KeyFrame內部研究專用

【Token日报 2026-06-08】OpenAI 推出 Lockdown Mode 防御提示词注入攻击, 特朗普政府探讨入股 OpenAI 及建立公共财富基金

Token时间·6月9日週二·3 min中文

三句話摘要

Token 日報 6 月 9 日:美國政府擬入股 OpenAI、OpenAI 推出防注入攻擊隔離模式、ChatGPT 轉型超級應用等九則 AI 產業要聞。 AI 產業的主旋律已從「誰能做得最大」轉向「誰能最快盈利」,無論是 ChatGPT 收斂產品線、Copilot 按 token 收費,還是政府考慮入股,都是這場結構性轉變的側面。 AI 產業與國家政策深度融合:美國政府正探討直接入股 OpenAI,OpenAI 也曾提議設立公共財富基金將收益分配給公民,顯示 AI 已從純商業議題升格為國家資產分配問題。

重點整理

重點
  • 1

    AI 產業與國家政策深度融合:美國政府正探討直接入股 OpenAI,OpenAI 也曾提議設立公共財富基金將收益分配給公民,顯示 AI 已從純商業議題升格為國家資產分配問題。

  • 2

    安全與開放性的取捨:OpenAI 的 Lockdown Mode 透過停用瀏覽、圖片檢索、深度研究與 Agent,以換取對 prompt injection 攻擊的防護,說明企業級敏感資料場景下功能完整性必須讓步給安全性。

  • 3

    盈利壓力重塑產業邏輯:GitHub Copilot 按 token 計費、Uber 設 AI 支出上限、OpenAI 放棄 Sora 聚焦主產品,三件事同指一個方向:AI 公司 IPO 前的盈利壓力正迫使全行業從燒錢擴張切換至成本精算模式。

  • 4

    物理 AI 基礎設施加速佈局:NVIDIA 分別與 Doosan、LG 簽署合作,涵蓋機器人 OS(Isaac + Cosmos)、家庭機器人推理(GR00T)、自動駕駛算力平台,並探索燃氣輪機與小型模組化反應堆為 AI 工廠供電,硬體生態擴張速度明顯加快。

實用技巧與重點

乾貨
  • OpenAI Lockdown Mode:停用功能包含實時網頁瀏覽、網頁圖片檢索、深度研究、Agent 模式;目標用戶:ChatGPT Business 自助帳戶及符合資格個人帳戶
  • Anthropic 故障:涉及 Opus 4.7 與 4.8 模型,Notion 停用所有 Anthropic 模型,中斷時長約 12 小時
  • GitHub Copilot:計費模式改為按 token 收費(Token 末日)
  • NVIDIA × Doosan:Doosan Robotics 整合 NVIDIA Isaac 框架 + Cosmos 模型,推進 Agentic Robot OS;探索燃氣輪機與小型模組化反應堆(SMR)供電
  • NVIDIA × LG:LG 引入 NVIDIA Isaac GR00T 模型用於家庭機器人;合作涵蓋自動駕駛計算平台、EXAONE 主權 AI 模型
  • 白宮顧問:Sriram Krishnan 6 月底離職,曾推動 AI Action Plan(優先建設數據中心)
  • OpenAI 超級應用:數週內改版 ChatGPT,整合編碼工具與 Agent,目標提升企業市場競爭力並在 IPO 前接近盈利,Sora 等支線項目暫時擱置

結論

結論

AI 產業的主旋律已從「誰能做得最大」轉向「誰能最快盈利」,無論是 ChatGPT 收斂產品線、Copilot 按 token 收費,還是政府考慮入股,都是這場結構性轉變的側面。

完整解析

詳細

6 月 9 日的 Token 日報涵蓋從國家政策到產品策略的多層次 AI 動態,核心脈絡是:AI 產業正在從「規模擴張」進入「盈利收斂」的轉折點,而政府與企業的邊界也在加速模糊。

政策面最受矚目的是美國政府探討入股 OpenAI 一事。此舉的背景是 OpenAI 早先提議設立公共財富基金,讓普通公民分享 AI 商業成功的收益。若政府真的入股,這將是科技產業與國家治理深度融合的罕見案例,也意味著 AI 不再只是矽谷的私有賽道。同期,白宮 AI 高級政策顧問 Sriram Krishnan 宣布 6 月底離職,他在任內推動了以數據中心建設為優先的 AI Action Plan;離職後他計畫在體制外繼續影響美國 AI 政策走向,顯示「旋轉門」機制在 AI 政策圈同樣活躍。

產品面,OpenAI 同步在安全與進攻兩條線上出牌。防守端推出 Lockdown Mode,針對企業中處理敏感資料的場景,透過關閉網頁瀏覽、圖片檢索、深度研究與 Agent 模式,換取對 prompt injection 攻擊的結構性防護;這一設計本質上是「功能換安全」,反映出企業客戶對資料外洩的恐懼已高於對功能完整性的需求。進攻端則是數週內將 ChatGPT 改版為整合編碼工具與 Agent 的超級應用,同時宣告放棄 Sora 等支線項目,把核心資源押注在 IPO 前的盈利衝刺上。

成本壓力蔓延至整個生態系。Microsoft 將 GitHub Copilot 改為按 token 計費,開發者群體戲稱為「Token 末日」,折射出 AI 工具從免費試用期進入真實成本核算階段的普遍現象;Uber 亦已對員工 AI 支出設置上限。這與 NVIDIA 積極擴張物理 AI 版圖的節奏形成對比:NVIDIA 分別與韓國 Doosan Group、LG Group 簽署涵蓋機器人 OS、家庭機器人推理、自動駕駛算力的合作協議,並共同探索以燃氣輪機和小型模組化反應堆為 AI 工廠供電,顯示硬體層的基礎設施投資仍在全速進行,並未受到軟體層成本壓縮的影響。此外,Anthropic 的 Opus 4.7 與 4.8 模型周末出現性能下降,導致 Notion 暫停所有 Anthropic 模型服務達 12 小時,雖事後確認屬基礎設施故障而非模型品質問題,但也再次提醒業界:對單一模型供應商的高度依賴,在故障發生時的脆弱性不可忽視。

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。