据量子位报道，英伟达 AI 服务器即将上调价格约 15%，直接原因是内存成本飙升；在工程研发端，1GW 数据中心的建设成本已激增 50 亿美元。

这是一个值得注意的信号：过去两年，AI 算力的故事是「越来越便宜，越来越好用」。但这个逻辑正在出现裂缝。HBM 供应紧张、能源成本上升、基础设施投入加大，算力需求侧的繁荣正在传导到供给侧的价格。

当服务器涨价 15%，云厂商的 GPU 租用价格迟早跟着动。 对那些靠低价 API 竞争的小公司来说，成本压力会比大厂来得更早。

一个叫 Ox Alpha 的「隐身模型」突然出现，在某些评测维度上表现出色，引发社区大量猜测，TechCrunch 专门发文追查其来源，目前仍未确认。

社区的猜测方向五花八门：有人说是某大厂的内部测试版，有人说是新创团队的首秀，也有人怀疑是 Cursor 用开源 GLM 微调的产物。量子位的技术拆解从 Tokenizer、视频编码到 API 报错信息逐一比对，发现其与智谱 GLM 系列有明显的血缘痕迹。

但更值得关注的问题是：一个匿名模型能在社区引发这种关注度，说明大家对「下一个黑马」的期待已经高度敏感。当跑分成为唯一语言，身份反而变成次要的。

TechCrunch 梳理了当前法律现状：用版权书籍训练 AI 模型的合法性在美国仍无定论，「合理使用」原则能否覆盖 AI 训练场景，各法院裁定不一。

这个问题的尴尬在于：大多数作者在不知情的情况下，已经为 AI 训练贡献了自己的作品。法律追得上去吗？大概率追不上，等判决落地，模型早已训完并商用。作者们能拿到的，可能只是事后的象征性补偿。

德国法院今年早些时候裁定 Suno 侵犯音乐版权，驳回合理使用抗辩，这给文字训练数据的版权争议提供了一个参照系。版权诉讼的浪潮正在从音乐蔓延到文字。

第二届世界人形机器人运动会在国家速滑馆「冰丝带」开幕，666 支队伍、2056 台机器人参赛，队伍数量较首届增长 138%，机器人数量翻了两番。

数字之外，有几个细节更值得关注：天工 Ultra 在百米预赛跑出 9.39 秒，低于博尔特 9.58 秒的人类世界纪录；荣耀「闪电」以 41.95 秒完成 400 米，同样破人类纪录。更重要的是，本届多项竞技赛取消人工遥控，全程全自主运行。

「全自主」这三个字才是真正的分水岭。遥控机器人跑得再快，跟真正的自主智能体之间，还隔着整个控制论的距离。

法律 AI 公司 Harvey 发布 Harvey Tenet：基于 Kimi K3 基座，用 Fireworks 进行后训练，专为长周期法律智能体任务设计，公司称 LAB 任务完成率接近翻倍。

这条新闻有两个值得关注的层面：第一，Harvey 是第一家把 Kimi K3 当基座做后训练并商用的头部法律 AI 公司，说明 Kimi 的基础能力已经获得垂直赛道认可。第二，但 MarkTechPost 的核查指出，公开可验证的独立基准数字只有一个，其余数据来自 Harvey 内部测试。

当垂直 AI 开始拿行业完成率而非通用基准说话，评测的语言就开始分裂了。

开源推理引擎 FreeToken 发布：通过将 MoE 缓存缺失在 PCIe 填充和 CPU 执行之间动态分配，实现在单张工作站 GPU 上运行 GLM-5.2（753B 参数）。

这件事的意义在于：MoE 架构的稀疏激活特性让大模型在理论上适合本地部署，但显存墙一直是拦路虎。FreeToken 用测量带宽来动态决策走 PCIe 还是 CPU，绕开了「必须把所有参数塞进显存」的假设。

当 753B 的模型能在工作站上跑，「前沿模型只能在云端」这个说法就要打问号了。

LangChain 与 Fireworks 合作，对开源模型做微调，用于从生产 trace 中自动挖掘错误信号，成本约为调用前沿模型的 1/100，性能基本持平。

这是一个典型的「够用就行」案例：Trace Judge 这类评测任务对创造力要求低，对一致性要求高，正好是微调小模型的甜区。当评测本身也能被便宜模型接管，AI 开发的每一个环节都在被降本。

世界机器人大会（WRC 2026）上，有一个展台选择了完全不同的路径：沉浸式机器人咖啡店，机器人在真实的咖啡制作场景里工作，观众坐在旁边喝咖啡。

量子位的报道把这个展台称为全场唯一「人机共生」展台，理由很简单：别人在演示机器人能做什么，这里在演示人和机器人在同一空间里怎么相处。

当机器人展台开始卖咖啡，具身智能的叙事就从「工业替代」走向了「日常共存」。 这两个方向，最终面对的是完全不同的市场和监管逻辑。

Wired 深度报道：内蒙古凭借廉价电力、充裕土地和靠近北京的地理位置，正在成为中国 AI 数据中心的核心枢纽，多家头部互联网公司和 AI 实验室已在此大规模建设算力基础设施。

这个故事有一个有趣的结构：内蒙古的煤电和风电同时在喂养同一批服务器，清洁能源的比例因地区而异。当算力的地理分布开始由能源价格决定，数据中心的选址逻辑就和半导体工厂越来越像了。

类比可以参照：这就是中国版的「爱荷华州」，AWS 和 Google 用廉价农业州电力跑东海岸的业务，中国的 AI 公司用内蒙古的电力跑全国的推理请求。

Vercel 与 Ora 联合推出免费工具 Is Agentic：输入任意公开网站 URL，系统用 118 项检查评估该网站对 AI 智能体的「可读性」，并给出评分。

这个工具的出现本身就是一个信号：当 AI 智能体开始代替人类浏览网站，网站的设计目标就不再只是「让人看懂」，还要「让 agent 看懂」。但目前大多数网站的结构、动态加载方式和登录墙，对智能体来说都是障碍。

「Agent-ready」会不会成为下一个 SEO？ Vercel 显然已经在押注这个方向。

美国初创公司 Starcloud 获得英伟达投资，正在研发 GPU 卫星，计划在地球轨道上建立太空数据中心，利用太空的自然冷却环境和太阳能降低算力运营成本。

听起来科幻，但逻辑是真实的：地面数据中心的两大成本是电力和冷却，太空里有免费的太阳能和接近绝对零度的散热环境。问题在于发射成本和延迟，目前这两个数字都还不支持大规模商用。

英伟达的投资更像是一张期权：如果太空算力在十年内成立，它不想错过。当卖卡的开始投太空，算力军备的想象力就没有边界了。