AI 抢人抢到诺奖！电话线也被 Agent 接管

6 月 19 日，AI 圈最硬的词不是参数，是控制权。

企业要控制账单，国家要控制课堂和模型出口，电信巨头要把 Agent 塞进电话线，主权基金继续扫货数据中心。另一边，Anthropic 还在政策风暴里，但已经从 Google DeepMind 挖走了 AlphaFold 联合创造者 John Jumper。

Anthropic 这一天很有戏。

先是政策侧降温。特朗普在 Axios 采访中说，一周前他「可能」会把 Anthropic 或 CEO Dario Amodei 视为国家安全威胁，但现在不会；他还称 Amodei 对政府出口管制指令反应「非常快」「负责任」。Reuters 同时写到，特朗普没有排除使用《国防生产法》紧急权力，但他说「不确定必须这么做」。1

同一天，人才侧也炸了。John Jumper 宣布离开 Google DeepMind，加入 Anthropic。Jumper 是 AlphaFold 联合创造者，2024 年与 Demis Hassabis 等人共同获得诺贝尔化学奖；Reuters 提到，AlphaFold 已预测超过 2 亿个蛋白质结构。2

这不是普通跳槽。过去几天，Google 的 Gemini 共同负责人 Noam Shazeer 也被曝将离开，转投 OpenAI。Jumper 再走，说明「AI for Science」人才也被卷进前沿模型公司的抢人战。Anthropic 现在一边要向政府证明自己可控，一边继续把最贵的人才往里吸。

OpenAI 的更新没那么刺激，但很实用。

它给 ChatGPT Enterprise 上线了信用用量分析和新版消费控制。管理员可以在 Global Admin Console 里查看 ChatGPT 和 Codex 的信用消耗，按用户、产品、模型拆分，还能识别高用量用户和趋势。企业也可以设置工作区默认额度、团队额度和个人例外额度。4

这类功能说明一个现实问题：企业 AI 进入第二阶段了。第一阶段是买账号、开权限、鼓励员工试；第二阶段是财务和 IT 进场，问清楚每个团队烧了多少 token，哪些使用有产出，哪些只是把预算烧成了聊天记录。

印度这边，Mukesh Ambani 把故事讲得更野。

TechCrunch 报道，Reliance 在年度股东大会上发布 Jio Call Agent。这个 AI 助手可以加入电话，做转录和总结，还能执行订车、订餐、订位等任务。它不是独立 App，而是直接嵌入 Jio 电信网络，可通过「Hey Jio」唤起，预计今年晚些时候面向超过 5 亿 Jio 用户上线。3

Reliance 还发布了 AI 版 MyJio、TeleFrame，以及面向医疗、教育、农业、小商家的 JioHealthIQ、JioLearnIQ、JioKrishiIQ、AI Vyapar。TechCrunch 写到，Reliance 去年推出 Reliance Intelligence，并计划投资 1100 亿美元建设 AI 基础设施和服务。3

这件事的要害是分发。美国 AI 助手多从 App、浏览器、办公软件切入；Jio 选择电话和运营商网络。对印度市场来说，入口比模型参数更致命。谁占住电话，谁就可能占住下一代个人助理。

资本没有等模型大战分胜负，先把机房买起来。

Reuters 援引三名消息人士称，阿布扎比支持的 AI 投资机构 MGX 正研究收购新加坡数据中心运营商 DayOne。DayOne 在东南亚、中国香港、日本和芬兰运营或开发数据中心，曾计划赴美 IPO，目标估值约 200 亿美元。报道还称，MGX 目标管理超过 1000 亿美元资产，投资范围覆盖 AI 全链条，包括数据中心和芯片。5

MGX 过去已经投过 xAI、OpenAI、Anthropic，也参与了由 BlackRock、Nvidia 组成的 300 亿美元 AI 基础设施基金。5

这条线很清楚：AI 主权不只靠本土模型，也靠电力、土地、冷却、网络和机房位置。东南亚数据中心资产被中东资本盯上，背后是全球算力版图在重新分配。

大模型天天抢头条，但企业 RAG 的底座常常卡在检索。

Liquid AI 发布 LFM2.5-Embedding-350M 和 LFM2.5-ColBERT-350M。两个模型都是约 350M 参数，是 LFM 家族首批双向模型，覆盖英语、西班牙语、德语、法语、意大利语、葡萄牙语、阿拉伯语、瑞典语、挪威语、日语、韩语 11 种语言。官方称，它们面向产品目录、FAQ、支持文档等短上下文检索。6

数据也不弱。官方 benchmark 显示，LFM2.5-ColBERT-350M 在 NanoBEIR 多语言扩展上平均 NDCG@10 为 0.605，LFM2.5-Embedding-350M 为 0.577，均高于 Qwen3-Embedding-0.6B 的 0.556；在 MKQA-11 Recall@20 上，两者平均分分别为 0.694 和 0.691。6

更接地气的是部署。Liquid AI 提供 GGUF 版本，可通过 llama.cpp 在 CPU、笔记本和边缘设备上跑；在 MacBook Pro M4 Max 上，文档预缓存时查询延迟 p50 低于 10ms。6 这对企业知识库很有吸引力：不必每次都把内部文档扔给云端大模型，先在本地把检索做准。

最后一条，来自教育政策。

挪威首相 Jonas Gahr Stoere 说，生成式 AI 可能让年幼学生跳过学习中的关键步骤。Reuters 报道，挪威将从 8 月下旬新学年开始，对小学阶段 AI 使用近乎禁用：1 至 7 年级、6 至 13 岁学生原则上不应使用 AI；14 至 16 岁学生可在教师监督下谨慎使用；17 至 19 岁学生则应学习如何恰当地使用 AI。7

这不是反 AI，而是给使用年龄划线。过去一年，教育系统争论的是如何把 AI 放进课堂；挪威这次把问题倒过来：什么年龄段不该碰，什么场景必须由老师看着用。

6 月 19 日的 AI 新闻看下来，主线很清楚：AI 正从「能力竞赛」进入「控制权竞赛」。

控制人才，控制账单，控制入口，控制机房，控制课堂。谁控制得更稳，谁才有资格谈下一轮扩张。