OpenAI开放DALL-E 2百万访问权限 15美元可生成460张图片

科技行业的脉搏，总是跳得比别处快一些。这周，几家巨头和前沿领域的动向，再次印证了这一点。既有巨头们审慎的收索与大胆的押注，也有技术边界的持续拓展与资本市场的热情涌动。我们不妨来梳理一下。

大厂动态

先看大洋彼岸。继上周谷歌CEO皮猜宣布放缓招聘节奏后，这周消息进一步收紧。谷歌高级副总裁Prabhakar Ragha van在内部邮件中确认，公司将暂停所有招聘活动两周。当然，已经发出的录用通知不受影响，但新的邀约得等这轮“冷静期”过后再说。官方说法是，要利用这段时间重新评估人力需求，并规划未来三个月的招聘重点。

这背后是什么信号？看看数据或许能明白一二：仅仅在今年第二季度，谷歌就新增了超过1万名员工，整个Alphabet的员工总数已逼近16.4万。在宏观经济不确定性增加的背景下，即便是巨头也得精打细算。市场正密切关注其7月26日发布的财报，看看这份“审慎”能否换来预期的每股1.30美元收益和702.5亿美元营收。

另一家从不缺少话题的公司特斯拉，则在自动驾驶领域有了新动作。埃隆·马斯克透露，公司计划再次提高其“全自动驾驶”（FSD）测试版软件的价格。目前，车主在标配Autopilot的基础上，需一次性支付1.2万美元来解锁FSD。马斯克一直认为这个价格“便宜得离谱”，涨价似乎只是时间问题。

不过，一个值得玩味的细节是：马斯克提到目前已有超过10万车主用上了FSD城市导航功能，但这个数字与第一季度财报电话会上披露的完全一致。这意味着，过去一个季度，FSD的采用率可能并未显著增长。涨价能否刺激需求，还是反而会劝退更多观望者？这或许是特斯拉在年底前宣称要“解决全自动驾驶”时，必须面对的市场考题。

视线转回国内。在7月21日的百度世界大会上，百度放出了多个重磅消息。其中最引人注目的，莫过于与中国探月工程联合发布的世界首个航天领域大模型——“航天-百度·文心大模型”。这个专门“喂”航天数据和知识长大的模型，目标直指深空探测的智能化，从数据理解到智能规划都想包揽。

当然，百度的AI布局远不止于此。其深度学习平台飞桨已凝聚了477万开发者，稳居国内市场第一。从帮助牧民、农民，到赋能电厂工人，AI技术正在寻找更接地气的落地场景。会上同步亮相的，还有成本降至25万元的第六代无人车Apollo RT6、更加拟人化的AI数字人度晓晓，以及一系列智能生活新品。可以说，百度正在将其AI能力，系统性地铺向产业与生活的各个角落。

技术前沿

在纯粹的技术探索层面，本周也有两件事值得关注。

一是OpenAI终于开始大规模放开DALL-E 2的访问权限了。未来几周，约100万候补名单上的用户将能体验到这款强大的文生图AI。同时，测试版定价方案出炉：每月有免费额度，额外115个积分（约可生成460张图片）售价15美元。这个价格，无疑让“AI作画”从极客玩具向大众工具又迈进了一步。其联合创始人Sam Altman此前关于AI影响艺术就业的预言，似乎正加速照进现实。当然，如何修复模型现有的偏见和缺陷，是OpenAI在开放后面临的紧迫挑战。

另一件事来自编程语言领域。谷歌在C++ North大会上，正式开源了其内部实验项目——Carbon语言，并毫不客气地将其称为“C++的继任者”。项目团队雄心勃勃，计划在今年推出0.1版本，并在2024或2025年达到1.0版本。Carbon的目标是解决C++在现代化开发中遇到的积弊，同时保持高性能和与现有C++生态的互操作性。能否成功挑战C++数十年的统治地位，需要时间来验证，但谷歌的入场，无疑给系统级编程语言赛道投下了一颗石子。

落地先锋

当技术概念逐渐成熟，资本的目光便会投向那些能将其转化为实际价值的团队。本周，AI制药和工业AI领域就传来了多起融资消息。

AI制药赛道持续火热。予路乾行在5月完成天使轮融资后，已迅速启动新一轮募资，主要用于团队扩建和研发管线布局。其技术核心融合了AI、量子力学与分子模拟，创始人郑铮兼具学界与产业背景。

同样获得融资的还有广州费米子科技，这家专注于中枢神经系统、自身免疫及难治型肿瘤领域的AI Biotech公司，完成了超亿元的B轮融资。其自主研发的Drug Studio AI平台，旨在攻克药物组织靶向与高选择性等关键难题，资金将用于推进核心管线进入临床阶段。

在工业互联网领域，博瀚智能（原依瞳科技）获得了由卓源资本领投的数千万元A轮融资。公司通过自研的AI端到端平台与大数据处理产品，为工业客户提供解决方案。其核心团队堪称“豪华”，创始人郭玮曾是微软美国多项明星产品研发的领导者，联合创始人苏力强则是来自摩根大通的数据处理与运筹学专家。这笔资金将用于扩充研发与销售团队，加速AI在工业场景的落地。

从这些融资案例不难看出，资本对于AI技术的投资，正越来越倾向于那些拥有交叉学科背景、清晰技术路径和明确商业场景的团队。AI的战场，已经从实验室和论文，全面转向了具体的产业与临床难题。