格隆汇6月18日｜以色列AI安全技术公司Dream在最新一轮融资中筹得2.6亿美元，估值达到30亿美元，主要提供AI与网络安全服务。Dream联合创始人表示，本轮融资由Bicycle Capital和Group 11领投，公司估值在一年多时间内接近翻了三倍。

格隆汇6月18日｜国家金融监督管理总局发布关于银行业保险业人工智能安全开发应用的指导意见。其中提到，健全风险治理体系。金融机构应将人工智能风险纳入全面风险管理体系，定期开展对人工智能应用风险及管理措施的评估审查。推动模型算法、数据资源、基础设施、应用系统等安全能力建设，完善业务及风险管理流程，防范模型生成结果不可靠风险，防止模型黑箱导致关键业务流程难落责问题。夯实数据安全、网络安全、个人信息与隐私保护和业务连续性基础。有效应对金融业务侧可能产生的投资策略趋同、放大市场波动风险，严禁滥用人工智能技术生成虚假信息、操纵市场价格。

格隆汇6月18日｜国家金融监督管理总局发布关于银行业保险业人工智能安全开发应用的指导意见。其中提出，促进行业人工智能应用生态建设。推进人工智能金融行业应用基础设施建设，促进人工智能应用成果在行业共享复用。鼓励大型金融机构发挥示范作用，向中小金融机构输出人工智能技术和管理经验。支持中小金融机构加强协作，共同推进应用场景落地。鼓励与人工智能产业加强协同，以金融应用促进产业创新发展，以产业成果促进金融应用提质增效。

格隆汇6月18日｜全球领先的物理AI公司Momenta今日(6月18日)取得中国证监会境外发行上市备案通知书。据文件，Momenta拟发行不超过43,754,060股境外上市普通股，并在香港联合交易所上市。备案获批，标志着Momenta的资本化进程迈出关键一步，将成“物理AI第一股”。IPO不仅将为Momenta的全球化布局和全场景拓展提供更坚实的资本支撑，还将为物理AI技术从理论研究走向规模化、产业化落地提供典型样本。 Momenta CEO曹旭东指出：“物理AI的核心是数据scaling和商业scaling，且二者形成正向反馈，而目前唯一实现这两者的是自动驾驶。”Momenta将自己定位为物理AI基座模型的构建者，而非单纯的自动驾驶公司，Momenta的世界模型将为物理AI提供时空基座。 今年4月，Momenta R7世界模型实现量产首发，标志着物理AI正式从技术理念走向规模化量产落地，实现从“看见世界”到“理解世界”的跨越。

格隆汇6月18日｜据每经，当大模型竞赛从“参数军备”转向“应用落地”，一个隐秘而高增长的底层生意正在浮出水面——“Token工厂”。6月16日，国内AI(人工智能)推理服务企业“硅基流动”官宣完成超20亿元B轮融资，创下2026年以来国内第三方MaaS(模型即服务)赛道最大单笔融资纪录。记者了解到，这家成立不足三年的企业，过去一年日均Token吞吐量达数万亿量级，营收同比涨超十倍，还曾在11个月内连获三轮融资，成为一级市场炙手可热的标的。 无独有偶，5月，同赛道企业无问芯穹、魔形智能纷纷宣布融资。其中，无问芯穹再获超7亿元融资，累计融资额超22亿元。截至4月底，无问芯穹Agentic MaaS大模型服务平台的日均Token调用量相较于去年底已增长超20倍。资本狂热加码的另一面，头部互联网大厂全面落地自研推理算力与MaaS服务、全行业API(应用程序编程接口)定价陷入白热化竞争、端侧轻量化模型持续分流云端Token调用需求。多重挤压之下，“Token工厂”普遍陷入业务规模高速扩张、盈利空间不断收窄的矛盾局面，如何走出增收不增利的困局成为赛道核心议题。

格隆汇6月18日｜杰富瑞的分析师在一份研究报告中表示，特朗普政府限制外国实体使用Anthropic顶级AI模型的举措可能难以长期维持。分析师表示，这些严格限制措施实施起来困难重重，并且可能会损害美国的AI系统。他们表示：“美国许多AI研究人员和工程师为外籍出生。如果将他们排除在前沿模型之外，可能会减缓科研进展，甚至将部分人才和使用场景推向海外，这并非美国政府所希望的。”

格隆汇6月18日｜在今日举行的2026陆家嘴“全体大会六：科技创新赋能金融高质量发展”上，中国银行副董事长、行长张辉表示，人工智能正在重塑银行业的发展范式，主要表现在三方面：一是重塑服务范式。AI改变了银行和客户之间信息数据传输和处理的方式，让兼顾普惠性、专业性、个性化的数字金融服务成为可能；二是重塑价值创造的模式。金融业的信息密集、流程清晰、规则明确，这与大模型的自动化、智能化的核心能力匹配，通过深度嵌入到银行的客服、营销、审批、风控、运营等环节，可有效促进银行降本增效；三是重塑银行业的管理范式。人工智能深度应用，需要对银行的组织架构、队伍建设、管理机制、治理体系、风险能力等方面进行系统性重构，实现从原来的经验驱动、人力驱动，转向数据驱动、智能驱动。

格隆汇6月18日｜在2026陆家嘴论坛“全体大会六：科技创新赋能金融高质量发展”上，中国农业银行董事长、执行董事谷澍表示，在应用大模型过程中，AI大模型当前面临的主要风险包括模型黑箱、模型幻觉、模型自主思考和决策带来的不确定性。在他看来，这种不确定性风险可进一步细分为三大类： 一是参数海量带来模型可解释性的难题。现在主流大模型的参数规模已经有千亿甚至万亿级别，海量参数的矩阵运算和生成非线性叠加导致模型的决策机制和输出结果不透明，也很难解释。 二是概率生成带来准确性的考验。大模型决策过程不像人类进行决策时有线性思维的过程，而是根据海量训练数据统计词源token的概率性规律，本质上是概率统计，不是逻辑性的事实推导。当数据和事实依据不足时，容易产生自洽的幻觉。 三是模型现在已能自主思考和决策了，随着大模型的进化和智能体的深度应用，它已突破传统软件输入输出相对固化的范式，能够自主思考，这在一定程度上放大了过程不可控、结果不可知的风险。