8月19日 AI 五条：宾州给 AI 数据中心设许可硬门槛，Cerebras 发布 CS-4

本期覆盖 2026 年 8 月 18 日 08:30 至 8 月 19 日 08:30（UTC+8）公开或出现状态变化的五条进展，按对 AI 基础设施、数据中心建设、用户安全、芯片融资和研究判断的影响排序。

宾夕法尼亚州州长 Josh Shapiro 8 月 18 日签署行政命令 EO 2026-05。新命令要求申请州内许可的数据中心项目，包括 AI 数据中心，先遵守 GRID（Responsible Infrastructure Development）要求，再进入环境保护部的许可审查。开发者要承担新增发电、输电和配电设施的全部成本，参与公开社区会议，签署具有法律约束力的同意令与协议（COA），并接受能源、天然气、用水和环境保护信息披露要求。1

行政命令立即生效，所有数据中心项目退出 PA Permit Fast Track Program；项目在取得必要的地方批准前，州环境保护部不会签发许可。命令还要求数据中心在电网紧张时优先限电，并推动由数据中心承担 PJM 可靠性后备拍卖相关成本。1

AI 算力扩张开始同时接受模型安全和基础设施成本的约束。宾州这份命令只直接约束本州的新许可项目，却把一个会被其他州反复讨论的问题写得很具体：谁支付新增电网成本，谁承担高峰时段的负荷，居民和地方政府能看到哪些用能用水数据。

对准备在宾州建算力设施的公司，第一步是把电力接入、用水、社区利益协议、地方批准和 COA 义务放进项目排期，而不是等到提交许可申请时再补材料。

Cerebras 8 月 18 日发布第四代系统 CS-4。该系统在一个机架中使用 3 枚 WSE-3 Turbo 晶圆级处理器，采用新的 Nexus 机架架构；公司称组件数量减少 50%，首批系统将在本季度开始出货。Cerebras 宣称，CS-4 在展示的模型和基准中比 GPU 系统快至 30 倍，并且每瓦吞吐量最高达到上一代 CS-3 的 10 倍。23

Cerebras 还称，CS-4 将预填充阶段交给 GPU 或其他 ASIC、再由 CS-4 负责低延迟解码；超过 10 万亿参数的模型可以达到每秒 1000 个 token。前一项是产品架构说明，后一项和速度、每瓦吞吐量数字主要来自公司内部基准或外推，Reuters 没有提供独立交付或部署验证。23

AI 芯片竞争正在从单颗处理器转向整机能否在数据中心里快速安装、供电和扩容。CS-4 如果按计划出货，客户要比较的将是完整系统的每 token 成本、真实工作负载速度、可维护性和供应规模；「快至 30 倍」仍然只是公司在指定测试条件下给出的上限，不能直接当成所有模型和服务的普遍结果。

OpenAI 8 月 18 日发布 ChatGPT for Teens，面向未满 18 岁的用户，产品重点放在课外学习、理解概念、练习解题和知识测试。系统判断用户未满 18 岁，或用户自报年龄为 13 至 17 岁时，会自动进入这套体验。4

该体验默认启用适龄安全防护，重点覆盖自残、暴力、饮食失调、危险活动和露骨性内容；系统也会避免浪漫化语言和暗示情感依赖。家长把账号关联后，可以设置 Quiet Hours、管理部分设置，并在有限的高风险情形下接收安全通知。OpenAI 没有在公告中说明具体国家或地区的开放范围。4

这次产品更新把「未成年人能不能用」改成了「产品如何判断年龄、默认打开哪些限制、家长能介入到哪一步」。学校和家庭需要分别核对年龄判断的误差处理、账号关联流程和通知范围；企业采购也不能把青少年体验的安全设置直接等同于所有地区的统一保护标准。

AI 芯片初创公司 Etched 8 月 18 日宣布再融资 7 亿美元，估值升至 210 亿美元；公司 7 月 Series C 时的估值为 103 亿美元。本轮由 Jane Street 领投，Kleiner Perkins、Sequoia、Andreessen Horowitz 和 Tiger Global 等参与。Reuters 报道称，Etched 已有可运行的芯片，Jane Street 是首个客户，已收到首个机架并开始部署；TechCrunch 也报道 Jane Street 在测试后购买了这套硬件。56

Etched 把产品定位为完整的「frontier inference clusters」，重点优化提示处理和生成 token 两个推理阶段。公司声称已经获得超过 10 亿美元客户合同，但报道没有列出客户名单、合同文本、收入数据或第三方性能测试；截至报道发布，市场看到的是融资、一个已部署机架和客户早期兴趣。56

210 亿美元估值说明投资人正在把推理算力视为独立于训练算力的巨大市场。它也提醒采购者把三件事分开看：投资人愿意给出的价格、芯片在具体模型上的性能，以及客户是否愿意长期付费。Etched 下一步能否证明替代价值，要看量产、合同兑现、不同模型的成本和运行稳定性，而不是估值本身。

MIT CSAIL 团队 8 月 18 日发布研究，提出「扩散模型集成」方法：研究者把训练数据分配给多个较小模型组件，再关闭见过某个样本的组件，观察删除这项数据后输出发生了多大变化。团队在 7 个公开图像数据集上训练了 24 个扩散模型集成，数据规模从 256 张图像到超过 16 万张图像，并额外训练 1,282 个模型进行验证。研究发现，随着数据集变大，单张图像、某位艺术家的全部图像或某个人的照片对特定输出的可观测影响通常会减弱。78

论文研究的是扩散图像模型，不是大型语言模型。它说明的是删除训练样本后，输出变化在实验指标上变小；这个结果会让训练数据溯源和版权争议更难处理，却没有替法律规则回答作者身份、合理使用或赔偿责任。研究团队的模型质量与常规扩散模型大致相当，但结论仍受公开图像数据集、模型架构和相似度指标限制。8

过去讨论训练数据时，读者常把「模型记住了某张图」当成判断侵权或归因的前提。这项研究提示，数据集足够大时，模型即使受到某张图的训练影响，删除它也可能看不出明显变化。对模型审计和版权诉讼，下一步需要更细的因果测试与数据记录；单看生成结果像不像某幅作品，可能不足以还原训练数据究竟起了多大作用。