AI前沿动态 05.25｜教皇首提AI监管，华为发布‘韬定律’
1. 教皇 Leo 发布首份重要通谕《Magnifica Humanitas》，核心议题是 AI 与人的尊严。
2. Anthropic 联合创始人 Chris Olah 在梵蒂冈发表讲话，指出 AI 发展不能只由科技公司主导。他提到，前沿 AI 实验室同时面临商业、地缘政治和个人压力，外部监督是必要的。
3. 华为在 IEEE ISCAS 2026 上提出“韬（τ）定律”，主张用“时间缩微”替代传统“几何缩微”。华为称，基于该路径，到 2031 年高端芯片晶体管密度将达到 1.4 纳米制程同等水平。
4. Target India 负责人表示，OpenAI、Anthropic 等公司转向按 token 或用量收费，正在迫使 Target 重新评估 AI 工具开放策略。
5. GitHub 今日趋势榜中，cmux值得关注。它是一个基于 Ghostty 的 macOS 终端，面向 AI Coding Agent 提供垂直标签、通知、内置浏览器和会话恢复。
6. 国内方面，财联社援引 OpenRouter 统计称，上周全球 AI 大模型调用量达到 28.9 万亿 tokens，环比增长 7.4%；2026 年 3 月，国内日均 token 调用量已突破 140 万亿。
7. 抖音披露，AI 求真大模型上线后，谣言被处置时的平均浏览量下降 62%。
Target India 负责人表示，AI 公司从订阅制转向用量制和 token 计费，正在迫使公司重新评估员工 AI 工具策略。Target 在印度的全球中心约有 5600 名员工，覆盖商品、数字业务、门店和供应链等部门；该中心约承载 Target 全球 40% 的技术员工。
传统 SaaS 采购常按座席收费，企业知道每个员工账号多少钱；AI Agent 的用量更不稳定，一个人如果让模型连续读文件、跑分析、写代码、改报告，成本会随着 token、工具调用和重试次数波动。AI 从可选效率工具进入可变生产成本，CFO 就会进场。
这会改变企业内部的 AI 使用方式。公司不会简单给所有人无限额度，而是会按岗位、任务价值和风险设置额度，谁值得多用，谁需要审批，都会被重新计算。真正的企业 AI 治理，第一步可能不是写伦理章程，而是先把 token 花在哪说清楚。
cmux是一个基于 Ghostty 的 macOS 终端，项目描述是“带垂直标签和通知的 AI Coding Agent 终端”。它的功能包括通知环、通知面板、内置浏览器、垂直和水平标签、SSH 工作区，以及面向 Claude Code Teams 的一键运行能力。
这个项目解决的是 AI 编程进入长任务后的管理问题。开发者同时开多个 Claude Code、Codex 或 OpenCode 会话时，最麻烦的不是让它们开始干活，而是不知道谁在等输入、谁跑失败了、谁需要人类批准下一步。cmux的通知系统会在 Agent 等待时点亮面板，避免开发者在几十个终端标签里找“哪位同事又卡住了”。
它还支持 Claude Code、Codex、Grok、OpenCode、Cursor CLI、Gemini、Copilot 等多种 Agent 会话恢复，并会在保存恢复绑定前丢弃 token、password、secret、API key 等敏感环境变量。这个细节重要，因为 Agent 工作流越持久，安全问题越容易从“模型回答错了”变成“凭证被保存错了”。
YC 总统 Garry Tan 的gstack今日也在 GitHub 趋势中。项目把 Claude Code 设置成一个虚拟工程团队，包含 CEO、工程经理、设计师、代码审查、QA、安全官和发布工程师等 23 个角色化工具。它通过 slash commands 组织流程，例如/office-hours、/plan-ceo-review、/review、/qa、/ship。
这类项目的意义不在“AI 真能当 CEO”，而在于它把软件开发流程拆成多个审查视角。一个功能从想法到上线，通常要经历产品判断、架构设计、代码实现、测试、安全检查和发布。让一个模型从头到尾“自己看着办”，很容易把问题藏到最后；把流程拆成角色和命令，至少能让 AI 在不同阶段被迫换脑子。
这也是 AI Coding 的一个方向：从单个 copilot 走向流程化团队。模型能力越强，越需要把“什么时候思考产品，什么时候锁架构，什么时候跑 QA，什么时候查安全”写清楚。不然 AI 可以很勤奋地把错误代码写完，再很诚恳地帮你解释为什么错。
Hugging Face 趋势论文中，Agent READMEs研究了 1925 个仓库中的 2303 个 Agent context files。这类文件可以理解成写给 AI Coding Agent 的项目说明书，常见形式包括CLAUDE.md、AGENTS.md等，告诉模型项目结构、构建命令、运行方式、代码风格和禁止事项。
论文发现，这些文件不是静态文档，而更像会不断被小幅修改的配置代码。开发者最常写的是功能性信息：build/run commands 占 62.3%，implementation details 占 69.9%，architecture 占 67.7%；但 security 和 performance 这类非功能要求都只有 14.5%。
这组数据很能说明大家的使用强度。过去互联网公司看 DAU、PV、CTR，AI 公司还要看 tokens、缓存命中率、首 token 延迟和单任务成本。这也解释了为什么 DeepSeek 降价、企业重算 AI 工具成本、推理缓存论文、国产芯片适配会在同一时期密集出现。能力竞争还在，但成本竞争已经开始接管战场。
Anthropic 联合创始人 Chris Olah 在梵蒂冈表示，AI 发展不能只交给技术公司。他提到，前沿 AI 实验室处在商业、地缘政治和个人压力之中，即使研究者有善意，也会受到这些激励约束影响。
教皇 Leo 的《Magnifica Humanitas》通谕接近 4.3 万字，批评无监管 AI 可能放大私营科技公司的权力，要求建立公共问责、数据治理、法律框架和独立监督。
这份文件值得写，不是因为宗教开始谈技术，而是因为它把 AI 风险从产品层面拉回人的处境：劳动者会不会被替代或剥削，年轻人会不会被操控性平台影响，虚假信息会不会削弱民主，自主武器会不会让战争更容易启动。AI 治理如果只讨论模型参数和红队测试，会漏掉这些社会后果。
华为何庭波在 ISCAS 2026 上提出“韬（τ）定律”，主张以“时间缩微”替代“几何缩微”。几何缩微指把晶体管做得更小，也就是传统先进制程路线；时间缩微则强调通过逻辑折叠、互连优化、软件架构芯片协同、系统总线等方式，压缩信号传播时延，提高系统效率。
华为称，过去六年基于韬定律已设计并量产 381 款芯片，2026 年秋季面世的麒麟芯片将率先采用逻辑折叠技术；预计到 2031 年，基于韬定律的高端芯片晶体管密度将达到 1.4 纳米制程同等水平。Reuters 同时指出，华为没有提供独立性能数据，分析师也提示成本、功耗、散热和系统集成仍是挑战。
这条新闻的重点不是“华为绕过制程限制”这么简单。美国出口管制限制了中国企业获取先进光刻和相关技术，国产 AI 芯片必须寻找制程之外的性能提升路径。韬定律讲的是一个替代方向：如果晶体管很难继续快速变小，就在芯片内部连接、数据移动、系统调度和集群互联上继续挤效率。
5. Schneider Electric 表示，AI-ready infrastructure 正在推动印度数据中心业务增长。公司称，数据中心目前占其印度业务 15% 至 20%，印度数据中心容量可能从当前 1.5GW 增至 2035 年的 6 至 7GW；Astute Analytica 预计印度数据中心市场到 2035 年将达到 313.6 亿美元。