https://funkygod.vip/tags/%E4%B8%AD%E5%9B%BDai/ Recent content in 中国AI on FunkyGod - 投资与AI实践笔记 https://funkygod.vip/apple-touch-icon.png https://funkygod.vip/apple-touch-icon.png Hugo -- 0.147.7 zh-cn Mon, 29 Jun 2026 21:00:00 +0800 https://funkygod.vip/2026/06/ai-daily-2026-06-29/ Mon, 29 Jun 2026 21:00:00 +0800 https://funkygod.vip/2026/06/ai-daily-2026-06-29/ <h1 id="ai前沿观察">AI前沿观察</h1> <p><strong>2026-06-29</strong></p> <hr> <h2 id="micron市值超越meta和teslaai内存短缺成就半导体新王者">Micron市值超越Meta和Tesla——AI内存短缺成就半导体新王者</h2> <p>内存芯片制造商美光（Micron）本周成为华尔街新宠。周四盘中一度短暂超越Meta和Tesla市值，周五收盘市值约<strong>1.27万亿美元</strong>，股价年内涨幅超<strong>236%</strong>。这一切的背后，是AI数据中心建设狂潮对HBM（高带宽内存）的疯狂需求。</p> <p><strong>核心事实：</strong></p> <ul> <li>Q3营收同比增长4倍至414.5亿美元，利润从18.8亿飙升至282亿美元</li> <li>与Nvidia、Anthropic等签订16份长期供应协议</li> <li>分析师预判内存短缺将持续至2027年（&quot;RAMageddon&quot;）</li> </ul> <p><strong>第一性思考：</strong> 为什么是内存而不是GPU成为瓶颈？因为GPU可以堆，但HBM的良率和产能爬坡速度决定了整条链的节奏。美光的护城河不是技术，是<strong>时间</strong>——新建一座晶圆厂需要数年，而AI需求就在眼前。这和当年石油公司的逻辑如出一辙：资源本身不是壁垒，<strong>获取资源的能力</strong>才是。</p> <hr> <h2 id="ford召回350名灰发工程师ai替代工种神话的破灭">Ford召回350名&quot;灰发&quot;工程师——AI替代工种神话的破灭</h2> <p>Ford首席运营官Kumar Galhotra本周表示，公司重新聘请了350名资深工程师（部分为前员工，部分来自供应商），原因是&quot;越来越依赖自动化质量系统，但结果令人失望&quot;。</p> <p><strong>核心事实：</strong></p> <ul> <li>硬件工程副总裁Charles Poon坦言：&quot;我们以为引入AI、输入设计要求，就能生产出高质量产品——这个想法错了&quot;</li> <li>这批工程师（内部称&quot;gray beard&quot;）负责培训年轻人和重新校准AI工具</li> <li>成效显著：保修和召回成本降低，&quot;为Ford节省了数亿美元&quot;</li> </ul> <p><strong>第一性思考：</strong> AI在<strong>规则明确</strong>的推理任务上很强，但在<strong>隐性知识</strong>（tacit knowledge）上依然拉胯。什么叫好的工艺质量？这种东西很难用数据喂给模型，需要几十年经验积累。这不是AI的bug，是AI的物理极限。Ford的教训值得所有想用AI&quot;降本增效&quot;的制造业公司深思。</p> <hr> <h2 id="google限制meta使用geminiai基础设施瓶颈的真实写照">Google限制Meta使用Gemini——AI基础设施瓶颈的真实写照</h2> <p>据Financial Times报道，Google已通知Meta及其他客户，无法满足其对Gemini算力的需求。这是AI基础设施紧张的又一个信号——<strong>即使投入了数百亿美元建数据中心，行业仍无法支撑不断膨胀的需求</strong>。</p> <p><strong>核心事实：</strong></p> <ul> <li>Meta越来越依赖Google的Gemini API满足内部需求</li> <li>Google自身也在苦苦应对算力短缺</li> <li>这一切发生在各公司&quot;砸重金&quot;建设自有基础设施的背景下</li> </ul> <p><strong>第一性思考：</strong> 第一性原理追问：算力瓶颈的物理极限在哪？答案取决于<strong>电力</strong>和<strong>芯片产能</strong>。一个100MW的数据中心需要稳定的清洁电力，这是比芯片更难解决的约束。Google的选择性断供，实际上是在用市场方式分配稀缺资源——谁付更多钱，谁先用。这和电网调度员的逻辑没什么不同。</p> <hr> <h2 id="中国zai的glm-52在网络安全场景追上mythos开源模型的新威胁">中国Z.ai的GLM-5.2在网络安全场景追上Mythos——开源模型的新威胁</h2> <p>中国Zhipu AI（Z.ai）发布开源权重模型GLM-5.2，研究者声称其在特定漏洞发现和网络安全场景中<strong>与Anthropic的Mythos持平</strong>，尽管通用能力仍有差距。</p> <p><strong>核心事实：</strong></p> <ul> <li>GLM是开源模型，任何人可在普通硬件上下载运行</li> <li>美国政府已将先进AI模型视为国家安全威胁，实施出口管制</li> <li>但开源模型的传播速度远超任何出口禁令的管控能力</li> </ul> <p><strong>第一性思考：</strong> 出口管制管得住芯片，但管不住<strong>已经在外面的模型权重</strong>。一旦权重泄露（或者像GLM这样合法发布），任何人都能微调和使用。这给美国AI监管逻辑提出了根本性挑战：管硬件有效，管软件——特别是开源软件——几乎不可能。这不是技术问题，这是<strong>物理vs信息的边界问题</strong>。</p> <hr> <h2 id="检方用chatgpt对话记录起诉火灾嫌疑人不被采纳ai隐私的法律边界">检方用ChatGPT对话记录起诉火灾嫌疑人不被采纳——AI隐私的法律边界</h2> <p>在Palisades火灾纵火案中，检方将嫌疑人的ChatGPT对话记录（包括&quot;为什么我总是这么愤怒&quot;等问题）作为证据提交。<strong>然而陪审团以10-2认定被告无罪</strong>，一位陪审员表示：&quot;我每天都和ChatGPT聊天&quot;，认为这不能说明任何问题。</p> <p><strong>核心事实：</strong></p> <ul> <li>检方认为ChatGPT对话反映了嫌疑人的心理状态</li> <li>陪审团明确拒绝了这种推断</li> <li>这是AI对话记录作为法庭证据的标志性案例</li> </ul> <p><strong>第一性思考：</strong> 这个案子的意义不在于&quot;AI能不能当证据&quot;，而在于<strong>公众如何理解AI对话的本质</strong>。陪审员的反应说明：普通人已经把AI聊天视为一种正常行为，和自言自语没有本质区别。法律体系还没有为这个新现实做好准备——什么情况下AI对话能反映真实意图？什么情况下只是用户的&quot;角色扮演&quot;？这些问题在2026年还没有答案。</p> <hr> <p><em>来源：TechCrunch、The Verge、Financial Times | 时间：2026-06-29 21:00</em></p>