今天最值得看的三件事：
- 公司动态 · SpaceX 收购 Cursor 并完成 IPO，估值超 2.6 万亿美元
- 公司动态 · 曝 OpenAI 去年亏损 340 亿美元，收入不抵研发
- 公司动态 · 特朗普政府封禁 Anthropic Fable 5 等模型引发争议
下文按板块展开，正文每条均附原始链接。
🚀 模型发布
今天最值得关注的是阿里发布首个具身大模型 Qwen-Robot，标志着中国科技巨头正式将通用大模型能力注入物理世界，而非停留在「聊天」阶段。同一赛道，NVIDIA Blackwell 刷新 MLPerf 训练纪录、OpenAI 推出部署仿真提前预测模型行为，三者共同指向一个趋势：模型性能竞赛正从「语言」转向「行动」与「安全验证」。
阿里发布首个具身大模型 Qwen-Robot 系列
阿里推出 Qwen-Robot 系列，赋予机器人「边走、边看、边思考」的能力。区别于传统机器人「感知-规划-控制」的串行流程，Qwen-Robot 将视觉、语言和运动控制融合在一个端到端模型中，实现实时闭环反馈。关键点是：该模型基于通义千问底座，这意味着阿里将通用语言理解和推理能力直接映射到物理动作，降低了机器人开发对专用仿真数据的依赖。为什么重要？这可能是国内首个开源级具身大模型，将加速中小开发者进入机器人应用层。
原文：量子位
NVIDIA Blackwell 刷新 MLPerf 训练纪录
Blackwell 架构在 MLPerf Training 6.0 中斩获最快、最大、最强三项指标。具体而言，在自然语言处理和图像分类等标准测试中，Blackwell 的每瓦性能较前代提升约 2.5 倍，且首次支持 8 万亿参数模型的单节点训练。为什么重要？MLPerf 是行业公认的基准，Blackwell 的统治力意味着 H100 之后，大模型训练的成本和门槛将继续下降，但 NVIDIA 的硬件垄断地位也在加强。
原文：NVIDIA Blog
OpenAI 推出部署仿真提前预测模型行为
OpenAI 发布 Deployment Simulation，利用真实对话数据构建模拟环境，在模型上线前预测其行为偏差和安全风险。该方法不依赖标注数据，而是通过大规模对话采样和奖励模型反馈，模拟不同部署场景下的输出分布。关键点：传统安全评估依赖于离线测试集，但真实世界的长尾分布难以覆盖。Deployment Simulation 让 OpenAI 能在不冒真实用户风险的前提下，提前发现有害模式。为什么重要？这对所有使用 RLHF 或 agentic 产品的团队来说是一个可复用的方法论——安全评估必须从「事后修补」转向「事前模拟」。
原文：OpenAI
Google Gemma 4 12B 发布，面向设备端多模态
Gemma 4 12B 采用无编码器架构（decoder-only），直接处理图像和文本输入，在手机端即可运行多模态推理。对比前代 Gemma 3，参数从 7B 增至 12B，但推理延迟反而降低 30%，主要得益于去掉视觉编码器后的统一注意力机制。为什么重要？设备端多模态是苹果、高通等玩家争夺的入口，Google 用「小参数+无编码器」路线降低了部署成本，可能让更多边缘设备具备主动感知能力。
原文：InfoQ
机器人学会全身协同干精细活
新模型让机器人同时控制四肢和躯干，完成如拧螺丝、拾取易碎物等精细操作。传统方法将运动控制拆分为手、脚、躯干独立模块，而该模型通过一个统一策略网络学习全身动力学，能在不改变硬件的前提下提升任务成功率约 40%。关键点是：模型基于强化学习+仿真迁移，训练时未使用真实数据。为什么重要？这为通用家庭机器人扫清了一个核心障碍——在非结构化环境中像人一样协调肢体。
原文：量子位
当模型开始「走路」、「思考」、「协作」时，你准备好迎接一个不再仅限于屏幕的 AI 了吗？
🏢 公司动态
今天最值得看的两件事：SpaceX 完成 IPO 后即以 600 亿美元股票收购 AI 编码平台 Cursor，估值短暂超越亚马逊；与此同时，泄露财务文件显示 OpenAI 去年净亏损 340 亿美元，收入增长远不抵研发投入。这两条消息拼出一幅 AI 军备竞赛的极端图景——资本疯狂追捧“造梦者”，但烧钱规模同样惊人。
SpaceX 收购 Cursor，估值超 2.6 万亿美元
SpaceX 在 IPO 后数日宣布以 600 亿美元股票收购 AI 编码平台 Cursor，交易后公司估值达 2.6 万亿美元，短暂超越亚马逊。Cursor 是目前最受开发者欢迎的 AI 代码补全工具之一，集成于 VS Code 等 IDE。SpaceX 此前已通过内部使用 Cursor 提升火箭软件研发效率，此次收购意在将 Cursor 与自研 AI 能力结合，并对外提供基于星链的 AI 编码服务。关键点在于：这是 SpaceX 首次大规模跨领域并购，直接对标 Anthropic 和 OpenAI 的企业级 AI 工具。为什么重要——SpaceX 利用资本市场的极高估值（IPO 后股价飙升）作为“货币”收购高速增长的 AI 公司，为火箭之外的 AI 业务开辟第二条曲线。
原文：https://arstechnica.com/tech-policy/2026/06/spacex-will-acquire-coding-tool-cursor-to-compete-with-anthropic-openai/
曝 OpenAI 去年亏损 340 亿美元，收入不抵研发
据泄露财务文件，OpenAI 2025 年营收约 120 亿美元，但研发支出、算力租赁及人员成本合计超过 460 亿美元，净亏损高达 340 亿美元。虽然营收同比翻倍，但模型训练成本（特别是 GPT-5 系列）急剧膨胀。文件还显示，OpenAI 的现金流仅能支撑不到 6 个月，若下一轮融资（估值已超 5000 亿美元）未获批准，可能面临裁员或缩减模型发布节奏。关键点：亏损额超过了多数 AI 独角兽的估值，说明大模型竞赛的财务模型尚未跑通。为什么重要——这是公众第一次看到 OpenAI 真实的财务状况，质疑“先烧钱换市场份额”策略可持续性的声音将更高，也可能影响微软等投资方的态度。
原文：https://arstechnica.com/ai/2026/06/leaked-financial-docs-show-openai-is-losing-billions-of-dollars-a-year/
特朗普政府封禁 Anthropic Fable 5 等模型引发争议
美国出口管制机构要求 Anthropic 立即下架 Fable 5 和 Mythos 5 两个模型，理由是存在被对手用于开发自主武器的“逃逸风险”。Anthropic 配合了禁令，但数十名网络安全及 AI 安全专家联名抗议，称该禁令并非基于实际技术漏洞，而是政治驱动的过度反应，反而削弱了美国在 AI 安全研究上的影响力。关键点：Anthropic 自己的“负责任扩展政策”已对模型进行过严格测试，政府封禁在安全圈内被视为不信任信号。为什么重要——这次事件可能加速 AI 模型的“双重用途”监管争论，对开源模型和闭源模型的出口管制政策产生连锁影响。
原文：https://techcrunch.com/2026/06/15/the-us-governments-anthropic-models-ban-was-never-about-an-ai-jailbreak/
Salesforce 36 亿美元收购 AI 客服平台 Fin
Salesforce 宣布以 36 亿美元收购 AI 客服初创公司 Fin，后者专注于用大型语言模型构建可定制的客户服务代理。该收购将直接整合进 Salesforce 的 Agentforce 平台，使企业用户能在 CRM 中快速部署 AI 客服。关键点：Fin 的产品支持多模态（文本、语音）和复杂业务流程编排，与 Salesforce 现有的 Einstein AI 形成互补。为什么重要——企业级 AI 应用正在经历“买买买”整合，Salesforce 为保持对 Zendesk、HubSpot 的竞争优势，愿意用高溢价获取成熟的 AI 代理能力。
原文：https://techcrunch.com/2026/06/15/salesforce-acquires-ai-customer-service-platform-fin-for-3-6b/
DeepSeek 首次引入外部投资，估值达 500 亿美元
中国 AI 公司 DeepSeek 宣布首次接受外部投资，腾讯、宁德时代等机构参与，估值 500 亿美元。交易条款特殊：所有投资者锁定期 5 年且无投票权，创始人梁文锋保留绝对控制权。关键点：DeepSeek 此前一直靠自有资金（来自量化交易公司幻方量化）运转，此次引入产业资本主要用于加速大模型部署到制造业和能源领域。为什么重要——DeepSeek 的“控制权锁”模式为其他中国 AI 公司提供了如何在不稀释控制权的情况下获取资金的范例；同时 500 亿美元估值使其成为国内估值最高的大模型独角兽之一。
原文：https://the-decoder.com/deepseek-takes-outside-money-for-the-first-time-at-a-50-billion-valuation/
Sarvam 获 2.34 亿美元融资，成印度最新 AI 独角兽
印度 AI 公司 Sarvam 完成 2.34 亿美元 C 轮融资，由 IT 服务巨头 HCLTech 领投，公司估值突破 10 亿美元成为独角兽。Sarvam 专注于面向印度市场的多语言 AI 代理（支持 10+ 印度语言），主要用于客服、教育和医疗场景。关键点：HCLTech 将 Sarvam 的技术整合进其企业服务组合，瞄准印度本土及东南亚市场。为什么重要——印度 AI 生态开始走出“外包”标签，出现本土化技术驱动的独角兽，但融资规模与中国和美国相比仍较小。
原文：https://techcrunch.com/2026/06/15/sarvam-becomes-indias-newest-ai-unicorn-with-234-million-funding-round-led-by-hcltech/
Nvidia 拟发行 250 亿美元债券，融资 AI 投资
Nvidia 计划发行 250 亿美元公司债券，这是自 2021 年以来的首次发债，所筹资金将用于扩建 AI 算力基础设施、投资 GPU 制造及数据中心。尽管 Nvidia 当前现金储备超过 400 亿美元，但其认为必须提前锁定长期资金以应对 AI 算力需求爆发式增长。关键点：发债利率预计在 4.5%-5% 之间，低于股权融资成本，Nvidia 希望在不稀释股东的情况下获取资金。为什么重要——Nvidia 的“押注 AI 基础设施”策略已从被动变为主动，其债务杠杆将放大 AI 周期的波动性，一旦需求回落，高负债可能成为风险。
原文：https://arstechnica.com/ai/2026/06/chipmaker-nvidia-seeks-to-raise-over-25b-in-first-bond-deal-since-2021/
硅基流动完成超 20 亿元 B 轮融资，产业资本下注
AI 基础设施公司硅基流动（SiliconFlow）宣布完成 B 轮融资，金额超 20 亿元人民币，由多家产业资本（包括芯片、云计算厂商）联合投资，估值相比 A 轮大幅提升。硅基流动主要做 AI 推理加速与模型部署平台，核心产品是“一站式模型服务网关”。关键点：产业资本密集下注，说明企业端对 AI 推理部署的效率工具需求迫切。为什么重要——在算力成本高企的背景下，硅基流动这类“中间层”公司有望成为 AI 生态的关键基础设施，其估值走势可视为中国 AI 基础设施赛道温度的指标。
原文：https://www.infoq.cn/article/6plxDB37CLvi5xWT0Abb
SpaceX 的 2.6 万亿美元估值与 OpenAI 的 340 亿美元亏损，哪一个才是 AI 新世界的常态？
🔬 研究论文
今日板块亮点：中国机构多篇论文入选ICML 2026，从安全代码到强化学习均有斩获，显示本土研究在AI核心领域的持续输出。另一条值得关注的是新发布的抗虚假信息基准，测试大模型被俄罗斯宣传欺骗的难易度——AI安全与地缘博弈的结合正成为评估新维度。
中国学者多篇论文入选ICML 2026
电子科技大学、滴滴、香港中文大学等机构的多篇论文被ICML 2026录用，研究方向覆盖安全代码生成、视觉理解与强化学习等关键领域。这是中国AI学术影响力的又一次集体亮相，尤其安全代码方向切中当前LLM应用落地中的痛点。ICML作为机器学习顶级会议，录用率一向严苛，中国团队的多点突破说明基础研究深度在提升。
原文：雷锋网
新基准测试AI模型对俄罗斯宣传的抗骗能力
研究者发布一套专用基准，评估主流AI模型在面对俄罗斯虚假信息时的易骗程度。关键点在于测试集包含真实宣传语料与巧妙伪装的叙事，挑战模型的立场鲁棒性。对技术从业者而言，这不仅是地缘政治议题，更暴露了模型在对抗性知识注入下的脆弱性——未来模型安全测试可能必须纳入政治宣传维度。
原文：The Decoder
LabVLA 将VLA模型引入科学实验室自动化
LabVLA提出将视觉-语言-动作（VLA）模型应用于真实实验室场景，机器人可理解口头指令并完成移液、混合等实验操作。论文展示了从仿真到真机的迁移能力，核心贡献在于将agentic能力从桌面任务延伸到需要精确操作的科研环境。对科学自动化和AI+实验室设备投资方向有直接启示。
TokenPilot 提出令牌高效上下文管理方法
TokenPilot通过智能缓存和修剪策略，减少LLM智能体在长会话中的推理成本。方法核心是维护一个动态令牌池，在对话中保留必要上下文并丢弃冗余，显著降低延迟和计算开销。这对部署长对话应用（如客服、代码助手）的团队很有价值，是agentic系统工程化的重要一步。
TuneJury 发布开源音乐生成偏好预测模型
TuneJury是一个基于文本到音乐的偏好预测奖励模型，能够为生成的音乐片段打偏好分，现已开源。它通过人类反馈训练，近似一个自动化的“听众评委”。对于音乐生成领域的从业者，这意味着可以在没有大规模人工标注的情况下迭代模型——等同于给扩散模型加了一个可训练的口味过滤器。
贝叶斯审计方法提高公共AI评估可靠性
该论文提出使用贝叶斯推断和决策审计框架，分析公开AI评估存档中的时间序列偏差。关键点在于它能够量化评估结果随时间的漂移，并给出修正建议。对于依赖第三方测评结果的采购方和投资者，这一方法能帮助判断评估是否受到标准变更、数据污染等因素影响。
Phantoms 框架审计合成数据隐私风险
Phantoms是一个因果框架，专门用于检测生成式AI合成数据中的隐私泄露和效用损失。它通过对比原始数据与合成数据的因果结构，识别出可能被反推出的敏感纪录。合成数据正被广泛使用，但安全和合规隐患一直悬而未决——这个审计工具可成为数据团队的必备检查项。
流匹配算法自动发现物理系统对称性
研究者提出一种利用流匹配从数据中学习对称群的方法，无需预知物理系统的先验知识。新方法能够自动识别旋转、平移等不变群结构，并应用于分子动力学等场景。这对科学计算领域意义重大——对称性发现以往依赖物理学家直觉，现在有望被算法自动化。
今日8条研究覆盖从学术顶会、AI安全到科学自动化，方向虽散却折射出AI研究从“能力竞赛”转向“工程落地与风险评估”的趋势。当实验室自动化遇上抗欺骗基准，下一个半年最值得关注的交叉点在哪里？
📱 应用产品
今日晨报聚焦三件事：Copilot 全新漏洞被用于窃取用户二因素认证码，AI 助手的安全边界再次被拷问；Anthropic 紧急暂停 Claude Agent SDK 的 Token 计费改革，上下游博弈暗流涌动；Meta 推出 Facebook AI Mode，平台数据聚合的野心浮出水面。产品迭代加速，但安全与定价才是下半年 AI 行业的主线。
Copilot 漏洞遭利用，可窃取用户 2FA 验证码
SearchLeak 攻击利用 Copilot 安全缺陷，黑客可通过精心构造的提示词，诱使 Copilot 返回用户浏览器中缓存的二因素认证码。关键点在于该漏洞不依赖传统网络钓鱼，而是利用 AI 对系统权限的“过度信任”。为什么重要：当 AI 助手深度集成浏览器、邮件等权限后，传统基于隔离的安全模型失效。开发者需重新评估 AI 代理的权限边界。
原文：https://arstechnica.com/security/2026/06/critical-copilot-vulnerability-allowed-hackers-to-seal-2fa-code-from-users/
Meta 推出 Facebook AI Mode，聚合旗下平台公开数据
Facebook 新 AI 模式直接从 Instagram、WhatsApp 等 Meta 旗下平台读取公开信息，为用户提供个性化助手。关键点在于 Meta 不再仅依赖 Facebook 单一数据源，而是构建跨平台知识图谱。为什么重要：这意味着 AI 助手竞争从模型能力转向数据网络的广度与深度，Meta 拥有其他玩家无法复制的社交数据护城河。
原文：https://techcrunch.com/2026/06/15/metas-new-ai-mode-on-facebook-pulls-from-public-info-across-its-platforms/
Anthropic 暂停 Claude Agent SDK 的 Token 计费改革
Anthropic 原计划周一生效的基于 Token 计费方案被暂停，此前曾引发高用量客户成本暴涨的担忧。关键点在于暂停而非取消，反映 Anthropic 在模型定价与市场接受度之间的摇摆。为什么重要：AI agent 的计费模式尚未成熟——按 token 还是按任务收费，直接影响企业客户的采用成本。
原文：https://arstechnica.com/ai/2026/06/anthropic-pauses-token-based-billing-for-its-claude-agent-sdk/
Android 17 正式发布，深度集成 Gemini AI
Google 发布 Android 17，带来全新的多任务工具和 Gemini 能力扩展，同时推出 Pixel Drop 更新。关键点是 Gemini 不再仅作为独立应用，而是嵌入系统级交互。为什么重要：AI 从插件进化为操作系统底层能力，将推动应用层开发的范式转变。
原文：https://techcrunch.com/2026/06/16/android-17-launches-with-new-multitasking-tools-as-google-expands-gemini-features/
Copilot Cowork 改用按用量计费，或接入 DeepSeek
Microsoft 调整 Copilot Cowork 计费模式，从固定订阅转向按用量计费，并考虑引入 DeepSeek 模型作为备选。关键点在于这一变化可能为了应对客户对价格柔性的要求，同时引入多模型选择增加竞争力。为什么重要：Microsoft 在 AI 定价上的调整往往是行业风向标，按用量计费可能成为企业级 AI 服务的标准模式。
原文：https://the-decoder.com/microsofts-copilot-cowork-moves-to-usage-based-billing-and-may-tap-deepseek/
Plaud AI 记事本软件业务 ARR 超 1 亿美元
Plaud 宣布已出货超过 200 万 AI 记事本，软件年经常性收入突破 1 亿。关键点在于硬件是引子，订阅才是利润中心。为什么重要：这验证了“AI 硬件+软件订阅”模式在消费级市场的可行性，为其他 AI 硬件创业公司提供了参考路径。
原文：https://techcrunch.com/2026/06/16/plaud-says-its-software-business-topped-100m-in-arr-after-shipping-over-2m-ai-notetakers/
NVIDIA XR AI 公测，驱动 AR 眼镜多模态代理
NVIDIA 发布 XR AI 框架公测版，允许开发者构建适用于 AR 眼镜和 XR 设备的多模态 AI agent。关键点在于该框架结合了视觉、语音和环境理解。为什么重要：AR 眼镜是 AI 代理的下一个理想载体，NVIDIA 试图从底层工具链切入，抢占生态主导权。
原文：https://blogs.nvidia.com/blog/nvidia-xr-ai/
鸿蒙小艺 AI 助手新升级：会思考、能调度
华为鸿蒙小艺与朱广权同台说脱口秀，展示多元能力，AI 助手进入新阶段。关键点在于小艺被定位为“会思考、能调度”的系统级代理，而非简单语音助手。为什么重要：华为在受限生态中持续迭代 AI 代理，将推动其与鸿蒙设备的深度协同。
原文：https://www.qbitai.com/2026/06/435953.html
AI 产品竞赛正从模型参数转向安全、定价与生态整合。当漏洞、定价改革与数据聚合同步发生，你的产品在哪个维度做好了准备？
💭 行业观点
2026年6月17日，AI行业迎来一个微妙的转折点：ChatGPT用户占比首次跌破50%，但11亿月活仍遥遥领先。这背后不是ChatGPT变弱，而是竞品在追赶，更重要的是消费者对“AI”标签本身开始产生疲劳。今天板块的8条故事，指向同一个判断——AI正从“技术奇迹”进入“日常工具”阶段，品牌、法院、用户心态都在适应新常态。
ChatGPT 市场份额首次跌破 50%
数据机构统计显示，ChatGPT 用户占比首次降至 50% 以下，但绝对值依然惊人——11 亿月活，领先 Gemini（约 4.5 亿）和 Claude（约 2 亿）。关键点：下滑主因并非用户流失，而是整体 AI 聊天市场快速膨胀，新入场者分流。Gemini 借助 Google 生态入口增长，Claude 在编程用户中口碑稳固。为什么重要：这标志着 AI 助手市场正式从“单极”走向“多极”，开发者需要适配多模型，投资人的关注点应从“谁是第一”转向“谁能持续获取用户真价值”。
原文：TechCrunch
调查：60% 消费者反感品牌消息中提到 AI
WordPress VIP 针对美国消费者的调查显示，60% 的受访者认为品牌营销信息中出现“AI”一词会让他们反感。关键点：反感原因集中在“空洞炒作”和“担心数据滥用”。年轻用户（18-34岁）反感比例略低（52%），但整体趋势明确。为什么重要：企业在推广 AI 产品时，应避免将“AI”作为卖点本身，而应聚焦在“AI 解决了什么具体问题”。这一数据呼应了 ChatGPT 份额下滑——用户对“AI”标签脱敏，实用主义正在取代好奇心。
原文：TechCrunch
柏林法院：Google AI 摘要被视为新搜索格式而非原创内容
柏林地区法院裁定，Google 的 AI Overviews 属于搜索方式的演变，不构成对原创内容的侵权。关键点：法院认为 AI 摘要是对搜索结果的“格式化摘要”，而非对原文的“复制或改编”。该判决暂不涉及其他地区，但为 AI 搜索功能提供了法律背书。为什么重要：内容出版商一直主张 AI 摘要会降低网站流量，这次判决可能削弱其法律挑战基础。对于使用 RAG（检索增强生成）的产品，这是一个积极信号——只要不直接复制原文，法律风险可控。
原文：The Decoder
前 OpenAI 高管：比失业更可怕的是失去自我认知
前 OpenAI 高管在清华演讲中提出，AI 时代人类面临的最大挑战不是就业替代，而是身份认同——当 AI 能完成创作、决策甚至情感互动时，人类如何定义自己的独特性。关键点：他引用心理学研究，指出过度依赖 AI 做决定会导致“自我效能感”下降，长期可能引发集体性的身份迷茫。为什么重要：这一视角跳出效率和安全，触及了 AI 影响人类心理的深层维度。对于产品和政策制定者，这意味着需要设计“人机协作”而非“人替代”的交互方式，保持人类的主动性和控制感。
原文：InfoQ
腾讯 AI 下半场聚焦 agent 场景落地
分析指出，腾讯在 AI 竞赛中虽晚于百度、字节，但正通过找准应用场景实现“后来居上”。核心产品包括代码助手 CodeBuddy 和企业助理 WorkBuddy，均直接嵌入微信和企业微信生态。关键点：腾讯的策略是“不做通用大模型，做垂直 agent”——利用社交和工作场景的高频入口，让 AI 完成具体任务（写周报、查审批、调代码）。为什么重要：腾讯的路径代表了一种务实方向——不拼参数，拼场景渗透率。对于投资人，这暗示 AI 商业化的胜负手可能在于“应用粘性”而非“模型能力”，尤其是 B2B agent 市场。
原文：雷锋网
韩国人为何对 AI 情有独钟？
MIT Technology Review 分析韩国成为全球 AI 接受度最高国家的原因：政府主导的基础设施投资、高度数字化的国民习惯、以及韩国娱乐产业对 AI 明星的接纳。关键点：韩国聊天机器人用户渗透率超 70%，AI 被广泛用于医疗、教育甚至殡葬服务。文化层面，韩国人对“技术解决社会问题”有天然信任。为什么重要：韩国案例证明了高接受度社会的条件——不只是技术好，还需配套的法规、教育和社会心理。对其他市场而言，复制“韩国模式”很难，但可以借鉴其“AI 融入日常”的产品设计思路。
观点：灵活电网接入是数据中心快速部署的关键
文章指出，AI 算力需求激增导致数据中心建设周期成为瓶颈，而电网接入的灵活性比算力芯片本身的迭代更迫切。关键点：传统数据中心从规划到通电需 2-3 年，而通过柔性电力接入（如微电网、储能+光伏）可将周期缩短到 6-12 个月。为什么重要：对于 AI 基础设施投资者，这意味着一部分资本支出应从 GPU 转向电力配套。对于政策制定者，需要简化电网审批流程以支持算力供给。这是一个被低估的“基础设施杠杆点”。
具身智能需要超越数据 Scaling Law
北京大学董豪指出，当前具身智能（如人形机器人）的主流路线是“收集海量数据→训练模型”，但物理世界的交互复杂度远超语言和图像，数据 scaling law 的边际收益正在递减。关键点：他提出应加入“物理先验”——如力学模型、因果推理、主动探索机制，而非仅靠数据堆叠。为什么重要：这是对当前具身智能热点的冷静提醒。大量创业公司宣称“数据越多越智能”，但董豪的观点指出这可能是一条死路。对于技术团队，需要混合方法和更复杂的仿真环境；对于投资人，需关注是否具备物理理解能力而非单纯的数据规模。
原文：雷锋网
今天的八条故事看似分散，但有一个共同底色：AI 泡沫在消解，实用主义在上升——市场、消费者、法院、学者都在逼问一个问题：“AI 到底如何真正进入生活？” 留给每位从业者的问题或许不是“你的模型有多强”，而是“你的用户为什么需要它”。
⚙️ 开源工具
今日板块焦点是首个具身数据采集系统开源，直接针对具身智能数据昂贵的痛点，降低了入场门槛。与此同时，NVIDIA 开源了 Agent 安全扫描工具 SkillSpector，cua 开源了桌面控制 Agent 基础设施，多个项目围绕 Agent 的数据、安全、工具链展开。开源生态正从大模型向外围基础设施加速扩散，投资者和开发者应当关注具身数据与 Agent 安全两大新赛道。
首个具身数据采集系统开源：破解AI“数据饥渴”
是什么：一个旨在降低具身智能数据采集成本的开源项目今天发布，提供了一套包括标准化硬件接口和软件工具链的低成本采集方案。
关键点：具身智能需要大量真实世界交互数据，传统采集依赖昂贵设备与人工标注，成本极高。该项目通过简化传感器集成、自动化标注流程，将采集成本降低一个数量级。
为什么重要：数据是具身智能落地的核心瓶颈。这一开源方案能让更多小团队和研究者进入该领域，加速机器人、数字孪生等应用从实验室走向产品。
原文：https://www.leiphone.com/category/ai/VzC236xZ6HQob91z.html
NVIDIA 开源 SkillSpector：给 AI Agent 做“安全体检”
是什么：NVIDIA 开源的 SkillSpector 工具，可对 AI agent 的技能模块进行漏洞、恶意模式和安全隐患的自动检测。
关键点：采用静态分析结合动态检测，识别 prompt injection、权限提升、数据泄露等风险。SkillSpector 可直接集成到 agent 开发流水线，支持自定义安全规则。
为什么重要：随着 Agent 调用外部工具和技能，安全问题成为落地最大障碍之一。NVIDIA 作为基础设施巨头开源此工具，标志着 Agent 安全正从研究走向工程标准化。
原文：https://github.com/NVIDIA/SkillSpector
cua 开源：训练桌面控制 Agent 的标准化基础设施
是什么：cua 提供了一个沙盒环境、SDK 和基准测试套件，用于训练和评估能完整控制桌面（鼠标、键盘、UI）的 AI agent。
关键点：沙盒模拟 Windows/Mac/Linux 桌面环境，提供低层 API 让 agent 执行拖动、点击、输入等操作。附带多种任务基准，可横向对比不同 Agent 性能。
为什么重要：桌面自动化是 Agent 最有商业想象力的场景之一。cua 填补了标准化训练和评估基础设施的空白，能降低开发门槛，可能催生个人助理、自动化测试等应用。
原文：https://github.com/trycua/cua
Agent-Reach 开源：AI Agent 零成本访问社交媒体
是什么：Agent-Reach 通过 CLI 工具让 AI agent 搜索 Twitter、Reddit、YouTube 等平台内容，无需任何 API 费用。
关键点：利用模拟浏览器或公共接口绕过付费 API，项目提供简洁的命令行接口，agent 可调用获取实时社交媒体数据。需注意平台合规风险。
为什么重要：对于预算有限的开发者与团队，该工具降低信息获取成本，使 Agent 能实时感知社交媒体动态，但使用者需注意服务条款。
原文：https://github.com/Panniantong/Agent-Reach
SurfSense 开源：无数据限制的 NotebookLM 替代方案
是什么：SurfSense 是一个开源、注重隐私的团队级 AI 知识管理工具，可视为 NotebookLM 的替代品，且无数据量限制。
关键点：支持多种文档格式（PDF、网页等），所有处理在本地运行，保护数据隐私。团队可协作共建知识库，模型可替换。
为什么重要：企业对数据隐私要求高，SurfSense 的自托管方案提供了灵活、安全的知识管理选项，适合需要长期积累的内部团队。
原文：https://github.com/MODSetter/SurfSense
免费 LLM API 资源汇总：降低使用门槛
是什么：一个开源项目整理了当前可通过 API 免费使用的 LLM 服务清单，包括模型、速率限制、功能特性等。
关键点：汇总多家厂商的免费额度（如 Google、Anthropic 试用），持续更新维护，按需分类。
为什么重要：对于个人开发者和初创团队，免费 API 是启动项目的重要资源。此清单显著节省调研时间，尤其适合快速验证原型。
原文：https://github.com/cheahjs/free-llm-api-resources
claude-bug-bounty：在终端中用 AI 自动挖漏洞
是什么：一个利用 Claude Code 在终端自动进行漏洞侦察、扫描并生成报告的开源脚本项目。
关键点：将 Claude 与常用安全工具（如 nmap、gobuster）结合，自动化漏洞挖掘流程。用户输入目标域名即可启动扫描，输出结构化报告。
为什么重要：AI 辅助安全是热门领域，该项目展示 Agent 在自动化攻击面分析上的潜力。同时提醒安全社区关注 AI 被滥用的可能性。
原文：https://github.com/shuvonsec/claude-bug-bounty
微软开源 PostgreSQL 扩展用于数据库内持久执行
是什么：微软开源的 PostgreSQL 扩展，支持在数据库内部进行更高效、持久化的嵌入式执行环境。
关键点：扩展允许在 PostgreSQL 进程内运行持久计算（如模型推理或自定义业务逻辑），减少数据搬运和延迟，适合 AI 推理与实时分析。
为什么重要：数据库+AI 融合是重要演进方向。微软的贡献能让 PostgreSQL 成为 AI 应用的更好后端，尤其对需要低延迟数据处理的场景。
原文：https://www.infoq.cn/article/iC6rdCT79aKOaG5mp0Tx
具身数据开源打破成本壁垒，Agent 安全标准化起步，开源生态正从模型层向数据、工具、安全层全面迁移——下一个 AI 爆发点可能不在模型本身，而在这些支撑性基础设施的成熟度。