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
The Verge
独家

英伟达董事会准备罢免黄仁勋

Nvidia is reportedly preparing to fire Jensen Huang

《纽约时报》曝出第二段婚外情后,《华尔街日报》称董事会最快今日开会决定这位 CEO 的去留,且不打算等内部调查得出结论。

英伟达董事会准备罢免黄仁勋
英伟达 CEO 黄仁勋。董事会最快当日开会,就他的去留作出决定。摄影:Patrick T. Fallon / AFP via Getty Images
关键事实
  • 董事会最快当日开会决定去留
  • 第二段关系的对象为直接向其汇报的副总裁
  • 已聘 Wachtell 律所调查,但董事会不等结论
  • 国会计划传唤黄仁勋就间谍指控作证
阅读原文 · The Verge ↗

英伟达董事会正准备解除首席执行官黄仁勋的职务。这一动向发生在《纽约时报》报道他与第二名女性存在婚外情之后——对方是直接向他汇报的英伟达医疗健康业务副总裁金伯利·鲍威尔。《华尔街日报》率先报道了董事会的动议,并称董事会最快将在当天开会,就黄仁勋的去留作出决定。

据《纽约时报》的说法,两人可能在今年三月的 GTC 开发者大会期间被视频拍到举止亲密。这距离黄仁勋承认另一段婚外情只隔了几天——那段关系中的女性被美国官员认为为中国情报机构工作,同时涉嫌参与 GPU 走私。两起事件叠加,把一个公司治理问题变成了国家安全问题,也让董事会的处置空间迅速收窄。

英伟达此前表示,已聘请前联邦检察官 Joon H. Kim 及其所在的 Wachtell, Lipton, Rosen & Katz 律所负责调查。但今天的消息显示,董事会并不打算等调查结论再行动。对一家市值以万亿美元计、处在 AI 算力供应链正中央的公司来说,这意味着最高层可能在调查尚未完成时就发生权力交接。

国会也已介入。议员计划传唤黄仁勋,就中国间谍指控作证。对市场而言,真正的风险不是丑闻本身,而是接任者是否延续现行的产能分配节奏、对华出口口径和超大客户关系——这三件事在过去三年里几乎等同于黄仁勋本人的判断。

FT Alphaville分析人工智能与科技约 1 分钟

Anthropic 启动史上最大 IPO,总规模或达 1000 亿美元

Anthropic's IPO is too important to fail

70 至 78 美元的定价区间、260 亿美元基石认购加上超额配售,规模可能触及千亿美元,超过 SpaceX 的 860 亿纪录。

Anthropic 周一向 SEC 提交修订后的注册文件,正式启动发行。定价区间为每股 70 至 78 美元,按上限计算可募资逾 640 亿美元;若 15% 的超额配售权全部行使,则达到 740 亿美元。再加上七家战略投资者 260 亿美元的基石认购承诺,总规模可能达到 1000 亿美元。

这是前所未有的量级。此前的纪录保持者是 SpaceX 的 860 亿美元。严格说,Anthropic 这次更像是史上第二大 IPO 加一次巨型私募配售的组合,金融史学家以后大概会为此争论一番。

但 FT Alphaville 的克雷格·科本提醒,需求火爆不等于上市后表现良好。他点出两个结构性隐患:一是影子内部人减持,老股东可能借 IPO 窗口变相套现;二是循环供应链背书,即供应商或客户以各种方式参与认购,把估值撑起来。

这类安排在发行时能放大认购倍数,在锁定期结束、真实流通盘扩大时却容易造成消化不良。对一个正在把数千亿美元投入算力、且现金流仍为负的行业来说,这次定价不只是 Anthropic 一家的事——它会给整个 AI 基础设施的估值体系设定一个公开参照。

关键事实
  • 定价区间每股 70 至 78 美元
  • 上限募资逾 640 亿美元,含超额配售 740 亿
  • 七家战略投资者基石认购 260 亿美元
  • 总规模或达 1000 亿美元,超 SpaceX 的 860 亿
阅读原文 · FT Alphaville ↗
Simon Willison's Weblog人工智能与科技约 1 分钟

Anthropic 路演披露:Claude 用三天把推理栈搬到 AMD 芯片上

Anthropic's IPO roadshow video

联合创始人 Tom Brown 在路演视频里讲了两件此前未公开的事:四类芯片并行的算力策略,和算力乘数的复利效应。

Anthropic 的 IPO 路演视频里有一段关于算力路径的访谈,由联合创始人 Tom Brown 主讲。他说 Claude 现在同时在四类芯片上训练和推理:AWS 的 Trainium、Google 的 TPU、英伟达 GPU 和 AMD GPU。这在早期是个不受欢迎的赌注——每类芯片都需要独立的编译器和推理栈,成本高、工程难。但做了几年之后,它成了结构性优势。

最能说明问题的是今年第一次接入 AMD 的例子。过去引入一个新芯片平台要几十名工程师干几个月;这一次他们让内部代号 Mythos 的模型自己去试。结果三天就跑通了,几乎没有人工干预,Claude 自己移植或编写了接近百分之百的 kernel。

Brown 提出的第二个概念是算力乘数。他把总算力定义为物理产能与乘数的乘积:如果一个 4 倍乘数被发现,原本需要 100 单位算力才能训练出的模型,现在 25 单位就够;反过来,同样的 100 单位可以训出原本要 400 单位才能达到的智能水平。

关键在于这些乘数是叠加的,而且彼此放大。Brown 直言,随着接近递归自我改进,Claude 将能够自己发现算力乘数,乘数的增长速度会越来越快。这段话是路演里最像技术宣言的部分,也是理解 Anthropic 为何敢叫出千亿美元估值的关键——它卖的不是模型,是算力效率的复利曲线。

关键事实
  • 四类芯片并行:Trainium、TPU、英伟达、AMD
  • Mythos 三天完成 AMD 移植,约百分之百 kernel 自写
  • 算力乘数可叠加且相互放大
  • 目标指向模型自主发现算力乘数
阅读原文 · Simon Willison's Weblog ↗
TechCrunch人工智能与科技约 1 分钟

OpenAI 单季营收首次突破 100 亿美元

OpenAI's quarterly revenue reportedly crosses $10B for the first time

环比增长近 50%,较上一季 18% 的增速明显提速;调整后经营利润率从 -150% 收窄至 -109%。

据彭博社援引匿名消息人士,OpenAI 第三季度营收首次超过 100 亿美元。相比第二季度的 67 亿美元,环比增幅接近 50%——而此前第一季到第二季的增速被报道为约 18%。这意味着在经历上半年的低谷之后,收入曲线重新变陡。

亏损结构也在改善。调整后经营利润率从第二季度的 -150% 收窄到第三季度的 -109%。虽然仍是重度亏损,但边际改善幅度不小,说明提价、折扣收缩和推理成本下降开始体现在账面上。

更重要的变化来自业务结构。OpenAI 有超过十亿用户,但其中大部分是免费或最低价套餐;企业市场则被 Anthropic 抢先,后者第三季度营收报出 170 亿美元。OpenAI 最近的提速,正来自三个方向:更紧的定价、更强的模型,以及更明确地转向企业产品和能替人完成任务的 agent。

这组数字把竞争格局摆到了台面上:Anthropic 在企业端领先,OpenAI 在用户规模和消费端领先,两家在同一周里向公开市场要钱。收入增速能否持续,取决于企业端份额能否扳回来,而不取决于消费端的用户数。

关键事实
  • 第三季度营收超 100 亿美元
  • 环比增速由 18% 升至接近 50%
  • 调整后经营利润率 -150% 收窄至 -109%
  • Anthropic 同期营收为 170 亿美元
阅读原文 · TechCrunch ↗
OpenAI 单季营收首次突破 100 亿美元
OpenAI 标志。第三季度营收由第二季度的 67 亿美元跃升至 100 亿美元以上。图片来源:Bryce Durbin / TechCrunch
Google DeepMind人工智能与科技约 1 分钟

AlphaGenome 2 把基因变异的影响精确到单个细胞类型

AlphaGenome 2: Deciphering how cells read DNA to better understand disease

在 68 种组织、超过 1 亿个单细胞图谱上训练,识别出的改变基因表达的变异数量约为上一代的两倍。

人体每个细胞携带同一份 DNA,但心肌细胞和正在对抗感染的免疫细胞会打开不同的基因。同一处单碱基变异,在不同细胞类型、不同细胞状态下可能后果完全不同。这是人类遗传学最棘手的问题之一,也是 AlphaGenome 一代的局限:它从一百万碱基的序列出发同时输出数千个实验的结果,容量被摊薄,很难分辨相近细胞类型之间的细微差别。

AlphaGenome 2 改成了条件模型。输入是一段 DNA 序列加一个指定的生物学条件——条件可以来自参考细胞类型目录,也可以用研究者自己的单细胞实验通过细胞编码器现场生成。这样模型不必对所有组织平均用力,而是针对特定细胞类型和状态做预测。

效果是可量化的:在 68 种组织、超过 1 亿个单细胞图谱上训练之后,AlphaGenome 2 识别出的会改变基因表达的变异数量,约为此前最强模型的两倍。更关键的是,它能对训练中没见过的细胞状态和疾病状态给出预测。

DeepMind 的说法是,这把静态的细胞图谱变成了人类遗传学的预测引擎。今天起通过 AlphaGenome API 向非商业研究开放,商业研究走私有预览。需要强调的边界是:模型仅用于研究,尚未经过临床或诊断验证。

关键事实
  • 条件模型:输入 DNA 序列加指定细胞条件
  • 训练数据为 1 亿以上单细胞图谱、68 种组织
  • 识别出的表达改变变异约为上一代两倍
  • 支持未见过的细胞与疾病状态预测
阅读原文 · Google DeepMind ↗
AlphaGenome 2 把基因变异的影响精确到单个细胞类型
AlphaGenome 2 把一段 DNA 序列切分为不同尺度,逐层预测其在特定细胞类型中的调控效果。图片来源:Google DeepMind
Simon Willison's Weblog人工智能与科技约 1 分钟

谷歌推出 Gemini Decisions API,决策模型成为独立品类

Gemini Decisions API

每百万输入 token 收费 10 美分、输出免费,覆盖文本、图像、音频、视频和 PDF,且给出概率而非 0 或 1。

谷歌发布 Gemini Decision 1,加入 Jev 和 OpenAI 所在的决策模型品类。API 形态与 Jev 几乎一致,支持三类问题:是或否判断、多选、以及按评分标准打分——连是或否这个问题类型的内部名称 Noul 都直接沿用了 Jev 的叫法。

定价与 OpenAI 的 GPT-6 Luna 决策模型相同:每百万输入 token 10 美分,输出不计费。Jev 仍是最便宜的,每百万 4.2 美分。差别在模态:Jev 只处理文本和 JSON,OpenAI 支持文本与图像,Gemini Decision 1 覆盖文本、图像、音频、视频和 PDF。

西蒙·威利森用一个约克镇踩踏机器人的视频做了实测,同时问四个是或否问题:视频里有龙吗、有机器人吗、发生在法国吗、发生在美国吗。Jev 和 OpenAI 对这类问题返回 1.0 或 0.0,Gemini 则给出概率:龙 0.05,机器人 0.92,法国 0.08,美国 0.92。

这个差异不只是风格问题。对需要级联判断的系统来说,概率输出让下游可以设阈值、可以组合多个弱判断,而不必被迫接受一个二值结论。决策模型这个品类的意义也在这里:它不生成内容,只把要不要继续这一步从大模型里拆出来,做成便宜、可批量调用的原语。

关键事实
  • 三类问题:是或否、多选、评分标准打分
  • 每百万输入 token 10 美分,输出免费
  • 支持文本、图像、音频、视频、PDF
  • 输出概率值而非二值结论
阅读原文 · Simon Willison's Weblog ↗

市场与地缘

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

CoreWeave 转向客户预付款和短期合约,为 AI 扩张融资

CoreWeave turns to customer prepayments, shorter contracts to fund AI growth

第三季度营收 36.6 亿美元、同比增长 168%,同时净亏 7.09 亿、单季利息支出 8.46 亿;公司拒绝在当前收益率下发行无担保债。

CoreWeave 第三季度营收 36.6 亿美元,同比增长 168%;净亏损 7.09 亿美元,单季利息支出 8.46 亿美元。CEO Michael Intrator 在电话会上说得很直接:在当前的收益率水平下,我们不会用无担保债务市场来给业务融资,也不需要这么做。

替代方案有三条。一是以具体客户合同为抵押借款,按需提款,为剩余基础设施提供资金——公司手上的订单储备是 1325 亿美元。二是向客户要预付款:未来三个月预计收到约 90 亿美元预付款和保证金,其中 30 多亿来自为已建成产能签下的新合同,不需要再买硬件。

三是改合约结构。CoreWeave 七月全线提价约 25%,季度内又提了 10%,本季还在涨。Intrator 说,公司正把更多产能分配给短期机会,短期合约售价超过每兆瓦每年 4000 万美元,而四到五年的新基础设施合约价格在 2000 万到 2500 万美元之间。八月还落地了一笔 26 亿美元、专为短期合约设计的贷款,编号 DDTL 5.5,可以按需分批提取。

代价是风险敞口变了。短期合约能提价,但贷款人更看重长期合约的现金流可预测性;上月公司部分债券收益率一度突破 15%,说明债权人已经在为数据中心建成而需求未兑现的情形定价。这套安排能提高利润,也把公司更紧地绑在算力需求持续、价格继续上涨这个尚未被验证的假设上。

关键事实
  • 营收 36.6 亿美元,同比增长 168%
  • 净亏 7.09 亿美元,单季利息支出 8.46 亿
  • 订单储备 1325 亿美元
  • 三个月内预计收到 90 亿美元客户预付款
  • 短期合约每兆瓦年价超 4000 万美元,长约 2000 至 2500 万
阅读原文 · TechCrunch ↗
TechCrunch市场与地缘约 1 分钟

英国 Fractile 完成 7.2 亿美元 C 轮,主权基金押注专用 AI 芯片

With $720M round, Britain's Fractile gets a leg up in the race for AI chips

英国主权 AI 基金参与投资,Fractile 由此跻身专用 AI 芯片领域融资额最高的玩家之一。

英国初创公司 Fractile 完成 7.2 亿美元 C 轮融资,投资方包括英国主权 AI 基金。英国政府对此的表态很明确:这笔钱是为了确保英国在支撑其未来经济的硬件上占有更大份额。

Fractile 做的是为 AI 专门设计的芯片,而不是通用 GPU。这个赛道近年涌入大量资本,逻辑是:如果 transformer 的推理负载足够稳定,专用电路在能效和单位成本上就能显著优于通用架构。代价是灵活性——模型架构一变,硬件的优势可能被削掉一大块。

英国政府把主权基金投进一家尚未大规模量产的公司,说明算力主权已经从口号变成了财政动作。同一周里,Anthropic 在路演中强调自己同时跑在四类芯片上,CoreWeave 在为每一兆瓦的产能重新定价——三件事指向同一个判断:算力的稀缺不在总量,而在可调度、可定价、且不受单一供应商制约的那部分。

关键事实
  • C 轮融资 7.2 亿美元
  • 英国主权 AI 基金参与投资
  • 方向为 AI 专用芯片而非通用 GPU
  • 跻身该赛道融资额最高公司之列
阅读原文 · TechCrunch ↗
英国 Fractile 完成 7.2 亿美元 C 轮,主权基金押注专用 AI 芯片
Fractile 创始人兼 CEO 沃尔特·古德温在 Web Summit 上。该公司刚完成 7.2 亿美元 C 轮融资。摄影:Sam Barnes / Sportsfile for Web Summit via Getty Images
War on the Rocks市场与地缘约 1 分钟

日本最危险的军事约束不是法律,而是时间

Japan's Most Dangerous Military Constraint Is Time

一位美军规划者复盘 2022 年兵推:真正卡住美日联合作战的,是一个被所有人误读的行政审批时点。

2022 年的一场美日联合兵推里,规划者撞上一个熟悉的墙。美军需要在对手第一波导弹齐射前从集中基地疏散,而这需要使用日本的民用土地和设施。按参与者的普遍理解,日本只能在武力攻击事态发生后才能批准紧急使用私人土地——也就是说,授权的触发条件同时也是它的截止时间,等它生效,已经太晚。

看起来这是硬性的政治约束,于是它被写进事后报告、编进下一年的演习脚本,然后原封不动地带进作战计划,最后变成事实。但同一次兵推中,一位参与者读出了不同的法律解释:同一部法律、同一套政策,存在一个更早启动的内阁选项,只是此前被所有人忽略了。

作者克里斯托弗·登泽尔是美军太平洋战区的战略规划官。他的论点不在于某一条法律的具体条文,而在于方法:规划者无法预测日本内阁在危机中会做什么、什么时候做,但可以系统地排查法律和行政层面的行动障碍。找到程序上的腾挪空间,就能在不预设政治决定的前提下保住作战灵活性。

他提出的做法是:兵推要去挑战那些被假定的约束,演习要把可行的解决方案固化成惯例,两国的政策制定者要共同分析决策与行动的时间线,建立一旦延迟就会关掉哪些选项的共识。目标不是预测东京的反应,而是为两国领导人保住时间和选择权。

关键事实
  • 2022 年美日兵推暴露出审批时点问题
  • 紧急使用私人土地的授权触发即截止
  • 同一部法律存在更早启动的内阁选项
  • 建议以程序空间换取作战灵活性
阅读原文 · War on the Rocks ↗
日本最危险的军事约束不是法律,而是时间
美日联合演习中,日本陆上自卫队与美海军陆战队在冲绳与那国岛建立前方武装加油点。摄影:Lance Cpl. Ryan Sotodavila / DVIDS
Foreign Affairs市场与地缘约 1 分钟

特朗普面对的是一个完全不同的朝鲜

Trump Is Facing a Very Different North Korea

两位前对朝谈判核心人物认为,华盛顿应把目标从无核化暂时转向可验证的核军控与安全措施。

特朗普显然想重启与金正恩的对话。八月十七日他在 Truth Social 上宣布缩减美韩联合军演,理由是我与金正恩的良好关系,并称对方不具威胁、值得尊重。八月,金与正回应称,虽然对华盛顿所说的首脑间沟通毫不知情,但我们的国家元首对特朗普怀有美好的个人记忆和积极感情,首脑之间的关系依然很好——这不是同意会面,但也没有关门。

问题在于,2026 年的朝鲜已经不是 2019 年那次会面时的朝鲜。本文作者、前副国务卿斯蒂芬·比根与前国务院官员艾玛·钱利特-艾弗里指出,首任期未完成的外交、疫情、美中战略竞争升级与俄乌战争共同改变了安全环境;而朝鲜持续的核与常规军力扩张、以及来自莫斯科的支持,让金正恩手里的牌比七年前多得多。

因此他们的建议是:如果真要举行首脑会晤,美方必须先明确战略目标和愿意让出的东西,并在短期内把重心从无核化转到更可实现的核军控与安全措施上。同时,美国应维持朝鲜半岛上有能力的驻军,并再次向韩国、日本重申包括核保护伞在内的安全承诺。

这套建议的实质是承认优先级排序:在朝鲜已经拥有实战化核武库、且有俄罗斯背书的条件下,追求一次性弃核只会重复 2019 年的失败。把目标降到可验证的军控,至少能换来危机沟通机制和试验限制——代价是默认朝鲜的核地位。

关键事实
  • 特朗普八月宣布缩减美韩联合军演
  • 金与正称首脑关系依然很好但未确认沟通
  • 朝鲜核与常规军力扩张,且有俄方支持
  • 建议短期转向核军控与安全措施
  • 维持驻军并重申对韩日的核保护承诺
阅读原文 · Foreign Affairs ↗
特朗普面对的是一个完全不同的朝鲜
2019 年 6 月,特朗普与金正恩在韩朝非军事区板门店会面。那场会面之后,半岛的力量对比已经改变。摄影:Kevin Lamarque / Reuters

思想与评论

Ideas & Commentary 02
Noahpinion分析思想与评论约 1 分钟

印度正在安静地变好

India is quietly doing great

诺亚·史密斯在上周唱空中国之后解释为何看多印度:两者的任务难度根本不同。

在上一篇为什么我开始看空中国之后,诺亚·史密斯被反复问到是否同样看空印度。他的回答是否定的——他比过去一段时间更看多印度。理由不是印度做得比中国好,而是两国被要求的任务根本不同。

衡量中国时,人们问的是它能否超过美国及其盟友的经济总和、能否在 AI 上领先、能否把收入拉到台湾或韩国的水平、能否主导亚洲。史密斯对这些越来越怀疑。而印度当前的任务简单得多:摆脱贫困,成为一个中高收入国家。他认为这件事印度能做到。

按 GDP 和人类发展指数衡量,印度大致相当于 2000 年代末的中国。很多人忘了,2000 年代的中国仍被普遍视为发展中国家:城市雾霾、农村贫困、靠廉价劳动力和宽松环境监管驱动。印度现在要做的,是中国在 2010 年代完成的那一跳——建成充足且高质量的道路、铁路、住房和能源,为多数人提供体面的工作,并在技术上追到前沿。

史密斯强调,印度已经开了个好头:过去二十年极端贫困基本被消除,整整十分之一的人类脱离了匮乏。更值得注意的是,与中国不同,印度在完成这场减贫的同时还降低了不平等。这不是说印度没有问题,而是说印度能否成为中高收入国家与印度能否取代中国是两个问题,混在一起谈会得出错误结论。

关键事实
  • 印度 GDP 与人类发展指数约相当于 2000 年代末中国
  • 过去二十年极端贫困基本消除
  • 减贫的同时不平等程度下降
  • 核心任务是跨入中高收入国家
阅读原文 · Noahpinion ↗
印度正在安静地变好
印度杰纳布河上的铁路桥施工现场。诺亚·史密斯认为,印度当前的任务是把基础设施和就业补到位。图片来源:Ojhayogesh / Wikimedia Commons
Foreign Affairs思想与评论约 1 分钟

中国 AI 公司是一种新型的外国代理人

A New Kind of Foreign Agent

塔尔·费尔德曼主张:与其封禁中国模型,不如复活 1938 年 FARA 的逻辑——允许存在,但必须登记、披露和标注。

外国政府试图影响美国政治,从建国起就有。华盛顿在告别演说里就把外国影响称为共和政府最有害的敌人之一。老办法没有消失——本周英伟达 CEO 黄仁勋承认,与一位美国官员认为为中国情报机构工作的女性存在恋爱关系。但费尔德曼认为,一种新的外国代理人已经出现:中国的 AI 公司。

它们的模型看起来无害,只是美国企业可以用的一款便宜工具。但开发者会训练模型去推进中国共产党的利益。而美国企业正在把越来越多的关键决策交给 AI。如果华盛顿什么都不做,这些企业就会把控制权交到目标是服务另一个政府的模型手里。

目前的政策辩论集中在是否封禁中国 AI。费尔德曼认为这是错误的问题。美国历史上行之有效的办法不是审查,而是披露:1938 年国会通过外国代理人登记法,没有禁止外国宣传,而是允许其继续传播,前提是登记并披露真正的委托方,且传播内容必须显著标注其外国委托方。近年司法部要求 RT、新华社和 CGTN 登记为外国代理人,未登记的曼纳福特和里维拉被判处监禁。

把同样的逻辑套到模型上,意味着:中国模型可以卖,但必须标明身份、披露训练方与委托关系,让下游用户在知道自己在用什么的前提下选择。这套方案未必能解决全部问题——模型的行为不像文章那样可以逐句标注——但它把争论从禁不禁转向了知情使用,这在政治上更可行,也更符合既有的法律工具箱。

关键事实
  • 主张中国 AI 模型构成新型外国代理人
  • 反对封禁,主张外国代理人登记法式的披露
  • 该法 1938 年立法,允许传播但要求登记标注
  • RT、新华社、CGTN 已被要求登记
阅读原文 · Foreign Affairs ↗
编辑要点
Bottom line

同一天里,AI 行业的资本与算力两条曲线同时被推到极限:Anthropic 以千亿美元规模冲击史上最大 IPO,CoreWeave 用客户预付款和短期合约替代无担保债,而英伟达的最高层可能在调查结束前就换人。支撑这一切的不是需求本身,而是「算力乘数会继续复利」这个假设——Anthropic 在路演里已经把它讲成递归自我改进的前奏。与此同时,华盛顿开始把 AI 模型本身当作外国代理人来对待,日本与朝鲜则提醒:真正卡住战略的,往往不是能力,而是决策的窗口。