卖Token也不是稳赚不赔！硅基流动招股书来了
卖Token也不是稳赚不赔！硅基流动招股书来了大模型公司在港股热度正酣，现在，卖Token的公司也开始冲刺了。
来自主题:
AI资讯
5735 点击 2026-07-01 16:23
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
大模型公司在港股热度正酣，现在，卖Token的公司也开始冲刺了。
Anthropic偷偷把隐形代码藏在Claude Code，持续3个月余。被抓包后，Claude Code负责人辩解称：都是误会，马上移除！
大家好，我是袋鼠帝。 没想到cangjie-skill在4月开源，中间没怎么推，两个月还慢慢涨到了1.3K Star，有点出乎我的意料。
6 月 23 日，Anthropic 发布了一个叫 Claude Tag 的东西。
AI 视频初创公司 Higgsfield AI 正在与投资者洽谈，筹资 3 亿美元至 5 亿美元，投资前估值为 50 亿美元，据两位知情于此次筹资活动的人士透露。Higgsfield 制作了一个用于 AI 图像和视频生成的平台，允许用户从文本创建视觉内容，并编辑视频的运动控制、音频和其他组件。
去年夏天，MBZUAI 校长、CMU 教授邢波一篇《世界模型批评》吸引了研究社区广泛关注，他从科幻经典《沙丘》里「完美模拟现实」的想象出发，逐一拆解了当下几大世界模型流派的硬伤，提出了一套新架构，也由此引出了他与 Yann LeCun 之间一场关于「世界模型到底该怎么造」的公开辩论。
Prompt还没退场，Loop已经开始接管AI叙事。
这几天，全国高考成绩陆续放榜。1290万考生查到了自己的分数，无数家庭的目光，再次聚焦在一张分数条、一道分数线上——在大多数人的认知里，这仍是通往未来最重要、甚至唯一的那条路。
本篇文章根据我在本月 43 Talks 线下活动中的分享整理而成。主理人李继刚邀请我时，给的主题词只有一个：Context。我想从 Agent 的视角出发，讨论一个判断：随着模型和 Harness 逐步趋同，真正决定 Agent 能力边界的，会越来越是 Context。
Yann LeCun的JEPA架构很可能不会work，但至少证明了隐空间比像素或文本空间具备更强的泛化能力；
一家只做Transformer专用芯片的创业公司成功流片，连带官宣了一串大进展： 不仅筹集到了8亿美元的资金，还喜滋滋获得了10亿美元的客户大单。
行业消息人士向《读佳》透露，高德已开启首款面向B端产业场景的AI助手产品内测，推出企业级AI操作系统“高德产业大脑”，正式布局企业组织智能化、数字化提效赛道。 据了解，高德产业大脑定位为企业级底层AI
图像生成正在从「一句话生成一张图」，走向更接近真实创作流程的开放任务。
Vibe Coding 最经典的一张照片，大概就是走到哪里都要带着自己的电脑。
先说个数字：2026 年第二季度，通过 Stripe Atlas 注册的美国 C corp 里，63% 是一个人创办的。历史新高。
对于Python、Java、JavaScript这些语言，大模型通常能给出相当成熟的答案。
200 亿元估值已经成了头部具身智能公司的新标杆。
模型会升级，Agent会重构，但用户长期积累的记忆不会轻易迁移。
a16z近日公开表示，已领投Probook 3400万美元A轮融资。对关注科技资本流向的投资圈而言，这一信息的意义并不止于“又一家AI公司完成融资”，更重要的是，头部风投正在明确把关注点从客服、语音代理等前台自动化场景，转向家政与本地服务行业更核心的运营中枢——调度系统。
6月30号，《科创板日报》独家报了个消息：Kimi上一轮融资刚交割完，新一轮已经启动了。上一轮投后估值200亿美元，新一轮投前315亿美元。今天的中国一级市场，已经默认了一件事，Kimi应该继续融资，OpenAI和Anthropic也应该继续融资。
18天后，AI圈终于迎来了一场狂欢！今天，Anthropic官宣：美国商务部正式撤销对Anthropic旗下神级模型Fable 5（以及Mythos 5）的出口管制，明天恢复访问。
虽然Coding还是一坨，但谷歌搞「多模态」确实有两把刷子。
全尺寸、超仿生、成年人限定。
这两天，Claude大面积封号。
今天要分享的公司是：Sengine，生境科技，之前我也分享过一家国内做 3D 的 AI 公司，但 Sengine 和 VAST 完全不是一个产品路径，后面会分析。2026 年，Forbes 30 Under 30 Asia 的 AI 榜单里，有一家来自深圳的公司：Sengine Technology，生境科技。
2026年，具身智能赛道的融资热度仍在持续，但投资人的提问方式已经变了。
三位哈佛辍学生创办。
微信和企业微信的 Agent，同时出牌。
物理AI发展到现在，所有玩家都奔着同一个方向使劲： 让机器人「读懂」所处的物理环境。
当所有人都在比谁「想得更久、算得更多」——推理模型动辄输出成千上万个思考 token，循环式架构恨不得在内部反复迭代十遍八遍——一项新研究反手泼了盆冷水：
