7月1日，开源AI实验室Reflection AI与SpaceX签署的63亿美元算力租赁协议正式激活。根据合同条款，Reflection AI将每月向SpaceX支付1.5亿美元，获得孟菲斯Colossus 2数据中心NVIDIA GB300（Rubin架构）顶级AI芯片的独家使用权，合同持续至2029年。
这笔协议的规模震撼了整个AI行业：年付18亿美元的算力开支已接近OpenAI等头部公司的计算预算水平。Reflection AI的目标是训练出与GPT-5、Claude 4匹敌的开源前沿模型，而锁定三年算力供应则规避了价格波动风险，确保研发节奏不受干扰。
SpaceX此前已与谷歌、Anthropic签署类似算力租赁协议，加上Reflection AI，马斯克系正在将Colossus数据中心集群打造为全球最大的AI算力供应平台——从"造火箭"到"租芯片"，SpaceX的商业版图正在快速延展。
值得关注：这笔协议揭示了AI行业最深层的变革：算力正在从"私有资产"变成"租赁商品"。当开源AI实验室的算力投入规模接近闭源巨头，开源模型追赶闭源模型的速度将显著加快。更重要的是，SpaceX的算力商业化模式正在重塑AI基础设施格局——在英伟达芯片之外，巨头自有数据中心正成为新的算力供应渠道。算力的获取方式，正在从"买芯片自建"转向"租算力即用"，这将降低AI创业的门槛，也将让算力本身成为比模型更稀缺的战略资产。
2. Meta宣布进军云计算：1829亿美元AI基建投资开始"变现"
7月1日，彭博社报道称Meta正酝酿推出名为"Meta Compute"的云基础设施业务，向外部出售AI计算能力和模型访问服务，直接与AWS、谷歌云和微软Azure竞争。
Meta Compute由基础设施负责人Santosh Janardhan、超级智能实验室负责人Daniel Gross和总裁Dina Powell McCormick联合牵头。业务模式将类似CoreWeave出售原始算力，同时效仿AWS提供模型托管服务——首批开放模型包括Meta新推出的闭源模型Muse Spark。
这一战略转向的背后是巨大的财务压力：Meta已承诺投入1829亿美元用于AI基础设施建设，路易斯安那和俄亥俄的超大型数据中心正在建设中，后者被扎克伯格称为"曼哈顿大小"。但Meta至今未单独披露AI产品收入，巨额投入如何产生回报成为投资人的核心追问。出售富余算力，正成为最直接的变现路径。
此举紧跟SpaceX的算力出租模式——Anthropic、谷歌、Reflection AI已先后成为SpaceX数据中心客户。当SpaceX和Meta同时开始"卖算力"，一个信号越来越清晰：掌控物理AI基础设施的战略价值，可能不亚于开发模型本身。
值得关注：Meta从社交媒体巨头转型为AI基础设施供应商，这条路径的激进程度超出多数人预期。1829亿美元的投入规模意味着Meta的算力储备可能是全球最大之一——如果能有效变现，将改变云市场的竞争格局。但挑战同样巨大：Meta缺乏企业级云服务的运营经验和客户生态，AWS用了近20年才建立起今天的护城河。更值得思考的是：当科技巨头纷纷开始"卖算力"，AI行业的价值链条正在发生重构——模型能力、算力供给、数据资产，三者谁才是真正的"护城河"？这个问题的答案，将决定未来十年AI产业的权力分配。
3. 美团LongCat-2.0开源：国产算力首次跑通万亿参数大模型全流程
6月30日，美团正式发布新一代基础大模型LongCat-2.0，这是业界首个从训练到推理全链路跑在国产算力上的万亿参数大模型，标志着国产AI芯片生态实现了里程碑式突破。
LongCat-2.0采用MoE架构，总参数规模1.6万亿，每token激活参数约480亿，原生支持1M超长上下文窗口。模型在5万张国产算力卡集群上完成训练与推理全流程，预训练数据超过30T tokens，覆盖中文、英文、多语言和代码。美团同时宣布LongCat-2.0将对外开源。
技术层面，LongCat-2.0采用了原创的LSA稀疏注意力和N-gram Embedding设计，训推成本显著低于同规模英伟达路线。其匿名测试版"Owl Alpha"已在海外开发者平台OpenRouter走红，多场景月调用量登顶，深度适配Claude Code、OpenClaw、Hermes等主流Harness框架，在Agentic Coding任务上表现突出。
美团同步调整内部战略：全面限用外部大模型，力推自研LongCat体系，并开源VitaBench 2.0评测工具与AIGC海报生成系统，构建完整生态。
值得关注：LongCat-2.0的意义远超一个模型发布——它证明了一个此前被广泛质疑的命题：国产算力能否支撑万亿参数大模型的全链路训练？ 答案是肯定的。5万张国产卡集群跑通1.6万亿参数的MoE模型，意味着中国AI产业在算力自主这条路上迈出了实质性的第一步。当然，"跑通"和"跑赢"之间还有差距：LSA稀疏注意力等原创设计是为了在国产芯片的算力约束下做效率优化，而英伟达路线的模型在同等参数下可能仍有性能优势。但方向已经明确——国产算力生态正在从"能用"走向"好用"，这是整个中国AI产业最需要验证的事情。
4. 中国发布七项AI智能体互联互通国家标准：为AI协作生态"铺路"
6月26日，市场监管总局正式批准发布《人工智能 智能体互联》系列7项国家标准，这是我国在智能体互联领域首次建立起完整的国家标准体系。
七项标准覆盖智能体协作的完整技术链路：身份识别、相互发现、协作机制、工具调用、安全可控等核心模块，形成逻辑严密的技术框架。中国电子技术标准化研究院副院长范科峰在发布会上表示，该系列标准以"构建有序可信的智能体协作环境"为核心目标，为智能体互联提供系统性解决方案。
这七项国标的发布时机耐人寻味：就在同一天，Anthropic的Safari MCP Server上线、谷歌Gemini Spark接入自定义MCP——全球AI行业正围绕"智能体如何与外部工具协作"展开标准化竞赛。中国选择以国家标准的形式先行定义规则，而美国科技巨头则以协议/平台的形式抢占事实标准。
值得关注：这七项国标的核心价值不在于技术细节，而在于规则先行的思维。当全球AI智能体生态还在"野蛮生长"阶段，中国率先用国家标准框定智能体协作的身份认证、发现机制、安全边界——这相当于在高速公路还没建完时就先划好了车道线和红绿灯。短期来看，标准可能需要市场验证和迭代；但长期来看，率先制定规则的一方往往能在生态话语权上占据先手。如果这些国标能与国际上的MCP协议等形成对接，中国将有望在AI智能体全球协作框架中拥有"规则制定权"，而非仅仅是"规则遵守者"。
5. Etched融资8亿美元估值50亿：Transformer专用芯片即将交付，辛顿李飞飞站台
6月30日，AI芯片初创公司Etched宣布结束隐身模式，披露累计融资8亿美元，投后估值50亿美元，并已签署超过10亿美元的预售合同。
Etched由三位哈佛辍学生（Gavin Uberti、Chris Zhu、Robert Wachen）于2022年创立，其核心产品是Transformer专用推理芯片Sohu——一颗"只跑Transformer"的芯片，在推理场景下通过架构专化实现远超GPU的效率。芯片采用台积电N4P工艺完成流片，计划今年夏季开始交付机架级推理系统。
投资方阵容极为耀眼：图灵奖和诺贝尔奖得主Geoffrey Hinton、计算机视觉先驱李飞飞、OpenAI联合创始人Andrej Karpathy、彼得·蒂尔，以及量化交易巨头Jane Street和与台积电合作的VentureTech Alliance。Jane Street还主导了一轮5000万美元的专门融资。
Etched声称其推理系统在运行Transformer模型时，速度可达英伟达GPU的数十倍，而成本仅为后者的几分之一。10亿美元的预售合同说明市场对"专用推理芯片"的需求正在爆发。
值得关注：Etched的故事揭示了AI芯片赛道的深层分化趋势：通用GPU vs 专用推理芯片。英伟达的GPU在训练场景依然无可替代，但推理场景正出现越来越多的专用方案——Etched的Sohu、Cerebras的WSE-3、Groq的LPU，都在用"架构专化"换取推理效率的飞跃。当推理占AI计算总量的比重持续上升（业内预估已超过70%），推理芯片的效率优势将越来越有商业说服力。辛顿和李飞飞的站台更有深层含义：这两位AI学术领袖投资一家推理芯片公司，等于在用行动回答"AI计算的未来是通用还是专用"——至少在推理端，他们的答案是"专用"。
今日小结
今天的AI行业呈现三条清晰主线：
算力从"资产"变成"商品"：Reflection AI月付1.5亿美元租SpaceX算力、Meta宣布出售富余算力进军云计算——两条重磅消息同时出现，说明AI算力的商业模式正在发生根本性转变。掌控物理算力基础设施的战略价值，正在被重新定价。
国产算力生态迈出实质性一步：美团LongCat-2.0在5万张国产卡上跑通1.6万亿参数模型全流程，从"能用"到"好用"的路径已经清晰可见。这不仅是技术突破，更是产业链自信的建立。
AI智能体的"规则之争"正在开启：中国七项智能体互联互通国标发布，全球MCP协议快速普及——AI智能体从"各自为战"走向"协作互认"的时代正在到来，而谁先定义规则，谁就可能赢得生态话语权。