AI芯片万亿美元蒸发、特朗普欲入股AI企业、DeepSeek登顶美企采购榜、千问VLA进军具身智能
博通财报引爆芯片股黑色星期五，1.3万亿美元市值蒸发；特朗普证实研究政府持股OpenAI等AI巨头；DeepSeek API降价75%后登顶Ramp美企采购趋势榜；阿里Qwen-VLA发布统一视觉-语言-动作模型，打破具身智能碎片化困局
芯片股崩盘拷问AI需求泡沫，政府入股重塑科技与权力的边界，中国模型凭性价比反向出口美国，具身智能从碎片化走向统一——本周AI产业经历了一场信心、资本与技术的三重震荡。
AI芯片”黑色星期五”：博通财报引爆1.3万亿美元市值蒸发
事件概述
6月5日-6日，美国芯片股遭遇2020年3月以来最惨烈抛售。费城半导体指数（SOX）单日暴跌10.3%，两个交易日累计下跌12%，全板块市值蒸发约1.3万亿美元。英伟达市值缩水超3000亿美元，美光科技暴跌13%，美满电子（Marvell）跌17%，AMD跌近11%，博通两日累计跌幅近20%。
直接导火索是博通6月4日发布的季度财报——其定制AI芯片（ASIC）业务需求未能达到市场的高预期。与此同时，研究机构SemiAnalysis发布报告称英伟达下一代旗舰超算Vera Rubin NVL72的SOCAMM DRAM容量可能从此前预期的55TB降至28TB，引发对AI算力供应链瓶颈的担忧。英伟达CEO黄仁勋随后否认了相关传言。
技术解析
本轮暴跌的核心技术逻辑是：AI芯片需求的”预期差”正在浮现。博通ASIC业务是定制化AI推理芯片的标杆，其需求不及预期意味着两大信号——
- 推理侧的资本开支增速放缓：训练端的算力竞赛已进入高基数阶段，而推理端的商业化回报仍在验证中。如果定制推理芯片需求疲软，说明企业级AI应用的推理量尚未达到支撑高资本开支的拐点。
- SOCAMM DRAM瓶颈暗示硬件迭代阻力：新一代AI服务器的内存带宽是训练效率的关键瓶颈。若Vera Rubin的内存规格缩水，将直接影响长上下文窗口和大规模MoE模型的训练效率，对GPT-5.6、Claude Mythos等新一代模型的交付节奏产生连锁影响。
行业影响
这是AI产业信心曲线的一个重要拐点。费城半导体指数在暴跌前的周三刚创历史新高，年内涨幅已达73%，估值严重超买。博通的ASIC需求预警戳破了”AI算力需求只涨不跌”的叙事。富国银行首席股票策略师认为”这不是半导体牛市的终结”，但”无脑抄底”策略的失效标志着市场开始从信仰驱动转向业绩驱动。
更深层的结构性问题在于：AI产业万亿美元级资本开支能否持续，取决于推理侧的商业化回报能否跑赢训练侧的军备竞赛。如果企业级AI应用的ROI迟迟无法验证，芯片股的估值逻辑将面临根本性重估。
相关链接
特朗普政府拟入股AI企业：科技权力的”国有化”争议
事件概述
6月5日，特朗普在空军一号上向记者证实，其团队正在研究由联邦政府持有顶级人工智能公司股权的方案，并计划近期召集AI行业高管在白宫开会讨论。据多方报道，OpenAI CEO Sam Altman自2025年初就向特朗普政府提出了这一构想——AI公司自愿向政府转让部分股权，投资回报通过”公共财富基金”（Public Wealth Fund）向美国公民分红。
参议员Bernie Sanders本周同步提出立法提案，要求顶级AI公司向政府移交50%股权，设立主权财富基金用于公众分配AI经济红利。目前，特朗普政府已对英特尔、芒廷山口稀土公司等近十家企业直接注资，其中对英特尔持股最高10%。
技术解析
这一政策构想涉及三个关键技术治理维度：
- 监管捕获风险：如果政府成为OpenAI、Anthropic等公司的股东，将同时扮演监管者和利益相关者的双重角色。在模型安全审查、反垄断评估、出口管制等决策中，政府可能倾向于保护自身投资利益，而非维护市场竞争公平性。
- AI红利分配机制：OpenAI 4月提出的”公共财富基金”方案，本质上是将AI生产力增长转化为全民基本收入的雏形。如果落地，这将是人类历史上首次将特定技术领域的企业股权收益系统性地分配给全体公民。
- 地缘竞争工具化：特朗普政府入股AI企业，与对芯片、稀土企业的投资一脉相承，反映将AI视为国家战略基础设施的定位。政府持股可能附带技术不外流、优先服务国防等约束，加速AI技术的”主权化”。
行业影响
这是AI产业政治化的标志性事件。如果美国政府入股OpenAI等公司成为现实，将深刻改变行业格局：
- Anthropic的态度将成为关键变量：据报道，Anthropic尚未与政府进行类似讨论。如果政府只持股部分AI公司，将造成竞争扭曲，被持股的公司可能获得政策倾斜。
- IPO节奏可能加速：OpenAI和Anthropic都在筹备IPO，政府持股的讨论可能加速上市进程——在政府入股前完成公开市场定价，对公司更有利。
- 全球AI治理碎片化加剧：如果美国走”政府持股”路线，而欧盟走”强监管”路线，中国走”国家主导+市场参与”路线，三种治理模式将使跨国AI企业的合规成本急剧上升。
相关链接
DeepSeek登顶美国企业采购趋势榜：性价比重构全球AI市场
事件概述
6月3日，美国企业支出管理平台Ramp发布最新报告：DeepSeek首次登上该平台月度热门软件趋势榜榜首，成为增速最快的软件供应商。Ramp追踪的是5万多家企业的真实信用卡交易数据，反映新增付费客户增速。值得注意的是，这些美国企业并非本地部署DeepSeek开源模型，而是直接向DeepSeek官方付费使用托管服务。
AI Agent初创公司Lindy创始人Flo Crivello公开宣布，已将100%用户端流量从Anthropic模型切换至DeepSeek V4，在多个核心任务中看到性能提升，同时节省数百万美元推理成本。Ramp首席经济学家Ara Kharazian称，这是”美国企业用真金白银投票”的最明确信号。
技术解析
DeepSeek的B2B突围核心是极致的性价比逻辑：
| 模型 | 输入价格（/百万Token） | 输出价格（/百万Token） |
|---|---|---|
| DeepSeek V4 Pro（降价后） | $0.435 | $0.87 |
| Claude Sonnet | ~$3 | ~$15 |
| GPT-5.5-Med | ~$3 | ~$15 |
DeepSeek V4 Pro的输入成本比Claude Sonnet/GPT-5.5-Med便宜7倍，输出成本便宜17倍；V4 Flash对比入门级模型价差达10-25倍。5月宣布API永久降价75%后，V4 Pro从$3.48/百万输出Token降至$0.87。
Lindy的全流量切换是关键验证：作为AI Agent公司，其产品对模型推理的延迟、稳定性和指令遵循要求极高。从Anthropic切换至DeepSeek后”性能提升+成本骤降”，说明V4 Pro在实际Agent场景中的能力已达到甚至超越Claude Sonnet水平，而不仅是跑分好看。
行业影响
DeepSeek登顶Ramp趋势榜的意义远超商业排名：
- 中国大模型首次实现B2B反向出口：此前中国模型的海外影响力主要在开源社区和C端App下载。企业级付费采购意味着可靠性、合规性和SLA达到了美国企业的准入门槛，这是质的飞跃。
- AI定价权开始松动：OpenAI和Anthropic的定价逻辑一直基于”能力溢价”。当DeepSeek用1/7-1/17的价格提供同等能力时，溢价逻辑崩塌。这迫使美国厂商要么降价，要么在能力上拉开代差——但在模型能力趋近的当下，后者越来越难。
- 推理经济学成为主战场：训练端的军备竞赛（万卡集群、新架构）仍是巨头的游戏，但推理端的成本优化已成为所有企业用户的刚需。DeepSeek的MoE架构天然适配推理降本，这是其结构性优势。
不过也要看到，DeepSeek在Ramp上的企业采用率仅0.1%，而Anthropic和OpenAI分别为34.4%和32.3%。从趋势到主流还有数量级差距，但增速方向已不可忽视。
相关链接
阿里Qwen-VLA：统一具身智能基座，千问从数字世界走向物理世界
事件概述
6月初，阿里巴巴通义千问团队发布Qwen-VLA——首个统一视觉-语言-动作（Vision-Language-Action）基础模型。该模型将机器人操控、环境导航和人体轨迹预测三大任务整合到同一架构中，打破了具身智能领域”一种任务一套模型”的碎片化现状。论文已上线arXiv，代码在GitHub开源。
技术解析
Qwen-VLA的核心创新在于”架构大一统”：
- 共享动作-轨迹预测空间：将机械臂抓取、双臂协同、室内导航、人体动作建模统一到同一个数学框架中——所有任务都被抽象为”视觉观察→语言指令→动作预测”的通用问题，实现软件跨硬件平台复用。
- “大脑+小脑”双系统架构：以Qwen3.5-4B多模态模型作为认知中枢（大脑），负责理解环境与语言指令；1.15B参数的DiT流匹配动作解码器模拟小脑功能，生成平滑连续的关节轨迹。模型直接输出物理参数（关节角度），而非预测画面，在动态场景中优势明显。
- 四阶段渐进式训练：文本指令建立动作先验→多模态对齐训练→人类操作录像模仿学习→虚拟环境强化学习。渐进式设计使模型能处理零样本泛化——测试中出现训练中未涉及的玩具鸭、墨镜等物品时仍能准确操作。
数据构建上，训练集包含74.2%真实机器人遥操作数据、6%人类第一视角视频、3.7%合成仿真数据及8.5%图文常识数据，强调真机数据的占比。
行业影响
Qwen-VLA标志着大模型从”理解世界”到”操作世界”的关键跨越：
- 具身智能的”秦始皇”：此前具身智能领域高度碎片化——做桌面操控的不能做导航、适配单臂的无法用于双臂人形、仿真模型难落地真机。Qwen-VLA试图实现”车同轨、书同文”，一个基座模型适配所有机器人形态和任务类型。
- 大模型厂商的赛道延伸：阿里从文本→多模态→代码→Agent→具身智能的路径，反映了头部大模型厂商的通用路线：先在数字世界建立能力底座，再向物理世界渗透。Qwen-VLA的推出，意味着千问生态从”AI助手”升级为”AI操作员”。
- 开源策略的竞争杠杆：Qwen-VLA代码开源，与千问系列一贯的开源策略一致。在具身智能领域，开源意味着开发者可以直接基于Qwen-VLA做二次开发，加速千问生态在机器人硬件厂商中的渗透，对标Google RT-2等闭源方案形成差异化。
相关链接