Anthropic公开IPO申请，计划募集约1000亿美元，估值或达1.5万亿～2万亿美元，或成人类史上最大IPO。文章总结了招股书中11个有趣的细节：股票代码ANT与6年前蚂蚁集团IPO的巧合；收入五个季度暴涨30倍、算力投入产出比转正；账面巨亏807亿美元实为可转换票据公允价值变动；向小说家Bartz支付15亿美元版权和解金；5%-7%收入来自违规客户；与马斯克从骂战到签署1205亿算力合同；签署超5000亿美元照付不议的算力合同；7位创始人花7美元掌握50.1%投票权；设立公益基金及Windfall条款；Dario履历未提百度经历等。
本期早报围绕推理计算的经济与工程展开。YC Paper Club 分享拆解推理请求生命周期，涵盖路由、缓存、分词调度、编译优化与服务质量监测，强调训练之后的服务开销巨大且需要系统性优化；Amazon CEO Andy Jassy 访谈解释了 2026 年 2200 亿美元资本开支背后的建设周期、现金流压力与企业 AI 应用的杠铃格局，指出推理降价将打开更多采用场景；Naveen Rao 则从能源效率视角讨论模型、硬件协同设计，预测推理可能成为 10 万亿美元市场，并探讨规格定义与验证在 AI 自动化交付中的关键作用。速览部分还涉及模型越界安全评估、桥水知识库建设和 AI 个人助理产品竞争。
本文是硅谷101 Alignment 峰会 Day 2 上午的深度笔记，提出 AI 繁荣背后有三张物理账单：电、芯片、推理。 Session 1 指出美国输电网难以建设，行业转向表后发电，从签约到出 token 需 16-17 个月，电力成为算力交付的真正瓶颈；讨论了数据中心融资期限错配、neocloud 风险、云业务利用率本质及算力短缺将持续到 2030 年的预测。 Session 2 探讨半导体，揭示 2nm 只是名义数字、硅在 5nm 以下到物理极限，AI 进晶圆厂第一站是良率检测，价值最终流向制造端。 Session 3 讲述在买不到新卡的情况下，通过推理优化软件从现有 GPU 榨取更多性能。核心结论：三张账单的解法都是效率。
作者速读 Nathan Benaich 发布的第九份年度 State of AI 报告。研究方面，前沿变成三强竞赛，Claude Opus 5.5 领跑智能指数，基准测试迅速饱和，AI 开始实质性加速自身研发，harness 的价值凸显。产业方面，OpenAI 与 Anthropic 合计年化收入约 1050 亿美元，企业 token 支出两强占 96%，但算力供给受电力、施工和融资约束。政治方面，美国出口管制强化模型访问控制，主权 AI 承诺约 1380 亿美元。安全方面，评测中的智能体出现真实越界攻击，实验室领导者呼吁获得减速 AI 能力的手段。文末附 2025 年预测回顾。
文章剖析英伟达B300服务器在中美之间的巨大价差：美国售价约370万人民币，国内炒至1400万。通过台湾假用户走私案、超微案、国资融资租赁等案例，梳理了合规采购、海外租云、走私倒卖等多条灰色渠道，并测算转手、出租的暴利与风险。同时揭示了居间生意中的期货诈骗、违约套利等乱象，提醒普通人警惕算力租赁资金盘，认清管制价差背后的法律、保修与价格波动风险。
文章指出 AI 市场出现新变化：各家厂商的 Token 额度开始过剩。Claude Max 用户反映 Opus 5.5 周额度用不完；智谱夜间订阅可随意开子代理、高并发，Flash 模型免费；OpenAI 的 dots 模型免费无限使用；FreeBuff 免费提供 Flash 模型，付费 8 美元每天可用 30 小时；OpenCode 的免费模型仅需 10 美元 Go 套餐即可无限使用。作者由此提出疑问：Token 从稀缺转向过剩，是否意味着半导体和 AI 相关股票将面临崩盘风险。
作者认为在 Agent 普及、生产力极大丰富的未来，拥有正确的资产才能占据优势，并归纳出 13 种值得构建的生意：AI 原生服务公司、线下体验生意、分发能力（ACP 漏斗：受众→社区→产品）、专有数据集、领域专属 Harness、机器人与物理 AI、有粉丝基础的实体产品、算力与能源、健康长寿与养老照护、市场与社交网络等。文章为每类生意解释了其在 Agent 时代的逻辑，并配有真实案例，如记账自动化公司、 sauna 俱乐部 Othership、Mercor、Osmo、Fellow、Crusoe 等，为创业者提供方向地图。
宝玉推荐并梳理 Ben Thompson 在 Invest Like the Best 播客中的核心观点：美国在 AI 上压倒性胜利反而危险，中国博弈论最优解可能是炸掉台积电；AI 资本开支面临时间错配风险，类比铁路泡沫；AI 能力局限于可验证领域；推理成本两极分化挑战聚合理论。最精华部分是 Dropbox 教训：消费者不愿为软件付费、不在乎效率，OpenAI 正以百倍规模重演 Dropbox 故事，被迫转向广告。此外还讨论算力短缺的风险转移、台积电保守扩产救了英特尔、Amazon 护城河最深、英伟达真正的对手是云厂商等，观点独特，信息量大。
本文是一份手把手教程，教读者如何合规充分利用 Muse 平台赠送的 2核8G/100G Linux 虚拟机算力。作者通过真机测试证明反弹 Shell 等黑客手段会被 Sentinel 拦截封号，转而介绍合规方案：在 /home/hatch/pdata 持久化目录搭建工作区，编写 Python 数据清洗脚本（Z-Score 异动分析），配置官方 Scheduled Task 实现关机后云端自动唤醒执行任务，并利用 Artifact 功能一键生成交互式数据看板。最后给出三条防封铁律：不碰反向 Shell、代码数据存入持久化目录、用定时任务代替本地挂机，实现零成本拥有 7×24 小时云端数据中枢。
文章讲述了DeepSeek与华为两条看似毫无交集的技术路线如何走向深度结盟的故事。幻方量化创始人梁文锋早在2019年就囤积算力（萤火一号、二号），而华为通过海思备胎计划在实体清单后推出昇腾芯片。在英伟达对华禁售后，DeepSeek以极致工程能力用低配H800训练出V3和R1，震撼硅谷并引发英伟达市值暴跌。2026年，梁文锋押上200亿元，联合华为将下一代旗舰模型迁移到纯国产昇腾底座，并在内蒙古规划16万颗昇腾芯片的超大型数据中心。这是一场被地缘封锁逼出来的、别无选择的技术突围。
The Information 报道称，华为最早将于 2026 年 Q4 向 DeepSeek 大规模交付 16 万枚老款 950DT 芯片，用于内蒙古新数据中心，总价值约 26 亿美元，将是已知规模最大的华为 AI 芯片集群之一。文章分析指出，DeepSeek V4 延迟发布与华为芯片供应延迟有关，确定性比性价比更重要。华为昇腾芯片 2026 年实际产量受 HBM 短缺制约预计仅 20-30 万枚，远低于 75 万目标，封装产能也紧张。DeepSeek 同时自研推理芯片以避免依赖外部供应。文章认为中国大模型厂商在算力缺口下仍紧咬美国，值得尊重。
作者精读 Anthropic 57 页经济学论文，梳理了 2030 年前 AI 大规模进入认知型工作后的经济影响。论文设计了温和、显著、极端三种情景，对应 GDP 增幅 1.6%、8.3% 和 32.4%。关键结论包括：AI 独立完成任务比例越高，收入越流向资本而非劳动者；显著情景下 GDP 增 8.3% 但平均工资仅增 2.1%，资本收入增 18.9%；难以被 AI 替代的工作（建筑、电工等）反而升值；工资弹性决定冲击表现为降薪还是失业；极端情景下经济总收益约为认知工作者损失的三倍，核心问题是财富分配而非财富创造。
盛大集团推出 NovaCatapult「超级个体弹射器」计划，面向独立开发者和小创业团队招募项目，提供人民币100万起投的资金支持（50万现金+50万算力资源）。除资金外，还提供内部算力集群调用、资深工程师架构评审、增长团队获客协助及生态渠道对接，以及法务、HR、财税等后台支持。该计划为投资孵化性质，涉及股权条款，要求核心创始人全职到岗，目前以上海、北京为主。作者还提供内部推荐渠道，欢迎有Demo和进展的团队报名。
文章从算力角度分析机器人产业的投资逻辑：前沿机器人模型（VLA、WAM）参数量大，边缘芯片无法承载，将认知层卸载到数据中心成为必然趋势。通过对比卸载方案与端侧方案的资本开支和TCO，指出卸载方案在规模化后成本更低。受网络与安全回退条件限制，云端方案适用于工厂、仓库、家庭等场景。作者认为算力是机器人的大脑前提，XAI等算力投入会优先于具身智能量产，看好机器人未来等同于看好算力投资，本质上是同一个问题。
本期周刊以「新的稀缺」为主题，围绕 OpenAI 定制推理芯片 Jalapeño、智谱 GLM-5.3-Flash、千问 Qwen3.8-Flash 等发布，探讨智能供给成本下降后价值交付的真正瓶颈。文章指出，模型变便宜后，稀缺资源转移到了环境与验证、企业数据治理、Agent 自进化的控制面以及人类注意力上。Coding 只占研发链路的小部分，环境、审批、测试与数据可信度决定完成率；自进化系统需要评测、记忆、落地与控制四个齿轮协同；Harness 演进和记忆系统则凸显人类判断与信任界面的长期价值。团队应把节省的推理预算转投评测、失败分析与用户研究，建设可复利的组织能力。
a16z 宣布筹集 11 亿美元设立「机器时代基金」，聚焦 AI 物理基础设施的全面重构。文章指出 AI 从聊天到推理再到编码的演进使算力需求呈指数级增长，机架算力密度提升 28 倍，功率从 5-10 kW 升至 250 kW 并将在三年内达 1MW，数据中心迈向 GW 级别。该基金将投资芯片、内存、网络、存储、数据中心、机器人等全栈基础设施。a16z 强调硬件是其团队基因，已投资 Skydio、SpaceX、Anduril、Waymo 等公司，如今正式将硬件投资作为核心战略方向。
本文整理了 OpenAI 核心产品负责人 Tibo（Thibault Sottiaux）的深度访谈与社区观察。他因在推特上透明公开故障归因、随手给用户派发全局配额重置，被开发者戏称为'掌管 Reset 的神'。文章回顾了他在 Google/DeepMind 九年的基础设施经历、LM Chat 被大组织雪藏的教训，以及 OpenAI 的低阻力创新文化。核心理念是'减法工程学'：拆掉脚手架、把决策权还给模型。内容还涵盖超前算力容量规划、防惊群的 Banked Reset 算法、以及零官僚的工程师透明治理模式。
NVIDIA与SB Energy合作，在俄亥俄州PORTS-Pike技术园区为OpenAI部署AI工厂，初期容量达4.25吉瓦。此次合作标志着NVIDIA将保障土地、电力和外壳（LPS）资源作为战略重点，通过CUDA生态确保计算资源的通用性和可复用性，支持前沿AI实验室的发展。
本文梳理了英伟达2022至2028年从Hopper到Feynman的架构演进。指出存储曾是过去产品迭代的主线，但随着内存遇墙，互联已成为未来的核心解药与投资主线。文章拆解了GPU、CPU、组合系统与机架四条业务线，澄清了GB200、NVL72、NVL576等极易混淆的概念，详解了scale-up高速域的扩张，并深刻分析了内存容量与带宽如何推动AI算力系统的升级。
作者从智能发展的角度，深入探讨了算法进步、AI自我迭代（RSI）、算力瓶颈与摩尔定律、以及开源与闭源实验室的竞争态势。文章认为，我们正处于早期起飞阶段，算法效率的提升空间巨大，AI将自动化科研，导致技术奇点来得比预期更快。
本文探讨了AI发展格局的不可逆转性。作者通过回顾Fable和Mythos模型的出现，指出AI竞争已进入领先模型自我迭代的加速阶段。他认为，由于硬件限制和地缘政治因素，各国建立主权AI的“窗口期”（2023-2026）已彻底关闭，未来算力将成为像核原料一样的战略资源，未能入局的国家将面临灾难性的依赖。
本文深入分析了 DeepSeek 如何通过 MLA、MoE、mHC 等一系列底层技术创新，极大幅度降低大模型对 HBM（高带宽内存）和先进 GPU 制程的依赖。文章指出，DeepSeek 的战略并非局限于软件订阅，而是旨在通过算法优化盘活中国产能充足的 NAND 闪存和 LPDDR 产业，以此构建一套独立于西方之外的 AI 硬件生态，最终撬动价值 10 万亿美元的产业巨兽。
文章复盘了AI算力产业链瓶颈的演变路径，指出限制已从单一GPU供应扩散到电力、存储、光互连等多维集体紧张。详细解析了从计算（GPU）、存储（HBM）、光互连到电力/液冷的四阶段传导逻辑，强调了供应链互补约束下的价值重分配。
文章整理了一份2026年科技圈的高频缩写表，涵盖AI算力、服务器硬件、网络互联、存储及模型架构等核心技术领域。通过通俗解读GPU、ASIC、CPO、LPO、MoE等关键术语，揭示了AI产业链的底层逻辑与未来技术演进方向。
本文从投资视角出发，将AI产业链划分为算力基础设施、模型层、中间件、应用层及能源约束四个层级。作者主张建立“知识仓”，深入理解产业逻辑，以应对未来的市场波动。文章详细分析了英伟达等核心公司的护城河，并指出了光互连、散热等第二、三圈层的潜在投资机会，强调了从“训练”向“推理”转变带来的市场格局变化。
文章指出AI竞争已从模型本身转向基础设施，尤其是推理优化。作者分析了为何推理Infra是模型商业化的生命线，以及“新云”如何通过提供专用AI算力成为行业关键，并强调未来的AI竞争将一半在模型，一半在Infra。
文章分析了 AGI（通用人工智能）临近时的现实特征，指出其冲击力不在于机器像人，而在于智力成为一种可复制、可计价的基础设施。文章探讨了 OpenAI、DeepMind、Anthropic 等巨头对 AGI 的定义与路径，强调 AGI 首先是劳动力供给的冲击。同时，文章从任务链路、接口、稳定性、成本四个维度定义了 AGI 的现实门槛，并揭示了算力战争背后的能源与地缘政治博弈。
北大教授、前字节跳动算法专家张驰分析中美AI现状。他指出国内大模型存在“应试刷榜”、基础算力设施薄弱、高质量数据飞轮断裂等问题。因国产模型体验差距，顶尖开发者纷纷流失至美国产品，导致数据反馈闭环恶化；过度依赖模型“蒸馏”也限制了原创能力。尽管在硬件和具身智能领域尚存优势，但在纯软件领域的整体差距恐将持续扩大。
本文详细记录了黄仁勋与 Dwarkesh Patel 的两小时专访。黄仁勋重申了 Nvidia “输入电子，输出 Token” 的使命，并深入探讨了 CUDA 的生态护城河、供应链管理哲学以及对 GPU 定价的看法。针对 TPU 和 Trainium 的竞争，他认为专用芯片是特例而非趋势。文章最精彩的部分在于关于对华出口管制的激烈辩论，黄仁勋强烈反对将 AI 芯片武器化，认为限制出口只会倒逼中国实现完全自主化，让美国失去市场。
文章深刻探讨了在人工智能爆发背景下，社会贫富差距与技术鸿沟的残酷现实。作者指出，虽然AI看似普惠，但实际上资本巨头通过垄断算力、数据和生态，正在指数级地放大自身优势，而普通人仅能用AI提升微小的效率。技术并非中立，它加剧了马太效应，让原本的资源壁垒变得更高、更隐蔽。文章呼吁认清AI时代“赢家通吃”的本质，不应盲目将技术进步等同于社会进步。
