🔦 今日速览
Anthropic指控阿里Qwen发动大规模蒸馏攻击；美光Q3营收因AI内存需求暴增超4倍；高通发布Dragonfly数据中心CPU并获Meta采用。国内交通运输部等五部门发布“AI+交通运输”行动方案，四川披露2025年AI产业营收突破1900亿元。
趋势1：模型蒸馏成中美AI竞争新前线
趋势2：AI Agent需求重塑算力供应链
趋势3：政策加速AI+垂直行业落地
🌍 国际动态
1. Anthropic指控阿里巴巴发动史上最大规模模型蒸馏攻击
事件简述：Anthropic致信美国参议院银行委员会及白宫官员，指控与阿里巴巴Qwen AI实验室有关的操作者在2026年4月22日至6月5日期间，使用近2.5万个虚假账号，与Claude进行了约2880万次交互，通过“对抗性蒸馏”系统性地提取Claude的代码生成与Agent推理能力，用于改进Qwen系列模型。Anthropic称这是其迢今发现的最大规模蒸馏攻击，规模超过今年2月涉及DeepSeek、MiniMax和月之暗面的约1600万次交互事件。
关键数据：2.5万虚假账号、2880万次Claude交互、攻击窗口约6周。
影响分析：事件将“模型蒸馏”推上中美AI竞争与知识产权争端的前线；Anthropic同时陷入“要求政府保护IP”与“自身模型被政府出口管制”的双重困境，可能加速美国对华AI模型访问的进一步限制。
📅6月24日
2. 美光Q3财报：AI内存需求推动营收同比暴增超4倍
事件简述：美光科技（Micron）公布截至2026年5月的2026财年第三季度财报，营收与利润均大幅超出华尔街预期。AI训练和推理对高带宽内存（HBM）的旺盛需求叠加行业整体供应紧张，推动美光产品均价和毛利率显著提升。
关键数据：营收414.6亿美元（同比增超400%，市场预期约362.8亿美元）；调整后EPS 25.11美元（市场预期21.05美元）；毛利率84.6%；第四季度营收指引490–510亿美元。
影响分析**：美光的业绩印证了AI基础设施对上游存储的强拉动，HBM等AI内存正成为半导体周期中最紧俏的环节，也为英伟达、AMD等下游算力厂商的供应链状况提供先行指标。
📅6月24日
3. 高通发布Dragonfly数据中心CPU，Meta成为首批大客户
事件简述：高通在年度投资者活动上正式发布面向数据中心的Dragonfly C1000 CPU，主打低功耗、高计算性能，专为AI Agent工作负载优化。Meta已承诺在2028年量产时采用该芯片。高通同时收购Modular，获得可跨芯片架构运行的AI软件栈，被高通比作“对标NVIDIA CUDA”。
关键数据：2029财年非手机业务收入目标从220亿美元上调至400亿美元；数据中心收入目标150亿美元；汽车业务收入目标100亿美元；盘后股价一度大涨15%。
影响分析：高通以手机SoC的能效优势切入数据中心，试图在AI Agent时代挑战GPU在推理阶段的统治地位，并减少对智能手机市场的依赖。
📅6月24日
4. 谷歌重组AI编程小组追赶Anthropic，Gemini 3.5 Pro reportedly推迟
事件简述：据The Information，谷歌正对成立仅数月、主攻AI编程工具的专项攻坚小组进行重组，将其升级为“中期训练团队”，试图缩小与Anthropic在代码Agent领域的差距。重组发生在核心研究员Jonas Adler和Alexander Pritzel计划离职转投Anthropic之后；近期谷歌已连续失去John Jumper（转投Anthropic）和Noam Shazeer（转投OpenAI）等重量人才。
关键数据：Anthropic年化营收 reportedly 已达约470亿美元，是今年2月的三倍以上；谷歌母公司Alphabet周一股价大跌5%。
影响分析：代码生成是当前AI服务中变现能力最强的赛道之一，谷歌的人才流失和组织调整反映出其在该赛道上正被Anthropic甩开。
📅6月25日
国内动态
1. 交通运输部等五部门发布“人工智能+交通运输”典型应用场景创新行动方案
事件简述：交通运输部会同国家铁路局、中国民用航空局、国家邮政局、中国国家铁路集团印发《“人工智能+交通运输”典型应用场景创新行动方案》，围绕智能驾驶、智慧公路、智能铁路、智能航运、智慧民航、智慧邮政、智能建养、智慧出行服务、智慧货运、智能安全监管等十大方向，组织实施超百项试点项目，集聚超千家创新主体。
关键数据：首批梳理41个重点场景；到2030年将开放一批高价值应用场景、形成一批高水平算法模型、涌现一批新基础设施/新技术装备/新服务模式/新产业形态。
影响分析：交通运输成为“AI+”国家战略落地的又一关键垂直领域，智能驾驶端到端大模型、无人配送、低空物流等场景将获得明确的政策与试点支持。
📅6月25日
2. 四川举办天府人工智能产业生态暨产品发布会，AI产业营收突破1900亿元
事件简述：2026天府人工智能产业生态暨产品发布会在成都举行，主题为“场景牵引、以用促产”。会上发布多项新产品、新政策，展示四川人工智能产业发展最新成效。
关键数据：2025年四川人工智能产业营收突破1900亿元，同比增长22.9%；2026年上半年预计营收突破1000亿元。
影响分析：四川以场景应用牵引产业发展的模式，体现了地方政府将AI从实验室推向实体经济的路径，也为中西部地区AI产业布局提供样本。
📅6月25日
📄 今日论文
1. Model Forensics: Investigating Whether Concerning Behavior Reflects Misalignment
作者/机构：Aditya Singh, Gerson Kroiz, Senthooran Rajamanoharan et al.
核心贡献：提出“模型取证”框架，区分模型表现出的“令人担忧行为”是源于真实的能力不对齐（misalignment），还是来自训练数据、提示工程等良性因素。该研究强调仅凭行为观察不能直接判定模型是否被恶意对齐。
为什么重要：随着AI Agent被授予更多工具和权限，判断其危险行为是否反映真实意图是安全评估的关键；该框架为模型审计提供了更严谨的方法论。
📄 arXiv:2606.26071 📅6月24日
2. The Unfireable Safety Kernel: Execution-Time AI Alignment for AI Agents and Other Escapable AI Systems
作者/机构：Seth Dobrin, Łukasz Chmiel
核心贡献：提出在Agent运行时而非模型内部嵌入“不可被绕过的安全内核”，通过执行时对齐机制约束Agent可调用工具与行为边界，即使Agent自身试图逃避控制也能生效。
为什么重要：当前安全控制多依赖模型内部提示与过滤层，Agent可通过篡改自身运行环境绕过；执行时内核为高风险Agent应用提供了最后一道防线。
📄 arXiv:2606.26057 📅6月24日
3. Neglected Free Lunch from Post-training: Progress Advantage for LLM Agents
作者/机构：Changdae Oh, Wendi Li, Seongheon Park et al.
核心贡献：发现当前Agent强化学习训练忽略了“进程优势”（Progress Advantage）——即在长程任务中根据子目标完成进度而非仅最终奖励来优化策略，可显著提升Agent样本效率与任务成功率。
为什么重要：Agent任务的长程、不可逆、环境随机性等特点使过程奖励建模困难，本文提供的信号设计思路可降低Agent训练成本并改善稳定性。
📄 arXiv:2606.26080 📅6月24日
4. Autodata: An agentic data scientist to create high quality synthetic data
作者/机构：Ilia Kulikov, Chenxi Whitehouse, Tianhao Wu et al.
核心贡献：提出让AI Agent扮演“数据科学家”，通过元优化学习自动生成高质量合成训练与评估数据；生成数据可持续提升下游模型与Agent能力。
为什么重要：高质量数据是模型能力提升的瓶颈之一，用Agent自动化合成数据可形成“数据→模型→更强Agent→更好数据”的飞轮。
📄 arXiv:2606.25996 📅6月24日