AI DealBook 日报：AI规则上桌，真钱流向智能体 (2026)

美国和英国都在把 AI 安全从原则口号往执行机制上推；资本市场的另一端，钱继续流向智能体、具身智能和 AI 硬件。7 月 6 日到 7 月 7 日清晨的主线很清楚：大模型公司要面对更早、更细的外部检查，企业客户则开始为「能落地的 AI」付费。

美国 AI 框架把前沿模型交给政府提前看

特朗普政府 6 月发布的「Promoting Advanced Artificial Intelligence, Innovation and Security」行政令，正在进入企业执行讨论。Federal News Network 7 月 6 日的访谈披露，这套框架为企业在公开发布前向联邦官员共享前沿模型建立了路径，重点是让政府更早看到模型能力和潜在风险。1

这不是传统的「发布后再监管」。访谈中，Morgan Lewis 合伙人 Alex Hastings 说，行政令一方面建立 AI 网络安全清算所，评估前沿模型；另一方面要求行政机构继续评估 AI 在政府和关键基础设施中的使用。企业真正关心的是保密、知识产权、内部人风险和网络安全边界。如果这些细则谈不清，30 天提前共享窗口就会变成合规谈判，而不是安全评估。

伊利诺伊州签下美国最硬的一部州级 AI 安全法

伊利诺伊州州长 JB Pritzker 7 月 6 日签署 SB 315，即 Artificial Intelligence Safety Measures Act。州政府公告称，这项法律要求最大型先进 AI 系统开发者公开披露安全实践、报告重大安全事件、维持合规流程，并为报告 AI 安全问题的员工提供保密渠道和举报人保护。2

它最值得看的是「第三方审计」。伊利诺伊州称自己是美国第一个要求覆盖 AI 系统接受定期独立第三方安全审计的州；法律将于 2027 年 1 月 1 日生效。对模型实验室而言，州级规则的成本在于碎片化：如果更多州沿着各自版本推进，企业可能要同时服务多套披露、审计和事件报告制度。

FCA 把零售金融 AI 风险摆到 2030 年前

英国金融行为监管局 7 月 6 日发布 Mills Review，主题是 AI 对零售金融服务的影响。FCA 在公告中说，这份报告讨论 AI 到 2030 年及以后如何改变消费者、金融机构、市场和监管者。3

金融监管的难点不是 AI 会不会进入业务，而是它会进入哪些责任链条。客服、信贷、保险理赔、反欺诈和投资建议都可以被自动化，但出错之后谁解释、谁赔、谁承担监管问责，仍然需要制度答案。FCA 把时间轴拉到 2030 年，说明英国监管层已经不把这当作「试点工具」看，而是在准备一个会改写零售金融运营方式的变量。

Alberta 用 Claude Code 扫了 4.66 亿行政府代码

Anthropic 7 月 6 日发布的案例显示，加拿大 Alberta 省政府从 2025 年起使用 Claude Code 和 Opus、Sonnet 模型审查政府系统。Alberta 的技术与创新部在 20 小时内扫描了 4.66 亿行代码，覆盖约 1280 个应用和 3400 个代码仓库。4

这个案例比普通「AI 提效」更有参考价值，因为它打到了政府 IT 的老问题：遗留系统、技术债、文档缺失和安全审计不足。Anthropic 称，Alberta 用约 50 个智能体并行扫描，先用规则引擎标记模式，再让 Claude 引用具体文件和行号供工程师核验；在可修复的漏洞上，Claude 还能生成补丁和测试。这里的重点不是模型替代政府工程师，而是把多年积压的审查工作压缩成可排队处理的问题清单。

Microsoft 把企业 AI 落地做成 25 亿美元业务

Microsoft 推出 Microsoft Frontier Company，BigDATAwire 7 月 6 日报道称，微软将投入 25 亿美元，并部署 6000 名行业和工程专家，帮助企业规划和部署 AI。报道称，该组织由 Microsoft Commercial Business CEO Judson Althoff 宣布，目标是把行业知识、变革管理和企业级 AI 工程能力组合起来。5

这说明云厂商开始承认一个现实：客户买了模型访问权，并不等于能让 AI 进入业务流程。微软正在把「forward deployed engineering」扩成一支大型交付队伍，和 Accenture、Capgemini、EY、KPMG、PwC 等集成伙伴一起做实施。模型能力越来越商品化之后，真正的毛利争夺可能转向数据接入、权限、流程重构和持续评估。

S&P Global 为智能体工作流重组 Market Intelligence

S&P Global 7 月 6 日宣布调整 Market Intelligence 的运营模式，把业务组织成 Kensho Data & Platforms 和 Enterprise Solutions 两个垂直方向。公司称，调整目标是把数据、AI、软件和工作流能力对齐，以适应 AI 驱动的市场。6

对金融信息服务商来说，AI 不是只给搜索框加一个问答入口。S&P Global 把 Capital IQ、Ratings Direct、Visible Alpha、With Intelligence 等客户界面放进 Platforms，并把金融市场的关键基础设施和 agentic workflows 放进 Enterprise Solutions，这相当于承认客户正在从「查数据」转向「让系统拿数据做动作」。可信数据供应商如果不改界面和流程层，价值会被更贴近用户工作台的 AI 产品截走。

Even Realities 融了 1.5 亿美元，押注无摄像头智能眼镜

深圳智能眼镜公司 Even Realities 完成 1.5 亿美元 pre-Series B 融资，由美团和老股东腾讯领投，估值达到 10 亿美元。TechCrunch 7 月 6 日报道称，这家公司由前 Apple 工程师创立，最新产品 Even G2 放弃摄像头，采用抬头显示和配套智能戒指来控制信息交互。7

这笔钱投向的不是又一副拍摄眼镜，而是「不让旁人觉得被拍」的计算入口。Even Realities 的平均订单接近 1000 美元，主要市场在美国、日本、韩国、中东和欧洲。它的赌注是，AI 眼镜不一定先靠摄像头取胜，也可以从会议、翻译、提词和信息提示这些高频工作场景切进去。

腾讯混元 Hy3 开源，价格压到每百万输入 1 元

腾讯混元 Hy3 于 7 月 6 日正式发布。科技日报报道称，Hy3 支持 256K 上下文，采用商业友好的 Apache 2.0 开源协议，API 定价为输入 1 元/百万 tokens、输出 4 元/百万 tokens，缓存命中输入价格为 0.25 元/百万 tokens。8

价格信息比跑分更关键。国产模型竞争已经从「谁的参数更大」转向「谁能在真实产品里便宜、稳定、可用」。科技日报提到，Hy3 preview 版上线以来日均 token 消耗量增长 20 倍，接入 WorkBuddy 后任务成功率从 72% 提到 90%。如果这些内部业务数据能在外部开发者侧复现，Hy3 会给企业部署开源模型多一个低价选项。

墨奇智能 6 个月融资超 10 亿元

具身智能公司墨奇智能在成立约半年内完成超 10 亿元天使轮系列融资，估值超过 70 亿元。大河财立方经同花顺转载的报道显示，投资方包括阿里巴巴、腾讯、柏睿资本、蓝驰创投、君联资本、高榕创投、中科创星、源码律动、光合创投和 58 产业基金等。9

墨奇的核心看点是团队和定位。报道显示，公司由高文礼与黄青虬联合创立，前者有跨境物流和华为海外市场经验，后者曾任华为智驾 AI 部门负责人。具身智能的融资热度已经不缺故事，缺的是能从 Demo 走到可量产架构的团队。墨奇把「通用家庭机器人超级终端」作为方向，意味着它会很快撞上硬件成本、供应链、场景数据和售后这些慢变量。

Bespoke Labs 融资 4000 万美元，训练可靠智能体的环境成了新基础设施

Bespoke Labs 7 月 6 日宣布融资 4000 万美元，包括由 Wing VC 领投的 Series A，以及由 8VC 领投的种子轮。公司定位是 AI agent 训练平台，资金将用于扩大研究团队、扩展环境构建基础设施并推进商业化。10

这笔融资切中智能体的短板：今天的 agent 可以完成短任务，但很难稳定工作数小时或数天。Bespoke Labs 做的是逼近真实公司的训练环境，包括大型代码库、微服务、日志、工单、邮件和 Slack。模型公司继续比拼能力上限时，另一层生意正在长出来：谁能提供足够真实、足够复杂、还能量化评估的练习场，谁就能离「可靠智能体」更近。

AI DealBook 日报：AI规则上桌，真钱流向智能体