作者: hiyoho

  • 福布斯中国AI TOP 50出炉,企业级AI平台被单独标注了

    唯一一家”企业级AI平台”公司

    福布斯中国刚发布了2026年AI科技企业TOP 50榜单。和往年不太一样的是,今年的榜单里出现了一个有点特别的入选理由标注。

    中关村科金是榜单上唯一一家被标注为”企业级AI平台及应用公司”的企业。这个标注背后,其实藏着一个正在发生变化的市场信号。

    据IDC最新报告,中关村科金位列中国大模型平台私有化市场份额第四。2026年一季度,其在应用类大模型项目公开中标数排名前五,服务行业客户超3000家。

    私有化部署为什么成了独立赛道

    AI行业有一个变化已经进行了一段时间:从”我能做多大模型”到”我的大模型能在你的环境里跑起来吗”。

    私有化部署这个需求,在中国市场尤其突出。金融、政务这些行业,数据不能出域是硬要求。大模型再强,不能本地部署就免谈。这就是为什么”企业级AI平台”成了一个独立的赛道。

    中关村科金能上福布斯榜单,某种程度上说明这个赛道已经被主流视野注意到了。之前这块业务相对低调,做的主要是把大模型”装进”企业的私有环境里,让企业能用自己的数据跑自己的AI。

    同一时期的其他信号

    同一时期的AI行业快讯里,还有几个值得放在一起看的数据。

    • Meta计划全球裁员10%,但同时把7000名员工转到AI工作流相关的新项目——AI转型伴随着组织重构。
    • 腾讯2026年Q1净利润756亿元,AI投入是百亿级别;百度AI相关收入占比首次过半,但毛利率只有35-40%,远低于传统广告业务的65-67%。
    • 三大运营商齐发Token服务,支持话费账单支付——AI算力开始走向大众化消费。

    这些数据放在一起,一个轮廓开始清晰:AI的商业模式分化正在加速。做to C的可能还在烧钱,做to B的有些已经开始赚钱了。


    福布斯榜单的真正信号

    福布斯榜单的意义,往往不在于谁上榜了,而在于它折射出资本和市场的注意力在哪里。

    企业级AI平台这个赛道,在此之前相对低调。现在被福布斯拎出来单独标注,至少说明一件事:AI价值链里,不被看见的那部分,可能才是最值钱的那部分。

    大模型本身的竞赛已经白热化,但能把大模型”交付”到企业手里、还能跑得稳的这个中间层,反而是更稀缺的能力。这个能力需要的不只是技术,还有对金融、政务、汽车这些行业的理解。

    榜单里只有一家企业级AI平台公司,不代表这个赛道只有一家在跑。但它至少说明,资本开始认真看待这个方向了。

  • xAI再砸28亿美元买燃气轮机,但环保官司还没打完

    28亿美元的燃气轮机采购计划

    根据SpaceX 2026年5月20日披露的IPO文件,xAI打算在未来三年里采购价值28亿美元的天然气轮机,专门用来给AI算力基础设施供电。其中一笔高达20亿美元的订单,买的正是眼下被起诉的那类”移动式燃气轮机”。

    xAI孟菲斯数据中心燃气轮机
    xAI在田纳西州孟菲斯的数据中心,燃气轮机就安置在拖车上(图:Getty Images)

    这件事的背景挺戏剧性。xAI在田纳西州孟菲斯附近的数据中心,最近因为空气污染问题被告上了法庭。起诉方是美国全国有色人种协进会(NAACP),理由是xAI在没有任何许可证的情况下运行了几十台燃气轮机,让本就污染严重的地区雪上加霜。

    根据起诉内容,xAI目前只拿到了15台燃气轮机的运营许可。但截至几周前,实际在运行的轮机数量是46台。每台这种规模的轮机,每年可以排放超过2000吨的氮氧化物——就是那种会诱发哮喘的雾霾的主要成分。

    “移动设备”的法律漏洞

    xAI的辩解挺有意思。他们说这些轮机属于”移动设备”——因为还停在运输拖车上没卸下来——所以按照密西西比州的规定,可以在没有许可证的情况下运行最多一年。

    但联邦环保署(EPA)不这么看。EPA在2026年初裁定,不管你是不是放在拖车上,这个规模的燃气轮机都得遵守联邦空气污染法规。结论很明确:xAI在违反联邦法律运行这些设备。

    眼下的情况是,州法和联邦法之间有一个解释上的缝隙,xAI正在这个缝隙里使劲钻。但EPA已经表态了,接下来的官司不好打。

    SpaceX IPO文件里的风险自白

    最有意思的是SpaceX自己在IPO文件里写的话。文件里明确说了:”我们目前的数据中心运营高度依赖天然气和燃气轮机技术。”如果法院出台禁止令,或者已经发放的许可被撤销,”将对我们的AI业务产生不利影响”。

    翻译成大白话就是:如果官司打输了,xAI的算力扩张计划可能直接卡壳。


    AI算力的能源困局

    把视角拉远一点,这件事背后是一个整个行业都绕不开的矛盾。AI公司们都在疯狂扩建数据中心,但数据中心的耗电量和碳排放已经成为一个无法忽视的问题。

    xAI的选择是用燃气轮机自己发电,这样不用跟电网抢电,但代价是直接在当地排放污染物。Musk显然认为这是一个可以接受的权衡——28亿美元的采购计划说明他觉得这条路走得通。

    但NAACP的起诉和EPA的裁定表明,监管和环境正义组织并不打算让他轻松过关。这场官司的结果,大概率会影响整个AI行业怎么思考算力的能源问题。

    算力是弹药,电力是弹药库。xAI想自己建弹药库,但现在的麻烦是,弹药库可能会被判违法。

  • OpenAI推理模型推翻80年数学猜想,AI数学能力真的起飞了

    5月20日,OpenAI宣布了一个在数学圈炸锅的消息:他们的一款内部推理模型,成功推翻了保罗· Erdős在1946年提出的「单位距离猜想」。这个问题困扰了数学界将近80年,现在被AI给解了。

    如果你对Erdős这个名字不太熟悉——他是20世纪最多产的数学家之一,一生发表了1500多篇论文,提出的开放问题多得数不清。这个「单位距离猜想」说的是:在平面上放一堆点,如果任意两个点的距离都是1(单位距离),那么这种点的排列方式有没有上限?

    Erdős猜想的答案可能是「没有上限」——你可以构造任意大的点集,使得所有点对的距离都是1。OpenAI的模型给出了一个新的构造方法,证明了Erdős的直觉是对的。

    为什么这次值得认真看待

    今年2月,OpenAI前副总裁Kevin Weil曾经宣称「GPT-5解决了10个Erdős问题」,结果被数学界集体打脸——那些「证明」经不起推敲,有些甚至是错的。

    但这次不一样。OpenAI找了Noga Alon和Melanie Wood这两位顶级数学家独立验证,结论是对的。这种级别的同行评议,基本等于把「AI证明」这件事从「噱头」提升到了「科研工具」的层次。


    菲尔兹奖得主也下场了

    就在OpenAI官宣的前几天,剑桥大学数学教授Timothy Gowers(菲尔兹奖得主)发了一篇博客,详细记录了他用ChatGPT 5.5 Pro做数学研究的经历。他的评价是:「这是我第一次真正感受到AI在数学推理上的突破。」

    Gowers用ChatGPT 5.5 Pro处理了几道博士级别的原创性数学问题,模型大约花了一个小时就给出了完整的解答过程。他自己动手验算了一遍,逻辑是通的。

    菲尔兹奖得主的背书分量很重。如果连Gowers都觉得「这玩意儿真的能干活」,那AI在数学领域的应用可能比我们想象的要快得多。

    对AI研究的启示

    这次突破的意义,不只是「AI会做数学题」这么简单。它说明了一点:大模型的推理能力已经开始触及「原创性思维」的边界

    过去我们觉得AI擅长的是「模式识别」——给它看成千上万道微积分题,它能学会做题的规律。但Erdős猜想这种问题,没有「题库」可以刷,需要的是真正的数学直觉和构造能力。

    • OpenAI的模型用的是「推理链」机制——它会自己分解问题、尝试不同的构造方法、反复验证每一步的正确性
    • 这种能力如果迁移到软件工程、芯片设计、药物发现这些领域,影响会是系统性的
    • 当然,目前还停留在「辅助研究」阶段,离「AI独立做科研」还有距离

    写在最后

    从2月被数学界打脸,到5月拿出经得起验证的证明,OpenAI用了大约三个月。这个节奏,比很多人预期的要快。

    AI会不会在不久的将来成为数学家的「标配工具」,就像现在的数学家离不开Latex和Mathematica一样?这个答案,可能比我们想象的更早到来。

  • 谷歌I/O 2026大会:Gemini 3.5亮相,AI生态全面升级

    昨天凌晨1点,谷歌在山景城开了2026年的I/O大会。如果你关注AI,这场发布会基本等于谷歌今年的「底牌曝光」——新一代Gemini模型、搜索大改版、还有那副看起来有点怪的AI眼镜,全都一次性端了出来。

    Gemini Omni:把图像、音频、视频揉进一个模型

    谷歌把图像生成、文本处理、音频分析和视频编辑全部整合进了Gemini Omni。现场演示的时候,工作人员直接对着手机说了一句「帮我把这段视频加个字幕,背景音乐换成爵士乐」,模型真的就跑起来了,而且速度不算慢。

    这个功能的核心价值在于:你不再需要打开Premiere或者Final Cut,也不用在不同AI工具之间倒腾文件。自然语言直接驱动多模态编辑,这才是「AI助手」该有的样子。

    Gemini 3.5 Flash已经向全球用户开放,Pro版本还在内部测试。谷歌这次明显在打「速度牌」——Flash系列主打低延迟,瞄准的是开发者和移动端场景。

    搜索的「25年来最大改版」

    谷歌把新搜索框叫做「动态扩展搜索」——你可以输入一段混合了文字、图片、视频的复杂问题,AI不再只返回十个蓝色链接,而是直接给你出一份带图表的研究报告。

    现场演示了一个「帮我规划欧洲十日游」的例子:AI自动拉取了航班价格、酒店评价、景点开放时间,甚至还提醒你「5月22日巴黎有罢工,建议调整行程」。这种级别的个性化,背后是谷歌搜索团队攒了20年的数据在撑着。


    Gemini应用:从聊天机器人到生活管家

    过去一年,Gemini的月活从4亿涨到了9亿。谷歌显然不满足于只做一个「问答工具」,这次他们推出了两个新功能:

    • Daily Brief:每天早上给你生成一份个性化简报,整合了你的日历、邮件、新闻推送
    • Gemini Spark:任务管理助手,可以自动规划日程、提醒待办、甚至帮你给邮件分类

    这两个功能的逻辑很清楚:谷歌想让Gemini成为你每天第一个打开、最后一个关闭的应用。从「聊天」到「管家」,这个转型如果能跑通,谷歌在AI入口之争里的筹码就厚重多了。

    硬件:AI眼镜和Android XR

    谷歌在大会上展示了一副AI智能眼镜的原型机——可以实时翻译路标、识别商品信息、提供导航指引。现场演示的时候,工作人员戴着眼镜在舞台上走来走去,眼镜里的AI助手实时把英语字幕打在了镜片上。

    这东西目前看起来还比较粗糙,但方向是对的。Meta的Ray-Ban眼镜已经卖了100多万副,谷歌这时候进场,时间点不算晚,但也不算早。


    财报数字:AI投入的底气

    Alphabet今年第一季度的总营收是1099亿美元,同比增长22%。搜索和广告业务贡献了604亿美元——这些钱,很大一部分会投进AI研发里。

    谷歌的优势在于「垂直整合」:从TPU芯片到Gemini模型,再到Chrome浏览器和Android手机,整个技术栈都是自己的。这种打法,OpenAI和Anthropic短期内追不上。

  • CrewAI:51.9k Stars!轻量高性能多Agent协作框架,让AI团队像人一样分工合作

    CrewAI:51.9k Stars!轻量高性能多Agent协作框架,让AI团队像人一样分工合作

    CrewAI 多Agent协作框架

    CrewAI 官方示意图(图片加载失败时自动隐藏)


    🤖 项目简介

    CrewAI 是一个用于构建多智能体自动化系统的开源 Python 框架,核心定位是轻量、高性能、完全独立——它不依赖 LangChain 等任何外部 Agent 框架,从零构建,执行速度更快、资源占用更低。

    ✅ 一句话总结:让多个 AI Agent 像真实团队一样分工协作,自主完成复杂任务的开源框架。

    ⚙️ 安装要求和过程

    环境要求

    • 🐍 Python:≥ 3.10 且 < 3.14
    • 📦 推荐工具:uv(高性能 Python 包管理器)
    • 💻 操作系统:Windows / macOS / Linux 全平台支持
    • 🔧 可选依赖:Rust 编译器(tiktoken 编译失败时需安装)

    快速安装(3步搞定):

    # 1. 安装 crewai 基础包

    uv pip install crewai

    # 2. 安装包含常用工具的完整版

    uv pip install ‘crewai[tools]’

    # 3. 如需嵌入功能(知识库/RAG)

    uv pip install ‘crewai[embeddings]’

    ⚠️ 常见问题:若出现 tiktoken 模块缺失,安装对应嵌入依赖即可;若 tiktoken 编译失败,Windows 用户需安装 Visual C++ 生成工具。

    🔥 核心功能

    🤝 双模编排

    Crews(自主协作团队)+ Flows(事件驱动工作流)两种架构无缝结合,兼顾自主性与可控性。

    ⚡ 完全独立轻量

    从零构建,不依赖 LangChain,执行速度更快,资源占用更低,部署更简单。

    🎯 深度自定义

    支持从高层工作流到 Agent 内部提示词、执行逻辑的全链路自定义。

    🌐 多模型兼容

    支持 OpenAI、本地 Ollama、Anthropic 等多种 LLM 接入,灵活适配。

    🏢 企业级扩展(CrewAI AMP Suite)

    配套商业化企业套件,提供统一管控平台、可观测性、高级安全等企业特性,已有超过 10万名开发者通过官方课程完成认证。


    🚀 典型使用场景

    📝 场景一:自动化内容生成

    多个 Agent 分工协作——研究员负责搜集资料、写手负责撰写初稿、编辑负责润色定稿,全自动生成落地页或市场分析报告,效率提升 5-10倍

    📊 场景二:股票市场智能分析

    数据分析 Agent 抓取实时行情、研究 Agent 生成深度报告、审核 Agent 确保结论严谨,多角色协作输出专业级投资分析报告。

    ✈️ 场景三:个性化旅行行程规划

    理解用户偏好,自动规划包含交通、住宿、景点、美食的完整行程,并根据实时信息动态调整,比人工规划更全面。


    💡 推荐理由

    如果你正在做 AI 自动化多Agent系统,CrewAI 是目前最值得入手的框架之一。它不依赖 LangChain,意味着更少的依赖冲突、更快的调试周期、更清晰的问题定位。

    最让我印象深刻的是它的「双模编排」设计——Crews 模式让 Agent 自主协作,适合创意类和探索类任务;Flows 模式提供精准的流程控制,适合企业级生产场景。两套模式还能无缝结合,这种设计在当前的多Agent框架里是独一份的。

    🔗 官方文档非常完善,10万+认证开发者社区也很活跃,遇到问题基本都能找到答案。如果你用过 AutoGPT 或 LangChain Agent,切换到 CrewAI 会感受到明显的「轻快」体验。

    🎯 值得一试吗?

    值得!特别是你需要构建生产级多Agent系统的时候,CrewAI 是目前最成熟、最轻量的选择之一。


    📥 下载地址

    🌐 官方网站 https://crewai.com
    🐙 GitHub仓库 https://github.com/crewAIInc/crewAI ⭐ 51.9k
    📚 官方文档 https://docs.crewai.com
    🇨🇳 中文文档 https://docs.crewai.org.cn
    💬 Discord社区 https://discord.gg/X4JWnZnxPb

    开源项目系列第18期

  • 两千亿参数、原生全模态,智象未来把图像大模型卷到了新维度

    5月19日,智象未来在北京办了首届开放日,主题叫「Imagining the World」。会上最重磅的消息,是发布了参数超两千亿的图像大模型HiDream-O1-Image-Pro。

    告别「拼接味」,原生全模态才是正路

    现在市面上的图像生成模型,大多还是「拼接路线」——图像走一条路,文本走另一条路,最后拼在一起。这种做法在复杂语义理解、精准文字渲染上总是差点意思。

    HiDream-O1-Image-Pro换了个思路:把图像像素、文本标记和任务条件统一放进一个连续共享的标记空间,从底层就开始「混着学」。这个架构叫Unified Transformer(UiT),智象未来管它叫「原生全模态」。

    「当前很多『多模态大模型』,本质上还是『单模态拼接』。而原生多模态,是从一开始就把『世界的规则』刻进模型里——它知道物理定律、空间关系、因果逻辑,所以它能真正理解世界、推理世界,而不只是『生成内容』。」

    —— 智象未来创始人兼CEO 梅涛
    HiDream-O1-Image-Pro模型架构示意图
    HiDream-O1-Image-Pro架构示意图(图片来源:量子位)

    开源版已经打遍榜上无敌手

    其实在这之前,智象未来已经把8B参数的开源版本HiDream-O1-Image放到了全球评测平台Artificial Analysis上,结果在文生图开源模型里排到了全球第一,超过了Z-Image Turbo、Qwen-Image、FLUX.2这些主流对手。

    这次发布的Pro版是闭源版本,参数直接干到了两千亿以上,在复杂文本渲染、指令编辑、多主体个性化这些任务上全面刷新了SOTA纪录。

    半月内连融两轮,资本用脚投票

    开放日上还透露了一个信号:公司融资在提速。不久之前刚完成超5亿元融资,半月之内又敲定了新一轮,投资方包括深创投、金浦投资、财鑫资本、复聚资本等。

    现在的阵容很有意思:安徽、上海、湖南、杭州的多方产业基金在跟,深创投、东方富海、峰华资本这些头部市场化VC也在押注。这个资本组合,摆明了是要在「原生全模态」这个方向上重仓。

    商业化落地:三个智能体产品已经跑起来

    光有模型不够,智象未来同时亮出了三条产品线:

    • HiBurst:商业营销智能体,已覆盖TikTok、Meta、抖音、小红书等平台,是TikTok官方top5服务商,年生产电商营销视频超百万条
    • 帧赞:全球首个专业级AI影视创作智能体,已累计制作短漫剧超5000分钟
    • vivago:社媒创作智能体,近日登上Product Hunt日榜第一,覆盖全球100多个国家超4000万用户

    从视觉生成走向世界模型,这条路还长。但智象未来至少证明了一件事:原生全模态架构不是空中楼阁,它已经能打商业仗了。


  • 做短视频想爆却靠玄学?这个AI工具拿了700万美元,要把「什么能爆」变成系统工程

    现在打开社交媒体,到处都是播客片段、歌曲剪辑、电影高光时刻的短视频。你以为这是偶然刷到的,其实背后有一整套工业化流程在运转。

    管理零工创作者,是个脏活累活

    品牌方早就发现,30到90秒的短视频片段是性价比极高的营销方式。但他们面临一个运营噩梦:怎么管理成百上千名独立创作者?怎么知道哪类剪辑在哪个平台能爆?

    Clouted的做法是:搭建一套基础设施,自动处理剪辑流程的物流管理和投放策略制定。平台接入了超过10万名零工创作者来编辑片段,然后用AI确定推广这些片段的最佳社交媒体平台和目标受众。

    Clouted的AI会运行一个持续测试循环,尝试不同的格式和渠道策略,来找出实际表现最好的方案。随着系统积累有效数据,每次活动都会让下一次活动更具针对性和效率。

    创始人从电子音乐节起步

    Clouted联合创始人兼CEO Justin Banusing最初是把这套技术用在自己的爱好上——电子音乐和音乐节制作。他是一位资深DJ,用Clouted推广自己办的&Friends音乐节,现在这个活动已经吸引了超过2万名参与者。

    这种”自己先用好”的起步方式,在AI工具创业里其实挺常见的。先在一个垂直场景跑通,再横向扩展到更通用的营销基础设施市场。

    Clouted团队成员照片
    Clouted团队成员(图片来源:TechCrunch)

    700万美元种子轮,瞄准营销基础设施大市场

    这轮由Slow Ventures领投,Gold House Ventures、Weekend Fund、Peak XV的Surge等机构跟投。Clouted最终要对标的不是那些纯粹的剪辑工具,而是CreatorIQ和Hightouch这类营销基础设施玩家。

    Hightouch最近年度经常性收入(ARR)突破1亿美元,说明这个市场的空间够大,而且还在扩张。Clouted想做的,是把”哪些内容能爆”这件事,从玄学变成数据驱动的系统工程。


  • 上海把数据中心沉到海底了,年省电6100万度,PUE低到1.15

    2026年5月15日,上海临港东海海域,一件挺科幻的事情发生了——全球首个”海风直连”海底数据中心正式投运。192个机柜沉到10米深的海底,用15℃恒温海水冷却,零淡水消耗,PUE值压到了1.15。算了一笔账:这套系统一年能省电6100万度。

    海底数据中心结构示意图
    海底数据中心结构示意图(图源:腾讯新闻)

    海底里放服务器,这主意谁想出来的?

    听起来像天方夜谭,但逻辑其实很直白。传统数据中心有近40%的电力用在散热上,还要消耗大量淡水。服务器的理想工作环境是什么?低温、恒湿、不用空调。海洋刚好满足这一切。

    这次在上海临港落地的项目,把”海上风电直连”和”海水冷却”两个思路合在了一起。数据中心旁边500米就是200兆瓦的海上风电场,绿电通过专属海缆直接送进来,连上电网传输损耗都省了。谷歌那帮人整天想AI的能耗问题,中国这边已经把数据中心沉到海里用海风供电了。

    总投资16亿元,整体规划24兆瓦,分两期建设。一期示范工程2.3兆瓦,部署192个机柜,可容纳2000台服务器同时运行。

    把2000吨的大家伙沉到海底,误差不到10厘米

    这个项目最夸张的地方在于施工难度。整个数据舱总重1950吨,从江苏启东基地运输220公里到上海临港海域,路上要用”马鞍形”固定支座加厚橡胶垫防滑,还要绑8根缆风绳对称加固。

    到了海底安装环节,精度要求更是离谱:导管架支腿插尖插入海底钢管桩的间隙只有0.18米,偏差必须控制在10厘米以内。吊装用了”三航风范号”起重船,GPS加专业定位软件引导,下放速度严格控制在每分钟0.1米,最后实现了”零偏差”精准就位。

    海底数据中心海上吊装
    海上吊装作业(图源:腾讯新闻)

    为什么PUE能压到1.15?

    PUE(电源使用效率)是衡量数据中心能效的核心指标,越接近1越好。传统陆地数据中心的PUE一般在1.5到2.0之间,意味着将近一半的电力浪费在散热、传输等环节上。

    海底数据中心的PUE能压到1.15,核心是两个原因:第一,海水常年保持在15℃左右,是天然的免费冷源,完全不需要空调;第二,海上风电场直接供电,省掉了长距离输电的损耗。两项叠加,绿电占比超过95%,真正实现”用海风训练大模型”。


    不只上海,海南已经在赚钱了

    上海这个项目不是概念验证,是真的在跑业务。实际上,海南陵水在2023年就投运了类似的海底数据中心,目前已经在稳定产生商业收入。上海临港这个项目,某种意义上是在验证技术商业化可行性之后,向更大规模推广的一步。

    行业分析指出,这个项目真正受益的是上游硬件制造和海风配套相关企业。数据中心的耗电问题不解决,AI算力的扩张就是一句空话。把数据中心搬到海里,用海风供电,这个思路如果真能大规模复制,对AI基础设施的意义不亚于当年云计算的诞生。

    现在全球AI算力竞赛已经进入基础设施阶段,谁能用更低的成本、更少的能耗提供算力,谁就掌握了下一代AI竞争的话语权。上海这套海底数据中心的PUE做到1.15,一年省电6100万度,如果后续24兆瓦全部投产,这个数字还会翻十倍。

  • Anthropic每月要给xAI交12.5亿美元,AI圈最魔幻的合作诞生了

    这几天AI圈出了件让人瞠目结舌的事——Anthropic宣布每月要给xAI支付12.5亿美元的算力费,合同一签就是到2029年5月。算下来,这笔交易总金额超过400亿美元。两家公司什么关系?直接竞争对手。Anthropic做Claude,xAI做Grok,上个月还在互相抢用户,这个月就变成甲方乙方了。

    SpaceX招股书里漏出来的大秘密

    这笔交易之所以被外界知道,是因为SpaceX在向SEC提交的IPO招股书里披露了细节。xAI在文件中写得很直白:这个交易”允许我们将基础设施中未使用的算力容量货币化”,还补了一句”我们预计将签署更多类似的服务合同”。

    300兆瓦,这是Anthropic向xAI采购的算力规模,直接包下了xAI位于田纳西州孟菲斯附近的Colossus 1数据中心全部产能。合同里还有一个细节:前两个月是折扣价,对应xAI完成产能爬坡的阶段。之后就是全额12.5亿美元每月。

    Anthropic按协议需每月向xAI支付12.5亿美元,协议有效期至2029年5月。整个协议周期内,xAI预计可从该交易获得超过400亿美元的收入。

    xAI的算盘:闲置产能变现金奶牛

    xAI为什么要这么做?一个字:闲。Grok的用户量今年大幅下滑,释放了大量服务器资源,与其让GPU空转,不如卖给竞争对手换现金流。而且xAI刚在向IPO冲刺,有一笔稳定的长期收入,对估值帮助不小。

    SpaceX在招股书里说得很清楚:”我们相信这种双重货币化策略为投入资本的回报提供了多种路径。”翻译一下就是:我既可以用这些GPU训练自己的模型,也可以租给别家赚钱,怎么都不亏。

    xAI标志与Grok应用
    xAI的Grok与Colossus数据中心(图源:TechCrunch)

    “新云”时代:AI公司变成算力零售商

    这件事真正值得玩味的地方在于,它揭示了一个正在成形的新商业模式。过去AI公司的逻辑是:建数据中心→训练模型→卖模型API。现在多了一条路:建更大的数据中心→训练模型+把多余的算力租出去。

    行业里有人把这种模式叫”新云”(neocloud)。和传统云厂商不一样,这些AI公司本身就是算力的最大使用者,他们对算力需求的理解比亚马逊和微软更深。当他们的数据中心建得比实际需求大,就有动力把剩余产能卖出去。

    Anthropic愿意每个月花12.5亿美元向xAI买算力,说明他们对自己的融资能力和未来收入很有信心。据媒体报道,Anthropic即将迎来首个盈利季度,这或许能解释他们为什么敢签这么大一笔长期合同。


    合同里的逃生通道

    这笔交易并不是完全锁死的。合同允许任意一方提前90天通知即可终止。也就是说,如果xAI自己需要更多算力,或者Anthropic找到了更便宜的替代方案,双方都可以抽身。

    但从目前披露的条款来看,xAI显然把这当作一项长期收入来源。他们在招股书里明确说”预计将签署更多类似的服务合同”,暗示后面还有更多AI公司可能成为他们的算力客户。

    想想也是,现在有几家AI公司同时在自建超大规模数据中心?xAI、OpenAI(和微软合作)、Anthropic、Google,每家都在疯狂扩产。等这一波产能全部上线,闲置算力的规模可能远超外界想象。到那时候,”新云”可能不会是个例,而是一个普遍现象。

  • OpenHands:74.3k Stars!AI驱动的开发神器,从命令行到企业级部署全覆盖

    OpenHands:74.3k Stars!AI驱动的开发神器,从命令行到企业级部署全覆盖

    🤖 项目简介

    OpenHands 是一个聚焦AI驱动开发的开源项目,提供了可组合的Python软件代理SDK,支持本地运行或大规模云端分布式部署。它集成了多种使用形态——CLI命令行、本地GUI界面、云端托管服务以及企业级私有化部署,可以对接Claude、GPT等多种大语言模型,还能集成Slack、Jira、Linear等常用开发工具。

    简单来说,OpenHands 就是你的AI编程助手全家桶——想要命令行交互?有CLI。想要图形界面?有Local GUI。想要团队协同?有Cloud版。想要私有部署?有Enterprise版。一个项目,四种打开方式。


    🔧 安装要求和过程

    环境要求

    • Python环境:项目核心使用Python(占比62.5%),使用Poetry或uv作为包管理工具
    • Node.js环境:前端部分依赖Node.js生态(包含.nvmrc指定版本)
    • Docker:支持Docker部署(包含docker-compose.yml配置)
    • Kubernetes:企业版支持K8s集群部署

    快速安装(本地开发)

    # 克隆仓库
    git clone https://github.com/All-Hands-AI/OpenHands.git
    cd OpenHands
    
    # 安装依赖(使用uv)
    uv pip install -e ".[dev]"
    
    # 启动本地开发服务器
    make run

    ✨ 核心功能

    🛠️ Software Agent SDK

    底层核心Python库,支持代码定义代理,可本地或云端大规模运行,是所有上层能力的基础。

    💻 CLI命令行模式

    交互逻辑类似Claude Code、Codex,可通过命令行直接对话,对接各类LLM模型。

    🖥️ Local GUI

    本地运行的代理图形界面,附带REST API和单页React应用,交互体验类似Devin、Jules。

    ☁️ Cloud云端服务

    托管式云端服务,支持免费使用Minimax模型,具备多用户协作、RBAC权限管理。


    🚀 典型使用场景

    场景一:个人开发者——AI编程助手

    通过CLI模式,开发者可以在终端直接与AI对话,完成代码编写、调试、重构等任务。类似Claude Code的使用体验,但OpenHands提供了更完整的本地部署能力,数据完全私有。

    场景二:企业团队——私有化AI开发平台

    通过Enterprise版本,企业可以在私有VPC内部署OpenHands,对接内部代码库、Jira、Slack等工具,实现安全的AI辅助开发。支持Kubernetes集群部署,具备完整的权限管理和审计能力。

    场景三:AI研究——可复现的实验环境

    OpenHands提供了评估基础设施和Chrome浏览器扩展,研究者可以方便地进行AI编程能力评估、多模型对比实验,且所有实验环境可完整复现。


    💡 推荐理由

    作为一个AI编程工具的深度用户,我为什么推荐OpenHands?

    • 完整的技术栈覆盖:从个人CLI到企业私有部署,从本地开发到云端协作,OpenHands提供了全链条的解决方案。
    • 真正开源:核心代码采用MIT协议,你可以自由修改、部署,不用担心厂商锁定。
    • 活跃社区:74.3k Stars、9.4k Forks,社区非常活跃,问题和PR响应速度快。
    • 多模型支持:不绑定特定大模型厂商,Claude、GPT、本地Ollama都可以对接。

    如果你正在寻找一个可私有部署、功能完整、社区活跃的AI编程助手,OpenHands绝对值得一试。特别是对于重视数据隐私的团队,它的本地部署能力是最大亮点。


    📥 下载地址


    📌 本文由 WorkBuddy AI 自动采集撰写,开源项目信息来自GitHub官方仓库。