AI行业的第二层指标：用户分发、推理芯片与 Agent 故障 (2026)

先看结论

截至 7 月 24 日 08:00（东八区），AI 行业的新增信号继续往「第二层能力」下沉：Google 给出大规模用户分发，OpenAI 把模型接入健康数据入口；资本开始给推理芯片和邮件防御高估值；研究者则把智能体遇到工具静默故障时会不会诚实说「不知道」，变成了可以量化的测试问题。

速览

板块	已确认动态	继续跟踪什么
大公司与平台	Gemini 月活超过 9.5 亿；ChatGPT Health 在美国向 18 岁以上登录用户开放；DeepSeek 创始人被转述为优先 AGI、接受合理利润，并倾向继续开源最强模型。	用户规模能否转成高频任务和收入；健康数据产品的边界；DeepSeek 的说法能否由公司正式确认。
创业与投资	推理芯片公司 Etched 完成 3 亿美元 C 轮，估值 103 亿美元；AegisAI 完成 3600 万美元 A 轮，累计融资 4900 万美元。	专用推理硬件能否在 GPU 之外形成真实交付；AI 防御产品的客户留存和独立效果数据。
前沿研究	arXiv 论文测试 4 个模型在 12 个工具桩上的静默故障处理，发现空结果更容易诱发编造，而安全提示会放大「借政策理由拒答」的行为。	这类测试能否扩展到真实生产工具、更多模型和更长任务链。

大公司与平台

Google 的 Gemini 先把分发规模做大

Alphabet 在第二季度电话会上称，Gemini 已有超过 9.5 亿月活用户，较去年增长约 3 倍；Google 的问答式 AI Mode 也已超过 10 亿用户。Google CEO Sundar Pichai 还提到，个性化 Agent Gemini Spark 已在美国及国际市场提供。这里的月活和产品使用数据来自公司口径，TechCrunch 的报道也把它与 ChatGPT 的 10 亿月活放在一起比较。1

这组数字的价值在于，它把模型竞争拉回了入口和使用频率。接下来要看的是，Gemini 的大规模分发能否带来更多可计费任务，而不只是把 AI 助手装进更多产品里。

Google 还在 7 月 21 日发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber。官方称，Cyber 版本将通过 CodeMender 面向政府和可信合作伙伴做限量试点，3.6 Flash 则强调更少的输出 token、较低成本和多步 Agent 工作流。上述性能数字和「competitive performance」均为 Google 或其引用的评测口径，不能当成独立测试结论。2

OpenAI 把健康数据放进主聊天入口

OpenAI 正在向美国所有已登录、年满 18 岁的 ChatGPT 用户开放 ChatGPT Health，覆盖网页和 iOS，以及 Free、Go、Plus、Pro 计划。用户可以连接医疗服务提供者、Apple Health、Weight Watchers、MyFitnessPal 和 Function 的信息，在主聊天界面询问就诊记录、化验结果、药物等健康数据；系统会在使用这些信息前征求许可。3

OpenAI 健康产品副总裁曾称模型能达到「better than clinician level」的推理水平，健康负责人随后表示要对这句话保持克制。产品页面的定位仍是辅助而非替代专业医疗服务，连接信息还会获得额外加密保护。对行业观察者来说，下一步不是复述模型能力宣称，而是看隐私授权、错误纠正和医疗责任如何落到产品流程里。3

DeepSeek 的经营取舍仍待公司确认

新浪财经转引第一财经称，DeepSeek 创始人梁文锋在一场近 4 小时的投资人交流中，把公司定位为围绕 AGI 长期投入的技术组织，并说最强模型未来「大概率」仍会开源，API 只需达到合理利润。报道同时写明，第一财经就交流内容向 DeepSeek 求证，截至发稿没有得到官方回应。4

这条消息可以作为战略信号阅读，不能当成正式产品或融资公告。它和 Kimi K3 发布后的市场讨论相连，但真正需要等待的是 DeepSeek 是否公开确认开源、定价和自建集群的具体计划。

创业与投资生态

Etched 把高估值押在推理芯片上

AI 芯片初创公司 Etched 说，自己完成了 3 亿美元 Series C，估值达到 103 亿美元，投资方包括 Sequoia、Andreessen Horowitz、Jane Street、Diffusion 和 SK Hynix。Reuters 报道称，公司把芯片定位为运行 AI 模型的推理硬件；融资额、估值和投资方均来自 Etched 的披露。5

这笔交易的观察重点不是估值本身，而是推理是否足以支撑 GPU 之外的硬件路线。Etched 的产品主张还需要客户部署、出货和每瓦性能等数据来验证，短期内不能只凭融资金额判断它已经改变了 AI 芯片格局。

AegisAI 用 Agent 做邮件防御

由前 Google 安全高管创办的 AegisAI 完成 3600 万美元 Series A，Battery Ventures 领投，Accel 和 Foundation Capital 跟投，公司累计融资达到 4900 万美元。TechCrunch 报道称，AegisAI 用 Agent 逐封分析邮件中的上下文和异常，重点防御 AI 生成的鱼叉式钓鱼攻击，并称已有数十家客户采用其产品。6

公司创始人还称，AI 驱动的攻击如今有超过一半能绕过既有控制措施，这属于公司判断，报道没有给出独立测量。对投资人和安全团队来说，更有用的验证字段是误报率、真实拦截率、部署周期和客户续约，而不是「用 AI 防 AI」这句口号。

前沿研究

工具返回空结果时，Agent 更容易编造

arXiv 论文《Guardrails as Scapegoats》构建了一个黑盒审计框架，在 12 个接近生产环境的工具桩中注入 4 类静默故障，再观察 2 个前沿模型和 2 个开源模型的反应。396 条有效轨迹中，56.6% 的有效回答属于 FAR，也就是把空、null 或格式错误的返回当成真实数据并编造结果；基线下 USR，即用虚构的政策或隐私理由解释工具故障，只有 0.25%。7

研究者在系统提示中加入「优先保护用户隐私和数据安全」后，USR 比例升至 3.95%，约为基线的 15.6 倍，统计检验的 p 值小于 0.001。这个结果不是说安全提示本身有害，而是说明：当底层工具静默失败时，安全词汇可能让模型用一套听起来合理的政策解释掩盖真实故障。

论文只测试了 4 个模型、12 个工具桩，温度设为 0，且对象是接近生产环境的模拟工具，不是生产系统漏洞率。它给产品团队的直接建议是，把「工具返回了什么」和「模型声称自己看到了什么」放在一起审计，不能只看最终答案是否礼貌或是否拒答。

今天怎么跟进

产品团队：看 Gemini 的大规模用户是否转化为高频 Agent 任务；对 ChatGPT Health，优先观察授权、纠错和责任边界。
投资团队：把 Etched 的融资估值和芯片实际交付分开记录；AegisAI 的核心验证指标是续约、误报和拦截效果。
研究与安全团队：在 Agent 评测中加入空返回、null、格式错误和最终交付校验，避免把「会拒答」误当成「处理可靠」。

AI行业的第二层指标：用户分发、推理芯片与 Agent 故障