1. DeepSeek 创始人宣告 AGI 目标：百亿美元融资腾讯国资跟投，估值逼 500 亿
一句话: DeepSeek 启动首轮百亿美元外部融资，创始人梁文锋宣誓 AGI 优先、坚持开源，腾讯与「大基金三期」跟投，估值有望达 500 亿美元。
5月22日，彭博社独家披露，DeepSeek 正在推进成立以来首轮外部融资，规模约 700 亿元人民币（约100亿美元）。这不是一次普通的 VC 融资——在与潜在投资人的会议上，创始人梁文锋明确宣告：DeepSeek 的核心使命是实现通用人工智能（AGI），短期商业变现将让位于研究突破，同时承诺持续维持开源策略。这与 OpenAI 从非营利走向商业化的轨迹形成了鲜明对比。
本轮融资的投资人阵容同样引人注目。腾讯控股参与跟投，带来的不仅是资金，还有微信、小程序等巨大分发渠道和腾讯云的算力协同；「大基金三期」旗下 AI 关联机构的入场则释放出明确的政策信号——DeepSeek 已被定位为国家 AI 战略核心资产，其战略地位与华为在半导体领域的地位类似。本轮完成后，DeepSeek 估值预计达到 450-500 亿美元，在半年内翻了数倍。
此次融资对全球 AI 格局的意义超出单纯的资金层面。DeepSeek V4-Pro 在数学推理和代码生成等基准上已超越绝大多数开源模型，仅在世界知识方面落后于 Google Gemini 3.1-Pro。有了百亿美元的算力支撑，DeepSeek 在未来 12 个月内极可能推出直接与 GPT-5.5 和 Gemini Omni 正面竞争的闭源旗舰版本。对于使用 DeepSeek API 的开发者而言，定价优势短期内不会消失，但长期开源策略存在变数——这是使用前需要纳入考量的风险因素。
来源: Bloomberg · TechCrunch · SCMP
2. Google I/O 2026：Gemini Omni 从任意输入生成视频，3.5 Flash 速度领跑 4 倍
一句话: Google I/O 2026 发布两款重磅模型——Gemini Omni 实现真正的全模态输入输出，Gemini 3.5 Flash 声称比竞品快 4 倍，主打 Agentic 编码长程任务。
在今年的 Google I/O 大会上，Sundar Pichai 用一句话定义了 Gemini Omni 的野心：「任何输入，任何输出。」Gemini Omni 支持视频、图像、文字、音频的任意组合为输入，并能生成对应格式的输出——这意味着你可以上传一段视频并要求它生成一段对该视频进行语义编辑后的新视频，或将音频内容转换为结构化的 Notion 文档。Gemini Omni 即日起向 Google AI Plus、Pro 和 Ultra 订阅用户全球开放，并同步集成到 Google Flow 创意工作台。
Gemini 3.5 Flash 是本次发布中对开发者影响最直接的产品。谷歌官方声称其推理速度是「竞品前沿模型」的 4 倍（未明确点名，但明显指向 GPT-5.5 Instant 和 Claude Sonnet），在 Terminal-Bench 2.1 基准上得分 76.2%，在长程 Agent 编码任务上超越同级所有模型。定价已在 I/O 前 GA：输入 $1.50 / 百万 Token、输出 $9.00 / 百万 Token，支持 100 万 Token 上下文窗口，通过 Google AI Studio 和 Vertex AI 均可调用。
Antigravity 2.0 的发布是谷歌另一个重要战略动作——这是一个「Agent 优先的编码平台」，主打无代码 / 低代码方式构建跨 Google Workspace 的自动化 Agent。对于澳洲 IT 求职者而言，Vertex AI Agent Builder 和 Antigravity 正在成为企业客户最关注的技术栈之一，掌握这套工具将在以谷歌云为主要基础设施的企业（如 Atlassian、Canva 等）的求职中形成差异化优势。
3. xAI 推出 Grok Build：专业编程 Agent 上线，高盛摩根士丹利开始内测
一句话: xAI 发布面向专业工程师的编程 Agent Grok Build，同期高盛和摩根士丹利开始内测 Grok，标志着 xAI 正式进入企业 AI 工具市场。
Grok Build 是 xAI 在编程 Agent 赛道的首次正面出击。官方将其定位为「专业软件工程的强大编程 Agent 和 CLI 工具」，当前处于 Early Beta 阶段，向每月 $300 的 SuperGrok Heavy 订阅用户优先开放。Grok Build 的核心差异化在于：与 X 平台实时数据深度集成，使其在处理金融数据分析、市场情报处理等需要实时信息的编程任务时，比 GitHub Copilot、Cursor 等竞品具有天然优势。xAI 同时承诺每日发布 Grok Build 更新日志，维持极快的迭代节奏。
与此同时，The Japan Times 报道高盛（Goldman Sachs）和摩根士丹利（Morgan Stanley）已开始在内部系统中测试 Grok，Apollo Global Management 也加入测试行列。华尔街金融机构对 AI 工具有极严格的数据安全和合规要求——他们愿意测试 Grok，意味着 xAI 在私有化部署和数据隔离方案上取得了实质进展。这也回答了一个长期疑问：xAI 的野心不止于 B2C 订阅，而是瞄准高价值的 B2B 企业市场。
对于开发者社区而言，Grok Build 的登场将进一步压低整个编程 Agent 市场的价格，并推动 Cursor、GitHub Copilot 等产品加速更新。短期内 $300/月 的门槛较高，对个人开发者不够友好；但竞争带来的红利将很快以更低价格的形式传导到整个市场。对于有意进入金融科技行业的 JR 学员，在简历和面试中展示对 Grok 企业级应用场景的了解，将是一个有效的差异化加分点。
来源: Engadget · Japan Times · xAI
4. Meta 裁 8000 人同时砸千亿：AI 超智能实验室接管全线产品
一句话: Meta 本周削减约 8000 个岗位，同时将 2026 年 AI 资本支出上调至 1450 亿美元，由 Alexandr Wang 主导的「超智能实验室」将接管全线产品 AI 化。
这是科技行业「裁人投 AI」最激进、也最清晰的战略声明之一。Meta 的逻辑并不复杂：AI Agent 可以完成大量原本需要人力的工作，将节省下来的人力成本重新投入算力和模型研发，形成「裁员→省钱→买算力→AI 更强→可裁更多人」的飞轮。本轮裁员约占 Meta 总员工数的 10%（约 8000 人），同时有 6000 个职位将长期保持空缺不再补招。被裁减的团队将被整合进以 AI 为核心的「超智能实验室（Superintelligence Labs）」，由前 Scale AI CEO、现 Meta Chief AI Officer 的 Alexandr Wang 统一领导。
1250 亿至 1450 亿美元的资本支出指引，意味着 Meta 今年将成为全球最大算力买家之一，与微软（为 OpenAI 购买算力）和谷歌并列。这些资金大部分流向 Nvidia GPU 采购、数据中心建设，以及 Llama 4 系列的后续大型模型训练。Meta 的 Llama 4 Maverick 和 Scout 已发布，以 MoE 架构实现了极长上下文支持，而下一代模型的训练规模预计将是 Llama 4 的数倍。
对在澳洲求职的 IT 从业者而言，Meta 的这一动向是一个清醒剂：传统软件工程岗位正在加速萎缩，但 AI 工程、MLOps、Agent 架构、Llama 微调与部署等方向的需求正在爆发。JR Academy 学员如果还在单纯练习 LeetCode 算法，现在是时候将重心转向 AI 原生技能栈——这不是选择题，而是时间题。
来源: TechRepublic · BingX · Digitimes
5. 阿里 Qoder 1.0 上线：从 AI IDE 进化为自主开发 Agent，需求说完全程自动
一句话: 阿里云 Qoder 1.0 从「辅助编程工具」升级为「自主开发 Agent 工作台」，用户只需写清楚需求，Agent 团队自驱完成开发、验证、交付全流程。
5月15日，阿里云正式发布 Qoder 1.0。从产品形态来看，Qoder 完成了一次根本性的范式跃升：此前的 Qoder 是一个增强型 IDE，帮助开发者写代码更快；1.0 版则将其重新定义为「智能 Agent 自主开发工作台」，目标用户不再只是开发者，而是所有能够清楚描述需求的人。你只需用自然语言写清楚要实现的功能，Qoder 内置的多 Agent 团队——包括规划 Agent、实现 Agent、测试 Agent 和交付 Agent——将自主协作，完成从代码生成、单元测试、错误修复，到最终交付物打包的全流程，全程无需手动介入。
量子位的报道指出，在同一天，百度也发布了文心 5.1——以仅为业界常规预训练成本 6% 的代价，在国内 LMArena 搜索排行上超越 DeepSeek V4-Pro，并在 Agent 任务上超过了此前长期领先的竞品。中国 AI 的「内卷式创新」在本周达到新高点：两家大厂在同一天发布了性能领先、成本更低的旗舰产品。
对于 JR Academy 学员而言，这两条消息共同指向一个不可回避的趋势：会「用 AI 完成软件工程」的工程师，正在替代「只会写代码」的工程师。掌握 Qoder、Claude Code、GitHub Copilot Workspace 等 Agent 开发工具，学会如何有效地将需求拆解成 Agent 可执行的任务，如何审查和调试 Agent 生成的代码——这些技能的市场溢价将在未来 12 个月内快速凸显，尤其在澳洲日益增多的 AI-first 初创公司招聘中。
