跳到主要内容

2026-06-29 AI 动态

· 阅读需 4 分钟
本期焦点
  1. OpenAI 发布欧盟 AI Jobs Transition Framework，按职业结构评估 AI 影响。
  2. 报告估计欧盟 14% 就业处于较高近期自动化潜力，27% 更可能被重组。
  3. Google 解释全栈 AI 路线，从芯片、模型到产品共同优化。
  4. AllenAI 在 Hugging Face 发布 DiScoFormer，探索密度与 score 的统一 Transformer。

头条要闻​

欧盟 AI 职业转型框架：从岗位预测转向调整地图​

OpenAI 6 月 29 日发布《Mapping Europe's AI Workforce Opportunity》，把 2026 年 4 月面向美国的 AI Jobs Transition Framework 扩展到欧盟劳动力市场。该框架使用 ESCO 职业分类和 Eurostat 就业数据，将职业划分为四类：可能随 AI 增长、较高近期自动化潜力、可能被重组、近期变化较少。

OpenAI 强调这些类别不是就业预测，而是帮助政策制定者、雇主和教育机构识别调整压力与机会的地图。报告估计，欧盟约 12% 就业处于可能随 AI 增长的职业，14% 处于较高近期自动化潜力，27% 更可能被重组，47% 近期变化较少。

分类欧盟就业占比
可能随 AI 增长约 12%
较高近期自动化潜力约 14%
可能被重组约 27%
近期变化较少约 47%

OpenAI

技术与产业​

Google：全栈 AI 是从基础设施到产品的共同优化​

Google 6 月 29 日发布解释文章，说明 full-stack AI 的含义：不是只做模型，也不是只做应用，而是把芯片、数据中心、模型、工具、产品和开发者平台放在同一套优化循环里。Google 将这一路线与多年 TPU、Gemini、Search、Workspace、Cloud 和 Android 等产品线联系起来。

这一点和 OpenAI 6 月 24 日发布 Jalapeno 推理芯片形成对照：前沿模型公司正越来越多地向下游产品和上游算力同时扩展。全栈路线的目标是降低延迟、成本和部署摩擦，让模型能力更快进入实际产品。

Google

DiScoFormer：用一个 Transformer 同时建模 density 与 score​

Hugging Face 6 月 29 日发布 AllenAI 文章《DiScoFormer: One transformer for density and score, across distributions》。该研究关注跨分布建模中 density 与 score 的统一表示，属于更偏研究侧的方法进展。

虽然离产品化较远，但这类工作代表了基础模型之外的另一条研究主线：如何让生成、估计和分布迁移中的核心对象被统一建模，从而减少任务之间的工程割裂。

Hugging Face / AllenAI

关键数据一览​

指标数据
欧盟职业框架数据ESCO + Eurostat
AI 增长类职业约 12% 就业
自动化潜力较高约 14% 就业
工作流重组类约 27% 就业
近期变化较少约 47% 就业

Sources​

本 Newsletter 由 AI 行业公开信息整理，数据截至 2026 年 6 月 29 日。所有信息均来自公开来源，不构成投资建议。