World Model × Reward Density：递归自我迭代的真正拐点 过去几个月，讨论 AI 递归自我迭代（Recursive Self-Improvement, RSI）时，关注点几乎都放在模型能力和算力增长上。 但研发系统的实验效率相对模型和算力，可能才是真正的瓶颈。 过去一年，这个系统正在发生两个根本性变化：一是 World Model 快速成熟，二是 AI Model Design 的 Reward Density 持续提高。这两个趋势彼此强化，最终指向同一个结果——AI 研发正在从依赖真实实验，转向依赖模拟、预测与自动验证。 World Model 的意义远不只是让模型理解现实世界，更重要的是让 AI 可以构建越来越接近真实世界的原生模拟环境（Native Simulation World）。过去的模拟器主要依赖人工编写规则、物理公式和专家经验，只能覆盖有限场景；未来的模拟器将越来越多由模型生成，直接学习真实世界中的交通、人类行为、企业经营、材料性质、机器人动力学乃至科学规律。模拟世界将逐渐从 Rule-based 转向 Model-based。 这意味着 Simulation 与 World Model 不再是两个独立模块，而是一个递归系统。真实世界提供数据，训练 World Model；World Model 构建更真实的 Simulation；Simulation 为 AI 提供几乎无限的实验机会；实验产生大量高质量合成数据，再反过来继续优化 World Model。 整个循环可以表示为： Reality → World Model → Simulation → Synthetic Experience → Better World Model → Better Simulation → ... 一旦进入这一循环，Simulation 本身开始成为新的数据源。过去互联网几乎承担了全部训练数据来源；未来互联网、Simulation、机器人和自动实验室将共同构成模型训练的数据基础。其中，Simulation 将成为增长最快的数据来源，因为它几乎没有成本，可以无限复制、暂停、回滚、并行和加速运行。 机器人是最直接的受益者。今天机器人最大的瓶颈并非模型能力，而是真实数据获取速度。现实中，一台机器人一年只能积累几千小时经验，而 Simulation 可以同时运行数百万个机器人，在一天内完成现实世界几年甚至几十年的探索。机器人训练因此会逐渐从 Reality-first 转向 Simulation-first，真实机器人更多承担最终校准，而非主要学习过程。 科学研究也将遵循相同路径。未来药物、材料、催化剂、电池、蛋白质设计等领域，大部分假设将在 Simulation 中完成筛选，仅将最有希望的方案送入真实实验室验证。湿实验将越来越像对 Simulation 的最终确认，而非发现过程本身。 如果说 World Model 解决的是实验环境，那么 Reward Density 解决的是实验反馈速度。 AI Model Design 正在成为所有研发任务中 Reward Density 提升最快的领域之一。过去修改一个 Attention、优化一个训练策略或者调整一个架构，往往需要数周训练才能知道结果，反馈极其稀疏。今天越来越多中间信号已经能够提前提供可靠奖励，包括 Loss Curve、Scaling Prediction、Training Stability、Token Efficiency、Inference Latency、Proxy Benchmark 等。很多决策无需等待完整训练即可获得有效反馈，研发循环开始从周缩短到天、再缩短到小时。 World Model 的加入进一步提高了 Effective Reward Density。过去，一个团队提出一百个模型设计，只能真正训练其中极少数。未来，大部分方案将在 Simulation 中完成预验证，仅保留少数最优设计进入真实训练。单位时间内能够获得的有效反馈数量因此不是线性增加，而可能提高一个甚至多个数量级。 真正发生变化的不是 Reward Density 本身，而是有效 Reward Density： 过去： 100 个想法 → 训练 3 个 → 获得 3 个 Reward。 未来： 100 个想法 → Simulation 验证 95 个 → 训练 5 个 → 获得近百个高质量 Reward。 研发系统开始进入典型的正反馈。 RSI 意味着：Model → Better Model。 但如果拆开来看，其实是： Model → Better World Model → Better Simulation → Better Evaluation → Better Model。 更进一步，World Model 本身也是模型，因此模型不仅开始优化模型，还开始优化整个研发基础设施，包括 Evaluation、Reward Model、Simulation、Compiler、Kernel、Memory System、Chip、Interconnect、Datacenter、Energy 以及 Robot Lab。优化对象从单一模型扩展到整个 Intelligence Stack。 从这个角度看，RSI 的速度可以拆解为五个核心变量： RSI Speed = f(Model Capability × Experiment Speed × Reward Density × Automation Ratio × Compute) 过去几年，模型能力和算力提升最快，而实验速度、Reward Density 和自动化比例一直是限制因素。现在，这三个变量正在同时改善，并形成多个相互强化的反馈环。 Reward Density 提高，实验速度提升；实验速度提升，提高自动化比例；自动化比例提升，进一步增加迭代频率；更高的迭代频率提升模型能力；更强的模型又提升 World Model；更好的 World Model 再提高 Reward Density。 整个系统开始形成真正意义上的递归飞轮，而不是单变量增长。 因此，RSI 更可能表现为阶段性加速，而不是平滑指数增长。每当一个关键瓶颈被突破，例如 Evaluation、Simulation 或 Robot Lab，整个系统都会进入新的增长档位。 基于目前的发展节奏，可以将 RSI 粗略划分为四个阶段。 第一阶段已经开始。AI 能够辅助模型研发，但仍高度依赖人类完成实验、分析和决策，研发循环以周为单位。 第二阶段将在 World Model 和 Reward Density 继续成熟后出现。AI 将能够提出设计、完成 Simulation、自动 Evaluation、自动 Revision，人类只负责批准关键实验，研发循环压缩至小时级。这将是自动 AI Research 真正形成飞轮的起点。 第三阶段将随着 Robot Lab 普及而到来。Simulation 与自动实验室形成闭环，真实实验自动更新 World Model，整个研发流程实现 7×24 小时运行。现实世界逐渐从主要训练场转变为校准场。 第四阶段，也是 RSI 真正意义上的广义扩张。AI 不再只是优化模型，而是持续优化芯片、网络、能源、机器人、制造系统和整个智能基础设施。递归优化对象从 Software 扩展到整个 Physical Intelligence Stack。 基于上述路径，接下来最值得关注的是五个领先指标：AI 完成一次研发迭代所需时间；AI Model Design 的 Reward Density；World Model 对真实训练结果的预测精度；Simulation 与现实实验的一致性；以及整个研发闭环中自动化完成的比例。 这些指标共同决定了递归自我迭代是否真正开始进入加速阶段。 接下来，Simulation 将成为主要训练场，Reality 将成为最终校准场。 当 World Model 足够准确、Reward Density 足够高、Robot Lab 足够自动化之后，AI 将第一次拥有持续、自主、高频率优化自身的实验环境。这并不意味着智能会瞬间爆发，而意味着决定增长速度的约束正在系统性消失。 当研发系统本身成为优化对象时，递归自我迭代才真正开始。

据金十报道，特朗普政府启动了多项大规模贸易调查中的第一项，这为加征新关税铺平了道路，也是其旨在替换被美国最高法院推翻的关税措施的核心举措。 美国贸易代表贾米森·格里尔（Jamieson Greer）周三宣布，其办公室将根据《贸易法》第301条款，对16个主要经济体展开调查，重点关注所谓的“产能过剩”问题。这些调查通常需要数月才能完成，是总统特朗普对被认为采用不公平贸易做法的特定国家的进口商品单方面加征关税的必要前提。将接受调查的经济体包括美国一些最大的贸易伙伴，如：欧盟、墨西哥、印度、日本、韩国、瑞士、挪威、印度尼西亚、新加坡、泰国、马来西亚、柬埔寨、越南和孟加拉国等等。 此举标志着，在上月最高法院具有里程碑意义的裁决否决了特朗普的全球关税后，美国政府正式启动重建特朗普关税壁垒的努力。

🫣以后在欧洲，AI跟你聊天必须先"自报家门"了 据Wired等多个媒体报道，欧盟新规从8月2日起生效，要求平台和服务方明确告知用户何时在与AI互动、何时在接触AI生成或编辑过的内容。 呼叫中心如果用AI分析来电者情绪，通话开始时就得声明；任何商业化使用AI（比如排期、合同谈判）也都要公开披露。 违规企业最高面临1500万欧元或全球年营业额3%的罚款，欧盟委员会AI办公室将负责监督执行。 🔇 降噪解读：欧盟这刀砍下去，所有面向欧洲用户的AI产品都得改交互设计。

高校校园也能监控“翻墙” 9月10日，甘肃一名网友曝光某高校监控学生“翻墙”行为：该校“网安信息化办公室”甚至将使用校园网“翻墙”的同学名单列出，还将登录外网社交媒体的时长精确监控到秒。

国家统计局将发布时间改为下午3时。 据中国国务院新闻办公室在应用程序上发布的通知，国新办也将在下午3时就相关数据举行新闻发布会。 报道称，近期经济数据发布和新闻发布会通常在星期一上午10时同步进行，此次则双双调整至下午。

7月24日讯， 美国贸易代表办公室（USTR）当地时间23日发布公告，宣布依据《1974年贸易法》第301条，以所谓“强迫劳动”为名对数十个国家和地区加征10%至12.5%的关税，以替代即将到期的全球进口关税。 新关税将于美国东部时间24日（北京时间24日中午12点）生效。 USTR称，在10%的全球关税到期之际，本次将对60个经济体加征关税，涵盖美国99%以上的贸易额。美国高级官员表示，在途货物的相关关税措施将于美东时间7月28日凌晨12:01（北京时间7月28日中午12:01）生效。 燃料、食品和化肥等进口商品将免征新关税；受单独行业特定关税约束的产品（如汽车、金属和药品）也不在征收范围内。 此外，属于美墨加贸易协定（USMCA）涵盖范围的商品也将获得豁免。美国官员指出，新关税不会与现有的钢铁和铝进口税（即特朗普去年以国家安全为由实施的“232条款”关税）叠加征收。

吴说获悉，美国财政部外国资产控制办公室（OFAC）宣布制裁伊朗数字资产交易平台 BitBank、其开发商 Pishtaz Simorgh Electronic Trade Company 及 3 名相关人员。美国财政部称，BitBank 由已被制裁的伊朗金融家 Babak Zanjani 控制，是其数字资产制裁规避网络的一部分；2026 年 6 月至 7 月，Zanjani 曾通过 BitBank 向伊朗伊斯兰革命卫队（IRGC）转移价值数亿美元的比特币，被制裁的 Hormuz Safe Marine Services Authority 也曾利用该平台转移资金。相关人员及实体在美国境内或由美国人控制的资产将被冻结，其直接或间接持股合计 50% 以上的实体也将受到封锁。

#本周热读# 月之暗面新发布的Kimi K3模型所展现出先进能力，令硅谷众多业内人士感到惊讶。这也将进一步强化一种观点，即中国AI实验室正加速逼近美国竞争对手。

韩国总统李在明本周五启程访美旧金山，两天高规格科技之旅直击AI核心将与OpenAI CEO Sam Altman、英伟达 CEO 黄仁勋等全球AI顶尖领袖举行会晤。 与此同时，三星电子执行董事长李在镕、SK集团会长崔泰源、Naver董事会主席李海珍等韩国重量级企业掌门人，也将齐聚硅谷与黄仁勋会面。 Anthropic CEO Dario Amodei同样预计出席相关活动。 这场罕见的高层云集，将把韩国两大存储巨头（三星与SK海力士）与全球GPU霸主、生成式AI领军企业及互联网平台巨头汇聚一堂，成为AI产业链最具象征意义的「硅谷峰会」。 AI基础设施投资热潮下，重大合作信号呼之欲出 在市场高度关注AI资本开支持续性之际，此次多方高层会晤极有可能释放实质性采购、联合制造及数据中心合作的新动向，将成为观察全球AI产业链下一阶段深化协作的重要窗口。 AI产业链核心玩家同桌共议，合作范围有望大幅拓展 据悉，此次圆桌会议将重点围绕HBM、高性能GPU基础设施及生成式AI展开深入讨论。 若各方悉数出席，三星电子、SK海力士、英伟达、Naver、OpenAI及Anthropic的负责人将同处一室，完整覆盖从先进存储、芯片设计、先进制程到大模型开发的全产业链关键环节。 市场关注焦点已从传统芯片采购，快速升级至AI算力部署、数据中心建设、模型训练/推理服务、先进封装制造等更深层次的战略合作。随着AI训练与推理需求呈指数级增长，GPU + HBM + 云基础设施的系统性协同能力，正成为决定产业竞争胜负的核心。 对SK海力士的重大利好解读： - SK集团会长崔泰源亲自与黄仁勋会晤，凸显SK海力士在HBM领域的战略地位。作为英伟达HBM最重要供应商之一，SK海力士在HBM3E/HBM4的量产与良率上具备领先优势，此次高层对话有望加速下一代HBM的巨额订单落地。 - 英伟达、OpenAI、Anthropic等AI算力巨头的同步参与，预示着HBM需求将从单一采购走向深度绑定式战略合作，涵盖供应保障、联合开发及数据中心一体化解决方案。 - 在AI基础设施资本开支持续高位的背景下，SK海力士作为HBM纯度最高、英伟达合作最紧密的韩国厂商，有望在这一轮合作浪潮中显著提升市占率与盈利能力。 这一系列高层互动，不仅彰显韩国存储产业在全球AI版图中的关键角色，更为SK海力士带来清晰的成长催化剂。投资者可密切关注后续会晤成果，一旦有具体合作意向落地，将构成SK海力士股价的重要上涨驱动。 $SKHY

1945年秋，蒋介石自信满满，放走了手中的王牌毛泽东，当众人惊诧不已时，他傲然宣称：我有400万军队，我想怎样就怎样！哪怕把毛泽东放回去，照样能稳操胜券！很多人会问，既然毛泽东真的来了，蒋介石为什么不动手？把他扣下，或者制造点“意外”，对他来说难吗？一点都不难。 侍从室每天将一份密报准时放在蒋介石的办公桌上。那是关于毛泽东在重庆每日行程的详细记录，见了什么人，说了什么话，甚至饮食起居，都列得清清楚楚。蒋介石翻阅时，脸上常带着一丝不屑的笑意。他觉得这一切尽在掌握。 军统负责人曾站在他面前，谨慎地请示对毛泽东住所的“特殊布置”是否就绪。蒋介石当时正在看华北的地图，头也没抬，只问了一句：“你觉得，我需要用这种手段才能赢吗？” 对方立刻噤声。 在正式的谈判场合，蒋介石与毛泽东有过寥寥数语。一次晚宴上，两人举杯，蒋问：“润之在重庆还习惯？”毛答：“还好。”对话便就此结束。蒋介石认为，过多的关注反而抬举了对手。他的自信根植于双方纸面实力的对比：四百万美械装备的国军，对阵一百多万被称为“土八路”的共军。这在他看来，是一道简单的算术题。 签署《双十协定》前夕，蒋介石在日记中写下判断：“毛泽东决无成事之可能。”他确信，大局已定于战场，而非谈判桌或暗室。扣留毛泽东，无异于承认自己惧怕，这在蒋的政治逻辑里，是弱者所为，有损其“领袖”威严。他更愿意向外界，尤其是向背后的美国，展示一种“光明正大”的姿态，将未来内战的起因归咎于对方“破坏协议”。 于是，毛泽东安然登上了返回延安的飞机。蒋介石没有去送行，他正在部署军队向各解放区推进的行动。听到毛泽东已起飞的消息，他只是点了点头，手指继续在地图上移动，命令向平汉线增兵。 协议墨迹未干，冲突已在山西上党地区爆发。国军初战受挫的消息传来时，蒋介石正在批阅公文。他放下战报，召来了将领。 “是小挫，还是轻敌？”他沉声问。 将领回答是阎锡山部轻敌冒进。蒋介石沉默片刻，命令调整部署，但并未改变全线压迫的策略。在那晚的日记里，他写下“共军战力比预估稍强”，但紧接着又补了一句：“不影响大局。” 他依然相信那四百万军队的压倒性力量，相信美式装备可以横扫一切。放毛泽东回去，在他心中并非失策，而是一种基于绝对实力自信的、居高临下的选择。他准备在战场上，用他信奉的方式，干净利落地赢得一切。 然而，战局的发展并未遵循他的算术。人心的向背、组织的效率、战略的灵动，这些未写在他实力对比表上的因素，开始逐渐显现出重量。他放走的，不仅仅是一个人，更是一个在未来数年间，将调动起远超四百万军队之力量的符号。他的“稳操胜券”，从那一刻起，便已悄悄出现了第一道裂痕