科技快讯 | 2026年07月04日 OpenAI提议向美国政府转让5%股权

---

📰 OpenAI提议向美国政府转让5%股权

OpenAI CEO Sam Altman 向特朗普政府提出了一项前所未有的方案：将公司约5%的股权转让给美国政府关联实体，参考阿拉斯加永久基金的运营模式。据《金融时报》援引知情人士报道，该股权按OpenAI 3月融资估值（8520亿美元）计算约值426亿美元。Altman已直接向总统特朗普、商务部长Lutnick和财政部长Bessent进行了简报。

该提案目前仍处于概念阶段，落地可能需要国会立法授权。此举标志着AI行业与华盛顿关系的一次重大转向——前沿AI实验室正在寻求通过与国家利益更紧密绑定来换取监管空间。如果推进成功，可能为Anthropic、Google、Meta等公司设立类似安排开创先例。

OpenAI此举的背后逻辑清晰：面对日益严格的安全审查、出口管控和地缘政治压力，用经济利益换取政治支持正成为硅谷AI领导者的新策略。这一提案将如何重塑科技公司与政府的关系格局，值得持续关注。

— Financial Times via TechStartups

---

📰 Google输掉欧盟反垄断上诉，终审裁定罚款41亿欧元

欧盟最高法院（CJEU）于7月2日驳回了Google和母公司Alphabet的最后上诉，维持了2018年开出的41亿欧元（约47亿美元）反垄断罚款。这意味着这场持续八年的法律战终于落下帷幕，Google再无上诉途径。

案件核心是Google在Android系统中捆绑自家搜索和Chrome浏览器的做法。欧盟认为，通过Android授权协议将Google应用设为默认选项，即使三星、小米等第三方设备也被迫预装，构成了滥用市场支配地位。这与当年微软IE浏览器反垄断案如出一辙。

值得注意的是，这是Google在欧盟面临的第二笔巨额罚款。去年欧盟还对Google广告垄断行为开出了29.5亿欧元的罚单。接连的司法挫败正在重塑全球科技巨头的合规策略。

— Ars Technica

---

📰 Nvidia推出"算力先用后付"新模式，瞄准AI创业公司

Nvidia正在向AI云服务商推出一种全新的商业模式：创业公司可以通过收入分成和信用支持的方式获取GPU算力，而不必一次性支付全款。据CNBC报道，这一"先用后付"模式旨在降低AI创业公司获取Nvidia算力的资金门槛。

这一策略标志着Nvidia从芯片销售向AI基础设施金融服务延伸。在GPU被比作"新石油"的时代，Nvidia正在将算力访问本身打造成增长引擎。对于资金有限的AI初创公司而言，这种方式可以大幅缓解前期资本压力。

不过，分析人士指出，这种模式的可持续性取决于AI创业公司的实际盈利能力。如果大量公司依赖收入分成但无法产生足够营收，可能会形成新的风险链。

— CNBC

---

📰 AI编程"Token不经济"：微软撤内部Claude Code许可

腾讯研究院发文指出，微软近期收回了内部员工的Claude Code使用许可，转而引导使用自家Copilot CLI。Claude Code是Anthropic推出的AI编程工具，在微软内部开放仅6个月就成为最受欢迎的辅助开发软件之一，但随之而来的是Token消耗剧增、成本暴涨，而产出质量不如预期。

这一现象并非孤立。Uber仅用4个月就耗尽了2026全年AI编程工具预算；亚马逊部分员工无意义消耗Token；Meta悄悄撤下了内部"Tokenmaxxing"排行榜，不再鼓励无产出的Token消耗。文章将此命名为"Token不经济"——企业都在强调AI原生，但暂时只见越来越长的账单，未见匹配的收益。

Token不经济是多因素叠加的结果：内部管控不力、Token使用ROI有限、Agent架构设计中的Skill重复调用和长程任务内耗等。文章认为，仅从供给端优化Token成本还不够，更需从需求端解决Token消耗如何在产业场景中产生实际价值的问题。

— 36氪/腾讯研究院

---

📰 AI天才集体回流大厂：从"出去创业"到"进来扛旗"

虎嗅网深度报道了2026年AI领域的人才流向逆转现象。2023年的主流叙事是大厂人才离职创业，而2026年多位顶尖年轻AI人才选择进入大厂：DeepSeek-V2作者罗福莉入职小米负责大模型MiMo；复旦博士孙天祥创业后加入百度出任基础模型研发部负责人；清华姚班普林斯顿博士姚顺雨27岁成为腾讯首席AI科学家。

这一变化的根本原因是大模型竞争的门槛急剧提升。基础模型需要数万张GPU卡、稳定电力、数据工程和长期现金流，单靠小团队和融资已难以支撑。光年之外创始人王慧文因病退场后被美团收购，MiniMax单月现金消耗达2790万美元，都印证了小团队做基础模型的困境。

值得注意的是，这批年轻人回流并非被"收编"，而是大厂向他们让出了实权——路线调整、资源调配、团队组建都由年轻人主导。他们忠于的是自己的研究方向而非组织，条件变化时仍会继续调整选择。

— 虎嗅

---

📰 Ecolab以47.5亿美元收购加拿大CoolIT，押注AI数据中心液冷

全球水处理和卫生巨头Ecolab完成了对加拿大冷却技术公司CoolIT的收购，交易金额约47.5亿美元。CoolIT总部位于卡尔加里，专注于数据中心直接液体冷却（DLC）技术。随着AI数据中心能耗激增，液冷需求正呈爆发式增长——CoolIT今年迄今的销售额已同比增长超过100%。

Ecolab表示，这笔收购将显著增强其在AI基础设施价值链中的长期增长前景，使其成为涵盖水处理、冷却和能源管理的综合解决方案提供商。CoolIT的DLC技术与Ecolab现有的数据中心水处理业务形成强互补。

AI数据中心正面临前所未有的散热挑战。据估计，到2030年AI数据中心电力需求可能翻倍，液冷正从"可选项"变为"必选项"。这条赛道上的并购活动预计将持续升温。

— The Globe and Mail

---

📰 Scandium Canada收购雪板制造商，剑指航天级钪铝合金

蒙特利尔稀土矿产公司Scandium Canada以660万美元现金加股票收购了魁北克城雪板制造商Ferreol Technologies。Ferreol以用钪铝合金制造高性能滑雪板起家，该公司开发的某些合金强度比7075航天铝合金高出45%。

收购后的战略目标远不止雪板——新品牌Scalium+的网站规划在未来十年内将钪铝合金应用于更轻量、更省油的航空器和航天器制造。Scandium Canada是北美唯一的钪金属来源，这赋予了其在供应链中的独特地位。

加入少量钪即可制造出轻质、高强度且耐腐蚀的铝合金，同时具备优异的导电导热性能。这一收购虽然是材料科学领域的小交易，但折射出加拿大在关键矿产和先进材料方面的技术积累。

— BetaKit

---

📰 三星和SK海力士宣布超万亿美元韩国半导体投资计划

三星电子和SK海力士联合宣布在韩国进行史无前例的半导体扩张计划，未来十年总投资将超过1万亿美元，用于建设半导体产业集群和AI数据中心。SK海力士单独宣布了1100万亿韩元的投资计划，并加速龙仁工厂完工时间至2033年。

这一宣布时间点耐人寻味——正值费城半导体指数（SOX）两日暴跌超11%之际。市场对AI基础设施过度投资的担忧加剧，但韩国两大存储芯片巨头选择逆势加码，押注AI驱动的长期需求将持续增长。SK海力士还宣布计划于7月10日在纳斯达克上市，以筹集扩张资金。

作为Nvidia HBM3E内存的主要供应商，SK海力士在AI加速器生态系统中占据战略位置。其创纪录的Q1 2026业绩（营收52.57万亿韩元，利润同比增长超5倍）为此次大规模投资提供了资金底气。

— Distill Intelligence

---

📰 Yann LeCun创立AMI Labs，开发超越LLM的灵活AI系统

AI教父、前Meta首席AI科学家Yann LeCun正在通过其新创公司AMI Labs（Advanced Machine Intelligence Labs）开发一种全新架构的AI系统。他直言当前的大型语言模型（LLM）"不聪明"，无法处理真实世界的复杂场景。"我们还没有能在物理世界理解力上媲美老鼠的机器人。"

AMI Labs正在开发名为JEPA（Joint Embedding Predictive Architecture，联合嵌入预测架构）的新型AI。与LLM基于统计模式预测下一个词不同，JEPA创建对真实世界的抽象表征，过滤无用信息，使AI能够对物理行为的结果做出合理判断而非盲目猜测。今年早些时候，AMI Labs完成了超过10亿美元的种子轮融资，投资方包括Nvidia和贝佐斯的家族基金。

LeCun认为LLM在编程、数学和文本生成等确定性问题上有用，但它们"只是在做知识检索"，缺乏真正的理解力。这场关于AI架构路线的争论——LLM vs. 世界模型——正成为人工智能领域最核心的议题。

— BBC News

---

📰 Anthropic与三星洽谈定制AI芯片，2nm工艺在望

据The Information报道，Anthropic已与三星电子展开初步洽谈，考虑使用三星的2纳米制造工艺和先进封装技术来生产定制AI加速器芯片。Anthropic已聘请专业芯片工程师团队，目前仍在确定芯片规格、功耗要求以及服务器集群集成方案。

这一动向紧随OpenAI与Broadcom合作开发定制AI芯片不到一周之后，标志着前沿AI实验室正在加速走向垂直整合。对于三星而言，拿下Anthropic这一客户将显著提升其晶圆代工业务的竞争力，与台积电争夺AI芯片这一高增长市场。

Anthropic对TechCrunch表示，包括Google、Amazon和Nvidia芯片在内的多元化硬件栈仍将是其算力策略的核心。但自研芯片的趋势已不可逆——减少对Nvidia的依赖、降低推理成本、优化模型运行效率，是每家AI巨头都必须回答的战略问题。

— TechCrunch

---