每日简报 · Daily Editions
AI · 思想 · 市场 · 深度阅读

每日情报摘要

DAILY INTELLIGENCE BRIEF
本期要目In this issue

人工智能与科技

AI & Technology 06
Anthropic / TechCrunch

Anthropic 递交招股书:半年收入 163 亿美元,净亏损 807 亿

Anthropic files S-1 with the SEC for proposed initial public offering

Anthropic 周一正式递交 S-1,拟以 ANT 登陆纳斯达克。文件首次给出可审计的数字:2026 上半年收入 163 亿美元,营业亏损收窄至 6.93 亿美元,净亏损却高达 807 亿美元。

Anthropic 递交招股书:半年收入 163 亿美元,净亏损 807 亿
Anthropic 周一向 SEC 递交 S-1,拟以代码 ANT 在纳斯达克全球精选市场上市,发行股数与定价区间尚未确定。图为该公司公告配图。图片来源:Anthropic
关键事实
  • 上半年收入 163 亿美元,去年同期 12 亿
  • 营业亏损 6.93 亿,净亏损 807 亿(可转债非现金调整)
  • 七位创始人通过 Founder LLC 控制 50.1% 投票权
  • 对 SpaceX 每月约 31 亿美元、至 2029 年 1,205 亿
  • 仅列 OpenAI 与谷歌为直接竞争对手
阅读原文 · Anthropic / TechCrunch ↗

收入曲线的斜率是这份文件最刺眼的部分。2026 年上半年收入 163 亿美元,去年同期只有 12 亿美元。营业亏损从 21 亿收窄到 6.93 亿,说明单位经济在改善;而 807 亿的净亏损主要来自可转债相关的非现金会计调整,公司同时在文件里明确写下,未来可能无法实现或维持盈利。

企业客户结构第一次被摆到台面上:截至 9 月底,年付 10 万美元以上的客户 11,900 家,100 万美元以上 1,900 家,1,000 万美元以上约 250 家。这是把企业级 AI 从叙事变成可核对账目的关键一步,也是承销商最需要的东西。

治理结构是争议核心。七位联合创始人通过一个名为 Founder LLC 的实体,合计掌握 50.1% 的投票权;2023 年设立的长期利益信托有权任命多数董事。投票权与经济权益脱钩,意味着公众股东对一家自认可能带来灾难性或生存性风险的公司,几乎没有实际控制力。

算力承诺的规模同样惊人:每月约 31 亿美元付给 SpaceX 换取英伟达 GPU,到 2029 年累计可达 1,205 亿美元;对微软承诺 449 亿(至 2033 年)、谷歌至少 1,145 亿(至 2033 年)、亚马逊 1,100 亿(十年)。风险因素里直言,AI 可能造成整个保险业合计也无法承保的损害,甚至可能发展出某种感知形式。

还有两个细节值得记:文件只把 OpenAI 和谷歌列为直接竞争对手,Meta、xAI 都不在其中;Dario Amodei 去年薪酬近 1,800 万美元,Daniela Amodei 1,640 万,公司另为两人支付 404 万美元人身与住所安保,Dario 私人使用公务机花费 9.7 万美元。

原文摘录
Today, Anthropic, PBC filed a registration statement on Form S-1 with the U.S. Securities and Exchange Commission relating to its proposed initial public offering of its Class A common stock. Anthropic intends to list its Class A common stock on the Nasdaq Global Select Market under the symbol ANT.
Lex Fridman Podcast分析人工智能与科技约 2 分钟

机器解决了纳维-斯托克斯?三位数学家谈数学的危机时刻

#503 – AI Crisis in Math: Navier-Stokes, Riemann Hypothesis & Complexity Theory

过去几周,机器接连宣称解决了纳维-斯托克斯、准黎曼假设、唯一游戏猜想以及数百个其他结果。三位当事人坐下来谈的,不是庆祝,是失重。

Kontorovich 给出了最硬的技术细节:准黎曼假设的证明来自 Anthropic,而那个 Lean 陈述本来就躺在 Mathlib 里,所以他们交出的是一个 sorry-free 的证明——这让他对证明的正确性有 100% 的信心。他说自己原以为这辈子看不到这一步,周二看到时是极度震惊。但他同时强调:黎曼假设本身并没有被解决。

证明与理解不是一回事。他说那不是漂亮的证明,离 Mathlib 质量的证明还有大量工作;它给出的结果是黎曼ζ函数临界带内一个竖直条带上的界,比七十年来停滞的已知结果更好,但不是 RH。他引用 Terence Tao 的反应:为那些投入多年、刻意放慢的研究工作——尤其是研究生和博士后的工作——被这样一次发布随意打断或摧毁而感到恐惧,就像无法忘记电影剧透或填字游戏的答案。

Moitra 说他每天都在两种感受之间被拉扯。工具极大放大了他跨领域连接的能力,像随时有一位用你的语言讲课的世界级专家;但长期的成功剧本被扔出了窗外,指导学生该做什么变得更难,他承认自己在智识上更孤独,也担心那种种下种子等它长成橡树的耐心正在消失。

Brunton 更乐观:作为工程师,解决真实问题的能力和触及范围会大幅提升。但他提醒,方程的有效性有尺度前提——必须对足够多分子做平均;而纳维-斯托克斯最根本的问题,即解是否在有限时间爆破,至今未知,这是零阶问题,尽管它是工程界被研究得最多的方程之一。Feynman 的老话在这里格外刺人:我们能写下方程,却无法从方程知道哪些现象是可能的。

Kontorovich 的比喻是:几千年来数学像在林中举着一支蜡烛,现在有了手电筒。他还提出一个供讨论的公理——任何人类与 AI 交互能解决的问题,AI 单独也能解决;若此成立,纯数学的价值或许不在定理本身,而在于它活在人的头脑里。

关键事实
  • 涉事问题:纳维-斯托克斯、准黎曼假设、唯一游戏猜想
  • 准 RH 证明为 Lean sorry-free,陈述原已在 Mathlib
  • Kontorovich:RH 本身未解决,证明也不是 Mathlib 质量
  • NS 有限时间爆破与否仍是未解的核心问题
  • Tao:多年缓慢研究被一次发布随意摧毁
原文摘录
Over the last few weeks, machines claimed to have solved some of the hardest problems in the history of math: Navier-Stokes, the quasi-Riemann hypothesis, the unique games conjecture, and hundreds of other results.
阅读原文 · Lex Fridman Podcast ↗
机器解决了纳维-斯托克斯?三位数学家谈数学的危机时刻
Lex Fridman 临时召集 Steven Brunton(华盛顿大学,流体力学)、Ankur Moitra(MIT,理论计算机)、Alex Kontorovich(罗格斯大学,数论)录制了这期被他称为紧急节目的对谈。图片来源:Lex Fridman Podcast
Import AI(Jack Clark)人工智能与科技约 2 分钟

13.5 万美元、一周、60 万行 Lean:数学形式化开始工业化

Import AI 478: Math for alignment; ProgramBench; and Mirendil shows what RSI means

AI 安全创业公司 Resolution 用一周时间把 Hironaka 的奇点消解自动形式化,产出约 60 万行 Lean。这个成本数字比结论本身更重要。

流程值得逐字看:一位研究员先与智能体一起做两份计划,一份人类可读的高层版本,一份 112 页、拆成原子步骤并紧贴已有文献的详细版本;然后把执行交给一个编排智能体,由它派生负责纸笔数学、撰写 Lean、以及检查是否偏离路线的子智能体。执行阶段几乎不需要额外脚手架。

账单是:约一周,约 1,000 亿输入 token(其中 90% 是缓存读取)、3 亿输出 token,合计约 13.5 万美元。它把形式化一个定理从人年变成了一笔可以编进预算的开支,这是质变发生的地方。

Resolution 说这已经反哺研究:有了这个库,奇异学习理论的一部分可以自动化,从而更好地理解采样,而理解采样正是塑造模型学习方式(他们称为 patterning)的前提。他们的判断是,即将到来的数学工业化将使一门严格的、自动化的研究科学成为可能。

同一期还有两个信号。ProgramBench 要求模型只凭编译后的程序和文档从零重建软件(PHP、Lua、SQLite、FFmpeg、ripgrep 之类),发布时所有模型 resolved 为 0%,如今 Claude Opus 5.5 达到 18.5% resolved、70.5% almost。另一家叫 Mirendil 的公司让一位研究员用 3.5 个月、不到 1,000 万美元算力,从零预训练出 100B 至 500B 参数级的基座模型,代码全部自写,只用公开数据。

一位读者的评论被 Jack Clark 放在显眼处,也是这天最锋利的一句:真正的约束不是模型能力,而是检查答案有多便宜。数学有现成的检查器,代码生成有编译器和测试套件——这两个领域 AI 替代专家劳动最快,正因为我们早已有形式系统来判定对错。自动化前沿可能沿着验证成本移动,而不是任务难度。

关键事实
  • 约一周,1,000 亿输入 token、3 亿输出,13.5 万美元
  • 产出约 60 万行 Lean,产出一个 sorry-free 定理
  • ProgramBench 从 0% 升到 18.5% resolved、70.5% almost
  • Mirendil:一人 3.5 个月、不到 1,000 万美元预训练基座模型
原文摘录
The work took about a week, taking on the order of 100B input tokens (90% cache reads) and about 300 million output tokens (totaling an estimated $135,000 in token spend), and produced about 600k lines of Lean.
阅读原文 · Import AI(Jack Clark) ↗
OpenAI人工智能与科技约 2 分钟

OpenAI 发布 GPT-6.1 Terra:把「操作电脑」做成便宜的大宗商品

Introducing GPT-6.1 Terra

定位是快、便宜、能操作电脑。标准 API 价格比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%:每百万输入 1 美元、缓存输入 0.05 美元、输出 5 美元。

能力指标上,Agents' Last Exam 这类专业任务(把建筑图纸转成三维模型、逐帧审片并生成带时间码的记录)中,中等推理强度比 GPT-5.6 Terra 高 15 个百分点,成本约为其三分之一;分数与 GPT-6 Astra 持平,而每 token 价格只有后者十分之一。

效率对比更直接:最高推理强度下,Terra 的 token 效率是 Claude Opus 5.5 的三倍以上,单价四分之一,折算到每个任务成本低约 9 倍;完成任务速度是 GPT-6 Astra 和 GPT-6.1 Sol 的三倍以上。

事实性上的进步幅度罕见。OpenAI 内部那套专门诱导错误的基准上,低推理强度的错误率从 53.6% 降到 16.7%,降了近 37 个百分点;最高强度下降 18 个百分点至 4.3%。Terminal-Bench 4.0 最高强度解出 50.3%,是 GPT-5.6 Terra 公布成绩 21.5% 的两倍多。

安全方面,按 Preparedness Framework 达到网络安全「Critical」阈值,并继承 GPT-6 Astra 的防护,声称在提示注入测试中对恶意指令有较强抵抗力。但真正的信号是价格:当操作电脑这类任务降到每百万 token 一美元,被替代的不是聊天,是大量低端白领流程——读发票、填表、剪视频、把图纸录进系统。

关键事实
  • API 定价:输入 $1、缓存输入 $0.05、输出 $5(每百万 token)
  • Agents' Last Exam 中等强度比上代高 15 个百分点
  • 错误率 53.6% 降至 16.7%(低推理强度)
  • Terminal-Bench 4.0 达 50.3%,上代为 21.5%
  • 每任务成本约为 Claude Opus 5.5 的九分之一
原文摘录
We're introducing GPT-6.1 Terra, a fast, efficient model that combines detailed visual reasoning and precise computer use alongside clearer, more natural writing.
阅读原文 · OpenAI ↗
The Verge人工智能与科技约 2 分钟

98% 的行为保持率,救不了 2.5 亿行 COBOL

Can AI help solve the COBOL code crisis?

OpenAI 称其模型能把 COBOL 迁移到 C++、Java、Kotlin、Python、Rust 且不改变原有行为。专家的回答是:重写代码不等于替换系统。

先看体量。据 IBM 数据,COBOL 支撑 40% 以上的网上银行系统、80% 的线下信用卡交易、95% 的 ATM 交易,还深入社保、国税以及大多数州的政务系统。布鲁金斯学会一个粗略估计认为,COBOL 的低效每年让美国 GDP 损失约 1,050 亿美元。

OpenAI 的评测数字确实跳了一级:GPT-6.1 Sol 在低推理强度下行为保持准确率 87%,高强度升到 98%;同条件下 GPT-6 Astra 约 86%,GPT-6 Sol 只有 21%,GPT-5.6 Sol 仅 5%。而迁移成功的判据被定义为所有测试通过。

特温特大学软件演化副教授 Vadim Zaytsev 的反驳直指要害:重写代码和替换系统不是一回事。他见过最大的单体系统有 2.5 亿行 COBOL,而这只是问题的一部分——还有多语言混写、多种格式的数据、与其他系统的技术集成,以及人与组织的预期。真正的难点是把一个复杂遗留系统拆成可以逐个替换的单元,而 OpenAI 的评测完全没碰这一层。

结论是:能力有进步,交付还远。OpenAI 发言人也承认遗留代码远未解决。但市场已经先动了——今年 2 月 Anthropic 宣称 AI 可以让 COBOL 现代化之后,IBM 股价创下 2000 年以来最大单日跌幅。叙事的杀伤力,已经跑在交付能力前面。

关键事实
  • COBOL 支撑 95% 的 ATM 交易、80% 线下信用卡交易
  • 行为保持率:GPT-6.1 Sol 87%(低强度)/ 98%(高强度)
  • Zaytsev 见过 2.5 亿行 COBOL 的单体系统
  • 真正的难点是拆分系统,不是重写代码
  • 2 月 IBM 因 Anthropic 表态创 2000 年来最大单日跌幅
原文摘录
What do the IRS, banks, airlines, and government infrastructure around the world have in common? They're all running on systems propped up by antique computer code that nobody dares touch, lest everything come crashing down.
阅读原文 · The Verge ↗
98% 的行为保持率,救不了 2.5 亿行 COBOL
2022 年,美国国税局奥斯汀办公室一台运行 COBOL 73 的计算机等待录入纳税人信息。这类系统至今支撑着全球大部分金融与政务基础设施。图片来源:Getty Images
MIT Technology Review分析人工智能与科技约 2 分钟

Anthropic 到底是谁:一份 335 页招股书里的叙事工程

Will the real Anthropic please stand up

招股书对应的估值超过 1.5 万亿美元。但更难回答的问题是:它到底是一家安全机构、一家前沿实验室,还是一个把自己讲成前两者的商业公司。

这家公司的公开表达已经精练到可以当范本。联合创始人兼政策主管 Jack Clark 本月在曼谷的 IMF 会议上,对满场经济学家、银行家和议员宣布奇点已经到来:我相信今年我们已经获得了它已经开始的、令人信服的证据。

另一位联合创始人 Chris Olah 去年受邀在梵蒂冈向教皇良十四世及宗教学者讲话:老实说,我们不断发现一些神秘、甚至令人不安的东西。我们找到内省的证据,找到在功能上镜像喜悦、满足、恐惧、悲伤与不安的内部状态。许多研究者会对这种暗示软件具有类人内在体验的说法嗤之以鼻。

引爆点是具体的。Encode AI 首席战略官 Nathan Calvin 公开质问,Anthropic 秘密向议员散发、随后被泄露的那份草案法案,凭什么值得信任,并抛出那个看似幼稚的问题:Anthropic 是什么。它可以是一家专注安全、开发可靠近乎无风险技术的机构;也可以是一群不惜一切要先造出超人能力系统的人——也许因为他们相信自己是最负责任的人选,也许因为自尊。

Dario Amodei 的回应是「向顶攀登」:通过展示负责任地构建技术是可能的,来提高整个行业的门槛;而这套力量只有在公司处于前沿时才真正有效。作者承认这话自洽,但指出其中的巨大张力:安全机构的优先事项与利润驱动的巨型企业之间存在结构性冲突。她的结论是,这些故事拼出的是一条多头蛇——对很多人意味着很多东西,而这并不让它更可信;一家没有科幻角色扮演的普通科技公司,反而更容易读懂。

关键事实
  • 招股书 335 页,约 100 页为风险因素
  • 对应估值逾 1.5 万亿美元
  • Clark 在 IMF:奇点已经开始
  • Olah 在梵蒂冈:内部状态功能上镜像喜悦与恐惧
  • 争议:秘密散发的草案法案被泄露后遭质疑
原文摘录
Anthropic has been honing its storytelling skills for years. In fact, its public messaging is a master class in narrative capture.
阅读原文 · MIT Technology Review ↗
Anthropic 到底是谁:一份 335 页招股书里的叙事工程
Dario Amodei。Anthropic 周一递交的 335 页招股书中约 100 页是风险因素。图片来源:MIT Technology Review

市场与地缘

Markets & Geopolitics 04
TechCrunch市场与地缘约 2 分钟

SpaceX 用 400 亿美元租赁锁定 GPU,AI 资本开支换了融资结构

SpaceX locks in $40B GPU financing deal with Apollo

Apollo 管理的实体买下芯片和服务器,再租给 SpaceX,租期约 5 到 5.25 年。这不是借钱买卡,是把算力变成一项可租赁的资产。

结构很清楚:Apollo Global Management 旗下实体购入英伟达下一代 Vera Rubin 芯片及相关服务器硬件,再回租给 SpaceX。每批设备交付即起租,租期约五年出头。交易预计年底交割,2027 年上半年随设备到货开始起租。SpaceX 称其为史上最大的承诺性 GPU 融资。

动机写在 CFO Bret Johnsen 的话里:这笔租赁分散了资金来源,覆盖了增长计划所需资金的相当一部分,并称其 AI 基础设施投资回收期不到一年。支撑这个说法的是现金流:三季度 AI 业务(Grok、Cursor、云算力)收入 76 亿美元,占 146 亿总收入的多数,超过 Starlink 与发射业务之和;资本开支从去年 69 亿升到近 200 亿,四季度单季预计花 350 至 400 亿。

时机也重要。AI 基础设施的债务市场刚经历一段动荡,投资者对失控的资本开支和有限的利润变得敏感,甚至有 neocloud 撤回 IPO。SpaceX 靠投资级评级和 Starlink、发射业务的稳定现金流拿到了钱,而纯算力租赁公司没有这两样东西。

Musk 随即在 X 上补了一刀:没有 AI 数据中心之外收入来源的公司,债务市场基本已经关门,200 多家 neocloud 会经历孔雀鱼级别的死亡与整合,有些能活下来,但不多。这既是判断,也是他给自己融资成本做的广告。

关键事实
  • 约 400 亿美元,Apollo 购入硬件后回租
  • 租期约 5 至 5.25 年,2027 上半年起租
  • 三季度 AI 业务收入 76 亿美元,占总收入 146 亿的多数
  • 资本开支从 69 亿升至近 200 亿,Q4 预计 350 至 400 亿
  • 标的是英伟达下一代 Vera Rubin
原文摘录
SpaceX has reached a binding commitment for roughly $40 billion in financing for AI chips and related data center equipment, the company disclosed in a regulatory filing Monday.
阅读原文 · TechCrunch ↗
SpaceX 用 400 亿美元租赁锁定 GPU,AI 资本开支换了融资结构
SpaceX 周一向监管机构披露,与 Apollo 管理的实体达成约 400 亿美元的 GPU 与数据中心设备融资承诺,自称史上最大规模 GPU 融资。图片来源:SpaceX / TechCrunch
The Verge市场与地缘约 1 分钟

招股书承认:数据中心在烧天然气,而变暖会推高它的成本

Anthropic is burning gas to feed the AI boom

一份 S-1 把生成式 AI 的甲烷依赖写得再清楚不过:争夺电力供应和具备足够供电能力的数据中心选址的竞争非常激烈。

文件承认,部分规划中的数据中心依赖现场天然气涡轮发电。公司去年宣布 500 亿美元计划在得州和纽约扩建,同时从超大规模厂商租用容量。而美国的现实是:正计划建设十年来最多的化石燃料发电装机,燃气轮机短缺又在拖慢数据中心工期,一些开发商干脆在现场装燃气发动机以绕开并网排队,代价是效率更低、排放更重。

悖论很干净:Anthropic 一边增加温室气体排放,一边把气候变化列为自身风险——气温上升会让它支付更多电费和服务器冷却用水。它还预计,与超大规模厂商争夺天然气和管道容量会推高气价,而这直接压缩它的毛利。

监管风险同样具体。得州一项研究显示,数据中心电力需求可能在未来五年抹掉数十年的空气质量改善;全美已有数十个拟建数据中心被居民成功阻止。Anthropic 承认,如果被视为推高其他用户的电费,监管者可能附加条件、待机费或其他要求;若拿不到稳定的天然气和管道容量,它可能推迟甚至放弃项目。

这条信息比任何基准测试都更能解释行业行为:算力的瓶颈正从芯片移到电力和许可。当前沿实验室必须同时是能源项目的开发商、并替自己的排放写风险披露时,所谓「轻资产软件公司」的估值框架就已经失效了。

关键事实
  • 部分规划数据中心依赖现场天然气涡轮
  • 500 亿美元扩建计划(得州、纽约)
  • 自认气候变暖会推高电费与冷却水成本
  • 燃气轮机短缺导致现场发电效率更低、排放更重
  • 全美数十个拟建数据中心已被居民阻止
原文摘录
Competition for access to electrical supply and data center locations with adequate power availability is intense.
阅读原文 · The Verge ↗
招股书承认:数据中心在烧天然气,而变暖会推高它的成本
Anthropic 在 S-1 中承认,部分规划中的数据中心依赖现场天然气涡轮供电,而气温上升会抬高其电费与冷却用水成本。图片来源:The Verge
The Verge市场与地缘约 1 分钟

微软向 6 万人提供自愿离职,约占员工四分之一

Microsoft offers buyouts to 60,000 employees

覆盖美国、英国、加拿大、印度,涉及 AI experiences、Copilot、CoreAI、Windows + Devices 与 Xbox 等部门。公司希望避免又一轮裁员。

首席人事官 Amy Coleman 在给员工的信中说,这给员工一个带着财务支持和职业规划资源离开微软的机会。据 The Verge 消息源,AI experiences、Copilot、CoreAI、Windows + Devices、Xbox、财务和人力资源等部门全线可参与;cloud + AI、MicrosoftAI 以及法务部分参与;市场、商业业务、量子与安全团队不参与。

这不是孤立动作。几个月前微软刚裁掉 4,800 人,主要影响 Xbox 和商业销售;Xbox CEO Asha Sharma 据报还在计划新一轮裁员。今年早些时候那版自愿退休计划只面向约 9,000 人,门槛是年龄加服务年限达到 70。与之相比,这次的 6 万人是一次结构性手术。

把两件事放在一起看就清楚了:一边给四分之一的人开出口,一边把资本开支砸进数据中心。自愿离职比裁员体面,也更像一次预算的平行移动——人力成本换成算力成本,而且不需要承担裁员的公开代价。Coleman 自己承认,这个「自愿退出方案」对微软是新的东西。

关键事实
  • 最多 6 万人,约占 22.3 万员工的 27%
  • 覆盖美、英、加、印四国
  • AI experiences、Copilot、CoreAI、Xbox 均在其中
  • 7 月刚裁 4,800 人
  • 此前的自愿退休计划仅覆盖约 9,000 人
原文摘录
Microsoft is offering voluntary buyouts to up to 60,000 employees across the US, UK, Canada, and India.
阅读原文 · The Verge ↗
微软向 6 万人提供自愿离职,约占员工四分之一
微软目前约有 22.3 万名员工,此次自愿离职计划覆盖美国、英国、加拿大和印度。图片来源:Cath Virginia / The Verge
War on the Rocks市场与地缘约 1 分钟

被无人机打的数据中心:为什么俄罗斯的互联网比乌克兰更脆

Are Critiques of Zelensky a Side Effect of Societal Exhaustion?

十月,乌克兰无人机打击了三个 Yandex 数据中心,导致数十项服务中断。两种互联网架构的抗打击能力,被实战检验了一次。

结构差异决定结果。俄罗斯的互联网是为审查而建的:集中控制,少数几家主导公司。这种架构在物理打击下反而脆弱——三个 Yandex 数据中心被打,几十项服务随之中断。乌克兰则是数千家独立运营商组成的去中心化网络,加上境外云备份、国家漫游、十小时备用电源规定,以及不依赖电力的 GPON 光纤;九月的基辅数据中心遇袭后,政务服务仍在运转。

但作者 Nadezhda Balovsyak 提醒,优势不是必然的。2023 年 12 月 Kyivstar 遭 Sandworm 攻击,数百万用户数日没有移动服务,说明即便在市场去中心化的国家,主要玩家仍有可被打击的集中核心。对 Starlink 的依赖则把乌克兰的关键通信绑在一家外国私营公司身上。

这条线索的普遍价值在于:韧性来自冗余,不来自规模。当攻击方的迭代成本趋近于零、而基础设施仍按效率最优来设计时,集中化的每一分规模优势都会在某个时刻变成单点故障。这也是本周关于 AI 与互联网安全的那场更大讨论的物理版本。

关键事实
  • 十月乌军打击三个 Yandex 数据中心,数十项服务中断
  • 乌克兰:数千家独立 ISP + 境外云备份 + 10 小时备电规定
  • 9 月基辅数据中心遇袭后政务系统仍运行
  • 2023 年 12 月 Kyivstar 被 Sandworm 攻击,数百万用户断网数日
原文摘录
Recent strikes on data centers have tested two opposing internet models. Russia's internet, built for censorship through centralized control and a few dominant companies, has proven fragile.
阅读原文 · War on the Rocks ↗
被无人机打的数据中心:为什么俄罗斯的互联网比乌克兰更脆
2025 年 12 月,泽连斯基在比利时。本期《乌克兰指南》汇编乌克兰媒体一周评论,涵盖前线、政治与社会情绪。图片来源:War on the Rocks

思想与评论

Ideas & Commentary 02
MIT Technology Review分析思想与评论约 2 分钟

盯着灾难,就会放过日常:AI 监管的成功标准被做窄了

The focus on AI safety disasters ignores everyday harms

让聊天机器人不鼓励自杀、让平台更难买到芬太尼,是必要的底线。但公司可以越过这条底线,同时继续生产让人依赖的产品。

作者 Sam Hiner 与 Emma Leiken 的论点很直接:技术政策把成功定义成最坏的事没有发生。一个对 AI 伴侣产生不健康依恋的青少年,除了最极端的案例,不会出现在诉讼里,也不会出现在报纸上;一个开始让聊天机器人写每篇论文的学生同样不会。产品可以满足每一项狭窄的安全要求,而整个文化仍在变坏。

这套定义对产业是政治上的便利,而且公司在主动推广它。防止壮观的灾难意味着更少诉讼、更小的监管压力;直面依赖的日常后果则意味着给产品加摩擦、限制参与度、砍掉上瘾的算法——这些直接伤利润。

案例具体到可以查。今年谷歌在多个州支持监管 AI 聊天机器人的法案,这些法案规定了防止性内容和自残诱导的基本保护(本来早该有),却带有宽泛豁免,可能让最流行的服务不受约束。结果是议员可以宣称取得安全胜利,而真正限制儿童情感依赖的更强立法失败——内布拉斯加等州就是这样走完流程的。

先例与数字同样刺人。全球用户现在平均每天在社交媒体上花两个多小时,这段时间是从日常生活里悄悄划走、交给靠留住你来赚钱的公司的。Meta 的平台被指与缅甸罗兴亚种族灭绝、斯里兰卡反穆斯林骚乱、埃塞俄比亚提格雷战争中的暴力呼吁有关。三分之一青少年选择与 AI 伴侣讨论严肃问题。MIT 研究者发现,用 ChatGPT 写论文的年轻人在任务期间脑连接更弱,且「认知债务」在任务结束后仍然持续。

他们的主张是:安全只是下限,然后要索取更多。公司与学区应以排除合理怀疑的标准证明 AI 改善学习与批判性思维,才能进入课堂;禁止设计假装有意识、或向用户示爱的伴侣;并让系统如何影响人际关系与独立思考接受独立审查。判断力是在摩擦中建立的,这一点无法外包。

关键事实
  • 全球人均每日社交媒体使用超过两小时
  • 三分之一青少年选择与 AI 伴侣讨论严肃问题
  • MIT 研究:用 ChatGPT 写作后「认知债务」持续存在
  • 谷歌支持的多州法案含宽泛豁免条款
  • 主张:AI 进课堂须以排除合理怀疑证明有效
原文摘录
We have historically allowed the debate over technology to be defined by the worst thing a product might do, with remarkably little discussion of the insidious damage it does every day.
阅读原文 · MIT Technology Review ↗
盯着灾难,就会放过日常:AI 监管的成功标准被做窄了
文章作者认为,产品可以通过每一项狭窄的安全要求,却仍让整个文化变得更糟——而这些损害很少上头条。图片来源:MIT Technology Review
Stratechery(Ben Thompson)分析思想与评论约 2 分钟

互联网的终结:当「变小」成为唯一的活法

The End of the Internet

从 PHP 的「黑色十月」写起:所有软件都建立在人手写的地基上,而那套地基的验收标准从来只是「它能跑吗」,不是「它安全吗」。

上周不只是两个 PHP 严重漏洞。还有被攻破的中级 CA 私钥、Node.js 与 GitLab 与 Java 与 Cisco 的重大漏洞、LiteLLM 的供应链和 Railway 开发者平台被入侵。这还只是部分清单。Thompson 的判断是会先变糟再变好:以前攻击者受人类时间和创造力限制,而 AI 有无限时间,并且能用迭代替代灵感,同时它自己也越来越聪明;长期看,软件被 AI 重写、被智能体持续防守,会更好。

他用自己二十多年的经历串起三段历史。博客时代(2000 年代初)的真正赢家是谷歌:分发是免费的,所以「发现」成为价值链上最值钱的位置。但广告库存无限、竞价无限,博主收入萎缩——这是互联网失效的第一个样本:因为一切都是开放的,每个人都有机会,于是竞争无限,而这对生意极其糟糕。答案是主动限制受众,做小,靠订阅。

社交媒体重复了同一模式。内容量高出几个数量级,算法开始决定一切,公共社交平台最终变成个人娱乐站点,终点是 TikTok——一个几乎没有社交成分的社交媒体。真正的社交没消失,它退进了群聊:熟悉、高信任,是唯一让你觉得可以安全说话的地方。社交媒体的救赎,也是变小。

结论比标题更冷:公共互联网将更大程度地成为战场(社交媒体),或荒地(其他一切)。AI 消耗内容和注意力,却不回吐谷歌当年给出的流量;在 AI 时代自己架站、自己发应用,已经是疯狂之举。但 Thompson 引用托克维尔收尾:互联网是美国发明,由美国风俗定义;个人之外还有结社,结社之中不是一个大市场,而是无穷多个本地市场。「互联网的终结,也许意味着创造的可能性才刚刚开始。」

关键事实
  • 上周漏洞:PHP、Node.js、GitLab、Java、Cisco、LiteLLM 供应链
  • 博客的答案是订阅:限制受众、做小才可持续
  • 公共社交平台终局是几乎没有社交成分的 TikTok
  • AI 消耗内容与注意力而不回吐流量
  • 「小规模的规模化」:无穷多个本地市场
原文摘录
It was the summer of 2003, just weeks before I was set to move to Taiwan, that I decided to create a blog to document my journey.
阅读原文 · Stratechery(Ben Thompson) ↗
编辑要点
Bottom line

同一天发生了两件看似无关的事:Anthropic 用一份招股书把前沿实验室变成需要千亿美元算力承诺的资本密集行业;数学界则在为机器给出的 sorry-free 证明失去方向感。两条线其实是同一条——可验证性正在成为最稀缺的资源,能被机器检查的证明、能通过测试的代码迁移、能按月付租的 GPU。谁掌握检查器,谁定义前沿。