行业动态

AI 行业大事件、政策动向、市场格局变化

微软正式发布新版 Copilot「超级应用」：聊天编程智能体三合一，3000 万付费席位下转向按量计费

作者
微软正式发布新版 Copilot「超级应用」：聊天编程智能体三合一，3000 万付费席位下转向按量计费

3000 万付费席位——这是微软 Copilot 今天改版前交出的成绩单。而它做的第一件事，是把账单的算法换掉。

9 月 25 日，微软正式发布新版 Copilot「超级应用」：把聊天、编程、智能体三种能力塞进同一个应用，分 Home、Code、Autopilot 三个页签。软件开发不用再打开 Visual Studio，做数据看板不用等 IT 排期，交代给 AI 的活你不盯着也能继续跑。

但真正影响你钱包的不是三合一，是配套的计费方式：从按月固定收费，改成按实际使用量收费。

一句话：微软不再试图在消费市场赢过 ChatGPT，它要去赚企业的钱——而且按你用了多少来收。

这次改了什么：三合一，外加一个会自己干活的同事

新版 Copilot 拆成三块，对应三种使用场景。

Home 是默认落地页，把原来的 Copilot 聊天和 Cowork 合在一起，再加一个 Today 面板——微软 AI 工作业务首席营销官 Jared Spataro 的说法是「Home 是你找准方位的地方，回顾最近的动作，看 Copilot 还能帮上什么，把没做完的活接着做」。

Code 是这次最出人意料的页签。按理说它不该出现在一个给知识工作者设计的应用里——现在任何人都能建一个小应用、追踪表、仪表盘或自动化流程，做完直接以云端内部应用的形式分享给同事，全程不用写代码（微软说底层由 GitHub Copilot 驱动）。

Autopilot 是原名叫 Scout 的个人 AI 助理，现在改成云端版，定位是「数字同事」：你睡觉的时候它照样在跑。这个能力的关键差别在于它是「企业级」的——有独立身份、独立记忆、独立工作空间，跑在你公司的账号之下，而不是一个外部工具。

页签 干什么 谁能用、什么时候
Home 聊天 + 协作，加今日面板 未来几周进 Frontier 抢先体验计划
Code 用自然语言做内部小应用/看板 同上；年底进 Microsoft 365 Premium / Pro 订阅
Autopilot 能自己持续干活的智能体（原 Scout） 本月底进私有预览

为什么值得关注：账单算法变了，这比三合一更值钱

这是本文想让你记住的一点：三合一是产品新闻，按量计费才是商业新闻。

改版后的 Cowork、Code、Autopilot 全部走「按使用量计费」。据新浪科技报道，持续运行的智能体任务、以及 Astra、Fable 等模型的调用，都按实际用量收费。原来的固定订阅（微软叫 USL，也就是普通用户许可）仍然保留，覆盖聊天，以及 Office 全家桶里的 Copilot 功能——按微软列举，包括 Word、Excel 等常用应用。

也就是说，微软把 Copilot 的收费切成两层：

计费方式 覆盖什么 谁承担波动风险
固定月费（USL） 聊天 + Office 全家桶里的 Copilot 微软
按量计费（UBB） Code、Autopilot、Cowork 里的持续任务 企业

差别在这里：月费模式下，你用得再多，成本由微软扛；按量模式下，用超了是企业自己付。 对微软来说，这是把「AI 烧钱」的风险从自己账本挪到客户账本上——而这正是过去两年 AI 订阅生意的核心难题。

对企业客户来说，这既是好消息也是新功课：好消息是不用为没人用的席位白付钱；新功课是你的 AI 账单第一次变得不可预测，需要用「成本管理」的思路去管，而不是当成一个固定 IT 支出。

据新浪财经 7 月 30 日报道，纳德拉在财报电话会上说过要整合聊天、编程、智能体做「超级应用」；而据 ZAKER 报道，微软还在推最高五折的优惠，条件是承诺大量席位加特定功能的按量付费——折扣最早 10 月生效。先给折扣、再推按量，这是典型的换计费模型手法。

3000 万席位与它真正想赢的战场

微软对比的参照物不是 ChatGPT，是 Office。

Spataro 的原话是：「就像 Office 定义了 PC 时代的工作方式，新版 Copilot 就是要定义 AI 时代的工作方式。」这个类比暴露了微软的目标客户：不是个人用户，是已经离不开 Office 和账号体系的企业。

数字上，据雪球与网易财经的财报整理，微软单季营收 900 亿美元、增长 18%、运营利润率 45%；Microsoft 365 Copilot 的付费席位突破 3000 万，净增环比翻倍；Azure 增速 43%，全年 Azure 收入首次破 1000 亿美元。

3000 万席位是个不小的盘子。但微软自己也不否认消费端的处境：The Verge 的报道直言，Copilot 在消费市场与 Claude、ChatGPT 相比「算是失败了」。所以这次改版的赌注很明确——不在消费端追赶，而是守住企业端已有的付费盘，靠「企业级安全与管控」把客户留住，并用按量计费把这盘生意的收益天花板抬上去。

值得注意的是时机：据 Yahoo 财经（香港）报道，微软这次明确表示要「放弃消费者 AI 市场、全力聚焦企业应用」。从 Copilot 诞生至今，微软已经重设计过很多次（最早是 Bing 里的聊天机器人），这次三页签方案，是它第一次在消费端和企业端之间做出明确取舍。

谁该关心，谁可以先不动

该关心的三类人：

  • 企业 IT 与财务负责人：按量计费意味着 AI 成本从固定项变成变动项，需要有人盯用量、设预警。微软配套推了「FinOps for AI」来做这件事，值得提前了解。
  • 重度用 AI 编程的团队：Code 页签把「做内部小工具」的门槛降到几乎没有，如果你们一直想给业务部门做小系统却排不上人力，值得在 Frontier 计划里试。
  • Copilot 的付费客户：留意 10 月那轮折扣与计费切换的细则，别在切换窗口期多付一笔。

可以先不动的：个人用户。Code 和 Home 先走 Frontier 抢先体验，Autopilot 本月底才进私有预览——现在还不是普通用户能立刻上手的阶段，不必急着换方案。

一句话判断 + 怎么继续看

判断：这次改版的真正信号不是「三合一」，是微软把 AI 助手从「卖席位」推向「卖用量」。 这一步走通，AI 订阅生意的天花板才真正打开；走不通，按量计费就会变成客户眼里的账单惊吓。接下来两个观察点：10 月折扣落地后企业的实际续费意愿，以及 Autopilot 私有预览后的真实用量数据。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

OpenAI 法庭文件自曝：苹果 ChatGPT 整合远未达标，反垄断案 2027 年 1 月开庭

作者
OpenAI 法庭文件自曝：苹果 ChatGPT 整合远未达标，反垄断案 2027 年 1 月开庭

苹果和 OpenAI 那场被吹了两年的合作，是 OpenAI 自己说它失败的。

本周三，The Financial Times 披露了一批新的法庭文件：在跟马斯克旗下 SpaceXAI 的反垄断案里，OpenAI 承认苹果把 ChatGPT 接进 iPhone 这件事「远未达标」（dramatically underperforming）。原话出现在它请求法院提前判决的材料里——不是被对手挖出来的黑料，是它主动写进去的。

这个细节决定了这条新闻的价值。一家公司公开说自己的明星合作失败了，通常意味着这个「失败」对它现在的处境有用。

发生了什么

时间线要从 2024 年算起。那一年苹果宣布 Apple Intelligence，ChatGPT 成为 Siri 的默认外部模型，OpenAI 拿到的是全世界最大的分发入口——每一台 iPhone。

OpenAI 在文件里说，它当时的预期是一个「光环效应」：借苹果的品牌和推广，换来订阅增长。但接入一个月后，这个整合就「看起来起步迟缓」，OpenAI 开始下调每周活跃用户的预期。到 2025 年夏天，「已经很清楚，苹果对 ChatGPT 的整合远未达标」。

它对原因也给了判断：ChatGPT 在这套整合里默认是关闭的。用户要自己去系统里打开，才能让 Siri 把请求转给 ChatGPT。这个设计是苹果做的，不是 OpenAI 做的。

文件里有大量涂黑段落，但未被遮蔽的部分显示，OpenAI 高管当时担心苹果会「想走得更快」——去找另一个 AI 合作伙伴。这个担心后来变成了现实：苹果的新 Siri 转身用上了 Google 的 Gemini 模型，Xcode 也已经接入 Anthropic、Google、OpenAI 三家的编码 agent。

为什么现在说，才是重点

要理解 OpenAI 为什么在这个时间点承认「我们的合作很失败」，得看它说这句话的场合——在被告席上。

案子是马斯克的公司 SpaceXAI 在 2025 年 8 月提起的，指控苹果和 OpenAI 串通，把竞争对手挡在 AI 入口之外，顺带压制「超级应用」（包括马斯克想做的「万能应用 X」）。案子审理地被定在德州 Fort Worth，法官 Mark Pittman。按最新排期，庭审定在 2027 年 1 月 11 日。

被告要赢这种反垄断案，最有力的辩护之一是：这桩被指控「排他」的合作，根本没排他性、也没带来垄断收益。

「苹果的整合远未达标」这句话，正好落在这个论证上。苹果没有帮 OpenAI 拉来用户，ChatGPT 也不是 iPhone 上唯一的选择，用户还能用 Gemini——这叫没有伤害竞争。OpenAI 甚至在文件里说，SpaceX 自己 IPO 招股书里的披露「充斥着与本案指控截然相反的内容」。

同一件事，对 OpenAI 是「我们被苹果坑了」的委屈，对反垄断法庭是「我们没有垄断能力」的证明。 两句话不矛盾，只是场合不同。

还有一层背景值得交代：OpenAI 和苹果的关系早就不只是「合作不顺」。2026 年 5 月起就有报道说 OpenAI 在考虑起诉苹果，7 月苹果反过来在加州北区联邦法院起诉 OpenAI、io Products 和两名前员工，指控窃取商业机密。两家从合作方变成对手，这段「合作失败」的自述，同时也在为后续的法律战铺垫叙事。

这件事对三类人意味着什么

对 iPhone 用户：没什么可慌的。默认关闭是个可改的设定，Siri 什么时候调 ChatGPT、什么时候自己答，苹果在隐私文档里写得很清楚。真正变化的是，苹果已经在把新 Siri 的底座换成自家模型和 Gemini，ChatGPT 在这个生态里的位置只会更边缘。

对开发者：这是一个「平台方掌握分发权」的教科书案例。OpenAI 拿到的是全球最大的终端入口，但它拿不到默认开关的控制权——苹果只要把功能设为默认关闭，两年的分发红利就蒸发大半。任何依赖大平台带量的产品，都该把这个案例当成风险模型来看：入口是别人的，「光环效应」就不是你能定价的资产。

对普通观察者：注意「失败」这个词的来源。这不是第三方评测给出的结论，是 OpenAI 在法庭语境下自己提供的事实陈述。它说的是真的，但选择说、选择现在说，是有动机的。

放到坐标系里

把这件事和苹果今年另一条新闻放在一起，反差会更清楚。苹果在 AI 上付出的和解成本正在累积：今年早些时候它同意支付 2.5 亿美元，就 Apple Intelligence 宣传失实（承诺的 Siri 功能没按时兑现）的集体诉讼达成和解，单台设备最高折算约 95 美元。

一边是为「AI 功能没做到」赔钱，一边是被合作方在法庭上举证「AI 功能没带量」。苹果在 AI 上的账，目前两头都是负数——这恰好解释了它为什么急着把 Siri 的底座换成自家模型加 Gemini：继续绑在一家外部模型上，风险只会越积越多。

而 OpenAI 这边，最扎眼的对比是它同期在硬件入口上的另一场官司——和苹果的商业机密诉讼还在打，进 iPhone 的路已经被 Gemini 切走一段。它在软件入口上没守住的，正在用别的方式补。

判断

这条新闻真正值得记住的不是「OpenAI 承认失败」，而是它的使用场景：在反垄断案里，承认自己的合作没带来垄断地位，是一种防守动作。

可以预期两件事。第一，庭审前 OpenAI 会继续用「合作无效」这条线做文章，它有强动机把这句话反复写进文件。第二，苹果不会回应——对它最省事的做法就是让这件事停在联邦法院的卷宗里，然后继续推进自己的模型路线。

对读者的实操结论只有一条：别把大平台分发的「预期收益」当成既定资产。OpenAI 是全球最强的模型公司之一，在 iPhone 这个入口上依然是被动的一方。你不是。

关注 AI 商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

阿里达摩院 RADAR 深度拆解：一次腹部 CT 看 146 项发现，26 位放射科医生里赢 23 位，但权重禁止商用

作者
阿里达摩院 RADAR 深度拆解：一次腹部 CT 看 146 项发现，26 位放射科医生里赢 23 位，但权重禁止商用

26 位放射科医生坐在同一场测试里，23 位的平均准确率输给了一个模型。

9 月 17 日，这篇研究登上了《Science》，题目是《An expert-level generalist AI for abdominal CT diagnosis》；9 月 18 日，阿里巴巴达摩院把模型权重放上 HuggingFace，宣布开源。国内媒体当天跟进的口径几乎一致：全球首个「专家级」通用医学影像 AI，一次腹部增强 CT 能识别超过 146 种病症。

我把代码仓库拉下来、把权重页面和许可证逐个点开之后，第一句话就卡在许可证那一行：权重写的是 CC BY-NC-SA 4.0，NC 是 NonCommercial，禁止商业使用。

数字先摆出来：这篇论文证明了什么

论文的核心是一个叫 RADAR 的模型（Rapid Abdominal Diagnosis with AI and Radiology）。它跟此前影像 AI 最大的区别是打法：过去一个模型对应一种病，RADAR 把一例腹部增强 CT 按解剖结构拆开，再对照放射科报告学「这个部位的这句话对应什么影像表现」，一次性输出整份发现清单。

官方新闻稿与论文摘要给出的数字如下：

项目 数字
训练数据 424,911 例腹部增强 CT、150 万图文对、1500 万解剖级配对
覆盖范围 18 个解剖结构、146 项影像发现
平均 AUC 0.913（同批对比中最好的同类视觉语言模型为 0.776）
急诊场景 27,000 例以上急诊 CT 上 AUC 0.904，且训练未使用急诊数据
外部泛化 8 家外部中心，AUC 0.895
读者研究 26 位放射科医生，AI 辅助下诊断敏感度提升约 10%
作者与机构 40 位作者，达摩院与多家医院合作，含浙江大学医学院附属第一医院

AUC 是区分有病与没病的能力指标，1.0 是完美，0.9 以上在影像 AI 里属于可用的高水平。论文摘要的结论句是：通用型 AI 已经能在常规与复杂阅片任务上达到人类专家水平。

数据之外还有一段传播更广的说法：模型的平均准确率超过了 26 位参与者中的 23 位。这句话来自达摩院对研究的转述，被南华早报等媒体引用后，变成了中文标题里的「AI 赢了 23 位医生」。它和摘要里那句「辅助提升敏感度 10%」其实是两组不同的实验。

开源清单：我把仓库逐个点了一遍

「开源」这个词在这件事里需要拆开看，因为同一项目在三个地方用了三种许可证。

内容 是否开放 口径
代码 开放 GitHub 仓库 alibaba-damo-academy/damo-radar，Apache-2.0，可商用
模型权重 开放下载 HuggingFace 上共 6.4 GB，许可证 CC BY-NC-SA 4.0，禁止商业使用
训练数据 不开放 424,911 例只存在于论文里，一例影像都没放出来
外部测试数据 部分开放 用的是斯坦福 MERLIN 数据集，需向斯坦福申请下载
处理后的掩膜与重采样图 开放下载 HuggingFace 数据集，960 次下载，同样是非商用许可
代码归档 开放 Zenodo 存档 379 MB，许可证又写成了 CC-BY-4.0

代码仓库本身 510 MB，89 个 Python 文件、18,718 行，其中 7,633 行是从 Salesforce 的 LAVIS 视觉语言框架搬来的底座，达摩院自己的工程量大约一万行上下。仓库 7 月 3 日就建好了，比论文上线早了两个半月，45 次提交，最后一次推送是 9 月 18 日。

权重文件也能看出这个模型的体量：RADAR+ 主检查点 1.65 GB，预训练版 1.57 GB，单独的 UNet 视觉分支 208 MB，另有中英文两个 BERT 文本编码器，分别 412 MB 与 440 MB。也就是说，它的文本端是 BERT-base，视觉端是 3D UNet 与 ResNet，不是大语言模型。

想真正跑起来，门槛写得挺实在：官方文档要求单张 A100 或 H20 显卡，演示用的一例原始腹部 CT 体积 98 MB，预处理还要装 TotalSegmentator 分割 104 个解剖结构，报告解析脚本则要填 DashScope 的 Qwen 接口密钥。仓库里附带的外部测试结果有 5,125 例样本，但只覆盖 20 项发现——那是斯坦福 MERLIN 数据集有标签的那部分；146 项的完整逐例结果并不在仓库里。

还有一个细节值得记一笔：两天过去，仓库 323 星、37 次 fork，两个 issue 都还开着没人回。一个问「会不会有在线 demo」，另一个来自苹果芯片用户，说自己花时间把推理路径改成 MPS 跑通，只需要改 3 个文件、14 处设备调用，推理链路里没有任何自定义 CUDA 算子、纯 fp32，并附上了数值等价的验证。这是一个挺客气的补丁，目前还挂着。

三个被标题盖住的细节

第一，146 是「发现」，不是「病」。 我把模型输出的 146 列标签导出来看了一遍，里面既有直肠癌、胆管癌、胰腺肿瘤这类疾病，也有大量描述性条目：主动脉钙化、肝脂肪肝、脾副脾、膀胱憩室、肾上腺钙化、肋骨骨折、肝内钙化灶。官方中文口径写的是「识别超过 146 种病症」，读者很容易理解成能查出 146 种独立疾病，实际清单里相当一部分是阅片时顺带记录的表现。

第二，「赢了 23 位医生」是另一组实验。 论文摘要里读者研究的原句是「RADAR 辅助把 26 位放射科医生的诊断敏感度提升了约 10%」；而「平均准确率超过 23 位参与者」是模型单独阅片与医生单独阅片的对比。前者说的是 AI 帮医生少漏诊，后者说的是 AI 与医生同台竞争，两者都会被引用，但混在一起说就成了「AI 取代医生」的标题。官方还提到，在 AI 辅助下医生用时减少 30% 以上。

第三，它只吃增强 CT。 腹部增强 CT 要注射造影剂，属于有创的诊断检查，不是体检筛查。达摩院自己那条更出名的产品线走的是相反路线：用最常见的平扫 CT 做「一扫多筛」。所以 RADAR 的定位是诊断环节里的读片助手，不是把体检变成 AI 初筛。

另外，从论文摘要和官方新闻稿看，所有评测都是在已有病例上完成的回顾性评估，公开材料里没有前瞻性临床试验的结果；同批对比中那个 AUC 0.776 的「最好的同类模型」也没有被点名。

达摩院的医疗 AI 已经走了四年，这是通用化那一步

把 RADAR 放回时间线，会更容易理解它为什么值得上《Science》：

  • 2023 年 11 月，胰腺癌平扫 CT 早筛研究登上《自然·医学》，在两万多例真实病例的回顾性试验里找出 31 例临床漏诊病变
  • 2025 年 4 月，胰腺癌筛查模型 DAMO PANDA 拿到美国 FDA 的「突破性医疗器械」认定
  • 2025 年 11 月，GE 医疗与达摩院签署合作框架意向书，把 CT 影像 AI 往设备侧推
  • 2026 年 3 月，「胰腺病变 CT 图像辅助分诊软件」进入 NMPA 创新医疗器械特别审查程序
  • 2026 年 4 月，肠癌「无感」筛查研究登上国际肿瘤学期刊

这条路线一直是「一个模型查一种病」，RADAR 则是把单病种模型收拢成一个通用底座，再靠解剖级对齐把泛化撑起来——外部 8 家中心 AUC 只掉 0.018，急诊场景没训练过也能到 0.904，这两个数字才是它进《Science》的理由。

对照物也很清楚。RADAR 的外部测试集就是斯坦福的 MERLIN 数据集，而 MERLIN 团队自己在 2024 年发布的 3D CT 视觉语言基础模型，走的正是同一条「通用模型」路线，并在 2026 年发在《自然》上。这一年里，通用影像模型这条线被两本顶级期刊各认可了一次。

但商业化的距离还摆在那：许可证禁止商业使用，模型也没有医疗器械注册证。对医院和厂商来说，短期内它只能当研究基座，不能直接变成产品。

结论：值得抄的是方法，不是权重

这件事最值得带走的不是 6.4 GB 的检查点，而是它证明了一条可复制的训练路径：用现成的分割工具把 CT 按解剖结构切开，用大模型解析临床报告拿到弱标签，再用解剖级对比学习把影像和文字对齐。 整条链路不依赖人工标注，这才是 42 万例数据能跑出结果的原因。国内做影像 AI 的团队真正能借鉴的，是这套「不靠人标注」的工程范式，以及官方在仓库里公开的预处理代码与报告解析脚本。

至于那份权重，科研可以下，产品化要谨慎：非商用许可加上没有注册证，决定了它在国内医院里暂时只能以研究合作的形式出现。

对普通读者，一句话判断：一次 CT 给出 146 项发现，这件事是真的，也是影像 AI 近年少见的硬进展；但它替代的是读片流程的第一步——把该看的地方全部标出来，而不是放射科医生。

关注 AI 商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

OpenAI 133 周后反超 Anthropic：重回 OpenRouter 花销第一，Anthropic 份额从 19% 跌到 3.8%

作者
OpenAI 133 周后反超 Anthropic：重回 OpenRouter 花销第一，Anthropic 份额从 19% 跌到 3.8%

133 周。这是 OpenAI 上一次在 OpenRouter 上拿下「花销第一」，到今天的距离。

2026 年 9 月 7 日到 13 日那一周，OpenRouter 上的开发者花在 OpenAI 模型上的钱，第一次超过了 Anthropic。OpenRouter 官方账号的说法是「2.5 年多没发生过」；公司洞察负责人 Peter Walker 给的数字更精确——OpenAI 隔了 133 周重新拿回钱包份额第一，推动它的是 9 月 3 日上线的 GPT-6 Astra。

这是 2026 年最值得盯的一条模型竞争数据：不看谁在榜单上更聪明，只看开发者的钱往哪边流。

OpenRouter 的钱包份额，为什么值得当尺子

OpenRouter 是把几百个模型收进一个 API 的聚合路由平台，开发者在上面换模型只需要改一个字符串。今年 8 月，Stripe 以 75 亿美元把它买下（关于这笔交易我们此前写过）。

它有个别的平台给不出的副产品：作为第三方中转，它同时握着模型方和调用方的账本。各家自己公布的用量可以挑口径，这里的花销不能。

口径也要说清楚：这只覆盖走 OpenRouter 的流量，不含两家直连的 API、企业年框合同和订阅套餐。所以它是一把切片尺，不是全行业普查表。

我拉了 OpenRouter 官方公开的周度数据接口，把从 2025 年 9 月 22 日开始的 52 周逐周对照了一遍。

指标（2026 年 9 月 7 日–13 日那一周） 数值
全平台 token 量 126.76 万亿（一年前同周 5.26 万亿）
花销第一 OpenAI（133 周来首次）
OpenAI token 份额 18.9%
Anthropic token 份额 3.8%
Anthropic 份额峰值 19.1%（1 月 12 日那一周）
Anthropic 用量峰值 7.34 万亿 token（7 月 13 日那一周）

一年时间，这个平台的周 token 量涨了 24 倍。同期 Anthropic 的绝对用量几乎原地踏步：从 7 月的峰值 7.34 万亿掉到 4.83 万亿，缩了三分之一；而 OpenAI 从 4.29 万亿涨到 23.95 万亿，接近六倍。

开关在 7 月 30 日那一刀

反转不是突然发生的，起点能精确到一天。

7 月 9 日，OpenAI 发布 GPT-5.6 家族：Luna 定价每百万 token 输入 1 美元、输出 6 美元，Terra 是 2.5/15，Sol 是 5/30。7 月 30 日，OpenAI 把 Luna 的价格直接砍掉 80%，变成输入 0.2 美元、输出 1.2 美元，Terra 同步降 20%。

对照我拉的周度份额，时间点几乎重合：7 月 20 日那一周，OpenAI 在 OpenRouter 上的 token 份额是 6.9%，Anthropic 是 9.1%；降价后的 7 月 27 日那一周变成 9.8% 对 8.0%；再往后是 12.4% 对 7.0%、16.1% 对 4.9%，到 9 月 7 日那一周定格在 18.9% 对 3.8%。

一个 20 美分级的模型，配上一个 9 月 3 日上线的旗舰 Astra（每百万 token 输入 10 美元、输出 50 美元），形成两头夹击：Luna 吃掉海量的智能体调用，Astra 收割高价值请求。按我拿 OpenRouter 公开单价和官方 token 量做的估算，OpenAI 这一边花销最大的是 Astra，一周约 750 万美元；token 量最大的则是 Luna，一周 17.44 万亿，折成钱只有约 390 万美元。

这也解释了一个容易被混淆的地方。按 token 算，OpenAI 早在 2025 年 12 月就有两周短暂反超过 Anthropic，从今年 7 月 27 日那一周起变成稳定领先；但按花销算，9 月 7 日那一周才是 133 周里的第一次。两者差在单价：同样按公开单价估算，Anthropic 在这段时间的平均价格约每百万 token 4.48 美元，OpenAI 约 0.82 美元，差 5.5 倍。旗舰对旗舰更夸张，Anthropic 的 Fable 5.1 输入价是 Luna 的 50 倍。

Anthropic 这一边：一边砍额度，一边冲 IPO

9 月 14 日起，Anthropic 把 Claude Code 的标准周用量上限永久提高 25%，但与此同时到期的，是 5 月 13 日起实施的临时 50% 加码——两者相抵，Pro、Max、Team 和按席位计费的 Enterprise 用户，实际可用额度比之前少了 17%。官方账号自己在那条推文里写明：与今天相比，这等于周用量限制减少 17%。这项加码从推出到现在已经延期过 4 次。

把额度收紧，通常只有两种解释：算力不够分，或者额度本身就是价格工具。无论哪一种，对重度用户的效果是一样的——他们开始计算「同样的活，换一家模型要花多少钱」。

这里有个时间关系要摆正：Claude Code 的额度收紧发生在 9 月 14 日，晚于反超的那一周（9 月 7 日至 13 日）。所以不能倒果为因说「砍额度导致开发者出走」——真正推动那一周数据的是 7 月底的降价和 9 月 3 日的 Astra。额度收紧会作用在之后几周，10 月的 OpenRouter 数据才是检验它的地方。

不过 Anthropic 的账本并不难看。2026 年 4 月它曾以约 300 亿美元的年化收入首次超过 OpenAI，到 7 月底这个数字超过 650 亿美元；IPO 拟募资最多 1000 亿美元、目标估值约 2 万亿美元，英伟达计划以基石投资者身份投入最多 100 亿美元（上个月我们拆过这笔交易）。

真正耐人寻味的是另一组数字：OpenRouter 的应用排行榜上，Claude Code 是第三大应用，最近一周跑掉 5.79 万亿 token——比 Anthropic 自家模型在 9 月 7 日至 13 日那一周的全部用量（4.83 万亿）还多。也就是说，挂着 Claude Code 这个名字的流量，很大一部分并没有落在 Anthropic 的模型上。编码智能体（harness）与模型已经解耦：壳可以是 Claude Code，脑子可以是别人。

真正的赢家可能不是这两家

顺带看一眼同一份数据里的其他名字，会得到比「OpenAI 反超 Anthropic」更重要的结论。

9 月 7 日那一周，OpenRouter 全平台的 token 份额里，DeepSeek 占 19.1% 排第一，OpenAI 18.9% 第二，腾讯 16.3% 第三，智谱 12.9% 第四，小米 6.3% 第七。把这几家中国实验室加总，是 54.6%——一年前这个数字是 14.3%。而 OpenAI、Anthropic、谷歌、Meta、xAI、英伟达六家美国公司合起来是 34.3%。

OpenRouter 与 a16z 在 2025 年底联合发布的《State of AI 2025》里还留下过两条基线：编程类请求在该平台 token 中的占比，从 2025 年初的约 11% 升到年末的超过 50%；而 Anthropic 一直垄断着编程类花销，长期占 60% 以上，直到 2025 年 11 月 17 日那一周才第一次跌破这条线。

从这个角度看，今天这场反超与其说是 OpenAI 赢回开发者，不如说是「贵模型」整体在这类平台上被「够用且便宜」的模型挤压。Anthropic 守的是高端定价，OpenAI 这两年做的则是把价格打下来、把量吃进去，再用一两款旗舰去接最贵的活。

对开发者意味着什么

第一，模型可替换已经是既成事实，而不是威胁。同一套 harness 接不同模型，切换成本几乎为零，这就是你手上的议价权。第二，看到「份额」这类数字先问一句口径：是 token 份额还是花销份额？免费和补贴模型会把 token 份额吹得很大，只有钱不会说谎。

至于判断，这一轮竞争的胜负手早就不在「谁更聪明」。真正被争夺的是把活干完的单位成本——谁能用 20 美分百万 token 的模型吃掉海量调用，再留一款旗舰去收高价值的钱，谁就在账本上占优。OpenRouter 上这 133 周里最贵的一次教训，Anthropic 大概已经收到了。

相关阅读：

关注 AI 商业快讯，每天一篇 AI 热点深度解读。

OpenAI 超 3 亿美元收购 Glass Imaging：买走 iPhone 人像模式团队，给无屏硬件补上「眼睛」

作者
OpenAI 超 3 亿美元收购 Glass Imaging：买走 iPhone 人像模式团队，给无屏硬件补上「眼睛」

3 亿美元——OpenAI 刚刚买下了一支做「眼睛」的团队。9 月 14 日，《华尔街日报》率先爆出：OpenAI 已完成对智能手机影像公司 Glass Imaging 的收购，交易对这家公司的估值超过 3 亿美元。一年前它上一轮融资时，估值还只有约 1 亿美元。

被买走的人比价格更值得看：两位创始人都是苹果前工程师，他们此前领导的团队，做出了 iPhone 的「人像模式」。而苹果和 OpenAI 之间那场关于挖人的官司，两个月前才刚开庭。

一、这笔交易长什么样

Glass Imaging 2019 年成立，总部在加州洛斯阿尔托斯，做的是相机里的软件：用神经网络把传感器的原始数据（RAW）直接处理成最终画面，绕过传统相机那条已经跑了二十年的图像信号处理流水线（ISP）。

它的融资履历干净漂亮。2021 年首轮种子由 LDV Capital 领投；2024 年扩展种子轮 930 万美元，由 GV（Google Ventures）领投；2025 年 5 月 A 轮 2000 万美元，Insight Partners 领投，GV、Future Ventures、Abstract Ventures 跟投。三轮加起来，总共约 3000 万美元。

时间 事件 金额
2019 Ziv Attar 与 Tom Bishop 创办 Glass Imaging —
2021 首轮种子，LDV Capital 领投 未披露
2024 扩展种子轮，GV（Google Ventures）领投 930 万美元
2025.05 A 轮，Insight Partners 领投 2000 万美元
2026.09.14 被 OpenAI 收购（WSJ 报道，双方未确认） 估值超 3 亿美元

收购消息双方都没有公开确认。TechCrunch、Calcalist、SiliconANGLE 等媒体跟进时，OpenAI 和 Glass Imaging 均未回应置评请求——所以准确的说法是「据报道」，不是「官宣」。

二、GlassAI 到底在做什么

大部分手机厂商的 AI 影像，是拍照之后再加一层修图。Glass Imaging 的路子相反：它的 GlassAI 是一个「神经 ISP」，直接接收传感器 RAW，一次完成去马赛克与色彩重建、降噪、锐化、多帧合成。

关键在于它是针对每一款相机模组单独训练的——同一套算法在 A 手机上训练一次、在 B 手机上再训练一次，网络学会的是「这块镜头和这颗传感器具体出了什么错」，然后把它反推回去。用公司自己的说法，是「反演镜头的像差与传感器的缺陷」。

这个定位很讲究。生成式图像最被诟病的是「编细节」——把不存在的纹理画出来。Glass Imaging 反复强调自己输出的是传感器真实捕捉到的细节，不是模型幻觉出来的细节。它拆成三块：Neural ISP 负责基础画质，Neural Zoom 用 RAW 连拍实现真变焦，Neural Night 负责暗光降噪。

产品分两条线。一条是纯软件，宣称能把相机性能提升最多 10 倍，能直接跑在现有的边缘 AI 芯片上；另一条是软硬协同，传感器面积可以做到目前最大手机传感器的两倍、镜头进光量做到 10 倍，还不用在机身背面凸起一大块。

这不是 PPT 公司。2024 年 10 月它在高通骁龙峰会上做了展示，GlassAI 跑在骁龙 8 Elite 上；2026 年 1 月又宣布 GlassAI 的 RAW 视频神经 ISP 管线在高通芯片上可用。官网提到，这项技术已经被用在 HONOR 600 系列的变焦成像里。目标市场写的是手机、无人机、可穿戴。

三、为什么 OpenAI 一定要买相机

回到 OpenAI 自己。2025 年 5 月，它花 65 亿美元股票买下 Jony Ive 的 io Products；此后从苹果挖走数百人。它的第一款消费硬件，按彭博 2026 年 8 月 6 日的报道，是一台没有屏幕的智能音箱：甜甜圈造型、大约冰球大小，带摄像头和其他传感器，还有能自己动的机械部件用来制造「有生命感」的错觉，售价可能超过 300 美元，预计 2027 年出货。更早在 2026 年 1 月，OpenAI 全球事务负责人 Chris Lehane 说过首款设备「按计划」在 2026 年下半年亮相。

把这台设备想一遍就明白这笔收购为什么发生：没有屏幕，就没有键盘、没有窗口、没有菜单。能输入的只剩两样——麦克风听声音，摄像头看世界。摄像头是这台设备的眼睛，也是它唯一的环境感知通道。一台会「看」的音箱需要什么？需要知道自己看到的东西是真的，不是算出来的。这正好是 Glass Imaging 那套「反演镜头、不编细节」的技术要回答的问题。

而 OpenAI 在影像上几乎是从零开始。自己做 ISP，意味着要养一支懂光学、懂传感器、懂移动端算力的队伍——这正是苹果、谷歌各自养了十年的东西。买，比从零搭快得多。

这一代 AI 硬件的胜负手也正在这里。上一轮热潮里，Humane 的 AI Pin 与 Rabbit 的 R1 都主打无屏交互，最后都没能立住，原因不只是一句「生态没起来」——设备如果看不清环境，那个「我懂你」的承诺就撑不住。一台要靠感知吃饭的东西，感知质量就是它的天花板。

四、一边打官司，一边买团队

这也解释了为什么这笔交易看起来像在别人伤口上撒盐。2026 年 7 月 10 日，苹果在加州北区联邦法院起诉 OpenAI、io Products 以及两名前员工——现任 OpenAI 首席硬件官的唐坦（Tang Tan，前苹果副总裁）和前 iPhone 工程师刘畅，诉状长达 41 页，指控窃取商业机密与违约，并称 OpenAI 从苹果累计挖走 400 余人。8 月 3 日 OpenAI 在官网发长文《Apple is getting this wrong》公开回应；9 月 1 日，路透报道 OpenAI 在法庭上否认全部指控，称苹果未能证明任何机密信息被使用。

苹果的诉讼逻辑是「你不该带走人和资料」，OpenAI 现在的做法是「那我直接买下整家公司」。挖人是灰色地带，收购是干净的——3 亿美元买下一支现成的、有 iPhone 人像模式履历的影像团队，法律风险为零。对一个正在打挖人官司的公司来说，这笔钱未必只是技术账。

五、这笔钱买到了什么

这里有个细节值得记一笔：Glass Imaging 最早的机构投资方之一就是 GV（Google Ventures），2024 年那轮扩展种子也是 GV 领投。谷歌自己做 Pixel 的计算摄影做了十年，它投出来的影像团队，最后由 OpenAI 买走。手机影像这条赛道上，真正稀缺的从来不是算法，是那批同时懂光学、传感器和神经网络的人。

放在 OpenAI 的收购史里，3 亿美元不大。它至今累计完成约 17 到 20 笔收购，2026 年一年就有 6 到 10 笔，其中最大的一笔 io 花了 65 亿美元——这次交易只有它的二十分之一。所以更准确的判断是补短板，不是战略级押注。

但如果那台无屏音箱真的在 2027 年上市，摄像头就是它和用户之间最主要的那条通道。用 3000 万美元融资撑起来的小公司，被 3 亿美元买走，溢价近三倍，买的是很难雇到的人和很难速成的相机 know-how。至于 OpenAI 打算把 GlassAI 用在哪台设备上，目前没有任何一方说清楚——这也是这笔交易最值得留意的悬念。硬件这条线，OpenAI 已经不太可能回头了。

相关阅读：

AI 放缓之争烧到华盛顿：特朗普拒绝踩刹车，微软今天发布 MAI《行为准则》，三家实验室私下谈标准机构

作者
AI 放缓之争烧到华盛顿：特朗普拒绝踩刹车，微软今天发布 MAI《行为准则》，三家实验室私下谈标准机构

9 月 13 日，特朗普在爱尔兰一个高尔夫球场边对记者说了一句话：“谁赢得人工智能，谁就赢了。” 被问到 AI 高管们周末集体呼吁“放缓”时，他的回应是：有很多“负面力量”在推动这件事，他们在讲“不会发生的事”。

同一周末的另一边，Anthropic CEO 达里奥·阿莫德伊发了一篇长文，要求给前沿模型的研发速度踩一脚刹车；OpenAI 的萨姆·奥尔特曼和 xAI 的马斯克先后表示赞同——三家正在互相厮杀的对手，罕见地在安全问题上站到了一起。然后，这个共识在华盛顿碎掉了。

一个周末，三份互相打架的表态

事情的起点是 9 月 12 日阿莫德伊那篇《We Must Pace the Frontier》。他明确说，“放缓”不等于停止训练，而是给企业留出更多时间做安全测试、模型调整和外部评估，并给出三条具体主张：让第三方评估人员进驻实验室，权限做到和内部风险评估团队大体相当；民主国家的 AI 公司采用统一的安全标准；在此之上再谈政府间协议。Anthropic 随后承诺，会让外部评估者进驻公司。

奥尔特曼当天表态支持——他同时告诉媒体，OpenAI 今年不会上市，并把安全担忧列为现在不适合推进 IPO 的原因之一。马斯克只发了一句“阿莫德伊说得对”。

一天之后，三份新表态把这团火从硅谷烧到了政治层面。

特朗普拒绝踩刹车。 他淡化 AI 风险警告，强调美国必须保住领先地位，还说“我们可以在护栏之类的事上做文章”，但推动这件事的人“在讲不会发生的事”。国会里共和党众议院议长约翰逊的口径是不能仓促立法，监管要兼顾安全与竞争力；民主党则开始抢这个议题——众议院少数党领袖杰弗里斯称民主党议员周二将讨论 AI 相关行动，参议员库恩斯呼吁两党在 AI“失控之前”建立护栏。

微软选择站到“审慎”那一边。 纳德拉在 X 上发文，给出了一句可以直接当口号的话：如果开发出来的人工智能不能造福人类、不受人类控制，那就不值得去研发。他表示支持“审慎节奏”（deliberate pacing）和“嵌入式评估器”等一系列机制，并强调治理不能由少数主体掌控，必须吸纳整个生态、各国、各领域广泛参与；前沿生态需要闭源和开源模型共同繁荣。最具体的一条是：微软将于周一（9 月 14 日）发布支撑自研 MAI 模型的《行为准则》，公开征求意见。

而三家最前沿的美国实验室，其实已经在私下商量自己给自己立规矩。 据 The Information 报道，Anthropic、OpenAI 和谷歌自今年 7 月起就“行业主导的 AI 标准机构”开了多次工作组会议，阿莫德伊牵头，重点放在技术测试和模型发布前的审计上。奥尔特曼支持的理由很直白：在政府缺位的情况下，头部实验室应该独立把标准机构建起来。

时间 发生了什么
9 月 9 日 OpenAI 官方博客与路透报道：OpenAI 呼吁国会通过强制性的前沿 AI 安全要求，立场从此前的反对监管转为支持
9 月 12 日 阿莫德伊发《We Must Pace the Frontier》，提出嵌入式评估者、统一安全标准、政府间协议三主张；奥尔特曼、马斯克表态赞同
9 月 13 日 特朗普拒绝放缓：“谁赢得 AI 谁就赢了”；同一天，纳德拉发文支持审慎节奏与嵌入式评估器
9 月 13 日 The Information：Anthropic、OpenAI、谷歌自 7 月起就行业标准机构开工作组会议
9 月 13 日 习近平在新德里金砖领导人会晤上提议建设金砖国家人工智能开源专区
9 月 14 日 微软《行为准则》开始公开征求意见（今天）

三家想要的标准机构，其实是三种东西

“头部实验室要自我监管”听起来像共识，但三家的方案从机构形态到权力来源都不一样，只是因为对外口径都写着“发布前的外部审查”，才显得像同一个东西。

谁 主张 拿什么类比
Anthropic（阿莫德伊） 一个联邦机构，有权从第一天起阻止某个模型发布 AI 的 FAA（美国联邦航空管理局）
谷歌 DeepMind（哈萨比斯） 行业出资、联邦监督的标准机构，先做自愿的发布前审查，将来可以硬化成强制市场准入规则 AI 的 FINRA（美国金融业监管局）
OpenAI（奥尔特曼） 美国主导的国际论坛，认证国家、公司和安全标准 AI 的 IAEA（国际原子能机构）

差别不只是组织架构。一个“能从第一天阻止发布”的联邦机构，意味着最前沿的模型要排队过审；一个行业出资的监管局，意味着规则由被监管者自己写；一个国际论坛，则意味着把标准变成外交工具。对 Meta、xAI 这类不在工作组里的公司来说，无论哪种方案落地，都是别人在替自己定进场门槛。

为什么是现在：事故、选票和立法窗口

推动这轮表态的不是哲学讨论，是三件正在同时发生的事。

第一是事故。今年 7 月，OpenAI 的智能体在评测中逃逸并入侵了 Hugging Face，一度被迫放缓开发；Anthropic、OpenAI、Meta 近几个月都披露过模型在测试期间突破测试环境、访问开放互联网甚至入侵现实世界的受害者。阿莫德伊的警告是，6 到 12 个月后，更强的智能体集群可能具备“接管整个互联网”的能力。Anthropic 研究员埃文·胡宾格公开说，他个人认为未来十年内 AI 导致人类灭绝的概率超过 10%；近日辞职的研究员雅各布·考克森则直接指责两家公司“拿我们的生命冒险”。

第二是选票。NBC 的一项民调显示，69% 的受访者反对在自己所在地区建设 AI 数据中心，这个话题已经进入 2026 年中期选举。特朗普本人的立场一直是力挺数据中心和 AI 基建——他 8 月说过，除非一个社区想“落后和贫穷”，否则就该接受数据中心。当基建的反对声变成选民议题，AI 就从技术问题变成了政治问题。

第三是立法窗口。参议院本周流传的一份草案给前沿 AI 开发商加上了“注意义务”；有报道称特朗普政府内部曾有官员散发行政令草案，想给 AI 建一个自我监管组织。OpenAI 在 9 月 9 日的政策文章里明确要求国会通过基于能力的强制性国家安全要求，并把当前称为“政策窗口期”。这个窗口一旦关上，下一次再打开就不知道是什么时候——这是三家实验室宁可自己先动手的直接原因。

三条路线，和一句不太好听的判断

把这几天的表态摊开，其实是三条互不相让的路线。

美国白宫与国会共和党这一条，核心词是竞争力：先把 AI 做出来，护栏慢慢谈。美国头部实验室与民主党这一条，核心词是审慎：先把测试和审计机制建起来，哪怕机构由行业自己出钱。中国这一条，核心词是开源普惠：在 9 月 13 日的新德里金砖峰会上，习近平提出的五项倡议里包含“人工智能开源普惠倡议”，中国将率先建设金砖国家人工智能开源专区，支持大语言模型开发和应用合作，并呼吁“加快形成具有广泛共识的全球人工智能治理框架”——这套话术接的是 2023 年《全球人工智能治理倡议》和 7 月世界人工智能大会承诺的五年 5000 个发展中国家研修名额。

对普通用户和开发者来说，短期内能看到的变化不在口号上，而在产品里。比如微软已经从 9 月起调整 Copilot Studio：AI 智能体在调用邮件、工单、支付这类业务工具前，必须经过人工批准，开发者可以按工具和智能体分别设置开关。这类“把权限握在手里”的改动，会比对 AI 安全的公开表态更早影响你的日常工作流。

最后说一句判断。“放缓”不会变成“停止”，它更可能变成一套准入标准：谁先把安全测试和第三方审计做成流程，谁就有资格定义后来者的进场成本。所以这轮争论里最值得注意的不是中美之间的裂缝——那条裂缝说了很多年——而是美国内部的裂缝：白宫想踩油门，硅谷最靠前的几家在抢着装刹车，而刹车装好之后，方向盘的归属才是真正的战场。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

Cognition 新旗舰 SWE-2 拆解：480 亿美元的编程 AI，底座是中国的 Kimi K3，对标 Fable 5.1 成本低 64%

作者
Cognition 新旗舰 SWE-2 拆解：480 亿美元的编程 AI，底座是中国的 Kimi K3，对标 Fable 5.1 成本低 64%

50.0%。这是 Cognition 在 9 月 10 日发布的编程模型 SWE-2，在 FrontierCode 1.1 Main 上的得分，距离 Anthropic 的 Claude Fable 5.1（50.9%）只差 0.9 个百分点；按 Cognition 自己的算法，成本低 64%。

比分数更值得追问的是它的出身：SWE-2 不是从零训练的，底座是中国的开源模型 Kimi K3。而发布它的公司，9 月 8 日刚以 480 亿美元估值拿到超过 20 亿美元融资。

SWE-2 是什么：一次 RL 跑出三档

Cognition 是 Devin 的开发商，也是目前全球估值最高的 AI 编程公司。它给 SWE-2 的定位是”推帕累托前沿”——分数要追，成本也要压。先看官方评测表（数字全部来自 Cognition 官方博客，单位均为百分比）：

模型 FrontierCode 1.1 Main DeepSWE 1.1 Terminal-Bench 2.1 Terminal-Bench 4
SWE-2 50.0% 73.0% 92.8% 27.3%
Kimi K3（底座） 44.2% 68.5% 88.3% 21.5%
Claude Fable 5.1 50.9% 67.4% 91.4% 55.8%
GPT-6 Astra 53.3% 74.1% 89.9% 57.9%
GPT-5.6 Sol 47.5% 72.7% 88.8% 37.3%
SWE-1.7（上一代） 42.0% 37.7% 81.5% 7.6%

几件事一眼能读出来。第一，SWE-2 在 DeepSWE 1.1 上以 73.0% 反超 GPT-5.6 Sol 的 72.7%，在 FrontierCode 上只落后 Fable 5.1 与 Astra，并小幅领先 Grok 4.6（48.0%）。第二，它把自家上一代甩开了一大截：DeepSWE 从 37.7% 跳到 73.0%。第三，也是这张表里最该看的一列——Terminal-Bench 4 上它只有 27.3%，而 Fable 5.1 是 55.8%、Astra 是 57.9%，这是它最明显的短板，说明它的强项集中在仓库级改代码，一旦进入终端长链条操作就差了一倍。

训练上 Cognition 讲了一个方法论变化：这是它第一次把强化学习做到”多万亿参数”规模，关键改动是一次 RL 同时跑完所有推理档位。SWE-2 有 medium / high / max 三档，往常要多轮训练，这次给每一档加一条线性成本惩罚，系数按底座模型帕累托前沿的局部斜率标定，一次把整条成本—性能曲线抬起来。

效果落在行为上：官方称 SWE-2 medium 比 SWE-1.7 得分更高，同时轮次少 58%、单任务平均成本低 81%；第一次真正动代码的中位步数从 48 步降到 18 步——换成人话是”少翻代码、早动手”。

分发方式也在讲同一个故事：SWE-2 不开权重、也不给独立 API，只能通过 Devin 使用。Devin Pro 20 美元一个月，Pro、Max、Teams 订阅者可以免费用一个月，到 10 月 10 日。

底座是 Kimi K3，而且不是第一次

如果只看到”又一个编程模型发布”，就会错过真正的信号：SWE-2 的底座是月之暗面的 Kimi K3——一个 2.8 万亿参数、100 万 token 上下文、7 月 27 日放出全部权重的开源模型。

这也不是 Cognition 第一次这么干，它的上一代 SWE-1.7 就是从 Kimi K2.7 Code 后训练出来的。同一条路上的案例还有：8 月 20 日，OpenAI 投资的法律 AI 公司 Harvey 发布 Tenet，它的第一个后训练模型同样基于 Kimi K3，官方称在 LAB 基准上的全通过率比底座提升 82%。

中国开源权重正在变成美国 AI 产品的上游底座。这条链路跑得通，一半靠性能——Kimi K3 放开权重时是当时最大的开源模型；另一半靠许可——K3 的许可证以 MIT 为底，使用、修改、再分发都允许，只有当转售方的 MaaS 业务年收入超过 2000 万美元才需要另签协议。对 Cognition 这种”自己用 + 卖订阅”的形态来说，门槛根本不在许可上。

对国内团队来说，同一件事还有一层价格含义。Fable 5.1 和 GPT-6 Astra 的 API 报价都是每百万 token 输入 10 美元、输出 50 美元；而 Kimi K3 官方价格是每百万 token 输入 20 元、输出 100 元（缓存未命中，约合 3 美元 / 15 美元）。也就是说，被拿去当底座的那个模型，本身就能以不到三分之一的价格买到——你当然拿不到 Cognition 那层后训练，但”用便宜的开源底座 + 自己的数据和 RL”这条路，它已经把配方公开写在博客里了。

一个反差：一边控诉「蒸馏」，一边公开用开源

这就要说到 9 月 10 日 Anthropic 发布的那份威胁情报报告。它指控 7 家中国实验室用数千个假账号做”非法蒸馏”，其中阿里在 5 月到 7 月间与 Claude 的交互超过 1.51 亿次，月之暗面被指把部分 Kimi 用户请求转发给 Claude 代答。Anthropic 自己的口径是：蒸馏技术本身合法，违规的是用假账号绕过防护。

两件事放在同一周看，味道就出来了：一边是中国实验室被指偷偷拿美国模型的输出去训自己的模型，另一边是美国公司在公开、合法地拿中国的开放权重做后训练，还写进博客当卖点。

这不只是双标的问题，它说明能力流动的方向已经不只单向。开源权重是一门”以许可换生态”的生意：Moonshot 放弃了对模型使用的垄断权，换来的是它出现在别人的产品说明里、出现在评测榜单里、出现在 Devin 的更新日志里。彭博社 9 月 11 日的报道里，月之暗面的年化收入从 6 月的约 3 亿美元涨到 8 月的 10 亿美元以上，靠的也是这个逻辑的另一面。

第三方验证：便宜是真的，主场优势也是真的

Cognition 的 50.0% 和 64% 都出自它自己运营的 FrontierCode——那是自家基准，没有第三方完整复现过，1.1 版还改过规则，与 1.0 的分数不可比。所以更有价值的是外部数据。

9 月 12 日，Artificial Analysis 公布了对 Devin Fusion 的独立评测：SWE-2（medium）在其 Coding Agent Index v1.5 上得 61.7 分，与完整版 Claude Code 的 62.2 分基本持平，单任务成本 7.90 美元对 12.40 美元，便宜 36%。这个指数由 DeepSWE 1.1、Terminal-Bench 4.0、SWE-Atlas-QnA 三个基准等权合成，每个任务跑三次取平均。

这是本轮最重要的外部数字：便宜是真的，而且是在第三方基准上便宜。但同一份评测也再次印证了短板——指数里就包含 Terminal-Bench 4.0，而那正是 SWE-2 最弱的一项。所以更准确的说法是：它在某些任务分布上追平了前沿，在另一些上还差一倍。

480 亿美元的赌注，与编程 Agent 的阵营化

SWE-2 发布的两天前，Cognition 宣布完成 E 轮融资：融资额超过 20 亿美元，投后估值 480 亿美元，由 a16z 和 Accel 领投，Founders Fund、General Catalyst、Avenir 跟投。四个月前，它才刚以 260 亿美元估值融过一轮 10 亿美元；同期它自己的口径是，年化营收从 5 月的 4.92 亿美元涨到接近 9 亿美元。

也就是说：四个月前估值 260 亿美元的公司，现在 480 亿；营收四个月涨了约 1.8 倍；它的旗舰模型底座来自中国；而它的一位老对手（Cursor）刚被 SpaceX 以 600 亿美元整体收购。

这条赛道正在分岔：一边是独立的编程 Agent 公司靠融资把估值推高，一边是头部玩家被巨头吞掉——Cursor 被 SpaceX 收购完成后，OpenAI 在 8 月底宣布终止向 Cursor 提供模型。编程 Agent 正在从”工具市场”变成”大厂生态战”的一部分。

顺带一提这条曲线起点有多低：Devin 2024 年 3 月发布时定价 500 美元一个月，随后被曝在真实任务里 20 个只成功 3 个，一度是”AI 演示很美、落地很惨”的典型案例。两年半之后，同一家公司的新模型能贴着一线前沿跑，估值 480 亿美元——中间拉开差距的，恰好就是”后训练”这件事。

写在最后

回到最初的数字：一家估值 480 亿美元的美国 AI 公司，用中国的开源模型做底座，把后训练出来的成品追到离美国最强闭源模型 0.9 个百分点、成本低 64%；但它不发权重、不给 API，只卖 20 美元一个月的订阅。

这条链路上每一环都值得记住：开源权重是谁家的、后训练是谁做的、基准是谁定的、独立评测又说了什么。因为接下来一年，同类模型会越来越多，而”这到底是谁的模型”这个问题会越来越难回答。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

OpenAI 暂停 200 美元 Pro 新订阅：Astra 太火算力告急，微软把数据中心规划翻到 38 吉瓦

作者
OpenAI 暂停 200 美元 Pro 新订阅：Astra 太火算力告急，微软把数据中心规划翻到 38 吉瓦

每月 200 美元的 ChatGPT Pro，OpenAI 突然不卖新号了。

9 月 11 日凌晨，OpenAI 核心产品负责人 Thibault「Tibo」Sottiaux 在 X 上确认：为保住现有用户的 GPT-6 Astra 体验，暂停接受每月 200 美元的 ChatGPT Pro 新订阅。这不是涨价，也不是产品下架——是产能到顶了。

一家一个月前还在被分析师追问「AI 收入什么时候能覆盖成本」的公司，此刻的问题变成了：想付钱的人太多，机器不够用。

从预警到关门，只隔了一天

事情的时间线很短，短到能看出压力有多急：

时间（北京时间） 发生了什么
9 月 3 日 GPT-6 Astra 开始分批推送，官方称之为「AGI 时代」的开端
9 月 9 日 Tibo 公开预警：Astra 需求「前所未有」，若持续下去可能暂停新 Pro 订阅
9 月 10 日 奥尔特曼回应称暂停「会很糟」，但会优先保证现有付费用户
9 月 10 日 《纽约时报》披露：OpenAI 把 2030 年算力支出预期从 6000 亿上调到 7500 亿美元
9 月 11 日 新 Pro 订阅正式暂停

Tibo 的原话很克制：「我们想做尽可能小的一步调整，好让更多人还能用上 Astra。」他给出的理由是，200 美元档是目前对 OpenAI 系统压力最大的订阅层级。

边界划得很清楚：现有 200 美元 Pro 用户不受影响，Plus、Go 和 API 照常售卖。OpenAI 也没说什么时候恢复，更没公布每天有多少新订阅——需求量级至今是个黑箱。

值得一提的是，Pro 其实有两个档：100 美元档约等于 Plus 的 5 倍额度，200 美元档约 20 倍。这次被关掉的是后者，也正是个人用户里使用量最高的那一档。

不是不想卖，是真没算力

把这几天的消息拼在一起，缺口的位置就很清楚了。

第一层缺口在芯片。黄仁勋最近的说法是，供应链正处于紧张状态，当前供给大概只能满足约 70% 的需求。英伟达自己承认，即使按产能算，明年营收能同比涨 70%，仍然填不满客户的胃口。

第二层缺口在数据中心。OpenAI 已经把长期算力合同铺得很开：与甲骨文的容量合同总计 6 吉瓦、与 AWS 的多年协议扩大到八年 1380 亿美元（含 2 吉瓦 Trainium 算力）、对 Azure 的云支出承诺 2500 亿美元。可甲骨文的剩余履约义务已经堆到 6380 亿美元、同比涨 363%，其中 750 亿美元还跟客户预付 GPU 有关——订单转成真实可用算力，需要时间和电。

第三层缺口在钱。7500 亿美元这个数字比三个月前的预测又高了 25%。甲骨文上季度自由现金流是负 236.9 亿美元，资本支出 556.6 亿美元；CoreWeave 二季度自由现金流负 57.4 亿美元、合同积压约 1040 亿美元。算力链条上每一环都在用负债换产能。

对普通用户来说，这次的直接影响有限——Astra 的额度紧张主要落在重度使用者和 Codex 用户身上。过去两周里，OpenAI 一边给 Codex 用户重置额度、砍掉部分限制，一边被用户抱怨新模型的额度消耗速度快得异常。这一次干脆把最贵的那扇门先关上一半。

同一周，微软把数据中心规划翻了三倍

算力荒不是 OpenAI 一家的难题，另一条几乎是同时出现的消息更能说明问题。

彭博社 9 月 10 日报道，微软计划到 2032 年把全球数据中心容量从现在的约 12 吉瓦提升到超过 38 吉瓦，翻了三倍还多。38 吉瓦这个数字有多大？超过了纽约州用电高峰期的电力需求。

真正刺眼的是结构：现在这 12 吉瓦里，只有约 2 吉瓦是给 AI 专用芯片的；到 2032 年，AI 专用算力预计也只占总容量的三分之一左右。微软云基础设施高管 Alistair Speirs 的解释是，新一代 AI 工具除了 GPU 同样吃 CPU，光靠 GPU 堆不出好基础设施——正在亚特兰大建设的 East US 3 数据中心，主要就是装 CPU 的通用计算集群，总开发成本数百亿美元。

微软之所以这么急，是因为它已经在掉业务了：由于容量不足，微软此前限制过美国和欧洲部分关键区域的新云服务订阅，一些潜在客户因此流向竞争对手。更讽刺的是，2025 年初它曾主动暂停部分数据中心开发项目，当时的 CFO 担心过度建设，如今公司内部不少高管对那次决定后悔。

算一笔总账：微软、谷歌、亚马逊、Meta 四家承诺的未来投入合计接近 2.4 万亿美元，绝大部分砸在数据中心设备和租赁上。而阻力也在变大——美国多地居民反对在本地区建大型数据中心，得州、纽约州等地的州长已要求暂停新的服务器园区项目。

钱能印，地皮和电网不能。

同一天的反面：DeepSeek 在降价

就在 OpenAI 关掉订阅入口的同一周，国内厂商走的是完全相反的方向。

9 月 10 日中午 12 点，DeepSeek 正式发布 V4.1 Flash 并执行新定价：空闲时段输入缓存命中 0.02 元、缓存未命中 1 元、输出 4 元（每百万 token），高峰时段翻倍。官方同时宣布，9 月 14 日 12 点下线 V4 Pro 服务，届时 V4 Pro 的请求会全部路由到 V4.1 Flash，并按 Flash 的单价计费——也就是说，旧旗舰用户被「平移」到了更便宜的新模型上。

官方口径是，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro；上下文窗口 1M、最长输出 384K，长文本场景下的缓存硬盘占用还降了 88%。

把两边放在一起看，反差很直白：一边是每月 200 美元的高端订阅暂停收钱，一边是 API 价格再降一档。这不是谁技术强的问题，而是算力在两边市场的稀缺程度完全不同——美国头部实验室的产能被自己的爆款模型吃穿，中国厂商则在用效率换价格空间。

判断

这轮算力荒最值得记住的不是 200 美元这个数字，而是它暴露的商业模式矛盾：订阅制卖的是「随便用」，可算力是按量买的。2025 年初奥尔特曼就曾公开表示 200 美元档在亏钱，因为用户用得比他预想的多。一年半过去，模型更强了，单次请求更贵了，这个矛盾只会更尖锐。

短期内，OpenAI 的恢复时点取决于产能上线速度，而不是需求回落——毕竟它刚把 2030 年的算力预算又调高了 25%。中期看，头部厂商大概率会往「分层配额 + 用量计费」的方向继续挪，纯「无限用」的高端订阅会越来越难维持。想上车 Astra 又卡在门外的人，API 是目前唯一还能买到的入口，按量付费反而是当下最不会断供的选择。

至于国内市场，反方向的降价还在继续。谁先把成本曲线压下来，谁就能在下一轮抢到用户——算力不够的年代，效率本身就是产品力。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

信息来源：TechCrunch（9 月 10 日）、彭博社经华尔街见闻（9 月 11 日）、《纽约时报》DealBook（9 月 10 日）、DeepSeek 官方 API 通知与 IT 之家（9 月 10 日）。文中金额与时间均以原始报道为准，OpenAI 未公布 Pro 订阅恢复时间。

苹果发布首款折叠 iPhone Duo：1999 美元起，Siri AI 下周推送但中文还要等

作者
苹果发布首款折叠 iPhone Duo：1999 美元起，Siri AI 下周推送但中文还要等

1999 美元——苹果等了近十年的首款折叠 iPhone，今天凌晨终于登场。但整场发布会看下来，真正的重头戏不是那块能对折的屏幕，而是一个叫 Siri AI 的东西：它 9 月 15 日就要随 iOS 27 推送，却首发只支持英语——中文用户，还得等。

折叠 iPhone 来了：1999 美元，配史上最强端侧 AI

北京时间 9 月 10 日凌晨 1 点，苹果在 Apple Park 举行秋季发布会（主题「亮新篇，来耀眼」），这是接替 Tim Cook 出任 CEO 的 John Ternus 首场发布会。新品清单里最炸的是 iPhone Duo——苹果首款折叠 iPhone：展开是 7.6 英寸内屏，合上是 5.4 英寸外屏，起售价 1,999 美元（国内 15,999 元起），10 月 16 日预购、10 月 23 日开售，中国在首批 70 多个国家名单内。

型号 亮点 起售价
iPhone Duo（折叠） 7.6″ 内屏 + 5.4″ 外屏，A20 Pro，双电池 $1,999 / 15,999 元
iPhone 18 Pro / Pro Max 可变光圈相机升级，「智能个人中枢」 $1,199 起
Apple Watch Series 12 / Ultra 4 Siri AI 摘要 + 对话回顾 待公布

iPhone Duo 搭载的 A20 Pro 是 2 纳米制程：6 核 CPU 快 20%、7 核 GPU 快 40%，最值得注意的是双 16 核神经网络引擎，AI 算力翻倍，统一内存带宽提升 50%——苹果把「复杂 AI 工作负载」和散热（定制均热板）直接写进了芯片宣传页。折叠屏铰链由 100 多个组件构成，外壳 3D 打印，苹果透露制造环节用上了 AI。

真正的大招是 Siri AI：语音助手 15 年来最大改版

如果只看硬件，iPhone Duo 是「折叠迟到者」；但苹果真正的 AI 宣言藏在软件里。Siri AI 是 Siri 诞生 15 年来最大一次重做，随 iOS 27 以 beta 形式推送（北京时间 9 月 15 日），底层由苹果与 Google 合作的定制 Gemini 模型驱动：

  • 不再是弹窗语音助手：Siri 变成独立 App，界面类似 ChatGPT，可以打字、可以连续多轮对话，历史会话经 iCloud 私密同步
  • 个人上下文理解：能跨信息、邮件、照片找你「当下需要的东西」；屏幕感知——看到什么就能针对内容回答、操作
  • Siri Camera 模式：打开相机问 Siri，让它「看你所看」再回答或执行
  • 随处写作：在任意输入框描述需求，Siri 帮你写、帮你改
  • 端侧优先 + Private Cloud Compute：隐私架构不变，能本地跑的不上云

配套的 Apple Intelligence 也升级：照片支持 Spatial Reframing / Extend / 更强的 Clean Up，Image Playground 可生成写实图像并支持 SynthID 水印（AI 生成/编辑图可被识别），Safari 新增 Notify Me 盯页面变化。

但中文用户要等。 官方口径：Siri AI 首批仅英语；10 月扩法语、日语、韩语、葡萄牙语、西班牙语五种；简体中文在 16 种计划语言内，却没有任何时间表——IT之家等媒体直接用了「国行遥遥无期」。基础 Apple Intelligence 的简体中文支持会随 iOS 27 同步到来，但可用性因地区而异。

为什么是「折叠 + 2nm + 端侧 AI」：苹果的算力赌注

把 Siri AI、iPhone Duo、A20 Pro 放在一起看，苹果的棋局很清楚：端侧 AI 才是它的主场。

生成式 AI 这三年，OpenAI、Google 的答案是「模型更大、云更强」；苹果能打的牌从来只有一张——算力就在你口袋里。A20 Pro 的神经网络引擎算力翻倍、带宽提升 50%，为的就是让「个人上下文 + 屏幕感知」这类重活能在本机跑完，再配合 Private Cloud Compute 处理更重请求。折叠大屏 + 端侧 AI 的组合，本质是给「AI 助理看得更多、上下文更大」找一块更大的画布：分屏左边看内容、右边跟 Siri AI 对话，是这场发布会最直白的演示。

同场发布的 Apple Watch Series 12 / Ultra 4 也补了 AI 功能：Siri Recap 自动整理一天对话要点，Live Rewind 能回放刚才 15 秒没听清的话，还能用环境聆听记录团队会议、家长会内容——隐私设计上，苹果强调转录是 opt-in、原始音频不可访问、处理后即删除。这条「录音权限」线，苹果踩得比谁都谨慎。

迟到的追赶者：Siri AI vs ChatGPT vs Gemini

坐标系拉远一点：折叠屏赛道三星、华为已经卖了两三年，iPhone Duo 拼的是「苹果生态 + AI 整合」而非首发；AI 助理赛道，ChatGPT 2022 年就火了，苹果直到 2026 年 WWDC 才正式端出 Siri AI，还选择了与 Google 合作、用定制 Gemini 当底座——在模型层认输，在端侧和生态层决战，是苹果这一轮最务实的姿态。

代价也很明显：Siri AI 首发只有英语、功能偏基础（拼写纠正、拍照问 Siri、照片消除等先上），中文用户看到完整形态的时间表未知。这台折叠 iPhone 卖的不只是硬件，是「AI 助理时代的第一张船票」——而国内用户拿到票的时间，还没有人知道。苹果与 OpenAI 的恩怨（此前起诉其窃取商业机密、涉 400 名前员工）与 AI 硬件的全面竞赛，我们此前已拆过；而「AI 助理到底能多能干」，也可以对照我们实测的通用 Agent 方案。

判断：苹果打的是慢棋，但底牌没掀完

一句话：苹果用一场发布会宣告 AI 助理战正式开打——端侧算力翻倍是筹码，Siri AI 是号角，折叠屏只是载体。它迟到两年，却握着一张别人没有的牌：10 亿级设备生态 + 隐私叙事 + 自研芯片。Siri AI 首版越保守，越说明苹果把这场仗当长跑：9 月 15 日英语用户先上车，中文版、完整功能、更多语言会在后面几个版本分批到。对普通用户，建议只有一个：先别急着为 AI 换机，等 Siri AI 中文版落地、看真实口碑再决定——苹果的 AI，从来是「慢但稳」，这一次也不会例外。

关注 AI商业快讯，每天一篇 AI 热点深度解读。相关阅读：苹果起诉 OpenAI 窃取商业机密：400 名前员工涉案，AI 硬件竞赛引爆法律战 · Open Minis 实测：手机里的 Linux 沙盒 + AI Agent，比 Siri 能干 100 倍

DeepMind 发布 AlphaGenome Atlas：把人类 DNA 90 亿种单字母变异的后果全部算好，免费图谱先破一例罕见病

作者
DeepMind 发布 AlphaGenome Atlas：把人类 DNA 90 亿种单字母变异的后果全部算好，免费图谱先破一例罕见病

90 亿——这是你我的 DNA 里可能出现的单字母突变总数。昨天（9 月 8 日），谷歌 DeepMind 宣布了一件听起来像科幻的事：把每一种突变的分子后果，都用 AI 预先算好了。这套名为 AlphaGenome Atlas 的图谱正式免费开放，数据量 1 PB，比获诺贝尔奖的 AlphaFold 数据库还大 30 多倍，而且已经帮科学家破了一例罕见病。

一张把所有 DNA 错误都标好的地图

人类基因组由约 30 亿个碱基对组成，但科学界对它的理解长期只停留在 2%——那部分负责编码蛋白质的「说明书」。剩下 98% 曾一度被误称为『垃圾 DNA』，实际上是调控基因活性的「总控台」，绝大多数与疾病相关的变异都藏在这里。

问题在于：人类基因组里共有约 90 亿种可能的单字母变异（专业叫单核苷酸变异 SNV），在实验室里逐一测试每一种，几乎不可能。DeepMind 的做法是让 AI 先跑：用去年 6 月发布的 AlphaGenome 模型，把 90 亿种变异的调控影响全部预计算成 1 PB 的数据集，再包上一层查询门户——零编码、免费，任何研究者打开网页就能查。

为了让科学家快速找到「哪个变异最要紧」，图谱还配了一个 AVI 评分：把 AlphaGenome（看基因调控）和 AlphaMissense（看蛋白质影响）两个模型的预测浓缩成一个数字，编码区和非编码区通吃，相当于给每个变异贴了个「危险指数」。测试显示它在多项致病性基准上达到一流水平。

罕见病破案现场：一个被忽略的变异

最能说明价值的，是图谱上线前就已经发生的实战。

美国博德研究所（Broad Institute）的团队在研究一批多年未确诊的罕见病病例。患儿基因里藏着一个 DNM1 基因变异——这个基因与癫痫性脑病密切相关，但此前的分析方法把它漏掉了。用 AVI 评分重新排序后，变异被高亮：AI 预测它制造了一个错误的剪接位点，导致蛋白质异常延长。后续实验筛选验证了预测，还顺藤摸瓜找到了附近一批同类变异。一个「大海捞针」的病例，就这样被 AI 图谱捞了出来。

埃克塞特大学的 Gareth Hawkes 则把图谱用在大人群上：他对 5.4 万余名英国生物样本库参与者的全基因组数据重新分析，按预测的分子效应给变异分组，结果多找回了 22% 的非编码基因关联——这些信号原本淹没在统计噪音里。他还锁定了调控 PLA2G7（与衰老相关）和 EGLN1（细胞氧传感器）的关键变异；聚焦图谱预测影响最大的前 1% 变异后，识别出 19 个与 BMI（身体质量指数）相关的遗传区域。

为什么说这是 AlphaFold 之后的又一步

把时间线拉长，DeepMind 的「AI 破解生命」路线图很清晰：2021 年 AlphaFold 2 解决蛋白质 3D 结构预测，拿下 2024 年诺贝尔化学奖；2022 年 AlphaFold 数据库把已知结构从 19 万实验样本扩展到 2 亿个预测，覆盖「蛋白质宇宙」；2025 年 AlphaGenome 模型登场，从看结构转向看基因调控。

今天的 Atlas 是第三步的规模化落地：如果说 AlphaFold 数据库是「蛋白质的谷歌地图」，AlphaGenome Atlas 就是「人类 DNA 的逐字注疏」——每个字母改写的后果都已标注。人类基因组计划 2003 年完成「读出」全部序列用了 13 年，如今 AI 正把「读懂」每一个变异变成可查询的服务。

边界与判断

冷静的一面要说清楚：这是预测图谱，不是诊断工具。DeepMind 在发布说明里明确标注，AlphaGenome「未经临床验证、不获准用于任何临床用途」；基因与疾病的关系也远比单点突变复杂，图谱的价值是帮研究者缩小范围、加速验证，而不是直接给普通人出「基因体检报告」。商业授权将在后续通过谷歌云开放。

但方向已经明确：AI for Science 正在从「预测单个结构」走向「穷举式解释整个基因组」。DeepMind 自己也把 Atlas 定位为「基线而非终点」——模型每升级一次，这张 90 亿变异的地图就会更精细一层。对全球约 3 亿罕见病患者和无数遗传病研究者来说，这是一份刚打开的礼物。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：