AI快讯

曾经的天花板，说下线就下线 2024 年底，Sora 用一段段逼真实拍般的生成视频惊艳全场，一度被视为视频生成的天花板。然而到了 2026 年，剧情急转直下：Sora 的网页版、App 乃至 API，已于 4 月 26 日正式停止服务。那个曾经定义了「AI 能生成多逼真视频」的产品，悄无声息地从货架上撤了下来。这件事本身，比任何跑分都更能说明这个赛道的残酷——先发优势，在快速迭代的技术面前，并不等于市场地位。 为什么是 OpenAI 先退 Sora 的困境有普遍性：视频生成的算力成本极高，一段高清长视频的推理开销远超文本对话，而普通用户的付费意愿却没跟上。当 OpenAI 的重心转向通用 Agent 和 GPT-6 系列，一个烧钱、变现又慢的视频产品，很容易被排到优先级末位。于是出现了一个反常现象：最出名的产品，反而成了最先被战略性放弃的那个。 空出来的位置谁在接 Sora 留下的真空，迅速被更务实的玩家填补：快手可灵靠 4K 直出和影视工业化站稳脚跟，谷歌 Veo 在多模态生态里继续推进，字节 Seedance 系列主打多轨音频与广告、游戏场景，国内还有即梦、Vidu 等一堆工具在细分场景里拼刺刀。用户用脚投票，从「最有名的」转向「最好用、最划算、最能接进工作流的」。对中小创作者来说，这其实是好事：曾经被头部产品卡着的额度和接口，现在多平台比价、按效果付费，试错成本大幅下降。 关停背后是整个行业的算账方式变了 把 Sora 的谢幕放到更大的图景里看，会发现视频生成行业已经从「拼惊艳」进入「拼单位成本」的阶段。一兆像素一秒的推理要烧多少钱、能卖多少钱，成了每个团队必须算清的账。OpenAI 选择关停，本质是这门账在它的体系里暂时算不平；而可灵、Seedance 们能活下来，是因为它们找到了广告、影视、游戏这些愿意为素材付钱的垂直场景。谁先把生成成本打到客户预算之内，谁就能活过这一轮洗牌。 收束 Sora 的谢幕是一记警钟：在 AI 赛道，技术惊艳只能换来一时的掌声，真正能活下来的是把成本、场景、交付跑通的产品。视频生成的王冠已经易主——它不再属于那个最会做演示的，而属于那个最会帮人把活干完的。 去论坛讨论 关于「Sora关停」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

从一个功能，长成一个要单独上市的公司 十月初有消息称，快手旗下可灵 AI 计划最早于明年赴港上市，公司估值已突破 1200 亿元人民币。这个数字背后，是视频生成赛道第一次跑出一个可以独立支撑估值的头部玩家。可灵的打法和纯模型公司不同：它背靠快手的短视频工业体系，从一开始就瞄准「能用在生产线上」，而不只是在 Demo 里惊艳。目前它已经推出业内原生 4K 视频直出能力，能力从大众创作，一路渗透进了影视工业化流程。 真金白银的案例比榜单更有说服力 可灵放出的几个落地案例，是它敢冲上市的底气：AI 短片《纸手机》全网播放量破亿，还入围了北京国际电影节的 AIGC 单元；生成内容已经参与到好莱坞项目《大卫王朝》的制作中，完成了 AI 生成素材与真人实拍的协同。配套工具快影也上线了全套 AIGC 辅助创作功能，覆盖账号定位、智能剪辑到素材成片。这意味着它卖的不是一个 API，而是一整套「从脚本到成片」的生产管线。 视频生成的商业模式终于跑通 视频生成一度被认为「好看但难赚钱」，因为生成一段片子容易，稳定对接工业化流程、按交付标准收费很难。可灵的路径证明了一件事：只要扎进广告、影视、游戏这些愿意为素材付费的行业，按项目和产能收钱，模型公司也能长出可持续的商业闭环。1200 亿估值赌的，正是这条从玩具到生产工具的转型。 收束 可灵冲击港股，是中国 AI 应用层少有的「模型加产品加行业」三位一体的样本。对行业，它验证了视频生成不只是炫技，而是一门能进院线、能进片场的生意。对创作者，工具门槛会被继续拉低，接下来比的是谁先用它把产能放大十倍。 去论坛讨论 关于「可灵AI」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

监管框架是怎么一步步变软的 十月初，美国国会两党议员把矛头指向了白宫的 AI 安全进程。他们援引媒体报道指出：在 Google、Anthropic、OpenAI 等公司高管对草案表示反对后，政府原本设想的强制性前沿模型安全框架，被改成了自愿机制，覆盖范围也随之缩小；更有报道称，在 Meta 扎克伯格和 xAI 马斯克据报向总统表达担忧后，原本 90 天的测试窗口又被进一步压缩到 30 天，最终纳入了六月签署的行政令。议员们据此要求政府披露监管框架修改的完整过程。 这不是意识形态之争，是过程之争 值得注意的是，两党在这件事上罕见地站到了一起：共和党批评「AI 危险论」被夸大，民主党则质疑大厂影响了总统的 AI 政策。看似对立，实则共同指向同一个问题——监管制定过程对不对公众透明？当被监管的对象直接参与修改监管自己的规则，而且强制变自愿、窗口从 90 天砍到 30 天，这种「监管俘获」的嫌疑，无论左右都无法轻松接受。 对行业意味着什么 这场争论的实质，是美国选择了一条和欧盟截然不同的路：欧盟立硬法、开罚单，美国倾向自愿承诺与行业自律。短期看，自愿机制给了美国公司更快的迭代速度；长期看，它把安全责任压在了企业自觉身上，一旦出事，国会这份「我们早就追问过」的记录，很可能变成事后追责的弹药。议员们要求披露的，其实是一份「监管到底被谁影响过」的过程档案——这种透明度，恰恰是自愿模式最容易缺的东西。 收束 AI 治理的全球版图正在分裂：欧盟用法律兜底，美国靠自愿加事后追责，中国走备案与分级。对从业者，最该看懂的不是某一条具体规则，而是规则背后被游说改写的过程——今天自愿、明天可能就变成强制。把合规当成本，不如把它当长期壁垒来建。 去论坛讨论 关于「AI监管游说」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

执法从严，但规则也在做减法 就在 8 月 2 日欧盟正式开始执行 AI 法案的五天前，7 月 27 日，另一项名为「AI Omnibus」（AI 综合简化包）的法案也已在全欧盟生效。它的方向和执法看似矛盾，实则是一套组合拳：一方面对高风险场景动真格，另一方面通过行政简化给中小企业减负。欧委会的说法很直白——既要守住安全底线，也要别让合规成本压死创新，尤其要让中小企业和初创公司用得起。 到底松了什么绑 AI Omnibus 是 2025 年 11 月提出的数字综合包的一部分，核心是对原有规则做「定向简化」：给部分合规义务延长了期限，简化了小企业的行政流程，在保留对人身安全与基本权利强保护的前提下，降低了中小企业的合规负担。换句话说，欧盟意识到如果把大小公司按同一套严苛标准要求，最终只会留下几家付得起罚款的巨头，反而扼杀生态。这种「抓大放小」的思路，和很多国家监管的演进路径一致。监管沙盒（Article 57）也被进一步强调，让创新企业可以在受监管的真实环境里试跑新产品，而不必一上来就背全套合规成本。 12 月还有一道新坎 松绑并不意味着放松。作为 AI Omnibus 的一部分，被称为「禁令 9」的一项新禁止条款将在 2026 年 12 月生效。这意味着企业不能只盯着八月这一轮，还要把十二月的节点排进合规日历。监管不是一锤子买卖，而是一张逐年收紧、边修边补的时间表。 收束 欧盟的做法给全球监管上了一课：理想的 AI 治理不是一刀切，而是「对巨头严、对小企业宽、对红线零容忍」。对在欧盟运营的团队，建议直接把两个日期钉在项目排期上——8 月已执行，12 月新禁令；并持续跟踪 AI 办公室后续指南。监管这种事，临时抱佛脚最贵。 去论坛讨论 关于「AI合规松绑」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

Agent 越多，安全越像地基 9 月 28 日同一天，Anthropic 发布 Sonnet 5.5、Manus 跳到 2.0，NVIDIA 也拿出了一个看似不声不响、实则关键的动作：开放智能体安全平台（Open Agent Safety Platform）。它要做的事，是从软件层一直监控到芯片层，盯着智能体的一举一动。据介绍，已有超过一百家机构参与共建。当 Agent 从「聊天」走向「操作你的邮箱、账户、代码库」，传统只看模型输出的安全审核已经不够了——你得知道它在运行时到底访问了什么、改了什么、花了多少钱。 为什么要下沉到芯片 应用层的日志可以被 Agent 自己篡改或绕过，尤其是当它有了独立身份和自主权之后。把监控下沉到硬件和运行时，意味着安全策略由底层强制执行：模型准备调用某个高风险工具时，系统级可以直接拦截，而不是事后审计。这相当于给数字员工装上了不可绕过的门禁和监控探头。对金融、医疗、政务这类高合规场景，这种「硬隔离」比「软提示」可靠得多。平台还试图把常见的风险模式——比如越权访问数据库、异常对外转账、未经确认就发送邮件——整理成可复用的策略模板，让企业不必从零开始编写规则。 开放平台的算计 NVIDIA 把它做成开放平台而非私有产品，有两层算盘。一是卡位：Agent 安全终将成为标配，谁的监控层成为事实标准，谁就握住这一代系统的地基；二是绑定算力：安全监控跑在自家 GPU 上，等于把「安全」变成了又一个卖卡的理由。百余家机构的参与，则是在快速堆出生态，避免又变成一家公司的独角戏。 收束 Agent 越聪明、越自主，安全就越不能靠「提示它别作恶」。NVIDIA 这步棋的方向是对的：把约束写进运行时、焊在硬件里。对企业，现在评估 Agent 平台时，除了跑分和价格，务必多问一句——它的行为可观测、可拦截、可审计吗？答不上来的，迟早出事。 去论坛讨论 关于「Agent安全」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

一个 Agent 干所有事，已经不够用了 9 月中旬，Anthropic 对 Claude Code 做了上线以来最大的一次架构调整：Projects 功能回归，但形态彻底变了。每个项目里不再是一堆零散对话，而是有一个「协调者 Agent」专门负责规划和拆解，把任务分派给多个并行运行的云端子 Agent，每个子 Agent 跑在独立的 git 分支上，干完活再合并。几乎同一时间，Cursor 也上线了测试版 Projects，让一个协调者 Agent 把活分给成千个子 Agent，并能在你合上电脑后继续在云端跑上几个月。 三万个 Agent 是怎么管的 这波转变的底气，来自 Anthropic 自己的内部实践。据披露，他们内部用类似方式管理着约三万个活跃 Agent，并把这套编排技术对外开放。核心难题不是让一个 Agent 写代码，而是让一群 Agent 不打架：协调者要能发现两个子 Agent 改了同一处文件、把冲突标成合并冲突，还要能复用沉淀下来的工作流和子任务模板。这和人类软件团队的分工惊人地相似——有人拆任务，有人写模块，有人管合并，只是把「人」换成了「Agent」。 对工程师意味着什么 短期内，这不是要取代程序员，而是把程序员从「亲手写每一行」里解放出来，去做更值钱的事：定义目标、审查产出、设计验收标准。一个人带一支云端 Agent 小队，并行推进多个功能分支，正在从极客实验变成日常。风险也同步上升：代码重叠、隐性依赖、无人审查的自动合并，都可能让 bug 被批量复制。团队必须配套更严的测试门禁和人工 review 节点。一个朴素的经验是：让 Agent 写代码可以，但「合主干」这一下最好别全自动，至少要有一道人眼把关的闸门。 收束 2026 年的编程 Agent，正式从「副驾驶」进化成「外包团队」。单兵作战的时代结束了，谁先学会当好 Agent 小队的「技术经理」——拆任务、定验收、管合并——谁就能把产能放大一个数量级。 去论坛讨论 关于「编程Agent编队」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

一个 Agent，开始有了自己的联系方式 9 月 28 日，Manus 没有把更新叫作「小版本迭代」，而是定性为一次新架构，同时推出新产品 Cue。最炸的细节是：在 Cue 里，每个智能体都拥有自己的邮箱、电话号码，甚至一个钱包。这意味着 Agent 不再是依附在你账号里的一段会话，而是一个能独立对外通信、能收发邮件、能打电话、还能完成支付的数字主体。Manus 本身已跑出约一亿美元量级的年化收入，总部设在新加坡，是这波通用 Agent 潮里跑出来的少数赢家之一。 为什么「身份」是分水岭 过去的 Agent 再强，也只是「你」的延伸——它替你操作，但账号、手机号、支付手段全是你的，一旦出事责任模糊。当 Agent 有了独立邮箱和电话号码，它就能被别人联系、被流程引用、在组织里被分配权限；有了钱包，它就能独立完成下单、续费、报销这类闭环动作。这其实是把 Agent 从「工具」升级成了「数字员工」：有工号、有联系方式、有预算、有职责。 风险与边界同步到来 身份和能力的另一面是风险。一个能打电话、能花钱、能代表你对外签约的 Agent，一旦被提示注入或被诱导越权，后果是真实世界的金钱与法律责任。邮箱和电话意味着它成为社工攻击的新靶点——别人可以反过来给你的 Agent 发钓鱼邮件。钱包更需要硬约束：单笔限额、审批阈值、可疑操作人工复核，这些不是可选项，是上线前必须焊死的安全闸。否则，一个拿着钱包的数字员工，就是一个放大版的钓鱼受害者。 收束 Manus 2.0 标志着通用 Agent 从「演示惊艳」走向「职场入职」。给 Agent 发身份，是承认它将长期参与真实社会协作；而真正的课题，已经从「它能不能干活」变成「我们敢不敢让它自己去干」。接下来一年，谁能把数字员工的身份治理、权限审计做扎实，谁才配吃下这波红利。 去论坛讨论 关于「Manus2」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

推理，而不是训练，成了新战场 很长一段时间里，国产 AI 芯片的标签是「训练不行、推理凑合」。但今年三月华为正式推出搭载昇腾 950PR 的 Atlas 350 训练推理一体加速卡，外界实测其推理性能约为 NVIDIA H20 的三倍。这个数字若属实，意味着国产卡第一次在一个被广泛使用的对标产品上，拿到了明确的性能代差，而不再是「差不多能跑」。结合 DeepSeek 等模型厂商把服务栈往昇腾上迁移，国产算力的主战场正在从「追训练」转向「赢推理」。 为什么推理是更现实的突破口 训练是重资产、长周期、生态门槛极高的硬骨头；推理则是量大、分散、对性价比极度敏感的市场。当大模型调用量随着 Agent 普及而爆发，推理算力的总盘子很快会超过训练。国产芯片恰好可以在这里绕开 CUDA 的最强壁垒：推理对单卡峰值算力的追求没那么极端，更看重能效比、显存容量和单位 token 成本。谁能把每分钱的推理 token 数做高，谁就能吃下这波增量。 H20 这个对标意味深长 H20 本身就是外部管制下的特供型号，性能被刻意砍到合规线附近。拿 950PR 对标 H20 并称三倍，既是在承认「我们面对的是阉割版」，也是在宣示「即便如此，我已经够用了」。对国内大量不需要最前沿训练、只需要稳定跑推理的企业客户来说，这个性能档位配上国产供应链的可获得性，吸引力是实实在在的。 收束 昇腾 950PR 的信号很清楚：国产芯片不必在最尖端的训练战场上硬碰硬，在推理这个更大、更务实的市场里建立性价比优势，同样能长成参天大树。接下来要看的是软件栈——推理模型能否高效适配、调度能否多卡协同，这些体验细节，决定了三倍性能能不能变成三倍订单。对已经在用国产卡跑业务的团队，现在正是把工作流深度优化、把迁移经验沉淀下来的窗口期；等产能全面紧张，再临时抱佛脚就晚了。 去论坛讨论 关于「国产推理芯片」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

从概念股到业绩股 过去国产 AI 芯片常被诟病「故事很丰满、报表很骨感」，但 2026 年的数字开始不一样。寒武纪一季度营收约 28.85 亿元人民币，同比增长约 159.56%，这个增速放在任何硬件赛道都算炸裂。更值得玩味的是它的定价动作：尚未正式发布的下一代产品暂称「思元 690」，最新意向报价较两个月前上调了约两到三成。一家公司一边营收翻倍，一边给还没发布的产品涨价，背后是需求真的旺到产能不够分。 涨价的底气是缺货的订单 和华为昇腾 950DT 一样，寒武纪这轮涨价也被归因于 HBM 等关键供应紧张。但与单纯成本推动不同，它叠加了需求侧的旺盛：国内大模型训练与推理国产化率提升，智算中心集中采购，让国产加速卡从「备选」变成「必选」。当订单排到几个月后，涨价就成了筛选客户、平衡产能的自然手段。这是卖方市场的典型特征，也是国产芯片第一次真正拥有定价权。 隐忧：性能与生态的两道坎 涨价能成，前提是客户愿意为它买单，也就是性能确实追得上、软件栈确实能用。寒武纪的路线是先靠云端训练卡切入大客户，再逐步完善编译器与算子库。客观说，相比 CUDA 生态二十多年的积累，国产芯片在算子覆盖、框架适配、开发者工具上仍有差距，很多场景需要模型厂商做大量移植优化。业绩兑现是好事，但能否把这波红利转化成生态壁垒，才是三五年后的胜负手。 收束 寒武纪的报表证明，国产算力已经度过「能不能用」的阶段，进入「值多少钱」的议价期。对投资者，要盯的不只是营收增速，更是毛利率和库存周转——涨价周期里赚快钱容易，周期退潮时能不能守住生态，才见真章。对下游，则该尽早绑定成熟国产卡做适配，别等产能彻底紧张了再排队。 去论坛讨论 关于「寒武纪」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

一条被打到地板的价格曲线 今年春天，大模型 API 市场经历了一场不可逆的重构。4 月下旬，DeepSeek 宣布全系 API 降价，输入缓存命中价格直接降到首发价的十分之一；其中 V4-Pro 版本叠加限时活动，百万 tokens 输入缓存命中价低至约 0.025 元，创下全球大模型价格新低。紧接着 5 月下旬，V4-Pro 又把永久价降到原价的约四分之一；6 月初，腾讯云大幅跟降。短短十多天里两轮降价，把整个行业的定价中枢拽下了一个台阶。 这不是烧钱补贴，是结构成本 和过去「亏大钱抢用户」的补贴战不同，这一轮降价有真实的成本基础。DeepSeek-V4 采用稀疏 MoE 架构，并在注意力机制上做了新的工程优化，让单次推理激活的参数量远小于总参数量；更关键的是，它深度适配国产昇腾算力，把硬件采购与调度成本压了下来。技术优化加国产协同，构成了对手短期内难以复制的结构性优势——跟进者要追平，往往需要半年以上的架构重构。 对开发者是真红利还是陷阱 表面上看，缓存命中价打到近乎免费，意味着长文档、长对话场景的成本断崖式下降：客服机器人、代码补全、批量摘要这类高频调用，账单直接少一个数量级。但要注意两个前提：一是「缓存命中」才有地板价，未命中的输入和输出仍是正常计费；二是超低价往往伴随严格的速率限制和并发配额，做大规模服务前必须先压测吞吐。便宜的是单价，不是总账单。 收束 DeepSeek 这场降价，本质是把「智能」从奢侈品打成了水电煤。当调用一次推理便宜到可以忽略不计，应用层的想象力就被彻底打开——过去因为算不过账而不敢做的高频功能，现在都敢上线试错了。对创业公司，这是 2026 年最确定的利好；对大厂，这是必须正面接招的价格压力。 去论坛讨论 关于「DeepSeek降价」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com