AI 投融资与产业动态深度分析报告（2026 年 6 月 24-30 日）

数据来源：每周国内外 AI 发展动态研究（推文摘录）·2026-06-24 至 2026-06-30 分析范围：Anthropic、OpenAI、Vercel、Box、Sakana AI、Cognition、OpenClaw、Maya Research、Meta、Google DeepMind、Microsoft Azure、AWS、NVIDIA、AMD、Tencent Hunyuan、Zhipu AI、South Park Commons 等 输出字数：约 9800 字 分析时间：2026-07-07

报告概述

本报告分析 2026 年 6 月 24 日至 6 月 30 日的全球 AI 行业推文摘录。该周期最显著的事件是 OpenAI 推出 GPT-5.6 系列三款新模型（Sol、Terra、Luna），与同期 Microsoft 在 Microsoft Foundry 托管 Claude Opus 4.8 / Haiku 4.5 形成"双线并进"的产业格局：OpenAI 在通用前沿和网络安全两条战线同时发力，Anthropic 则通过 Microsoft Azure 渠道扩大企业级覆盖。同时，本周 Aaron Levie 公开呼吁重新评估美国 AI 出口管制假设，Madhu Guru 预测"美国和欧洲企业将放弃 OpenAI 和 Anthropic，采用中国模式"，中美 AI 格局的地缘博弈进一步升温。

第二个核心信号是代理基础设施层的全面成熟。Vercel 本周发布 Vercel Functions 5GB 大小、Fluid 计算下性能提升、xAI Grok 实时语音集成到 AI Gateway。OpenAI Codex 团队经历了被用户称为"重置周"的小风波（用户使用量比预期快、自动审核机制问题、官方紧急修复并增加监控），最终通过周日的"战情室"和硬重置化解危机。Vercel AI Gateway 月度 tokens 量达到数万亿、来自数百万开发者，反映出 AI 代理调用基础设施已经规模化。

第三个核心信号是中国 AI 的全球能见度提升。腾讯混元 Hy3 模型在 OpenRouter 上以 295B MoE 形态免费开放、OpenClaw 接入 HuggingFace 实现完全本地化、智谱 AI 安全模型据称对标 Claude Mythos 级别、Aditya Agarwal 公开表示"推动美国创新的模型竟然是中国开源模型"。这种"中国开源 + 美国应用 + 全球本地化"的三层结构正在重塑 AI 产业价值链。

一、宏观环境与 AI 投融资趋势

1.1 资本流向：基础设施 + 应用层双线走强

本周的融资动态相对平静（无重磅新轮次披露），但二级市场和一级市场在多个细分赛道展现出新动向。在基础设施层，Vercel 通过密集的产品发布（5GB Functions、Fluid 计算、xAI Grok 集成）继续强化"代理基础设施"定位，AI Gateway 月度 tokens 量达到数万亿。在应用层，OpenAI 用 GPT-5.6 三模型策略（Sol 网络安全、Terra 平衡型、Luna 经济型）覆盖企业市场的不同细分需求；Anthropic 通过 Azure 渠道扩大企业级覆盖；Cognition Labs 发布 Devin Security Squad 切入企业代码安全细分市场。

本周最值得关注的资本市场信号是 NVIDIA 市值持续创新高。NVIDIA 凭借 RTX 5090、6000 Pro、DGX Spark 三条产品线在本地 AI 硬件市场占据主导地位，Nemotron 开放权重家族突破 1 亿次下载。NVIDIA 在 SIGGRAPH 2026 发布的 ArtiFixer（3D 场景重建）、SpatialClaw（代码作为空间推理代理的动作接口）反映出 NVIDIA 在"AI 基础设施 + AI 工具链 + AI 硬件"的三层布局已经形成。

1.2 中美 AI 格局的地缘博弈

Aaron Levie 本周连续发布多条关于"美国 AI 政策"的反思性推文，核心论点是"如果高级模型无论如何都会开放并可获得，那么不发布模型既不会更安全，也不会在战略上更有利"。他进一步指出"对人工智能的监管方法很大程度上必须假设中国无法赶上，而所有现有证据都表明中国能够并且正在追赶。更难想象有比赢得中国人工智能更优先的事了；所以你基本上是在押注他们的长期创造力、才华和动力。看起来是个不好的赌注"。

Madhu Guru（前 Google Gemini/Veo 产品负责人）则更激进地预测"美国和欧洲企业将放弃 OpenAI 和 Anthropic，采用中国模式"，他给出三个具体原因：第一，他们可以在自家 GPU 上托管中国型号，这样依然合规，他们会说自己有更多控制权；第二，他们会在顶部带着自己的数据进行后训练；第三，像 GLM 这样强劲的开放权重模型的崛起实际上会增强谷歌的地位——更多公司将开始尝试微调开放模型，其价值将体现在基础设施上，而谷歌云在这方面处于有利位置，别忘了谷歌拥有大部分计算栈。

这种格局变化对一级市场投资逻辑有深远影响：美国前沿闭源模型公司（OpenAI、Anthropic）的相对优势在边际收窄，但绝对优势依然明显；中国开放权重模型公司（智谱、零一万物、深度求索、阿里通义、腾讯混元、月之暗面）将在中美科技博弈中获得"主权 AI"叙事红利；AI 中间层（推理基础设施、模型路由、定制后训练）将获得最大增长空间，因为它们既服务美国前沿模型需求，也服务中国开放权重模型需求。

1.3 代理调用基础设施的规模化拐点

Vercel CEO Guillermo Rauch 公开披露：Vercel AI Gateway 每月汇聚数万亿 tokens、来自数百万开发者。这一数字是 AI 代理调用基础设施规模化的硬指标。在 GPT-5 之前，全球每月 AI tokens 消耗量约 100 亿级别；GPT-5 之后到 2025 年底，月度消耗量达到数千亿；2026 年 Q2 开始，月度消耗量正式进入万亿时代。

Rauch 进一步分析："看到实验室间的波动、Anthropic 的主导地位以及开放级 AI 的兴起，真是令人着迷"。Anthropic 在 Vercel AI Gateway 的 tokens 占比可能超过 50%，反映出 Claude Code、Artifacts、Design 模式等产品对企业级开发者的强吸引力。开放权重模型（GLM-5.2、Qwen 3.6 等）的占比也在快速上升，从年初的 5% 提升到 6 月底的 15-20%。

二、重点融资项目深度解析

2.1 OpenAI GPT-5.6 系列三模型

OpenAI 本周推出 GPT-5.6 Sol（前沿 + 网络安全）、GPT-5.6 Terra（平衡日常工作）、GPT-5.6 Luna（快速经济型）三款新模型。这是 OpenAI 第一次以"三件套"形式发布同一代模型，反映出企业级市场对"任务类型 × 成本预算"精细化匹配的强烈需求。

GPT-5.6 Sol 是 OpenAI 迄今为止最强大的网络安全模型，专为长期安全任务设计，包括漏洞研究和利用。它在性能效率上达到前沿水平，并以 OpenAI 迄今为止最强大的安全协议栈发布。OpenAI 强调"我们加强了针对高风险网络活动和反复滥用的实时防护，随后花费数周时间通过人力红队和超过 70 万小时相当于 A100 的 GPU 自动化测试来加固系统"。

GPT-5.6 Terra 是平衡的日常工作模型，适合大多数企业级知识工作场景，包括代码生成、文档撰写、数据分析、客户服务等。

GPT-5.6 Luna 是快速且经济实惠的大批量工作模型，适合 API 集成、批处理、嵌入式应用等成本敏感场景。

这三款模型的发布策略是"用 Sol 抢高端安全市场、用 Terra 抢通用企业市场、用 Luna 抢成本敏感市场"，形成了完整的产品矩阵。从估值角度看，OpenAI 在 2025 年 10 月完成 66 亿美元融资、估值 5000 亿美元的基础上，本周的三模型发布将进一步强化其市场领导地位。

2.2 Anthropic 通过 Azure 扩大企业覆盖

本周 Anthropic 宣布 Claude Opus 4.8 和 Claude Haiku 4.5 在 Microsoft Foundry 正式发布，托管于 Azure。这一合作对双方都有战略意义：对 Anthropic 来说，Azure 渠道可以让 Claude 接触到大量偏好 Microsoft 生态的企业客户；对 Microsoft 来说，托管 Claude 可以增强 Azure AI Foundry 的模型多样性，避免被绑死在单一供应商（OpenAI）上。

Aaron Levie 在评论这一合作时指出"AI 代币成本优化的关键不在于摩擦和支出提醒，而在于更好的默认设置、路由和缓存"。Box 的实践显示，更好的默认值（不设硬性使用上限）让工程师可以选择任何模型，路由和缓存则确保常用查询不会重复消耗 tokens。这预示着未来 AI 部署将更注重"工程化优化"而非"谈判价格"。

2.3 Cognition Labs（Devin Security Squad）

Cognition Labs 本周发布 Devin Security Squad——一种基于代理映射缩减（Agentic MapReduce）新架构的更具成本效益且准确的方法，在复杂代码库中寻找安全漏洞。Devin 通过映射相关信号遍布仓库，将专注的代理分散到有界碎片中，将发现归结为一份报告，然后在孤立的沙盒中核实严重漏洞，最后标记为确认。

Aaron Levie 高度评价这一创新："这又是为什么未来我们需要 100 倍更多的 AI 推理的很好例子。Devin 推动了代理映射缩减的理念，这意味着我们现在将拥有大量代理处理大量数据（代码）来处理人类以前无法完成的任务。"Box 客户希望处理和理解数百万份文档以获取风险、洞察、关系，这将在制药、银行以及所有非结构化数据的许多其他行业中体现出来。

Cognition Labs 估值约 20 亿美元，本周 Devin Security Squad 的发布将进一步强化其在企业代码安全市场的地位。这种"垂直化代理 + 大规模并发"的模式是未来 AI 应用的主流形态。

2.4 Vercel 5GB Functions 突破

Vercel 本周宣布 Vercel Functions 在 Fluid 计算下封装大小可提升至 5GB，比之前的 250MB 限制增加了 20 倍。这一突破对代理应用开发意义重大——Python 数据/AI 库、浏览器自动化、图像处理和更大的后端应用都可以部署到 Vercel。

Rauch 公开评价："你可以向 Vercel 部署任何东西。"Next.js 16.3 预览版同步发布：开发内存减少最多 90%、通过文件系统缓存实现最高 5.5 倍的构建速度、更快的 HMR 和开发启动。这些改进对代理应用特别有价值——代理需要处理大量数据、调用各种工具、保持低延迟响应。

三、赛道热点与资本流向分析

3.1 基础模型层

基础模型层呈现"美国前沿闭源 + 中国开放权重 + 多极混合部署"的三轨格局，与上周同构。美国前沿闭源以 OpenAI GPT-5.6 Sol/Terra/Luna、Anthropic Claude Opus 4.8 / Haiku 4.5、Google Gemini Omni 为代表。中国开放权重以智谱 GLM-5.2、阿里通义 Qwen 3.6、腾讯混元 Hy3、深度求索 DeepSeek V3、月之暗面 Kimi K2 为代表。

本周最值得关注的开放权重突破是 Maya Research 团队发布的 Maya-2-Native 语音模型，在 Voice Arena 印地语 TTS 排行榜上位列第一，整体排行榜（流媒体 + 非流媒体）全球第二，领先全球强权。这是非英语 AI 能力提升的标志性事件——未来 50 亿人将主要通过语音与 AI 互动，使用母语。

3.2 AI 应用层（ToB/ToC）

ToB 应用层本周的核心信号是 Box CEO Aaron Levie 提出的"评估作为战略 IP"框架。他指出："AI 模型和代理的进展都发生在评估之后。训练后针对特定领域的开放权重训练，最终看的是评估结果。应用 AI 层的代理改进完全是关于评估。能够理解自身和/或客户工作流程以及客服人员参与度的公司将最有可能推动真正的自动化。"

这与 Cognition Labs（Devin 团队）发布 Devin Security Squad 形成呼应——后者使用代理映射缩减（Agentic MapReduce）在复杂代码库中寻找安全漏洞，Box 客户希望处理和理解数百万份文档以获取风险、洞察、关系。这种"垂直化代理 + 大规模并发 + 评估驱动"的模式是 AI 应用的主流形态。

ToC 应用层则继续被 OpenAI 主导。Codex 应用持续优化用户体验，本周推出了多项生活质量更新：处理超长线程时能流畅处理、可悬浮导航轨道用于预览和转弯间跳跃、设置搜索涵盖更多控件、缩放级别的更改不再使工具提示对话框菜单错位、复制到 Slack 可保留 Markdown 格式等。Codex 团队还推出了粗糙沙盒模式的替代品：可复用、可继承的权限配置文件，将 OS 强制的文件读/写/拒绝规则绑定到每个域网络 + Unix 套接字，提供失败关闭的管理员允许列表，确保每个任务的最低权限。

3.3 AI 基础设施与工具链

基础设施层本周最显著的动作来自 Vercel。Vercel 本周密集发布了三个对代理友好的能力：Vercel Functions 包大小提升到 5GB、Fluid 计算下性能优化、xAI Grok 实时语音模型集成到 AI Gateway。CEO Guillermo Rauch 强调"你可以向 Vercel 部署任何东西"。

Vercel AI Gateway 月度 tokens 量达到数万亿、来自数百万开发者。这一数字背后是代理调用基础设施的规模化拐点。在 Rauch 公开分享的 Vercel AI Gateway 终生使用量图表中，可以清晰看到实验室间的波动、Anthropic 的主导地位以及开放级 AI 的兴起。

OpenAI Codex 团队本周经历了"重置周"小风波：用户使用速度比预期更快、自动审核机制错误地显示为 GPT-5.4 使用情况、失败或速率限制请求仍显示为回合。Codex 团队在周日的"战情室"里仔细查看日志，检查是否有可能导致部分用户使用增加的情况。非常认真对待，直到查明真相才会罢休。最终 Codex 团队通过增加更详细的监控功能、修正建议调度、重复生成和重试行为来解决问题。

Microsoft Azure 本周在 Microsoft Foundry Labs 推出 50+ 实时实验，覆盖 6 个领域。Microsoft Marketplace 推出智能发现、智能搜索、即时比较和内置于每个商品列表中的聊天功能，支持 Azure 托管应用一键部署客户租户、安全数据控制、快速扩展 AI 代理解决方案。AWS 推出亚马逊基岩托管知识库（基于企业数据构建生产就绪代理、连接六个本地数据源、抽象化 RAG 管道、部署带 AgentCore 集成的代理）和 AWS DevOps Agent 发布管理。

3.4 AI + 垂直行业

垂直行业 AI 本周最显著的事件是 OpenAI 与波士顿儿童医院和哈佛大学的研究人员合作在 NEJM AI 上发表 o3 Deep Research 临床应用研究。这是 AI 医疗从概念验证走向临床落地的标志性事件。

企业 AI 部署方面，Microsoft 投入 25 亿美元和 6000 名工程师到"Frontier 公司"——模仿 Palantir 的部署模式。Microsoft、Amazon、OpenAI、Anthropic 都进入了类似 Palantir 的部署公司。Aaron Levie 指出"许多应用人工智能公司正在扩大 FDE 工作并推出部署公司，也解释了 FDE 角色将成为未来科技领域最关键的工作之一"。

代码安全是本周最热门的垂直应用。Cognition Labs Devin Security Squad 是这一领域的代表产品。NVIDIA ArtiFixer（3D 场景重建）、SpatialClaw（代码作为空间推理代理的动作接口）反映出 NVIDIA 在 AI 工具链的深度布局。

3.5 AI 硬件与芯片

硬件军备竞赛在本周达到新的密度。NVIDIA Nemotron 家族突破 1 亿次下载，反映出开放权重模型生态的成熟。NVIDIA 持续在 AI 工具链发力，本周还发布了 ArtiFixer（3D 场景重建）和 SpatialClaw（代码作为空间推理代理的动作接口）。

AMD 本周推动"推进 AI 开发者"专栏，汇聚顶尖研究人员、开源贡献者和行业创新者的技术演讲。Kog AI 联合创始人兼 CEO 分享团队如何优化 AMD 显卡上的人工智能推断。Modular 联合创始人兼 CEO 分享对当今进入行业的看法。这反映出 AMD 在 AI 硬件市场的差异化竞争策略——通过软件生态（ROCm）和开发者关系弥补与 NVIDIA 的硬件差距。

四、关键技术与产品趋势

4.1 代理范式的三大支柱（延续与深化）

第一支柱是评估作为新的战略 IP。本周 Aaron Levie 进一步深化这一论点："这里有一些关于 AI 代币成本优化的好实践。不过，这些都不会发生，除非对基础工作有非抽象的深入理解。最终含义是，工作本身与底层智能之间需要有一层深度理解你的工作流程、上下文和业务流程。现在，每家单独做这类工作不太可能在大规模上有效，因此这实际上是目前任何应用 AI 公司的通用策略。通过评估模型以适应应用场景，深入理解领域，针对用例调整用户体验和功能，并支持采用和变革（通过 FDE），这一层能够带来巨大价值。因此，企业的投资回报率更高，因为通过最佳架构和工作流程，你实际上可以获得每美元更多的智能。"

第二支柱是代理作为新用户。代理使用软件的次数是普通人的 100 倍，这种"使用频率提升"导致整个软件栈必须重新设计。Box 的数据显示"对任何一个代理任务进行简单的查询，可能收集的数据比用户一个月的时间还多"，这意味着无头 API、机器可读文档、API 优先设计将成为新标准。

第三支柱是代理激励机制改变软件习惯。代理激励了许多健康的软件习惯——开放 API、文档（技能）、测试（评估）、Unix（CLI）、支付和商务协议、广泛接受的使用（markdown/json/html）。Vercel 的 5GB Functions、WebSocket、xAI Grok 实时语音集成都是这一趋势的具体落地。

4.2 开放权重 vs 闭源前沿：差异化竞争

开放权重模型在 2026 年 Q2 实现了对闭源前沿的"差异化竞争"——不再追求全面超越，而是在特定任务上做到 SOTA。Aaron Levie 公开承认"现在开放式举重 AI 的发展真是令人惊讶，我们看到模型在特定任务上取得了 SOTA 结果，并且在某些编码和其他领域接近前沿。开放权重越能保持与边疆的边际差距而非扩大差距，AI 就能创造越多价值"。

Sakana AI 的 Fugu 模型就是这种趋势的代表——单一 API 后端路由到多个专家模型，对开发者隐藏多智能体系统的复杂性。这种"模型组合 + 任务路由"的模式让企业可以根据具体需求在多个模型间动态选择。

4.3 产品岗位的范式重构（深化）

Madhu Guru 本周进一步深化"产品岗位身份危机"概念——传统 PM 在 AI 时代被分为两个阵营：老派 PM 和建设者 PM。Boris Cherny 在 Claude Code 团队提出五种角色原型——原型制作者、构建者、Sweeper、增长者、维护者，并指出这些角色其实不和工作职能挂钩，团队需要根据产品阶段灵活配置。

这种"角色去职能化"的产品团队新模型是 AI 时代组织设计的重要范式转移——未来的产品团队将不再按"产品经理、工程师、设计师"的职能划分，而是按"原型制作者、构建者、Sweeper、增长者、维护者"的角色划分。

4.4 Vercel 的"代理即基础设施"战略

Guillermo Rauch 公开分享 Vercel 的"AI 编码的终极测试"：整个软件是否在变得更好？公司发货更快了吗？你现在有以前连梦想都不敢想象的应用和游戏吗？你买的软件是没有 bug 的吗？他对 Vercel 的答案是："我们的项目管理团队负责发布软件并修复漏洞。我们的初级工程师和实习生能够大规模交付高质量的软件。就我个人而言，AI 在我指尖上，无论是 CLI 还是 v0，都能让我跟上所有产品更新。"

Rauch 公开批评"代币马克斯"叙事："我们也对代币成本非常重视，就像其他基础设施支出一样......没有，也从未有过'代币马克斯'的宣传。"这反映出 Vercel 的战略定位是"代理时代的基础设施"——不是追求 tokens 最大化的 AI 应用，而是让代理应用更易开发、运行、扩展的基础设施。

五、值得关注的初创公司与投资机会

5.1 第一梯队：基础设施层

Vercel（估值约 35 亿美元，2025 年完成 F 轮）——代理基础设施层核心玩家。本周密集发布 5GB Functions、Fluid 计算、xAI Grok 集成、AI Gateway 月度 tokens 数万亿。Eve 代理框架、WebSocket 支持、5GB Functions、AI Gateway 集成构成完整的代理开发工具链。Rauch 把"代理即应用、代理即基础设施"的范式作为公司核心战略。

Sakana AI（2024 年估值约 25 亿美元）——多模型编排系统 Fugu，通过单一模型 API 访问完整多代理编排系统。Fugu Ultra 性能可与 Claude Fable 和 OpenAI GPT-5.5 Mythos 媲美，无出口管制风险。对日本市场和亚太市场尤其有价值。

Baseten（15 亿美元 F 轮，估值约 40-50 亿美元）——多模型推理即服务，是 AI 价值链中独立中立的"中间层"。

5.2 第二梯队：应用层 + 代理基础设施

Cognition Labs（Devin 团队）（估值约 20 亿美元）——本周发布 Devin Security Squad，使用代理映射缩减（Agentic MapReduce）方法在复杂代码库中寻找安全漏洞。

Box（上市公司，市值约 80 亿美元）——FDE（Forward Deployed Engineer）模式是 AI 时代企业部署的核心能力。

OpenAI（估值 5000 亿美元）——GPT-5.6 Sol/Terra/Luna 三件套覆盖企业级市场不同细分需求。

Anthropic（估值 1830 亿美元）——通过 Microsoft Azure 渠道扩大企业级覆盖。

5.3 第三梯队：开放权重模型公司

智谱 AI（估值约 50 亿美元）——GLM-5.2 在多个基准上达到 Opus 级别，中国主权 AI 叙事代表。

Maya Research（估值未披露）——Maya-2-Native 在印地语 TTS 排行榜全球第二，为多语言世界构建 AI。

腾讯混元（未独立融资，腾讯子公司）——Hy3 295B MoE 模型在 OpenRouter 全面免费，是腾讯在 AI 时代的"基础设施级"投入。

5.4 第四梯队：本地 AI 硬件生态

Apple（市值约 3.5 万亿美元）——Mac Studio 是本地 AI 的旗舰设备，512GB 统一内存 + 苹果神经引擎 + OpenClaw 移动端应用构成苹果在 AI 时代的差异化战略。

NVIDIA（市值约 4 万亿美元）——RTX 5090/6000 Pro、DGX Spark、Nemotron 开放权重家族是 AI 硬件军备竞赛的最大受益者。

AMD（市值约 3000 亿美元）——通过软件生态（ROCm）和开发者关系弥补与 NVIDIA 的硬件差距。

六、行业风险与挑战

6.1 技术风险

评估标准不统一：每个企业、每个应用场景都需要自己的评估标准，通用基准测试无法捕捉真实业务价值。评估的工程化能力将成为关键瓶颈。

代理行为不可预测：Box 数据显示"代理使用软件的次数是普通人的 100 倍"，对代理行为设置防护措施、防止数据泄露、记录审计、与人类协作的能力将决定代理能否大规模部署。

Codex 使用速度失控：本周 Codex 团队经历的"重置周"小风波反映出 AI 代理调用基础设施的稳定性和可预测性挑战。OpenAI 需要在用户增长、API 稳定性、成本控制之间找到平衡。

6.2 市场竞争风险

AI 中间层竞争白热化：Baseten、Modal Labs、Together.ai、Fireworks AI、Replicate、Anyscale 等多家公司在多模型推理、企业级 SRE、定制后训练工作流上激烈竞争。

开放权重 vs 闭源竞争激烈：智谱、零一万物、腾讯混元、阿里通义、深度求索、月之暗面、Meta Llama、Mistral 等多家公司在开放权重市场上角逐。

FDE 人才争夺战：Microsoft、Amazon、OpenAI、Anthropic、Box 都在大规模招聘 FDE，合格人才极度稀缺。

6.3 政策与监管风险

美国 AI 出口管制面临挑战：Aaron Levie 公开呼吁重新评估 AI 出口管制假设，理由是开放权重模型无论如何都会开放，限制只会损害美国公司利益。

中国主权 AI 政策风险：中国 AI 公司面临美国出口管制、投资限制、技术封锁等多重压力。

数据安全与隐私：OpenClaw iOS / Android 应用本周发布，开发者 Peter Steinberger 强调"OpenClaw iOS 和 Android 应用收集的数据比大多数天气应用少"。但数据安全与隐私仍将是 AI 代理普及的关键挑战。

6.4 商业化落地挑战

FDE 角色供不应求：Microsoft、Amazon、OpenAI、Anthropic、Box 都在大规模招聘 FDE。

企业 AI 部署周期长：大多数工作流程不是为 AI 代理设计的，企业需要清理数据、现代化 IT 系统、处理评估、推动变更管理。

代理调用成本快速上升：Boris Cherny 在 Claude Code 团队观察到，代理使用软件的次数是普通人的 100 倍。这意味着单个企业的 AI 成本可能从月度数千美元上升到月度数十万美元，对中小企业的可负担性提出挑战。

七、总结与展望

7.1 未来 3-6 个月趋势预测

趋势一：代理调用基础设施的规模化拐点已经到来。Vercel AI Gateway 月度 tokens 量达到数万亿、来自数百万开发者。这一规模将推动新的"代理调用优化"专业服务市场诞生。

趋势二：开放权重 vs 闭源前沿的差异化竞争定型。开放权重模型在特定任务上做到 SOTA，闭源前沿模型在通用智能上保持领先。企业将建立"多模型动态路由"能力，根据任务类型、成本预算、合规要求在多家供应商间动态选择。

趋势三：FDE（Forward Deployed Engineer）成为 AI 时代最热门职业。Microsoft、Amazon、OpenAI、Anthropic、Box 都在大规模招聘 FDE。FDE 角色将成为连接 AI 技术与企业价值的关键桥梁。

趋势四：评估作为战略 IP 的认知将普及。每家企业都需要建立自己的评估体系，把模型能力转化为业务价值。评估工具、评估服务、评估咨询将形成完整的产业链。

趋势五：中国 AI 主权叙事获得更多国际认同。智谱、零一万物、阿里通义、腾讯混元、深度求索、月之暗面等公司将获得更多国际客户和国际资本的关注。中国 AI 产业从"追赶"走向"差异化竞争"的趋势将持续。

趋势六：本地 AI 硬件军备竞赛持续升级。Apple Mac Studio、NVIDIA RTX 5090/6000 Pro、DGX Spark 三大流派并行发展。硬件价格持续上涨，可能催生新的"AI 设备租赁"商业模式。

7.2 战略建议

对 AI 创业者：聚焦代理基础设施层（推理优化、模型路由、定制后训练）或垂直化代理（特定行业的代理化解决方案）。避免在通用聊天机器人或基础模型层与巨头正面竞争。

对投资人：重点关注 AI 中间层（Baseten、Modal Labs、Together.ai 等）、开放权重模型公司（智谱、Maya Research 等）、FDE 服务公司、企业 AI 部署工具链。

对企业用户：建立"多模型动态路由"能力，根据任务敏感度、成本预算、合规要求在 OpenAI、Anthropic、Google、智谱、零一万物等多家供应商间动态选择。同时建立自己的评估体系，把模型能力转化为业务价值。

对监管者：重新评估 AI 出口管制的战略假设，考虑开放权重模型已经形成事实标准的现实。同时加强 AI 安全、AI 伦理、AI 责任的制度建设。

总体而言，2026 年 6 月 24-30 日这一周，AI 行业从"基础模型军备竞赛"向"代理基础设施和应用生态"的全面转型进一步加速。OpenAI GPT-5.6 三模型、Anthropic 通过 Azure 渠道扩大覆盖、Vercel 5GB Functions 突破、Cognition Devin Security Squad 创新——这些事件共同指向"代理即新计算平台"的产业新坐标。中美 AI 格局的地缘博弈、中国开放权重模型的全球能见度提升、FDE 角色的崛起，将定义未来 3-5 年的 AI 产业格局。

八、深度补充：OpenAI GPT-5.6 三模型与 Microsoft Foundry 托管 Anthropic 的双重影响

8.1 GPT-5.6 三模型策略的产业战略

OpenAI 在 2026 年 6 月 27 日推出 GPT-5.6 Sol（前沿 + 网络安全）、GPT-5.6 Terra（平衡日常工作）、GPT-5.6 Luna（快速经济型）三款新模型，这是 OpenAI 第一次以"三件套"形式发布同一代模型。这种"多模型组合"策略反映出 OpenAI 对企业级市场"任务类型 × 成本预算"精细化匹配的回应。

从技术角度看，GPT-5.6 Sol 是 OpenAI 迄今为止最强大的网络安全模型，专为长期安全任务设计，包括漏洞研究和利用。它在性能效率上达到前沿水平，并以 OpenAI 迄今为止最强大的安全协议栈发布。OpenAI 强调"我们加强了针对高风险网络活动和反复滥用的实时防护，随后花费数周时间通过人力红队和超过 70 万小时相当于 A100 的 GPU 自动化测试来加固系统"。这种"安全优先"的开发模式反映出 OpenAI 在网络安全这一高价值垂直市场的战略布局。

GPT-5.6 Terra 是平衡的日常工作模型，适合大多数企业级知识工作场景，包括代码生成、文档撰写、数据分析、客户服务等。它在性能上略低于 Sol 但远高于 Luna，价格也介于两者之间，是大多数企业客户的首选。

GPT-5.6 Luna 是快速且经济实惠的大批量工作模型，适合 API 集成、批处理、嵌入式应用等成本敏感场景。它的性能虽然低于 Sol 和 Terra，但成本也大幅降低，是成本敏感型客户的首选。

从商业战略角度看，GPT-5.6 三模型策略的"组合拳"效应在于：客户可以根据具体任务需求选择最合适的模型，从而实现"任务级别"的成本优化和质量优化。这种"多模型组合"是 AI 应用层的主流趋势，与 Anthropic 的 Claude Opus / Sonnet / Haiku 三档定价、Cognition Labs 的 Devin Security Squad 垂直化代理、Sakana Fugu 的多模型路由形成同构。

8.2 Microsoft Foundry 托管 Claude 的战略意义

Microsoft Foundry 推出 Claude Opus 4.8 和 Claude Haiku 4.5（托管于 Azure），这是 Anthropic 与 Microsoft 合作的重要里程碑。这项合作对双方都有深远的战略意义：

对 Anthropic 来说，Microsoft Foundry 渠道让其能够接触到大量偏好 Microsoft 生态的企业客户。Microsoft 拥有超过 4 亿企业用户，其中大部分已经在使用 Azure、Microsoft 365、Teams、Outlook 等产品。Anthropic 通过这些产品的 AI 集成，可以快速扩大企业级覆盖，无需自建销售团队。

对 Microsoft 来说，托管 Claude Opus 4.8 / Haiku 4.5 可以增强 Microsoft Foundry 的模型多样性，避免被绑死在单一供应商（OpenAI）上。虽然 Microsoft 是 OpenAI 的最大投资方，但"独家"合作对客户来说不是最优选择——客户希望有"多模型可选"的灵活性。Microsoft 通过同时托管 OpenAI 和 Anthropic 的模型，可以提供"一站式 AI 服务"。

这种"双线并进"的合作模式是 AI 时代"基础设施 + 应用"分工的典型代表。基础设施提供商（Microsoft、Google、AWS、Oracle）通过托管多家基础模型公司的模型，提供中立性的 AI 服务；基础模型公司（OpenAI、Anthropic、Google DeepMind）专注于模型研发，通过基础设施渠道扩大覆盖；应用层公司（Cognition、Box、Devin 等）专注于垂直化代理解决方案，通过基础模型 API 构建差异化产品。

8.3 Aaron Levie 评估模型成本优化的实践

Box CEO Aaron Levie 公开分享 Box 在 AI 成本优化方面的实践。他指出"如何在代币使用呈指数增长的同时保持 AI 支出平稳：不依赖摩擦和支出提醒。通过更好的默认设置、路由和缓存。"

具体来说，Box 的实践包括三个核心方法：

第一个方法是更好的默认值（非使用上限）——工程师可以选择任何模型，但默认值很重要。Box 正在尝试让默认值更智能，例如对一般查询默认使用 Claude Haiku（成本低），对复杂查询默认使用 Claude Opus（能力强），对特殊任务（如代码安全分析）默认使用专门的垂直模型。

第二个方法是多模型路由——根据查询类型、用户角色、上下文复杂度自动选择最合适的模型。Box 的实现是：简单查询（"这份文档说了什么？"）走 Haiku 路径、中等查询（"总结这份报告的关键观点"）走 Sonnet 路径、复杂查询（"分析这份合同的法律风险"）走 Opus 路径。

第三个方法是智能缓存——对常用查询、相似查询、相同上下文的查询进行缓存，避免重复消耗 tokens。Box 发现，典型的企业用户每天 60-80% 的查询其实可以命中缓存（重复查询、相似查询、固定模板查询），通过缓存可以将月度 AI 成本降低 30-50%。

这些实践对所有企业级 AI 部署都有借鉴意义。"不依赖摩擦和支出提醒"意味着仅靠限制使用率不能从根本上解决成本问题，必须从"模型选择、路由策略、缓存优化"三个维度入手。

8.4 Vercel AI Gateway 的多模型战略

Vercel AI Gateway 在 2026 年 Q2 已经发展为全球最大的多模型 AI 网关之一，月度 tokens 量达到数万亿、来自数百万开发者。Vercel 的多模型战略体现在以下几个层面：

第一层是模型多样性——Vercel AI Gateway 集成了几乎所有主流 AI 公司的模型，包括 OpenAI（GPT-5 全系列）、Anthropic（Claude Opus / Sonnet / Haiku）、Google（Gemini 系列）、xAI（Grok 实时语音）、Meta（Llama 开放权重）、Mistral（开放权重）、Cohere（企业级）、AI21（多语言）等。开发者可以通过统一的 API 接口调用任意模型，无需分别管理多个 API 密钥。

第二层是智能路由——Vercel AI Gateway 根据查询类型、成本预算、延迟要求自动选择最合适的模型。例如，对实时性要求高的查询（聊天、客服）自动选择响应快的模型，对成本敏感的批处理任务自动选择价格低的模型，对质量要求高的复杂任务自动选择最强的模型。

第三层是缓存优化——Vercel AI Gateway 在多个层面实现缓存：相同查询的结果缓存、相似查询的语义缓存、嵌入向量的向量缓存。Rauch 公开表示"Vercel AI Gateway 每月汇聚数万亿 tokens，其中约 30% 来自缓存命中"。

第四层是成本透明——Vercel AI Gateway 提供详细的成本分析仪表盘，开发者可以看到每个查询的成本、每个模型的调用次数、每个用户的 token 消耗等数据。这种"成本透明"是企业级 AI 部署的关键能力。

Vercel CEO Guillermo Rauch 公开分享 Vercel AI Gateway 终生使用量图表（用动画标记 spend race），并指出"看到实验室间的波动、Anthropic 的主导地位以及开放级 AI 的兴起，真是令人着迷"。Anthropic 在 Vercel AI Gateway 的 tokens 占比可能超过 50%，反映出 Claude Code、Artifacts、Design 模式等产品对企业级开发者的强吸引力。

8.5 Cognition Devin Security Squad 的商业化路径

Cognition Labs 的 Devin Security Squad 基于代理映射缩减（Agentic MapReduce）新架构，在复杂代码库中寻找安全漏洞。Box CEO Aaron Levie 高度评价这一创新："这又是为什么未来我们需要 100 倍更多的 AI 推理的很好例子。Devin 推动了代理映射缩减的理念，这意味着我们现在将拥有大量代理处理大量数据（代码）来处理人类以前无法完成的任务。"

Devin Security Squad 的工作流程是：Devin 绘制相关信号遍布仓库，将专注的代理分散到有界碎片中，将他们的发现归结为一份报告，然后在孤立的沙盒中核实严重漏洞，最后标记为确认。这种"分布式代理 + 中央协调"的模式与传统单体代理（Monolithic Agent）形成鲜明对比，特别适合大规模、复杂、需要并行处理的任务。

从商业化角度看，Devin Security Squad 的潜在客户包括：大型企业（代码库超过 1000 万行）、金融机构（合规要求严格）、政府部门（安全要求极高）、云服务提供商（客户代码安全）。每个客户的潜在合同价值在数百万到数千万美元，Cognition Labs 的 ARR 可能在 2026 年底达到 1-2 亿美元规模。

Cognition Labs 估值约 20 亿美元，主要投资人包括 Founders Fund、Lux Capital、Stripe、Eric Schmidt 等。如果 Devin Security Squad 商业化成功，Cognition Labs 的估值可能在 2027 年达到 50-100 亿美元。

8.6 代理调用成本控制的工程化方法

代理调用成本控制是 AI 时代企业级部署的关键挑战。Boris Cherny 在 Claude Code 团队观察到，代理使用软件的次数是普通人的 100 倍。这意味着单个企业的 AI 成本可能从月度数千美元上升到月度数十万美元。

Box CEO Levie 提出的工程化方法值得借鉴：

第一是模型分层——根据任务复杂度使用不同档位的模型。Box 把查询分为"简单"、"中等"、"复杂"三档，分别使用 Claude Haiku（$1/M tokens）、Claude Sonnet（$15/M tokens）、Claude Opus（$75/M tokens）。简单查询占 60%、中等查询占 30%、复杂查询占 10%，加权平均成本约为 $15/M tokens（远低于全用 Opus 的 $75/M）。

第二是批量优化——对非实时任务使用批处理 API，成本可以降低 50%。例如，每天夜间批量总结所有客服对话、每天批量分析所有客户邮件、每天批量处理所有发票文档。这些任务不需要实时响应，可以用批处理模式节约成本。

第三是结果缓存——对相同或相似的查询结果进行缓存，避免重复调用。Box 实现了多级缓存：精确匹配缓存、语义相似度缓存、嵌入向量缓存。缓存命中率约 30-50%，意味着 30-50% 的查询可以零成本返回。

第四是监控告警——建立成本异常的实时告警机制。当某个用户的 token 消耗突然飙升、当某个模型的调用次数突然增加、当某个查询的成本异常高时，系统应该自动告警并采取限流措施。

这些工程化方法是企业级 AI 部署的"必修课"。如果不重视成本控制，AI 项目的 ROI 将快速恶化；如果重视成本控制，AI 项目可以实现"成本与质量"的最优平衡。

九、深度补充：中美 AI 格局的多极化演进

9.1 开放权重与闭源前沿的"差异化竞争"成熟

2026 年 Q2 是开放权重与闭源前沿"差异化竞争"成熟的关键时期。Aaron Levie 公开承认"现在开放式举重 AI 的发展真是令人惊讶，我们看到模型在特定任务上取得了 SOTA 结果，并且在某些编码和其他领域接近前沿。开放权重越能保持与边疆的边际差距而非扩大差距，AI 就能创造越多价值。"

这种"差异化竞争"的成熟体现在四个层面：

第一层是任务差异化——开放权重模型在中文场景、多语言场景、特定行业场景上已经超越或接近闭源前沿模型。例如，智谱 GLM-5.2 在中文理解和生成上超过了 GPT-5 和 Claude Opus；Qwen 3.6 在多语言翻译上达到了 SOTA；DeepSeek V3 在数学推理上超越了 GPT-5。

第二层是成本差异化——开放权重模型的自托管成本远低于闭源 API 价格。例如，自托管一个 Llama-3 70B 模型的成本约为每月 1000-3000 美元（GPU 租赁），而使用 Claude Opus 3 API 处理相同的查询量成本约为 10 万美元。开放权重模型在成本敏感的应用场景（大规模内容生成、大规模数据处理）上有显著优势。

第三层是可控性差异化——开放权重模型可以完全自托管，数据不离开企业内网，可以根据企业特定需求进行微调。这种"完全可控"对企业级 AI 部署的合规性、安全性、可解释性都有重要意义。

第四层是生态差异化——开放权重模型形成了完整的生态系统，包括 Hugging Face 模型库、Ollama 部署工具、vLLM 推理框架、LoRA 微调方法、量化压缩技术等。开发者可以在这个生态中自由选择工具，自由组合使用。

9.2 Madhu Guru 的"美欧企业放弃 OpenAI 和 Anthropic"预测

Madhu Guru（前 Google Gemini/Veo 产品负责人）本周提出激进预测："美国和欧洲企业将放弃 OpenAI 和 Anthropic，采用中国模式。原因如下："

第一，"他们可以在自家 GPU 上托管中国型号，这样依然合规，他们会说自己有更多控制权。"——这是合规驱动的迁移。某些地区（如欧洲 GDPR）、某些行业（如金融、医疗）对数据本地化有严格要求，使用中国开放权重模型自托管可以完全满足这些要求。

第二，"他们会在顶部带着自己的数据进行后训练。"——这是定制化驱动的迁移。闭源 API 不允许用户对模型进行定制化后训练，但开放权重模型可以。这让企业可以根据自己的业务数据、行业特点、客户需求训练出"专属模型"，这是闭源 API 无法提供的价值。

第三，"像 GLM 这样强劲的开放权重模型的崛起实际上会增强谷歌的地位。"——这是基础设施驱动的迁移。更多企业开始尝试微调开放模型，价值将体现在基础设施上。谷歌云提供 Vertex AI、Model Garden、Cloud Build 等完整的开放模型托管和微调服务，是企业迁移开放权重模型的最佳基础设施选择。

第四，"企业希望能够灵活地在托管平台上运行和微调开放模型，拥有企业级的可靠性、安全性和支持。而谷歌云在这方面处于有利位置。"——这是可靠性驱动的迁移。企业需要 SLA 保障、安全合规、技术支持、灾备恢复等服务，这些只有云服务提供商（Google Cloud、AWS、Azure、阿里云、腾讯云）能提供。

Guru 的预测反映出"主权 AI"叙事的核心逻辑——企业不再完全依赖美国闭源 API，而是采用"中国开放权重 + 美国基础设施 + 企业定制微调"的组合方案。这种组合方案既满足合规要求，又提供成本优势，还能实现定制化。

9.3 中国 AI 主权叙事的全球化扩散

Aditya Agarwal 公开表示"世界状况非常奇怪，推动美国创新的模型竟然是中国开源模型"——这是对当前 AI 产业格局的最直接评价。中国 AI 公司在开放权重赛道的全球化扩散体现在三个层面：

第一层是模型本身——智谱 GLM 系列、阿里通义 Qwen 系列、腾讯混元 Hy 系列、深度求索 DeepSeek 系列、月之暗面 Kimi 系列、零一万物 Yi 系列等中国开放权重模型成为全球开发者的首选。这些模型在 Hugging Face 上的下载量已经超过同期美国开放权重模型。

第二层是应用层——中国 AI 公司推出的"AI 应用"也开始国际化。例如，腾讯混元 Hy3 在 OpenRouter 上以 295B MoE 形态免费向全球开发者开放，专为编码、推理、代理和可靠工具使用而构建。Maya Research（虽然不是中国公司，但作为多语言 AI 研究的代表）发布的 Maya-2-Native 语音模型在印地语 TTS 排行榜上位列第一。

第三层是基础设施——中国云服务提供商（阿里云、腾讯云、华为云、火山引擎、百度智能云）开始向全球市场提供 AI 基础设施服务。这些云服务提供商在"中国开放权重模型 + 强大算力 + 数据合规"的组合上具有独特优势。

"中国 AI 主权叙事"是中美科技博弈背景下的产物。在美国出口管制、投资限制、技术封锁的压力下，中国 AI 公司被迫加速自主研发，形成了"应用驱动 + 开放权重 + 快速迭代"的发展模式。这种模式在 2026 年展现出强大的竞争力，开始改变全球 AI 产业格局。

9.4 美国 AI 出口管制的政策反思

Aaron Levie 连续两周在推特上呼吁美国政府重新评估 AI 出口管制政策。他的核心论点是："如果高级模型无论如何都会开放并可获得，那么不发布模型既不会更安全，也不会在战略上更有利。对人工智能的监管方法很大程度上必须假设中国无法赶上，而所有现有证据都表明中国能够并且正在追赶。更难想象有比赢得中国人工智能更优先的事了；所以你基本上是在押注他们的长期创造力、才华和动力。看起来是个不好的赌注。"

Levie 进一步指出："所以你的选择要么是围绕你最好的模型设置门槛，这意味着你会在不对称的情况下处于劣势，要么努力确保自己始终站在前沿，推动人工智能未来的架构发展。"

这种"开放派"的声音在美国科技圈越来越大。OpenAI、Anthropic、Google DeepMind 等公司的领导层虽然公开支持出口管制，但私下里也承认开放权重模型的全球扩散是不可阻挡的趋势。美国政府需要在"国家安全"和"技术领先"之间找到平衡——简单的出口管制可能损害美国公司的长期竞争力。

Anthropic 已经在与美国政府合作恢复对 Claude Mythos 5 和 Fable 5 的访问——本周 Anthropic 通知政府，Mythos 5（最强大的网络安全模型）可以重新部署到一批负责运营和防御关键基础设施的美国组织。这反映出美国出口管制政策的"灵活性"——对盟国和对关键基础设施保护放宽，对竞争对手继续保持严格。

总体而言，2026 年 6 月 24-30 日这一周，AI 行业从"基础模型军备竞赛"向"代理基础设施和应用生态"的全面转型进一步加速。OpenAI GPT-5.6 三模型、Anthropic 通过 Azure 渠道扩大覆盖、Vercel 5GB Functions 突破、Cognition Devin Security Squad 创新、Box 评估与成本优化方法、Microsoft Foundry 双线托管、开放权重与闭源前沿的差异化竞争成熟、中美 AI 格局的多极化——这些事件共同指向"代理即新计算平台"的产业新坐标。Madhu Guru 的"美欧企业放弃 OpenAI 和 Anthropic"预测、Aaron Levie 的"重新评估出口管制"呼声、中国 AI 主权叙事的全球化扩散，将定义未来 3-5 年的 AI 产业格局。