【资讯速览】

· Meta筹备推出Meta Compute云业务，出售过剩AI算力和模型访问权

· OpenAI论文首曝GPT-5.6 Pro三档变体

· AWS成立FDE部门，斥资10亿美元派数千工程师驻场客户企业，从"卖工具"转向"交钥匙"

· Wayve获28亿美元投资，端到端技术路线或将成为自动驾驶新范式

Meta筹谋入局云基建：千亿美金豪赌的"财务安全阀"

Meta 正在筹备推出云基础设施业务，对外出售 AI 算力与模型访问权限，将在新赛道直面亚马逊 AWS、微软 Azure、谷歌云三巨头的竞争。

Meta 近年持续加码数据中心与配套基建，累计投资已达1500亿美元。此次筹建新业务，是给巨额资本支出找回报路径的同时，也是为了稀释对广告收入的单一依赖。

新业务下两条可能的商业化路径：

· 类AWS Bedrock模式：开放Meta自有AI基建上托管的模型调用权限，Meta负责数据中心与芯片的运营支撑，向开发者按量收费

· 底层算力直租：由内部项目Meta Compute（专注构建与管理公司AI基建）牵头开发

扎克伯格表示，几乎每周都有外部公司向Meta索要算力——但此举更像在为"支出过高"的担忧装一道财务安全阀。

信号解读：

Meta从广告巨头跨入云服务，意味着AI竞赛的维度正在迁移：比完模型，开始比基建变现。

但千亿级基建投入必须有清晰的回本路径，而出租算力是最直接的出口。这个剧本并不新鲜——SpaceX系的xAI已在走类似路线：自建数据中心的企业，正在把“算力”本身变成可变现资产。

风险也在同一处：AI基建军备竞赛已有泡沫迹象。芯片迭代快、折旧猛，终端应用的变现速度若追不上基建扩张，算力很容易滑向供过于求、被迫降价的局面。

Meta 此时入局，既是战略延伸，也是给1500亿美金找个消化口——它未必是要打赢AWS，更多是先把自家账算平。

GPT-5.6 Pro首曝三档变体，高端模型出现更多选择

OpenAI最新论文首次披露GPT-5.6 Pro的三个变体——Luna Pro、Terra Pro和Sol Pro。

长期以来，ChatGPT Pro一直以高级别单一模型的形式存在，未曾出现过分体模型，但分体的形式OpenAI已经实践。

6月底OpenAI发布的GPT-5.6系列，已经将其分为三个模型。其中，Sol处理最难的任务，Terra面向高容量业务负载，Luna覆盖更快、更便宜的日常查询。Pro变体并未包含在中该次发布。

关于性能，在基准测试中，Sol Pro达到了31.5%的通过率（模型完成完整多步骤分析且无错误并得出正确最终答案的频率），为所有60个测试模型中最强。

这种分层结构是否真的会在ChatGPT 中出现，论文并未明确说明。目前这些名称仅来自基准测试表格。

如若实践，这种分层模式将是自ChatGPT Pro推出以来对Pro产品的首次重大调整。Pro不再是一个昂贵的高端档位，而是可能演变为一个包含三款模型的体系，用户可根据具体任务在速度、吞吐量和最强推理能力之间进行选择。

AWS斥资10亿美元派工程师驻场，企业AI从卖工具转向交钥匙

AWS近日宣布成立FDE团队，投资10亿美元，让AI工程师与客户直接合作，并且协助客户构建和部署人工智能系统。

FDE概念由Palantir引入商业领域，指既有编程能力，又能理解业务场景的工程师，职责包括亲临客户现场，在真实数据和业务环境中构建解决方案等。

亚马逊表示，FDE嵌入式团队会协助客户将AI项目的部署周期从数月缩短至数天。此外，通过其与客户内部团队的深刻互动，客户不仅能获得全新的解决方案，还能掌握全新的工程能力。目前，首批客户包括NBA、NFL、理光和艾伦研究所。

AWS发言人同时表示"预计将有机会与OpenAI和Anthropic合作"，暗示可能形成自有团队加合作伙伴的双轨策略。此前，OpenAI与Anthropic已分别在5月设立FDE合资公司。

为什么值得关注：

全球最大云服务商AWS亲自下场做FDE或许代表企业AI竞争的核心已经变了：客户不再问"你的模型有多强"，而是问"你能不能帮我把AI真正用起来"。从卖工具到交钥匙，从输出API到输出团队，这一转向说明当下企业AI部署的真正瓶颈不在工具层，而在落地层。

Wayve获28亿美元融资，自动驾驶或将走向新范式

据路透社7月1日报道，伦敦自动驾驶初创公司Wayve正成为全球资本追逐的焦点，已累计融资28亿美元。投资者阵容覆盖芯片与汽车制造两端——英伟达、奔驰和日产同时入局，这在自动驾驶领域并不多见。

Wayve押注的技术路线与当前主流形成了鲜明分野。它采用端到端机器学习方案：AI直接将摄像头、雷达等传感器数据转化为驾驶决策，不依赖高精地图，也不使用预设的"如果-那么"场景规则库。

其工作方式更接近一个人类驾驶员——看路、判断、操作，而非在一个预先扫描好的数字孪生世界里按脚本行驶。系统可兼容多种传感器和不同品牌的AI芯片，已在东京、斯图加特、温哥华及全球数百座城市完成测试。

Wayve AI副总裁巴德里纳拉亚对安全逻辑的解释值得注意：预编程系统在遇到训练数据之外、不可预测的场景时容易直接失效，而人类遇到类似情况会本能地更谨慎——Wayve试图模拟的正是这种"不确定时就慢下来"的生存直觉，而非穷举所有可能场景的工程路线。

为什么值得关注：

自动驾驶行业在过去几年经历了两轮明显的预期调整。

第一轮是2018-2019年，资本发现"全无人驾驶五年内落地"过于乐观；第二轮是2023-2024年，Waymo和 Cruise的渐进扩张让人们重新建立了耐心，但也固化了"高精地图+激光雷达+区域编码"的工程范式。

Wayve 28亿美元的融资规模，某种程度上代表了资本市场对第三种路线的下注——端到端、免地图、跨车型、跨地域。

免地图和免区域编码策略的杀手锏在于边际成本。传统自动驾驶公司每进入一个新城市，需要做大量地图采集、标注和场景适配工作。而Wayve的端到端方案如果验证成功，拓展到其他地区的开发成本几乎没有变化——这是平台型产品的经典特征。

但清醒地说，端到端路线的安全验证仍然是最硬的骨头。纯视觉vs多传感器哪个更可靠、神经网络的黑箱决策如何通过各国监管审批、极端边缘场景的安全性如何保障——这些问题目前都没有定论。

Wayve拿到了弹药和窗口期，接下来需要的是大规模公共道路数据来兑现端到端的理论优势。

结语

当模型之间的差距开始在基准测试上以个位数百分点计算，竞争就会从"谁的模型更强"滑向"谁的变现效率更高"。

Meta出租算力是在给资产负债表找出口，OpenAI 的产品分层是在给同一个能力定不同的价，AWS派人驻场是因为客户买了工具但不会用——每一种策略都是在回答同一个问题：能力到位了，钱从哪里来。

Wayve也站在同一个问题的延长线上。把自动驾驶从一个"每城定制"的工程服务，压缩成一个"一次开发、全球复用"的软件产品。28亿美元能不能烧出这条路，取决于它能不能在Waymo的地图优势和特斯拉的规模优势之间，找到属于自己的不可替代性。

AI行业正在从投资故事变成经营故事。做模型的人要开始算账，做基建的人要开始收租，做落地的人要开始驻场。谁先把这个闭环跑通，谁才真正拿到了下一阶段的入场券。