AI 日报

【事件】IBD 7 月 2 日报道，Nvidia 与 Sharon AI、Firmus Technologies 合作，以收入分成和信用支持帮助 neocloud 客户建设算力。Sharon AI 计划在澳大利亚最多部署 4 万张 Grace Blackwell GB300，Firmus 的印尼 Batam AI factory 规划最多 17 万张 Nvidia GPU。两组数字都是上限规划，不是已安装或已付款数量；收入分成比例、最低采购承诺、融资主体与担保责任也未公开，不能把规划容量计入当期出货。

【背景】GPU 集群需要土地、电力、网络和巨额前期资本，neocloud 若没有长期客户合同，很难仅凭设备抵押获得低成本资金。Nvidia 从芯片供应商向信用与收益结构参与者延伸，可以提前锁定需求并扶持非 hyperscaler 渠道，但也把客户利用率和偿债风险部分带回自身生态。与传统一次性硬件销售相比，这种模式更接近设备融资或项目开发，订单质量必须结合开机率、租约期限与客户集中度判断。

【信号】算力供给正在从硬件交付变成资产结构设计。模型创业公司获得更多租赁渠道，Nvidia 获得需求前置，但投资者必须区分有最终客户的项目与靠供应商信用堆出的库存。后续应跟踪首批上线 GPU、数据中心电力接入、长期租约、平均利用率和应收账款，而不是累加“最多 21 万张”的远期规划。反向风险是项目延期、融资成本上升或模型需求不及预期，使收入分成变成坏账压力，因此本条保持 B 档。

【事件】Business Insider 7 月 2 日报道，Alexandr Wang 在 Meta 内部 town hall 称下一代模型 Watermelon 已在部分基准追平 OpenAI GPT-5.5，并使用比 Avocado/Muse Spark 高一个数量级的训练算力。该说法来自单一媒体转述的内部会议，Meta 未公开模型权重、系统卡、测试集和可重复成绩；“部分基准追平”不能外推为总体能力持平。可确认的是 Meta 正在加大训练规模并把 Watermelon 作为下一阶段模型工程重点。

【背景】Meta 2026 年 AI 芯片、数据中心等资本开支指引为 1250—1450 亿美元，人才与基础设施投入都要求可见产品回报。公司此前的开源路线与广告业务数据构成优势，但前沿模型若不能在开发者和用户任务中兑现，算力投入只会扩大折旧。Watermelon 的内部比较发生在 GPT-5.6 尚未普遍开放的窗口，也使“追平”缺乏稳定外部参照；真正的竞争是模型上线后的任务完成率、推理成本和分发能力。

【信号】Meta 必须从人才挖角和算力投入转向公开可验证结果。投资者应等待模型发布日期、第三方评测、API 价格、开源程度与广告/推荐产品的实际接入；开发者则不应根据内部 town hall 提前迁移。若 Watermelon 在较低单位推理成本下达到前沿能力，Meta 的分发与自有芯片会形成组合优势；若仍停留在选择性榜单，资本开支回报压力会加大。由于证据只有单源内部披露，本条维持 B，且不使用“已追平前沿”作为标题结论。

【事件】GenEvolve 项目页与 Hugging Face 模型卡显示，团队开源模型、代码、数据和评测，使用 search、image_search、query_knowledge 三类工具生成 prompt-reference program。项目从约 2 万条结构化 recipe 构建 GenEvolve-Data/Bench；作者报告搭配 Qwen-Image-Edit 时 KScore 为 0.3663，搭配 Nano Banana Pro 为 0.5739，WISE 总分 0.82。

【背景】传统图像生成主要优化提示词和单次采样，专业任务却需要查找人物、物体、布局和事实参考，并在多轮编辑中保持约束。GenEvolve 将搜索、知识查询与参考图选择写成可观察轨迹，使失败可以定位到检索、规划或生成环节。这些数字来自项目自评，任务定义和评价器都由作者参与设计，不能与商业模型的通用图像质量直接横比；外部搜索质量、版权和工具调用成本也会影响结果，2 万条 recipe 未必代表设计、电商和广告等真实工作流。

【信号】图像 Agent 的竞争从更会写提示词转向更会组织证据。团队评估时应保留轨迹、参考来源和失败原因，并比较每张合格图的工具调用成本、人工修订次数与版权风险。开源数据和代码有利于独立复现，但只有跨模型、跨领域和人工盲评一致时，WISE/KScore 才能成为采购依据。后续观察点包括企业素材库接入、引用许可、长链任务稳定性和真实用户留存；未出现这些证据前，本条保持 B 档技术信号。

【事件】机器之心 7 月 2 日报道，明略科技推出开源平台 Octo，将不同工作流里的 Bot 聚合到同一协作空间，支持 IM、Matter、浏览器插件、CLI 和私有化部署。报道披露平台设计 6 种协作模式，并以 Context、Taste、Orchestration 组织多 Agent 的任务上下文与反馈。当前可确认的是代码、入口和设计框架，尚无大规模企业客户、长期任务成功率与权限事故数据，不能把“开源”直接等同生产可用。

【背景】企业 Agent 的核心障碍不是缺少聊天窗口，而是任务状态散落、身份权限不一致、反馈无法沉淀。Slack、飞书和微软依靠既有协作入口建立上下文，Octo 则试图用开源与私有化让组织控制编排层。六种模式增加灵活性，也会带来更多调度、冲突解决和审计复杂度；Matter 等协议的接入范围与真实兼容性需要部署验证，而不是由架构图推断。

【信号】Team Agent 的下一步是建立可审计的上下文资产。企业试点应选择跨系统但责任边界明确的流程，记录任务交接、权限拒绝、人工接管、数据保留和单位成本；私有化价值也要与升级运维负担一起计算。若 Octo 能稳定连接本地系统并保持模型中立，将形成不同于平台封闭生态的路线；反向风险是生态与维护资源不足，开源项目停在演示层。后续看活跃贡献者、生产案例、连接器数量与安全审计。