🤖 AI日报 — 2026年6月26日
6 月最后一周，AI 产业的底层逻辑在三个层面被重塑——OpenAI 自研芯片让推理成本腰斩（基础设施层）、RoboScience Visics 让机器人拥有"通用大脑"（具身模型层）、英伟达 Halos 补上了安全合规的最后一块拼图（落地标准层）。而 460 亿融资和 MWC 的具身智能专场则表明：2026 下半年的关键词是"交付"——谁能把 AI …
作者：天使投资人雷欧
今日重磅
1. 🚀 OpenAI 发布首款自研 AI 芯片 Jalapeño：推理成本有望降 50%，9 个月完成流片
事件：6月25日，OpenAI 联手博通正式发布首款自研 AI 推理芯片 Jalapeño（哈拉贝诺辣椒）。该芯片专为大模型推理场景设计，将用于驱动 ChatGPT、Codex、API 及未来智能体产品。OpenAI 计划 2026 年底前完成部署，定位为"多代计算平台的第一步"。
OpenAI 正式入局芯片赛道，宣告 AI 基础设施竞赛进入"垂直整合"阶段。从模型→产品→芯片的全栈掌控，意味着 OpenAI 对 API 定价权和生态话语权的野心远超模型层。对于 AI Coding 工具来说——底层推理成本腰斩，意味着 Agent 式编程（单次任务数百次 API 调用）的经济模型将发生质变。如果推理成本降 50%，AI Agent 能做的事情会翻倍。
2. 🧠 RoboScience 发布通用具身大模型 Visics：VLOA 架构实现"跨本体操作"
事件：6月24日，机器科学 RoboScience 正式发布通用具身大模型 Visics，并披露核心技术架构 VLOA（Vision-Language-Object-Action）。模型以"物体 3D 点云轨迹"作为统一中间表征，实现跨本体、跨物体、跨任务的通用操作——换一台硬件、换一个物体，模型能力不失效。
- ✓ 开发速度：从设计到流片仅 9 个月（传统周期 2-3 年），自称"高性能 ASIC 领域最快纪录"——ChatGPT 本身参与了芯片设计辅助，实现"AI 辅助造芯"
- ✓ 定位：专注推理（inference），而非训练（training）；早期测试每瓦性能明显优于当前同类产品
- ✓ 性能对标：博通 CEO 表示性能可与英伟达 Blackwell 系列及谷歌 TPU 相媲美
- ✓ 成本预期：推理成本有望降低约 50%
- ✓ 行业背景：谷歌 TPU、亚马逊 Trainium、微软/ Meta 自研芯片——巨头"去英伟达化"浪潮加速
- ✓ 双引擎架构：具身世界模型（海量视频预训练，理解物理因果）+ 通用操作模型（轨迹→硬件指令），分层解耦
- ✓ 数据飞轮：自研高精度仿真引擎 RoboMirage + 自动化数据标注管线，单条数据成本降至传统方案的 1%
- ✓ 数据规模：每周数十万小时数据增长，目标 2026 年构建 1T 级高质量数据集
今日一句话
6 月最后一周，AI 产业的底层逻辑在三个层面被重塑——OpenAI 自研芯片让推理成本腰斩（基础设施层）、RoboScience Visics 让机器人拥有"通用大脑"（具身模型层）、英伟达 Halos 补上了安全合规的最后一块拼图（落地标准层）。而 460 亿融资和 MWC 的具身智能专场则表明：2026 下半年的关键词是"交付"——谁能把 AI Coding 和具身智能从 Demo 变成真实订单，谁就拿到了下一个百亿赛道的入场券。
© 天使投资人雷欧
免责声明：本文仅为信息整理与个人观点，不构成投资建议。投资有风险，决策需谨慎。