Gemini限流！AI开始抢门票

过去 24 小时，AI 圈最硬的关键词不是「更聪明」，而是「谁能用上」。

Gemini 开始对 Meta 限流，Anthropic 的顶级模型被美国政府按名单放行，百度昆仑芯冲刺港股高估值，Nvidia 的 GPU 被提前排到 2027 年。另一边，智元机器人把第 15000 台精灵 G2 推下产线，Agent 研究也把焦点从「会回答」挪到「能交活」。

结论很直白：AI 竞争正在从模型参数，转向访问权、算力配给和真实场景数据。

最有火药味的一条，是 Google 和 Meta。

据 Reuters 转述 FT 报道，Meta 想买更多 Gemini 模型算力，但 Google 在 3 月左右告知 Meta，没法满足全部需求。结果是，Meta 部分内部 AI 项目受到扰动和延迟；不只 Meta，其他 Google 客户也受到影响，只是程度更轻。1

这事的讽刺点在于：Meta 不是买不起，而是对手也供不上。

Google Cloud 一季度收入已经到 200 亿美元，但 Sundar Pichai 此前也说过，算力约束让云业务没能增长得更高，积压订单环比几乎翻倍。1 这就把 AI 竞争拉回一个很朴素的问题：不是谁口号更大，而是谁的 GPU、模型容量、推理配额先排到你。

对开发者和企业客户来说，这条新闻的实际含义是：未来选模型，不只看 benchmark，也要看 SLA、配额稳定性和多供应商备份。最强模型如果随时被限量，生产系统就不能只押一张牌。

Anthropic 的问题更硬：不是限流，是谁能用。

Tempo/DW 报道称，美国政府已经允许 Anthropic 将 Claude Mythos 5 重新提供给部分「可信」美国网络安全机构。Anthropic 的说法是，这些机构负责运营和防护关键基础设施；同时还会继续推动扩大 Mythos 5 访问，并让 Fable 5 恢复一般使用。2

另一边，欧洲不想只当旁观者。

Reuters 报道，奥地利数字化国务秘书 Alexander Proell 已致信欧盟技术委员 Henna Virkkunen，建议欧盟考虑让 Anthropic 在欧盟境内落地或参与，以免欧洲被美国对先进模型访问的限制切断。信里那句很狠：问题不是这件事容不容易，而是欧洲要做技术未来的建筑师，还是只当别处决策的管理员。3

这就是今天 AI 地缘政治的缩影：模型不再只是云服务，越来越像战略基础设施。谁能访问、在哪里部署、数据和控制权归谁，都会影响企业选型。

算力侧也有两条信号。

第一条在中国。据 Reuters 转述 The Information，百度 AI 芯片子公司昆仑芯计划以 500 亿美元目标估值在香港上市。报道还称，投资人被要求购买价值为其拟认购 IPO 股份 3 到 7 倍的芯片。4

这不是一个普通芯片 IPO 故事。Reuters 还提到，字节跳动本月曾被报道考虑使用昆仑芯，腾讯也被称为昆仑芯客户之一；百度今年 1 月已表示昆仑芯向港交所秘密递表，为分拆上市铺路。4

如果说美国这边争的是 H100、B 系列和云配额，中国这边争的就是替代方案能不能跑出客户、现金流和上市估值。昆仑芯这类公司要证明的，不只是「能做芯片」，而是能不能进入大厂真实训练/推理账单。

第二条在澳洲和东南亚。

Firmus Technologies 宣布与 Nvidia 建立战略合作：Firmus 将购买 Nvidia 基础设施，并向 AI Native 客户出售 Nvidia 驱动的云服务；协议将为 Nvidia 带来产品收入和云收入分成。更关键的是，Firmus 称该交易将在 2027 年一季度到 2028 年初交付 170000 块 GPU，部署在印尼巴淡岛，并预计六年内最多带来 300 亿美元收入。5

Firmus 联席 CEO Tim Rosenfield 的说法很直接：他们想填平大公司和后来者之间的成本差距，让小公司也有机会接近头部玩家的算力条件。5

这说明一个趋势：AI 云市场不只剩超大厂，算力中间层正在长出来。它们的价值，不是重新发明 GPU，而是提前锁货、融资、建机房，再把门票拆给更多创业公司。

国内最值得写的一条，是智元机器人。

6 月 28 日，智元宣布第 15000 台通用具身机器人精灵 G2 量产下线，设备现场交付龙旗科技，进入 ODM 产线作业。IT 之家报道，智元去年 12 月 8 日完成第 5000 台交付，今年 3 月 30 日第 10000 台远征 A3 下线，这次来到 15000 台。6

更有信息量的是虎嗅转载科创板日报的产线细节：智元从 2023 年 6 台原型样机，到 2024 年 8 月启动规模化量产，2025 年 1 月突破 1000 台，再到 2026 年 3 月万台、不到三个月后 15000 台。7

龙旗南昌工厂这段尤其关键：去年 12 月 G2 进入产线测试，今年 5 月完成 8 台并线，覆盖整条平板量产质检工段；6 月 6 天实景直播里，8 台 G2 完成 64828 次作业，生产产品 17625 件，作业成功率 99.99%。从 3 月 15 日到报道时，并线已超过 100 天，过程中暴露 60 多个问题并逐一解决。7

这比「机器人会打招呼、会跳舞」重要得多。具身智能真正缺的不是舞台动作，而是长期运行、错误暴露、数据回流、版本迭代。15000 台的意义，也不只是销量数字，而是打开真实物理世界数据阀门。

今天还有一条研究向信号，和上面的产业新闻正好呼应。

The Decoder 报道，腾讯优图实验室等团队在一篇综述里提出，AI 要从聊天机器人变成「数字同事」，关键不是生成更漂亮的答案，而是能在持久工作环境里完成整项任务。研究把演进路径拆成聊天机器人、思考型 LLM、Agent、OpenClaw，再到下一代人机协作范式。8

论文的核心判断是：workspace 提供状态、存储和后果，skill 把组织知识封装成可复用流程；两者合起来，才可能让 AI 从一次性回答，变成可委派的工作者。8

但这条路也不轻松。The Decoder 提到，真实环境 benchmark 要求可复现初始状态、可执行工具、轨迹日志和终态检查；GPT-4 最初只完成了 WebArena 14% 的任务。持久工作空间还会带来权限、凭证、文件、审计日志、回滚等一堆安全问题。8

这和机器人那条其实是同一个问题：AI 不再只比「说得像不像」，开始比「能不能在真实环境里稳定交付」。数字世界里是工作空间，物理世界里是产线。

今天这组新闻可以合成一句话：AI 进入「门票时代」。

最强模型要门票，顶级算力要门票，安全放行要门票，真实产线数据也要门票。过去一年，大家爱问「谁的模型最强」；接下来更该问的是：谁能稳定拿到资源，谁能把资源变成可验证的产品结果。

这比单次发布会更冷，也更关键。