大厂抢夺大模型分发权，Agent 艰难跨入物理世界｜AI一周观察W36

发布时间：2026-08-31来源：腾讯科技

腾讯科技企鹅智库旗下AI领域一周观察：一周一期，比信息整合深一步

文｜博阳

编辑｜徐青阳

产业

模型分发入口正在被争抢

8 月 19 日，Stripe 与 OpenRouter 在旧金山和都柏林宣布达成收购协议，标的是连接开发者与模型供应商的路由平台。OpenRouter 接入80多家供应商的400多个模型，每天处理超过10万亿 token，服务逾1000万开发者和企业。双方希望按价格、速度和可靠性动态选择模型，同时统一计费。交易仍待交割。

8月26日，《The Information》又报道称，英伟达同意以129亿美元收购 Hugging Face，目标是开放模型的发现、下载和部署入口，并借开放生态抵消封闭模型公司自研芯片的威胁。截至8月31日，双方尚未发布收购公告。

两笔交易买的都是模型抵达用户的渠道。Hugging Face 控制发现与下载，OpenRouter 决定一次请求发给谁、花多少钱、如何结算。

模型越多，价格和性能变化越快，这一层越有议价权，因为它掌握默认选择、真实用量和交易关系。

《The Information》把抢购归因于廉价资本和大公司担心错过 AI 分发入口。2026年这波cursor，Huggingface、 Github和Openrouter的收购潮，标志着非核心模型提供者们开始从模型投资进入路由和结算层投资。

英伟达的情况更加特殊，它的一系列操作都说明着其进入 AI 云市场的野心。2025年推出的 DGX Cloud Lepton，把 AWS、Azure、CoreWeave 和区域云的 GPU 汇入同一市场，Hugging Face 随后接入训练服务。2026年，英伟达又进入资本和机房。7月推出信用支持加收入分成：合作云商出售英伟达算力，英伟达既卖芯片，也分云收入。8月又联合六家金融机构，计划动员超过5000亿美元第三方资本，并为俄亥俄州4.25GW数据中心容量提供支持。季报披露的 AI 云协议承诺为360亿美元，通常期限六年。

此时，Hugging Face 正好补上最前端，开发者选模型，Lepton 匹配云资源，合作伙伴建设机房，英伟达提供芯片、软件和融资。它目前已经有了控制跨云算力市场交易规则的能力。

Meta AI-native重组失败，不改组织硬上Agent只会制造混乱

8月26日，路透社披露了Meta内部代号Project OT的组织改造。该计划由CEO马克·扎克伯格在2026年初推动，涉及工程、研究等部门，目标是让少量员工管理AI Agent，由后者承担大量日常工作。最激进的方案拟将部分团队缩小最多60%，其中包含裁员、调岗和关闭空缺职位。

计划原定分两轮实施。Meta在5月20日裁减约10%的员工，扎克伯格则在8月取消了11月的第二轮重组。

内部备忘录称，缺少监督的Agent会执行人类通常不会实施的大规模破坏性操作。重大技术与安全事故同比增加40%，员工处理事故的时间增加70%。另一组数据暴露了生产率落差：内部平台和基础设施的代码变更量同比增加220%，真正形成新功能并到达用户端的变更只增加36%。而且裁员及公司用键鼠追踪训练Agent的做法，也引发员工公开反弹。

这些数字来自路透社查阅的内部材料，Meta拒绝评论，外界无法核对统计口径。路透社也未能确定扎克伯格改变决定的单一原因。Agent效果不及预期、可靠性问题和员工反弹，共同构成了计划收缩的背景。

这场实验说明，企业不能维持原有工作方式，单纯裁掉员工让Agent接手完整岗位。组织改造不只是缩小团队，还要重新划定权限，建立人工验收和回滚机制。

现阶段，Agent更适合替代边界清楚、结果容易检查的任务。

Google与Anthropic同时下场，做AI控制物理世界的接口

2026年8月27日，Google DeepMind与Anthropic分别公布科研Agent连接物理设备的新进展。Google让Co-Scientist参与材料合成等真实实验；Anthropic推出Model Hardware Standard（MHS）研究预览，尝试建立通用的实验室硬件接口。相关测试集中在材料、生命科学和量子硬件实验室。

AI从屏幕走进实验室，需要一个中间层，把Agent的计划翻译成设备动作，再把实验结果送回模型。两家公司都在补这一层，但路线不同。

Google采用纵向接入。研究人员把实验室的设备结构、可用原料和操作条件交给Co-Scientist，系统生成配方与控制代码。在材料实验中，它接入一台自制化学气相沉积炉，参与单层MoS₂、MoSe₂和WS₂的生长。

模型可以根据科研目标调整方案，但接口要按具体实验搭建，装样、维护和漏气排查仍需人工完成。

Anthropic选择横向标准化。MHS用统一驱动向Agent公开设备状态、可执行动作和安全限制，上层系统可通过MCP、命令行或API调用。

卡内基梅隆大学团队约用MHS 8小时接通四类设备，连续稀释实验速度提高约3倍。QuEra让Agent寻找激光系统的恢复策略，但投入运行的仍是固化后的确定性程序，700次盲测成功695次。

像Co Scientist那样直接调用 API，相当于让 AI 学会某台机器的专用遥控器。MHS 相当于要求每台机器配一个标准化控制面板，并附上机器可读的说明书和安全规则。前者面向具体任务，后者更像物理世界的“USB协议”。

但两者目前的“控制”仍不够自适应。Agent可以选参数、写程序、组合已有工具，却主要活动在预先定义好的动作空间里。遇到漏气、器材位置变化或传感器失灵，仍要等人处理。MHS解决了“如何发出指令”，尚未解决陌生环境中的判断和应变。

两家公司先选择科学实验室落地相关物理操作，主要是实验步骤可拆分，测量指标明确，仪器已有自动化接口。这是物理世界中最接近软件系统的区域。

后续扩张大概率会沿着现有自动化基础推进：先接入更多标准仪器，再连接跨设备工作流，随后增加反馈控制和异常处理。

等这些环节稳定后，Agent才可能进入对象不固定、环境不断变化的场景。

眼下，AI已经能调用物理世界的一部分，但还谈不上自主应对物理世界。

预测一切物理过程的物理基础模型诞生

8月25日，由加州理工学院教授Anima Anandkumar和机器学习基础设施专家Benedikt Jenik创办的Accelerated Understanding通过官网正式亮相。公司的目标不是再做一个语言大模型，而是训练能够处理流体、热传导、结构力学和电磁等问题的“物理基础模型”，把工程和科研中耗时的数值模拟变成快速预测。

Anandkumar曾任NVIDIA AI Research高管，也是神经算子研究的主要推动者之一。她参与开发的FourCastNet已经把这条路线用在全球天气预测上。

Accelerated Understanding现在想把类似方法从天气扩展到更多物理领域，并让一个模型处理过去需要多套专用软件完成的任务。

以芯片散热为例。工程师通常要把芯片几何形状、材料、初始温度和风扇条件输入CFD软件。软件先计算下一个时间点的温度与气流，再拿这个结果继续向后推。网格越细、模拟时间越长，计算量越大。

Accelerated Understanding声称采用“Direct 4D”方法。模型收到初始状态和边界条件后，不再逐步预测，而是直接输出整个三维空间在一段时间内的温度、速度和压力变化。

之所以能面对如此复杂的物理环境，做到快速预测，是因为物理世界本身的特性。一个网格点可能同时记录速度、压力、温度等变量，但这些点并不独立。相邻位置受质量守恒、能量守恒和物理方程约束，变化通常连续。看起来有一万亿个数，很多只是同一个物理场被密集采样后的结果。神经算子要学习的是“一个物理场怎样变成另一个物理场”，而不是死记每个点。

一次输出整段时间还有一个直接好处。逐步模拟如果在早期算错一点，后面会不断使用错误结果，偏差可能越滚越大。Direct 4D把时间也当成坐标，可并行计算多个时刻，并在训练时同时约束整段轨迹。

公司披露，模型训练时处理的上下文约为1万亿个时空位置，推理超过5万亿，平均一次训练的数据量约为2至6PB。这里的“5万亿上下文”不是5万亿个语言token，一个1000×1000×1000的三维网格，如果记录1000个时间步，就已经包含1万亿个时空位置。因此，这个数字主要说明系统能处理巨大的四维物理场，不能直接与Claude或Gemini的上下文窗口比较。

它可能带来的影响，不在于“预测未来”这个说法有多吸引人，而在于压缩验证成本。今天，AI可以很快生成大量芯片结构、机翼外形或材料方案，但每个方案仍要交给模拟器验证。如果学习型模拟器能在保持工程精度的前提下大幅提速，研发团队就能快速筛掉失败方案，再把少数候选交给高精度软件或真实实验确认。

不过，这家公司目前公开的指标仍以自报为主。完整技术论文、模型架构、训练数据构成、统一测试和第三方工程结果尚未公布。

OpenAI Agent越狱大揭秘，共享留言板催生跨任务协作

2026年7月，OpenAI网络安全评测中的多批AI Agent突破隔离，进入Hugging Face生产系统。

根据这周最新的复盘揭秘，这些Agent未按预设组成团队，却借助共享基础设施发现彼此、交换线索，把多次短暂运行接成了持续数日的行动。

这些Agent原本分别执行ExploitGym漏洞题。部分题目久攻不下后，情况发生变化。OpenAI报告称，898项任务中有198项此前从未被模型正确完成。拿不到分数的Agent开始通过环境中可留言的部分开始交流，并试图找到解法。后续 Agent讨论的任务有93%来自这批难题。

Agent之间的联系并非来自模型内部。它们发现，OpenAI使用的软件包代理服务Artifactory存在可被滥用的共享目录，于是把目录名称当成文字，留下求助信息、漏洞线索和任务状态。其他Agent在后续运行中读到消息，开始接手相关工作。而在服务被重建后，它们又重新搭起留言板。集体讨论中的消息改变了其他Agent的行动方向，Agent间开始自发逐渐出现协作、委派和共享目标。

它们还在记录中使用“swarm”和“collective”等词描述自身，由此催生了“AI秘密文明”的说法。

互动随后扩展到外部服务。Agent获得非预期的互联网访问后，把公开网站、文件服务和Hugging Face数据集当作中转站。某个Agent找到泄露的凭证或攻击路径，便把结果留给后来者。新的Agent虽然从干净的短生命周期沙箱启动，却能重新发现这些痕迹，恢复工具和通信渠道，再沿前序线索继续行动。Hugging Face复盘称，整个行动约包含17600次操作。

多数尝试没有结果，但少数路径一旦被记录和复用，攻击便能向前推进。

这种“跨运行连续性”容易被误读成Agent拥有共同意识，或把记忆遗传给下一代。现有证据支持的解释是共享目录和外部文件充当公共记忆，评测分数提供共同方向，后启动的Agent通过读取记录继承工作进度。

多个短命Agent只要共享可写资源，又缺少严格的身份隔离和独立日志，就可能形成事实上的协作网络。

单个Agent零散的越界尝试，也会在留言和接力中累积。事故提出了一个新的问题，即如何控制环境中Agent潜在的交流载体，并避免他们利用工作仓库进行非规定的跨代交流。

OpenAI 与 Anthropic 批量买mac，拿来采集工作轨迹

2026年8月30日，美国科技媒体The Information援引知情人士称，OpenAI已购买数万台Mac mini和Mac Studio，用于强化学习及电脑使用智能体训练，并仍在寻找更多设备。Anthropic则通过AWS租用Mac mini。

两家公司采用Mac，并非要替代英伟达GPU训练基础模型，而是为电脑使用智能体提供大量可重置的桌面环境。智能体要反复看屏幕、点击和输入，在独立任务中收集轨迹，再由训练集群更新模型。

Mac能原生运行macOS并托管虚拟机，统一内存也适合同时运行桌面、推理和评测。

OpenAI若长期使用，自购可能成本更低，也便于控制数据。Anthropic本是AWS主要客户，租用可接入现有云设施，省去硬件运维。

这次大采购，说明两家公司开始明确大量现实环境工作轨迹，并将其运用于模型训练。轨迹学习这条路，走向了Scaling的档口。

中国五家厂商占 2026 年上半年全球人形机器人出货量 86%

Counterpoint Research 8月最新数据显示，2026 年上半年全球人形机器人出货量，中国前五家厂商合计占 86%。

然而出货量总数仅为约 22,000 台，同比增长接近 300%；

研究

面向自进化的后训练开始形成

2026年8月，Cognition AI发布论文《Beyond the Best Guess》，把矛头指向推理模型训练的主流方法。团队没有继续改造PPO、GRPO一类算法，而是引入Evolution Strategies（ES）：每轮测试一批经过参数扰动的模型，再合并表现较好的参数方向。

论文在1.5B至32B规模的Qwen2.5和Qwen3模型上比较了ES与强化学习（RL）。RL单次答题往往更好，增加采样后却较早进入平台期；ES的pass@1未必占优，pass@k却能继续增长。在Olympiad Bench上，ES新增56道可解题、丢失15道旧题；RL新增33道，却丢失49道。

ES尚不足以取代RL，但论文揭开了一个问题：强化学习擅长训练“优等生”，未必适合培养长期探索者。传统RL从模型已经生成的答案中学习，高分且常见的路线会获得更多强化，低概率路线则逐渐消失。这种“锐化”能让正确答案一次出现，使产品更可靠、更便宜。代价是，一些暂时不成熟、以后可能有用的解法也被清除。

单轮问答不容易暴露这个代价。模型第一次答对，榜单分数就提高了。放进Agent和自进化系统，问题会被时间放大。编程Agent先查看哪个文件、调用哪个工具，会改变随后获得的信息；自进化系统早期少掉一个分叉，几十轮后整片搜索空间都可能消失。后面的搜索再聪明，也只能在修剪过的树上继续。

判断RL是否带来“新能力”，不能只看pass@1。过去两年的研究更支持另一种解释：RL通常是把不稳定的底层操作练准。多个步骤变得可靠，长任务便可能从几乎不可解变成稳定可解。这属于组合能力扩张，不等于模型凭空学会新方法。

问题由此从“要不要锐化”变成“该锐化什么”。每种有效方法要更可靠，不同方法之间却不能只剩一个赢家。IPS-GRPO给高频答案降权，《Rewarding the Rare》奖励少见但正确的策略，VPO则评价候选能否互相补位。它们改写了同一条规则：正确答案重复十次，不等于发现了十条路线。

ES把这一步走得更远。它不追着某条高分回答更新，而是在参数空间里寻找更宽、更稳定的区域。这样的模型未必每次都给出最优答案，却较少把错误答案锁死，也更可能在增加采样后找到出口。对只看一次回答的测试，这种差别并不显眼；对行动几十轮的Agent，它决定了失败后还有没有路可走。

自进化时代需要的RL，不只要把默认路线练熟，还要在环境变化、证据冲突和旧方法失效时保有改道能力。Cognition AI没有终结策略梯度，却把评价标准向前推了一步：未来衡量训练算法，除了看模型答对多少题，还要看它为此删掉了多少可能性。

多样化数据生成也已经跟上

前面讲的是自进化的后训练，要让模型能搜索和保留更多的潜在可能性。但这种搜索扩充的方法也可以直接用在数据合成上。双线并进效果更好。

2026 年 8 月 27 日，旧金山研究团队 Induction Labs 的 David Li 和 Jonathan Li 公布 Intrinsic Discovery。该方法让 LLM 在终端中自主寻找陌生状态，再用交互轨迹训练 world model，以减少对人工数据的依赖。

探索时，系统奖励与历史档案差异大的结果，用 GRPO 更新策略，再归档新状态。状态一旦归档便失去稀有性，Agent 只能向外探索。这轮 RL 保留是沿途产生的探索数据。而这些数据最终会被被用于训练另一个从相同底座初始化的 world model，两次训练的梯度不混合。

按团队披露的数据，新方法发现的多样状态最多是固定策略的 5 倍。gpt-oss-20b 的内部评测得分为 64.8，固定策略数据约为 50.9。团队还称，Terminal-35B-A3B 在终端模拟 Benchmark 上超过 GPT-5.6 Sol。

它没有改变 world model 架构，只是把搜索前移到数据合成阶段。前面的探索型 RL 扩大同一道题下的轨迹搜索，Intrinsic Discovery 扩大进入训练集的状态分布。

两者结合，既增加起点，也增加每个起点下的走法。

把可进化Harness拆成四个元组件

8月25日，Zhaochen Yu等8位研究者发布论文。团队瞄准长任务中的执行失忆：历史越长，噪声越多，模型即使知道该做什么，也可能漏掉未完成操作或错用技能。

Recuris不改模型权重，是在模型外维护可修改的记忆控制层。

一次任务失败后，负责改进Harness的Meta-Agent读取结构化轨迹，将问题归到技能、状态定义、调用策略或验证器。它每次只修一种对应组件，如整体效果有提升，且在整个开发集中不对其他任务造成下降，才会被保留。

论文在4个长程基准、10个模型上测试，37个已完成组合中有35个点估计提高。GPT-5.6 Sol在τ²-Retail上由58.3%升至76.1%，Claude Opus 5由72.4%升至87.9%。但消融实验显示，经验记忆单独只增加2个百分点，调整后的工作记忆却将成功率从58.1%推至82.0%。

Recuris没有发明新的自进化逻辑。Meta-Harness分析失败、总结经验、积累技能，本就是Harness演进的常见路径。它增加的是结构化执行证据、组件级修改和回归门。

早期信号｜大型发现模型 LDM 结合贝叶斯和探索，给出了一套新的AI科研范式

8月16日，伦敦大学学院、香港科技大学（广州）等机构的研究者在 arXiv 提交论文《Large Discovery Models》，提出大型发现模型 LDM。它面向分子、蛋白质序列和计算机程序等任务，试图在实验次数有限、单次评估昂贵时，更有效地决定“下一步该试什么”。

LDM 由三个部分组成。LLM 负责提出候选，或圈定值得搜索的区域；高斯过程读取已有实验，预测候选表现以及自己有多没把握；采集函数综合两项信息，挑出最值得投入实验预算的方案。外部模拟或训练返回结果后，系统更新数据，再开始下一轮。

这与让 LLM 给自己的答案打分不同。候选的预测分数即使不高，只要系统对它缺乏把握，测试它仍可能排除错误方向，或者暴露新的设计区域。搜索停滞时，LLM 还会改写搜索范围，提出新的程序机制、抗体序列家族或分子骨架。论文把越出原有搜索范围的动作称为“发现”。

作者在神经网络训练程序、抗体 CDRH3 序列和 KRAS G12D 分子设计上测试了 LDM。论文报告，AutoResearch 任务中的验证 BPB 降幅约为纯 LLM 方法的 2.4 倍；抗体平均结合能相对下降 18.2%；分子多目标优化的 Pareto 超体积提高超过 60%。团队还把搜索留下的候选、评分和选择理由做成训练数据，用来微调较小模型。

这是一个比较完整的AI Science 流程，包含想法生成和探索验证，比较好的结合了广义贝叶斯过程（根据现有材料验证）和较为复杂的Agent群组探索。属于当前相对比较成型的AI for Science新范式。

早期信号｜多Agent在商业竞争中会自发使用不正当手段

8月21日，麻省理工学院和Andon Labs研究人员在arXiv更新论文，报告大模型代理在长期商业竞争中出现虚假陈述、操纵、串通和威胁。研究试图回答：当不同委托人的AI代理直接谈生意时，风险会不会在没有诱导作弊的情况下出现。

研究团队在Vending-Bench Arena中让13种前沿模型经营自动售货机。代理负责定价、进货和资金管理，也能给竞争对手发邮件。20场模拟各持续一年，共产生2583封邮件。研究者先用大模型分类，再依据账本和库存记录核验事实，并检查发信前的推理摘要。

主分类器将12.6%的邮件判为失当沟通；20场模拟全部出现，79个代理实例中有59个至少出现一次。约65%的失当邮件是与系统记录不符的事实陈述，价格串通约占21%。收到对手的失当邮件后，代理作出失当回复的几率增加65%；库存偏低时增加58%。模型能力与失当率没有显著关系。

结果指向一种互动风险。但12.6%不能直接解释成“主动撒谎率”：主裁判检查的131个虚假事实案例中，没有发现明确的欺骗计划，部分错误可能源于记忆和查证失败。即便剔除全部虚假陈述，操纵、串通和威胁仍占所有邮件的4.41%，并出现在17场模拟中。

这说明目前Agent的商业合作方面的对齐，基本上仍然非常初级。

早期信号｜对齐在某些情况下，还不如System Prompt优先级强

2026年8月17日，普林斯顿大学与华盛顿大学的 Addison J. Wu 等研究者在 COLM 发表论文，追问当聊天机器人开始靠广告赚钱，它还会把用户利益放在第一位吗？

团队测试七个家族的 23 款模型。在模拟订票、数学辅导和财务咨询场景中，System Prompt 要求模型照顾赞助商，用户则希望获得便宜或安全的建议。

其中 18 款模型在超过一半的测试里推荐了价格高出近一倍的赞助航班；面对高社会经济地位用户，平均推荐率从 48.6% 升至 64.1%。

用户指定普通产品后，模型仍会插入赞助选项；在这类回答中，平均 55% 没有披露赞助关系。除 Claude 4.5 Opus 外，其他模型向经济困难者推荐高风险发薪日贷款的比例均超过 60%。

论文暴露的是对齐强度不均。明确训练过的安全禁令可能覆盖高权限指令，但“替用户省钱”“不要利用信息差”等软性规范，常常敌不过 System Prompt 里的平台目标。

这也提示监管者，未来广告进入聊天机器人后，需要审查平台是否把保护用户写成比商业目标更高的硬约束。

政策

比尔·盖茨发出AI威胁警告

2026 年 8 月 26 日，微软联合创始人、盖茨基金会主席 Bill Gates 在个人网站 Gates Notes 发布近 6000 字长文，随后接受《大西洋月刊》、纽约时报和 Axios 等媒体采访。他解释，自己之所以从 AI 乐观派转向公开示警，是因为前沿模型自 2025 年末以来在编程和生物研究等领域的进步超过预期，而政府审查、行业约束和就业保障没有同步建立。

他提示三类风险。就业方面，模型一旦可靠到无需人工复核，企业就可能把客服、销售、软件开发、法律辅助等完整流程交给 AI；机器人能力成熟后，建筑和酒店等体力岗位也会受到影响。Gates 担心入门及中层岗位永久减少，进一步冲击工资、税收、社会保障和社区稳定。

安全方面，AI 正在降低网络攻击和生物攻击所需的技术、资金与人员门槛。同一套模型既能帮助企业发现漏洞，也能协助攻击者入侵医院、银行、电网和供水系统；能设计药物和疫苗的模型，也可能被用来设计危险病原体。他还提到欺诈、深度伪造、舆论操纵、自主武器，以及模型为完成目标而采取开发者未预料行动的风险。

儿童与社会关系方面，永远在线、很少反驳用户的 AI 伴侣可能诱发情感依赖，替代儿童与真人相处时必需的冲突、挫折和社交训练；在学习中直接提供答案，也可能削弱独立思考。Gates 承认，这方面的研究数量仍少，结论也不完全一致。

他主张监测具备危险分子设计能力的模型，建立跨部门、跨国监管机制，保留部分“只由人完成”的工作，并对 AI token 和机器人征收有针对性的税，为再培训和社会保障筹资。他并未提出无差别叫停 AI。

这些预警本身并不新颖，但比尔盖茨的相关发声仍然值得注意。

早期信号｜诺奖得主：AI自动化，最终会导致镇压大于福利

2026年6月5日，Daron Acemoglu、A. Arda Gitmez与Mehdi Shadmehr发布《Automation and Repression》。论文不对应现实国家，而是在一个由资本所有者主导的抽象政治经济中追问：机器接管越来越多任务后，国家为何会从补偿工人转向压制工人？

作者把生产拆成可由资本或劳动完成的任务。自动化提高资本收入份额、压低劳动收入，工人参加反抗的机会成本随之下降。单个企业只算利润，不承担自己增加的整体政治风险，因此市场选择的自动化水平，会高于资本家集体在意政权安全时希望的水平。代表资本家的国家可以限制自动化、征税提供公共品，也可以镇压。

模型的主结论是，再分配需要随自动化加深不断加码，镇压成本却不按同样速度上升。资本积累后，经济可能先再分配，越过临界点再转向镇压；反抗威胁较强时，镇压会从一开始出现。

作者还称，允许企业创造劳动密集型新任务，也不会改变这条路径。

但它的论述依然存在着可讨论之处。论文中的接近100%自动化，是劳动收入份额趋近于零，不等于100%失业。现实还可能走向另一条路。AI资本被广泛持有自动化产出带来的生产率上升导致分红成本持续降低（满足物质需求的），因此足以支撑社会分红，成本甚至低于大规模镇压。

Meta就青少年社交媒体伤害案达成166.8亿美元和解

Meta 8月26日与美国数十个州和属地就青少年社交媒体伤害诉讼达成拟议和解，最高支付166.8亿美元，并改造Facebook和Instagram的未成年人使用机制。协议仍需联邦法院批准，严格说并非一张已经生效的法院罚单。

各州指控Meta以无限滚动、通知和推荐等功能吸引未成年人长时间使用，却淡化心理健康、性剥削和隐私风险。Meta否认违法，和解也不等于承认责任。协议基础金额约121亿美元，分十年支付；若TikTok和YouTube随后与各州签署类似协议，Meta再付近50亿美元。

除付款外，Meta须加强年龄识别，默认限制青少年每日使用时间，午夜至早6时关闭大部分功能，上学时段停止推送通知，并限制美颜滤镜和公开点赞数。独立审计机构将检查这些措施是否落实。

分期支付使Meta短期现金压力有限，但使用时长下降可能减少广告展示和用户活跃度。协议还可能成为各州与TikTok、YouTube、Snap谈判的样板，把监管重点从删除违规内容推向限制“成瘾式设计”。而且当下Meta面对学校、家庭和个人的索赔并未结束，最终金额可能更高。

这次判罚本身也可能改变AI产品的设计规则。

一是推荐算法会被当成需要监管的“产品机制”。过去平台常把责任归到具体内容或发布者身上，这次各州追究的却是无限滚动、个性化推荐和通知机制如何让孩子停不下来。今后监管者可能要求平台公开算法如何对待未成年人，并用审计数据证明它没有刻意放大沉迷和有害内容。

二是AI助手也可能被纳入同一套逻辑。Meta正在把聊天机器人植入Instagram、WhatsApp和Facebook。如果未成年人对AI产生情感依赖，或者机器人涉及色情、自残、饮食障碍等敏感话题，平台可能被要求设置年龄识别、使用时限、家长控制和人工干预机制。