OpenAI 突然宣布成立机器人团队开始招人，xAI 放弃 JAX 转向自研 C 训练框架，软银在法国砸下 750 亿欧元建 AI 数据中心。六月第一天，AI 行业的信号一个比一个猛。

🔥 重点新闻

1. OpenAI 正式进军机器人领域

Sam Altman 亲自发推宣布，OpenAI 成立了 Robotics 团队，开始招聘全栈硬件、系统和 ML 工程师。这个团队由 Aditya Ramesh 领导，他之前的世界模拟研究计划现在已经演变成了机器人方向。

坦率的讲，这一步其实早有预兆。OpenAI 从去年开始就不断在「具身智能」方向布局，投资 Figure、和 1X 合作。但自己下场做，和投资别人做，完全是两码事。有一件事已经很清楚了，OpenAI 不再满足于只做一个「大脑」，它要同时控制「身体」。

硬件+ML 协同设计的路线很有意思。不是先做好模型再找硬件适配，而是从一开始就把芯片、传感器、执行器和模型放在同一个设计循环里。这个思路跟特斯拉做 FSD 的方式很像。

来源，Sam Altman on X

2. xAI 放弃 JAX，自研 C 训练框架

SemiAnalysis 爆料，xAI 已经放弃了 JAX GPU 堆栈，转而用 Grok Build「氛围编程」一个 C 训练框架。据报道，xAI 的 JAX 堆栈 MFU 低于 10%。

这个数字太离谱了。10% 的 MFU 意味着你花 10 块钱租 GPU，有 9 块钱是在烧暖气。难怪他们要换方向。

NVIDIA 的 JAX 团队过去两年主力 996 专门支持 xAI，现在最大的客户说走就走，这对 NVIDIA 的软件生态是个不小的打击。不过更值得关注的是，这反映了大模型训练的一个趋势，当框架的抽象层太厚，优化空间被锁死的时候，顶尖团队宁愿从底层重写也不愿意继续妥协。

来源，SemiAnalysis on X

3. NVIDIA 发布 DynoSim，仿真驱动推理优化

NVIDIA 发布了 DynoSim，一个针对 Dynamo 推理服务栈的工作负载驱动仿真工具。简单来说，它把「部署测试」变成了「模拟验证」循环。团队不用一个个配置去试，而是在一个虚拟时间线上建模整个推理堆栈，通过仿真快速筛查数千种配置，只把最优的方案拿去实际部署。

为什么这个工具重要？因为现在大模型推理的调优实在太复杂了。模型后端、张量并行、预填充解码分割、Worker 数量、调度策略、路由、KV 缓存、自动扩展，这些参数相互耦合，改一个可能把瓶颈挪到另一个地方。DynoSim 的思路是对的，用仿真把帕累托前沿先画出来，再做选择。

来源，NVIDIA Developer Blog

4. 特斯拉 FSD 全程零干预横穿加拿大

一辆搭载 FSD V14.3.3 的特斯拉，从温哥华出发，历时 4 天 21 小时，行驶 6051 公里抵达哈利法克斯，全程零人工干预。这是全球首次全程零干预横穿加拿大的自动驾驶。

6000 多公里，包括高速并线、城市道路、施工区域，全程没有人碰方向盘。这个数据点比任何营销宣传都有说服力。当然，横穿加拿大选的是相对标准的路线，极端天气和复杂路况的覆盖还不够，但这已经是一个里程碑了。

来源，IT之家

5. 苹果 WWDC 将推 AI 升级，Gemini 蒸馏模型本地运行

苹果下个月的 WWDC 将重点展示 Siri 和设备端 AI 升级。核心方案是在 iPhone 芯片上本地运行从 Google Gemini 蒸馏而来的小模型，主打隐私和低 token 成本。

有意思的是，这个技术栈的外部依赖相当重。本地模型是 Gemini 蒸馏的，超出设备能力的任务会发到云端处理。苹果一直强调「隐私优先」，但技术实现上却高度依赖 Google 的模型，这个矛盾迟早要面对。

来源，@kimmonismus on X

6. GitHub Copilot 改按 token 计费，开发者炸锅

GitHub Copilot 推出新的 token 计费模式，开发者社区一片吐槽。有人直接说「开玩笑吧」。

从订阅制改成按量计费，说到底是 GitHub 在回收成本。大模型推理确实烧钱，但对开发者来说，从「随便用」变成「每敲一行都在算钱」，使用心态完全不同。这可能会催生更多本地模型和开源替代方案的出现。

来源，TechCrunch

7. 软银计划在法国投资 750 亿欧元建 AI 数据中心

软银集团计划在法国投入高达 750 亿欧元，约合 870 亿美元，用于建设 AI 数据中心。这个数字放在全球 AI 基础设施投资里也是顶级的。

法国最近在 AI 政策上动作频频，马克龙一直在推「欧洲 AI 芯片自主」的叙事。软银选法国，除了政策友好，可能还有 ARM 总部在英国的地理协同因素。870 亿美元不是小数目，孙正义这次是认真的。

来源，Bloomberg

💡 值得关注

  • DeepSeek V4 Flash 上线 OpenCode Zen，来源，@opencode。Flash 版本主打速度和成本优化，适合高频调用场景。
  • OpenAI 发布生物防御 AI 工具 Rosalind，来源，@sama。名字致敬微生物学之父，目标是在生物威胁检测上抢占先机。
  • OpenAI 推出实时翻译模型 gpt-realtime-translate，来源，@gdb。支持 70+ 语言输入，13 种语言输出，已经在智能眼镜上测试。
  • Tiny-vLLM 开源，GitHub。用 C 和 CUDA 从零写的高性能推理引擎，适合想理解 vLLM 底层实现的人研究。
  • Codex 可自主管理对话线程与并行任务，来源，@gdb。Codex 现在能自己创建、搜索、整理对话，还能为并行任务启动工作树。
  • ComfyUI 支持 OpenRouter 模型直接调用，来源，@OpenRouter。不再局限于单一模型，20+ 模型可在工作流中直接使用。

📝 今日思考

今天最让我感慨的是 xAI 放弃 JAX 这件事。10% 的 MFU，意味着大量算力被框架层的开销吃掉了。当模型规模到了 Grok 这个量级，框架不是工具而是瓶颈。

反过来看 NVIDIA 的 DynoSim，正好在解决「推理配置组合爆炸」的问题。两个新闻放一起看特别有意思，一个在训练端砍掉抽象层追求极致效率，一个在推理端用仿真来对抗复杂度。行业的底层逻辑是一致的，算力太贵了，每一点效率提升都值真金白银。

OpenAI 做机器人这件事，我觉得短期内不用太当回事。硬件研发的周期和软件完全不同，从招人到出产品至少要两三年。但信号很清楚，纯模型能力的竞争已经进入深水区，下一个战场在具身智能。