# Anthropic AI民调、黄仁勋谈AI工厂、Kimi K2.7 Code开源

- 来源：ginobefun (@hongming731)
- 发布时间：2026-06-13 07:48
- AIHOT 分数：47
- AIHOT 链接：https://aihot.virxact.com/items/cmqbm8t2302smslam3filtgqb
- 原文链接：https://x.com/hongming731/status/2065581960479826347

## AI 摘要

Anthropic首份全美AI民调覆盖51993人：48%期待AI攻克癌症，64%担心失业，仅15%信任AI公司自行开发。黄仁勋以发电机类比AI工厂，提出五层产业蛋糕（能源/芯片/设施/模型/应用），每个计算单元含72颗芯片、造价约400万美元。月之暗面开源Kimi K2.7 Code编程模型，相比K2.6平均token消耗减少30%，Kimi Code Bench v2提升21.8%，Program-Bench提升11%，MLS Bench Lite提升31.5%。

## 正文

http://x.com/i/article/2065581374749413376

# BestBlogs 早报 · 06-13|Anthropic AI 民调、AI 工厂、Kimi K2.7 Code

在线阅读本期早报

## 导语

AI 正在被谁信任，又将把计算带向何处？今天的三篇精讲恰好构成同一场变革的三个切面。第一个切面是公众心态：Anthropic 完成了覆盖近 52000 人的首次全美公众调查，结果呈现出清晰的「期待与焦虑并存」--48% 的人期待 AI 攻克癌症等疾病，64% 的人担心失业，而每天用 AI 工作的人反而更不担心被取代。第二个切面是产业框架：黄仁勋在红杉的访谈里，给智能时代找了一个 300 年前的参照物--发电机，并把计算范式的切换讲成了一个五层产业故事。第三个切面是一线工具：月之暗面发布并开源了 Kimi K2.7 Code 编程模型，更快、更省、更聪明的编程能力已经送到了每个开发者手边。

速览部分同样密集：浮之静万字解析架构腐朽与 Loop Engineering，The Batch 串讲本周模型大事并讨论递归自我改进，阮一峰周刊记录 rsync 维护者用 AI 写代码引发的争论，SpaceX 完成史上最大 IPO，Y Combinator 用 5 篇论文勾勒 AI 研究走向，歸藏系统阐述 Skill 作为「能力商品」的本质，Simon Willison 实测 Claude Fable 5 的「不懈主动性」。补充阅读里还有 Spring AI 2.0.0、WebMCP、企业级 Agent 落地与 7000 亿资本支出观察。从公众民意到产业资本，从架构哲学到编程模型，这一天的信息浓度值得你留出完整的阅读时间。

## 精讲一：Anthropic 首份公开记录调查结果

先说背景。AI 公司谈论「公众怎么看 AI」时，大多引用第三方机构的零散数据，而 Anthropic 这次选择自己下场：推出名为 Anthropic Public Record 的全新调查系列，第一轮于 2025 年 11 月至 12 月执行，通过 YouGov 采样、按美国人口普查基准加权，覆盖 51993 名美国人，各州样本从 232 人（阿拉斯加）到 1902 人（纽约）不等，州级误差范围在正负 2.6 到 9.1 个百分点之间。这是 Anthropic 第一次直接面向普通公众做系统性民意研究，也补上了此前研究版图的关键缺口：他们此前通过 Anthropic Interviewer 工具对 81000 名 Claude 用户做过大规模定性访谈，也定期发布基于匿名使用数据的经济指数，但这些都只能覆盖已经在用 AI 的人。这次调查第一次触达了那些根本不用 AI 的群体，让「公众态度」这个词第一次有了完整的样本基础。

调查的核心发现可以概括为「期待与焦虑并存」。在期待一侧，受访者要从 17 个选项中挑出自己对 AI 的前三大期望：48% 的人选择了「治愈癌症、阿尔茨海默病等疾病」，比第二位「帮助残障人士」（36%）高出 12 个百分点，「推动技术进步」和「让生活更轻松」并列第三（各 23%）；而「AI 提供心理治疗、缓解孤独」之类的选项排名垫底--公众显然并不希望 AI 取代真实的人际联结。在焦虑一侧，「AI 导致失业」是全美五十个州无一例外的头号恐惧，比例高达 64%；紧随其后的是认知依赖（56%）和虚假信息（52%）。监管态度同样鲜明：超过 70% 的美国人认为政府应当在 AI 监管中发挥作用，且这种支持是跨党派的，公众最希望政府在隐私（56%）、儿童安全（52%）和损害责任（49%）三个领域采取行动。

最值得玩味的有两点。其一，只有 15% 的美国人信任 AI 公司自行决定 AI 如何开发和使用；当被问到什么最能确保 AI 造福人类时，排名最高的答案是「让 AI 公司为损害承担法律责任」（47%）和「安全优先于增长」（44%）--公众要的是问责，而不是承诺。一家头部 AI 公司主动公布「公众不信任 AI 公司」的数据，这个姿态本身也是研究的一部分。其二，每天在工作中使用 AI 的人，对失业的担忧（54%）反而显著低于从不使用 AI 的人（70%）。熟悉感冲淡了恐惧，这与历史上多次技术变革中的公众心态曲线一致。另外一个反直觉的结论是：在绝大多数问题上，AI 并没有沿着典型的党派、地域或教育水平分界线撕裂美国社会--美国人普遍渴望兑现 AI 的好处、害怕它带来的冲击、要求建造它的公司负起责任，人们的分歧更多体现在态度的强烈程度，而非方向。

为什么重要？这份调查与今天黄仁勋的产业叙事形成了有意思的对照：产业界在谈万亿级的 AI 工厂建设和五层产业蛋糕，而普通人在担心自己的工作、孩子的安全和个人隐私。两者之间的落差不是谁对谁错的问题，而恰恰是未来几年 AI 政策制定与商业决策都必须面对的现实约束。Anthropic 表示这个调查会定期重复并扩展到美国之外，这意味着我们将第一次拥有一条跨年度追踪「公众对 AI 态度」的连续曲线。建议完整阅读原文中的州级数据和方法论附录，尤其推荐关注「使用频率与恐惧程度」的交叉分析。阅读全文

## 精讲二：黄仁勋谈智能时代的「发电机」：从检索式计算到 AI 工厂

这场红杉资本的访谈里，黄仁勋给当下的 AI 基础设施热潮找了一个历史参照物：300 年前的发电机。物理世界的发电机把蒸汽、风力、水流等动能转化为电能；而现代 AI 工厂把这条转换链反过来运行--输入原始的电子，输出结构化的智能 token。这不是一句漂亮的修辞，而是他用来解释「为什么计算范式正在发生 60 年来最大切换」的核心框架。当年发电机的意义不在于发电本身，而在于它催生了围绕电力组织起来的整个工业体系；按同样的逻辑，AI 工厂的意义也不止于训练和推理，而在于一个围绕「实时生成智能」重新组织的计算产业正在成形。

先看技术切换的逻辑。自 1964 年 IBM System 360 问世以来，计算一直运行在「检索预存数据」的静态范式中：程序由人手写，媒体以不可变文件的形式录制，数据中心本质上是归档存储的枢纽--用户请求信息，系统从物理磁盘上把数据找出来。生成式 AI 从根本上打破了这个架构：每一段文本回复、每一张合成图像、每一条操作指令，都是基于实时上下文在原点即时构造出来的。过去两年，这种能力又跨过了两个里程碑：早期的生成式翻译（文本到摘要、文本到图像、图像到文本的结构转换），以及如今的智能体推理系统--能做多步规划、内部反思、调用电子表格和浏览器等工具、自主协调执行企业级工作流。

再看产业拆解。黄仁勋把整个 AI 基础设施建设比作一块五层蛋糕：第一层是能源，核电、风电、光伏、氢能等电网基础设施迎来前所未有的增长；第二层是计算芯片，包括大规模量产的 GPU、高速交换机和硅光互连；第三层是设施，涵盖土地、吉瓦级供电和数据中心建设；第四层是基础模型，承载对语言、物理规律、生物编码和机器人学的理解；第五层是应用，即面向金融、法律、运营等场景的增值软件。这个分层的好处是把「AI 投资」这个笼统的词拆成了五个资本属性完全不同的赛道--能源和设施是重资产长周期，芯片是制造业节奏，模型和应用则是软件逻辑。落到硬件上，一个典型的计算单元是：72 颗专用计算芯片集成在一个自治服务器机架里，整机约两吨重、造价约 400 万美元、包含超过 150 万个零部件，以高产量直接部署进全球的超大规模数据中心。

最后是他对失业焦虑的回应，这一点与精讲一的民调形成了直接对话。黄仁勋用放射科医生和软件工程师举例：AI 自动化的是任务，而不是职业的核心目的--放射科医生的价值从「看片」转向更高层的临床判断，软件工程师的价值从「敲代码」转向定义问题和验证结果。这个「任务 vs 目的」的区分未必能安抚所有人，但它至少提供了一个比「AI 会不会抢走工作」更可操作的分析框架：先问一个职业的核心目的是什么，再问哪些任务可以被自动化，剩下的部分才是人需要重新定位的空间。

把这场访谈放进今天的早报里看，价值在于它提供了一张「产业地图」：速览部分的 SpaceX 万亿估值、补充阅读里七巨头 7000 亿美元的资本支出、存储涨价与电力争夺，全都可以在五层蛋糕的框架里找到自己的位置。如果你想理解未来几年资本开支、电力规划和芯片产能为什么会这样流动，这场访谈值得完整观看。观看访谈

## 精讲三：Kimi K2.7 Code 编程模型已上线 Kimi Code、API 开放平台

月之暗面今天发布并开源了 Kimi K2.7 Code 编程模型，发布文章以 Dijkstra 1970 年的名言开场--「编程的艺术，就是组织复杂性的艺术，是掌控庞杂、并尽最大可能避免其沦为畸形混沌的艺术」。这是一次目标非常明确的迭代：专攻编程场景，把性能、效率和智能体能力同时往前推。

先看硬指标。相比上一代 K2.6，K2.7 Code 显著提升了长上下文编程场景的指令遵循能力和长程编程任务的性能表现，在内外部代码基准上全面进步：Kimi Code Bench v2 提升 21.8%，Program-Bench 提升 11%，MLS Bench Lite 提升 31.5%。更值得注意的是效率改善：新模型大幅缓解了长程任务中的过度思考倾向，平均 token 消耗减少 30%--也就是用更少的 token 达到更高的性能。对天天跑长任务的智能体编程场景来说，这条「省」的曲线可能比「强」的曲线更直接地决定使用成本。代码能力的进化还带动了智能体能力：在评估 Agent 自主化执行的 Kimi Claw 24/7 Bench、MCP Atlas 和 MCP Mark Verified 基准上，性能提升约 10%。

再看获取方式和价格。企业和开发者今天起即可通过 Kimi API 开放平台调用 K2.7 Code，1M token 的标准输入和输出价格与 K2.6 持平，分别为 6.5 元和 27 元，命中缓存的输入价格调整为 1.3 元；Kimi Code Plan 的默认模型也已同步升级，会员计划和企业版用户可以直接体验新模型。模型权重已在 Hugging Face 开放，支持本地部署。有两个使用细节需要特别注意：其一，K2.7 Code 必须开启思考模式（Thinking）才能发挥最佳性能--Kimi API 和 Kimi Code 默认都已开启，但如果手动关闭，API 会直接报错，Kimi Code 则会静默回退到 K2.6，排查性能问题时别忘了先检查这一项；其二，在非编程任务中，官方仍然推荐能力更全面的 K2.6，新模型是一把专用的刀，不是通用的瑞士军刀。

最大的悬念留给了下周一。6 月 15 日，K2.7 Code 高速版将通过 API 开放平台上线：同一个模型，输出速度约为普通版的 5 到 6 倍--常规编程场景约 180 token/s，短上下文场景可达 260 token/s，而价格只是普通版的 2 倍，官方的说法是「6 倍速度只要 2 倍价格」。6 月底前，开发者可以通过 Kimi Code Plan 的抢先体验计划在 Kimi Code 中试用高速版；7 月起将逐步开放给 Allegretto 及以上会员，高速版在套餐中的用量消耗为普通版的 3 倍。配合发布，API 开放平台还推出了为期三周的充值赠送活动。

为什么值得关注？在 Claude Fable 5、Cursor Composer 2.5 相继刷新编程模型预期的这一周（见速览部分），K2.7 Code 代表了国产开源阵营的回应：不拼大而全，而是在编程这个最有付费意愿的场景里，把「性能、token 效率、推理速度、价格」四个变量同时优化。对于正在搭建 AI 编程工作流的团队，这是一个值得实际接入、跑一轮自家任务集做对比的选项--尤其是下周高速版上线之后，速度敏感型场景（比如交互式结对编程和大批量代码迁移）的体验差异会更加明显。阅读全文

## 速览

【深度思考：架构腐朽 & Loop Engineering】（https://www.bestblogs.dev/article/1706c463）（浮之静）--「屎山源于不敢删，架构活于持续排熵。」作者给屎山下了一个工程上可用的定义：删除任何东西的风险都大于保留它的成本，并拆解出三大症状--局部性丧失（改一行、测全站）、承重 bug（Hyrum 定律的晚期形态：连错误行为都被下游依赖）、疤痕组织（没人删东西，所有人绕着加东西）。文章从 Lehman 软件演化定律讲起：只要系统还活着就会持续变化，变化没有配套的减法，复杂度的无序累积就是腐朽；进而提出在 AI Agent 时代用 Loop Engineering 建立持续排熵的工程循环。一篇罕见地把模糊焦虑转化为可讨论、可测量对象的架构长文。

【神话催生寓言，Cursor 的 Composer 2.5，智能体构建智能体】（https://www.bestblogs.dev/article/08a9c3c1）（The Batch | DeepLearning.AI）--本期 The Batch 信息量很大：Anthropic 的 Claude Mythos 5 与 Fable 5 双模型、Cursor 自研的 Composer 2.5，以及由 Anthropic 生产力数据引发的递归自我改进（RSI）讨论。Andrew Ng 的开篇信尤其值得读：他鼓励大家尝试桌面智能体--不只是聊天，而是直接读写本地文件、收发消息、定时交付，并解释了 agent harness 如何让前沿模型自主驱动「下一步做什么」的关键循环；他同时提醒，机密任务上要警惕商业桌面智能体藏在法律条文深处、可能随新模型一夜变更的数据留存政策。

【科技爱好者周刊（第 400 期）：rsync 的争论】（https://www.bestblogs.dev/article/d1462f58）（阮一峰的网络日志）--第 400 期周刊聚焦一场标志性争论：有人发现服务器基础命令 rsync 的 3.4.3 版本由 Claude 生成，GitHub 上题为「不要乱搞这个软件」的批评帖已有 300 多条发言。维护者 Andrew Tridgell 的回应很有代表性：他本已准备退休，却突然收到大量由 AI 发现的安全报告，意识到未来的攻击必然由 AI 驱动，而自己的精力已不足以应对，于是选择让 AI 写代码、自己转向编写更严格的测试用例。阮一峰的判断是「AI 写代码 + 人类测试」可能成为大型开源项目的常见运作模式--无人付酬的开源项目，恐怕没有第二条路。

【SpaceX 敲钟，马斯克成人类首个「万亿美元先生」，400 名员工身家过亿】（https://www.bestblogs.dev/article/ff2e8373）（腾讯科技）--SpaceX 以每股 135 美元发行、募资 750 亿美元，是 2019 年沙特阿美的两倍有余，创下全球史上最大 IPO；开盘价 150 美元，市值一度突破 2 万亿美元，全球排名第六。认购热度惊人：总需求超 2500 亿美元，仅散户订单就超过 1000 亿美元。造富效应同样罕见：超过 4400 名在职与离职员工跻身百万富翁，约 400 人账面财富过亿。但分歧也很尖锐--做空者查诺斯称之为「建立在希望与梦想之上的狂欢」，晨星给出的公允价值仅每股 63 美元，较发行价折价超过一半。

【从蛋白质模型到智能体编程：5 篇论文看 AI 研究正在走向哪里】（https://www.bestblogs.dev/video/18e855a）（Y Combinator）--这场 YC 技术 meetup 用 5 篇论文勾勒出正在成形的研究方向：蛋白质模型的 scaling laws、自引导 selfplay 强化循环、流式实时 RAG 架构、基于 Lean 的数学化代码验证，以及借鉴高 APM 游戏战术的智能体软件工程框架。开场还讨论了持续学习、样本效率与硬件极限等基础性约束，以及对「模型仅靠人类数据子空间就能采样完整解空间」这一假设的普遍怀疑。适合想跳出产品新闻、看清研究脉络的读者，五个方向覆盖了从生物到编程的完整光谱。

【万字长文：做了些爆款 Skills 以后，我对 Skills 的看法】（https://www.bestblogs.dev/article/54575866）（歸藏的AI工具箱）--基于 PPT、社交媒体卡片、Logo 生成器等爆款 Skills 的真实实践，歸藏给出了一个核心判断：Agent 不是抹平能力差距，而是放大能力差距，目标清晰、品味和判断强的人被放大，目标混乱的人也被放大混乱，用户正在 K 型分化。Skill 的价值在于弥合这道鸿沟--它不是单纯的提示词，而是把专家经验、工作流、品味和工具调用封装成可安装、可分发、可迭代的「能力商品」。文章对 Skill 的架构、设计、维护与生态边界都有系统论述，是目前中文世界关于 Skills 最完整的实践总结之一。

【Claude Fable 展现出不懈的主动性】（https://www.bestblogs.dev/article/67accc9f）（Simon Willison's Weblog）--使用两天后，Simon Willison 用「relentlessly proactive」概括 Claude Fable 5：它掌握一大堆技巧，并且会动用其中任何一个来达成目标。他只丢了一张截图和一句提示词，让模型排查一个 CSS 横向滚动条 bug，自己就走开了。回来时发现模型已经自主打开了他的 Firefox 和 Safari、用 pyobjc 调用 Quartz 定位窗口编号并截屏、自建本地测试页面逐项对照 CSS 属性--所有这些手段都没人教它。一篇生动的一线观察，展示了新一代模型「为达目标穷尽工具箱」的工作风格，可与速览中 The Batch 对桌面智能体的讨论对照阅读。

## 补充阅读

- 【Spring AI 2.0.0 GA 正式发布】（https://www.bestblogs.dev/article/9ed27696）（Spring Blog）--以 Spring Boot 4 为基础，带来 Jackson 3、空安全、重构的选项系统与 MCP Java SDK 正式集成。Java 后端团队接入 AI 能力的事实标准更新，建议相关团队对照升级说明评估迁移。

- 【迎接智能体就绪的 Web：用 WebMCP 简化用户操作】（https://www.bestblogs.dev/video/6ff3380）（AI Engineer）--Chrome 团队介绍实验性浏览器标准 WebMCP：让网站把客户端能力暴露为结构化工具，供浏览器内 AI 智能体直接调用，替代脆弱的 DOM 抓取。前端工程师和做浏览器智能体的团队应当跟进。

- 【领域中心？为什么 Hexagonal 与 Onion 架构回答的是错误的问题】（https://www.bestblogs.dev/video/f2dd2f0）（Spring I/O）--Spring Modulith 作者 Oliver Drotbohm 的反共识演讲：六边形与洋葱架构本质只是分层架构的依赖反转，并未解决领域拆分；他主张垂直切片加包级封装。适合正在做架构选型的后端架构师。

- 【学会记住什么：基于认知的智能体记忆多因素价值模型】（https://www.bestblogs.dev/article/008361e6）（arXiv.org - AI）--提出七因子可解释的记忆价值函数，在固定记忆预算下统一控制编码、遗忘和检索。给长时运行 Agent 设计记忆系统的工程师提供了一个超越「语义相似度 + 时近性」的框架。

- 【Box AI 如何借助 Deep Agents 构建企业级内容智能体】（https://www.bestblogs.dev/article/06adaad3）（LangChain Blog）--Box 用 LangChain 的 Deep Agents 框架实现递归父子智能体架构，从单文档问答一路演进到跨数千文档的综合分析，且始终尊重既有的安全与权限模型。一份难得的企业级 Agent 落地参考，适合做企业知识系统的团队。

- 【所有人都在为 7000 亿账单兜底】（https://www.bestblogs.dev/article/4b8de76e）（腾讯科技）--硅谷七巨头 2026 年预估 7000 亿美元 AI 资本支出的连锁反应：买空台积电先进产能、推高存储价格、与社区争夺电力，连库克、雷军、余承东都先后被供应链「卡脖子」，风险再通过 SPV 等金融工具层层转嫁给普通消费者。与精讲二的 AI 工厂叙事对照阅读，体感更立体。

## 今日阅读路径

今天的内容密度偏高，如果你只有 30 分钟，建议按「先工具、再民意、后框架」的顺序读三篇：

1. 先读精讲三 【Kimi K2.7 Code】（https://www.bestblogs.dev/article/7ed2852b）--最具行动价值：价格不变、效率提升 30%，下周还有 6 倍速高速版，正在搭 AI 编程工作流的人应该今天就去试。

1. 再读精讲一 【Anthropic 公众调查】（https://www.bestblogs.dev/article/05a21063）--理解 AI 行业最稀缺的变量：公众信任。「每天用 AI 的人反而更不怕失业」这一条，值得转给你身边焦虑的朋友。

1. 最后看精讲二 【黄仁勋的 AI 工厂】（https://www.bestblogs.dev/video/93f8c99）--五层产业蛋糕和「数字发电机」框架，会帮你把今天速览里的 SpaceX、7000 亿资本支出等新闻装进同一张产业地图。

时间更充裕的话，浮之静的架构腐朽长文和歸藏的 Skills 万字总结是本周不可多得的两篇深度实践文章，一篇向后看系统如何腐朽、一篇向前看能力如何封装，适合周末配一杯咖啡精读。做 Java 后端的读者，则不要错过补充阅读里 Spring AI 2.0.0 和 Oliver Drotbohm 架构演讲这对组合。

BestBlogs 是 AI 驱动的私人阅读助手，帮助你建立稳定、可信、个性化的高质量信息输入。它帮你判断什么值得读、协助你读懂，并逐渐理解你关注什么。

这是面向所有人的每日早报内容，如果你希望它基于你的兴趣和阅读习惯整理，可以体验「我的早报」 https://www.bestblogs.dev/reading/brief