🤖 AI Know 早报

Grok Build的入场标志着AI编程工具进入"三强争霸"时代——Codex有OpenAI的生态霸权，Claude Code有Anthropic的代码安全与可控性，而Grok Build则押注社交化开发这一差异化赛道。马斯克做产品的逻辑一贯是"找到缝隙，然后砸穿它"。把IDE搬上社交媒体，让代码变成内容、让开发者变成创作者，这确实是一个没人认真做过的方向。但问题是：开发者真的想在社交平台上写代码吗？代码的隐私、知识产权、以及"社交压力"会不会劝退专业开发者？更关键的是，Grok 4在编程能力上的基准测试尚未公开，xAI能否在代码生成质量上追平OpenAI和Anthropic还是未知数。不过可以确定的是，这场竞争的最大受益者将是开发者——编程工具的降价和功能迭代已经开始加速。

这份文件的发布时点非常耐人寻味。国际层面，OpenAI的Operator、Anthropic的Computer Use、Google的Project Mariner正在将AI Agent从概念推向实用；国内层面，百度的文心智能体、字节的豆包Agent、智谱的AutoGLM也在加速落地。国家此时出手，实际上是给一个即将"野蛮生长"的赛道提前划出跑道。"分类分级"是聪明的做法——不搞一刀切，对高风险场景严管、对消费级场景松绑，既保安全又保创新。最值得关注的是"可解释性"要求：这是目前所有大模型厂商最头疼的问题之一。要求Agent解释自己的决策逻辑，本质上是把AI的"黑箱"敲开一条缝。这对技术栈提出了新要求——未来做AI Agent不只是要做得好用，还要做得"经得起问"。可以预见，Agent可解释性技术将成为一个新的创业方向。

NVIDIA的路线图正在从"一年一迭代"加速到"半年一迭代"。Blackwell刚大规模出货，Feynman的轮廓就已经浮出水面。以费曼——量子电动力学的奠基人——命名新一代架构，NVIDIA的野心溢于言表：这是要在物理极限逼近摩尔定律天花板时，用架构创新打开新的算力空间。A16（1.6nm）是台积电目前公布的最先进制程，但良率爬坡历来是个难题。NVIDIA在此刻释放Feynman的消息，除了展示技术肌肉外，也是在向投资人和客户传递信号："我们的创新周期没有被任何对手打乱。" 但另一个角度看，科技巨头们（谷歌TPU、亚马逊Trainium、微软Maia）正在快速追赶，Feynman能否帮NVIDIA守住95%以上的AI训练市场份额，将在2026年底见分晓。

这是NVIDIA的"Intel时刻"吗？历史总在押韵：曾经Intel的x86生态固若金汤，直到苹果、亚马逊、谷歌都开始自研ARM芯片。今天的NVIDIA有更厚的护城河——CUDA生态不仅仅是一个工具链，更是全球数百万AI开发者习得的能力。但这次不同的是，"造反"的不只是终端厂商，而是手握最大算力采购预算的云巨头。他们的策略很清晰：用NVIDIA芯片跑最核心的工作负载，同时把性价比敏感的长尾推理任务迁移到自研芯片上。对NVIDIA来说，好消息是AI市场正在爆发式增长，即使份额从95%降到60%，绝对收入仍然惊人。坏消息是，一旦生态开始出现裂缝，很难再补回来。Feynman的成败，某种程度上决定了NVIDIA能否在生态竞争中保持主导权。

这份榜单的精髓不在于"看谁在榜上"，而在于"谁不在榜上"。去年热炒的一些AI明星公司已经从榜单上消失——市场正在进入残酷的筛选期。从公司成立时间来看，2024-2025年成立的AI公司集体进入榜单，说明AI创业的"窗口期"依然在打开，但机会正在从"做大模型"转移到"做应用"和"做中间层"。另一个值得注意的趋势是：AI安全公司开始集体上榜。这反映了行业成熟度——当AI足够强大时，人们开始担心它带来的风险，安全就成了刚需。投资人现在问创始人的问题不再是"你们用AI做什么"，而是"你们解决了什么真实痛点"。吹泡沫的阶段正在过去，拼产品的阶段正式到来。

1,240亿美元不是一个普通的数字。这几乎相当于2021年全球VC市场超级繁荣期全年的总额——而这次只是一个季度。但有意思的是，市场的"马太效应"正在加剧：大额融资越来越集中在少数几家头部公司（CoreWeave一轮融了数十亿、Anthropic持续融资）、而中小型基金的募资愈发困难。这轮AI投资还有一个显著特点——中国资本的回归。经历了2023-2024年的融资寒冬后，中国AI企业在2026年Q1重新获得全球资本关注，特别是芯片和基础设施赛道。但风险依然清晰：2025年大量AI初创公司烧光了钱、估值打折甚至归零的教训还历历在目。热钱的逻辑是"宁可错投不可错过"，但对创始人来说，融资多不等于做得好——钱烧完之后，产品才是唯一的主语。

2026年开源LLM生态的最大变化是：不再是一两个模型主导天下，而是一个多元竞争的健康生态。Qwen3在中英文场景的全面领先让人惊喜——中国开源模型第一次在多个国际权威基准上登顶，说明国内大模型的能力已经达到世界一流水平。Mistral在效率和合规性上的持续投入也值得关注，他们是唯一一家坚持所有模型严格按照Apache 2.0发布的重要厂商。MoE架构几乎成为标配这一点意义深远——它意味着"更大"不再等于"更贵"，稀疏激活让千亿参数模型也能在消费级GPU上运行。开源模型与闭源模型之间的差距正在从"代际差距"缩小到"版本差距"，对于绝大多数应用场景而言，开源模型已经足够好用。

这份清单15,000+ Star不是偶然的——它是开源LLM"从玩具到工具"转变的晴雨表。2023年你可以在上面找到的模型只有不到10个，而今天这个列表已经超过80个。这意味着企业在选择AI基座模型时拥有了前所未有的自主权。"商业可用"这个筛选条件越来越重要——很多企业在2024年曾因许可协议纠纷被拖入法律泥潭，现在大家对许可条款的审慎程度堪比看租房合同。从技术侧看，有趣的是模型架构的进化速度：三年前的Dolly只有12B参数已经让人惊叹，而今天12B模型连榜单尾部都排不上。但参数竞赛可能在2026年触顶——企业更关心的是"部署成本 vs 效果"的最优解，而不是单纯比参数大小。

"Policy Was the Easy Part"——这个标题本身就是2026年AI治理最犀利的洞察。过去两年，全球各国像竞赛一样出台AI法规，仿佛谁先发法规谁就掌握了AI话语权。但真实世界的运行规律是：写一百页政策容易，培养一个能读懂AI系统技术审计报告的人难。70%的政府部门缺乏合规审计能力意味着什么？意味着AI监管在相当长一段时间内将处于"有法难依"的尴尬状态。这其实是一个巨大的市场机会——AI合规科技（RegTech for AI）将成为2026-2028年最确定的创业赛道之一，就像当年的GDPR催生了一个合规科技产业一样。政策只是开始，执行才是真正的战场。

白宫这份政策框架的出现，标志着美国AI治理从"行政令时代"迈向"立法时代"。与欧盟AI法案的"自上而下"方式不同，美国的思路更偏向"务实主义"——不完全替代各州立法权，给创新留出空间。从内容看，有两个值得中国从业者关注的信号：第一，"分层监管"的思路与中国最近发布的智能体规范意见高度相似，全球主要经济体的AI治理思路正在趋同；第二，AI版权问题的明确化对模型训练数据的使用规则将产生深远影响。全球AI治理的"版图"正在成型：欧盟主"底线"（人权保护）、美国主"平衡"（创新与安全的平衡）、中国主"发展"（在安全前提下的产业推进）。三套规则的博弈和互认，将是2026年之后AI国际治理的核心议题。