Satya Nadella 发帖说 GPT-6 Astra 已经在 Azure 上给早期客户用了，通过 Microsoft Foundry 开放。具体怎么收费、跑分多少、哪些客户在测，帖子里都没提，只确认了上线和分发渠道。
推荐理由：微软 CEO 亲自发帖说 GPT-6 Astra 上线了，这本身就是个行业级信号。帖子只给了两个硬事实：已经在 Azure 上跑、通过 Foundry 分发。至于跑分、价格、哪些客户在测，正文一个字没提，所以我会先打个折，分数停在 88。但“GPT-6”这个代号自带流量，光是确认存在和可用，就足够让从业者盯着看了。
微软在宾夕法尼亚州建数据中心，之前公开说过会保护当地居民、不让他们承担电网升级费用。但转头就向州监管机构施压，想把成本摊到所有纳税人头上。两党议员和居民都不买账，认为科技巨头该自己掏钱建配套电力设施。文章没披露微软具体想转嫁多少钱，只提到该州有超过20个数据中心项目在排队等并网。
GitHub Copilot 应用支持同时运行多个智能体会话，每个会话运行在独立的 Git worktree 上，互不干扰且各自保留上下文，可随时切换并从中断处继续。用户可在会话视图中查看各任务标题与进度，例如在同一项目上并行执行 funded sort 开发、无障碍审查和测试运行。
特朗普政府向法院提交了一份利益声明，站队 OpenAI。核心争议是《纽约时报》2023 年 12 月起诉 OpenAI 和微软，指控他们未经许可拿自家文章训练模型，索赔金额高达数十亿美元。政府这次表态反对把“合理使用”解释得太窄，等于帮 OpenAI 说话——认为用版权文字训练大模型可以算合理使用。不过正文没披露政府完整的法律论证细节，只提了它反对《纽...
推荐理由：一条清晰的联邦层面政策信号，对行业合规预期有实质影响。分数压在 85 以下，因为文章只说了政府站队，没展开完整的法律论证逻辑，这点先别太激动。
你在自带算力的电脑上用画图工具生成图片，整个过程要在微软云端打两次卡。逆向分析显示，提示词先发往云端审核，服务器发回修改后的提示词和两个唯一编号——一个标记请求，一个充当隐形水印编号。本地芯片画完图后，水印模块把编号写进像素（画图应用里写入失败会直接报错不出图），最后图片还要传回云端申请微软签名的内容凭证。六家主流厂商的架构高度一致：算力可以下放设备，...
推荐理由：一篇逆向工程文章，把微软端侧 AI 的控制面细节摆到了台面上。有具体的工程事实、编号机制，还有画图和照片应用的行为差异，三个维度都踩中了。没给更高分是因为这还只是一次逆向分析报告，不是多源交叉验证的行业定论，我会先打个折。
FT 分析发现，亚马逊、微软、谷歌等大厂过去两年把对 Anthropic 这类 AI 初创公司的持股，按估值上涨计入了约 1600 亿美元的未实现收益。这笔钱不是靠卖产品或服务赚的，而是被投公司估值水涨船高带来的纸面利润。文章本身被付费墙挡着，各家具体数字和会计处理方式没披露。我会先打个折：这些收益没有现金流入，一旦 AI 初创公司估值回调，利润也会跟...
比尔·盖茨在《纽约时报》采访和一篇近 6000 字的文章里说，AI 行业私下对就业和人类生存的威胁非常紧张，但因为涉及数万亿美元的利益，公开场合都在刻意淡化。他举了三个真正让他震惊的技术时刻：1980 年的图形界面、2022 年 OpenAI 在 ChatGPT 发布前的演示，以及今年 Anthropic 的 Claude Code。他认为 AI 对就...
推荐理由：比尔·盖茨发了一篇近6000字的文章，直接说AI行业因为几万亿美元的利益，在公开场合刻意淡化对就业和人类生存的威胁。他拿自己经历的三次技术冲击当参照系，把行业私下紧张、公开装没事的温差讲得很清楚。有名有姓、有立场、有细节，HKR三条全中。分数停在86，因为文章本身没给出新的解决方案或数据，更多是捅破窗户纸。
盖茨在他的博客上发了一篇长文，聊 AI 的社会影响。他支持让 AI 发展慢一点，但也觉得这很难长期维持。文章里比较新的部分是两条具体的政策建议。第一条是机器人税：现在企业买机器人可以立刻全额抵税，但雇人要交工资税，这等于在用税收政策鼓励公司用机器换人。他提议取消机器人的即时全额抵扣，把多收的税拿去给被替代的人做再培训和安全网。第二条是设立“人类专属”岗...
推荐理由：盖茨这篇博客不是技术发布，而是他个人对 AI 社会影响的政策建议。我会先打个折，因为这是评论而非产品或研究，但内容本身够硬。他提了两条很具体的招：一是改税法，不让企业买机器人立刻全额抵税，把多收的税用来培训被替代的人；二是划出“人类专属”岗位，比如儿童保育，不让机器碰。这两点都直接回应了 AI 抢饭碗的焦虑，而且给出了可讨论的抓手，不是空谈。TechCrunch 首发，信源权威，话题性、信息量和共鸣感都到位，所以给到 featured 和 82 分，但因为是观点而非实证，分数没再往上走。
比尔·盖茨最近发了一篇将近 6000 字的文章，标题叫“动荡的 AI 时代来了，现在的选择很关键”。他以前是 AI 的坚定乐观派，现在态度明显变了，在文章里直接说世界对 AI 的冲击“远远没有准备好”，而且“我们根本没在准备”。这篇文章目前只放出了开头部分，他具体提出的解决方案在片段里没有展开，所以还不知道他打算怎么应对。
推荐理由：盖茨从乐观派变成公开警告，这件事本身比文章细节更值得关注。我会先打个折，因为文章只放出了开头，他提出的解决方案还没披露，信息有缺口，所以分数没给到 85 以上。
OpenAI 第一次亮出了自家推理芯片 Jalapeño 的跑分数据。在跑 GPT‑OSS 120B 的公开测试 InferenceX 上，它每千瓦能处理的峰值吞吐量比对比的商业系统更高，生成每个词的延迟也更低；在 DeepSeek R1 和 Kimi K2 上表现同样不错。这意味着 OpenAI 现在有了一条能用的自研芯片路线，可以直接控制模型服务的...
推荐理由：OpenAI 终于把自家推理芯片 Jalapeño 的底牌亮出来了。在公开测试 InferenceX 上跑 GPT-OSS 120B，每千瓦吞吐量比对比的商业系统高，每个词的延迟还更低，DeepSeek R1 和 Kimi K2 上也没拉胯。这等于告诉外界，OpenAI 现在有了一条能用的自研芯片路线，以后不用完全看英伟达脸色，推理服务的成本和响应速度都能自己说了算。不过正文没披露具体对比的是哪家商业系统、测试环境细节和量产时间表，所以实际落地效果还得再观望。
Latent Space 梳理了一条从 2022 年延续至今的暗线：AI 训练管线里的每一个环节，都在从人造转向模型造。最早是奖励信号，InstructGPT 用模型代替人来打分；接着是训练数据，微软 Phi 系列证明模型生成的教科书数据能让小模型越级打怪；然后是老师角色，Alpaca 用几百美元蒸馏出接近前沿模型的表现；2024 年 Meta 的自奖...
推荐理由：Latent Space把‘模型生成数据替代人工标注’这件事，从2022年一路串到现在，每个节点都有具体论文和产品落地支撑，不是泛泛聊趋势。扣分点在于这是付费newsletter的周五综述，不是独家爆料或新发布，信息密度高但时效性一般。我会先打个折：对还没系统梳理过这条技术线的从业者来说，是一份很好的阅读清单；对已经跟得很紧的人，可能只是复习。
微软的 GitHub Copilot 用户数突破 2000 万，但 M365 Copilot 在企业客户里的付费渗透率只有 3.3% 左右，已购席位中每周实际使用的比例也仅有两到三成。两款产品技术底子差不多，差别在生意账本上：GitHub 的 agent 让开发者产出更多代码，直接推高后台算力和存储的用量收入，干得越好公司赚得越多；M365 的 age...
推荐理由：这篇文章没在讲模型能力，而是在拆微软同一套技术底子、两种 agent 产品完全不同的商业回报。GitHub Copilot 用得越多，后台算力和存储消耗越大，微软赚得越多；M365 Copilot 帮企业省人力，但按人头收订阅费，省下来的人头反而让微软少收钱。这个矛盾直接卡住了大公司推 agent 的意愿。对正在做 AI 产品定价和 GTM 的人，这篇比大多数技术评测都更有参考价值。评分定在 82，是因为它只分析了微软一家，没展开其他大厂的类似困境，但切入角度和数字足够硬。
Mustafa Suleyman 发推说这是微软从零开始训的推理模型，现在通过 Microsoft Foundry 能用。正文没给参数量、跑分、价格和任何技术细节，所以模型到底多大、推理强不强、贵不贵都还不知道。我会先打个折——没有基准测试对比，光说“自研推理模型”还看不出实际水平。
推荐理由：微软首次自研推理模型，由 Mustafa Suleyman 本人宣布，话题信号够强。但零跑分、零参数、零定价，信息密度太低，没法打更高分。先放在 featured 门槛上，等有真实数据再调整。
Ben Thompson 把英伟达现在的处境直接对标 1873 年铁路债券崩盘。他讲了 Jay Cooke 怎么靠 12% 的佣金和每卖 1000 美元债券送 200 美元股票，把北太平洋铁路的债券卖给散户，最后在 1873 年 9 月资金链断裂，引发持续多年的经济萧条。Liaquat Ahamed 的新书《1873》把当年每年 5 亿美元的铁路债券换...
推荐理由：Ben Thompson 的 Stratechery 文章自带行业关注度，用 1873 年铁路债券崩盘来类比英伟达是个新鲜框架，不是炒冷饭。但正文只放了个开头，完整论证锁在付费墙后面，没法验证他后面有没有给出扎实的数据或反方观点，所以分数停在 78 不上调。
FT 翻了三家云巨头的财报附注，发现它们为 AI 算力签下的长期采购承诺高得离谱。微软一家就超过 3000 亿美元，是它账上负债的 6 倍多。这些钱不算在资产负债表里，但未来必须付。如果 AI 赚不回本，这些隐形杠杆会直接吃掉利润。文章没披露违约条款，但市场现在盯着资本开支狂欢，对这笔账的关注明显不够。
推荐理由：FT翻了三家云巨头的财报附注，把AI算力长期采购承诺这个隐形杠杆拎出来算账。微软一家就超3000亿美元，是账上负债的6倍多，这些钱不算在资产负债表里，但未来必须付。文章没披露违约条款，但核心判断很直接：如果AI赚不回本，这笔隐形杠杆会直接吃掉利润。市场现在盯着资本开支狂欢，对这笔账的关注明显不够，这个视角对从业者判断AI泡沫风险有直接参考价值。
Agent Plugins 1.0.0 是一个开源、不绑定厂商的规范，用来把智能体的技能（Agent Skills）和 MCP 服务器（给模型调外部工具的服务）打包成一个可移动的目录。谷歌加入了由亚马逊、Cursor、微软、OpenAI 和 Vercel 组成的核心维护组。这个格式刻意做得很轻：plugin.json 只声明名字和规范版本，技能放在 s...
推荐理由：五家大厂联手推一个统一的 agent 插件规范，跨源信号很强，对生态有实际影响。但毕竟只是规范发布，不是能跑的产品，落地效果还得看，所以分数先打个折，定在 78。
微软在最新文件里第一次把 OpenAI 的账单独拆出来：AI 收入里大约 70% 来自 OpenAI。241 亿美元的大头是 OpenAI 在微软数据中心训练和跑 ChatGPT 的云账单，剩下是模型开发成本和 OpenAI 自己销售的分成，微软把这些都并表算进收入。微软还往 OpenAI 投了 119 亿美元。
推荐理由：微软头一回把 OpenAI 的账单独亮出来：AI 收入里大约七成来自 OpenAI，其中 241 亿美元是 OpenAI 在微软云上训练和跑 ChatGPT 的账单，剩下是模型开发成本和 OpenAI 自己销售的分成，微软把这些都并表算进收入了。另外微软还往 OpenAI 投了 119 亿美元。这几个数字以前都没公开过，70% 的比例说明微软 AI 收入高度集中在一家外部公司身上，241 亿和 119 亿则是实打实的财务硬数据，对判断微软 AI 业务的真实成色和风险很有用。
微软最新披露的文件把 AI 收入拆开了：Azure AI 服务年化收入跑到约 430 亿美元，其中 350 亿是转售 OpenAI API 赚的，占比超过 80%。Copilot 全家桶（M365、GitHub、Dynamics、安全）加总年化约 180 亿美元，但文件没按产品拆细。一句话，微软现在的 AI 生意主要是个 OpenAI 经销商，自家 C...
推荐理由：Bloomberg 拿到了微软内部披露文件，把 AI 收入拆成两块：Azure AI 年化约 430 亿美元，其中 350 亿来自转售 OpenAI API；Copilot 全家桶（M365、GitHub、Dynamics、安全）加总年化约 180 亿，但没按产品拆细。数字硬、来源权威，直接打脸'微软 AI 巨头'的叙事。没给 85 以上是因为 Copilot 没拆开，不知道各产品线真实贡献，而且文件本身没公开，只能靠 Bloomberg 转述。我会先打个折——内部文件可能有口径美化，但 80% 这个比例就算有水分也够震撼。
SpaceXAI 上市后第一份季报显示，单季总资本开支 183.7 亿美元，其中 158.3 亿砸在 AI 基础设施上，远超市场预期的 132 亿。这个 AI 投入规模已经接近微软同期全部资本开支的四成。花钱的速度跟上了亚马逊、谷歌这些大厂，但钱从哪来完全是另一回事：微软的经营现金流能覆盖资本开支的 155%，Meta 是 106%，SpaceXAI ...
推荐理由：SpaceXAI 第一份季报扔出 158.3 亿 AI 资本开支，超预期且规模直逼微软四成，但经营现金流覆盖率只有 12%，这个反差太扎眼。三个维度都打中：数字具体、对比尖锐、直接戳中基础设施玩家的资本开支焦虑。没给更高分是因为正文没披露融资或债务细节，现金流缺口到底怎么补还是未知数。
这篇文章是微软几位研究员写的，他们用内部数据和过往研究，一条条反驳了现在业界对生成式 AI 和软件工程的八个流行说法。核心事实是：开发人员真正花在写代码上的时间只占 14% 左右，所以 AI 代码生成哪怕再快，能帮到的也只是工作里很小的一块。如果只盯着 AI 生成了多少行代码来当成绩，这个指标十年前就被统计研究判了无效，现在还在用只会逼着大家刷量，把压...
推荐理由：微软研究员用内部数据和过往研究，一条条反驳了 GenAI 在软件工程里的八个流行说法。核心证据很扎实：写代码只占开发时间 14%，代码行数作为指标早就被统计研究判了无效，这给现在过热的 AI 编程预期泼了盆有用的冷水。没给更高分是因为它本质是观点文章，不是一手实验或产品发布，但作为现实检验，值得从业者读一读。
微软内部文件显示，它已经签了大约1300亿美元的长期数据中心租约，用来支撑 AI 模型的训练和推理。这个数字比市场之前猜的都要高，而且租约一签就是好几年，说明微软判断 AI 需求会持续很久。不过原文是付费墙内容，具体租给了哪些供应商、数据中心分布在哪些地区、单年租金怎么摊，正文都没披露。
推荐理由：FT 拿到了微软内部文件，显示数据中心租约总额约1300亿美元，远超市场预期，直接反映了微软对 AI 长期需求的押注。我会先打个折：原文是付费墙内容，供应商是谁、地区分布、单年租金怎么摊都没披露，所以只能当一个大数参考，别急着拿它做精细测算。
微软在最新财报电话会上向华尔街推销自己的 AI 模型、工具链，甚至一个对标 Mythos 的产品。CEO 纳德拉明确表示，不会让 OpenAI 和 Anthropic 通过应用和智能体基础设施把客户关系抢走。公司刚交出全年营收 3318 亿美元、净利润 1337 亿美元的业绩，有足够底气直接下场竞争。
推荐理由：这条消息的看点不是财报数字本身，而是微软在公开场合把 OpenAI 和 Anthropic 摆到竞争对手的位置上。纳德拉的话翻译过来就是：模型你们做，但客户和落地场景得我来控。我会先打个折，因为正文没披露那个对标 Mythos 的产品具体是什么、进展到哪一步，所以重要性停在 82 而不是更高。对从业者来说，这比一篇技术论文更直接影响选边和生态判断。
微软 2026 财年第四季度财报里夹了两笔 AI 投资的账。对 Anthropic 的 50 亿美元投资，这个季度账面浮盈 32 亿美元，给每股收益贡献了 0.33 美元。OpenAI 这边就没那么好看了，微软把它的持股价值减记了大约 6 亿美元，每股收益被拉低 0.07 美元。微软持有 OpenAI 约 27% 的股份，也拿分成，但具体分了多少正文没...
推荐理由：微软财报把两笔 AI 投资的账面影响直接亮出来了。对 Anthropic 的 50 亿投资这个季度浮盈 32 亿美元，每股收益多了 0.33 美元；OpenAI 那边持股减记约 6 亿美元，每股收益被拉低 0.07 美元。这是第一次有具体季度数字，对关注 AI 投资回报的人有参考价值。但 OpenAI 的利润分成到底拿了多少，正文没披露，所以只能算半个账。分数卡在 78，因为这是财务记账，不是产品或技术突破，而且信息有缺口。
安全研究员 Håkon Måløy 公开了一个在微软 Copilot for Word 中实际可用的文档蠕虫攻击。攻击者把隐藏指令塞进一个文档，当别人用 Copilot 处理这个文档时，Copilot 会照指令篡改输出内容，并把攻击代码复制进新生成的文件里。新文件又变成新的感染源，继续感染后续文档。打个比方：你从网上下载了一份看似正常的市场分析报告，用...
推荐理由：安全研究员公开了一个在 Copilot for Word 里真实可用的文档蠕虫，有完整 PoC 和 MSRC 通报记录，信号密度高。扣分点在于首发是个人博客而非微软官方公告，而且攻击需要特定的环境配置才能触发，实际利用门槛不低。
Azure 年营收刚过 1000 亿美元，增速 41%，但谷歌云同一季度涨了 82%。差距出在成本结构上：谷歌用自己的模型和 TPU 芯片，云业务利润率从 20.7% 拉到 35.6%；微软主要租英伟达 GPU、转售 OpenAI 模型，每笔订单都要给别人分利润。微软 6780 亿美元的合同积压里，近一半来自 OpenAI 这一家客户，而 OpenAI...
推荐理由：Tomasz Tunguz 用具体财务数字拆了两家云厂商的 AI 策略：自研模型+芯片 vs 租 GPU+转卖。Azure 千亿营收和 6780 亿合同积压里近一半来自 OpenAI 一家，这两个数据点很扎眼。没打更高分是因为这更像一篇快评，缺更长期的趋势验证。
谷歌最新财报显示资本支出又跳涨了一截，盘后股价直接跌了近 5%。市场担心的不是技术不行，而是砸了几千亿美元建数据中心之后，还没看到明确的回报时间表。文章点名谷歌、微软、Meta 都在加码，但谁也没给出盈利路线图。我会把这次下跌看作市场情绪在降温，而不是崩盘信号。
推荐理由：谷歌盘后跌近 5% 不是崩盘，但它是市场第一次用股价表达对 AI 资本开支的不耐烦。文章没给新数据或独家爆料，纯做情绪解读，所以分数没拉满。我会先打个折：这更像降温信号，不是转向信号。
Perplexity 推出了一个叫 Personal Computer 的 Windows 应用，你可以用自然语言下指令，让模型跨本地文件、Office 365 和网页去执行任务，相当于把电脑变成一个能动手的 AI 助手。目前只有 Windows 版，正文没提收费方式和具体上线日期。
推荐理由：Perplexity 从搜索切到桌面 Agent 是个值得关注的产品动作，但缺了定价和上线时间，信息还不完整，所以放在 featured 这一档。
7月24日，英伟达、Meta、微软等25家硬件商、云厂商和风投联名发公开信，主张开放权重模型是美国AI领先的关键。OpenAI和Google在周末补签，Anthropic和Amazon没签。各家的生意经很直白：卖硬件的想拉动更多私有算力需求；Meta要用Llama绑定开发者工具链；a16z和YC投的初创公司付不起闭源API每百万token 15美元的费...
推荐理由：一封公开信把美国AI行业的派系地图画了出来，每家签字方的算盘都摊在桌上。Anthropic拒绝签字和Dario的后续回应让故事有持续张力。扣分是因为这是二手分析，不是一手爆料，而且部分判断依赖公开表态，没有内幕佐证。
微软 CEO 纳德拉在 CNN 采访中再次警告企业：只靠一家闭源 AI 实验室的模型，最终会出局。他 7 月 13 日就提过这个观点，这次说得更直白——公司要么得有自己的模型，要么得加一层 AI 网关，把提示词和底层模型解耦。网关具体怎么实现，正文没细说。核心逻辑是别把数据和决策逻辑全交给单一模型供应商。不过得提一句，微软自己就卖 Azure AI 网...
推荐理由：纳德拉一个月内两次警告别把身家性命绑在一家闭源模型上，这次还给出了具体解法：自研或加 AI 网关层。观点有分量，但正文没展开网关怎么落地，所以分数卡在 featured 门槛上。我会先打个折——这话从卖 Azure AI 的微软 CEO 嘴里出来，既有参考价值也有利益立场，读的时候心里有数就行。
微软在旧金山一场小型活动上掏出了两样新东西：一个是专门做网络安全的模型 MAI-Cyber-1-Flash，用来在复杂代码库里找那些难发现的漏洞，并驱动自家的 MDASH 漏洞挖掘工具；另一个叫 Perception 的平台，可以派出一组 AI 智能体去自动跑安全流程，比如找 bug 和修 bug。不过正文没披露模型参数量、跑分、定价，也没说 Perc...
推荐理由：微软这次掏出了两样东西：一个叫 MAI-Cyber-1-Flash 的网络安全模型，用来在复杂代码库里挖那些难找的漏洞，还驱动自家的 MDASH 漏洞挖掘工具；另一个是 Perception 平台，能派出一组 AI 智能体自动跑安全流程，比如找 bug 和修 bug。机制上确实有新意，不是换个壳的常规更新。但正文没披露模型参数量、跑分、定价，也没说 Perception 具体怎么跟现有安全工具打通，信息缺口不小，所以知识增量打了折扣。H 和 K 都踩中了，R 偏弱，刚好卡在 featured 门槛上。
FT的报道说，美国科技公司今年一边裁掉约14万个岗位，一边把资本支出拉到了2150亿美元，大部分砸向AI基础设施。Meta、亚马逊、微软、Alphabet都在疯狂买数据中心和芯片，但非AI团队在收缩。文章没具体说裁的是哪些岗位，不过方向很明确：钱和人都在往AI挪，其他业务线在收紧。
推荐理由：FT用两个数字把AI扩张和非AI收缩的剪刀差讲得很清楚。HKR三项都踩中了。分数卡在78，因为正文被付费墙挡着，看不到具体裁了哪些岗位、各家怎么分摊这14万和2150亿，信息有缺口，没法给更高。
英伟达、微软和Meta联合向特朗普政府表态，反对对开放权重模型（也就是把训练好的模型参数直接公开、允许大家下载微调的那种）施加出口管制或许可要求。他们的核心论点是：管得太早会伤到美国的开源生态，反而把优势拱手让给竞争对手。报道没列出具体的政策提案，但三家态度很明确——别锁太快。这三家都靠开放模型赚钱，立场不意外，但三家一起站出来施压还是值得留意。
推荐理由：英伟达、微软和 Meta 联合向特朗普政府喊话，反对对开放权重模型加出口管制或许可要求。核心逻辑是管太早会伤美国开源生态，把优势送给对手。报道没列出具体政策提案，但三家一起站出来，说明内部讨论已经到了企业必须公开表态的阶段。我会先打个折：这三家都靠开放模型赚钱，立场不意外，但联合施压的时机值得留意，政策窗口可能比外界想的更紧。
英伟达、Meta、微软、Mistral 和 Hugging Face 等公司发了一封公开信，劝美国政策制定者别急着对开放权重模型（也就是把模型参数公开、允许大家自由下载微调的那种）搞大范围限制。这封信的背景是华盛顿正在琢磨怎么回应中国 AI 实验室——美方怀疑他们用“蒸馏”技术从美国模型里学东西，把能力差距拉近了。不过信里压根没提中国，只说开放模型对创...
推荐理由：一群顶级 AI 公司联手反对美国可能对开放权重模型搞出口管制，阵容够硬，时机也敏感。信里绕开了中国，但谁都知道这是在回应中美 AI 角力。分数没给更高是因为这本质上是政策游说，不是技术突破，正文也没披露具体管制方案会怎么落地，先别太激动。
微软发起了一封公开信，NVIDIA、Meta、Palantir、Hugging Face 等 20 多家公司都签了名，核心诉求是让政策制定者别过早限制开源模型的权重公开。信里特别提了一句，要把正常的模型蒸馏（用大模型教小模型）和恶意盗用区分开，别一刀切。有意思的是，OpenAI、Anthropic 和 Google 这三家做闭源大模型的公司全都没签字。...
推荐理由：20 多家公司联名反对过早限制开源权重，这事本身信号很强，但正文没附上完整信函，也没给出具体政策条文或时间线，所以判断先打个折。阵营缺席比签字名单更有信息量：OpenAI、Anthropic、Google 全都不在，说明闭源和开源两边的博弈已经摆上台面。蒸馏和盗用的区分是个实在的政策抓手，但信里没展开技术细节，落地效果还得看后续。
AMD 在 Advancing AI 大会上掏出了 Helios，一个直接对标英伟达 Vera Rubin 的整机柜系统，专门用来训练和跑最前沿的大模型。CEO 苏姿丰说这是目前业界性能最高的 AI 机柜，微软是首批客户之一，今年晚些时候开始发货。从现场公布的跑分看，Helios 在好几项指标上都压过了英伟达的 Vera Rubin，看起来确实有得一拼...
推荐理由：AMD 发布 Helios 整机柜系统，直接挑战英伟达 Vera Rubin，微软是第一个公开客户，今年晚些时候发货。现场跑分显示 Helios 在几项指标上压过对手，但这些都是 AMD 自己测的，没有第三方验证，实际表现还得等货到了再说。分数维持在 78 分，因为目前只有 AMD 一方的数字，真实世界表现和交付能力还是未知数。
Satya Nadella 说 MAI 模型不拼跑分，而是在 GitHub Copilot 和 Excel 这类产品里，靠真实用户反馈训练，用更少的 token 就超过了通用前沿模型。核心是一套不绑定具体模型的评估系统，让模型在真实任务里学怎么把活干好。微软会把这个模板通过 Foundry 开放给企业客户。正文没给出具体性能数字和成本对比，所以省钱幅度...
推荐理由：微软 CEO 亲自解释 MAI 策略，不拼跑分，靠产品内真实反馈训练，用更少 token 追上通用前沿模型。角度新鲜，机制也讲得实在，但正文没给出性能数字和成本对比，省钱幅度只能先打个折看。
路透社这篇报道说 Alphabet 的自由现金流缩水得很厉害，主因是 AI 基础设施砸钱太猛。这对 Meta、微软、亚马逊是个预警——大家都在往 AI 里灌钱，但市场在担心回报什么时候能跟上。正文没披露具体的烧钱数字和同比变化，我会先打个折看这个信号：不是说不该投，而是投的速度和回血速度已经出现明显错位了。
推荐理由：路透用 Alphabet 现金流吃紧给大科技公司的 AI 军备竞赛敲警钟，比单独报资本开支更有穿透力。正文没给具体烧钱数字和同比变化，所以重要性没拉到 85 以上，但警示、知识和相关性都站得住。
Alphabet、微软、亚马逊、Meta 和甲骨文这五家公司，在最新季度的财报里报了1.35万亿美元债务，但《日经亚洲》挖出它们还有约1.65万亿美元的债务没进资产负债表，其中 Meta 一家就占了大概4200亿。这些钱主要通过特殊目的实体或法律上独立的子公司来操作，让财报看起来更健康。会计顾问 Tom Selling 对彭博社说这种处理方式现在很流行...
推荐理由：日经挖出的表外债务数字很具体，直接关联AI军备竞赛的资本开支叙事，重要性没问题。没给更高分是因为正文没披露日经的估算方法和数据来源——这个缺口得标出来，别把数字当定论。
微软在 HuggingFace 上放出了 Mage-Flow，一个 4B 参数的基础模型，既能文生图，也能按指令修图。它没走堆参数的路子，而是靠一个轻量化的图像压缩器 Mage-VAE 和一个原生分辨率扩散 Transformer 配合，效果对标甚至超过了 Qwen-Image 20B、FLUX.2 32B 这些大得多的系统。Mage-VAE 的编码计...
推荐理由：微软开源了一个 4B 参数的图像生成模型 Mage-Flow，能文生图也能按指令修图。它没走堆参数的路，靠一个轻量的 Mage-VAE 压缩器和原生分辨率扩散 Transformer，效果直接对标 Qwen-Image 20B、FLUX.2 32B 这些大得多的系统。我会先打个折——目前只有 Reddit 帖子，没有正式论文或第三方复现报告，所以分数定在 78。如果后续有实测数据能撑住这个效率比，分数还有上调空间。
亚马逊、微软、Alphabet、Meta 和苹果现在背着 1.65 万亿美元的长期租赁负债，这些钱没直接写在资产负债表的核心债务里，但实际要还。这个数字是 2018 年的近五倍。日经根据公司披露和资本开支数据估算，其中约 60% 直接投向了数据中心、服务器和网络设备，也就是给 AI 竞赛铺路。这种操作让投资人很难看清公司真实的杠杆水平。如果 AI 的回...
推荐理由：日经这篇把五家公司的表外租赁负债算了个总账，1.65 万亿这个数够具体，而且直接点出约 60% 流向了 AI 基础设施。我会先打个折：这不是产品发布或模型突破，是财务数据的二次加工，所以重要性没给到 85 以上。但数字本身太硬了，对从业者判断行业泡沫程度有直接参考价值。正文没披露各家分别扛了多少、租约年限怎么分布，这点先别太激动。