AI 情报日报

NVIDIA 在 AI Infra Summit 上展示了 Vera Rubin 架构与 DSX 平台的最新进展，核心论点只有一个：衡量 AI 算力的单位应该从「每瓦特数」换成「每瓦 Token 数」。

这个指标的转换不是文字游戏。传统数据中心的 PUE（电能使用效率）衡量的是基础设施损耗，而「每瓦 Token 数」直接把业务产出量和能耗绑在一起，迫使运营方把优化重心从冷却效率移向推理吞吐量。

NVIDIA 副总裁 Ian Buck 在峰会上演示了一个真实案例：在硅谷夏季高峰用电时段，AI 工厂收到电网信号后自动降低非关键推理负载，在不中断核心业务的前提下削减了峰值功耗。这套需求响应机制将是未来大规模 AI 部署的标配。

但问题在于，这套效率叙事的前提是算力规模仍在持续扩张。更高效的 Token 生产，并不会减少总体能源消耗，只会让扩张的速度更快。

Meta 推出 Meta One 订阅计划，将旗下 Facebook、Instagram、WhatsApp 的高级功能与 AI 工具访问权限捆绑销售。

这是 Meta 第一次把「AI 使用权」作为付费产品的核心卖点，而不是附赠福利。订阅用户可以获得更高额度的 Meta AI 调用量、跨平台的 AI 创作工具，以及广告减少的浏览体验。

同一天，Meta 还发布了 WhatsApp Business MCP 服务器，允许开发者用 Claude、Cursor、Codex、ChatGPT 等 AI 编程智能体直接处理 WhatsApp Business 的配置和消息模板设置，把原本需要人工操作的繁琐流程自动化。

两件事放在一起看，Meta 的策略很清晰：对 C 端用户卖订阅，对 B 端开发者开放工具链，用两条腿同时走 AI 商业化这条路。

TechCrunch 援引最新能源预测报告：如果 AI 算力扩张按当前速度持续，美国数据中心到 2035 年消耗的天然气将超过德国和日本合计用量，成为全球最大天然气消费方之一。

这个数字的背景是：美国目前数据中心的电力消耗已占全国总用电量的约 4%，而这个比例在 AI 热潮驱动下正以每年两位数的速度增长。天然气是当前数据中心备用电力和直接供电的主要来源之一。

在工程研发端，费城的案例显示社区层面的抵制已经具体化。当地官员提议在一个本已承受重工业污染的社区附近建设新的数据中心，引发了居民的强烈反对。这不是第一次，类似的冲突在弗吉尼亚、德克萨斯的数据中心密集区已经发酵多年。

AI 的能源账单，正从抽象的统计数字变成具体社区的生活质量问题。

Agility Robotics 发布新一代 Digit 人形机器人，核心更新是一套主动安全行为系统：当机器人检测到人类同事进入危险距离时，会自动停止动作并下蹲，将自身重心降低以减少碰撞伤害风险。

这意味着 Digit 可以开始在没有物理隔离笼和安全屏障的环境中与人类并肩工作。此前，工业机器人要么被关在笼子里，要么需要人类退出作业区域，真正意义上的混合工作空间从未成为主流。

但，「主动蹲下」是一个防御性行为，而不是预测性行为。机器人还不能预判人类的移动意图，只能在感知到危险后被动响应。这个区别在高速流水线场景中可能仍然致命。人机协作的安全问题，靠单一行为规则解决不了。

无问芯穹联合清华大学、上海交通大学正式开源具身端侧推理引擎 APXInf，在 Pi 0.5 基准测试中达到当前最优性能（SOTA）。

APXInf 解决的是一个具体但关键的工程问题：具身智能机器人在边缘设备上运行推理时，如何在算力受限的条件下保持足够低的延迟和足够高的精度。这个问题在云端推理时不存在，但机器人一旦离开网络覆盖区域，或者需要毫秒级响应时，端侧推理就成了唯一选项。

开源的意义在于把这个能力的门槛拉低。此前各家机器人公司各自为政，端侧推理方案高度私有化。APXInf 的出现，给了中小团队一个可以直接评估和复用的基线。

The Pragmatic Engineer 发布深度报道，详细拆解了 OpenAI Codex 如何在内部演变成一个「软件工厂」：工程师不再逐行写代码，并且用 Codex 管理大量并行运行的智能体任务，每天处理超过十亿次代码相关操作。

报道揭示了几个真实的工程挑战：智能体任务的调度和优先级管理比传统 CI/CD 复杂得多；代码审查流程需要重新设计，因为人类工程师现在审查的是智能体产出而不是同事的代码；测试覆盖率的定义也在发生变化，因为智能体会生成大量此前没有人写过的边缘情况测试。

这份报道的价值不在于证明 AI 编程有多厉害，而在于它诚实地描述了当一个组织真正把 AI 智能体嵌入核心工程流程后，原有的工程文化和工具链需要承受多大的重构压力。

智象未来（HiDream.ai）正式发布 HiDream-O1-Video-1.0，这是其首个原生全模态视频生成模型，核心差异化点是「物理规律导向」：模型在生成视频时会主动约束画面中的物理一致性，而不是单纯做像素插值。

量子位报道称该模型已进入全球 AI 视频榜单第一梯队。物理规律导向的具体表现包括：液体流动符合重力方向、刚体碰撞有合理的形变和反弹、光影随场景几何变化而更新。

这个方向的意义在于，视频生成的竞争正在从「画面好不好看」转向「物理对不对」。对于需要生成产品演示、科学可视化、工业仿真视频的专业用户来说，物理一致性比美观度更重要。

分子之心发布新的 AI 分子动力学模拟方案，实现了在单张 GPU 上对 10 万个原子的系统进行高精度模拟，并将化学反应过程可视化为连续视频帧。

分子模拟领域长期存在一个「不可能三角」：速度快、精度高、规模大，三者最多同时满足两个。传统量子化学方法精度高但规模极小，经典分子动力学规模大但精度有限，AI 势函数方法试图突破这个边界。

10 万原子的规模对于药物分子设计、材料科学、蛋白质折叠研究都有直接意义。更重要的是，把模拟结果「拍成电影」的可视化方式，让非专业用户也能直观理解化学反应的动态过程，这对科学传播和教育场景有额外价值。

曼哈顿地区检察官办公室查封了 12 个 专门制作名人 Deepfake 内容的网站，这些网站合计针对了数百名公众人物，是迄今为止针对有害深度造假内容最大规模的单次执法行动。

在工程研发端，Wired 的另一项调查显示，欧洲 22 个国家 超过 100 名 政界人士出现在性暗示 Deepfake 网站上，受害者中几乎全部是女性。这两份报道放在一起，描绘出一个 Deepfake 滥用已经从娱乐领域蔓延到政治骚扰的完整图景。

执法行动的意义在于证明法律手段可以落地，而不只是停留在道德谴责层面。但查封 12 个网站并不能解决问题，只要制作工具仍然开放，新站点的生成速度远快于执法响应速度。

DeepSeek 正式确认首席财务官人选：严文韬，1991 年生，此前为高瓴创投合伙人，投资履历覆盖智谱 AI、MiniMax 等国内头部大模型公司。

DeepSeek 此前以极度低调的运营风格著称，几乎没有公开的商业化团队，CFO 的到位是一个明确的信号：这家公司正在从纯技术研究机构向有商业意图的组织转型。

严文韬的高瓴背景意味着他对 AI 投资逻辑和商业化路径都有一手经验。但 DeepSeek 的商业化路径至今仍不清晰，API 收费、企业授权还是其他模式，CFO 的第一个真正考验是帮公司想清楚这个问题。

MIT Technology Review 发布深度分析，援引沃顿商学院金融学教授 Jessica Wachter 的研究框架，评估 AI 基础设施投资热潮的风险结构。

核心争议点在于：当前 AI 基础设施的投资规模已经超过了可验证的短期回报预期，数据中心、芯片、电力基础设施的建设周期是 5 至 10 年，而 AI 应用的商业化验证周期远短于此。如果 AI 能力增长在未来 2 至 3 年内出现停滞，大量已经开工的基础设施将面临资产搁浅风险。

另一种视角认为，即使 AI 本身的能力增速放缓，数据中心和电力基础设施的需求仍然会被其他数字化需求填满，基础设施本身不会白建。这个争论没有简单答案，但它决定了未来几年资本市场对 AI 相关资产的定价逻辑。

今天的新闻有一条隐藏的主线：AI 的代价正在从抽象变得具体。数据中心的天然气消耗不再只是统计报告里的数字，它开始出现在费城某个社区的规划听证会上。Gemini 3.8 Live 的发布让语音 AI 更好用了，但背后是更多的算力、更多的能耗、更多的基础设施压力。Meta One 的订阅模式把 AI 使用权变成了月费商品，这是商业化成熟的标志，也是普通用户开始为 AI 买单的起点。

语音推理进了生产，实时对话不再只是演示。
每瓦 Token 数，算力效率的新语言正在被写进合同。
机器人学会蹲下，人机边界第一次有了物理动作的定义。
深度造假网站被查封，12 个，但制作工具还在。
而那个万亿美元的基础设施豪赌，没人知道谁会笑到最后。