白宫召集AI巨头评估前沿模型安全，国产大模型开源生态加速成型

美国启动前沿AI模型安全评估框架，30天提前访问权引发争议

8月4日，美国白宫召集OpenAI、Anthropic、谷歌、Meta等AI企业举行闭门会议，讨论已制定完成的”自愿性前沿AI模型安全评估框架”。该框架源于特朗普6月2日签署的AI网络安全行政令，核心内容是要求参与计划的AI开发商在模型向外部开放前，向政府提供最长30天的提前访问权限，以便评估最先进AI系统的网络攻击能力、黑客行动潜力与自主越界风险。

白宫官员在会前透露，部分评估基准将不对外公开，政府正在与更广泛的行业合作伙伴展开合作。这一”不透明”的评估方式引发了业界讨论。支持者认为，AI模型的网络安全风险具有敏感性，部分评估方法公开后可能被恶意利用，保持一定保密性合理。反对者则担忧，不公开的评估标准可能导致监管权力滥用，且缺乏外部审计的评估结果公信力存疑。

从产业影响角度看，30天提前访问权直接改变了AI模型的发布节奏。对于竞争激烈的模型开发市场，30天的延迟意味着竞争对手可能在这段时间内抢先发布同类产品。大型企业有资源应对这一延迟，但对中小型AI创业公司而言，这种时间成本可能构成实质性障碍。有分析指出，这一框架客观上有利于已建立市场地位的AI巨头，对行业新进入者形成了间接的准入门槛。

MiniMax H3全模态模型开源，视频生成能力登顶全球第一

8月3日，MiniMax正式开源H3模型。这是一款通用型全模态生成系统，在Artificial Analysis榜单中视频编辑能力排名全球第一。H3能够统一理解文本、图像、视频和音频构成的多模态上下文，生成最高2K分辨率、最长15秒、带有原生立体声音频的视频内容。

H3的开源对AIGC应用开发者意义重大。此前，高质量视频生成模型几乎全部通过API服务提供，开发者无法在本地或私有化环境中部署。H3开源后，企业可以将视频生成能力集成到内部工作流中，无需将敏感内容发送到第三方服务器，数据安全与合规性得到保障。

值得关注的是H3对国产算力的适配。华为昇腾、摩尔线程、沐曦、海光信息、昆仑芯、天数智芯、壁仞科技、AMD、Intel等芯片平台均已完成或正在推进H3的推理适配。这意味着在信创合规、数据本地化等场景中，H3可以在国产算力平台上运行，打破了”高端GPU依赖”的瓶颈。国产AI芯片生态正在从”能用”向”好用”过渡，H3提供了一个具有说服力的验证案例。

月之暗面IPO传闻与AI行业资本格局

8月3日，有报道称月之暗面计划最早于本月内提交香港IPO申请，募资规模约30亿美元。数小时后，知情人士向媒体回应称此消息不实。同日披露的信息显示，月之暗面已提前完成F轮融资，融资超过35亿美元，投后估值350亿美元。原计划8月启动的G轮（Pre-IPO轮）融资也提前启动，投后估值升至500亿美元。

月之暗面的估值攀升速度在大模型行业中具有代表性。Kimi系列模型在国内C端用户中拥有较高知名度，月活跃用户数和调用量的增长是估值攀升的核心支撑。但与此同时，大模型公司普遍面临的高研发投入、算力成本和尚未清晰的盈利模式，也是资本市场关注的焦点。IPO传闻的反复说明，大模型行业距离稳定的商业闭环仍有距离，资本对估值的分歧正在加大。

新型电力系统规划保障算力供电，智算中心能源需求进入政策视野

国家发改委与国家能源局联合印发的《新型电力系统建设”十五五”规划》中，明确提出要增强电力供应保障能力，满足各类算力设施高可靠供电需要。这是算力基础设施的电力保障首次被写入国家能源战略规划文件。

算力设施的电力消耗增速远超预期。据行业估算，2025年全国数据中心总耗电量约占全社会用电量的3-4%，到2030年这一比例可能升至8-10%。智算中心是增量的主要贡献者——一台H100 GPU服务器功耗约10kW，是传统CPU服务器的5-8倍。随着各行业AI模型部署规模扩大，智算中心的电力需求将持续攀升。

规划文件中与算力设施直接相关的要求包括：新建大型算力中心必须配置不低于N+1冗余的供电架构，10MW以上规模的智算中心需具备双路市电接入能力，鼓励算力设施参与电网需求侧响应。这些标准将直接影响新建数据中心的选址和建设成本，西部地区因电力资源丰富、电价低廉，在智算中心选址中的优势将进一步凸显。

FMS 2026闪存峰会：存储技术演进支撑AI算力需求

Future of Memory and Storage（FMS 2026）闪存峰会于8月4日至6日在美国举行。AI训练和推理对存储带宽的需求正在推动存储技术的加速迭代。HBM（高带宽内存）和CXL互连协议是本届峰会的两大技术焦点。

HBM4预计在2026年下半年量产，单颗容量达48GB，带宽超过2TB/s，是HBM3e的2倍以上。这对下一代GPU的显存瓶颈缓解至关重要——当前H100的HBM3e显存容量为80GB，大模型推理场景中频繁成为瓶颈。HBM4的容量和带宽提升将直接支撑更大参数量模型的单卡推理，减少多卡通信开销。

CXL方面，CXL 3.1规范支持内存池化和跨节点共享，使得服务器可以按需访问远端内存资源，提升内存利用率。在AI推理集群中，CXL池化内存可以动态调配给负载较重的节点，避免部分节点内存不足而另一部分闲置的情况，预计可将集群内存利用率从当前的60-70%提升至85%以上。