9月9日：美国指控中国 AI 公司工业规模蒸馏，Mistral 以 30 亿欧元押注主权模型

过去 24 小时，AI 行业的主线从“谁能做出更强模型”转向“谁控制模型、算力和证据”：美国把模型蒸馏指控提升到国家安全层面，Mistral 用大额融资押注开放权重与主权部署，云厂商则继续把定制芯片和图像工作流往生产环境推进。本文覆盖北京时间 2026 年 9 月 8 日 07:45 至 9 月 9 日 07:45，按行业影响力列出五条消息。

美国政府 9 月 8 日指控六家中国 AI 公司，包括 DeepSeek、月之暗面和阿里巴巴，针对 Anthropic、OpenAI、Google 和 SpaceX 的模型进行“激进、恶意、有针对性的”蒸馏。蒸馏是用更大模型的输出训练更小模型的技术，能够减少训练成本；美国官员把这类活动描述为可能在中国政府知情下进行的知识产权获取。中国驻华盛顿大使馆暂未回应 Reuters 的置评请求。1

这次指控出现在特朗普计划 9 月下旬访华、中美预计 9 月中旬举行 AI 安全对话之际。美国政府此前也提出过类似说法，但本次把对象、技术手段和潜在军事及网络攻击用途一起写进公开通告，争议已经从模型能力竞争延伸到训练数据、模型输出和跨境技术流动。

为什么重要： 模型蒸馏本身是正常的工程方法，争议集中在授权、规模和用途。模型公司、云平台与政府接下来会更重视输出访问控制、异常调用识别和模型供应链审计；这也会让开放模型生态与出口管制之间的边界更紧张。

法国 Mistral 宣布完成 30 亿欧元 Series D 融资，投后估值超过 210 亿欧元。公司称，这是欧洲科技公司完成的最大一笔股权融资。三星电子领投，Scaleup Europe Fund 和既有投资者 PSG Equity 共同领投；BlackRock 管理的基金、卢森堡大公国等也参与其中。Reuters 交叉报道的金额和估值与 Mistral 公告一致。23

Mistral 表示，资金将用于扩大前沿研究、训练算力、基础设施、商业增长和国际业务。公司把自己的路线定义为“主权 AI”：开放权重模型、可控的基础设施、私有且可预测的算力，以及可审计的生产系统。Mistral 还称，公司业务已覆盖 20 个国家，服务 125 家以上全球企业；这些客户数字属于公司自报。2

为什么重要： 资本市场正在给“性能之外的控制权”定价。欧洲政府和企业如果希望保留数据边界、部署选择和供应商替换空间，Mistral 这类开放权重路线会获得更多谈判筹码；同时，30 亿欧元也说明训练算力和全栈基础设施仍然需要重资本支持。

Qualcomm Technologies 与 Amazon 宣布开展多代合作，为大规模 AI 数据中心开发定制芯片，重点面向 AI 推理。两家公司还将开发最高延伸至 1.6T 的高速光互连方案，使用 Qualcomm 的 SerDes 和光 DSP 技术；Qualcomm 计划使用 AWS 的 AI 基础设施和 Amazon Bedrock 处理电子设计自动化工作负载，以缩短芯片设计周期。4

Reuters 报道称，Amazon 可能在长期合作下购买最多 600 亿美元的 Qualcomm AI 数据中心芯片及相关产品，Qualcomm 另向 Amazon 授予约 40 亿美元的认股权证。认股权证和潜在采购额来自 Reuters 的报道，Qualcomm 正式公告只确认了多代定制硅片、光互连和 AWS 设计工作流。5

为什么重要： AWS 既在自研芯片，也在扩大外部供应商名单。Qualcomm 获得长期客户后，AI 数据中心的竞争焦点会从单一加速器性能扩展到推理芯片、网络互连、功耗和芯片设计工具的整套交付能力；云厂商的采购选择也会继续影响芯片公司的收入结构。

OpenAI 9 月 8 日发布 ChatGPT Images 2.5。OpenAI 称，新模型相较 Images 2.0 的图像生成延迟最高降低 50%，在参考照片中的主体保留、精确编辑和多轮修改一致性方面有所改进。ChatGPT 新增 Sketch 草图输入、Templates 模板、图片评论和分享提示词功能；这些功能当天向 ChatGPT、ChatGPT Work 和 Codex 的桌面端、移动端与网页端用户推出。上述能力和速度数字均来自 OpenAI 自测与产品公告。6

开发者可以在 API 中使用两个新模型：GPT-Image-2.5 Flare 是默认选项，强调质量、编辑能力和速度；GPT-Image-2.5 Sunburst 面向需要更精细控制的创作工作流，但生成时间更长。OpenAI 继续使用提示词和图片检查、C2PA 元数据与隐形水印；具体价格由公告引导开发者前往价格页面查看。6

为什么重要： 产品竞争的重点从“生成一张图”移向“连续修改仍然保持主体、构图和品牌风格”。对创意、零售和营销团队来说，速度和多轮一致性会直接影响返工次数；对 API 开发者来说，模型能否只改一个元素，决定了它能否进入已有的内容生产流程。

OpenAI 9 月 8 日公布一份针对 Navier–Stokes 存在性与光滑性问题的分析证明，以及对应的 Lean 形式化证明。OpenAI 称，这套内部系统证明了一个初始静止、受到光滑外力作用的流体可以在有限时间内形成奇点，同时保持有限能量；公司认为结果建立了千禧年问题官方表述中的陈述 C 和 D。Navier–Stokes 方程用于描述流体运动，相关问题是克雷数学研究所七个千禧年问题之一。7

OpenAI 称，产生结果的协作系统使用了约 1 万个并发智能体，从首次启动到得到解用了约 88 小时，随后又用 GPT-6 Astra 花 17 小时完成 Lean 形式化与验证；Navier–Stokes 部分消耗约 270 万条消息和 1300 亿个输出词元。这些数字和证明结论目前都来自 OpenAI 的公开文章，公司明确表示无意据此申领千禧年奖金，并把结果定位为 AI 能力进展的一个时间切片。7

为什么重要： 这项发布把“模型会解题”推进到“多智能体能否组织长时间研究、生成形式化证明并承担巨额推理成本”的问题。读者需要把两个层次分开看：Lean 文件提供了可检查的形式化材料，OpenAI 对数学意义的解释仍需要外部研究者审阅；当前应把它视为 OpenAI 发布的研究结果，数学界是否接受还需要后续判断。

今天的五条消息由同一个约束串起来：AI 的竞争对象正在从模型参数扩展到控制权。美国的蒸馏指控要求模型输出可追踪，Mistral 把数据、模型、算力和生产系统的自主权写进融资叙事，Qualcomm 与 Amazon 则把定制芯片和光互连绑定到云基础设施；OpenAI 的图像产品与数学研究分别展示了工作流能力和长程推理成本。接下来值得跟踪的是，开放与定制路线能否同时给出可审计的证据，以及模型能力提升后谁来承担验证成本。