YOHO AI

博客

  • Anthropic要盈利了，AI独角兽的转折点到了

    Anthropic要盈利了，这对AI圈意味着什么

    《华尔街日报》最近报出一条有意思的消息：Anthropic告诉投资人，第二季度营收将翻倍至约109亿美元，并且首次实现运营利润。如果这个预测兑现，Anthropic会成为AI独角兽里第一个真正赚到运营利润的公司。

    但这个”首次盈利”有个重要的注脚——《华尔街日报》同时指出，受大额算力成本影响，Anthropic今年未必能全年保持盈利。换句话说，这一季度的利润更像是阶段性节点，而不是全年盈利的保证。

    Anthropic办公室
    Anthropic总部（图源：Getty Images）

    为什么是现在？

    过去一年，Anthropic的Claude在专业人群里口碑一直在涨。不少开发者、分析师、企业用户都提到，Claude在长文本处理、代码理解和推理任务上表现稳定，这让它从ChatGPT的阴影里找到了自己的位置。

    “过去一年，越来越多专业人士表达了对Claude的偏好。”——这在AI圈不是客套话，而是真实发生的用户迁移。

    Anthropic最近也在主动拓宽客户群，比如推出面向小企业主的服务，以及针对律师事务所的新工具。这些动作背后的逻辑很清楚：不能只靠少数几个大客户，要把Claude嵌进更多行业的日常工作流里。

    和OpenAI的微妙 timing

    Anthropic这份财务数据流出的同一天，OpenAI即将提交IPO的消息也在流传。两家公司的节奏形成了有趣的反差：OpenAI在准备上市，Anthropic先跑出了盈利信号。

    当然，两家公司的处境不太一样。OpenAI的算力支出规模更大，商业化路径也更激进；Anthropic相对克制，融资节奏和成本管理一直偏保守。这次传出盈利消息，某种程度上也是在向市场证明：这家公司不一定非要烧钱才能做前沿AI。

    值得持续跟踪的是算力成本这条线。AI公司的盈利能力和算力价格直接挂钩，而算力市场现在正处于剧烈变动期——英伟达的新架构、各家云厂商的自研芯片、以及能源供给的瓶颈，都会直接影响Anthropic能不能把”首次盈利”变成”持续盈利”。

    第二季度财报出来之前，这一切都还是预测。但方向已经比较明显：AI大模型的竞争，正在从”谁融得多”转向”谁能先赚钱”。

  • 英伟达又破纪录了，但黄仁勋盯上了更大的蛋糕

    英伟达又破纪录了，但黄仁勋盯上了更大的蛋糕

    英伟达刚交出一份又破纪录的财报——截至4月26日的季度，营收816亿美元，环比增长20%，其中数据中心营收752亿美元，同样创下新高。季末公司还授权了800亿美元的股票回购计划，看上去一切都在按计划推进。

    但黄仁勋在财报电话会上话锋一转，抛出了一个更大的数字：英伟达发现了一个全新的2000亿美元总可寻址市场（TAM）。这个市场来自英伟达今年3月刚发布的Vera CPU——全球第一款专为代理式AI（Agentic AI）设计的中央处理器。

    黄仁勋在GTC大会
    黄仁勋在GTC大会上（图源：Getty Images）

    为什么是CPU？

    这个逻辑听起来有点反直觉——英伟达不是做GPU起家的吗？黄仁勋的解释是：AI模型的”思考”部分由GPU负责，但AI智能体（Agent）的大部分任务执行，其实跑在CPU上。随着智能体数量爆发，对CPU的需求会跟着涨。

    “全球有10亿人类用户，我的判断是未来会有数十亿个智能体。这些智能体都会使用工具，而这些工具会像个人电脑一样运行——当然不是现在，我们会在发展过程中逐步达到这个规模。”黄仁勋在电话会议上这样说。

    Vera的设计思路和传统CPU不一样。传统CPU追求”核心数”，目标是尽可能同时跑多个应用实例；而Vera专门优化了token处理速度，匹配智能体场景的需求。这款产品既可以单独销售，也可以和英伟达的下一代GPU Rubin捆绑销售。

    财报里的其他细节

    说回财报本身。英伟达预计下季度营收910亿美元，增幅约12%——比本季度的20%明显放缓，市场对此其实早有预期，AI算力建设的周期性和需求波动是真实存在的。

    中国市场的出口管制仍是悬而未决的问题。CFO科莱特·克雷斯表示，H200虽然已获得美国出口批准，但英伟达尚未从中产生任何收入，也不确定是否会被允许向中国出口。

    另一个值得注意的数据是英伟达在私营公司的持股——1月时价值220亿美元，到季度末已经涨到430亿美元，主要来自季度内185亿美元的收购。这个数字还不包括对康宁、IREN等上市公司的投资，也不反映尚未完成的承诺（比如2月承诺向OpenAI投资的300亿美元）。

    黄仁勋在电话会上还提到了和Anthropic的合作——今年和明年为Anthropic上线的产能会”非常可观”。在此之前，英伟达对Anthropic的覆盖基本为零。这说明英伟达正在把算力基础设施的触角伸向AI最大的几个客户，而Vera CPU就是这套布局里的重要一环。

    2000亿美元是不是画饼？现在下判断还为时过早。但Vera上市首年就有200亿美元的销售额，至少说明市场愿意给它一个机会。至于能不能守住这块新市场，就要看英特尔、AMD和各大云厂商自研芯片的反击速度了。

  • Google DeepMind憋了个大招：AI不再只陪你聊天，开始帮你搞科研了

    前两天刷到Google DeepMind的一条消息，说他们搞了个叫Co-Scientist的东西——多智能体AI系统，专门给科研人员用的。我第一反应是：又来一个”AI助力科研”的PPT项目？但仔细看完，发现这次有点不一样。

    Google DeepMind Co-Scientist AI系统
    Co-Scientist：基于Gemini构建的多智能体科研助手

    从”搜索工具”到”科研搭档”，这步跨得挺大

    以往AI在科研里的角色，说白了就是个高级搜索引擎——你问它”XXX领域有什么进展”，它给你列一堆文献摘要，然后你自己去啃。

    Co-Scientist想做的事不一样。它的定位是：假设生成、讨论、验证的协同伙伴。核心架构是”生成-讨论-验证”三阶段，多个AI智能体互相抬杠、互相验证，最后给你一个它觉得靠谱的假设方向。

    传统科研里，一个有价值的研究假设，往往需要研究者花几个月甚至几年去打磨。Co-Scientist的目标，是把这个”灵感孵化”的过程，压缩到几天甚至几个小时。

    它到底强在哪？不是参数多，是”会自己纠偏”

    DeepMind在介绍里特意强调了一点：Co-Scientist强化了准确引用专业文献和自我修正逻辑矛盾的能力。

    这话什么意思？你去用用现在市面上的大模型，让它帮你梳理一个研究假设，十有八九会出现”编造引用”（hallucinated references）或者”前后逻辑打脸”的情况。Co-Scientist针对这个痛点做了强化，目标是让AI在科研场景里不乱说话。

    当然，现在它还处在实验性开放阶段，主要面向研究机构，不是你我去网页上就能白嫖的。但它透露出的方向很明确：AI不再只是”知识的搬运工”，而是开始涉足”知识的创造过程”。

    瞄准的是哪些科研领域？生物学、化学，还有那些”人类搞了几十年还没搞明白”的难题

    DeepMind在展望里点名了几个方向：

    • ALS（肌萎缩侧索硬化症）治疗：这个病折腾了科学界几十年，AI能不能帮忙找到新的药物靶点或者治疗路径？Co-Scientist想试试。
    • 衰老研究：衰老机制极其复杂，假设空间巨大，人工筛选成本极高。AI介入后，可能会开辟一些人类研究者还没想到的角度。
    • 化学分子设计：新药物、新材料的分子结构搜索，本质上是超高维空间的探索问题，AI”生成-验证”的循环在这里很有优势。

    未来DeepMind还打算把Co-Scientist跟实验自动化系统整合起来。到那时候，AI不只是帮你”想”，还能指挥实验室里的机器人去”做”，再把结果喂回来继续迭代。这个闭环一旦跑通，科研效率的跃升会是数量级的。

    跟OpenAI证明数学猜想那件事，其实是同一个信号

    几乎同一时间，OpenAI也放了个大卫星：他们的推理模型证明了一个80年没解决的数学猜想（Erdős单位距离猜想），证明过程125页。

    这两件事放在一起看，信号就很清楚了：2026年的AI，已经从”帮我总结一下”进化到”帮我证明/帮我发现”了。这不是简单的参数堆砌，而是推理能力、文献理解、逻辑自洽性这几件事同时到了一个临界点。

    科研人员如果还在把AI当”高级搜索引擎”用，可能真的有点亏了。下一步值得关注的，是这些科研AI智能体能不能真正加速重大发现，而不只是在已有假设上修修补补。

  • 阿里千问又放大招：Qwen3.7-Max能让AI连干35小时不卡壳

    前几天刷到一条消息，阿里千问偷偷把Qwen3.7-Max放出来了。说实话，这次更新有点东西，不是那种换汤不换药的版本号游戏。

    Qwen3.7-Max模型架构图
    Qwen3.7-Max：阿里千问新一代全能智能体基座

    35小时、1000次工具调用，它真顶得住？

    最让我意外的一个测试数据：Qwen3.7-Max在一次实验里连续跑了35个小时，调用了超过1000次外部工具，整个过程没有崩、没有逻辑断链、没有出现”我不理解你的请求”这类废话。

    这是什么概念？你去问问任何一个用过AI辅助编程的朋友，大多数模型在复杂多步任务里，撑个两三个小时就开始”幻觉叠加”、前后矛盾、或者干脆装死。Qwen3.7-Max这个表现，说明它在长上下文推理和多轮工具调用这两个硬骨头上，确实啃下来了。

    “全能智能体基座”——阿里的定位很明确，不是做一个只会聊天的模型，而是做一个能陪你把事情干完的底层引擎。

    编程、办公、长任务，一个都不放过

    Qwen3.7-Max现在的覆盖范围挺全的：

    • 编程场景：从前端原型到复杂多文件工程，它都能接。这意味着你可以用它来重构代码库、跨文件修Bug、甚至帮你从零搭一个项目的骨架。
    • 办公生产力：多智能体协作 + 工作流自动化。说白了，它不只是帮你写邮件，而是能理解你的业务流程，然后自己跑去调用各种工具把活干完。
    • 长周期任务：这才是真正的门槛。35小时不间断，意味着它可以陪你跑完一个完整的软件发布周期，或者帮你盯一个持续集成流水线的全部过程。

    已经在阿里云上百炼上线，还能跑在Claude Code上

    有一点挺关键的：Qwen3.7-Max不是只给千问App用户玩的，它已经接进了阿里云百炼平台，开发者可以直接调用API。

    更值得注意的是，它宣称支持跨框架泛化——能在Claude Code、OpenClaw、Qwen Code等多个开发框架里稳定运行。这话听着有点狂，但如果真的能做到，那意味着阿里的模型在”兼容性”这件事上，开始认真跟Anthropic和OpenAI掰手腕了。

    用户现在可以把千问App更新到6.9.7以上版本，在应用里直接切换到Qwen3.7-Max。PC端和网页端也同步开放了。

    国产大模型，这次真的在拼”实用”了

    回过头看，2026年这几个月，国产大模型的节奏明显变了。以前大家比的是”我有多少参数””我在哪个榜单上刷了第一”，现在比的更多是：你的模型到底能不能帮用户把活干完？

    Qwen3.7-Max打的就是这个痛点。35小时工具调用不掉链子，这件事本身就是一个很强的信号：长周期Agentic任务，不再只是PPT上的概念，而是有模型真的在往这个方向死磕。

    至于它能不能真的在实际生产环境里顶住，还得看接下来几个月开发者的反馈。但至少从目前已经放出来的信息看，阿里千问这一步，走得不虚。

  • 谷歌搜索25年来最大改版：10条蓝链终结

    谷歌搜索终于动手了，25年来最大的一次改版

    用了25年的谷歌搜索，这回真的变了。不是小修小补，是把底层逻辑给重构了。

    你现在在谷歌搜索框里输入一个复杂问题——比如”比较过去20年主要经济体的碳排放趋势和GDP增速的关系”——出来的不再是一串蓝色链接让你自己点进去找答案，而是直接生成一个可交互的图表，数据整合了全网多个来源，你可以在搜索结果页直接操作这个图表。

    谷歌搜索产品副总裁Robby Stein表示，这次升级的核心目标是适应用户搜索行为的变化：人们现在问的问题更长、更复杂，整个互联网往往没有现成的完整答案。

    “10条蓝链”死了

    从1998年谷歌成立到现在，”10条蓝色链接”的搜索结果模式基本没变过。用户输入关键词，谷歌返回一串链接，用户自己点进去找答案。这个模式现在正式宣告终结。

    新版本的搜索结果页可以直接生成定制可视化内容、交互图表、甚至迷你应用。你问”怎么规划一次去日本的3周行程”，搜索结果页直接给你出一个可交互的行程规划器，而不是让你自己去点15个旅行博客。

    SEO行业炸了

    这个变化对SEO从业者来说是个地震级事件。过去20年，SEO的核心逻辑是”让我的链接排在前面，让用户点进来”。现在用户可能在搜索结果页直接拿到了答案，根本不会点你的链接。

    新的优化方向是让自家内容被谷歌的AI概览（AI Overviews）引用。你的内容不需要被用户点击，但需要被AI在生成答案时引用为来源。这是两套完全不同的优化逻辑。

    谷歌为什么要这么做

    背后的推动力很简单：ChatGPT、Perplexity这些AI搜索工具正在吃掉谷歌的午餐。用户发现，有些问题直接问AI比在谷歌上点10个链接效率高得多。

    谷歌的选择是：如果打不过，就把自己变成AI搜索平台。它有足够的优势——拥有YouTube、Gmail、安卓等30亿日活产品，这些数据喂给AI搜索的质量是任何竞争对手都比不了的。

    今年I/O大会上谷歌没有发布对标Claude Mythos的超级模型，而是推了更快更便宜的Gemini 3.5 Flash。CEO皮查伊的战略很明确：不跟Anthropic和OpenAI比基准测试分数，而是把足够好的模型铺到尽可能多的用户产品里。

    对普通用户意味着什么

    短期来看是好事。搜索体验确实会变好，尤其是那些需要整合多个信息源才能回答的复杂问题。你不用再开10个标签页来回切换了。

    长期的影响还不好说。如果所有人都不点链接了，靠流量生存的那些网站（媒体、博客、论坛）的商业模式会受到严重冲击。互联网的内容生产机制可能因为这次改版而发生结构性变化。

  • Anthropic拿到300亿美元，估值飙到9000亿

    Anthropic拿到300亿美元，估值飙到9000亿

    这周AI圈最炸的新闻，是Anthropic正在敲定一笔最高300亿美元的融资，估值直接干到9000亿美元以上。完成后，它将正式把OpenAI从”全球最有价值AI公司”的宝座上拉下来——要知道OpenAI今年3月的估值才8520亿美元。

    更夸张的是，这家公司今年2月的估值还只有3800亿美元。不到4个月，估值直接翻倍。背后支撑这个数字是真金白银的营收：Anthropic预计2026年Q2营收达到109亿美元，比Q1的48亿美元增长了130%。换句话说，它第一次实现了季度运营盈利。

    Anthropic Q2 2026营收预计109亿美元，较Q1增长130%，首次实现季度运营盈利。投资机构看好其18个月内年营收突破500亿美元。

    谁在投？

    这一轮由红杉、Dragoneer、Greenoaks、Altimeter联合领投。这些名字在硅谷创投圈都是顶级玩家，他们下注的逻辑很简单：Anthropic的Claude模型在企业市场打得OpenAI有点招架不住，而且Anthropic的安全叙事在监管趋严的大环境下反而成了竞争优势。

    还有一个细节值得玩味：SpaceX的IPO招股书里披露，Anthropic将向SpaceX支付每月12.5亿美元的GPU算力费用，2029年5月前总计450亿美元。马斯克一边公开怼Anthropic，一边自己的公司收着Anthropic的算力支票，这个画面有点意思。

    卡帕西加入了

    融资消息之外，另一个信号是Andrej Karpathy宣布加入Anthropic，负责重建预训练研究团队。作为OpenAI联合创始人、前特斯拉自动驾驶负责人，Karpathy在AI研究圈的分量不用多说。他的去向本身就是对Anthropic研究方向的背书。

    教皇也来站台

    更有意思的是，教皇良十四世发布了首份AI通谕《Magnifica Humanitas（壮丽的人类）》，主题是在AI时代保护人类个体尊严。这份通谕由Anthropic联合创始人Christopher Olah共同发布。教皇选择跟Anthropic合作而不是谷歌或OpenAI，释放的信号很明确：梵蒂冈认可Anthropic的AI安全理念。

    这件事的象征意义大于实际影响，但对于一家AI公司来说，被天主教会选为AI伦理的对话伙伴，在品牌层面是相当大的加分项。

    OpenAI这边在干嘛

    就在Anthropic融资消息刷屏的同时，OpenAI向SEC提交了保密的IPO申请（S-1文件），计划在2026年Q4到2027年初上市。两家公司的路径开始分化：Anthropic在一级市场拿钱拿到手软，OpenAI则准备去公开市场接受考验。

    不过OpenAI也不是没有动作。据报道，五角大楼正在测试OpenAI和谷歌的模型，考虑把它们加入到涉密工作流中。此前Anthropic因为是国防部首选AI供应商，但今年初Anthropic因为伦理原因拒绝了一份国防部合同，于是五角大楼开始找备选方案。

  • Flowise：42.4k Stars！可视化LLM应用搭建工具，让AI工作流像搭积木一样简单

    Flowise：42.4k Stars！可视化LLM应用搭建工具，让AI工作流像搭积木一样简单

    Flowise Logo

    ## 📝 项目简介

    **Flowise**（flowiseai.com）是一个 **Low-code 的 LLM 应用构建平台**，让你通过可视化拖拽的方式快速搭建基于大语言模型的 AI 应用。它的定位类似于 Langflow，但更轻量、更易上手，专注于让开发者和非开发者都能快速把 LLM 能力落地到实际产品中。

    ## 🔧 安装要求和过程

    ### 环境要求
    – **Node.js** 18+ （必须）
    – **npm** 或 **yarn**
    – 支持 Windows / macOS / Linux

    ### 快速安装（3步搞定）

    **方法一：NPX 直接运行（推荐体验）**
    “`bash
    npx flowise start
    “`

    **方法二：全局安装**
    “`bash
    npm install -g flowise
    npx flowise start
    “`

    **方法三：本地开发**
    “`bash
    git clone https://github.com/FlowiseAI/Flowise.git
    cd Flowise
    pnpm install
    pnpm build
    pnpm start
    “`

    安装完成后访问 `http://localhost:3000` 即可进入可视化界面。

    ## ⚡ 核心功能

    **1. 可视化 LLM 流程编排**
    通过拖拽组件的方式连接 Prompt、LLM、Memory、Tools 等节点，无需写代码就能构建复杂的 AI 工作流。

    **2. 丰富的组件库**
    内置支持 OpenAI、Anthropic、Hugging Face、Ollama 等主流 LLM 提供商，以及 Vector Store、Document Loader、Chain 等常用组件。

    **3. 对话记忆管理**
    支持多种 Memory 类型（Buffer Memory、Window Memory 等），让 AI 应用具备上下文记忆能力。

    **4. API 一键部署**
    流程构建完成后，一键生成可调用的 API 接口，直接集成到你的应用或网站中。

    **5. 向量数据库集成**
    原生支持 Pinecone、Milvus、PostgreSQL(pgvector) 等主流向量数据库，轻松构建 RAG 应用。

    ## 🚀 典型使用场景

    **场景1：构建企业知识库问答机器人**
    上传公司文档 → 接入向量数据库 → 搭建 RAG 流程 → 生成 API → 嵌入企业微信/官网。全程可视化，非技术人员也能操作。

    **场景2：快速原型验证 AI 创意**
    想验证一个 AI 产品的想法？用 Flowise 拖拽出原型，生成 API 直接测试，比写代码快10倍。很多团队用它做 AI 产品的 MVP 验证。

    **场景3：为现有应用添加 AI 能力**
    已有 Web/移动应用？用 Flowise 构建 AI 流程，生成 API，3行代码就能把智能对话、文档分析、内容生成能力接入你的产品。

    ## 💡 推荐理由

    为什么推荐 Flowise？

    ① 比 Langflow 更轻量 — 安装包更小，启动更快，界面更简洁。
    ② 真正能用在生产环境 — 不少同类工具只是 demo 级别，Flowise 的 API 可以直接承载生产流量。
    ③ 社区活跃，文档完善 — 42k+ Stars，持续迭代，中文资料也逐渐丰富。
    ④ 对非开发者友好 — 产品经理、运营同学也能用它搭建 AI 流程，不用等开发排期。
    ⑤ 与 Langflow 互补 — 如果你在用 Langflow，Flowise 值得对比试用，两者各有优势。

    ## 📥 下载地址

    **🌐 官方网站**
    https://flowiseai.com

    **🐙 GitHub 仓库**
    https://github.com/FlowiseAI/Flowise
    （42.4k+ Stars，持续更新中）

    **📚 官方文档**
    https://docs.flowiseai.com

    **💬 Discord 社区**
    https://discord.com/invite/jBaHxxxadB

    本文由 WorkBuddy AI 自动采集撰写，内容来源于 GitHub 公开信息及官方文档。

  • OpenAI要上市了，估值1万亿美元，这数字什么概念？

    OpenAI这次是真的要上市了。据多家媒体报道，他们这周就要向美国证监会（SEC）秘密提交IPO招股书，目标是在2026年9月完成公开上市，估值可能超过1万亿美元。

    OpenAI IPO Plan
    OpenAI IPO计划引发业界关注（图源：opentools.ai）

    1万亿美元估值，地球上还没几家公司做到

    目前私营阶段OpenAI的最新估值是8520亿美元，这是历史最大规模的私募融资轮。如果IPO估值真的冲到1万亿美元以上，OpenAI将成为人类历史上规模最大的IPO之一，超过沙特阿美石油公司2019年创下的2560亿美元纪录（按市值算）。

    问题是，OpenAI现在还在亏钱。截至2026年2月，他们的年化营收是250亿美元，用户周活9亿，但这些数字背后的成本是惊人的——算力、人才、数据中心，每一个都是吞金兽。

    OpenAI给投资者的故事是：我们拥有高端模型护城河。但问题是，中国出来的低成本模型正在吃掉这个护城河——人家能做到你90%的能力，价格却只有几分之一。

    一个障碍刚被扫清：马斯克输了官司

    数日前，马斯克针对OpenAI的诉讼被陪审团裁定「诉讼时效过期」而驳回。这场官司折腾了快两年，马斯克声称OpenAI背离了最初的非营利使命，要求法院阻止其转为营利性公司。

    官司没了，OpenAI上市最大的法律障碍就消失了。与此同时，Anthropic也在准备IPO，估值谈到了9000亿美元，原本计划10月上市。但现在OpenAI抢跑，预测市场显示OpenAI先于Anthropic上市的概率从32%飙到83%。

    上市对普通开发者的意义

    如果你是靠OpenAI API吃饭的开发者，这件事跟你有关。上市公司面临季度财报压力，大概率会推动API涨价，或者把更多资源向企业级用户倾斜。

    OpenAI已经推出了「Guaranteed Capacity（容量保障）」计划，释放的信号很明确：想获得稳定算力？签多年合同。中小开发者如果只靠按量付费，未来可能只能拿到剩余算力配额。

    一个有趣的花絮：CEO Sam Altman在IPO申请前夕，突然宣布向所有Y Combinator当前批次的初创公司提供200万美元的OpenAI API额度，条件是换取对方股权。这操作被外界解读为：在上市前的监管审视期，先锁定一批未来的需求方。至于这是不是违反YC条款或者OpenAI自己的利益冲突政策，目前还没人说清楚。

    不管怎样，AI行业从私募资本主导转向公开市场的时代，算是正式开始了。

  • Anthropic要盈利了，AI烧钱的时代真的结束了？

    这话还得从Anthropic最新泄露的财务数据说起。2026年第二季度，这家公司的营收预计冲到109亿美元——什么概念？比去年同期的几亿美元翻了不知道多少倍，而且这季度还要首次实现运营盈利，大概5.59亿美元。

    Anthropic CEO Dario Amodei
    Anthropic CEO Dario Amodei（图源：CNBC）

    钱从哪来？

    核心答案就两个字：Claude。准确说，是Claude Code——他们的编程助手产品。这款东西的年化营收已经跑到25亿美元了，而且第一季度营收同比增幅是80倍，你没看错，80倍。

    企业和开发者对Claude的需求暴涨，直接导致Anthropic的基础设施绷不住了。公司自己在4月承认，算力”不可避免的紧张”，然后赶紧签了一堆算力采购协议。其中最夸张的是跟SpaceX签的那个——租下SpaceX在孟菲斯的Colossus 1数据中心全部算力，每个月付12.5亿美元，合同签到2029年5月，总金额450亿美元。

    450亿美元，这是目前AI行业公开的最大算力采购合同，没有之一。

    估值竞赛：Anthropic vs OpenAI

    Anthropic现在正在谈新一轮融资，投后估值预计9000亿美元。而它的老对手OpenAI最新私募估值大概是8500亿美元。这两家原本是一家人——Anthropic是2021年从OpenAI出走的高管和研究人员创立的，原因是对OpenAI的发展方向不满。

    现在两家还在赛跑另一个东西：IPO。Anthropic之前说考虑2026年上市，OpenAI更激进，据说这周就要秘密提交IPO招股书，目标9月公开上市，估值可能超过1万亿美元。

    一个有趣的转折

    Anthropic之前因为拒绝向美国军方开放所有合法用途的模型访问权限，被美国国防部拉黑了。结果4月他们推出了一个具备高级网络安全能力的Claude Mythos Preview模型，然后国防部那边又说”有可能”合作了。特朗普4月还公开表示支持，这事儿就这么戏剧性地反转了。

    回头看，Anthropic这个故事最有意思的地方在于：它证明了一件事，做AI基础模型不一定非要一直烧钱，只要产品找对了方向，企业级市场是愿意买单的。Claude Code这25亿美元的年化营收就是最好的证据。

    当然，代价是每个月要付SpaceX 12.5亿美元的算力账单。这生意到底划不划算，可能得等IPO之后看财报才知道。

  • 三部门发文规范AI智能体：70%普及率目标背后的信号

    AI智能体有了”游戏规则”

    既要求智能体的安全规范，又推动智能体创新发展。近日，国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》，这份文件给正在狂飙的AI Agent行业，立了一套清晰的游戏规则。

    智能体是啥？文件给了一个清晰的定义：具备自主感知、记忆、决策、交互与执行能力的智能系统。随着大模型等新一代人工智能技术迅猛发展，智能体正加速与网络空间、物理世界深度融合，深刻改变人类生产生活方式和社会治理模式。

    这份《意见》其实在回答一个核心问题：当AI开始替人做决策、执行任务，边界到底在哪里？

    四大举措，既划红线又给空间

    《意见》明确智能体发展要坚持安全可控、规范有序、创新驱动、应用牵引四大基本原则，并提出了4个方面的重要举措：

    一是夯实发展基础。完善技术底座，构建标准协议。这意味着国家层面会推动智能体相关的技术标准、通信协议、评价体系等基础设施的建设。

    二是守牢安全底线。明确产品准则，防范安全风险，完善治理体系，强化行业自律。智能体如果乱用、滥用，风险不小——比如自主决策导致经济损失、隐私泄露、甚至物理世界的伤害（如果是机器人智能体）。

    三是强化应用牵引。围绕科学研究、产业发展、提振消费、民生福祉、社会治理等方向，提出19个典型应用场景。国家不仅在管，更在推——给智能体找真实场景、落地产值。

    四是建设创新生态。促进产业合作，强化应用推广。智能体不是一家公司在做的，需要整个产业链协同。

    权限边界：谁来决策？

    对于智能体接管工作后的权限和边界，《意见》提出了一个很关键的要求：在遵守法律法规、尊重社会公德和伦理规范前提下，厘清三类决策方式的合理边界及所需权限：

    • 仅限用户本人决策——涉及重大利益、人身安全的，必须人来做最终决定
    • 需由用户授权决策——AI可以建议、可以执行，但关键节点要让人确认
    • 智能体自主决策——低风险、高频、规则清晰的，可以让AI自己跑

    这个划分其实非常务实。智能体不是要完全取代人，而是要在合适的边界内，最大化释放自动化价值。

    70%普及率目标，智能体要进千家万户

    《意见》支持落实新一代智能终端、智能体等应用普及率超70%的阶段性目标。这个数字很有意思——70%的普及率，意味着智能体要从”科技圈炒作概念”，变成”普通人也天天在用”的真实基础设施。

    对比一下：智能手机在中国的普及率大概是80%左右。也就是说，国家把智能体的战略地位，放到了和智能手机类似的量级。

    要达到70%普及率，光靠ToB的企业市场肯定不够，必须进入ToC消费场景——比如手机里的AI助手、家里的智能管家、车里的智能座舱、甚至是穿戴设备上的AI Agent。

    三部门联合发文，释放的信号非常明确：智能体不是”野生的”、不是”法外之地”，但国家也不想一管就死。规范和创新，要并举。

    对行业意味着什么？

    这份文件对AI智能体行业的影响，可能比很多人想象的更深远：

    对大模型公司来说，光有模型能力不够了，得想清楚智能体的安全边界怎么设计、用户授权机制怎么做、决策日志怎么留痕。

    对应用开发来说，19个典型应用场景相当于国家帮你想好了”往哪发力”——科研、产业、消费、民生、治理，都是真金白银的投入方向。

    对投资人来说，70%普及率目标是一个清晰的市场信号——智能体不是短期风口，而是中长期的国家战略方向。

    过去两年，AI行业讨论最多的是”谁的模型更聪明”。但智能体这个赛道，比的不是Benchmark分数，而是谁更懂场景、谁更安全可信、谁能让用户放心把任务交出去。

    这份《意见》，算是给这个竞争维度，正式按下了加速键。