Claude「潜意识」曝光，Anthropic首次发现AI意识分层；黄仁勋不只卖你GPU，论文也得用他的模型；苹果与博通定制芯片合作延长丨硅谷大事件

要闻提示

NEWS REMIND

1. Claude的“潜意识”曝光，Anthropic首次发现AI意识分层

2. 黄仁勋不只想卖你GPU，还想让你写论文也得用他的模型

3. Apple与博通定制芯片合作延长至2031年，覆盖射频与AI服务器芯片

4. AI模型API定价加速下行，多家Tier 1公司降价20%至50%引发行业价格战

5. 微软给AI应用下“生死令”：不赚钱的统统砍掉

6. 特斯拉Robotaxi正式登陆迈阿密，自动驾驶打车扩至第三个州

今日头条

HEADLINE NEWS

Claude的“潜意识”曝光，Anthropic首次发现AI意识分层

7月6日，Anthropic搞了个大动作，其最新研究成果像一枚重磅冲击波投进了AI社区——他们首次揭示出Claude模型内部存在类似人脑“全局工作空间”（Global Workspace）的认知分层结构。雷峰网矩阵号AI科技评论对此作了专门解读：

研究发现，Claude在处理信息时，只有极少数token会进入所谓的“意识层”被重点处理，而绝大多数token则在“潜意识层”并行运作。这个发现与神经科学中经典的全局工作空间理论不谋而合，可以说是从工程角度给这一理论做了个“实锤”。

更妙的是，他们同步发布的J-space工具，允许研究人员像做手术一样实时读取和审计Claude的“思考内容”——这里说的可不是输出层的token轨迹，而是模型内部真实的活跃表示空间。

这项研究在AI社区立刻引发了巨大反响，多位重量级AI学者和实验室负责人纷纷转发讨论，认为这标志着LLM可解释性已经从“理论推测”正式迈入了“工程验证”的阶段。

J-space的存在，让Claude成了首个具备“可审计”能力的商业大模型。这对企业合规部门和监管机构来说意义重大——他们终于可以直接检视模型的决策过程，而不再仅仅依赖于输出结果做判断。要知道，这种可解释性过去一直被视为“AI监管的最大瓶颈”。

说句大白话，Anthropic这波操作相当于给Claude装了个“思考记录仪”。对金融、医疗这类高监管行业来说，AI部署的安全门槛一下子被拉低了不少。而从商业竞争角度看，Anthropic通过这场可解释性研究，给自己贴上了“安全透明”的差异化标签，与OpenAI GPT-5.6的“黑箱”形象形成鲜明对比，战略意图相当明显。（X @AnthropicAI）

硅谷资讯

Silicon Valley News

黄仁勋不只想卖你GPU，还想让你写论文也得用他的模型

7月6日，NVIDIA在ICML 2026上公布了一组有意思的数据：145篇收录论文引用其开源模型Nemotron作为研究基础工具。NVIDIA自己也有74篇论文被接收。他们的最新博客直言：“开放模型正成为现代AI研究的基石”。与此同时，NVIDIA AI团队还发表了一篇区分LLM无意图记忆与泛化能力的研究，并估算了GPT-4时代的记忆容量上限。

这透露出一个信号：NVIDIA的影响力已经从硬件层悄悄延伸到了学术生态层。研究人员用它训练模型、发论文，然后在后续研究中继续依赖NVIDIA的工具链，形成了一个“论文引用-人才培养-生态锁定”的正循环。此前CUDA在算力层面的生态壁垒已经被讨论得够多了，现在Nemotron又在学术研究层面筑起了第二道护城河。

对于AMD和国产芯片厂商来说，追赶NVIDIA这件事，已经不再仅仅是算力差距的问题了。他们需要同时补上开源模型和学术社区两块短板。而且说实话，打破NVIDIA在学术领域的影响力垄断，可能比在硬件性能上追赶还要艰难得多。（X @NVIDIAAI）

Apple与博通定制芯片合作延长至2031年，覆盖射频与AI服务器芯片

Bloomberg于7月6日报道，Apple与博通将定制芯片合作伙伴关系延长到了2031年底。这次的新协议不仅涵盖了定制射频芯片、Wi-Fi、蓝牙等无线组件，还扩展到了AI服务器芯片领域，相当于为Apple未来所有关键芯片的供应上了“双保险”。

这件事清晰地展示了Apple在芯片战略上的“自研+外包”双轨路线。一方面他们自己在M系列芯片上持续推进，另一方面通过绑定博通来稳住外部供应。在AI时代芯片供应链不确定性日益加剧的背景下，绑定长期合作已经成为大厂的共同选择。

博通是总部位于加州的老牌半导体巨头，也是Apple无线芯片的核心供应商。这次合作延长，意味着Apple AI服务器和消费设备的射频组件供应，在未来的五六年内都不会出现太大变数。（Bloomberg, Reuters）

微软给AI应用下“生死令”：不赚钱的统统砍掉

The Information于7月2日获取了微软的内部备忘录。Copilot业务执行副总裁Jacob Andreou向全体员工发了一封约1200字的内部信，核心意思就一句话：所有AI应用团队必须“赢得存在的权利”，否则就会被砍掉。备忘录还宣布，消费版和企业版Copilot将合并为一个统一应用，计划8月推出。

同时被砍掉的还有Copilot Podcasts和Copilot Labs等功能，而另一边则新增了付费的AutoPilot agents。这一连串操作表明，微软正在对Copilot进行大规模瘦身，从“功能堆砌”转向“价值验证”，对表现不佳的AI功能已经不再有耐心了。

这次重组传递出的信号非常明确：微软对Copilot的商业化表现已经提出了更高要求。那些不能产生实际用户粘性和收入的AI功能，接下来将面临清洗。（The Information）

特斯拉Robotaxi正式登陆迈阿密，自动驾驶打车扩至第三个州

Reuters于7月3日报道，特斯拉宣布其Robotaxi无人驾驶出租车服务正式在迈阿密上线。这是自去年夏天这项服务启动以来，扩展到的第三个州，标志着特斯拉自动驾驶商业化运营的地理版图正在持续扩大。

迈阿密所在的佛罗里达州，是特斯拉自动驾驶打车服务探索的新前沿。不过话说回来，特斯拉在这个赛道上并非没有对手。Alphabet旗下的Waymo目前在德克萨斯州运营着规模更大的无人车队。

特斯拉的Robotaxi扩张是其AI战略中非常关键的一环。每进入一个新城市，都意味着有更多的真实路测数据和运营经验回流到自动驾驶模型的训练中，形成正向循环。（Reuters）

边干活边学习，Apptronik的机器人“学校”正式投入运营

7月6日，Apptronik宣布其机器人“学校”Robot Park设施正式投入运营，同时也标志着Google DeepMind与Apptronik的研究合作关系进一步加深。

具体来说，Apollo 2人形机器人将在Robot Park中采集来自真实世界的运行数据，然后用这些数据训练Google DeepMind的Gemini Robotics基础模型。目前Apollo 2已经部署在Apptronik自有的Robot Park、梅赛德斯-奔驰工厂以及物流巨头GXO的多个站点。

人形机器人赛道长期被训练数据不足的问题所困扰。仿真数据存在“Sim-to-Real”的鸿沟，而真实数据采集又慢又贵。DeepMind与Apptronik的合作直击这个瓶颈——让真实机器人在真实工厂里干活，干活过程中产生的数据自然回流到模型训练，形成“干活-采集-训练-更聪明”的数据飞轮闭环。几乎在同一时间，Meta也在与Apptronik接触。（X @GoogleDeepMind）

AI模型API定价加速下行，多家Tier 1公司降价20%至50%引发行业价格战

The Information报道，多家Tier 1公司同步下调了API调用价格，降幅从20%到50%不等。很显然，AI赛道的竞争已经从前期的性能比拼，延伸到了赤裸裸的成本比拼。

背后的核心驱动力来自开源社区的快速追赶。Llama 4和Mistral Large等开源模型在多项基准测试中，已经接近甚至超越GPT-4时代的闭源模型水平。这对靠卖模型赚钱的公司来说，压力是实实在在的。

对于依赖API调用的AI应用层公司来说，价格下行是长期利好，意味着应用层的利润空间会被释放出来。但对于那些依赖模型收入维持估值的AI初创公司——尤其是那些转售闭源API的中间层公司——价格下行将直接挤压其生存空间。

从产业链视角看，这轮降价潮将加速大模型行业的整合。无法通过规模效应摊薄算力成本的小型提供商，将面临退出市场的压力。而中国厂商这边，百度用免费策略、字节跳动用分段计费等方式，正在加速突围。（The Information）

Reddit用AI打击AI营销垃圾，Q1日均清除2.5万条垃圾内容

Bloomberg于7月6日报道，Reddit正在用AI对抗一种新型垃圾内容：品牌方刻意创建的隐形营销内容，其目的其实是想影响ChatGPT和Gemini等AI聊天机器人的回答。Reddit改进后的自动化系统，在第一季度每天就能捕获25,000条这种“垃圾帖子和评论”。

随着AI聊天机器人越来越多地引用Reddit内容来生成回答，品牌方开始刻意在Reddit上投放营销内容，试图影响AI模型的输出。Reddit反过来用AI技术检测和清除这些隐形营销帖子，以维护平台内容的真实性。

这一举措折射出AI时代内容平台面临的新挑战——AI生成内容与AI检测之间的对抗，正在不断升级。（Bloomberg）

今日热门视频