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。

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。

#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

有媒体曝光了特朗普的 人工智能 智囊团。 特朗普政府主要依靠这一小群人，来决定应该对ai实施哪些限制，这些人对中国的看法也各不相同。 ・霍华德·卢特尼克　美国商务部长 负责人工智能出口管制，同时考虑鼓励美国公司开发开放权重模型与中国竞争。 他对限制中国人工智能持中间立场，并认为 Kimi K3 仍落后于美国前沿模型。 ・阿尔文德·拉曼　人工智能标准与创新中心代理主任 负责政府与人工智能企业之间的沟通，以及模型安全标准和技术保障措施。 ・肖恩·凯恩克罗斯　美国国家网络总监 负责处理人工智能带来的国家安全风险。他对中国人工智能实验室态度强硬，重点限制中国公司通过蒸馏学习美国模型。 ・大卫·萨克斯　前白宫人工智能主管 主张减少人工智能监管，对中国开放权重模型也持宽松态度。他认为美国模型仍然领先，只要继续发布新模型就能保持优势，离职后仍能直接影响特朗普。 ・苏西·威尔斯　白宫幕僚长 负责审查各部门的人工智能政策方案，决定哪些方案能够提交给特朗普。 ・斯科特·贝森特　美国财政部长 负责中美贸易相关政策，也是几人中对中国人工智能态度最强硬的一位。 他将模型蒸馏视为知识产权盗窃，主张制裁相关中国实验室，或将其列入实体清单，同时推动西方国家开发自己的开放权重模型。 ・卢克·佩蒂特　美国财政部金融机构事务助理部长 负责落实贝森特的人工智能政策，重点处理人工智能可能引发的金融系统风险。

距前代发布仅四周，阿里Qwen3.7空降大模型竞技场！旗舰款登顶国产第一 阿里千问团队在 悄然上线 Qwen3.7 系列首批预览版：Max 与 Plus。新版本强制锁定为深度思考模式，并为此临时禁用了联网搜索与代码解释器。 在最新出炉的大模型竞技场 Arena 榜单中，Qwen3.7 拿下了文本与视觉领域的双料国产第一。 其中，旗舰款 Qwen3.7-Max-Preview 位列文本总榜全球第 13，将阿里实验室的文本研发排名推高至全球第 6。新模型在硬核推理赛道全面挤入全球前十：数学第 7、专家提示与软件 IT 第 9、代码生成第 10。 主打视觉的 Qwen3.7-Plus-Preview 则拿下视觉榜全球第 16。这也将阿里的整体视觉研发实力推高至全球第 5 位。 前代旗舰 Qwen3.6-Max-Preview 在 4 月 20 日才发布，仅隔 28 天便推出 Qwen3.7 预览版，产品迭代速度极快。此次赶在会前「偷跑」上线，显然是在为 5 月 20 日于杭州开幕的 2026 阿里云峰会造势，届时官方将正式揭晓新基座的技术底牌与商业部署。 #AI# #AIAgent#

#OpenAI# 还没上市，它的算力小弟先要IPO了，这事挺有意思。🧐 之前黄仁勋讲过，未来推理需求将会增长10亿倍，而下周四5月14日，推理时代的 #AI# 芯片黑马，Cerebras ( $CBRS)要上市了，定价区间115-125美金，募资最高35亿美金，估值266亿美金。也将是 @MSX_CN 的第一期 PreIPO项目，还是十分值得期待的！ 今天我们就来拆解一下这家Cerebras公司，以及估值分析情况，还有我个人的一些私人判断和意见。 要了解这个OpenAI系的推理芯片黑马，就要知晓山姆奥特曼的资本布局。 我们都知道英伟达在AI芯片领域有多牛，大模型公司烧钱，云厂商买卡，创业公司排队等GPU，最后利润大多流向卖铲子的英伟达，这是目前行业的现状。 但这种一家独大的局面，各家大模型厂商，都希望有一个嫡系方案做PlanB，比如谷歌Gemini便联合博通采用TPU方案，OpenAI也一直想扶持自己的嫡系部队。 所以在5月6日，OpenAI把英伟达、AMD、英特尔、博通、微软这些本该互相竞争的芯片公司拉到一起，搞了个MRC网络协议。表面看是技术合作，其实是OpenAI要重新分蛋糕了。 更深一层看，我认为是 #OpenAI# 想要拆开英伟达全栈垄断格局。 以前训练、推理、网络、云，全让英伟达一家包圆了。现在呢？OpenAI开始精细化运营：训练归训练，推理归推理，不同场景用不同芯片，不同环节找不同供应商。 #Cerebras# 就是在这个时候被推上了牌桌，它核心负责推理这一环。这正好与最近炒作火热的推理CPU概念，比如 #AMD，##INTC# 等，撞在了风口上。 🔥Cerebras到底牛在哪？ Cerebras的核心杀手锏是WSE-3芯片，直接把整片12英寸晶圆做成一颗巨型芯片，面积46225平方毫米，相当于A4纸的三分之一。 我们数据对比看看，相较于英伟达H100： • 它面积是H100的57倍 • 核心数是52倍 • 片上内存是880倍 • 内存带宽是7000倍 这数据📊看起来蛮夸张的，但核心关键不在大，而在于快。 在推理场景，尤其是长文本输出、实时交互、代码生成、AI Agent这些需要低延迟的任务上，Cerebras的CS-3系统推理速度比英伟达DGX B200快21倍，成本和能耗降到三分之一。这个效率和功耗，采用WSE-3芯片意味着OpenAI能在单位时间服务更多客户，这就相当于白花花银子啊。 📊财务数据也很漂亮 首先从市场趋势来看，AI 产业正从训练为主转向推理为主，这是不争的事实，2025 年全球 AI 推理市场规模已达1062亿美元，预计2030年将增至 2550亿美元，而 Cerebras 的技术优势正好踩在了风口上。 另外本轮IPO估值为266亿美金，发行价为115-125美金/股，我觉得是相对便宜的，虽然比上一轮估值翻了倍，上一轮F轮估值约为120亿美金，短短两年时间，直接翻倍，但架不住漂亮的财务数据。 2025年Cerebras营收5.1亿美金，比2024年的2.9亿增长76%。更牛的是净利润8790万美金，2024年还亏4.85亿，直接扭亏为盈。 以266亿估值来算，PS为52倍。以24年上市的热门半导体连接芯片公司Astera Labs( #ALAB#)做对比，它上市首日PS高达81倍。而目前正处于火热的推理赛道炒作中，个人认为Cerebras冲击80-100倍PS绰绰有余，对应的收盘价192美金—239美金，预计有50%以上涨幅！(但也要观察当天纳斯达克指数行情来综合判断) 不能只说好的一面，目前Cerebras问题也很明显，客户集中度太高。阿联酋MBZUAI贡献62%收入，G42贡献24%，前两大客户占86%。意味着Cerebras必须听大客户的话，自主性有限。可喜的是，OpenAI的介入，未来这种收入结构会有所改善，而且OpenAI会成为最大客户。 🎯OpenAI和Cerebras的深度绑定 最新的数据，OpenAI与Cerebras签了多年的合作协议，总价值超200亿美金，Cerebras要给OpenAI提供750兆瓦算力，部署到2028年。 但这不只是采购合同这么简单。OpenAI创始人奥特曼、总裁布鲁克曼、前首席科学家伊利亚、董事会成员亚当·安戈洛，这些核心高管都个人投资了Cerebras。 OpenAI还通过贷款、认股权证等金融工具，和Cerebras建立长期利益绑定。说白了，现在的Cerebras就是OpenAI的芯片部门。 除此之外，Cerebras 3月又与 AWS 达成合作，CS-3 系统上线亚马逊云端服务，成为首个进入主流云端厂商供应链的非 GPU AI 加速器。此外，葛兰素史克、美国能源部、多个国家实验室等也都是其客户，技术实力也得到多维度的验证。 💡OpenAI的资本局 OpenAI的真实意图很清楚： • 训练继续用英伟达高端GPU • 推理引入Cerebras低延迟方案 • 部分GPU采购AMD • 网络协议开放化 • 云服务在AWS、Azure、谷歌Cloud之间多家下注 • 未来可能推自研芯片 这是算力组合拳策略，不同工作负载匹配不同系统，不再单独依赖英伟达全栈方案。 OpenAI正在从模型公司转变为算力架构公司。以前只能被动接受芯片厂商定义的技术路线，现在要主动设计符合自己需求的算力组合。 OpenAI要把芯片供应商从"平台提供者"降维为"模块供应商"。所以扶持Cerebras是其战略中最重要的一环，预期来看，Cerebras上市首日股价，爆火的概率极大！ ⚡对英伟达的影响 短期看，Cerebras上市对英伟达冲击不大，就像身上长个粉刺一样无关痛痒。 英伟达目前占AI芯片市场80-90%份额，CUDA生态、GPU供应链、NVLink网络，这些护城河短期很难撼动。 但长期看，威胁是存在的。以前AI公司别无选择，只能用英伟达GPU。现在至少在推理场景，客户有了可行替代方案。这种选择权的出现，削弱了英伟达定价权。 当OpenAI可以说"推理我用Cerebras，训练我用英伟达"时，英伟达就失去了"全包"的议价能力。 AI推理市场正在快速增长。根据预测,2026-2032年全球AI推理市场复合增长率将达28.9%。推理场景更适合专用芯片。当推理市场规模超过训练市场时，英伟达在推理领域的相对弱势就会成为更大问题。 英伟达正在从"唯一供应商"变成"核心供应商之一"。这个转变不是因为英伟达变弱了，而是市场变大了，客户变强了，需求变复杂了。 🧐我的判断 Cerebras上市真正值得看的，不是又一家AI芯片公司IPO，而是OpenAI开始把推理这门生意单独拎出来定价了。 当推理市场被验证可以独立定价时，AI算力市场就真的开始分层了。训练和推理的需求差异被明确化，专用芯片在细分场景的优势被验证。 英伟达"一种芯片打天下"的叙事不再完全成立。市场会从"通用GPU垄断"走向"场景化芯片组合"。 而且不只OpenAI这么干，Anthropic也在和亚马逊、谷歌结盟。头部AI公司都在通过多元化采购降低对英伟达依赖。单一供应商的"完整解决方案"不再是最优选择。 最后值得一提的是，这次 #MSX# 第一期PreIPO项目即将上市，它就是本周四即将上市的Cerebras，拭目以待吧！🧐 DYOR🙏