2026年5月26日 · 星期二
📡 5月25日 AI 精选新闻 · 10条据报道，苹果为改造下一代Siri，正使用一个定制版、参数规模达1.2T的Google大模型作为其核心，这显著大于预估约300B参数的Gemini 3.5 Flash。该模型将驱动Siri的部分功能，其中简单查询预期会在本地设备运行。苹果面临的关键挑战是确保该大模型能够足够快速地响应日常问题。此外，下个月AI领域预计将有多项重要发布，包括WWDC上的Apple Intelligence与Gemini整合、GPT-5.6、可能的Sonnet 4.8/Opus 4.8，以及已确认的Gemini 3.5 Pro。
苹果与谷歌的AI合作正比外界预想的更加深入。1.2T参数的定制模型远超标准的Gemini方案，说明苹果对于Siri的"AI原生"改造工程远不止简单的API接入。选择谷歌而非自研大模型既务实也无奈——苹果在基础大模型领域的积累相较于OpenAI和谷歌仍有明显差距。值得关注的是，苹果将部分推理任务放在本地设备运行，这意味着其下一代A系列/M系列芯片的神经网络引擎需大幅升级。对于整个AI行业而言，苹果的入局将加速消费级AI应用的渗透，同时也进一步巩固了谷歌在AI基础设施领域的核心地位。下个月的WWDC将是见证这场变革的关键节点。
Grok Build 现已面向所有 SuperGrok 和 X Premium+ 用户推出 Beta 版。使用 Plan Mode，通过 Imagine 创建图像和视频，并使用 CLI 构建自动化或编排器。这标志着xAI在AI Agent开发平台上的重要布局，将Grok从对话助手扩展为全能型的AI开发与创作工具。
xAI正加速追赶AI Agent平台的浪潮。Grok Build的推出直接对标OpenAI的Codex和Anthropic的Claude Code，其核心差异在于深度整合了X（推特）生态。Plan Mode + CLI + Imagine三位一体的设计暗示了xAI的战略方向：不仅要做一个对话助手，更要成为用户的"AI工程部"。对于SuperGrok用户而言，这是从消费者到生产者的身份跃迁。值得注意的是，xAI选择在埃隆·马斯克持续强调"AI安全"的背景下推出这一平台，如何在开放性和安全性之间取得平衡，将是其面临的关键考验。
通义千问Qwen3.7-Max正式上线隐式缓存功能，自动启用、无需设置。该功能可大幅降低API调用延迟和成本，提升推理效率。对于需要更高命中率的场景，还可使用显式缓存进一步优化。此举显著降低了大规模AI应用的部署门槛。
隐式缓存是当前AI推理基础设施中最重要的隐形成本优化手段之一。Qwen3.7-Max自动启用缓存的"无感"设计符合AI普惠化的趋势——降低开发者使用门槛，让优化发生在引擎内部而不暴露给用户。从商业角度看，这一功能将显著提升阿里云在AI推理市场的竞争力，尤其是对价格敏感的中小企业开发者而言。与DeepSeek此前大幅降价、OpenAI的Prompt Caching策略一样，缓存优化正在成为大模型API的标配能力。隐式+显式的双层缓存架构也为后续更复杂的推理优化留下了空间。
Luma AI推出Agents功能，实现规模化真实UGC广告生成。用户只需定义简报、设定风格，Luma Agents即可自动构建UGC风格的广告视频。这标志着AI视频生成从"生成内容"迈入"Agent化生产"阶段，传统广告制作流程正被AI Agent流水线彻底重构。
Luma Agents精准切中了AI视频领域最具商业价值的场景——UGC广告生成。品牌方长期面临"真实性"与"规模化"的矛盾：真实UGC内容可信但不可控，专业广告制作可控但缺乏真实感。Luma用Agent化的工作流完美拆解了这个矛盾：Agent理解品牌简报→自动匹配视觉风格→批量生成差异化UGC风格视频。这意味着广告行业的生产范式正在发生根本性转变——从"创意人主导+AI辅助"走向"AI Agent主导+人类审核"。对于SMB（中小企业）市场来说，这将是一次巨大的效率革命。
华为何庭波在ISCAS 2026上提出"韬定律"，并介绍逻辑折叠（LogicFolding）技术。该技术通过三维空间拓扑重组提升芯片性能，不依赖新光刻工艺。在麒麟2026芯片测试中，晶体管密度从155 MTr/mm²提升至238 MTr/mm²，性能核心能效提升41%，最大时钟频率提升近13%。论文显示麒麟2027芯片已进入Silicon状态，后续规划包括麒麟2028、2029。AI芯片方面，昇腾990计划在2030年左右引入逻辑折叠。
华为何庭波提出的"韬定律"可能是近年来中国半导体领域最重要的技术突破之一。其核心价值在于：不依赖先进光刻工艺，通过三维空间拓扑重组（LogicFolding）实现晶体管的等效密度提升和性能跃迁。这在当前中美科技博弈、中国获取先进EUV光刻机受限的大背景下，具有特殊的战略意义。麒麟2026芯片实测晶体管密度从155提升至238 MTr/mm²，能效提升41%，性能提升13%，这些数据若属实，意味着华为找到了一条绕过"摩尔定律天花板"的可行路径。更值得关注的是，昇腾AI芯片计划在2030年引入此技术，届时国产AI算力基础设施可能迎来质的飞跃。当然，从论文到量产存在巨大的工程化挑战，需要持续跟踪验证。
ModelBest（面壁智能）、清华大学与OpenBMB社区联合发布了BitCPM-CANN，这是全球首个完全基于华为昇腾910B NPU训练的开源1.58比特三元大模型。其核心创新在于采用仅含三种权重状态的极低比特量化技术，使模型内存占用相比BF16精度降低约16倍。该模型证明了国产AI芯片生态在端侧大模型训练上的可行性，标志着昇腾生态从推理向训练的重要跨越。
BitCPM-CANN的发布具有三层重要意义。第一层是技术突破：1.58-bit量化将模型内存占用压缩至传统BF16的1/16，使大模型真正可运行在端侧设备上，这对AI手机的本地推理、物联网设备的AI能力升级意义深远。第二层是生态突破：这是首个完全基于华为昇腾910B完成训练流程的开源模型，证明昇腾生态已具备从训练到推理的全链路能力，虽然生态成熟度仍不及CUDA，但"0到1"的突破往往最为关键。第三层是战略意义：在中美科技脱钩风险加剧的背景下，国产AI芯片+国产大模型+开源的全栈组合，为国内AI产业的自主可控提供了一个真实可信的样本。
OpenAI联合创始人Greg Brockman发布了一个结构化的提示词框架，用于指导Codex自动分析其历史记录以识别并固化重复工作流。该框架要求Codex回顾会话、Memories等数据，找出重复、耗时且有明确复用价值的任务。最终，Codex应以"技能"、子智能体或自动化工具等最小实用形式创建或扩展现有资产，避免冗余。
Greg Brockman的这一框架揭示了AI编程助手的下一个进化方向——从"被动执行指令"到"主动发现优化空间"。这实质上是将软件开发中的"重构"和"自动化"思维注入到AI Agent的自我进化机制中。关键洞察在于：Codex被要求分析自身的历史会话记录，找出重复模式并固化，这意味着AI Agent首次具备了"元学习"（meta-learning）能力——它不只是完成任务，还在任务过程中学习如何更好地完成任务。长期来看，这种自我优化的能力可能比单次任务完成质量更具价值，因为它让AI Agent具备了持续进化的能力，而无需依赖外部开发者的持续优化。
Hugging Face发布博文，旨在厘清AI智能体领域中易混淆的关键术语。文章指出模型（如Claude、GPT）本身是无记忆、无循环的大语言模型。其行为由"Scaffolding"（行为定义层，如系统提示、工具描述）塑造，而"Harness"（执行层）负责调用模型、处理工具调用与控制循环，是智能体运行的核心。两者结合，模型才能成为智能体。
这篇来自Hugging Face的术语辨析看似基础，实则切中了当前AI Agent生态的"命门"。在Claude Code、Codex、Cursor等AI编程工具快速迭代的今天，"Agent"这个词被过度泛化，导致开发者在选择技术栈时面临严重的认知混乱。文章提出的Agent = Model + Scaffolding + Harness的三层模型非常清晰：模型提供智能内核，Scaffolding定义行为边界（通过系统提示、工具描述），Harness负责执行环境（循环、工具调用、上下文管理）。这三层分离的设计理念，正是MCP（Model Context Protocol）、A2A（Agent-to-Agent）等行业标准试图解决的问题。对于开发者而言，理解这种分层架构比追逐某个具体工具更重要——因为工具会变，架构思想才是长期有效的。
Anthropic联合创始人Chris Olah在梵蒂冈出席教皇Leo XIV关于AI的通谕发布会。他指出所有前沿AI实验室都面临商业、研究及地缘政治等多重压力，这可能与做正确的事相冲突，因此外部监督至关重要。他强调AI模型并非像飞机那样被工程化构建，而是基于人类语言和思想"生长"出来的，其内在性质可能复杂难解。他提出三个需审慎思考的问题：如何确保AI发展的全球收益公平分享、如何思考AI时代的人类繁荣，以及AI模型内在性质的本质。
Chris Olah出现在梵蒂冈的教皇通谕发布会上，这一场景本身就是AI时代的一个标志性画面。作为Anthropic（以AI安全著称的公司）的联合创始人，他在全球最具影响力的宗教领袖面前谈论AI监管，说明AI安全与伦理议题已从技术圈走向了更广泛的社会对话。Olah提出的三个问题——全球收益分享、人类繁荣、模型内在性质——表面上是哲学问题，实则直指当前AI治理的核心困境。尤其值得注意的是他提出的"生长而非建造"的比喻：AI模型的内部机制并非像传统软件那样被精确设计，而是在海量数据上训练"生长"出来的。这从根本上挑战了现有的技术监管范式——如果连开发者自己都无法完全解释模型的内部行为，监管者如何制定有效的规则？
教皇里奥十四世在首份重要通谕《Magnifica Humanitas》中警告了AI及不受约束的技术力量带来的风险。该通谕于2026年5月15日发布，是教皇关于"在人工智能时代守护人"的宣言。文件重点讨论了AI驱动战争的危险、AI对劳动的影响，以及建立新的法律和伦理框架来规范技术的必要性，强调AI的快速普及正造成经济和社会动荡，对个人的保护不足威胁着人类尊严。
教皇通谕是天主教会的最高级别教义文件，教皇Leo XIV选择以AI为主题发布其首份通谕，本身就说明了AI伦理问题的紧迫性和全球性。《Magnifica Humanitas》（拉丁语意为"伟大的人性"）的核心立场是对技术不加约束的发展保持警惕，这与AI行业内部的"加速主义"和"有效利他主义"形成了有趣的对照。教皇的干预为AI治理增添了重要的道德维度：当科技巨头和各国政府在AI监管上博弈时，宗教领袖的声音代表了一种超越商业利益和国家利益的视角。值得注意的是，文件同时讨论了AI驱动的自主武器和AI对劳动力市场的冲击——这两个问题恰好也是联合国和各国立法机构当前争论的焦点。教皇的介入可能加速全球AI治理框架的形成进程。
Grok Build、Luma Agents 和Codex自我优化框架的密集发布表明，AI行业正加速从"对话助手"向"Agent开发平台"转型。未来的AI竞争将不再只是模型能力的比拼，而是开发者生态和Agent编排能力的较量。
华为何庭波的"韬定律"和面壁智能的BitCPM-CANN分别从硬件架构和软件生态两个维度，展示了国产AI芯片在先进制程受限背景下的突围路径。逻辑折叠+极低比特量化代表了后摩尔时代的两大关键突破口。
教皇通谕的发布和Chris Olah在梵蒂冈的发言，标志着AI治理讨论从技术圈、政策圈扩展到宗教和社会伦理领域。单一的技术优化叙事正在被多元的伦理关怀所补充，全球AI治理框架的雏形正在浮现。
今天的早报有一个明显的主旋律——AI正在从"对话"走向"行动"。从苹果用1.2T模型武装Siri，到Grok Build和Luma Agents的Agent化升级，再到Codex学会自我优化，每一则新闻都在指向同一个方向：AI不再满足于回答问题，它要主动做事、持续学习、自我进化。这既令人振奋也值得警惕——当AI从工具变成自主行动的"主体"时，Chris Olah在梵蒂冈提出的三个问题（公平共享、人类繁荣、模型本质）就不再是遥远的哲学命题，而是当下就需要认真回答的紧迫问题。技术进步和社会治理，两者从不是谁等谁的关系，而是两条同时向前的轨道。