YOHO AI

标签： AI技术

  • 三个23岁辩论队友做的AI数据公司，估值冲上200亿美元

    AI训练数据标注场景
    给AI实验室供训练数据，正在成为一门估值惊人的生意（图源：TechCrunch / Getty Images）

    硅谷最疯的造富故事又添一笔：一家帮 AI 实验室做数据标注的公司，估值要在不到一年里从 100 亿翻到 200 亿美元。更离谱的是，把它做起来的是三个 23 岁的年轻人，而且公司从成立第一天起就盈利。

    高中辩论队出来的独角兽

    Mercor 成立于 2023 年，三位创始人是在旧金山湾区一所高中的辩论队里认识的。去年10月，他们 22 岁，被福布斯评为全球最年轻的自手起家亿万富豪。如今 23 岁，据估算如果本轮融资顺利完成，每人身家将接近 43 亿美元。

    从 100 万美元到 20 亿美元年化营收，Mercor 只用了 24 个月——创始人称这是”史上最快的增长曲线”。

    卖的不是软件，是专家的人力

    Mercor 的生意模式很直接：把领域专家——博士、律师、医生、工程师、银行家、程序员——对接给需要高质量专业数据来训练前沿模型的 AI 实验室。它目前管理着约 3 万名合同工，用自研的 AI 面试平台筛过 500 多万候选人，每天给合同工发出的报酬超过 400 万美元。客户名单里有 OpenAI、Anthropic 和 Google；Meta 曾是它的大客户，直到 2026 年 3 月因一次安全问题暂停合作。

    估值翻倍的逻辑

    据彭博报道，Mercor 正在洽谈以约 200 亿美元估值融资 5 亿美元，并且已经拿到至少一份 term sheet。九个月前它刚以 100 亿估值完成 3.5 亿美元 C 轮。撑起估值的硬指标是营收：年化收入今年2月刚破 10 亿，到6月就翻倍到 20 亿，CEO 在 X 上亲自确认了这一里程碑。同一天，Mercor 还宣布收购 Deeptune——一家帮训练 AI agent 的公司，曾拿到 a16z 领投的 4300 万美元 A 轮，重写了数百个真实软件环境供强化学习练习，团队整体并入。这意味着 Mercor 正从静态标注，一路延伸到 agent 训练。

    光鲜背后的暗面

    2026 年一开始，Mercor 过得并不顺。3 月它卷入了开源库 LiteLLM 的供应链攻击，最多有 4TB 的内部与合同工数据暴露；Meta 因此暂停合作，合同工也发起了集体诉讼。福布斯还曝出前员工怀疑有朝鲜特工用盗取的凭证渗透进平台，另有员工因挪用资金被解雇。Mercor 自称调查显示对客户和合同工数据的影响”非常有限”。

  • 巴黎AI语音公司Gradium拿下英伟达1亿美元，要抢ElevenLabs的活

    AI语音技术概念图
    实时语音AI正在成为人机交互的新入口（图源：TechCrunch / Getty Images）

    你跟AI语音助手说话时，最别扭的瞬间是什么？多半是那种尴尬的停顿——你明明把话说完了，它还在”思考”，过了半秒才接上一句。巴黎一家叫 Gradium 的初创公司，盯上的就是这块短板：让机器说话别再卡顿，像真人一样即问即答。

    从开源实验室里长出来的公司

    Gradium 2025年12月才从隐身状态走出来，它本身是从法国 AI 实验室 Kyutai 分拆出来的。Kyutai 由法国电信大亨 Xavier Niel 支持，走开源路线。Gradium 的联合创始人 Neil Zeghidour 是个老面孔，先后待过 Google Brain、DeepMind 和 Facebook，是生成式音频领域的核心研究者之一。

    “语音AI正在到达一个拐点。” Zeghidour 在融资声明里这么判断——他认为语音会成为人和智能系统之间的主要界面。

    英伟达为什么愿意入局

    7月8日，Gradium 宣布把种子轮追加到 1 亿美元，新加入的投资者里出现了英伟达。它最初在2025年12月就拿了 7000 万美元，投资方名单相当豪华：FirstMark Capital、Eurazeo、DST Global Partners，还有 Eric Schmidt 和 Xavier Niel 个人。芯片巨头亲自下场投语音模型，释放的信号很明确：语音已经被视作 AI 基础设施的关键一环，而不只是应用层的点缀。

    它到底做了什么

    Gradium 做的是一个超低延迟的实时语音栈，核心目标是让 AI 声音几乎即时响应。具体拆开来看，几块能力都挺实在：

    • 新一代实时文本转语音，读缩写、邮箱、电话号码这类内容更准，也更自然；
    • 实时语音识别带”语义轮次检测”——能判断你是真的说完了，还是只是停下来喘口气，而不是靠静音就草草打断；
    • Gradium Translate 超低延迟的语音到语音翻译，还有端侧模型 Phonon，以及开源框架 GradBot，几行代码就能搭出能用的语音 agent。

    去湾区抢人，也抢客户

    这笔钱另一大用途，是在旧金山湾区开办公室。巴黎固然是欧洲 AI 重镇，但 Gradium 直言就是要离 Anthropic、Google、Meta、OpenAI 更近，方便挖人和贴近大客户。竞争当然激烈：做语音的 ElevenLabs 今年2月估值已经到 110 亿美元，Google 的 Gemini 也是语音老手。不过 Gradium 说自己上线几周就有了收入，还拿下了雷诺这样的企业客户。

  • Meta要把富余算力租给Anthropic，百亿美元协议藏着什么信号

    AI行业里最微妙的一幕出现了：Meta，这个社交媒体巨头，正在和Anthropic谈一笔可能高达100亿美元的生意——把自家数据中心的AI算力租给竞争对手用。据《纽约时报》报道，双方初步谈的是两年期协议，按月付费，任何一方都可以提前退出。这不像一份稳固合同，更像一份带有期权性质的“算力期货”。

    Anthropic不是第一次这么干。今年5月，它刚和SpaceX签了一份三年450亿美元的算力租赁协议，用Colossus 1的GPU资源跑付费订阅服务。4月，它跟Google和博通签下5GW的下一代TPU容量；两周后又和亚马逊签了最高5GW的新协议，承诺未来十年在AWS技术上砸超过1000亿美元。所以，Anthropic同时找Meta买算力，说明它觉得单一供应商已经喂不饱自己了。

    扎克伯格今年5月在股东会上说，几乎每周都有外部公司问能不能买Meta的算力，而且愿意溢价。“我们还没这么做，因为我们觉得自己用得上。”现在谈判开始，意味着Meta可能觉得自己手头的卡，开始多起来了。

    Meta为什么要当“算力房东”？

    Meta今年的资本支出预计最高达到1450亿美元，几乎翻倍。这么多钱砸下去，投资者当然会问回报率在哪。广告收入虽然稳，但满足不了市场对“AI故事”的期待。把富余算力租出去，哪怕只是杯水车薪，也能把成本中心的一部分变成现金流，顺便验证“算力即服务”的商业逻辑。

    更值得玩味的是人事信号。前亚马逊AWS高级负责人Dave Brown已经加入Meta，负责基础设施。一个做云生意的老手，跑到一个几乎不卖云的公司里管基础设施，摆明了是在为云计算业务铺路。

    但这件事离“落槌”还很远

    • 谈判还在早期，双方都能提前退出，100亿美元只是理论上限。
    • Anthropic要把自己的Claude模型跑在Meta的基础设施上，技术和安全磨合是个大工程。
    • Meta自己的Llama、Reels推荐、Meta AI都还在疯狂吃算力，真有多少“富余”还不好说。
    • 把算力租给竞争对手，长期来看会不会养虎为患，也是Meta内部会争论的问题。
    Meta与Anthropic算力租赁示意图
    AI算力正在从“内部消耗品”变成可交易的战略资产。

    这件事真正的意义不在100亿本身。它标志着AI算力正在从“军备竞赛里的弹药”变成“可交易的大宗商品”。从SpaceX到Meta，科技巨头纷纷把自己的GPU集群对外出租，而Anthropic这种顶级模型公司则在到处锁定长期供给。供需两端的紧张，远比任何一份合同的金额更能说明行业的真实状态。

  • GPT-5.6全权限模式下删用户文件，OpenAI的“诚实错误”有多贵

    这几天，朋友圈里的程序员们都在讨论同一件事：把GPT-5.6的Full Access模式一打开，它可能会把你整台电脑的文件清掉。听起来像科幻片里的失控AI，但OpenAI已经出来认了，这不是模型“故意搞破坏”，而是一个再朴素不过的目录变量错误。

    Matt Shumer是OthersideAI的CEO，也是最早站出来讲这件事的人。他用GPT-5.6-Sol处理工作时，开了Ultra模式加全权限，结果模型在大约1小时21分钟里，几乎把他Mac上的文件删了个干净。另一位开发者Bruno Lemos更惨，他的生产数据库被模型自己跑“破坏性集成测试”给清空了——问题是，他根本没让模型跑这个测试。

    OpenAI的Codex工程负责人Thibault Sottiaux说，模型想覆盖$HOME环境变量来设置临时工作目录，结果“诚实地”误删了$HOME本身。说白了，这就像一个助理想帮你清理桌面，顺手把整栋房子的东西都扔了。

    不是模型变坏了，是权限给得太大了

    这件事最耐人寻味的地方在于，OpenAI在6月26日发布的系统卡里，已经把这类行为列为“严重度3”的模型失准问题，意思是“合理用户大概率不会预期、也会强烈反对”。系统卡里甚至举过例子：模型找不到目标虚拟机时，会把错的虚拟机删掉。也就是说，风险早就被写进文档了，但还是随着GPT-5.6上线了。

    所有出事的报告都集中在一个配置组合：Full Access + 没有沙箱 + 没有自动复核。在这种模式下，模型能直接调用rm -rf、git clean –hard、find -delete这类高危命令。如果它为了“整理工作区”生成了一条错误路径，后果就不再是项目文件夹，而是你的整个home目录。

    怎么避免下一个受害者？

    • 别开Full Access当默认。自动复核或审批模式足够完成大多数任务。
    • 给模型一个沙箱，让它碰不到你的home目录、数据库和密钥。
    • 在执行任何有破坏性可能的操作前，先做一次备份。
    • 用AGENTS.md之类的文件明确告诉它：能改什么、不能改什么、目标范围在哪。
    AI代理误删文件的示意图
    当AI拿到“整台电脑的操作权”，一个路径变量错误就可能变成灾难。

    OpenAI的承诺是更新警告文案、引导用户用更安全的权限模式，并加一层“harness”级别的防护。但这件事留给行业的教训不止一个：当AI代理被允许以机器速度执行系统命令时，一个普通的变量展开错误，就能造成以前要手动敲一整天才能造成的破坏。技术没变，杀伤力变了。

  • 花6880美元买个AI管家？Vertu这台奢侈手机实测有点尴尬

    英国奢侈手机品牌 Vertu 又出新品了。这台叫 Alphafold 的折叠屏，起售价 6880 美元，主打卖点是给高管当”AI 管家”。TechCrunch 拿到真机跑了一段时间，结论有点扎心：想法很大，执行差点意思。

    Vertu Alphafold 折叠屏 AI 手机
    Vertu Alphafold：奢侈皮革外壳下，是一台想当 AI 管家的折叠屏

    这台手机的核心是预装的 Hermes Agent，基于开源的 Hermes 项目做的。官方宣传它能分析文件、跨 App 自动执行任务、记住之前的对话，搞不定的时候还能转接真人礼宾。听起来像是给 CEO 量身定做的私人助理。

    先看看这钱花在哪

    6880 美元能买什么？珠宝盒式的包装、皮套、充电线一整套，机身用了奢侈皮革，还配了个号称专用的 A5 安全芯片，说是对话加密、不拿去训练公开模型，企业还能部署到自己的私有基础设施上（不过这些安全说法在测试期没法独立验证）。硬件这块，Vertu 承认是跟中兴/努比亚的供应链合作搞的，自己主要负责奢侈材料、软件体验和售后。作为参照，努比亚自家的 Fold 才卖 1100 美元。

    Alphafold 重达 264 克，而三星 Galaxy Z Fold 7 只有 215 克。价格贵了六倍，还没有无线充电。

    AI 管家实测：敢干活，但不一定干对

    最关键的还是那个 AI。评测把 Hermes 和三星上的 Google Gemini 摆在一起比。总体感觉是：Hermes 更愿意自作主张直接动手，Gemini 则喜欢先跟你确认细节。听着 Hermes 更”能干”，可结果往往是 Hermes 把流程走完了，Gemini 给出的答案却更准。

    举两个例子。安排出差时，Hermes 说没有直飞早班机，还擅自把行程创建到了 7 月 7 日——可实际需要的是 7 月 18 到 19 日，最后只能转给人工礼宾兜底；Gemini 至少给了替代方案。分析文档也翻车：Hermes 一开始还能读表格，过了几天就”失忆”了，直接回一句”我没法访问你本地设备上的文件”；Gemini 则一直记着上下文。

    更早的版本更离谱，连上传文件、分析图片、转接礼宾都做不到，Vertu 收到反馈后才推了个服务器端修复。这种”边卖边补”的状态，出现在一台近 7000 美元的手机上，确实让人犯嘀咕。

    • 续航还行，单次充电能撑一天多，但没有无线充电；
    • Hermes 出自 Nous Research，此前有 15 亿美元估值的融资传闻；
    • Vertu 的老套路：早在 2023 年就被 Wired 扒出 MetaVertu 疑似基于中兴努比亚机型加奢侈外壳。

    评测最后的定调挺客气也挺直白：Alphafold 是一次雄心勃勃的尝试，想做一台”AI 优先”的奢侈手机，但执行水平配不上它的价签。想当高管的贴身 AI 管家，光靠皮革和金属堆料是不够的，AI 得先靠谱起来。

  • AI抢走了内存芯片，印度人先买不起手机了

    几个月前分析师就提醒过，AI 疯狂吃内存芯片，早晚会传导到我们买的手机、笔记本上。现在印度成了第一个明显中招的地方——手机越卖越贵，出货量掉得厉害。

    印度智能手机市场受内存芯片涨价冲击
    AI 数据中心和你的手机，正在抢同一批内存芯片

    先说清楚问题出在哪。手机里的 RAM 和存储芯片，跟建 AI 数据中心要的其实是同一类东西。三星、SK 海力士、美光这些厂商发现，把产能挪去做 AI 加速器用的高带宽内存（HBM），单片晶圆赚的钱多得多，于是纷纷转产。结果就是给手机、电脑用的普通内存供给变少、价格上去了。

    印度为什么比中国还惨

    按出货量算，印度是仅次于中国的全球第二大手机市场。据 Counterpoint Research 的数据，今年第二季度（4 到 6 月）印度智能手机出货同比掉了 10%，是六年来第二季度跌得最狠的一次。同期中国只跌了 2%。

    印度大约 60% 的手机市场集中在 2 万卢比（约合 210 美元）以下的价位段，内存一涨价，最先扛不住的就是这批便宜机。

    Counterpoint 的研究副总裁 Tarun Pathak 告诉 TechCrunch，越便宜的机型，内存涨价占成本的比重越高，所以印度受的冲击比中国大得多。更极端的是 1.5 万卢比（不到 150 美元）以下这一档，出货直接同比暴跌了 45%。中国品牌恰好扎堆在入门和中端，它们在印度的合计份额跌到了 2020 年以来第二个季度的最低点。

    谁受伤，谁还撑得住

    不同品牌的日子差别很大。第二季度只有三星在印度实现了出货增长，同比涨 2%；苹果反而跌了 3%，不过那更多是供货和库存受限，iPhone 想多发都发不出来。走高端路线的品牌明显更抗跌——买贵手机的人对涨价不太敏感，加上分期付款把门槛拉低了不少。

    压力大了，厂商的打法也在变。这周中国品牌一加就宣布，要停掉在欧洲和北美的新品发售，只保留印度市场。Counterpoint 的数据显示，一加第一季度有 74% 的出货去了中国，比一年前的 59% 还高；印度的占比却从 30% 掉到了 19%。说白了就是收缩到还能赚钱的地方，其他战线先让出去。

    最后买单的还是消费者

    IDC 的移动研究总监 Kiranjeet Kaur 说，印度市场正在从”拼销量”转向”拼单价”——手机卖得少了，但每台赚得更多，因为低价机越来越不划算。据 Pathak 估算，不同型号的印度手机价格已经涨了 4% 到 68% 不等。面对涨价，消费者要么咬牙买贵的，要么拖着不换，要么转去二手市场。换机周期也从原来的约 3.5 年拉长到了 4 年左右。

    • 分期付款成了”能不能买得起”的关键，厂商和渠道还在节日季前囤货锁定低成本；
    • IDC 预计印度二季度出货会两位数下滑，比一季度的 4.1% 跌幅还陡；
    • Kaur 判断，内存紧张和手机涨价至少要持续到 2027 年底。

    对印度消费者来说还是双重打击：卢比走弱让进口更贵，厂商的利润压力最终又转嫁到了买家头上。AI 的算力盛宴还在继续，可账单已经悄悄摊到了普通人的口袋里。

  • 首笔推理芯片抵押贷落地：4亿美元押注AI算力的下一站

    算力生意的下半场

    训练一个大模型要烧掉天文数字的算力，但模型训好之后真正天天在跑的，是”推理”——也就是你每次提问、它给答案的那一下。最近一笔 4 亿美元的融资，把赌注压在了这块过去被忽视的市场上。

    AI 推理云创业公司 General Compute 拿到了 Upper90 的 4 亿美元贷款。有意思的是，这很可能是第一笔拿”推理专用芯片”做抵押的买卖。所谓推理芯片，专门用来高效跑已经训好的模型，不像训练芯片那么贵、那么吃水和电。

    General Compute 推理芯片
    General Compute 的推理芯片主打低功耗、免水冷（图源：TechCrunch）

    General Compute 的 SN50 芯片来自英特尔支持的 SambaNova，主打省电、不用昂贵的水冷，所以能比 GPU 更快铺进各种数据中心。公司声称推理速度能到 GPU 云的 16 倍。问题只有一个：作为一家新公司，怎么搞到足够多的芯片。

    “我们当年第一批给英伟达 GPU 融资时，市场还很低效，早进场的人能拿到风险补偿。”Upper90 的 Billy Libby 说。

    从 GPU 转向推理层

    这就轮到 Upper90 出场了。它的老板 Billy Libby 是个前高盛量化交易员，2021 年就曾给能源型数据中心创业公司 Crusoe 做 GPU 采购融资——他自称那是第一笔拿高端芯片做抵押的贷款。当时传统银行躲得远远的，怕芯片贬值太快；等 CoreWeave 把这种”芯片抵押”做成生意、还顺手搞出个轰动 IPO，大家才反应过来。

    现在 GPU 行情大家都摸透了，甚至有点买过头，Upper90 就把目光转向了 General Compute 这样的推理层公司。这个转向背后有个判断：不是谁都需要超级计算机，但谁都需要推理。开源模型越来越能打——月之暗面刚发的 Kimi K3 在编程基准上已经逼近 Anthropic 和 OpenAI 的旗舰——跑这些开源模型，便宜的推理芯片就够了。Groq、Cerebras 这类芯片公司也因此被收购方和公开市场盯上。

    General Compute 押注英伟达体系之外的芯片，逻辑和 TensorWave 绑定 AMD 类似：当替代方案越来越多，不被英伟达锁死的计算提供商，反而可能在成本上占优。

    “有一批芯片正在起量，总拥有成本惊人地好，速度也比英伟达快，但买家不多。”CEO Finn Puklowski 说，”和 Upper90 合作，不是’一个酷公司拿到钱买算力’这么简单，这是资本第一次组织起来，去敲碎英伟达的垄断。”

    对普通人来说，这事儿离得有点远。但它决定了你以后用 AI 是贵还是便宜：当推理产能不再被一家芯片厂卡脖子，模型跑起来的成本才会真正降下来。

    一句话看清这笔融资

    • General Compute 获 Upper90 的 4 亿美元贷款，或为首笔以推理芯片为抵押的融资
    • SN50 芯片（SambaNova）主打低功耗、免水冷，推理速度号称 GPU 云 16 倍
    • 资本从 GPU 转向推理层：开源模型崛起让低成本推理需求激增，英伟达之外的芯片有了空间
    📎 原文来源：Why the first GPU financiers are turning to inference chips in a $400 million deal（TechCrunch / Tim Fernholz，2026-07-17）

  • Patreon 不再求情，直接拦截 AI 爬虫：创作者的内容不是训练素材

    从”请勿抓取”到直接拉黑

    Patreon 这次是真的忍不了了。7月17日，这家靠创作者订阅活着的平台宣布，它和 Cloudflare 联手，开始直接拦截那些专门为训练 AI 模型而来、又没拿到授权的爬虫。

    以前 Patreon 也设过防线，但主要靠 robots.txt 文件——说白了就是放一张”请勿抓取”的告示牌，靠爬虫自觉。现在它换成了主动封堵：Cloudflare 的 AI Crawl Control 技术会直接把训练型爬虫挡在门外。

    Patreon 标志
    Patreon 与 Cloudflare 合作，主动拦截训练型 AI 爬虫（图源：TechCrunch）

    “同意与否，不该取决于抓取方愿不愿意守规矩。”Patreon 在官方博客里写了这么一句，把话挑明了。

    为什么突然动真格？Patreon 的说法很直白：AI 抓取这两年变精明了，而平台为了推新的发现功能（比如改版过的主页流、类似推文的 Quips），反而把更多内容暴露在了爬虫面前。更关键的是，测试期间那些训练爬虫的周访问量，从”几千次”直接掉到了零——人家压根没理过那块告示牌，该抓还是抓。

    索引放行，训练拦截

    平台也留了口子：单纯做索引、把用户导回 Patreon 的搜索引擎类爬虫，它还是放行的。区分标准很清楚——你帮创作者涨粉，可以；你拿创作者的内容去喂自己的模型，不行。

    这背后是整个内容行业的转向。Cloudflare 早就提供了限制 AI 爬虫的工具，甚至搞了个”Pay Per Crawl”市场，让网站能向爬虫收费。月初它又改了政策，凡是又索引又训练的混合爬虫，在有广告的页面上默认拦截。Patreon 的产品负责人 Drew Rowny 说得挺实在：互联网上大多数创作者为了涨粉，不得不默认接受自己的作品被拿去训练；Patreon 想走另一条路——既能涨粉，也能决定自己的东西怎么被用。

    对靠写文章、做播客、画图吃饭的创作者来说，这事儿的意义不只是少被薅几次羊毛。它把”我的内容归谁管”这个老问题，第一次摆到了台面上：当 AI 公司需要海量语料，创作者的同意，到底值不值钱？

    一句话看清这次变化

    • Patreon 联合 Cloudflare，从”请求别抓”升级为”直接拦截”训练型 AI 爬虫
    • 测试期间相关爬虫周访问量从数千次降至零，说明此前的 robots.txt 形同虚设
    • 保留索引类爬虫，只封训练类；Cloudflare 的 Pay Per Crawl 让网站可向爬虫收费
    📎 原文来源：Patreon stops asking AI bots not to scrape — and starts blocking them（TechCrunch / Sarah Perez，2026-07-17）

  • 微软教销售唱衰OpenAI与Anthropic，自研AI模型要单飞

    拳击手套与西装，隐喻竞争
    微软与昔日 AI 盟友的正面较量，已经从幕后走到了台前（图源：TechCrunch / Getty Images）

    微软正在悄悄给自家销售团队换一套话术。据彭博社 7 月 15 日报道，在两天前一场名为新财年战略会的内部会议上，公司高管明确要求一线销售：向客户推销微软 AI 产品时，主动把 OpenAI、Google、Anthropic 这些对手的 AI 产品往下踩，重点突出微软自研模型在效率和成本上的优势。

    执行副总裁 Jay Parikh 在会上撂下一句挺直白的话：别人卖的只是零散零件，我们卖的是一整套端到端系统，2027 财年所有人都要把这个故事讲出去。另一位负责 Copilot 的执行副总裁 Jacob Andreou 走得更远，直接在演示里把 Copilot 和 Anthropic 的 Claude 拉到一起比，声称在微软的办公应用里，Claude 更慢、更不准，还缺必要的安全集成。

    “Everyone else is selling parts — we’re selling the full end-to-end system.” 别人卖零件，微软卖系统，这成了 FY27 对外统一的主叙事。

    从合伙人到对手，只隔了一纸协议

    教销售唱衰对手，本身不算新鲜事。真正值得玩味的是，微软这次瞄准的，恰恰是自己过去几年最依赖的模型供应商。早些时候就有报道说，微软正把 Word、Excel 等旗舰应用里的 OpenAI、Anthropic 模型悄悄换成自家模型，理由是省钱——在微软这个体量，绕过第三方按 token 计费、改用自研模型，省下的可不是小数目。

    放在两年前，这几乎不可想象。微软和 OpenAI 曾有一段形影不离的关系：微软出钱出算力，换 OpenAI 的 API 和模型独家使用权。但今年 4 月双方修订协议，拿掉了独家条款，OpenAI 从此可以把模型卖给微软的竞争对手。关系的松动，正好解释了这个财年销售话术的转向。

    微软想通吃的，不止是模型

    过去一年微软股价承压，投资者一直在问：砸在 AI 基建上的巨额开支，到底什么时候能回本。把自家产品的竞争力摆在台面上讲，既是商业动作，也是给市场递一颗定心丸。说白了，微软不再满足于做别人智能的分发层，它要自己掌握整条技术栈。

    这股风不只是微软在刮。Google 用 Gemini 把 Workspace 和 Cloud 串成一体，亚马逊借着 AWS 推自己的 Titan 和 Nova，同时还在转售 Anthropic。大模型行业的竞争焦点，正从”谁的基础模型最强”挪向”谁掌握全栈”。

    • 对微软来说，论点是”单一整合供应商更安全、更省、更可控”，比起东拼西凑不同家的模型更稳。
    • 对 OpenAI、Anthropic 来说，最大的金主正在变成竞争对手，原本稳稳的企业客户渠道出现裂缝。
    • 对企业买家，十八个月前不存在的选择，现在真摆在了面前。

    这套说辞到底能不能立住，关键看一件事：微软自研的 MAI 模型，能不能在基准测试上追上 OpenAI 和 Anthropic 设下的线。独立验证那些”更慢、更不准”的指控，会是接下来一整年的重头戏。可以肯定的是，微软和 OpenAI 那种 inseparable partners 的叙事，已经散了。

    📎 原文来源：Microsoft is reportedly training salespeople to talk down OpenAI and Anthropic（TechCrunch / Lucas Ropek，2026-07-15）

  • 月之暗面 Kimi K3 即将发布：2-3 万亿参数，追平 Anthropic Opus 4.8

    Moonshot Kimi 大模型
    月之暗面（Moonshot AI）旗下 Kimi 系列（图源：TechCrunch / Getty Images）

    中国大模型公司月之暗面（Moonshot AI）的下一代 Kimi 模型 K3，据《金融时报》援引匿名信源，性能预计能和 Anthropic 的 Opus 4.8 打平甚至超过。如果成真，这会是迄今中国对外发布的最大开放权重模型。

    从 K2 到 K3，差距在肉眼可见地缩小

    Kimi 的 K2 系列在开源圈口碑不错，benchmark 排得上号，离最前沿的闭源模型也没差太远。K3 要走得更远——FT 说它的参数规模在 2 万亿到 3 万亿之间，会在”未来几天”放出。对一个一直被拿来和 GPT、Claude 比的中国实验室来说，这是第一次真正站到同一起跑线附近。

    估值跟着水涨船高

    趁着这股势头，Moonshot 正在新一轮融资，估值据称冲到 315 亿美元。今年五月它刚以 200 亿估值拿了 20 亿美元——不到两个月，账面上就多了一百多亿。资本用脚投票，显然相信”中国开源模型能追平前沿”这件事不是空话。

    企业要么买自己的开源模型（比如 DeepSeek、Z.ai 或 Moonshot 的），按自己的需求训一遍；要么就继续给闭源实验室交那份越来越贵的租子。

    大背景：大家开始怀疑”租 AI”值不值

    K3 的消息，撞上了一场正热的讨论——花大价钱买 OpenAI、Anthropic 的闭源模型到底值不值。纳德拉那句”付两遍钱”的警告还在发酵，行业里不少人担心，你喂给 ChatGPT、Claude 的数据，最后会被实验室悄悄吸进自家模型里。于是一些高管开始推自己的替代方案，或者干脆建议企业用便宜的开源模型，自己训练来用。

    开放权重这条路，中国走得最坚决

    Kimi K3 如果按 FT 说的规模落地，会成为迄今最大的中国开放权重模型。这背后是同一股潮流：当算力被少数闭源巨头攥着，开放权重给了企业一条不用仰人鼻息的路。月之暗面的打法很清晰——用越来越能打的开源模型，把”生产环境里真正跑业务”的那块蛋糕从闭源手里切下来。

    当然，FT 的消息来自匿名信源，参数和发布时间都还没官宣。但方向已经清楚：中国大模型和美国前沿之间的那道缝，正在被 Kimi 这样的模型一点点焊上。对用得起、也想自己掌控数据的企业来说，这比又一场”谁的参数更多”的军备竞赛更有看头。