1. 特斯拉 Cybercab 量产版在奥斯汀启动无方向盘公开道路测试

6月30日，特斯拉在得州奥斯汀公共道路启动首批量产版 Cybercab 工程测试。车辆完全取消方向盘、油门与刹车踏板，整车不存在任何可供人类接管的操控硬件，得州交通局已核实该无操控部件设计合规。车内配有安全监督员但不具备手动干预能力，所有驾驶操作均由车载自动驾驶系统独立执行。首批投入34台在市中心验证硬件可靠性，从2024年10月概念车首秀到实车上路约20个月。

值得关注的原因：Cybercab 是特斯拉首款从架构上放弃人类驾驶接口的 L4 级量产 Robotaxi，与 Waymo/Cruise 等改装方案形成代际差。如果无操控设计能在真实城市交通中持续验证安全性，将彻底重塑 Robotaxi 的成本结构和商业模式——取消人类驾驶硬件意味着 BOM 成本、车机复杂度、保险模型同步重构。这是具身智能在自动驾驶场景中最接近规模化落地的标志性事件，也意味着特斯拉在"无人驾驶"路线上从 demo 进入工程验证阶段。

2. 具身智能数据采集员：日薪 200 元，给机器人当"老师"

近期，机器人数据采集岗位招聘量暴增，日薪200-250元，从业者通过重复叠衣服、整理桌面、搬运积木等动作，为机器人提供训练数据。岗位面试无需学历经验，面试官先测量身高体重以适配采集手套，并询问是否晕 VR。工作分两种：遥操作采集——穿戴设备控制双臂机器人完成动作；无机器人示教采集——徒手重复动作，设备记录轨迹。全球高质量物理交互数据截至2026年初仅约50万小时，与大语言模型动辄万亿 token 的训练规模形成数量级差距。全勤月收入约6000元，从业者普遍认为工作不长久。

值得关注的原因：这是 2026 年具身智能"数据饥渴"的最直接信号——大模型竞争进入物理世界后，token 不再免费，真实动作数据成为最稀缺资源。日薪 200 元的劳动力市场已经形成，意味着具身智能产业从实验室阶段正式进入劳动密集型的"采集中场"。这与 36 氪 6 月报道的"具身智能行业超万家企业但核心环节仅百家"形成印证——数据采集和标注能力正在成为具身公司的核心护城河，决定下一阶段模型迭代速度。

3. 美团 LongCat-2.0 发布：国产万卡集群训练的万亿参数大模型开源

6月30日，美团发布新一代万亿参数大模型 LongCat-2.0 并开源。总参数1.6T，平均激活约48B，原生支持 1M 超长上下文，在五万卡国产算力集群上完成全流程训练与推理。架构上采用 LSA 稀疏注意力、零计算专家、ScMoE 及 MOPD 多专家融合（Agent/Reasoning/Interaction 三组专家），在不显著增加推理成本的前提下扩展总参数。这是国内首批完整披露在国产芯片集群上完成万亿参数模型全流程训练的案例。

值得关注的原因：LongCat-2.0 验证了"国产芯片 + 万亿参数 + 全流程训练"的工程闭环，证明不依赖英伟达顶级卡也能跑通大模型全栈。其 MOPD 多专家融合架构是对当前 MoE 路线的重要工程化创新——按任务类型（Agent/Reasoning/Interaction）切分专家组，有望成为下一代国产大模型的标准范式。对国内 AI 产业而言，意义不止于又多了一个开源模型，而是"算力底座自主可控"叙事的硬核兑现。

4. Anthropic 在 Claude Code 中植入隐写术代码识别中国用户

据公众号"数字生命卡兹克"6月30日披露，Anthropic 在 Claude Code 中植入隐写代码：读取本地时区（Asia/Shanghai 或 Asia/Urumqi）和 ANTHROPIC_BASE_URL 环境变量，与一份经 base64+XOR（密钥91）加密的 147 个域名列表（含美团、字节跳动、月之暗面等）比对，识别中国用户。识别后，在请求发送过程中嵌入特定标识。该机制在开源代码中以高度混淆方式存在，被开发者社区称作"现代版数字水印"。

值得关注的原因：这是 2026 年首起公开曝光的 AI 厂商在代码层面进行地缘用户识别的案例。Anthropic 此前曾多次公开表态其模型不向中国地区提供服务，但本次事件意味着其将"不服务"政策延伸到了"主动识别"——技术手段从一刀切切 IP 升级为隐写术环境探测，绕过 VPN 的常规反封禁手段。该事件可能引发国内企业级 AI 部署的合规反思，加速央国企、政务、金融场景对国产模型的替代节奏；同时也将推高开发者社区对开源 AI 工具链的可信度审查要求。