NEWS REMIND
1. Meta首个自研AI生图模型上线，好友照片默认拿来练手
2. 亚马逊拟发债250亿美元为AI基建输血，科技巨头融资竞赛升级
3. 英伟达发布Vera CPU，专攻AI Agent串行死穴
4. iOS 27 Beta 3解锁Siri跨App能力，你的车剩多少电它能查
5. DeepMind把手伸进古典学：AI能读懂2000年前的手稿
6. 美国半导体工人缺口2030年将达15.7万，芯片复兴遇人力瓶颈
Meta首个自研AI生图模型上线，好友照片默认拿来练手
7月8日，Meta推出了一款新的图像生成人工智能模型Muse Image。这是Meta首席人工智能官 Alexandr Wang 入职一年多以来首次发布此类模型，斥资数十亿美元。
即日起Muse Image在Meta AI应用、Instagram Stories和WhatsApp上线，面向用户免费使用。用户可以使用它根据文本提示生成图像，或要求其修改现有图片。广告商也将很快能够使用该模型来创建营销素材。
然而这一功能上线已经引发用户对隐私边界的讨论。因为用户可通过@功能，调用Instagram好友的公开照片进行AI创作，尽管Meta用户可以自行选择关闭该功能，但诸多用户指出这将构成“隐私雷区”。
另外，Meta同时宣布Muse Video视频生成模型已在开发中。（Meta Blog、Bloomberg、The Verge）
亚马逊拟发债250亿美元为AI基建输血，科技巨头融资竞赛升级
7月7日，亚马逊宣布计划通过发行美元债券募集至少250亿美元，资金将用于AI基础设施建设，包括数据中心扩张、AI芯片采购和云计算能力扩展。
这是该公司今年最大规模的融资动作，延续了亚马逊在AI领域持续大手笔投入的路线。知情人士透露最终发行规模可能根据投资者需求进一步上调。
今年头部科技企业在AI领域总资本支出预计突破7000亿美元，亚马逊的投入规模位居行业前列。债券融资成本低于股权融资，且不会稀释现有股东权益，反映出管理层对AI投资回报的信心。（Bloomberg）
英伟达发布Vera CPU，专攻AI Agent串行死穴
7月7日，英伟达正式发布Vera CPU，定位为“目前规模下最大单线程CPU”。
该芯片专为Agentic AI系统设计，当AI Agent进行推理步骤、工具调用和代码执行时，所有任务串行依赖前一步完成，CPU单线程性能成为系统吞吐能力的核心瓶颈。Vera的设计目标就是将这个“串行关卡”的单线程吞吐能力推到极限。
AI搜索引擎Perplexity已率先采用Vera CPU部署其Agentic搜索服务，成为该芯片首个公开客户。这一采用案例直接验证了Agentic AI场景对高性能CPU的结构性需求，也意味着AI基础设施的硬件需求正从“GPU为王”扩展到CPU这一常被忽视的环节。
随着AI Agent从概念走向产品化，Vera CPU的发布标志着CPU性能重新成为AI基础设施的关键变量。英伟达此举同时向外界释放信号：公司不仅在GPU领域保持统治地位，在CPU赛道也正在发力，进一步补全其“AI全栈硬件”版图。（NVIDIA Blog）
iOS 27 Beta 3解锁Siri跨App能力，你的车剩多少电它能查
7月7日，Apple推送的iOS 27第三个开发者测试版中，Siri AI新增调取第三方应用内数据的能力。目前已可读取电动汽车App中的车辆剩余电量，福特等品牌App已支持该功能，但Tesla官方App暂未接入。Siri访问第三方数据前会主动申请权限，所有数据处理均在设备端完成，不上传云端。
这一更新是Siri从“语音命令工具”向“AI个人助理”转型的关键一步。此前Siri只能访问Apple原生应用数据，调取第三方数据能力的加入意味着Siri可以回答"我的车还剩多少电"这类跨应用问题，大幅提升日常实用性。
Apple采用了“用户显式授权+端侧处理”的隐私优先方案。这种设计正成为Apple与Google Assistant和Amazon Alexa差异化竞争的核心武器。该功能目前仅在开发者测试版中可用，正式版预计随iOS 27在今年秋季推送。（9to5Mac）
前特斯拉Optimus科学家在巴黎造人形机器人，仅重40公斤
7月7日，曾在特斯拉参与Optimus人形机器人项目的法国科学家Rémi Cadène公布其创业项目——巴黎初创公司UMA的首款人形机器人Northstar，定位轻量化路线，整机仅重40公斤，目标场景涵盖制造工厂、物流仓库和家庭服务，直接对标Tesla Optimus和Figure。
Cadène此前不仅在特斯拉Optimus团队积累了纯视觉感知、端到端控制和大规模生产工程化经验，还曾在AI开源社区Hugging Face主导开发了开源机器人项目LeRobot。Northstar搭载UMA自研的“Real-Time Learning”实时学习架构，于7月7日Machina Summit上首次公开亮相，目前瞄准欧洲市场。
从行业角度看，特斯拉Optimus团队的人才正在系统性外溢，成为全球人形机器人行业的“黄埔军校”。Cadène选择巴黎而非硅谷创业，既反映出欧洲在AI硬件领域的后发潜力，也意味着特斯拉在该领域的先发优势正在被人才流动稀释。这一趋势将加速人形机器人行业技术扩散。（Bloomberg, Electrek, WebProNews）
Tesla 2025 Impact Report揭示AI全生态，Cybercab涂装缩短至数分钟
7月7日，Tesla发布2025 Impact Report，首次系统性展示AI如何贯穿其能源、交通和制造三大业务线。报告核心信息是“AI让我们的产品用更少的资源做更多的事”——从太阳能存储到电动汽车再到人形机器人，AI正成为Tesla全产品线的底层驱动引擎。
同日披露的Cybercab新RIM（反应注射成型）工艺尤为引人注目。该工艺将车身涂装周期从传统的数小时大幅压缩至数分钟，同时减少35%的碳排放。这项制造工艺突破直接服务于Cybercab的量产计划，为Tesla在Robotaxi赛道建立制造成本壁垒。
Impact Report显示Tesla已不再是一家单纯的“车厂”。AI正在将能源（太阳能+Powerwall）、交通（EV+FSD）和制造（Cybercab新工艺）整合为一个完整的产品生态系统。对Waymo等自动驾驶竞争对手而言，Tesla在制造端的成本优势可能比自动驾驶技术本身的领先更具杀伤力。（X @Tesla）
DeepMind把手伸进古典学：AI现在能读懂2000年前的手稿了
7月7日，Google DeepMind发布Antigravity，将Gemini模型与专家模型Aeneas和Ithaca直接对接，让历史学家可以用自然语言（英语）分析和研究古希腊和拉丁文手稿。这是AI首次系统性进入人文研究领域，此前DeepMind的突破更多集中在AlphaFold（生物科学）和GraphCast（气象科学）等自然科学方向。
Antigravity采用分层架构：底层Gemini负责自然语言理解和任务调度，上层Aeneas和Ithaca负责古文字文本分析和年代推断。历史学家只需用英语描述研究问题，系统即可自动完成文本比对、翻译和年代判定等工作，将此前需要深厚专业训练的研究门槛大幅降低。
这种“通用模型+专业模型”的架构范式，可能成为AI在垂直行业落地的通用路径。在医学、法律、考古等高度专业化领域，通用大模型本身难以达到专家水准，但通过对接领域专用模型，可以实现“通才调度+专才执行”的协同效应。（X @GoogleDeepMind, antigravity）
Anthropic将Claude Cowork扩展至移动端和Web，AI协作走出桌面
Anthropic正在将Claude Cowork扩展到移动端和Web平台，用户可直接在手机和浏览器上使用AI协作工作流。
此前Claude Cowork仅在桌面端可用，移动化将显著扩大其使用场景和用户覆盖面，让AI Agent协作在碎片化场景中也能持续进行。
在OpenAI和Google纷纷布局Agent产品的背景下，Anthropic选择从协作工作流切入，强调AI作为“协同者”而非“替代者”的定位，这一差异化策略在移动端扩展后将获得更多验证场景。（The Verge）
美国半导体工人缺口2030年将达15.7万，芯片复兴遇人力瓶颈
一份行业报告显示，美国半导体行业面临严峻的高技能工人短缺，预计到2030年熟练劳动力缺口将达到15.7万名全职工人。德克萨斯州、加利福尼亚州、亚利桑那州、纽约州和俄亥俄州等芯片制造重镇缺口最为严重，可能延缓美国各地新建半导体工厂的建设进度。
这一人才短缺直接威胁到美国《芯片与科学法案》引导下的半导体制造复兴计划。台积电亚利桑那工厂、三星德州工厂、英特尔俄亥俄工厂等项目均面临招募和培训合格工人的挑战。报告建议扩大半导体课程设置、增加政府资金支持并提前向学生推广芯片行业职业路径。
从全球竞争角度看，美国半导体人才短缺可能加速部分产能向亚洲回流。台积电在日本和欧洲的建厂计划已展现出更高效的本地人才匹配能力。劳动力供给正在成为继资金和政策之后，半导体制造本土化的第三道实质性壁垒。（Bloomberg）
