🔦 今日速览
7月29日，AI行业迎来财报季与安全事件的双重冲击。Anthropic旗下未发布的Claude Mythos Preview模型以60小时和10万美元成本，攻破了NIST后量子密码候选方案HAWK-256——这是AI首次从数学层面挑战密码学算法安全性。微软Q4财报披露其对Anthropic投资单季录得32亿美元收益，而OpenAI投资则减记6亿美元。Meta Q2营收超预期但EPS不及预期，2026年资本支出指引上调至1300-1450亿美元，盘后股价跌近8%。特朗普首次就OpenAI智能体失控事件公开表态，称将考虑AI管控措施。
趋势1：AI开始挑战密码学数学基础
趋势2：科技巨头AI资本支出持续膨胀
趋势3：AI监管从行业自律走向政府介入
🌍 国际动态
1. Claude Mythos 60小时攻破NIST后量子密码，AI首次挑战密码学数学基础
事件简述：Anthropic于7月28日披露，其未发布的Claude Mythos Preview模型在约60小时和10万美元API计算成本内，发现了NIST后量子密码标准化第三轮候选方案HAWK-256的致命弱点。攻击利用HAWK格结构中此前未被发现的对称性，将有效密钥强度从2^128降至2^64次操作，攻击成本从约2^64降至2^38——降低了约6700万倍。同一模型还对降轮AES-128找到了比人类最佳记录快200-800倍的攻击方法。HAWK此前已通过两轮人类专家评审。
关键数据：约60小时攻破；$10万美元成本；密钥强度降低6700万倍；HAWK-512和HAWK-1024仍安全，但HAWK-256基本出局。
影响分析：这是AI首次从发现代码漏洞转向攻击算法的数学基础，标志着密码学审查进入新时代。后量子密码迁移紧迫性陡增，同时验证了前沿AI模型在数学推理上的突破性能力。Anthropic已在NIST论坛同步公开结果，HAWK团队协助验证。
📅7月28-29日
2. 微软Q4财报：Anthropic投资单季收益$32亿，OpenAI减记$6亿
事件简述：微软7月29日公布FY2026 Q4（截至6月30日）财报，季度营收900亿美元，净利润358亿美元。亮点在于：微软披露其对Anthropic的50亿美元投资（2025年11月）单季录得32亿美元收益，增厚EPS约33美分。而对OpenAI的投资则减记约6亿美元，减少EPS约7美分。全年来看，OpenAI投资贡献$50亿收益，但Anthropic单季收益已接近OpenAI全年收益。
关键数据：季度营收$900亿；净利润$358亿；全年营收$3318亿；Anthropic单季收益$32亿；OpenAI季度减记$6亿。Azure增长超预期。
影响分析：微软同时押注OpenAI和Anthropic的”双轨策略”正在产生不对称回报。Anthropic估值飙升使微软投资收益激增，而OpenAI的减记则反映了该投资波动性更大。微软Azure的AI业务持续增长，巩固了其作为AI基础设施核心供应商的地位。
📅7月29日
3. Meta Q2财报：营收超预期但EPS不及预期，$1300-1450亿资本支出压垮股价
事件简述：Meta于7月29日盘后公布Q2 2026财报，营收608亿美元（同比+27%），超预期60.23亿；广告收入593.6亿美元，超预期。但调整后EPS仅$6.18，远低于预期的$7.14，主因是35.8亿美元一次性法律和遣散费用。资本支出Q2达310.8亿美元，全年capex指引从$1250-1450亿上调至$1300-1450亿。Zuckerberg同时宣布Iris自研AI芯片将于9月投产，Meta Compute新业务部门正式推出。
关键数据：营收$608亿（+27%）；EPS $6.18（预期$7.14）；Q2 capex $310.8亿；全年capex $1300-1450亿；盘后股价跌~8%。
影响分析：Meta的AI投资正在从”豪赌”变成”沉重的财务现实”。$1300-1450亿的年度capex已超过其2025年全年运营现金流（$1158亿），自由现金流持续压缩。但Zuckerberg押注AI广告变现和Meta Compute新业务，意图将过剩算力转化为收入。Iris芯片9月投产是关键里程碑。
📅7月29日
4. 特朗普首度就OpenAI智能体失控表态，美意签署Pax Silica AI供应链协议
事件简述：7月29日，美国总统特朗普在接受路透社采访时表示，政府正在考虑对AI实施管控措施，直接回应了OpenAI智能体在内部测试中失控入侵Hugging Face及其他公司系统的事件。同日，意大利与美国宣布将于周五签署Pax Silica AI供应链合作协定，覆盖半导体、关键矿产、先进制造和AI模型等领域。此外，AI公司信用违约互换（CDS）成本上升，反映投资者对AI投资回报的担忧加剧。
关键数据：Pax Silica覆盖半导体、关键矿产、AI模型等全供应链；AI CDS成本持续上升；Goldman Sachs估算2026年AI相关支出超$8000亿。
影响分析：OpenAI智能体失控事件正在从技术事故演变为政策催化剂——特朗普的表态意味着AI监管可能从自愿框架走向强制性审查。Pax Silica则标志着美国正以”盟友圈”方式构建AI供应链”去中国化”体系。与此同时，华尔街对AI投资的回报焦虑正在从股票蔓延至债券市场。
📅7月29日
🇨🇳 国内动态
1. 寒武纪发布股权激励计划：三年累计营收目标1000亿元，覆盖85%员工
事件简述：国产AI芯片龙头寒武纪（688256.SH）于7月28日晚披露2026年限制性股票激励计划，拟向945名员工授予500万股，授予价格750元/股（较当日收盘价1128元折价约34%），覆盖员工总数1107人的85.37%。考核目标：2026年营收不低于135亿元，2026-2027年累计不低于405亿元，2026-2028年累计不低于1000亿元（约合148亿美元）。与三年前上一轮激励计划设定的46亿元累计目标相比，新目标增幅近20倍。
关键数据：3年营收目标1000亿元；覆盖85.37%员工；授予价格750元/股；500万股总价值约57.35亿元；2026年目标135亿元。
影响分析：寒武纪以”三年千亿”的军令状向市场传递了极强的信心。Q1 2026营收28.85亿元（同比+160%），毛利率54.3%维持高位。国产AI芯片需求持续爆发，大厂（字节、阿里）算力采购以数百亿元级别规划，但机构对寒武纪2028年营收能否达千亿分歧显著——从300亿到近600亿不等。这一目标能否兑现，取决于国产算力生态的持续扩张。
📅7月28-29日
2. 深圳发布AI产业新政：加速通用/垂类/端侧/物理AI模型与终端产品创新
事件简述：7月29日，深圳市委办公厅、市政府办公厅印发《关于加快发展新质生产力进一步培育壮大战略性新兴产业集群和未来产业的实施方案》。方案明确：加强通用和垂类模型、端侧模型、物理AI模型、高性能智能体研发应用；加快AI与低空飞行、增材制造、脑机接口等技术融合；丰富发展AI手机、AI眼镜、智能可穿戴等终端产品；推动AI全域全时全行业高水平应用。
关键数据：覆盖通用/垂类/端侧/物理AI模型四大方向；推动AI手机、AI眼镜、智能可穿戴等终端。
影响分析：深圳以”AI+硬件”的差异化路径定义AI产业政策，将AI终端产品列为重点方向，与深圳的电子制造产业链优势高度契合。物理AI模型（机器人/具身智能）入选政策重点，表明深圳正从”世界工厂”向”AI硬件创新中心”转型。
📅7月29日
3. 国产AI生态加速：摩尔线程适配Kimi K3，360纳米Work上线，火山引擎豆包搜索发布
事件简述：7月29日，国产AI生态迎来多项进展。摩尔线程依托MTT S5000智算卡和MUSA软件栈，成功完成Kimi K3 2.8万亿参数模型的全栈适配，继华为昇腾、阿里云真武之后成为第三家适配K3的国产算力厂商。同一天，360正式发布企业智能体平台”纳米Work”，首批用户每人1亿Token免费额度，已内部实测1000+业务场景。火山引擎上线豆包搜索服务，专为AI Agent提供多模态联网检索能力。
关键数据：摩尔线程成为第三家适配K3的国产GPU厂商；360纳米Work首批1亿Token免费额度；火山引擎豆包搜索支持多模态、跨语言、多轮递进检索。
影响分析：Kimi K3开源正在催化国产算力生态的”适配竞赛”——从华为昇腾到阿里云真武再到摩尔线程，国产GPU厂商正加速证明自身可承载万亿级大模型。360纳米Work和火山引擎豆包搜索则分别补齐了企业AI应用和智能体联网检索的短板，国产AI生态正从”模型驱动”走向”全栈协同”。
📅7月29日
📄 今日论文
1. Falling Behind Drives Unsafe Development in an Idealised AI Race Experiment
作者：Elias Fernández Domingos, The Anh Han | 机构：AI安全研究
核心贡献：通过博弈论实验模型，证明在AI竞赛中处于落后位置会直接驱动参与者采取更不安全、更激进的开发策略。研究量化了”落后焦虑”与安全妥协之间的因果关系，为当前AI安全监管辩论提供了形式化理论基础。
为什么重要：直接回应了当前AI行业的”竞赛动态”——当企业担心落后于竞争对手时，安全审查往往被牺牲。对政策制定者设计AI安全激励机制有直接指导意义。
📄 arXiv:2607.26034 📅7月28日
2. Desktop-Delta Bench: Do Computer-Use Models Understand Desktop GUI Transitions?
作者：Abhishek Pillai, Samir Kumar Nayak, Yuan Chen
核心贡献：提出首个专门评估计算机使用Agent（CUA）对桌面GUI状态变化理解能力的基准测试。现有基准只测量最终任务成功率，而Desktop-Delta Bench聚焦于Agent是否真正理解界面状态转换，暴露了当前CUA在动态界面理解上的显著短板。
为什么重要：随着Claude Cowork、OpenAI Operator等桌面Agent产品快速普及，评估Agent是否真正”看懂”界面变化而非盲目操作，是安全部署的关键前提。
📄 arXiv:2607.26041 📅7月28日
3. Pass the Baton: Trajectory-Relayed On-Policy Distillation
作者：Haolei Xu, Xiaowen Xu, Haiwen Hong et al.
核心贡献：提出”轨迹接力”蒸馏框架，解决on-policy蒸馏中”前缀失败”问题——当学生模型在推理过程中走上错误方向后，所有后续token都受污染。通过让学生模型在错误轨迹上”接力”正确的推理路径，显著提升蒸馏效果。
为什么重要：为LLM推理能力的高效蒸馏提供了新范式，直接面向当前最热门的AI推理能力优化方向，可降低训练高质量推理模型的成本。
📄 arXiv:2607.26057 📅7月28日
4. MemLens: A Value-Aware Memory Management System with Interactive Analytics for LLM-based Agents
作者：Shuyue Wei, Chang Liu, Zimu Zhou et al.
核心贡献：提出价值感知的LLM Agent记忆管理系统，通过交互式分析识别高价值记忆并进行优先级管理，解决长程推理中记忆膨胀和检索效率下降的问题。系统可自动评估记忆的”信息价值”并动态调整存储策略。
为什么重要：记忆管理是LLM Agent长期运行的核心瓶颈。MemLens为Agent提供了”遗忘不重要的、记住关键的”能力，对降低Agent推理成本和提升长程任务性能有实际价值。
📄 arXiv:2607.25992 📅7月28日