TODAYAI DAILY
Anthropic签116亿美元云协议；微软发布新版Copilot；Nscale完成33.6亿美元融资 | TodayAI
要闻速览/
今天最值得先看的 AI 变化。
Google 正在测试让 Gemini 代替用户拨打商家电话，官方称该能力将首先面向美国地区、且订阅了 Gemini 服务的 Pixel 11 用户开放。这意味着 AI 助手从信息查询与文本生成，进一步走向代替用户执行现实世界任务，电话订位、预约、咨询营业时间等场景可能率先被覆盖。对商家而言，来电方可能不再是真人，客服与语音菜单系统需要重新考虑如何识别和响应 AI 代理；对用户而言，授权 AI 以本人身份对外沟通，涉及身份确认、通话记录留存与误操作责任划分。该功能目前仍处于测试阶段，可用范围、支持场景与隐私边界尚未完全公开，后续值得关注的是它是否扩展到更多机型与地区，以及 Google 如何处理代理通话的合规与信任问题。
arXiv 上一项研究提出面向可穿戴设备 WeBe Band 的快速边缘机器学习工作流。WeBe Band 是一款用于多模态生理数据监测的腕戴设备，计算与内存资源有限，而针对这类设备开发优化算法通常耗时且高度依赖具体硬件约束。该工作把开发、优化与部署流程整合起来，能自动生成可集成进 WeBe 核心固件的硬件高效模型，并支持 AutoML、硬件感知量化与性能剖析，使模型在满足目标延迟的同时不超出设备内存与功耗限制。其意义在于把“为特定边缘硬件定制模型”从手工调参变成可复用的流水线，对可穿戴健康监测、端侧推理与低功耗 AI 产品有直接参考价值；不过论文尚未说明该框架能否迁移到其他设备与更复杂的模型。
TechCrunch 公布，Ricursive Intelligence 联合创始人 Anna Goldie 与 Azalia Mirhoseini 将在 TechCrunch Disrupt 2026 的 Disrupt Stage 上对话，主题是“当 AI 开始设计自己的硬件”，重点讨论如何把 AI 与芯片开发之间的闭环真正合上。两人此前在芯片布局与强化学习方向有公开研究积累，这次分享预计会涉及用模型参与芯片设计流程、缩短迭代周期，以及这种闭环对算力供给和硬件路线图的影响。对关注 AI 基础设施的团队来说，值得留意的不是又一场大会演讲，而是芯片设计一旦被模型加速，算力成本曲线和自研芯片的门槛可能同时变化，进而影响模型训练与推理的长期成本结构。
GitHub 在官方博客发布面向初学者的教程，介绍如何在 GitHub Copilot 应用里用“画布”（canvas）搭建自定义工作流。画布是用户与 Agent 共享的可定制界面，可以是看板、问题分诊板、发布检查清单、仪表盘、表单甚至表格；用户用自然语言描述所需界面，Agent 便生成一个可实时使用和更新的交互表面。画布是双向的，Agent 在工作过程中可以同步更新它，用户也能直接在上面修改，从而减少在固定工具界面之间来回适配的成本。这一方向说明编码 Agent 正从“补全代码”扩展到“按需生成工作界面”：对团队而言，把内部流程直接表达为可操作的界面，可能比采购和配置现成工具更快，但也带来界面一致性、权限与可维护性的新问题。
arXiv 论文提出 Albireo，一个面向边缘设备视频目标检测的自适应、节能推理框架。边缘设备需要在长帧流上持续运行计算昂贵的检测器，导致能耗高、GPU 长期占用；而相邻帧高度冗余，简单跳帧又是“内容盲”的，会在物体进入、遮挡恢复和剧烈运动等关键时刻跳过检测，损害质量。Albireo 与检测器无关、不依赖编解码信息，通过为每个活动目标维护十维卡尔曼滤波器，结合场景内容和目标时序状态判断何时可以安全跳过检测器调用，无需修改或重新训练原检测器。其价值在于把跳帧决策从固定策略变成内容感知策略，为边缘视频分析、机器人和安防场景降低功耗提供思路；实际加速比与精度损失仍需更多基准验证。
大公司/
主流 AI 公司、平台和芯片厂商动态。
TechCrunch 报道，Anthropic 承诺在七年内向 Akamai 的云基础设施支付 116 亿美元，交易规模最高可能增长至约 200 亿美元，且是一笔押注 CPU 算力的交易。协议还包含一项不寻常安排：Akamai 向 Anthropic 提供最高约 5% 公司股权的潜在权益，随 Anthropic 支出增加而增长。这意味着头部模型公司正把算力采购与股权绑定，以换取长期容量与成本确定性。对云厂商而言，AI 客户的大额长约正在改变议价结构，也让 CPU 推理与混合算力路线获得更多资本支持。
微软官方博客宣布重新设计 Copilot，新增 Home、Code 与 Autopilot 三项能力：Home 作为新的起点，把聊天与 Word、Excel、PowerPoint 等 Office 工具整合到统一入口；Code 面向构建与定制场景；Autopilot 则在符合人类意图的流程中扩展自动化执行。微软称此举意在让个人与组织围绕 AI 完成构建、定制与规模化。对开发者而言，Copilot 正从对话助手转向覆盖办公与编码的工作台，入口统一后第三方工具与 Agent 的接入方式可能随之调整，其扩展机制与权限边界值得关注。
TechCrunch 报道，Meta 为 Muse 的新功能开放早期访问计划：任何想参与的人都必须先向 Muse 提出申请，把自己加入名单。报道未披露具体功能细节与开放范围，仅说明采用申请制而非全面开放。这种小范围灰度通常用于收集真实使用反馈、控制算力与安全风险，也便于在正式发布前调整产品形态。对关注 Meta AI 产品线的开发者来说，申请入口、准入条件，以及后续是否向 API 或第三方应用开放值得留意，这些将决定 Muse 能否形成可用的生态。
WIRED 报道，一批标有英伟达标识的卡车遭劫，劫匪原本想抢的是芯片，最终到手的却是 20 吨沙子。报道把这起事件与自动驾驶、供应链、执法等话题联系起来，说明高价值 AI 硬件的运输已成为有组织犯罪的目标，而物流环节的伪装与信息不对称让劫案频发。对 AI 产业而言，这提醒算力硬件的稀缺性已外溢到实体供应链安全，运输、仓储与保险成本可能上升。事件本身不涉及技术进展，但反映出 GPU 在市场上的高溢价与黑市需求。
开发者与 Agent/
开发者工具、开源项目、API、SDK、Agent 框架和工作流。
Fit Receipt 是一款主打隐私的试衣类 AI Agent，定位不是单纯推荐尺码，而是判断什么时候该把问题交给真人量体环节。对电商和服装品牌来说，尺码不合是退货率居高不下的主因之一，单靠用户自报身高体重往往误差很大。它的思路是把 Agent 放进售前咨询流程：先收集并推断身体数据，在置信度不足或品类对版型敏感时，主动触发人工量体或更精确的测量流程，从而减少错买。适合服装电商、定制服装以及追求高转化试穿体验的团队参考，核心价值是把“AI 推荐”与“人工兜底”串成一条可运营的链路。
WeatherDiagFlow 把雷达临近预报重新定义为一个“预报—公报—审计”任务：数值预报器不只要输出未来的雷达场，还得给出结构化的诊断证据。预报时段内的公报只能使用模型当时可获得的证据，只有等预报时效过去，事后审计才允许引入真实的雷达观测。系统会预测运动、增强与衰减、强回波风险以及不确定性，用这些信号去条件化滚动流场细化，并通过冻结骨架的残差校准改善长时效强回波的表现。对开发者而言，这种“证据可追溯”的设计值得借鉴：把模型输出与可验证依据绑定，下游业务系统更容易做人工复核与责任划分。
Bleetz Network 提出的是一个 Agent 对 Agent 的风险投资融资与项目搜寻网络，把原本依赖人脉和邮件往来的早期融资环节，部分交给 AI Agent 去撮合。它的设想是让创业项目的 Agent 与投资机构的 Agent 直接交换信息、匹配偏好并推进初步沟通，降低双方在筛选与初次接触上的时间成本。对做 Agent 基础设施的开发者来说，值得关注的是身份、授权与信任机制：Agent 代表谁说话、能承诺什么、信息如何验证，都会决定这种自动化撮合能否真正落地。它更适合早期投资机构和正在融资的团队观察其可行性。
研究与模型/
模型、论文、推理、多模态和技术突破。
一项新研究系统评估了小波扩散模型（WDM）在降水降尺度任务中的跨区域、跨事件泛化能力。研究覆盖美国六个 3×3 度区域，涵盖对流、冬季、热带和大气河等降水类型，低分辨率输入由 NOAA 多雷达多传感器复合反射率场经块平均生成。团队对比了三种方案：仅在俄克拉荷马州训练的 WDM、在全部六区域训练的 WDM，以及最近邻和双三次插值基线，并用三类指标衡量图像域与物理域表现。结果显示，在地理未见区域和不同事件机制下，模型性能差异明显，说明扩散模型在气象业务化部署前仍需针对分布外场景做专门验证。
Latent Space 播客回顾了 OpenRouter 从早期开放权重模型生态，走向千万级开发者中性路由层的发展历程。联合创始人 Alex Atallah 与 AMP 的 Anjney Midha 讨论了公司如何从 Alpaca、Mistral 和 Midjourney 等项目中成长，以及为何在“模型多样性”成为共识之前就已押注这一方向。节目提到，曾被讥为“只是套壳”的 OpenRouter 最终成为 AI 生态的关键基础设施，而 Stripe 以 70 亿美元收购了这家最知名的多模型路由公司。这笔交易说明，在模型数量持续膨胀的背景下，统一接入与计费的路由层具备独立商业价值。
一项研究指出，基于视觉世界模型的规划器通常以“预测结果与目标图像编码的距离”作为评分标准。但即便配合精确动力学和全局最优短视界搜索，这一目标也可能限制控制能力，因为到达目标有时需要先远离目标。作者在冻结的 LeWM 模型上验证，引入中间目标能显著改善 Cube、PushT、Reacher 和 TwoRoom 任务中的动作合成与记录动作排序。他们提出 Anchored Planning 方法：检索起点和终点分别接近当前观测与目标观测的记录片段，再把片段起点稍后的观测作为瞄准目标，无需额外训练即可提升规划表现。
融资与商业化/
AI 融资、并购、估值、商业化、定价和市场竞争。
TechCrunch 报道，英国 AI 新云（neocloud）公司 Nscale 在赴美 IPO 前完成 33.6 亿美元可转换融资，投资方包括 Third Point、英伟达等，资金将用于支撑其大规模 AI 数据中心建设。可转债意味着投资人先以债权形式进入，未来可按约定条件转为股权，既减轻公司当下的股权稀释压力，也把回报与上市估值绑定。对行业而言，这说明算力基础设施的资本竞争已从股权融资延伸到债务与可转债工具；而英伟达通过投资下游算力供应商，进一步把自身芯片需求与云服务扩张绑在一起。
政策、监管与产业/
AI 政策、监管、产业落地、公共治理和基础设施变化。
美国国防部在预算申请中提出，未来五年投入3030万美元升级测谎技术，项目名为Polygraph+或Polygraph Next，重点是用人工智能与机器学习改进评分算法，并引入无需接触被测者的“远距离感知”手段。报道同时指出，传统测谎技术自上世纪二十年代问世以来屡遭质疑，一份标志性政府报告称其准确性证据“充其量是薄弱的”，专家警告AI只是在一个本就缺乏效度的工具上叠加新的不确定性，因为并不存在通用的说谎生理信号。对产业而言，这意味着国防资金会继续流向生物信号采集与算法评分方向，但相关采购与部署很可能面临更严格的科学审查与合规争议。
TechCrunch Disrupt 2026宣布设置Real World AI舞台，邀请Waabi、Shield AI与通用汽车的相关负责人同台，讨论在“失败不可接受”的场景中如何构建人工智能。议题指向自动驾驶、国防与工业等对安全性和可靠性要求极高的领域，这些场景与消费级聊天机器人的容错逻辑完全不同，需要处理传感器冗余、实时决策、验证与责任归属等问题。对行业来说，这类讨论反映出资本与媒体关注点正从通用模型能力转向可落地的安全关键系统，也意味着相关创业公司在融资叙事上需要更明确地证明工程可靠性与监管适配能力，而非仅强调模型规模。
一项新研究显示，移植后的心脏会较快地呈现接受者的生物学年龄，也就是说，一颗三十岁的心脏移植给七十岁患者后，很快会“表现得像”七十岁。研究者还发现，接受者的血液与其他器官并未明显受到供体心脏年龄的影响，说明人体整体环境的影响压过了年轻器官可能带来的“返老还童”效应。对移植医学而言，这一结果可能推动外科医生不再轻易丢弃年龄较大的供体心脏，因为生物学年龄而非日历年龄或许更能反映可用性。该结论也提醒生物科技与抗衰老叙事，器官年轻化并非简单的替换逻辑。
建设者观察/
AI 产品、模型、Agent、开发者工作流和创业判断的一手观察。
Peter Yang 在 X 上感叹，Astra 先在 3D 模型方向带来突破，随后 Opus 又在视频生成上打开局面，他已经不知道下一个被攻克的模态会是什么。这条观察的价值不在于具体模型名称，而在于提醒做 AI 产品的人：多模态能力的边界正被快速重画，任何依赖“某个模态短期做不好”来设计的产品假设都可能很快失效。团队在规划路线图时，应把模型能力跃迁当作常态变量，而不是稳定前提。
Guillermo Rauch 引用 Vercel AI Gateway 近两个月的支出数据：Anthropic 仍是支出第一，但份额从 69% 降到 40%；OpenAI 从 10% 升到 24%，并在 token 量上领先；Kimi K3 与 DeepSeek 吃掉了 Anthropic 流失份额的约一半；Opus 5.5 上线两天就占到 10% 支出，OpenAI 还占图像生成的 62%。对开发者来说，多模型路由正在成为默认架构，把模型选择写死在代码里会越来越吃亏。
Matt Turck 借用黄仁勋的 AI 五层蛋糕比喻（能源、芯片、基础设施、模型、应用），指出中间层尤其是软件基础设施部分被理解得最少，而 VAST Data 正是在这里成长为一家约 300 亿美元、却少有人知的公司，服务 SpaceXAI、CoreWeave、Nebius、Mistral、Nscale 等客户。他访谈其 CEO 时讨论了 AI 工厂的定义、白天推理夜里微调、向量规模膨胀让旧数据库失效，以及 Agent 的身份与权限安全。对创业者来说，模型层之外仍有大量未被讲透的基础设施机会。
Josh Woodward 介绍 Google Labs 较新的实验产品 Dreambeans，称它已经形成一批忠实用户。机制很简单：每天早上“冲泡”出固定数量的豆子，每颗豆子指向现实世界里的真实的人，以及你们可以一起做的事。它和多数 AI 产品把用户留在屏幕里的思路相反，用有限供给和线下行动作为核心设计。对做 AI 消费产品的团队来说，这提示稀缺性与真实社交关系本身就可以是产品机制，而不只是模型能力的包装。
Swyx 回顾自己年初定下的内容策略“Scaling without Slop”，认为它开始见效：YouTube 第一个 10 万订阅花了三年，第二个 10 万只用了 1.2 个月，AEO、SEO 与订阅转化等指标也出现类似加速。他同时预告 Latent Space、AINews 及 swyx inc 将进入下一阶段。对做 AI 内容与开发者增长的团队来说，这提示质量约束下的规模化可能比单纯提高产量更快突破临界点，也说明分发渠道与搜索可见性正在成为新的复利资产。
