AI+科技日报 | 2026年6月10日：微软Build大会连发7款自研模型、国产芯片训练万亿参数大模型、英伟达联手SK海力士

小博测试成长之路

发布于 2026-06-10 19:56:34

5940

AI+科技日报 | 2026年6月10日

过去48小时的AI科技圈，堪称”军备竞赛”级别的密集输出。微软在Build 2026上一口气发布7款自研AI模型和Scout智能体，黄仁勋远程连线盛赞；英伟达与SK海力士官宣多年期战略合作，锁定AI时代的存储命脉；国内方面，深圳团队用1000颗国产芯片完成了1.6万亿参数大模型的稳定训练，迈出了自主算力体系的关键一步。与此同时，腾讯云大模型降价97.5%，价格战硝烟再起。

一、微软Build 2026：7款自研模型+量子芯片，双线出击

微软Build 2026开发者大会无疑是本周最重磅的科技事件。这一次，微软同时投下了两枚”深水炸弹”——在AI和量子计算两条赛道上同步发力，展现出科技巨头”All in”的决心。

AI模型层面，微软发布了7款自研AI模型。 其中最引人注目的是AI推理旗舰模型，专门面向复杂推理和长链条Agent任务进行优化。这标志着微软不再仅仅依赖OpenAI的模型供给，而是开始构建自研模型矩阵，形成”OpenAI合作+自研补充”的双轨策略。此外，微软还正式发布了Scout智能体——一款能够自主执行多步骤任务、具备环境感知和工具调用能力的AI Agent产品。Scout的发布意味着微软正在将AI从”对话工具”推向”执行工具”，这也是整个行业从Chatbot向Agent转型的缩影。

黄仁勋在大会上远程连线，对微软的AI布局给予高度评价，称其为”AI基础设施的标杆”。两大巨头的互动也释放出明确信号：英伟达的算力+微软的软件生态，这一组合仍将是未来几年AI产业的核心驱动力。

量子计算层面，微软同步发布了新一代量子芯片，可靠性提升1000倍。 量子计算一直是微软长期押注的前沿领域，此次突破意味着量子纠错取得了实质性进展。虽然量子计算的商用化仍然遥远，但1000倍的可靠性提升足以说明微软在基础科学领域的深厚积累。AI与量子计算的协同布局，或许会在十年后释放出颠覆性的技术红利。

二、英伟达+SK海力士：锁定AI时代的”算力+存储”命脉

2026年6月8日，英伟达与SK海力士正式宣布建立多年期技术合作伙伴关系，这是一笔影响深远的战略联盟。

合作的背景是黄仁勋此前公开表示”整个供应链都在短缺”，而SK海力士则回应”我们准备好了”。这组对话本身就透露出AI产业链上游的紧张态势。在当前AI算力需求爆发式增长的背景下，高带宽内存（HBM）已经成为制约GPU性能释放的关键瓶颈。英伟达的下一代GPU需要更大容量、更高带宽的HBM支持，而SK海力士作为全球HBM市场份额最大的供应商，其产能直接决定了英伟达产品的交付节奏。

此次合作的深层逻辑在于：AI竞争已经从”谁的模型更强”扩展到”谁能掌控供应链”。 英伟达通过与SK海力士的深度绑定，不仅锁定了高端内存的稳定供给，还在技术路线图上实现了联合规划——下一代HBM4的研发将与英伟达新一代GPU架构深度协同，实现算力与存储的共同演进。

与此同时，英伟达还推出了Spectrum-X以太网硅光技术，将硅光技术全面量产，能效提升5倍。硅光技术被认为是解决数据中心内部互联瓶颈的关键技术，英伟达的量产动作意味着AI数据中心的基础设施正在经历从电互联到光互联的代际跃迁。

对于整个AI产业链来说，英伟达正在从GPU芯片公司向”AI算力全栈供应商”转型——从GPU到网络互联（Spectrum-X）、从存储合作（SK海力士）到软件生态（CUDA），构建起一个几乎无法绕开的技术闭环。

三、国产芯片训练万亿参数大模型：自主算力体系的里程碑

本周最令人振奋的国内消息来自深圳。深圳河套学院联合哈尔滨工业大学（深圳），依托华为昇腾910C芯片，成功在国产芯片算力集群上完成了1.6万亿参数AI大模型的训练，并连续稳定运行超过1500步。

这一突破的意义远超技术指标本身。首先，1500步的稳定运行虽然距离完整训练仍有差距，但已经验证了国产芯片集群训练万亿级模型的可行性——这在此前被普遍认为需要依赖英伟达A100/H100级别的算力才能完成。其次，1000颗国产芯片的协同训练，考验的不仅是单芯片性能，更是集群调度、通信互联、分布式训练框架等系统工程能力。这一成果的取得，说明国产AI算力体系正在从”能用”向”好用”过渡。

从战略层面看，这是中国AI产业”去风险化”的重要一步。 在美国持续收紧对华芯片出口管制的背景下，证明国产芯片能够承担大规模AI训练任务，对于保障中国AI产业的自主可控具有重大意义。虽然昇腾910C在单芯片性能上与英伟达最新产品仍有差距，但通过系统级优化和规模化部署来弥补单点不足，正是中国AI算力发展的务实路径。

四、腾讯云大模型降价97.5%：价格战进入白热化

腾讯云宣布自6月3日起对DeepSeek-V4系列模型价格进行大幅下调，最高降幅达到97.5%。这一降价幅度之大，在整个AI行业中都极为罕见。

降价的背后有多重逻辑。 其一，大模型推理成本确实在快速下降——随着模型量化、稀疏化推理、KV Cache优化等技术的成熟，同等算力的推理吞吐量已经比一年前提升了数倍，成本下降有了技术基础。其二，腾讯云此举意在通过价格优势抢占开发者市场和企业客户，在”百模大战”的下半场中建立生态壁垒。其三，DeepSeek系列本身就以致价比著称，腾讯云选择对DeepSeek-V4进行大幅降价，也是对市场趋势的顺势而为。

大模型价格战的本质是”以价换量”的生态竞争。 当模型能力逐渐趋同时，价格就成为决定开发者选择的关键因素。腾讯云的激进降价将倒逼其他云厂商跟进，整个行业的AI服务价格中枢将进一步下移。对于中小开发者和创业公司来说，这无疑是一个重大利好——调用大模型API的成本正在趋近于”几乎免费”，这将极大降低AI应用的开发门槛，催生更多创新场景。

但价格战的隐忧也值得关注：如果价格长期低于成本线，云厂商的AI业务可持续性将面临考验，最终可能导致市场集中度过度提升。

五、云知声发布U2：原生Agent大模型的新范式

2026年6月8日，云知声发布了新一代通用大语言模型U2，定位为”原生可执行Agent大模型”。U2的核心能力在于可以自主拆解100步以上的复杂工作流，并以原生方式执行每一步操作，而无需依赖外部编排框架。

这一发布值得关注的原因在于它代表了一种新的模型设计哲学——从”原生对话”到”原生执行”的范式转变。 传统的Agent系统通常采用”大模型+外部工具调用”的架构，大模型负责规划和决策，外部系统负责执行。而U2的理念是将执行能力直接内置于模型之中，让模型本身就是一个能够与真实世界交互的执行引擎。

如果U2的能力能够在实际场景中得到验证，这将对AI Agent的开发范式产生深远影响。开发者不再需要搭建复杂的工具调用链路和错误处理机制，模型本身就具备端到端的任务执行能力。当然，100步以上的长链条任务执行对模型的可靠性和错误恢复能力提出了极高要求，实际效果仍需市场检验。

六、行业数据信号：AI调用量两年增长1400倍

中信证券2026年6月最新研报指出，AI调用量在过去两年间增长超过1400倍，大模型核心产业链正迎来三大投资主线。与此同时，全球大模型调用量已经连续六周保持上涨态势，腾讯、微软、英伟达等巨头的密集布局进一步印证了智能体时代正在加速落地。

1400倍的增长数字背后，反映的是AI从”技术验证”到”规模化应用”的质变。 两年前，大模型调用主要来自开发者的测试和实验性项目；而现在，越来越多的企业将AI能力嵌入到生产系统中，API调用量的增长是真实业务需求的直接体现。

从投资主线来看，三条路径值得重点关注：一是算力基础设施，包括GPU、HBM、光模块、液冷等上游环节，这是AI产业确定性最强的投资方向；二是模型层与应用层的垂直整合，能够将通用大模型能力转化为行业解决方案的企业将获得差异化竞争优势；三是AI Agent生态，随着Agent从概念走向产品化，围绕Agent开发工具、运行环境和应用市场的投资机会正在快速涌现。

调用量的持续暴涨也说明一个事实：AI产业的商业模式正在从”卖模型”向”卖服务”转变。 未来的AI巨头，不一定是拥有最强模型的公司，但一定是拥有最大服务规模和最完善生态的公司。