扫描下载APP
其它方式登录
文章分析2026年加密行业四次核心人口迁移：从自主钱包转向托管ETF、从杠杆投机转向有限风险敞口、从投机资产转向稳定币支付工具、从人类用户转向AI代理与机器人；指出行业正从‘人的社区’蜕变为‘资本的基础设施’，真实需求驱动的稳定币用户和资深开发者成为留存主力，而投机性群体大规模退潮。
AI医疗赛道规模突破1500亿元，年均增速40%-50%，已形成辅助诊断、AI制药、疾病治疗和健康管理四大方向。商汤医疗、百图生科等加速冲刺IPO，字节、蚂蚁、腾讯等大厂与联影、迈瑞等器械厂商及数坤、鹰瞳等AI原生公司三类玩家竞逐，但商业化仍受制于医保支付未落地、医院采购压价、C端付费意愿低等瓶颈。
一项追踪2.68万名中国中学生30个月的经济学研究发现，生成式AI使用导致作业分数上升18%、完成时间缩短30%，但闭卷月考成绩半年内下降20%，中考下降24%；伤害集中于高频‘认知外包’使用者，尤以尖子生、初中生和社科类学科为甚，揭示AI工具滥用对真实学习能力的系统性损害。
黄仁勋女儿黄敏珊从厨师、奢侈品行业转型，现任英伟达物理AI平台高级总监，年薪约800万元人民币；她近期赴北京考察越疆、优必选等中国头部机器人企业，聚焦物理AI与人形机器人生态；其行程凸显英伟达对中国机器人产业的重视，也映射中国人形机器人加速商业化、IPO潮涌现及‘大脑’竞争升级的趋势。
文章以网球、乒乓球等打球机器人为切入点，深入剖析Physical AI发展中的技术路线分歧：并非简单替代物理模型，而是重新划分物理模型与学习方法的职责边界。从MIT的模型预测控制、DeepMind的仿真驱动强化学习、Berkeley HITTER的分层架构，到银河通用LATENT的动力学随机化和Sony AI Ace的混合系统，核心争论聚焦于哪些物理规律应显式建模、哪些应由数据学习，以及模型应置于实时控制、仿真训练还是参数分布定义中。
全球科技巨头正通过并购、股权投资、长期协议等方式深度绑定芯片设计与供应链企业，争夺未来数年算力产能、定制化芯片能力及系统级技术话语权，核心动因包括算力供需错配、性能提升转向系统协同、供应链安全焦虑及地缘风险，竞争已从芯片设计延伸至先进封装、光互联、存算一体和液冷等上游环节。
富达数字资产报告指出，AI代理的兴起并不必然带动公链繁荣，需警惕六大风险：AI代理可能优先采用封闭式企业系统而非公共区块链；链上交易增长未必提升公链代币价值；AI降低开发成本但加剧同质化与安全风险；机构更倾向可控、合规的区块链基础设施；技术稀缺性下降，竞争转向用户、生态与信任。
文章分析七家顶级基金（伯克希尔、德鲁肯米勒、段永平、李录、ARK、但斌、Aschenbrenner）2026年二季度13F持仓报告，揭示AI投资主线未变但资金正从高估值科技股向硬件（芯片/存储/光通信）、云平台、数据中心及中概互联网等方向轮动，体现不同机构对AI价值链利润兑现节点的差异化判断。
Anthropic拟以最高2万亿美元估值上市，但其7月650亿美元ARR低于市场预期，引发全球科技股连锁调整，暴露AI产业链资本开支与商业回报的验证压力；Claude Code成为增长核心驱动力，推动Agent商业化落地，但收入结构单一、价格战及ROI可持续性引发市场分歧。
AI算力爆发驱动磷化铟衬底需求激增，2026年全球供需缺口预计超70%，国内产能仅占全球约一成，产业链呈现上游资源丰富但高纯铟短缺、中游衬底国产化率低、下游光芯片加速导入国产材料的‘资源强、制造弱’格局，本土替代正处爬坡期。
本期编辑精选聚焦宏观与科技交叉趋势：美债压力下黄金成配置首选；AI推理推动NAND存储升级为AI容量层，Sandisk等厂商布局高带宽闪存；SEC加密监管新规提案释放政策松动信号；AI Agent经济兴起，Arthur Hayes新项目Flop Labs定位为原生结算网络；同时关注韩国散户杠杆投机风险及英伟达算力支持机制等关键动态。
文章聚焦AI算力竞赛引发的资本狂潮与债务风险，分析科技巨头举债扩张、AI投资逻辑转向精细化、AI赋能传统企业并购（AI Roll-up）及人工智能发展中的核心悖论；同时涵盖美债抛售、全球债市风暴、宏观政策博弈等宏观议题，并提及CFTC拟将AI算力市场纳入商品衍生品监管框架。
Stripe收购OpenRouter的核心动机是获取其全球规模最大的跨模型推理交易元数据语料库，用于构建AI时代的安全基础设施，解决Agent层面的部署时对齐与对抗性行为检测问题，而非单纯模型路由或计费整合。
一名失业工程师仅用7000行代码开发出AI模型硬件编译器，可将HuggingFace大模型直接编译为定制化芯片电路，性能宣称超越AMD高价收购的Taalas芯片：内存调用减少100倍、推理速度达40,000 tokens/秒。该技术将AI芯片设计从传统硬件工程降维为软件编译问题，凸显设计门槛下降与流片成本瓶颈之间的巨大矛盾。
Generalist公司发布的GEN-1.5具身基座模型实现重大突破：通过海量真实物理操作数据训练，模型展现出零样本物理提示（physical prompting）能力——仅看一次3–12秒示范即可执行新任务；同时具备对未见工具/障碍的自主泛化与恢复能力，标志着物理AI正沿scaling曲线快速逼近类似GPT-3的通用性拐点。
