令牌位置接受率会下降；而Eagle3等自回归草稿模型质量高但速度慢。DSpark将强大的并行主干与一个微小的顺序马尔可夫头相结合，该头在采样每个令牌之前添加前缀依赖的偏置。顺序头仅增加每轮0.2%至1.3%的延迟，同时将接受的令牌长度提升高达30%。 置信度头估算每个草稿令牌的生存概率，硬件感知调度器根据GPU负载调整验证长度。当GPU空闲时，系统验证更多令牌；繁忙时验证更少。早停机制保证了无损性。 基准测试结果 在Qwen3和Gemma4模型上的离线基准测试显示，DSpark的接受序列比Eagle3长26%至31%，比DFlash长16%至18%。2层DSpark配置优于5层DFlash。 在DeepSeek-V4生产环境中： V4-Flash：单用户生成速度比MTP-1基线快60%至85% V4-Pro：快57%至78% 据DeepSeek称，吞吐量提升根据并发水平在51%至400%之间。 开源发布 DeepSeek发布了DSpark技术报告以及DeepSpec代码库，该代码库提供了训练和评估投机解码草稿模型的标准化工具体系。该框架已在Gemma和Qwen等开放模型上测试，表明其可应用于DeepSeek自身生态系统之外。 此次发布标志着在大模型推理成本效率方面迈出了重要一步，特别是在单用户延迟和总吞吐量至关重要的高并发生产环境中。 来源：DeepSeek Releases DSpark（MarkTechPost，2026年6月27日）；DSpark技术报告（DeepSeek）；DeepSpec GitHub（MIT许可）；36Kr分析（2026年6月27日） 婷 翻译

Nature杂志发表的一篇同行评审批评文章对Microsoft在2025年声称创建了首个拓扑量子比特的标志性成果提出质疑，指称相关证据受到代码错误和选择性数据展示的影响。 该批评文章由圣安德鲁斯大学讲师Henry Legg撰写，发表在Nature的”Matters Arising”栏目,,该杂志对已发表成果提出异议的正式渠道。文章针对Microsoft的拓扑间隙协议（TGP）展开，该协议是一个旨在消除人为偏倚并防止量子设备验证中出现误检的自动化测试。 Legg识别出两个具体的代码错误。第一个是一个硬编码过滤器，强制TGP”仅显示单个最大区域”，从而隐藏了相图中的其他结果。第二个涉及一个Python数组反转,,按索引位置而非实际物理偏置电压值进行反转，将数据以有利于预期结论的方式进行了转换。 当同行评审人员询问其他区域是否通过了协议时，Microsoft据称表示他们只调查了这样一个区域，Legg称这一说法并不正确。 TGP本应防止的正是那种曾迫使Microsoft在2018年和2021年撤回Majorana相关论文的虚假阳性结果。Legg的总体评估直言不讳：Microsoft距离一台可用的拓扑量子计算机还有”数百年而非数十年”的距离。 Microsoft并未认输。技术院士兼量子硬件企业副总裁Chetan Nayak表示：”我们坚持我们的成果和路线图。”该公司将问题定性为小错误，并指出DARPA对该项目的评估是对其成果的支持。此外，匹兹堡大学物理学家Sergey Frolov表示，原始Nature论文”可能需要被撤回”，这一判定比Legg本人更为严厉。 此次质疑标志着Microsoft的Majorana研究第三次面临严肃的科学审查，此前2018年和2021年已发生两次撤稿。 来源：A new paper argues Microsoft exaggerated its quantum claims a year ago (The Verge，2026年6月24日)；Microsoft Majorana Quantum Claim Challenged in Nature Critique (AI Weekly，2026年6月24日)

一篇新发表在arXiv上的论文证明了组合多个大语言模型以提高准确率的方法存在数学上的根本性上限，这一发现对该领域最普遍的假设之一提出了挑战。 该论文由研究员Josef Chen撰写，分析了来自21家供应商的67个前沿模型，并引入了”共失败上限（β）”这一概念：即池中每个模型都给出错误答案的查询所占比例。对于每个查询选择一个模型答案的多模型系统，无论采用何种路由、投票或级联策略，准确率都无法超过1减去β。 上限真实存在且可测量 在开放式数学基准测试中，观察到的共失败率为5.2%，这意味着在所有查询中，有5.2%的查询中全部67个模型同时出错。这设定了一个硬性上限,,任何集成技术都无法使该模型池的准确率超过94.8%。 论文发现，标准统计模型严重低估了这种共失败风险。高斯Copula模型预测β仅为2.3%，约为实际观测值的2.5分之一，90%置信区间为1.7至3.4倍。 关键在于失败的多样性，而非模型数量 核心洞见：组合模型带来的提升来自于模型在不同问题上失败，而非增加更多模型。在质量对等的情况下，低相关性异构集成优于高相关性的自我混合代理方法。但即使使用多样化的模型池，除非有强大的查询级路由信号，否则组合模型很少能超越单一最佳模型。 在执行评分代码任务（k=17个模型）中，共失败率为7.9%。在GPQA-Diamond基准测试中，当问题从多项选择转换为自由回答格式时，该比率跃升至12.7%，表明答案格式可能改变上限的位置。 实际意义 论文建议将β的Clopper-Pearson置信区间作为标准的训练前诊断工具，作为任何路由器、投票或级联可能带来最大改进的证书，在训练之前即可使用。这一发现表明，许多投资于多模型编排的AI团队可能正在追逐从结构上无法实现的改进。 该预印本尚未经过同行评审。 来源：When Does Combining Language Models Help? A Co-Failure Ceiling on Routing, Voting, and Mixture-of-Agents Across 67 Frontier Models (arXiv，2026年6月)

Apple正在对其Mac芯片路线图做出重大调整。据彭博社Mark Gurman报道，Apple将跳过下一代M6芯片的高端版本，直接转向以AI为核心的新一代M7处理器。 基础版M6处理器（内部代号Komodo）仍预计于今年晚些时候在升级版14英寸MacBook Pro中首次亮相，最高配备12个GPU核心（M5为10个）、升级的神经引擎以及约200GB/秒的内存带宽（M5为153GB/秒）。但Pro、Max和Ultra版本,,这些传统上为高端MacBook Pro、Mac mini和Mac Studio提供动力的芯片,,将被完全跳过。 取而代之的是，Apple将从2027年上半年开始转向M7系列。基础版M7（代号Delos）围绕设备端AI处理的重大进步进行设计，内存带宽约240GB/秒。M7 Pro和M7 Max芯片（统称代号Andros）预计于2027年底推出，M7 Ultra预计于2028年推出。 据Gurman的消息人士称，这一不寻常的转变使Apple得以加速推进原本计划在后期推出的技术。此举旨在满足日益增长的对设备端AI功能的需求，以及图形密集型软件的发展。 这一路线图调整也正值Apple应对行业内存短缺之际，该短缺近期迫使该公司上调了Mac和iPad全系列产品的价格。M5系列最后一款芯片M5 Ultra预计将在更新版Mac Studio中推出，配备最高36个CPU核心和80个GPU核心，预计将在M6基础芯片推出之前亮相。 来源：Apple’s most powerful Macs might be waiting until 2027 for big chip upgrades (The Verge，2026年6月26日)；Apple to Skip High-End M6 Chips, Fast-Track AI-Focused M7 Line (iClarified，2026年6月26日)