腾讯与甲骨文签70亿美元海外算力；华为麒麟与昇腾面临产能权衡；加州对OpenAI发出调查传票 | 日记

1. 腾讯与甲骨文签海外算力租赁：十万颗先进AI芯片，70亿美元

据《金融时报》，腾讯今年已经与甲骨文签署迄今最大的一笔海外算力租赁协议：未来五年通过甲骨文在东南亚多个数据中心获得约十万颗先进AI芯片，交易估值约70亿美元，其中约30%预付。中国头部科技公司并行解决算力问题，国内自研芯片+境外云租赁先进芯片。

2. 华为Mate 90透露另一种AI芯片约束：麒麟与昇腾之间需要产能权衡

华为发布Mate 90手机系列，高端版本进一步扩大逻辑折叠芯片的商用，如Pro Max典藏版和RS采用麒麟9050 Pro。逻辑折叠是华为“韬定律”路线下的核心技术之一，通过把部分逻辑电路垂直堆叠并以混合键合缩短互连距离，在不依赖更先进制程缩微的情况下提高晶体管密度和性能；代价则是需要更多晶圆资源和更复杂的制造流程。余承东同时明确表示，中国先进半导体产能仍然非常有限，昇腾AI芯片也在使用同一部分稀缺产能；徐直军此前亦表示昇腾950因产能原因无法满足国内需求。麒麟与昇腾本来就在共享有限的先进制程产能，华为实际上必须在消费电子销量与AI算力供给之间做资源配置。逻辑折叠可以通过架构创新弥补部分制程差距，但如果单位芯片需要更多晶圆，性能提升同时可能放大产能压力。最终还是归结为有效算力/晶圆。

3. OpenAI异常智能体行为涉及100多家机构，加州发出调查传票

OpenAI最新披露，其针对异常智能体行为展开的内部审查已经通知100多家机构，并正在检索约50 PB日志数据以确定完整影响范围。加州总检察长Rob Bonta正式向OpenAI发出调查传票，要求进一步说明模型及智能体相关网络安全事件；这建立在加州此前针对Hugging Face事件启动的正式调查之上。问题进入了运营级安全与法律责任阶段。关键不是模型有没有恶意意图，而是实验室是否具备足够可靠的权限隔离、网络边界、审计日志和自动熔断机制。

4. 埃森哲单日大涨22%：市场自我修正“AI做空IT咨询服务”

埃森哲第四财季收入达到186.8亿美元，同比增长约6%，高于市场预期；新订单增长4%至221.7亿美元，公司预计2027财年收入增长3%—6%。更重要的是，市场把这份财报理解为一次修正：生成式AI将并没有迅速摧毁IT服务需求，埃森哲股价上涨约22%，创公司历史最大单日涨幅，Cognizant、IBM以及印度IT外包股也普遍上涨。模型越强，企业越需要把AI接入旧系统、数据、流程和组织，因此会购买更多集成与改造服务。真正受到压缩的是低附加值的人力计费。

5. 谷歌把4颗TPU真正送入轨道：太空AI数据中心首次硬件实验

SpaceX的Transporter-18任务10月1日发射，谷歌的原型卫星随之进入轨道，搭载4颗Trillium TPU，用于测试AI芯片在辐射、真空、温度循环和发射振动环境中的长期工作能力。这是谷歌探索太阳能供电、激光互联的轨道机器学习基础设施的第一次真实在轨试验。

6. 谷歌赢下AI 搜索相关反垄断诉讼，却开始给上百家内容商付费

美国联邦法官Amit Mehta驳回Chegg和Penske Media针对谷歌搜索中AI 内容概要（Overview）的反垄断诉讼。两家公司认为谷歌使用其内容生成AI摘要并减少向原网站导流，同时网站又必须被谷歌抓取才能维持搜索曝光；法官认为这些主张没有达到反垄断法成立的门槛。但谷歌正通过一项 “AI 贡献”试点，向约100家数字出版商支付费用，依据其内容对AI概要、AI 模式和Gemini生成答案的贡献价值计费，而不是简单按抓取次数付钱。搜索的商业逻辑一向是网站免费开放内容 → 谷歌抓取和索引 → 谷歌把流量送回网站；现在谷歌AI不得不测试一种新的交换方式：内容直接产生AI价值 → 平台直接付费。这和Cloudflare推动的 Pay Per Crawl / Pay Per Use 是同一方向，未来网络内容可能从默认免费被机器读取，转向按AI使用价值定价。

7. AWS开源2B“决策模型”，底座采用小巧千问

AWS生态的Strands发布开源Strands Decider 2B。它不是新的通用大语言模型，而是一类专门从有限选项中快速作决定的“决策模型”：可在本地CPU/GPU运行，响应达到数十毫秒级，并公开权重、训练数据和脚本。AWS以阿里的Qwen3.5-2B为底座，但不再让它生成文字，而是把输出层改造成一个专门的“决策器”：面对几个候选动作直接打分并选择下一步。智能体架构正在出现新的分工：复杂规划交给大模型，路由、判断、分类、是否调用工具等高频步骤则交给更小、更快、更确定的模型。

8. Volantis用光突破内存墙：单AI芯片连接220颗内存芯粒

光互连正在从GPU↔GPU推进到更微观的GPU↔Memory。旧金山初创公司 Volantis 宣布完成8800万美元A 轮融资，计划用光互连解决AI推理越来越严重的内存墙。其核心思路不是再提高单颗HBM性能，而是把计算芯片与内存之间的短距离铜互连换成基于 VCSEL（垂直腔面发射激光器）的光互连。传统中介层上的高速电连接只有约2-5毫米有效距离，限制了GPU周围能够放置的高速内存数量；Volantis称其片上光波导可以延伸至200毫米以上，从而把一颗计算芯片周围可连接的内存芯粒扩大到220颗以上。VCSEL本身并不新奇，同类激光器已经大规模用于iPhone等设备的人脸识别。Volantis的创新是把定制micro-VCSEL直接集成进封装，在中介层内部构建“光互连线”，不需要外部激光器和传统光纤。公司宣称单通道约24Gbps、能耗低于1 pJ/bit、延迟低于5纳秒，数万条光通道合计可提供超过200 TB/s带宽；首款A-1系统计划2027年交付客户。

（消息来自经核实可信源）