格隆汇2月13日｜瑞银策略师认为，信用市场尚未完全反映人工智能(AI)可能对各行业带来的冲击风险，而企业债务领域的任何动荡，都可能让融资变得更加困难，从而打击人工智能投资热潮。其表示，最有可能受到冲击的行业是杠杆贷款，AI引发的行业扰动，可能类似于十年前垃圾债券能源公司抛售潮，或者堪比二十多年前互联网泡沫破裂时的情况，集中投资于某一行业会导致债权人亏损。 对于投资级债券和垃圾债而言，AI带来的直接风险较低，但信用市场高度相关，某一市场的大幅损失可能会导致其他市场的信用收紧。“在极端场景中，所有试图获得信贷的发行人——包括超大型算力企业和与AI相关的公司——都可能受到显著影响，从而可能会削弱资本支出、投资计划，并最终影响AI热潮本身。”对于那些更容易被AI颠覆、且信用质量较低的行业，今年至明年初应体现更高的“扰动风险溢价”，部分原因是2028年再融资需求较高。

格隆汇2月13日｜据《商业内幕》，亚马逊已在内部优先推广自研AI编程工具Kiro，限制员工使用Claude Code等第三方产品。亚马逊是Anthropic 的大股东之一，也帮助这家初创AI公司将其AI模型、产品推向C端（客户端）市场。然而在亚马逊内部，员工若未获得正式批准，则不得将Anthropic 的 Claude Code用于编写代码、开发产品等实际生产环境。并且这一矛盾在去年秋天开始变得更加明显，亚马逊当时发布了内部指引，建议员工优先使用自研AI编程助手Kiro。

格隆汇2月13日｜两年前，山姆·奥特曼（Sam Altman）在哈佛大学出席活动时表示，他非常反感在ChatGPT中投放广告的想法。 他说，如果ChatGPT开始在回答中插入付费广告，用户就会逐渐对这家公司的旗舰产品失去信任。“我认为广告对我们来说，是商业模式的最后手段。”奥特曼当时表示。 而就在本周，他的公司开始在ChatGPT里展示广告了。 为了构建和部署ChatGPT等人工智能技术，OpenAI需要投入数百亿美元购买基础算力。这家位于旧金山的初创公司正急于为这些技术寻找新的创收方式，最终实现收支平衡。在聊天机器人里卖广告，只是其众多增收计划中的一项，而所有这些尝试都面临巨大障碍。 财务压力迫在眉睫。据知情人士透露，去年OpenAI实现收入约130亿美元。但未来四年，公司预计还将再投入约1000亿美元。

格隆汇2月13日｜谷歌：今日发布Gemini 3深度思考重大升级。与科学家和研究人员紧密合作，推出升级版Gemini 3深度思考模型，以应对研究挑战。

格隆汇2月12日｜小红书薯管家发布公告，呼吁站内用户对AI生成合成内容进行主动标识。小红书公告称，“近期，平台收到多例利用AI生成合成技术仿冒公众人物形象、制作虚假视频的用户举报。此类未经本人授权制造的内容，即侵害了公众人物的合法权益，也因部分内容未主动做AI生成/合成标识，有损社区用户的信任。”小红书表示，“依据《人工智能生成合成内容标识办法》要求，平台将持续加强AI生成合成内容的识别检测能力，如创作者在发布环节未主动对AI生成合成内容做标记，平台将基于检测结果对未声明内容添加标识。此类未主动标识的AI生成合成内容，平台将限制分发。

格隆汇2月12日｜深圳市工业和信息化局近日印发《深圳市“人工智能+”先进制造业行动计划(2026—2027年)》，其中提出，构建算法开源、数据共享、算力协同的公共服务能力，整合技术资源与行业数据，降低中小企业智能化改造门槛，提升行业智能化改造的渗透率与应用深度。强化龙头企业引领作用，联合产业链上下游企业共同发掘潜在应用场景，支持人工智能在产品设计、产品检测、运营管理、质量检测、安全生产、数据分析等核心环节深度应用，打造一批标杆示范项目。聚焦终端产品创新升级，支持AI手机、AI眼镜、AI+潮玩、AI+智慧屏等重点产品研发创新，通过产品创新牵引技术迭代，培育新的产业增长点。

格隆汇2月12日｜深圳市工业和信息化局近日印发《深圳市“人工智能+”先进制造业行动计划（2026—2027年）》，其中提出，人工智能赋能机器人方面，支持世界模型、视觉-触觉-语言-动作（VTLA）等多模态交互技术研发，构建具备交互、预测与决策功能的具身智能基座大模型及其训练、推理技术体系，培育长序列推理与自主学习能力，支撑跨场景任务高效处理。强化场景资源统筹，支持建设具身智能技术试验场，开放工业制造领域焊接、装配、喷涂、搬运等细分场景并实现落地应用，提升危险、恶劣环境下智能作业水平，推动机器人进工厂、进车间、进仓库、进港口、进园区。

格隆汇2月12日｜深圳市工业和信息化局近日印发《深圳市“人工智能+”先进制造业行动计划（2026—2027年）》，其中提出，开展智能网联汽车“车路云一体化”应用试点，加大“智造+智驾”汽车全产业链AI赋能力度。协同设计方面，智能管理分类零部件资源，推荐最优件信息，结合人工智能算法，仿真自动匹配清理材料属性，实现高精度网格划分，提高企业研发效率。生产制造方面，智能统筹资源适配，优化配置制造资源、智慧管理供应链，推动企业闲置制造资源高效利用。检验检测方面，通过智能调度设备分发任务、检测解析数据、识别问题自动处理、智能管理数据回传，自动生成检测报告，提高产品良品率。封装验证方面，智能识别并匹配需求数据、流转数据及资源数据，智能管理样品仓储物流，科学配料、协同配置。