在过去24小时内（11月7日—11月8日），欧洲传出对AI法规执行节奏或将放缓的消息；美国大型科技公司继续追加超大规模AI基础设施投入并加速国际化布局；同时，乌镇峰会密集公布大奖与产业进展，小鹏人形机器人公开“拆解”澄清争议，中国与北美/欧洲动态基本对称。
一、谷歌发布Ironwood TPU，面向“推理时代”全面上线
1、谷歌宣布第七代TPU Ironwood将于数周内普遍可用，宣称相较TPU v5p峰值性能提升10倍、相较v6e单芯性能提升4倍，针对大规模训练与低时延推理。
2、单Pod可扩展至9216颗加速器，提供约1.77PB共享HBM与9.6Tb/s互联，用于“超大规模推理与服务”。
3、同步推出Arm架构Axion实例，N4A预览与C4A metal即将开放，主打成本与能效配合推理集群。
二、Meta三年在美国投资6000亿美元，核心投向AI数据中心
1、Meta表示未来三年在美国投入至少6000亿美元，用于基础设施与就业，其中包括多个超大AI数据中心。
2、公司同时推进超大额项目融资与分布式园区建设，以“前置扩容”应对AI算力需求曲线。
3、管理层称目标对齐“通用超智”长期路线，2026年起资本开支将“显著增大”。
三、欧盟拟对AI法案执行“减速换挡”，引入过渡期与豁免
1、据媒体披露的欧盟委员会草案，拟对高风险AI系统登记与罚则引入最长期至2027年8月的宽限期。
2、对仅执行“程序性/有限”任务的高风险AI场景拟给予数据库登记豁免；AI内容标注义务将分阶段实施。
3、最终方案预计11月19日提交，期间仍可能调整，涉及苹果、Meta等大型平台与欧洲工业企业诉求。
四、Anthropic宣布在巴黎与慕尼黑设立新办公室，加码EMEA
1、官方确认新增法国、德国两地办公室，继伦敦、都柏林、苏黎世之后继续扩张欧洲版图。
2、过去一年EMEA营收年化跑速增长超9倍，区域大客户数量增长超10倍，涵盖制造、医药与金融。
3、公司称将把研究、工程、商务与政策合作等职能进一步本地化，承接前期与谷歌云达成的TPU供给扩容。
五、乌镇：清华×智谱“GLM大模型关键技术及规模化应用”获领先科技奖
1、项目在预训练架构、芯片适配与多模态对齐等方面给出体系化方案，号称适配40余款AI芯片。
2、相关平台日均API调用规模达“万亿字”等量级，覆盖互联网与金融等20余行业，并开源40余款模型。
3、该成果入选2025年世界互联网大会领先科技奖17个年度项目之一。
六、百度凭“剧本驱动多模协同的高拟真数字人技术”再获乌镇领先科技奖
1、为连续第三年获奖的AI公司，技术要点涵盖多模态规划、实时交互与长视频合成等。
2、官方披露该技术已生产超10万个数字人，电商、教育、法律等场景落地并显著降低直播成本。
3、连续获奖强化其在“文心系”技术栈的产业化与内容生产侧能力。
七、小鹏人形机器人IRON引发热议，官方两次“自证”回应质疑
1、11月5日至7日，小鹏在科技日与发布会上两度公开展示IRON内部结构，包括通电状态下剪开腿部覆盖件。
2、官方强调采用仿人脊椎、仿生肌肉与全包覆柔性皮肤等设计，目标在2026年实现规模量产。
3、同时发布第二代VLA“物理AI”能力，宣称复杂小路平均接管里程提升显著，形成车/机/飞行器协同叙事。
八、中国移动发布2026版5G手机白皮书，设“北斗短信”硬性门槛
1、提出自2026年7月1日起，4000元及以上价位新机“必选”支持原生北斗短信；每品牌至少一款同时支持北斗短信+定位融合并规模出货。
2、披露截至目前累计开通超265万座5G基站、覆盖96%人口，5G用户超5.99亿。
3、伴随eSIM、卫星通信与5G-A推进，端网协同将对AI终端侧连接与定位感知能力形成“硬件约束”。
常见问题解答（Q&A）
Q：Ironwood与英伟达Blackwell的性能关系是怎样的？
A：公开指标显示，Ironwood单芯FP8算力约4.6 PFLOPS、单Pod最高9216芯互联与1.77PB共享HBM，指向“超大规模推理”与高并发服务；在等精度下对标Blackwell高端SKU具竞争力，侧重大规模集群与系统级协同。
Q：Meta的6000亿美元主要花在哪些地方，时间跨度如何？
A：规划覆盖美国境内数据中心园区、供电与冷却配套、网络与算力设备及就业岗位，时间窗口为未来三年，叠加此前已签的大额项目融资与州级投资承诺。
Q：欧盟AI法案为何考虑放缓执行？对企业意味着什么？
A：大企业与欧美产业组织认为落地成本高、执行复杂且周期紧，委员会拟通过过渡期与登记豁免降低合规摩擦，短期利好高风险场景的存量系统与AIGC内容标注，但长期仍需满足正式合规要求。
Q：乌镇“领先科技奖”密集授予大模型与数字人，产业含义何在？
A：奖项集中度反映从“论文指标”转向“可复制的工程与服务能力”，GLM强调跨芯片训练与多模态鲁棒，数字人强调长时交互与内容生产效率，均对AI应用侧的规模化供给产生拉动。
