AI 全景情报 0706：内存涨价、开放模型和治理闸口同时抬高交付门槛

今天的 AI 信号有一个共同点：竞争正在从「谁的模型更强」转向「谁能把推理成本、供给安全、Agent 交付和治理风险同时管住」。内存价格、AI 服务器收入、开放模型采用、Token 计费和全球治理议程都指向同一件事：下半年预算会继续往交付层和基础设施层集中，模型公司单靠发布会很难解释自己的商业价值。

Samsung 这条最硬。Reuters 报道，LSEG SmartEstimate 预计 Samsung 二季度经营利润约 86 万亿韩元，上一年同期为 4.7 万亿韩元；如果成真，这将是 Samsung 连续第三个季度刷新经营利润纪录。报道同时引用 Citi Research 的说法称，二季度 DRAM 和 NAND 平均售价分别环比上涨 44% 和 53%。1

这不是单纯的 HBM 故事。Reuters 在同一篇报道里写到，Agentic AI 会把更多复杂、多步骤任务放到推理阶段，服务器处理器需要更多内存，系统也需要更多存储来保留和检索推理过程中的数据。换句话说，Agent 越像「会干活的系统」，内存和存储越不像配角。

Foxconn 的数字把这条链路补齐。Reuters 报道，Foxconn 二季度营收达到 2.513 万亿新台币，高于 LSEG SmartEstimate 的 2.372 万亿新台币；其云和网络产品部门受 AI 需求推动，六月营收同比增长 52.1%，创下该月份纪录。Foxconn 还表示，三季度 AI racks 会维持增长趋势，但仍需观察全球政治和经济波动。2

给从业者的含义很直接：如果你在做 Agent、RAG、代码助手或多模态工作流，成本表里不能只看模型 API 单价。一次任务背后还有上下文长度、记忆读写、检索、状态保存、重试和工具调用。下半年会更常见的采购问题是：同样 100 万 Token，谁能保证延迟、可用性、数据域和供货周期。

GLM-5.2 不是今天发布，但它在本周形成了新的行业讨论。Reuters 报道称，这款由 Z.ai 发布的模型在编码和 Agent 能力上接近美国头部模型，价格约为 Claude 和 GPT 系列等闭源前沿模型的六分之一；它在 Artificial Analysis 大模型智能榜单位列第五，在 Code Arena 前端编码榜单位列第二。3

更重要的是路由逻辑变了。报道里有一个判断值得放大：企业未必会大规模迁移，尤其是银行、网络安全等高监管行业仍会担心中国模型的数据安全和供应链风险；但创业公司和中小企业会快得多，开发者更关心模型是否好用、便宜、能否可靠部署。3

这意味着闭源模型的护城河会从「效果明显领先」转向「合规、生态、SLA、企业支持和长期稳定」。如果开放权重模型在编码和前端生成这类任务上继续接近，企业会把它们放进多模型路由：高敏数据走内网或强合规供应商，批处理、草稿生成、前端原型、测试补全走低成本模型。模型公司要证明的不是一次榜单领先，而是每月账单能不能降下来。

Page Agent 的看点不是 star 数本身，而是它选了一个很现实的入口：不要求浏览器扩展、Python 后端或 headless browser，直接把 JavaScript Agent 嵌入网页，用文本化 DOM 操作控制界面。GitHub 页面列出的场景包括 SaaS Copilot、表单填写、多页面任务和 MCP Server beta。4

这和过去一年「让 Agent 开一个浏览器替用户点来点去」的思路不同。网页内 Agent 更像产品功能，不像外部自动化脚本。它能降低集成门槛，但也把问题搬进了前端工程：哪些按钮可以被 Agent 点，哪些数据不能暴露给模型，用户授权如何撤销，错误操作怎样回滚，审计日志是否能复盘。

对 SaaS 厂商来说，这是一条比通用桌面 Agent 更短的商业路径。与其期待一个外部超级助手理解所有后台系统，不如先在自家产品里把 20 次点击压成一句自然语言指令。能先跑通的场景大概率是 CRM、ERP、运营后台、客服工单和数据看板，因为这些系统流程固定、字段清楚、权限也能被产品方控制。

北京数据集团旗下京算公司在全球数字经济大会上发布京算 Token 工厂。证券时报报道写到，AI 产业竞争正从传统算力租赁转向词元计量、定价、流通和应用的全生态竞争；2024 年初中国日均词元调用量仅为千亿级，到 2026 年 5 月已突破 170 万亿。5

报道还披露，京算 Token 工厂采用 PD 分离智能调度、全栈推理加速和异构算力统一调度，资源利用率从行业普遍的 30%-40% 提升到 80% 以上，长文本场景单 Token 成本下降 50% 以上，并支持数据不出域和等保三级合规。5

这些数字是发布方口径，不能直接当作行业均值。但方向值得重视：央国企和大型企业买推理服务时，已经不只问「用了什么 GPU」。他们会问 Token 产出是否稳定、是否能跨国产模型适配、数据是否出域、接口是否标准化、价格是否按实际消耗结算。

同一场大会上，经济参考报经证券时报转载的报道提到，数字经济正在从「数字赋能」转向「智能重构」，其中 Token 经济范式被视为新的算力定价共识；到 2035 年，词元消耗量预计复合增长超过 140%。7 这同样是会议与机构口径，适合当趋势信号，不适合当确定预测。

联合国 AI 治理全球对话于 7 月 6-7 日在日内瓦举行。UN News 报道称，这场对话会把政府、科技公司、学界和民间社会带到同一张桌上，讨论如何管理发展速度超过规则更新速度的 AI 技术。6

这次值得关注的是风险语言明显变硬。Yoshua Bengio 在 UN News 采访中说，AI 正在多个领域接近或超过人类能力，科学目前无法保证能力继续提升时不会由系统本身或恶意使用者造成灾难性伤害。Maria Ressa 则把信息完整性放在核心位置，认为如果社会无法区分事实和虚构，民主制度就无法运转。6

这对模型公司和应用公司都不是背景噪音。前沿模型发布会越来越可能被外部准入、评估、出口控制和公共安全审查卡住；应用公司也会被要求说明内容标识、溯源、误用拦截和审计机制。过去是「先上线再治理」，现在更像「能不能上线」本身就是产品路线图的一部分。

把今天几条信号放在一起看，预算会继续流向三类公司。

第一类是能把推理成本降下来的基础设施公司，包括内存、服务器、调度系统、推理加速、模型路由和 Token 计费平台。它们不一定最性感，但最靠近账单。

第二类是能把 Agent 放进具体产品流程的应用公司。Page Agent 这类项目说明，Agent 的入口未必是一个通用聊天框，而可能是每个 SaaS 产品里的自然语言操作层。能控制权限、回滚错误、留下审计记录的团队会先拿到企业客户。

第三类是懂合规的模型和平台公司。UN 的治理议程、美国模型准入讨论、中国本土 Token 供给体系都在提醒同一件事：AI 交付已经进入受监管、受供应链限制、受成本约束的阶段。下半年最值得盯的不是谁又刷了一个榜，而是谁能把模型、算力、数据和治理打包成稳定服务。