🔦 今日速览
周末速览（7月10-12日）：Apple正式起诉OpenAI，指控其系统性挖走超过400名前员工以窃取芯片和硬件设计机密；Gemini 3.5 Pro泄露7月17日发布日期，搭载200万token上下文窗口；Google Search全面切换为AI生成页面，25年"蓝色链接"时代终结；SK海力士以265亿美元史上最大ADR登陆纳斯达克。国内方面，阶跃星辰发布端侧模型全家桶Step Edge，并宣布推出全球首款AI智能体手机。
趋势1：AI人才战争进入司法阶段 趋势2：大模型竞争从"更强"转向"更便宜+更长上下文" 趋势3：端侧AI从概念走向量产
🌍 国际动态
1. Apple正式起诉OpenAI：400+前员工跳槽，指控系统性窃取商业机密
事件简述：7月11日，Apple在加州北区联邦法院正式起诉OpenAI，指控其系统性挖走超过400名前Apple员工，涉及芯片设计、硬件工程和端侧AI团队。起诉书点名OpenAI首席硬件官Tang Tan（前Apple高管）和工程师Chang Liu，指控其通过多种方式带走Apple机密信息，包括在面试中要求候选人"带来实际零件"、误导制造合作伙伴泄露Apple金属表面处理技术等。OpenAI发言人回应称"对其他公司的商业机密没有兴趣"。
关键数据：400+名前员工跳槽；OpenAI今年还从Google DeepMind挖走Gemini联合负责人Noam Shazeer（6月18日）和诺贝尔奖得主John Jumper；起诉时机恰逢OpenAI即将提交$7300亿估值IPO的敏感窗口。
影响分析：这是AI行业首起大规模人才挖角诉讼，无论结果如何，所有前沿AI实验室都将被迫收紧招聘流程。Apple在端侧AI（Siri/Apple Intelligence）落后两代的情况下失去核心团队，选择在法庭而非产品上反击——这可能是AI人才战争升级为法律战的开始。
📅7月11日
2. Gemini 3.5 Pro泄露7月17日发布：200万token上下文，$1.25定价正面挑战GPT-5.6
事件简述：7月10日泄露的发布计划显示，Google DeepMind将于7月17日正式推出Gemini 3.5 Pro。该模型据称基于全新预训练而非从2.5 Pro改编，搭载200万token上下文窗口（当前前沿模型的2倍），Deep Think推理模式锁定在$250/月的Ultra订阅。预计API定价$1.25/$10每百万token，输入成本仅为GPT-5.6 Sol的四分之一。
关键数据：200万token上下文；$1.25输入/$10输出；已延期6周；Google同期失去Noam Shazeer（→OpenAI）和John Jumper（→Anthropic）。
影响分析：Google以"低价+巨量上下文"策略正面挑战OpenAI和Anthropic。200万token意味着大量RAG架构可以简化为"直接把文档放进prompt"——这不仅是模型竞争，更是架构范式的改变。但延期6周后落地恰逢GPT-5.6和Grok 4.5发布后的最拥挤窗口，容错空间极低。
📅7月10日
3. Google Search全面切换AI生成页面：25年"蓝色链接"时代终结
事件简述：7月10日起，Google Search搜索结果页全面由Gemini 3.5 Flash生成，传统"蓝色链接"格式被AI撰写页面取代，来源链接嵌入生成内容中。这意味着全球访问量最大的网站从"索引排名"模式彻底转变为"AI生成摘要"模式。
关键数据：全球影响数十亿用户；过去两年出版商来自Google的流量已持续下降。
影响分析：互联网内容分发的基本规则被改写——被AI引用则存在，不被引用则隐形。内容策略需要从"SEO优化"转向"可引用性"：具体、可验证、包含真实数据和名称的内容才可能被AI答案引用。这对全球内容产业和数字广告生态的影响深远。
📅7月10日
4. SK海力士265亿美元ADR登陆纳斯达克，Meta同步宣布算力翻倍计划
事件简述：韩国存储芯片巨头SK海力士7月10日以代码SKHY登陆纳斯达克，发行价$149/ADS，募资约265亿美元，创下外国企业美股IPO纪录。同日，Meta内部备忘录显示计划到2027年将总算力翻倍，宣布在加拿大阿尔伯塔建设$100亿、1GW数据中心（第33座全球数据中心），自研AI芯片Iris（与Broadcom合作、TSMC代工）将于9月投产。
关键数据：SK海力士上季度营收$355.5亿，运营利润率72%；HBM全球市占率约60%；Nvidia同日市值重回$5万亿以上。
影响分析：AI芯片/存储产业链持续印证"模型打价格战，硬件赚真金白银"的格局。SK海力士的超级IPO说明市场对HBM的长期需求预期远超短期波动。Meta自研芯片Iris的投产则标志着所有超大规模云厂商（Google TPU、AWS Trainium、微软Maia、OpenAI Broadcom芯片）均已完成自有芯片布局。
📅7月10日
5. Anthropic年化收入突破600亿美元，有望Q3实现盈利
事件简述：SemiAnalysis最新数据显示，Anthropic年化经常性收入（ARR）已从2025年底的$90亿增至目前超过$600亿，预计2026年Q3实现GAAP息税前利润转正。收入以API用量计费为主，客户部署更多Agent工作流后，Token消耗和收入可在不增加客户数量的情况下持续增长。Claude Code年化收入从2025年底的$10亿飙升至2026年2月的$25亿以上。
关键数据：ARR $600亿+；Claude Code ARR $25亿+；净收入留存率极高；已超越OpenAI（预计2026年营收$250-330亿）。
影响分析：Anthropic正从"技术领先者"变成"商业领先者"——企业级Agent工作流是真正的收入引擎。API用量计费模式意味着客户越用越深、收入自动增长，这是比用户数增长更健康的商业模式。但OpenAI的$7300亿IPO估值与Anthropic的营收优势形成鲜明对比：市场在赌"品牌"还是"赚钱能力"？
📅7月12日
🇨🇳 国内动态
1. 阶跃星辰发布Step Edge端侧模型全家桶，首款AI智能体手机即将亮相
事件简述：7月12日，阶跃星辰正式发布Step Edge端侧模型全家桶，包含Step Edge基础模型、Step Edge Audio、Step Edge GUI和Step Edge Gen四款产品，面向手机、汽车等终端场景。端侧toolcall延迟低至0.1秒，支持文本、视觉、语音全模态本地处理，敏感数据不出终端。每日经济新闻同期报道，阶跃星辰即将推出全球首款AI智能体手机，董事长印奇此前表示"AGI必须能与物理世界产生交互"。
关键数据：0.1秒本地toolcall延迟；29项核心指标评测第一；B+轮引入华勤技术（手机ODM），5月融资引入龙旗科技、豪威集团、中兴通讯等消费电子产业链企业；配套Step Inference NPU引擎。
影响分析：端侧AI从"技术演示"进入"量产落地"阶段。阶跃星辰的差异化路径是"端云协同"——高频简单任务本地处理，复杂推理云端兜底。这与Apple Intelligence、Google Gemini Nano的方向一致，但阶跃从"模型+终端"双向切入的策略更为激进。AI智能体手机能否成为换机驱动力，取决于"杀手级场景"而非技术参数。
📅7月12日
2. 国常会提出"适度超前布局数字基础设施"，AI算力再获政策加码
事件简述：7月10日，国务院常务会议听取数字中国建设情况汇报，明确提出"适度超前布局数字基础设施，加快推进新一代通信网、算力网建设"。这标志着"十五五"规划中"适度超前建设新型基础设施"方针在AI算力领域的具体落地。
关键数据：我国AI核心产业规模已突破1.2万亿元；深圳同期开放近300个"城市+AI"应用场景，推动AI发展从技术研讨进入实战检验阶段。
影响分析："适度超前"的政策信号为国产算力基础设施（昇腾芯片、智算中心、算力网络）提供了长期确定性。继粤港澳大湾区9000P智算集群上线后，全国算力网络建设有望加速。深圳的"场景实战"模式——先开放问题、再匹配方案——为AI企业提供了真实需求牵引，而非单纯的技术竞赛。
📅7月10日
3. AI造福人类全球峰会在日内瓦闭幕：AI治理从"讨论"迈向"务实行动"
事件简述：7月10日，2026年AI造福人类全球峰会在瑞士日内瓦闭幕，主题为"释放AI服务人类的潜力"，逾万名代表参会。国际电信联盟秘书长强调，峰会在首届联合国AI治理全球对话后接续举办，显示出AI治理已从"讨论"阶段迈入"务实和以人为本的行动阶段"。会场设置"前沿舞台"和"解决方案舞台"，后者集中展示已在医疗、农业、教育和气候行动中投入使用的AI应用。
关键数据：逾万名代表参会；多家中国企业参展，包括乐享科技元点机器人、爱诗科技PixVerse视频生成模型、之江实验室"三体计算星座"、中国气象局"妈祖"气象智能预警方案。
影响分析：继7月6日联合国AI治理全球对话（169国参与）之后，仅隔4天举办的AI造福人类峰会形成了"高层治理+实际应用"的双轨推进格局。中国企业在AI for Good领域的集体亮相，也反映出中国正从"AI技术竞赛"向"AI全球治理参与"延伸。
📅7月11日
📄 今日论文
1. OpenCoF：通过视频生成学习推理
作者/机构：Xinyan Chen, Ziyu Guo, Renrui Zhang et al. 核心贡献：提出OpenCoF框架，让模型通过"生成视频"而非"生成文本"来进行推理——将推理链转化为视频帧序列，利用视频生成模型的空间-时间理解能力来捕获逻辑因果关系。这种方法在需要理解物理世界逻辑的任务上展现出独特优势。 为什么重要：OpenAI Sora/Google Veo等视频生成模型的能力正从"创作工具"向"推理引擎"扩展。如果视频生成可以增强推理能力，多模态模型的训练范式可能被重新定义。 📄 arXiv:2607.08763 📅7月9日
2. UltraX：通过自适应程序化编辑大规模优化预训练数据
作者/机构：Xinlong Zhao, Dongsheng Liu, Hengyu Zhao et al. 核心贡献：提出UltraX框架，在数据预处理阶段通过"程序化编辑"自动识别和修正低质量、重复或有害的预训练文本，而非简单地丢弃数据。实验表明在数据规模接近物理极限的背景下，数据质量优化比单纯增加数据量更能提升模型性能。 为什么重要：Scaling Law的"撞墙"问题正困扰整个行业——可用的高质量训练数据即将耗尽。UltraX提供的"数据精炼"思路为继续提升模型能力提供了新路径：不是更多数据，而是更好的数据。 📄 arXiv:2607.08646 📅7月9日
3. 无需训练的宽松投机解码：实用调查
作者/机构：Guoxuan Xia, Luka Ribar, Paul Balanca 核心贡献：对"训练无关的放松式投机解码"方法进行了全面实证调查。投机解码通过小模型（草稿模型）快速生成候选token，再由大模型并行验证来加速推理。传统方法需要训练专门的草稿模型，而本文调查的"训练无关"方法可直接利用现有小模型，并通过"放松"验证标准（允许一定程度的偏差）进一步提升加速比。 为什么重要：推理加速是降低大模型部署成本的关键。训练无关的投机解码意味着企业无需为每个模型单独训练草稿器，可直接复用现有模型生态，大幅降低推理优化的工程门槛。 📄 arXiv:2607.08690 📅7月9日
4. 以患者为中心的对话式AI的复杂性
作者/机构：João Matos, Olivia Buege, Donny Cheung et al. 核心贡献：系统分析了医疗健康聊天机器人面临的核心挑战：当前评测标准假设用户"合作且清晰表达"，但真实患者往往表述模糊、情绪化、不愿配合。论文揭示了模型在真实患者交互中的表现显著低于实验室评测，并提出了面向真实场景的评测框架。 为什么重要：AI医疗聊天机器人正在快速进入消费市场，但"实验室好≠临床好"的鸿沟可能导致严重的误诊风险。该论文的发现对监管部门（FDA、NMPA）制定AI医疗产品审核标准有直接参考价值。 📄 arXiv:2607.08625 📅7月9日