技术日报 2026-07-04
今日摘要
Meta 内部 AI Token 花费接近数十亿美元并限制使用;LeCun 团队发布世界模型持续学习成果;李飞飞署名具身智能新论文;光象科技获数亿元天使轮融资布局物理原生基座模型。
AI 动态
Meta 内部 AI Token 支出接近数十亿美元
Meta 对内部 AI Token 消费设定上限,2026 年成本已接近数十亿美元级别。
- 原文链接:https://mlq.ai/news/meta-caps-internal-ai-token-spending-after-costs-approach-billions-in-2026/
- 我的判断:连 Meta 这样的巨头都感受到 AI 推理成本压力了。这反映一个硬现实——AI 推理的规模经济效应有限。当使用规模达到一定程度,即使是批发价也扛不住。
- 对你的影响:
- AI 推理优化在未来 2-3 年将是非常有需求的技能
- 考虑本地部署小型模型替代高成本 API 调用——尤其在重复性高的场景
- 成本意识的 AI 架构设计是工程能力的一部分
LeCun 团队:世界模型学会持续学习
LeCun 团队发布最新研究成果,让世界模型学会持续学习(Continual Learning)。
- 原文链接:https://www.qbitai.com/2026/07/442964.html
- 我的判断:持续学习是通向 AGI 的核心挑战之一——现有模型训练完成后参数固定,无法像人类一样持续学习新知识。LeCun 作为 JEPA(联合嵌入预测架构)路线的坚定支持者,持续推动世界模型不依赖生成式方法。
- 对你的影响:这不是近期会产生工程影响的成果,但理解 JEPA vs GPT 的技术路线之争,有助于判断 AI 长期发展方向。
李飞飞署名具身智能新论文
李飞飞署名新论文:Sim2Real 成本太高,Real2Sim"量大管饱"——用大量真实数据构建仿真。
- 原文链接:https://www.qbitai.com/2026/07/443066.html
- 我的判断:这是具身智能领域的务实转向。之前的 Sim2Real 路径需要昂贵的仿真环境和繁琐的域迁移,Real2Sim 直接从真实世界数据出发构建仿真模型,理论上更高效。
- 对你的影响:技术方向的变化提示我们:做工程决策时,不要过早押注单一技术路径。
中国 AI 动态
光象科技数亿元天使轮
光象科技累计完成数亿元天使轮融资,布局物理原生基座模型。
- 原文链接:https://www.qbitai.com/2026/07/442958.html
- 我的判断:数亿元天使轮在当前融资环境下是非常大的金额,说明投资人对"物理原生基座模型"(即深度融合物理世界规律的 AI 模型)方向的重视。这是世界模型路线的又一注码。
- 对你的影响:中国 AI 创投对基础模型的投资热情不减,这是行业长期向好的信号。
华为更新"韬定律"论文
华为更新"韬定律"相关论文(大规模模型训练的扩展规律)。
- 原文链接:https://www.qbitai.com/2026/07/443186.html
- 我的判断:华为在 AI 基础研究上持续投入,Scaling Law 相关研究对大模型训练效率和成本控制有直接影响。
- 对你的影响:华为昇腾生态是国产 AI 算力的核心选择。了解华为的 AI 研究动态有助于判断国产方案的技术成熟度。