Meta在2026年第二季度披露了总额2790亿美元的未来租赁协议，专门用于AI数据中心，且未体现在当前资产负债表上，金额比上一季度暴增53%。这揭示了全球头部AI公司正在以“租赁”形式锁定未来数年算力，其对数据中心基础设施的长期投入远超外界预期。
OpenJDK 社区在 Oracle 推动下通过了禁止贡献 AI 直接生成内容的临时政策，但允许开发者私下使用大模型辅助理解、调试和审查代码。这项规定旨在平衡生成式 AI 带来的效率提升与其引发的代码质量、安全和知识产权风险。
Google Earth 新增“Create Image”按钮，内嵌 Nano Banana 2 模型，用户只需输入自然语言提示，即可对地图中的地点视图或信息图进行视觉编辑与风格调整，无需专业图像处理技能。
伦敦 SaaS 公司 Inforcer 完成 5000 万美元 C 轮融资，其核心业务是帮助托管服务商（MSP）集中管理中小企业的 Microsoft 365 环境。在 AI 工具普及和安全威胁加剧的背景下，这种“中小企业 IT 外包基础设施”的需求正在爆发，18 个月内该公司累计融资 1.1 亿美元。
TechRadar 提出了一个对抗 ChatGPT “最优解” 倾向的提示技巧——要求模型分别给出“常规方案”“非常规方案”及“结合两者优点的混合方案”。这种方法能立刻打破大模型的路径依赖，让回答从稳妥无聊转向具有洞察力的权衡分析，对重度用户和提示工程师有直接参考价值。
伦敦云基础设施公司 Nscale 以约 16.5 亿美元收购 AI 效率平台 Anyscale，后者曾在 2022 年估值超过 10 亿美元。这笔交易将算力供给与工作负载优化能力结合，可能重塑 AI 推理与训练领域的基础设施格局。
台积电正在开发一项名为“EMIB-like”的新型先进芯片封装技术，直接对标英特尔已有的EMIB技术。这项进展意味着AI芯片的关键竞争正从单纯的制程工艺延伸到封装互连领域，对下一代高性能AI加速器的算力密度和成本结构有直接影响。
国际能源署（IEA）预计，到2030年全球数据中心电力需求将翻倍，但许多地区电网已不堪重负。能否快速获得可靠电力正取代芯片和人才，成为决定AI竞赛胜负的关键变量——“时间到电力”（time to power）已成为数据中心选址的首要指标。
GCC（GNU编译器套件）指导委员会正式采用一项AI贡献政策，禁止接受任何“法律上重要的”由大语言模型（LLM）生成或衍生而来的代码与文本，但允许维护者酌情接受LLM生成的测试用例。这是开源工具链项目在版权与原创性争议中对AI辅助编程的明确回应。
OpenJDK 社区通过一项临时性政策，禁止贡献中包含由大语言模型（LLM）生成的代码（即使是部分内容），理由是 AI 输出的不可控性可能引入安全隐患，且“提示词”正成为实质源码，接受 AI 代码如同接受未知来源的二进制。这可能是首个主流开源项目对 AI 辅助编程做出系统性限制。