当封禁把「去依赖」推到极限，OpenAI 的回答是自己造芯片。与博通（Broadcom）联合发布的首款自研推理芯片 Jalapeño，从设计到流片仅 9 个月——号称史上最快的高性能 ASIC 周期，据称由 OpenAI 自家模型加速设计。

定位与目的：专为 LLM 推理优化，目标降推理成本约 50%、降低对英伟达的依赖；工程样片已在跑 GPT-5.3-Codex-Spark 生产负载。这是「算力去依赖」最硬的一笔——从模型层、流量层一路下沉到芯片层。

硬规格目前无官方披露。@scaling01（基于 SemiAnalysis 拆解、经 Latent.Space AINews《It's Meta-Harness Summer》汇总转发后刷屏）推测其结构「类 TPU」：近 reticle 满版 die、约 216GB HBM3E、~7.1–7.4 TB/s 带宽、~10 PFLOPS FP4。需重申是估算而非实测——OpenAI / 博通几乎未公布硬规格，而这组数字与微软今年 1 月发布的 Maia 200（216GB HBM3E、7 TB/s、>10 PFLOPS FP4、TSMC 3nm、750W）几乎一模一样，更像是按同类超大厂 ASIC 三角推算出来的。官方只确认它是「reticle 级大裸片、9 个月流片、每瓦性能大幅领先」。这类自研推理硅正成前沿标配。谁设计了它？ML 评论者 Patrick Toulme 推测：这很可能是首款「几乎全程由 Codex/GPT 设计」的芯片——软件栈乃至大部分硬件设计都出自 OpenAI 内部模型，正印证「AI 在加速芯片设计本身」。

高通 ~$40 亿收购 Modular（Chris Lattner 的 Mojo 语言 + MAX 推理引擎），直取英伟达 CUDA 护城河，且 Mojo 开源不受影响。Jalapeño（硬件）+ Modular（软件栈）同日落地——NVIDIA 的护城河第一次被两端同时围攻。

▶OpenAI, Broadcom Develop AI Chip Called 'Jalapeño'YouTube · 发布影像

AI 的瓶颈正从「芯片」转向「电、水、地」。本周最大胆的回答来自 SpaceX：把数据中心搬上轨道——用无限太阳能、真空散热、零土地占用，一次解决三大约束。

SpaceX 于 06-08 发布首件硬件 AI1——70 米翼展、150kW 峰值 AI 算力、直接向真空散热；此前已向 FCC 申请发射多达 100 万颗太阳能卫星数据中心。路线图：2027 年初发两颗原型，2027 年底产能爬坡到约 1 GW/年轨道算力。其论点是：太阳能（无需电网）+ 真空（无限散热）+ 不占地，三大瓶颈一次解决。

Starcloud（$170M A 轮）2025 年已成为首个在太空训练 LLM、并在轨运行 Gemini 的公司，单独申请 8.8 万颗卫星；2026 年 2 月成为史上首个多家轨道数据中心运营商同时跑生产负载的月份。但冷静面同样强：孙正义直言不看好太空数据中心（运送 / 维护成本），批评者指「降耗水 ≠ 解决 AI 总用水」，部分电工甚至拒绝参与数据中心建设。

SpaceX Colossus 已年化 $280 亿成最大独立 neocloud（Reflection $6.3B 合约，隐含 Blackwell >$10/小时、90 天退出条款）；NVIDIA 45°C 液冷把数据中心用水降至接近零；而最上游瓶颈在 ASML $4 亿 High-NA EUV 光刻机与 IBM 亚 1 纳米制程。

6 月 10 日 Anthropic 致信参议院银行委员会，指控阿里 / Qwen 关联操作者用近 2.5 万个欺诈账户、在 4/22–6/5 间与 Claude 产生 2880 万次以上交互，称这是「迄今最大规模的蒸馏攻击」。信件 6/24 经 CNBC 披露——时机正落在 GLM-5.2 开源登顶、Fable 5 / Mythos 5 被封禁的同一窗口，把「中国模型为何追得这么快」直接引向「是不是抄了作业」。

阿里并非首个被点名。2026 年 2 月 Anthropic 已宣称识别三起「工业级」蒸馏：DeepSeek（>15 万次）、月之暗面 Kimi（>340 万次）、MiniMax（>1300 万次）；6 月的阿里一举刷新规模上限。诉求很明确：强化出口管制、扩大情报共享、对大规模「模型提取」立法惩罚——把蒸馏从商业纠纷升格为国家安全议题。法律落点不在「版权」（模型输出能否受版权存疑），而在违反服务条款 + 用欺诈账户绕限构成未经授权访问（CFAA 式主张），属几乎没有判例的新领域。

ML 评论者 Patrick Toulme（6/23）不否认蒸馏，而是反驳「蒸馏=能力来源」：RL 需要「成功轨迹」，模型从没产出过成功轨迹则梯度为零、无从 RL（冷启动问题）；蒸馏的作用是用更强模型给学生「播种」正向轨迹，一旦越过这阶段就不再需要蒸馏、纯靠 RL 登顶。他的结论很尖锐：「从零做到 Opus 4.8，比从 Opus 4.8 爬到 Fable / Mythos 级更难」——若成立，则「切断 API 就能拦住追赶者」站不住脚，出口管制至多是减速带，而非墙。

中方与监管批评者另有反驳：《环球时报》（官方媒体，立场需自行权衡）称指控「缺乏实质、根植技术霸权焦虑」；更普遍的「双标」质疑是——Anthropic 自己刚因用受版权图书训练达成美国史上最大版权和解（Bartz v. Anthropic），OpenAI 也长期抓全网数据、并早在 2025 年初以同样理由指控过 DeepSeek。当「用别人产出的数据训练」对头部大厂是默认、对追赶者却叫「窃取」，数据产权的边界由谁来划？

硬件那两篇讲「算力天花板」，这篇讲「人的天花板」：AI 接管的 Loop 越多，人类技能越退化，认知反而成了整个系统最大的瓶颈。本期的 Whittaker 警告、挪威禁小学 AI、Claude「思考」加密，与一项 MIT 脑成像研究，指向同一根刺。

越委托 → 越不练 → 技能退化 → 越无力验证 / 担责 → 而系统恰恰把「验证 + 担责」压回给人 → 于是要么不敢再委托（卡住价值），要么硬委托却没人兜得住（放大风险）。Bainbridge《自动化的反讽》(1983) 早有警告：越自动化，操作者越少练习，越难在关键时刻接管——「导航依赖症」「拼音用久了提笔忘字」就是它的日常版。（框架来源：《AI、组织和工作的未来》⑥ · 冯小平 / Z-Lab）

MIT Media Lab 用 EEG 脑成像对比「ChatGPT / 搜索 / 纯脑」三组写作：ChatGPT 组脑区参与度最低，在神经 / 语言 / 行为层面持续表现更差，积累「认知债（cognitive debt）」、学习能力下降；实验后期更倾向把文章整段复制粘贴。这是「认知卸载（cognitive offloading）」——把思考外包给工具、内部认知投入随之萎缩——的一次实证。

挪威近乎禁止小学用 AI（保护儿童认知发展）；Signal 的 Meredith Whittaker 提醒「AI 聊天机器人不是你的朋友」（设计目标是留存 / 数据）；Claude「扩展思考」被加密为摘要而非真实推理。中文侧，一篇广传的「认知衰退」长文把这些研究串成「AI 正在悄悄改变我们大脑」的大众叙事。

▶Your Brain on ChatGPT — Nataliya Kosmyna（MIT Media Lab）YouTube · 研究访谈