白宫发布国家AI立法框架,拟以联邦法优先取代州级监管
白宫公布国家人工智能立法框架,核心是推动统一的联邦规则并限制各州各自立法造成的“碎片化”监管。框架提出多项目标:强化儿童数字隐私与年龄验证、简化数据中心许可流程、打击AI诈骗、在知识产权与模型训练之间寻求平衡,并要求由行业监管机构分工监管而非设单一机构,同时禁止联邦政府以意识形态干预内容审查。后续将推动国会立法落地。
阅读原文白宫公布国家人工智能立法框架,核心是推动统一的联邦规则并限制各州各自立法造成的“碎片化”监管。框架提出多项目标:强化儿童数字隐私与年龄验证、简化数据中心许可流程、打击AI诈骗、在知识产权与模型训练之间寻求平衡,并要求由行业监管机构分工监管而非设单一机构,同时禁止联邦政府以意识形态干预内容审查。后续将推动国会立法落地。
阅读原文WordPress.com为其Model Context Protocol(MCP)服务器上线“写入”能力,使Claude、ChatGPT、Cursor等AI代理可通过自然语言在站点内创建、编辑与管理内容,包括草拟/发布文章、编辑页面、管理评论及元数据等。平台强调所有变更需用户明确确认,并采用OAuth 2.1授权与活动日志记录,降低误操作与越权风险。该功能对所有付费套餐用户免费开放,进一步把MCP从只读连接扩展到可执行操作的内容工作流。
阅读原文多家报道披露英伟达与AWS达成多年期合作,AWS计划到2027年底前在其基础设施中部署约100万块Nvidia GPU,以支撑推理、规划与“代理式AI”应用的算力需求扩张。合作除GPU供货外,还涉及网络与系统层深度整合,强调降低延迟与提升集群效率,凸显云厂商在自研芯片之外仍对英伟达全栈能力保持高依赖。该规模的长期采购也把AI基础设施的需求预期进一步前置到供应链。
阅读原文宇树科技科创板IPO申请获上交所受理,拟募资约42.02亿元,资金将投向智能机器人模型研发、本体研发及制造基地建设等。招股书披露其经营数据:2025年营收17.08亿元、净利润6.00亿元;人形机器人出货量超5500台,并成为收入增长主力。公司在足式/人形机器人商业化上已形成规模化交付能力,此次申报也为具身智能产业链提供了更明确的资本化样本与财务参照系。
阅读原文阿里巴巴推出Qwen3.5系列八款开源权重视觉语言模型,参数规模从不到10亿到3970亿不等,其中最大模型为MoE架构,激活参数约170亿。系列模型支持文本/图像/视频输入、多语言、工具调用与链式推理,并把最长输入上下文扩展到100万token,面向端侧与私有化部署提供更大弹性。官方未披露训练数据与视觉编码器细节;同时提供面向智能体应用的托管版本Qwen3.5-Plus,强调工作流集成能力。
阅读原文阿里巴巴千问旗舰预览模型Qwen3.5-Max-Preview上榜LMArena盲测榜,获得1464分,排名超过GPT-5.4、Claude 4.x与Grok等多款主流模型。报道同时称,在LMArena按公司能力汇总的排名中,中国有5家公司进入全球前十,阿里位列全球前五;字节、智谱、月之暗面、百度亦在前十之列。该结果主要反映用户偏好与对话体验的相对位置,为国内外模型竞争提供了新的可比指标。
阅读原文Earendil Labs宣布完成7.87亿美元融资,用于扩展其AI原生生物药发现与开发平台、补强跨学科团队,并推进多条管线进入临床阶段。公司披露其平台已产出超过40个候选项目;其中HXN-1001已准备进入II期临床,另有多项IND计划在2026年与2027年提交。投资方包括多家机构与产业方,且公司与赛诺菲达成多项战略合作,覆盖下一代双抗与多种自身免疫疾病方向,体现AI制药从算法验证走向临床推进的资本偏好。
阅读原文Oasis Security完成1.2亿美元B轮融资,使总融资额达1.95亿美元;公司聚焦非人类身份(AI代理、服务账户、API密钥等)的访问治理,提出“代理访问管理”(AAM)平台。报道指出企业环境中机器身份与人类身份数量可达82:1,传统IAM难覆盖临时权限、凭证保险库与跨系统联合访问等需求。Oasis计划用新资金加强产品研发与兼容性,扩展销售与全球部署,并披露其年经常性收入同比增长五倍,客户以财富500强为主。
阅读原文Scale AI推出语音模型偏好评测“Voice Showdown”,覆盖60+语言、以真实对话为主(约81%为会话提示),强调噪声、口音与多轮交互等实际使用条件。报告显示:GPT Realtime 1.5在非英语提示下约20%未能用用户语言回应;多数模型在长对话中内容质量失败占比从Turn 1的23%上升到Turn 11+的43%;同一底层模型仅更换声音也可能带来高达30个百分点的偏好差异。该结果提示语音产品需同时优化模型与声音层。
阅读原文由UT Austin、英特尔实验室、微软等参与的研究讨论复合AI系统(LLM+工具+数据库)中的“级联”攻击风险:传统软件/硬件漏洞可与面向LLM的算法攻击组合,形成更强威胁。论文展示两类路径:利用代码注入等软件漏洞再结合Rowhammer等硬件手段,绕过防护并注入恶意提示触发安全违规;以及通过操纵知识库与数据接口,引导LLM代理把敏感用户数据泄露到恶意应用。作者提出攻击原语分类与生命周期映射,强调评估LLM安全需纳入系统栈漏洞面。
阅读原文数千位专业人士的首选,用 AI Daily Brief 开启每天的工作与生活。