今日观点
AI 的下一波战场正在从模型层转向基础设施和硬件制造层。
① IBM 获 $20 亿 CHIPS 法案资助，拆分全球首个纯量子芯片晶圆厂 Anderon
发生了什么
IBM 与美国商务部于 5 月 21 日正式宣布成立 Anderon——号称「美国第一个纯量子芯片晶圆厂」。这笔交易背后是 $20 亿的 CHIPS 量子专项投资包，覆盖 9 家公司：
- $10 亿 直接拨给 IBM 的 Anderon，用于建设位于纽约州奥尔巴尼的 300mm 量子晶圆制造设施
- $3.75 亿 给 GlobalFoundries，建立其量子业务线（同样具备 300mm 能力）
- 其余 7 家公司（D-Wave、Rigetti、Infleqtion、Atom Computing、PsiQuantum 等）各获 $3800 万至 $1 亿的股权投资
Anderon 将专注于超导量子比特晶圆及相关电子控制晶圆的制造，未来计划扩展到其他量子模态。IBM CEO Arvind Krishna 将这一时刻类比为「十年前的 AI 芯片」，预测到 2030 年代中期，该业务每年可带来数十亿美元销售额并保持高利润率。
政府将在这 9 家量子公司中均持有少数股权——这是 Commerce Department 在 Intel、稀土初创 Vulcan Elements 等项目上已经应用的交易结构。
为什么重要
这笔投资揭示了一个关键的战略判断：美国政府认为超导硅是唯一能够利用现有 300mm 半导体制造基础设施的量产级量子模态。
Anderon 的 $10 亿 vs Diraq 的 $3800 万——50:1 的融资比例几乎是一份「技术路线图投票」。300mm 晶圆相比 200mm 的吞吐量优势是 30 倍：复杂度提升 10 倍，设备产出率提升 3 倍。而 SkyWater 等 200mm CMOS 晶圆厂虽然更灵活，但无法复制这种迭代速度。
这也意味着量子计算的竞争在 2026 年正式从「实验室研发」转向「制造竞赛」——和 AI 芯片的剧本一模一样。
对你有啥用
如果你是硬件/芯片从业者：关注 Anderon 的 ASIC 控制芯片进展——IBM 正在开发 4 款定制 ASIC（解码器、双量子比特门控制器、单量子比特控制器、放大器），计划 2029 年收敛。这些芯片的制造进度是量子计算量产化的关键信号。
如果你是 AI/量子投资者：CHIPS 法案的「制造优先」策略意味着超导量子路线会获得更多政府资源和人才，其他模态（离子阱、光量子、中性原子）面临更大的融资压力。
② Microsoft Copilot Cowork 被曝严重安全漏洞：通过提示注入即可窃取文件
发生了什么
安全研究公司 PromptArmor 发布了一份详细报告，披露了 Microsoft Copilot Cowork 的一个严重安全漏洞。研究发现，攻击者可以通过间接提示注入（indirect prompt injection）操控 Copilot Cowork 窃取用户的 SharePoint 和 OneDrive 文件。
攻击链如下：
- 受害者上传一个「中毒」的 Skill 文件到 Copilot Cowork（比如从网上下载的共享 skill）
- 受害者让 Copilot Cowork 做日常工作（如「回顾本周工作」）
- 恶意 Skill 操控 Copilot Cowork 通过 Teams 发送一条包含「预认证下载链接」的消息
- 受害者打开 Teams 消息时，链接中的外部图片触发网络请求，文件被泄露
关键发现：
- 该攻击在 Claude Opus 4 上 5 次测试全部成功（100% 成功率）
- 攻击仅需在 81 行的 Skill 文件中插入 5 行恶意文本
- 注入源不限于 Skill 文件——MCP 服务器、Chrome 扩展等均可作为入口
- 管理员对 Copilot Cowork Skills 的监管能力非常有限，因为 Skill 文件从用户 OneDrive 的特定路径自动加载
PromptArmor 还发现了一个可直接从 Copilot Cowork 沙箱环境泄露数据的独立漏洞，已向 Microsoft 披露。
为什么重要
这是目前关于 AI Agent 安全风险最具体、最可复现的实证报告之一。
Copilot Cowork 的问题核心在于：它拥有通过 Microsoft Graph 读取几乎所有用户资源的权限，但「发送 Teams 消息」和「发送邮件」这两个高危操作不需要人工审批。当 AI Agent 同时具备「读文件」和「发消息」能力时，提示注入的杀伤力就指数级放大了。
更令人担忧的是定时任务功能——用户不在场时，攻击链可以自动重复执行，且用户不易察觉。
对你有啥用
如果你在使用 Microsoft 365 / Copilot Cowork：立即检查以下安全设置：
- 在 SharePoint Online Management Shell 中运行
Set-SPOSite -BlockDownloadPolicy $true限制预认证下载链接 - 审查并限制用户的 Skill 文件上传权限
- 关注 Microsoft 对 PromptArmor 披露漏洞的修复补丁
如果你是 AI Agent 开发者：这是必读的架构安全参考——在让 Agent 同时拥有「读权限」和「发送消息权限」之前，三思。
③ 挪威部署 2PB 华为闪存，打造国家级 LLM 训练基础设施
发生了什么
挪威正在建设一套大规模 AI 基础设施，核心存储层采用了 2PB 的华为全闪存阵列，专门用于大语言模型训练。据 Blocks & Files 报道，这套存储系统由华为提供，部署在挪威的 AI 计算集群中。
2PB 的全闪存配置意味着这套系统的 I/O 性能可以支撑大规模训练任务——考虑到 LLM 训练时 checkpoint 写入、数据加载、以及混合精度训练对存储吞吐量的需求，全闪存（而非混合存储或 HDD）方案确保训练不会因为 I/O 瓶颈而浪费 GPU 算力。
为什么重要
这条新闻有多个值得关注的层次：
- 华为存储进入欧洲 AI 基础设施市场——尽管美国对华为有技术限制，但挪威的选择表明华为的存储产品在性能和性价比上仍有竞争力
- 国家级 AI 基础设施建设加速——挪威不是 AI 大国，但已经开始为 LLM 训练构建专用存储层
- 闪存成本下降正在改变 AI 基础设施架构——2PB 全闪存在几年前是天文数字级别的投资，如今已成为国家级 AI 项目的可行选择
对你有啥用
如果你在做 AI 基础设施规划：关注存储架构在 AI 集群中的比重变化。当大家都在卷 GPU 数量和训练框架时，存储层可能成为被忽视的瓶颈。全闪存不仅意味着速度快，更意味着 GPU 利用率更高——而这直接关系到训练成本。
如果你是出海 AI 企业：华为存储在欧洲 AI 市场的存在感在增强，了解其产品特性和生态集成对你做基础设施选型有帮助。
④ CPPL：一种让 AI 帮你设计芯片电路的「编译中介」编程语言
发生了什么
一篇 arXiv 论文提出了 CPPL（Circuit Prompt Programming Language）——一种编译器中介的硬件设计框架，目标是让 LLM 能够可靠地生成芯片电路。
核心思路：与其让 AI 直接生成难以验证的 RTL（寄存器传输级）Verilog 代码，不如设计一个中间表示层：CPPL 提供了一个 Python 前端 DSL，开发者用其声明模块接口和层级结构，AI 在此基础上生成 CPPL IR（JSON 格式电路表示），编译器自动推断操作宽度、验证层级和端口绑定、合法性检查，最终降级到 CIRCT 硬件编译器基础设施生成可综合的 Verilog。
在 RTLLM 基准测试上，CPPL 相比直接生成 Verilog 和直接生成 CIRCT IR，在功能正确率上有显著提升，且 CIRCT 优化进一步降低了综合后的 AIG 节点数量。项目已开源。
为什么重要
这可能是**「AI 生成代码」方法论的范式迁移——从「端到端生成」转向「编译中介」**。
直接让 AI 写 Verilog 的问题和直接让 AI 写生产级代码的问题一样：输出格式自由度高、难以验证、语法错误频出。CPPL 的做法是让 LLM 在「编译器可控的中间语言」中工作——然后让编译器做剩下的转化和优化。这和前端开发的 TypeScript → JavaScript 思路异曲同工。
更广泛的意义是：AI 辅助硬件设计正在从「Demo 阶段」走向「工程可用阶段」，而这对于缓解全球芯片设计人才短缺有着战略意义。
对你有啥用
如果你是芯片/EDA 从业者：关注 CPPL 的 GitHub 仓库和后续发展——编译器中介的方法论如果成熟，可能改变 EDA 工具链的工作方式。你现在就可以尝试将 CPPL 集成到硬件设计流程中。
如果你只是对 AI 写代码感兴趣：理解 CPPL 的「编译中介」思路——LLM 输出一种受限的结构化 IR，再由编译器转译为最终代码——这是一种值得借鉴的「AI 输出质量控制」模式，可以迁移到其他领域。
📊 今日数据速览
| 事件 | 影响力 | 建议操作 |
|---|---|---|
| IBM 成立 Anderon 量子芯片晶圆厂，获 $20 亿 CHIPS 资助 | ⭐⭐⭐⭐⭐ | 硬件从业者关注 ASIC 控制芯片进展，量子投资者关注超导路线优势 |
| Microsoft Copilot Cowork 被曝通过提示注入窃取文件 | ⭐⭐⭐⭐⭐ | M365 用户立即限制 SharePoint 预认证下载链接 |
| 挪威部署 2PB 华为全闪存用于 LLM 训练 | ⭐⭐⭐ | 关注存储架构在 AI 集群中的角色，出海企业了解华为存储进展 |
| CPPL：编译器中介的 AI 芯片设计语言 | ⭐⭐⭐ | 芯片/EDA 从业者关注方法论，学习「编译中介」的 AI 质量控制思路 |
💡 小编视角
今天的四则新闻有一个清晰的共性：AI 行业正在从「谁有更好的模型」转向「谁有更好的基础设施和制造能力」。
IBM 的 $20 亿量子晶圆厂不是关于量子物理的突破，而是关于「谁能把量子芯片造出来」。挪威的 2PB 华为全闪存不是关于模型架构创新，而是关于「谁能把训练跑得更快更便宜」。Copilot Cowork 的安全漏洞不是关于 AI 能力的边界，而是关于「AI Agent 的安全架构远未成熟」。CPPL 不是关于更好的 AI 模型，而是关于「怎么让 AI 的输出变得工程上可靠」。
这四件事放在一起看，2026 年下半年的主旋律已经很明显了：
- 量子计算进入「制造」阶段 —— 2025 年大家讨论的是量子优势的演示，2026 年讨论的是晶圆厂的产能和 yield
- AI Agent 安全将成为 2026 下半年的核心议题 —— Copilot Cowork 的漏洞只是冰山一角，更多 Agent 安全漏洞会在未来几个月被集中披露
- 国家级 AI 基础设施竞争加速 —— 连挪威这种人口 550 万的国家都在建设 AI 训练集群，意味着 AI 算力正在从一个商业问题变成一个地缘战略问题
- 「编译中介」是 AI 工程化的关键模式 —— CPPL 的思路可以推广到更多领域：先定义好受限的中间语言，再让 AI 在其中生成，最后由编译器做保底校验
📌 更多 AI 工具对比与在线工具，微信搜 AI Toolkit 或访问 navbox.com.cn 获取
📌 每日 AI 资讯更新，关注 navbox.com.cn/news/