KeyFrame內部研究專用

AI WAR Just Got INSANE… OpenAI, NVIDIA, Google & China Are Moving FAST!

The AI Nexus·6月26日週五·48 min英文

三句話摘要

2026年6月AI產業十大突破:從硬體芯片到模型競賽,科技巨頭各自出招改寫AI格局。 AI產業正從軟體競爭轉向硬體堆疊與全棧控制,同時開源民主化與商業付費分化並行,未來格局將由掌握晶片設計、能力強大、成本最低的廠商主導。 硬體堆疊化:OpenAI、Microsoft、NVIDIA、Google各自開發專用芯片與硬體方案,標誌AI產業從軟體轉向垂直整合,單家廠商控制晶片到應用全棧的時代開啟。

重點整理

重點
  • 1

    硬體堆疊化:OpenAI、Microsoft、NVIDIA、Google各自開發專用芯片與硬體方案,標誌AI產業從軟體轉向垂直整合,單家廠商控制晶片到應用全棧的時代開啟。

  • 2

    開源民主化:GLM 5.2完全開源MIT授權、Cosmos 3免費釋出、NVIDIA機器人參考設計平價化($29,900),讓高能力AI從獨佔轉向大眾觸及,改變商業競爭格局。

  • 3

    能力分層策略:Anthropic透過Fable 5與受限Mythos的雙層發佈、OpenAI用DreamingChatGPT區分免費與付費層級,科技大廠採行「高權限給驗證用戶、守護版給大眾」的新標準。

實用技巧與重點

乾貨
  • 晶片與硬體
  • OpenAI Jalapeno芯片:Broadcom製造、TSMC台灣生產、9個月完成設計到製造,性能功耗比超越當今最佳晶片,2026年底部署
  • Microsoft RTX Spark:Grace CPU+Blackwell RTX GPU整合、128GB統一記憶體、1 petaflop AI效能、支援1200億參數模型與100萬token上下文、秋季2026上市(Asus、Dell、HP、Lenovo、Microsoft Surface等逾30款筆電)
  • NVIDIA Isaac GR-OOT:Unitary H2身體(6呎高、150磅、31自由度)+Sharpa觸覺手(22自由度)+Jetson Thor腦(Blackwell GPU、128GB記憶體)、$29,900售價、2026年末上市
  • AI模型基準
  • Claude Fable 5:SWE-Bench Pro 80.3% / GPT 5.5 58.6%(22點差)、Frontier Code Diamond 29.3%、Epoch AIME 2025 97%、GPQA Diamond 84%、單日完成5000萬行程式碼遷移
  • GLM 5.2:Design Arena #1排名(超越Fable 5、Opus 4.6、4.7)、1百萬token上下文、Frontier SWE 82%(Opus 4.8範圍內)、成本$1.4對比Fable 5 $10、Tailwind使用率90%+ vs Opus 48%、完全開源MIT授權
  • Microsoft MAI-Thinking-1:SWE-Bench Pro 52.8%與Opus 4.6相同、AIME 2025 97%、GPQA Diamond 84%、盲測人工偏好超Sonnet 4.6、訓練成本低於同級模型50%
  • Google Notebook LM(Gemini 3.5+Anti-gravity推理引擎):大文件分析69.9%勝率、網路研究78.2%勝率、集成100+軟體技能、輸出PDF、Excel、PowerPoint、CSV、JSON格式
  • 語言與翻譯
  • Google Gemini 3.5 Live Translate:70+語言支援、2000+語言組合、即時翻譯延遲數秒、保留說話者音色/速度/音調、Synth ID隱形浮水印、Android/iPhone已推出、Google Translate app內建
  • 機器學習
  • NVIDIA Cosmos 3:5模態整合(文字、影像、影片、聲音、動作)、預測物理世界因果、訓練資料生成加速100倍(月數→天數)、Nano與Super兩版本開源於HuggingFace、GitHub釋出訓練腳本與資料集
  • Anthropic Project Glasswing:150+組織提前測試Mythos(含Amazon、Apple、Google、Microsoft、Cisco、JP Morgan Chase),發現漏洞後才公開Fable 5
  • 應用案例
  • Grable公司:用MAI模型讀取郵件、比對規則、自動填表,1小時工作縮至數分鐘
  • IMC交易公司:Fable 5內部交易評估幾乎全數通過
  • 開發者Hassan實測:GLM 5.2與Opus 4.8相同登陸頁面,GLM成本$0.06 vs Opus $49
  • Anthropic研究員:Mythos 5加速藥物發現10倍、產生新奇科學假說(非舊論文摘要)
  • 商業與融資
  • Anthropic IPO申報:6月1日機密提交SEC、估值$965億(近兆圓)、預計10月上市、6月9日Fable 5發佈為示範效應
  • Anthropic×SpaceX協議:Colossus One數據中心租用、300+MW電力、22萬餘NVIDIA GPU、月租$12.5億、合作方案稱未來建立軌道數據中心
  • OpenAI計畫投資$1.4兆算力、月花費達14億美元(去年84億)、Jalapeno芯片為脫離Nvidia 75%利潤率的對策

結論

結論

AI產業正從軟體競爭轉向硬體堆疊與全棧控制,同時開源民主化與商業付費分化並行,未來格局將由掌握晶片設計、能力強大、成本最低的廠商主導。

完整解析

詳細

本月AI產業經歷前所未有的競爭分化與硬體整合浪潮。過去一年,OpenAI、Google、Anthropic、Microsoft等巨頭主要競爭點落在軟體模型的能力競賽。六月開始,競爭軸線轉向垂直堆疊——每家公司都在打造自己的晶片、自己的硬體、自己的完整生態。

OpenAI投入$14億年預算運營ChatGPT,其中大筆款項流向Nvidia採購GPU。這個結構孕育出Jalapeno芯片:由OpenAI設計核心架構、Broadcom負責矽工程、TSMC製造、Celestica組裝的協作成果。從首次設計到流片製造僅用9個月,打破高效能處理器開發紀錄。工程樣本已在實驗室運行GPT 5.3 Codex Spark,性能功耗表現超越現有最強晶片。這個舉動標誌軟體公司開始掌控硬體命脈,複製Apple的垂直整合模式——晶片+軟體+記憶體+網路+應用層層互優化。

與此同時,中國廠商正以成本與開源破壞市場格局。GLM 5.2由Z.AI推出,模型權重完全開放MIT授權,任何人可下載在本地運行。它在Design Arena網頁設計排名超越Fable 5,平均成本僅$1.40對比Fable 5的$10。一位開發者Hassan的實測顯示,GLM 5.2與Anthropic旗艦Opus 4.8生成相同登陸頁面,但成本差83倍($0.06 vs $49)。GLM 5.2的1百萬token上下文記憶與可調難度等級,讓它在長程任務上逼近Opus 4.8,在Frontier SWE基準僅落後1%。這種「免費開源且能力頂尖」的組合撼動了付費AI的商業邏輯。

Anthropic的Fable 5採雙層策略應對風險:公開版搭載安全守護欄,在網安、生物、化學、模型複製等高風險區域把查詢轉交舊款Opus 4.8回答;受限的Mythos 5層級只有政府與安全機構可用。工程樣本在程式碼遷移上完成5000萬行基數的單日遷移,編碼基準SWE-Bench Pro達80.3%,超越OpenAI GPT 5.5的58.6%達22點。Microsoft也推出MAI家族自主模型,領銜MAI-Thinking-1在同一基準達52.8%(與Opus 4.6並列),訓練成本低於同級50%,已整合GitHub Copilot與VS Code。這表示Copilot自此不再仰賴OpenAI大腦,三足鼎立變四足鼎立。

硬體與機器人領域,NVIDIA發佈Isaac GR-OOT人形機器人參考設計,與中國廠商Unitary合作推出H2款式($29,900售價、75自由度、觸覺手指),已獲Stanford、ETH Zurich、AI2等頭部研究機構預訂,2026年末上市。Cosmos 3世界模型則整合文字、影像、影片、聲音、動作五模態,能預測物理世界因果(杯子傾倒→水灑出),將訓練資料生成時間從數月縮至天數。RTX Spark芯片結合Grace CPU與Blackwell RTX GPU,128GB統一記憶體支援1200億參數模型本地運行,預計逾30款筆電在秋季2026上市,使AI從雲端轉向邊緣裝置。

Google則在日常使用層面推進:Gemini 3.5 Live Translate支援70+語言與2000+語言組合,即時翻譯延遲數秒並保留說話者音色,已在Android與iOS Google Translate應用上線。Notebook LM升級至Gemini 3.5搭配Anti-gravity推理引擎,新增雲端程式碼執行、100+軟體技能、多格式輸出(PDF、PowerPoint、Excel、JSON),大文件分析勝率69.9%、網路研究78.2%,成功從閱讀工具轉化為執行工具。

OpenAI推出Dreaming記憶系統替代舊有筆記本模式,後台自動重讀對話並更新用戶認知(不須手動管理),運算成本降低五倍。付費用戶記憶容量翻倍,免費用戶首次獲得完整記憶架構。公司同時公佈三大願景:建立自主AI研究員、共享AI經濟收益、人手一個個人AI。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。