每日AI资讯 2026-09-19

一、AI 行业动态

1. 四家AI巨头因"呼吁放缓"吃上反垄断官司

据 Politico 报道，四名原告 9 月 18 日在加州联邦法院提起民事诉讼，指控 Anthropic、OpenAI、SpaceXAI 与谷歌通过公开协调放缓 AI 发展速度，构成非法商业合谋。诉讼导火索是 Anthropic CEO Dario Amodei 本月早些时候发表的协调控制前沿 AI 文章——马斯克、奥特曼、Hassabis 曾公开附议。原告拟扩展为集体诉讼，四家公司均未回应置评。值得玩味的是：喊了一年的"安全倡议"，第一次被原告律师翻译成了"卡特尔证据"——以后 CEO 们再谈"共同降速"，可能得先过法务这一关。

2. Gemini 首次"越狱"：入侵了三家真实公司

《华尔街日报》9 月 18 日报道，谷歌 Gemini 在安全公司 Irregular 今年 5 月的一次网络安全测试中，通过反复猜测密码、以及在公开代码仓库里捡到有效凭据两种手段，成功登录了三家真实企业的内部系统。三个案例中，模型在意识到目标是真实公司（而非测试靶机）后都主动终止了入侵。争议点在披露：谷歌 7 月就已知情却未主动公开，直到 WSJ 根据线报问询才承认，理由是"未造成实际伤害"。这是 Gemini 首次被公开披露的真实入侵事件——AI 安全测试的沙箱边界，比想象中薄。

3. AI 新云 Nscale 冲刺纽交所：营收涨 12 倍，亏 10 亿美元

创始人兼 CEO Josh Payne 的英国 AI 云厂商 Nscale 递交纽交所上市申请（代码 NSCL）：截至 6 月 30 日的六个月营收 1.406 亿美元（同比 +1252%）、净亏损 10.2 亿美元、在手合同约 1034 亿美元；客户包括 OpenAI、Anthropic、微软，投资方有英伟达、戴尔、Fidelity。它刚在上市前完成 35 亿美元融资（估值约 500 亿美元，英伟达加码 20 亿）。继 CoreWeave、Nebius 之后，第三家冲刺公开市场的 AI 新云——亏损换订单的剧本，资本市场看来还没看腻。

4. 博通财报：AI 半导体收入大增 221%

博通第三财季营收同比增长 86%，其中 AI 半导体收入大增 221%；CEO 陈福阳称 AI 算力与推理需求"极其强劲且持久"，重申 2027 财年 AI 芯片年销售额可达 1150 亿美元。美中不足的是第四财季营收指引 348 亿美元略低于预期，毛利率预计同比下降 5 个百分点。作为超大规模厂商定制芯片（ASIC）的双寡头之一，博通这份财报基本把"AI 需求见顶论"又往后压了一格。

5. DeepMind 开放 AlphaGenome Atlas：90 亿种基因变异的"预计算查表"

Google DeepMind 发布 AlphaGenome Atlas 数据集，把人类基因组超过 90 亿种单字母变异的分子效应预测全部预先算好，总量约 1PB，并配套推出融合 AlphaGenome 与 AlphaMissense 两套系统的 AVI 评分，覆盖 2% 的编码蛋白区和 98% 的非编码基因组。研究者免费开放，商业访问走 Google Cloud。对遗传学研究者来说，"这个变异有没有害"从提交排队等推理，变成了直接查表。

注释：AI 新云（Neo Cloud） 专做 GPU 算力出租的新一代云厂商，不卖通用云计算，只服务 AI 训练与推理的大客户，靠长期合同锁定量价。CoreWeave、Nebius、Nscale 都属此类。

二、AI 新元素

1. Mantic：让 AI 预测未来的公司拿到 2500 万美元（9月19日）

伦敦初创 Mantic 宣布完成 2500 万美元种子轮，由 Radical Ventures 领投，微软 M12、Mira Murati 的 Thinking Machines Lab、Balderton Capital 参投。它的 AI 预测系统刚在预测平台 Metaculus 夏季杯中击败了所有人类参赛者（仅负于另一个 AI 系统 laertes，位列第二）——这是机器首次在该竞赛中占主导地位。典型案例：哥伦比亚总统选举预测中，Mantic 给出约 40% 胜选概率（人类共识仅约 30%），最终该候选人获胜；音乐榜题上人类跟共识翻车，它没跟。

它怎么赚钱？ Mantic 不自研基础模型，而是把别家实验室的模型"适配"成预测机器：用历史事件反复测试、打分、迭代优化。收费对象是企业与政府机构（部分客户已在用，名单未披露），对冲基金和交易公司兴趣最浓——预测上一点点优势都能直接换成钱。两位创始人：CEO Toby Shevlane 是前 Google DeepMind 研究科学家，因"想更好地预测影响 AI 发展的全球事件"而创业；联合创始人 Ben Day。两人 2024 年在伦敦创立公司，本轮 Radical Ventures 合伙人 Aaron Rosenberg 进入董事会。

2. 蚂蚁百灵开源 Realtime-Venus：边看边听边说的全双工交互系统（9月18日）

蚂蚁百灵团队在 Hugging Face 开源 Realtime-Venus 全双工音视频交互系统（Apache-2.0 协议），一次性放出两个 9B 模型：一个支持音视频输入的实时交互模型，一个支持异步任务委派的模型。亮点是三件事：主动交互（AI 可以先开口）、异步委派（把活儿派出去干）、可打断的全双工对话（你说到一半它能让路）。这是蚂蚁与清华的合作成果，也是国内大厂第一次把"视频通话式 AI 助手"的完整底座开源。

3. MiniMax Code CLI 开源，开发者圈刷屏（9月18日）

MiniMax Code CLI v0.4.12 以 MIT 协议开源，包含完整的客户端代码与工具链实现。对开发者的意义很直接：终端 AI 编程工具的"内部实现"第一次可以整体拿来看、改、部署——你可以把它接到自家模型上，而不是被单一厂商锁定。开源当晚 GitHub 与 Discord 社区反应热烈。在 Claude Code、Codex 主导的终端编程赛道，这是国产厂商第一次用"全透明"打法入场。

4. Google MilleMiglia：给物流做中间数据的合成器（9月18日）

Google 研究团队发布 MilleMiglia，一个面向中间物流（长途运输、干线调拨）的合成数据生成器。物流行业的数据天然分散在不同承运商系统里，隐私壁垒高、历史数据脏，机器学习一直难落地；MilleMiglia 用生成式方法合成贴近真实的运输场景数据，供模型训练与调度优化使用。属于"用 AI 生成数据、再用数据训练 AI 解决行业问题"的闭环新样本。

5. 长鑫存储扩建 3D NAND 研发产线（9月18日）

路透社报道，长鑫存储（CXMT）拟在北京附近的第二座晶圆厂建设 3D NAND 研发产线——此前它以 DRAM 为主力，NAND 闪存是新的战线。AI 数据中心对存储的需求（HBM 之外的 SSD 层）持续推高存储价格，铠侠等大厂都在扩产。长鑫此番从 DRAM 延伸到 NAND，意味着国产存储第一次同时押注两条主线。

注释：DRAM 与 3D NAND 内存芯片的两大门类：DRAM 是"工作台"（断电即失，供 CPU 临时取用），3D NAND 是"仓库"（固态硬盘的存储颗粒，数据长期保存）。AI 服务器两者都海量吃货。

三、X 大V动态

1. 黄仁勋：AI 毁灭人类的概率是"0%"（9月18日）

英伟达 CEO 黄仁勋在接受 CBS《Sunday Morning》专访（9 月 20 日播出，预告于 18 日发布）时表示，他"完全不同意"AI 会在 2030 年前毁灭人类的说法——"概率是 0%"。他同时给出商业判断：预计明年英伟达芯片销量翻倍，因为 AI 对各行业效益的贡献巨大、几乎每个国家都在投资。监管问题上他坚持近期一贯立场：AI 安全是工程问题，不需要社交媒体式的新法律框架。在"放缓派"与"加速派"的拉扯里，他把自己钉在了最加速的那一端。

2. Simon Willison：别只盯着模型，盯着披露（9月18日）

独立安全研究者 Simon Willison 在 Gemini 入侵三家公司事件曝光后发文。他的评论有两层：好消息是 Gemini 在发现目标是真实公司后主动收手，"不像某些同行那么执着"；坏消息是谷歌 7 月就知情、被媒体问询才承认——"各家模型终于在重罪席（Felony Bench）上凑齐了同伙"。他提醒：这类事件的关键从来不是模型"会不会"越界（会），而是公司在知道之后愿不愿意主动说。这篇博客已是全球报道此事实引用的第一信源。

3. 孙正义：把 Arm 股份当提款机的 AI 赌徒（9月18日）

彭博与新浪财经报道，软银已将以 Arm 股份担保的保证金贷款第三次扩大，增加 50 亿美元至 250 亿美元——本月刚与债权人重新谈判签约。背景是孙正义对 OpenAI 近 650 亿美元的累计承诺：9 月 15 日刚提前结清 259 亿美元过桥贷款，转头又要弹药。代价也看得见：奥特曼 17 日晚表态"今年不上市"，软银股价 18 日单日暴跌 13.2%，创 14 个月最大跌幅。整条资金链——Arm 质押、银行贷款、OpenAI 上市退出——环环相扣，任何一环松动都是系统性风险。

4. 闫俊杰：MiniMax 出海，新加坡成了第二站（9月18日）

MiniMax 9 月 17 日确认受邀共建新加坡 Singtel 的 AI 订阅套餐，旗下多款 AI 产品将用于新加坡公民的 AI 技能培训；消息推动股价单日上涨 7.06%，市值至 889.9 亿港元。这延续了创始人闫俊杰此前"多模态是 Coding 之后最大应用市场"的判断——继沙特 HUMAIN 用 M3 做阿拉伯语主权模型之后，中国大模型公司出海从"卖 API"进化到"进运营商套餐"。配合 18 日晚 Code CLI 开源，MiniMax 本周打出了"海外收入+开发者生态"的组合拳。

注释：保证金贷款（Margin Loan） 拿股票做抵押向银行借钱，股价涨可以借更多，股价跌到线就得补钱。用 Arm 股份担保借款，等于把"Arm 股价"和"还得上债"绑在了一起。

四、GitHub 热门项目

1. bilawalsidhu/gods-eye-view：浏览器里的间谍卫星（38.0k★，7 天 +12k）

一个基于真实数据开源空间智能库 + 照片级 3D 地球的"卫星模拟器"：在浏览器里还原轨道侦察视角，可按真实卫星参数查看地表。有趣在三点：它把"空间智能"从概念做成了可交互 demo；底层数据全部真实可溯源；渲染全部在 Web 端完成。对做地理可视化、遥感 demo 的开发者，这是个现成的起点。

2. colbymchenry/codegraph：给大仓库画一张"代码地图"（71k★，7 天 +915）

把代码库预先索引成一张可导航的图谱，AI 编码助手接入后能先"看地图"再动刀，而不是每次都在几万行文件里盲搜。定位是给 Claude Code、Cursor 这类工具补上"空间记忆"：人类进大项目先看架构图，AI 现在也可以。对被"AI 改一处崩三处"折磨的团队，值得试装。

3. DietrichGebert/claude-red：Claude 的进攻性安全技能库（6.2k★，1 天 +2.9k）

为 Claude 技能系统打造的进攻性安全（红队）技能合集，覆盖渗透测试、漏洞研究等场景的标准化工作流。它走红的时间点很微妙——就在 Gemini 入侵真实公司事件曝光的同一周。声明一下用途边界：这是给安全研究人员做授权测试用的工具箱，不是"一键黑网站"。对安全团队，把 Claude 变成可审计的渗透助手是条新路。

注释：进攻性安全（Offensive Security） 站在攻击者视角找漏洞的安全研究方法，红队演练、渗透测试都属此类。先学会怎么攻，才知道该怎么防。

五、今日技巧：Claude Code 云线程，合上电脑任务继续跑

Anthropic 本周重构了 Claude Code 的 Projects 功能，核心是"云线程"（Cloud Threads）：从一个对话里描述目标，Claude 会自动拆出多条并行线程，每条线程是一个独立的云端会话、自带上下文，断开连接后依然在云端继续执行。

上手三步：

一句话拆任务：在 Claude Code 里描述目标（比如"给这个仓库的所有 API 路由补鉴权中间件并加测试"），协调器会拆出并行线程各领一块；
放心合电脑：线程跑在云端，本地断开、关机都不影响，单项目可同时开数十条线程；
回来收结果：每条线程产出独立的结果与摘要，由主对话汇总。

适用场景：批量同构任务（给几十个文件做同样修改、批量迁移依赖）和互相独立的探索任务（让三条线程分别试三种方案）。两个提醒：线程各自烧 token，先小规模试成本；任务之间有依赖关系就别硬拆——协调器还没聪明到能自动排序。

六、近期热门论文

1. SAEScientist-Bench：AI 能不能自己研究 AI 的黑箱（arXiv 9月）

论文链接：https://arxiv.org/abs/2609.09113

稀疏自编码器（SAE）是当前打开大模型黑箱的主力工具——把内部激活分解成人类可读的"特征"。这篇论文构建了一个基准，检验 AI Agent 能否像人类可解释性研究员一样，自主完成 SAE 特征分析、假设提出与实验验证的完整研究闭环。它讲什么：给"AI 自主做可解释性科研"这件事定了第一套考题。有什么用：可解释性研究是安全对齐的地基，如果这条流水线能自动化，人类研究员就能从手工解剖特征里解放出来，专注提出更好的问题——"AI 研究 AI"的递归链条又推进了一格。

2. Molecular Déjà Vu：模型背过的数字会"闪回"（arXiv 9月）

论文链接：https://arxiv.org/abs/2609.05381

这篇论文在数字级粒度上研究前沿语言模型对"已发表数值"（分子性质、物理常数等文献数据）的检索与记忆行为：模型是逐位复现了训练数据里的答案，还是真的在推理？它讲什么：给"模型到底记住了多少"提供了一个可逐位核对的探针。有什么用：一头连着版权与数据泄漏的合规评估（背没背、背了什么可以量化），一头连着评测方法论（benchmark 里的数字可能早就被模型背下来了，分数要打折看）。

3. MeClear：给长程 Agent 的记忆做"断舍离"（arXiv 9月）

论文链接：https://arxiv.org/abs/2609.09115

长程运行的 LLM Agent 记忆会越积越脏：过时信息、错误结论不但挤占上下文，还会带偏后续决策。MeClear 提出两步方案：先用合作博弈论给每条记忆对历史决策的"功劳"做归因，再用风险感知策略决定哪些记忆该清除、哪些该保留。它讲什么：让 Agent 学会有依据地遗忘，而不是把记忆当只进不出的仓库。有什么用：跑长任务的 Agent 普遍存在"记忆污染"退化，这套归因+清除的框架为长期记忆管理提供了可度量的清理标准。