AI 全景情报 0622：医疗 AI 进积压病例，Claude 走向物理 Agent，欧洲/印度抢主权算力

覆盖窗口为 2026 年 6 月 17 日至 20 日公开材料；6 月 21 日可核验的一手 AI 产业重大公告较少，本篇不把社交媒体快讯凑进核心条目。

过去几天的主线不是模型参数继续堆高，而是 AI 被推向更硬的现场：临床积压病例、机器人传感器、欧洲模型主权、印度数据中心供给、中国消费场景政策。对 AI 从业者来说，下一轮竞争会落在三个问题上：能否把模型放进可审计流程，能否把算力和模型访问做成抗政策冲击的供应链，能否在非软件行业找到足够刚性的落地需求。

速览

OpenAI 医疗与生命科学：OpenAI 同周发布 rare disease reanalysis、LifeSciBench 与 ChatGPT health intelligence 更新。医疗 AI 的商业化入口正在从「回答健康问题」转向「专家监督下的积压任务处理」。1 2 3
Anthropic Project Fetch：Claude Opus 4.7 在 Project Fetch 二期中，不依赖人类协助完成多项机器人接口/感知任务，速度大幅超过去年人类团队。软件 Agent 的工具使用能力开始外溢到物理设备。4
欧洲模型主权：OVHcloud 计划从零训练 frontier AI model，Reuters/Computerworld 报道其目标是成为 Mistral 之外的欧洲模型玩家。企业采购会把「模型能力」和「被哪国政策一键断供」放进同一个评分表。5
印度 AI 数据中心：RMZ 计划 5 年内把数据中心容量扩至 2-3GW，并围绕 $35B 投资建设 co-location、AI factories 等。算力版图继续向美国以外扩散。6
中国 AI 消费政策：中国商务部据 CCTV 披露 17 项措施，推动 AI 进入消费品、服务和 humanoid robots。中国侧的机会更像需求侧补贴和场景组织。7

OpenAI 把医疗 AI 往「可审计工作流」里推

OpenAI 在 6 月 18 日披露，Boston Children’s Hospital、Harvard 与 OpenAI 研究团队用 o3 Deep Research 重新分析 376 个此前未解决的儿童罕见病病例，模型提出候选解释后，经专家复核、追加检测和临床确认，最终建立 18 个诊断，额外诊断率为 4.8%；OpenAI 同时强调，模型没有诊断患者，也没有做临床决策，只生成供专家审查的证据链接假设。1

Human-guided AI workflow for rare disease genomic reanalysis — OpenAI 展示的罕见病基因组再分析流程，把模型放在证据综合层，前后都由人类专家审阅与确认。1

同一周，OpenAI 还发布 LifeSciBench：750 个专家编写任务、1,062 个任务附件、173 名科学家贡献、453 名专家评审、19,020 条评分标准，用来衡量模型是否能处理药物研发和生命科学研究中的证据整合、实验设计、转化判断和科学沟通。2 这套 benchmark 的关键不是「生物题答对多少」，而是把模型输出拆进专家可打分的 rubric，逼近真实研发流程。

ChatGPT 侧的更新也在同一个方向。OpenAI 称每周有超过 2.3 亿人向 ChatGPT 提出健康与 wellness 问题；GPT-5.5 Instant 在健康评测上的表现接近其 frontier Thinking models，并由 60 个国家、49 种语言、26 个专科的 260 多名医生参与评审和反馈，累计审阅超过 70 万条样例响应。3

这对 AI 从业者的含义很直接：医疗 AI 的可用产品形态，不会先是一个「万能医生」聊天框，而会是可回放、可复核、可审计的专家协作系统。产品经理要关心的是输入数据标准化、证据链留痕、专家复核成本和误报负担；工程团队要把版本化提示词、引用校验、审计日志、隐私边界放进第一版架构。投资人如果只看问答准确率，很容易错过真正的付费点：医院愿意为减少积压、缩短专家检索时间、提高二次分析覆盖率付费。

Claude 开始碰到物理 Agent 的边界

Anthropic 6 月 18 日发布 Project Fetch 二期结果：Claude Opus 4.7 在没有人类协助的情况下，完成去年人类团队做过的多项机器人相关任务；在所有至少有一个人类团队完成的任务上，Opus 4.7 至少快 10 倍。Anthropic 描述称，若只看两支人类团队都完成的四项任务，Opus 4.7 平均比没有 Claude 的团队快 37 倍以上，比有 Claude 协助的团队快 18 倍以上。4

Project Fetch task time comparison — Project Fetch 的耗时对比显示，Opus 4.7 在连接机器人视频、激光雷达、控制程序和目标检测等任务上明显快于去年的人类团队。4

这不是「LLM 已经解决机器人」。Anthropic 自己也写得很清楚：Claude 仍然没有成功完成精确把球推回起点的 closed-loop fetch 任务，也没有涉及底层控制策略学习。4 但产业信号已经够强：通用模型正在从调用软件工具，推进到读取传感器、选择接口、写控制代码、调试物理设备。

对开发者而言，下一批「Agent 能做什么」的边界会从 IDE 和浏览器扩展到实验室设备、仓储机器人、工业相机、无人机套件。新的安全问题也会跟着出现：权限审批不能只管 API key，还要管设备动作；eval 不能只看任务完成率，还要看失败时是否会撞人、损坏设备、泄露视频流；日志不能只记录 prompt，还要记录传感器输入、命令序列和人工批准点。做 robotics、工业软件和实验室自动化的团队，应该把 Agent 沙盒当成基础设施，而不是后续补丁。

欧洲的模型主权从口号变成供应链问题

OVHcloud CEO Octave Klaba 在 VivaTech 上对 Reuters 表示，公司计划训练 frontier AI models，目标是在 Mistral 之外成为欧洲另一个大模型玩家。Computerworld 引述该报道写道，OVHcloud 计划训练一组模型，并在达到性能目标后开源；Klaba 称，芯片、训练技术和合成数据进步让过去约 10 亿欧元的项目，现在可能以 1.5 亿到 2 亿欧元尝试。5

这个信号不能只看成「又一家云厂商做模型」。Reuters 6 月 17 日报道，欧盟委员会主席冯德莱恩在 G7 场合称，美欧让欧洲使用最佳 AI 模型符合双方共同利益；同篇报道提到，Anthropic 此前因美国政府命令暂停外国国民访问其最先进模型，欧洲对访问连续性的担忧被放大。8

企业买模型，过去主要问性能、价格、数据驻留和 SLA。现在还要问一个更硬的问题：模型服务会不会因为出口管制、国籍限制或地缘政治事件突然不可用。OVHcloud 的模型计划，即使短期性能追不上美国头部，也能在采购表里多出一个「本地可控 fallback」选项。对 AI 平台团队来说，模型路由、prompt portability、评测集迁移、RAG 层解耦会变成抗风险能力。把业务逻辑绑死在单一闭源模型上的应用，未来会在合规和连续性审查里被扣分。

印度数据中心把 AI 基建做成「土地、电力、GPU、软件」套餐

Reuters 6 月 19 日报道，印度 RMZ 计划在未来五年把数据中心容量扩至 2-3GW，作为超过 350 亿美元投资计划的一部分；该公司当前容量为 250MW，正就三个数据中心项目进入最终讨论，这些项目会把总容量推到 1GW 以上。6

AI letters and robot hand illustration — Reuters 配图使用 AI 字母与机器人手的示意图；RMZ 的计划表明，印度数据中心扩张已经和 AI factories、GPU、供电基础设施绑定。6

RMZ 的说法更值得注意的是「向上游走」。公司高管称，数据中心扩张会成为进入 GPU、电力基础设施和软件等相邻业务的入口，并提到要建设支撑 AI 与云计算的底层 power layer。6

这说明 AI 基建正在从「租机房」变成纵向整合生意。印度的优势不是单点 GPU 抢购，而是土地、政策、工程、人力和本地需求一起上桌。对云和模型公司来说，印度可能成为美国之外的重要推理和区域化训练节点；对创业公司来说，机会不只在算力转售，还在电力调度、液冷运维、GPU 编排、本地数据合规和行业云软件。瓶颈也很明确：没有可预期电力和客户签约，GW 级规划只是资产负债表上的承诺。

中国把 AI 拉进消费品和服务业

Reuters 6 月 18 日报道，中国商务部据 CCTV 披露 17 项措施，推动 AI 在消费领域应用，覆盖产品和服务；措施方向包括把消费电子从功能型转向智能型，培育 humanoid robots 新市场，并推动 AI 从零售进入公共服务和生活服务。7

这条政策信号和美国、欧洲的主线不一样。美国焦点在 frontier model、医疗评测和 Agent 能力边界；欧洲焦点在模型访问与主权；中国这边更像需求侧组织，用消费品、服务业和机器人市场承接 AI 供给。对应用创业者来说，这意味着 AI 不一定先在企业 SaaS 里变现，也可能先通过家电、手机、门店、客服、养老、文旅和本地生活服务变成采购项目。

但这条路对产品质量要求并不低。服务业场景通常低客单价、高并发、容错低，机器人场景还叠加硬件成本和售后。能跑通的团队不会只会调模型 API，还要懂渠道、设备、门店流程和地方监管。中国侧的风口更可能出现在「AI + 既有消费基础设施」的改造，而不是复制一个通用聊天应用。

风口判断：模型能力继续重要，但护城河在工作流、访问连续性和基建整合

从这几条材料看，AI 行业正在同时进入三条更难的战线。

第一，工作流化。OpenAI 的医疗案例说明，越高风险的行业越不会接受一个黑盒答案。能卖钱的是模型嵌入专家流程后的吞吐提升，证据链、审计和人工复核会成为产品本体。

第二，主权化。Anthropic 模型访问事件和 OVHcloud 的模型计划把一个事实摆到台面上：模型不是纯软件服务，而是受国家政策影响的战略资产。未来企业 AI 架构要默认多模型、多云、多区域，模型抽象层会从工程洁癖变成合规要求。

第三，物理化与基建化。Claude 操作机器人、RMZ 扩张数据中心、中国推动 AI 消费品和机器人，都指向同一件事：AI 的增量场景会越来越多地碰到传感器、电力、门店、设备和真实责任。只懂 prompt 的团队会被卡在 demo；能把模型、设备、运营和合规接起来的团队，才有机会吃到下一阶段预算。