AI日报：谷歌Gemini 4领跑基准，美光Q4营收破542亿美元

过去24小时，AI行业从大模型、芯片到监管治理均有重磅进展。谷歌发布前沿模型Gemini 4，美光单季营收创历史新高，而存储紧缺或将延续数年。以下是本期要闻梳理与分析。

谷歌Gemini 4重夺前沿，定价策略激进

谷歌发布新一代前沿模型Gemini 4，在18项基准测试中拿下13项第一，输出上限提升至百万Token级别。据来源和华尔街见闻的信息，该模型首发阶段仅面向网络安全合作伙伴，暂不对公众开放。

最值得关注的是其定价策略——推广期定价仅为竞品的1%，推广期结束后价格将翻倍以上。这种"先低价占领市场、后回调"的打法，意在短期内快速抢占开发者心智。对于谷歌而言，Gemini 4重夺基准榜首，是其在模型竞赛中追赶甚至反超对手的关键一步。

不过，百万Token上下文与极低定价的组合能否长期维持，取决于背后的算力成本与商业化节奏，这也为后续价格回调埋下伏笔。

芯片领域：OpenAI携手新思，美光业绩创纪录

OpenAI与新思达成合作，共同研发芯片设计模型GPT Synapses。该模型专攻芯片设计任务，定位为"工具原生专家"，可自主优化PPA（性能、功耗、面积）与时序。消息公布后，新思股价盘中一度涨超7%，收涨4.78%，市场反应积极。

AI与EDA（电子设计自动化）的结合，正在成为芯片设计提效的新方向。让大模型介入芯片设计流程，意味着AI不仅是算力消费者，也开始反向赋能底层硬件研发。

存储市场同样火热。美光Q4营收达542亿美元，同比猛增379%，创历史新高，夏季指引超预期。虽然毛利率微降、涨价趋于温和，但美光CEO明确表示，2027、2028年存储供需紧张程度将明显高于2026年。这意味着由AI驱动的存储需求热潮，可能还将持续数年，对整个供应链构成长期利好。

EDA（电子设计自动化）是芯片从设计图纸到流片量产的核心工具链，涵盖逻辑综合、布局布线、时序分析等复杂流程。新思科技（Synopsys）是全球EDA市场的两大龙头之一，其工具几乎贯穿所有主流芯片的设计全流程。PPA（Performance、Power、Area）是芯片设计的核心优化三角，三者相互制约——提升性能往往意味着更高功耗或更大面积，工程师需在其中寻找最优平衡点。传统EDA流程高度依赖人工经验与反复迭代，一款复杂SoC的设计周期动辄数年。将大模型引入这一流程，目标是让AI自动探索参数空间、加速设计收敛，从而压缩研发周期并降低人力成本。GPT Synapses定位"工具原生专家"，意味着它并非通用对话模型，而是深度集成进EDA工具链、针对芯片设计任务专项调优的垂直模型。

AI治理双线推进：FTC加强调查，加州立法护航员工

监管端动作频频。美国FTC加大对OpenAI、Anthropic等前沿实验室的调查力度，起草的调查要求效力类似传票，将正式发出。据来源和华尔街见闻报道，知情人士称调查不会妨碍美国的AI主导地位——这一表态试图在监管与产业竞争力之间寻求平衡。

话说回来，加州"反机器人老板"法案生效，禁止AI全权解雇员工。根据IT之家的信息，雇主不得完全依赖AI自动化决策来解雇或惩戒员工，必须有人工监督核实，并披露自动化系统的使用情况。人工介入成为AI用工的硬性底线。

调查与立法两条线并进，反映出美国正从"是否监管"转向"如何监管"，在鼓励创新与防范风险之间划定边界。

FTC（美国联邦贸易委员会）此次采用"类传票"（civil investigative demand）形式发起调查，这一工具具有法律强制力，被调查方须依法提交文件与数据，拒绝配合可面临法律追责，效力远强于自愿性信息披露请求。此前FTC已对AI公司展开过多轮非正式问询，此次升级为准司法程序，标志着监管态度的实质性转变。加州"反机器人老板"法案（AB 1221）则从劳动权益角度切入，其核心逻辑是：AI系统的判断可能存在偏见或错误，影响重大的人事决定不应缺乏人工问责机制。这与欧盟AI法案中对"高风险AI"要求人类监督的框架思路一脉相承，反映出全球监管在"人类兜底"原则上逐渐形成共识。

AI应用爆发：Metamuse刷新最快增长纪录

AI个人助手赛道竞争白热化。Metamuse上线约三周即突破500万下载，登顶美区App Store免费榜，成为美国增长最快的AI应用。据SensorTower数据，其上线12天即霸榜，增速超越ChatGPT同期表现。

这一成绩说明，AI个人助手类产品仍有巨大的用户需求空间，新玩家凭借产品体验与传播效应，完全有机会在短时间内形成现象级增长。

中国大模型出海：Kimi K3首进OpenAI采购体系

国产大模型迎来标志性进展。Kimi K3接入OpenAI企业付费结算，成为首个进入其采购体系的中国开源模型。通过Base10的合作，企业用户可经由Codex Responses API调用Kimi K3与GLM5.3。

从参数规模看，Kimi K3拥有2.8万亿参数与100万Token上下文窗口，具备相当的技术实力。中国开源模型首次进入OpenAI的采购体系，不仅是技术认可，也标志着国产大模型出海进入新阶段。

2.8万亿参数的规模需要一点背景参照：OpenAI的GPT-4参数量业界估计约在1万亿量级，Meta的Llama 3最大版本为4050亿参数，而据传GPT-4采用了混合专家（MoE）架构。Kimi K3若确为2.8万亿参数的稠密模型，将跻身目前公开信息中规模最大的开源模型之列；若同样采用MoE架构，则实际激活参数量会显著低于总参数量，推理成本也更可控。通过Base10这一算力中间商接入OpenAI的Codex Responses API，意味着Kimi K3并未直接与OpenAI自有模型竞争前台位置，而是以基础设施供应商的角色嵌入生态——这是一种务实的出海路径，绕开了直接to-C市场推广的合规与品牌壁垒。

小结

本期要闻可概括为三条主线：Gemini 4重夺前沿、存储景气创新高、监管与出海双线并进。大模型竞赛仍在加速，硬件供应链因AI需求持续火热，而治理与全球化则成为行业绕不开的长期议题。