AI开始抢地盘了！Meta租算力，机器人杀到特斯拉后院

7 月 17 日，AI 行业的竞争继续离开单纯的模型榜单，往算力、工厂和内容边界上挪。上海的 WAIC 2026 把机器人、AI Agent 和超节点摆到同一张展台上；Meta 想把基础设施租给 Anthropic，Databricks 则用 1880 亿美元估值证明企业 AI 还在抢入口；另一边，Agility Robotics 把人形机器人训练场开到特斯拉工厂附近，Patreon 直接开始拦 AI 训练爬虫。模型还是核心，但真正稀缺的东西已经变成了可用的算力、可复制的现场和可执行的规则。

上海这届 WAIC 的信号很明确：展会面积首次超过 10 万平方米，参展企业超过 1100 家，展品超过 3000 件，300 多款产品全球首发。官方列出的重点包括制造、生活和娱乐机器人，大型 AI 计算集群，能执行复杂任务的 Agent，AI 眼镜，以及脑机接口游戏控制系统。1

这不是简单的展品数量增加。模型要进入工厂、终端和公共服务，必须同时解决推理成本、传感器输入、动作执行和责任边界。过去大家在发布会上问模型能考多少分，现在更现实的问题是：能不能在现场连续跑，出了错谁能停下来。

在开幕演讲中，习近平把开源 AI 称为「历史性机遇」，并提出帮助发展中国家建设 AI 能力，同时强调 AI 系统需要保持人类控制、建立预警和应急响应机制。Reuters 将这番表态解读为中国争取塑造全球 AI 治理秩序的清晰信号。6

Reuters 援引知情人士称，Meta 正与 Anthropic 讨论一笔最高 100 亿美元、为期两年的算力租赁交易。Anthropic 预计按月付款，但条款仍可能变化，双方也可以提前退出，谈判甚至可能最终不签。消息人士称，Anthropic 在 6 月提出方案，Meta 正在评估；Meta 目前并没有成熟的算力销售业务，这让交易变得更复杂。2

这条消息的重点不是 100 亿美元这个上限，而是基础设施的角色正在变化。Meta 如果能把自有计算能力变成对外收入，数据中心就不只是成本中心；Anthropic 如果通过租赁拿到更多计算资源，也可以继续扩大模型训练和产品服务。至于具体芯片型号、云服务名称和最终交易是否落地，目前都没有公开确认，不能把谈判写成订单。

Databricks 宣布新一轮融资，Coatue 领投，估值升至 1880 亿美元，但公司没有披露融资金额，资金也尚未到账，交易预计在夏季晚些时候完成。过去一年半，Databricks 一直在把自己从大数据 SaaS 公司改造成 AI 平台，产品线已经延伸到面向 Agent 的数据库 Lakebase、AI gateway Unity，以及用于组织 Agent 工作流的工具。3

它同时发布的内部研究也在强调另一件事：企业选模型时，不能只看模型名。开源权重模型、Agent harness 和调用方式，都会改变编码任务的总成本。Databricks 官方博客把这句话说得很直白：模型选择只是拼图的一部分。3

Agility Robotics 在加州弗里蒙特开设 6 万平方英尺的设施，用来训练和加速部署人形机器人 Digit。地点离特斯拉预计的 Optimus 工厂很近，但 Agility 当前押注的不是家庭场景，而是制造业和物流。公司称，Digit 已经在 GXO 物流设施搬运超过 10 万个 tote，Amazon、GXO、Schaeffler 和 Toyota Motor Manufacturing Canada 都是已披露客户；公司还称手上有 3 亿美元机器人合同订单，30 多个客户正在洽谈。4

训练设施的意义在于，把一次性的机器人演示变成可复制的交付流程。客户现场不同，货物不同，机器人仍要学会新动作；如果没有稳定的训练、测试和部署场地，人形机器人很难从单点试用走到规模化订单。

Patreon 过去主要依赖 robots.txt，提醒 AI 爬虫不要抓取创作者内容。现在它与 Cloudflare 合作，主动阻止 AI 训练爬虫访问，同时继续允许用于索引页面、整理信息并把用户导回 Patreon 的机器人。Patreon 称，测试中单个 AI 训练爬虫的访问尝试从每周数千次降到零。5

这一步把内容平台的态度从「请勿抓取」改成了「访问权限分级」。对 AI 公司来说，训练数据不再只是能不能找到的问题，还要回答是否获准、是否付费、是否能证明用途。对创作者平台来说，真正的控制权也从一行 robots.txt 走向网关和流量策略。

7 月 17 日的几条消息放在一起看，行业的考题已经换了：WAIC 在比谁能把 AI 放进真实场景，Meta 和 Anthropic 在算谁能买到更多算力，Databricks 在卖企业工作流，Agility 在建设机器人训练工厂，Patreon 则在给数据入口装门。下一阶段的胜负，不只取决于模型会什么，还取决于它能稳定地在哪里运行、由谁承担成本，以及谁有权决定它能看到什么。