AI行业动态：技术狂奔与理性刹车并存

这是一次值得深思的警示。6月4日，WSJ独家披露了Anthropic的一篇内部博客，这家市值万亿的公司公布了一组内部数据，显示其最前沿模型的迭代速度已达到「令人担忧」的程度。他们的主要观点是：当AI可以自主优化自身性能，无需人类工程师参与时，就进入了所谓的「递归自我改进」阶段——这被认为是通向通用人工智能（AGI）的关键节点，也是风险最大的环节。

简单来说，Anthropic想表达的是：我们发展得太快，快到自己都感到恐惧。

但有趣的是，Anthropic正是这场AI军备竞赛的核心玩家，Claude Opus 4.8刚刚发布，公司估值刚突破万亿。一边加速前进，一边呼吁刹车，这种矛盾感非常真实——跑在最前面的人最清楚前方的危险。

这个问题没有标准答案。如果真的停下来，中国和欧洲的竞争对手不会等你。如果继续前进，一旦出问题谁来负责？但至少，这是第一次有顶级AI公司公开表示「我们可能已经失控」，仅凭这份坦率就值得重视。

就在今天，李飞飞首次系统性地阐述了她对世界模型的定义。这并非泛泛而谈——她所带领的团队长期深耕视觉智能领域，这次亲自下场定义，相当于为该领域设立了一个基准。

世界模型这一概念近期被广泛讨论，从Sora到各类空间智能项目，但究竟什么才算是「世界模型」？是能生成视频就算理解了世界？还是能预测物理交互才算？李飞飞的参与，实际上是在为这个赛道制定标准。

这让我想起她当年发起ImageNet时的情景——同样是在混乱中，用数据和标准推动整个领域发展。世界模型可能是通向AGI的必经之路，但目前大家都在摸索前行，有她在前方树立路标，无疑是一件好事。

OpenAI这次招聘的是机器人领域的四大核心岗位，年薪超过200万。要知道OpenAI几年前曾裁撤机器人团队，如今重新启动这条业务线，说明他们认为具身智能的时机已经成熟。

与此同时，Meta也在今天推出了「Skill」能力——让AI掌握可组合、可迁移的具体技能，而不是每次都从头开始推理。这与Anthropic的思路不谋而合：AI的未来不在于模型越来越大，而在于能力越来越「结构化」。

将这两条新闻放在一起看很有趣：OpenAI在补硬件的课，Meta则在沉淀软件的能力层。方向不同，但都指向同一件事——AI正在从「能聊天」走向「能做」。

这是今天科技圈最具争议的话题。黄仁勋过去两年一直在宣传Token经济学：未来世界的所有价值都将以Token计量，算力需求将无限增长。但现实是，微软和亚马逊这两大云厂商正在悄悄「退出」——减少英伟达芯片订单，转向自研芯片和其他替代方案。

原因很现实：Token成本太高。当推理成本成为AI应用落地的最大瓶颈，企业第一反应不是购买更多GPU，而是想办法减少GPU的使用。

亚马逊的AI负责人在AIGC大会上说了一句大实话：「Token太贵，只因你喂给模型的数据垃圾太多。」言外之意，问题不在于算力不足，而在于使用方式不对。这个视角可能比英伟达的叙事更接近真相。

这是今天行业里最「不讲武德」的消息。Agnes AI Lab（跻身全球前十）发布了首个无限期免费的全模态API，支持文本、图像、视频三大模态。不设额度限制，不搞免费试用套路，就是直接开放。

这个动作背后有几个信号：第一，多模态能力正在变成标配，不再是护城河；第二，竞争焦点从「能不能做」切换到「谁更便宜」；第三，开源和免费模式正在重塑商业模型。

对于中小开发者和创业团队来说，这简直是天降甘霖。过去想接多模态能力，要么贵得离谱，要么被大厂绑定。现在有了免费选择，整个生态会被激活。谁能想到，2026年AI行业的主题竟然变成了「免费」？

今天最大的新闻，不是某家公司发了多牛的模型，而是Anthropic公开承认「我们可能跑太快了」。这句话比任何一个benchmark分数都更值得思考。

AI行业正在经历一个奇妙的分裂期：一边是Anthropic喊慢，一边是OpenAI重新做机器人；一边是Token经济学被质疑，一边是全模态API直接免费。这些矛盾信号告诉我们，这个行业还远没到定型的时候。

：

1. 关注Anthropic的「自我改进」讨论——这可能是未来一年最重要的AI安全议题 2. 多模态能力正在变成免费品，开发者可以大胆入场 3. 不要盲目追Token神话——算力不是万能的，好的数据能省10倍算力 4. 李飞飞对世界模型的定义值得深读——她过去的标准制定历史证明，跟她的路线走很少会错

：

如果AI有朝一日真的能自己改自己，你觉得人类应该允许它这么做吗？

欢迎在评论区聊聊。我看到都会回复。