行业动态

AI 行业大事件、政策动向、市场格局变化

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：

张一鸣亲自督战空间视频模型：字节被曝下月发布，0.05 秒延迟要把抖音创作者带进 3D 世界

作者
张一鸣亲自督战空间视频模型：字节被曝下月发布，0.05 秒延迟要把抖音创作者带进 3D 世界

张一鸣重新下场了——而且这次盯的是字节跳动目前最激进的一条产品线。

据彭博社 9 月 7 日援引知情人士报道，字节跳动创始人正在亲自督战一款实时空间视频生成 AI 模型的研发，最快下个月（10 月）就能发布。知情人士同时提醒：时间表还没定死，计划随时可能变；字节跳动方面没有回应置评请求。

这不是普通的视频模型迭代。它瞄准的是 2026 年最热的概念之一——世界模型：让 AI 学会环境的运行规律，实时渲染出一个能对你的动作、语音做出连贯反应的三维世界。

50 毫秒延迟、20 帧每秒：云端生成的三维世界

据彭博社报道，这款模型基于字节跳动现有的 AI 视频生成系统 Seedance 构建，用户可以用它为直播、短剧和游戏创建互动式虚拟世界，把自己”放进”三维空间里。

真正值得注意的是规格：按需生成视频约 20 帧/秒，延迟约 0.05 秒（50 毫秒），而且是在云端生成、不是在设备端生成。

这个”云端”细节才是战略所在。把空间内容渲染放到远程服务器，头显（VR/XR 眼镜）只需接收画面，计算负载大幅下降——硬件不用堆昂贵芯片，成本自然就下来了。

字节跳动旗下有 XR 硬件品牌 Pico。报道称，这款模型预计就是为 Pico 用户服务的：生成能响应他们语音和动作的虚拟世界。如果跑通，XR 赛道的竞争重点将从”谁的硬件参数高”，转向”谁的模型强、谁的云够大、谁的内容分发够广”——后三样，恰好都是字节跳动已经有的东西。

为什么是张一鸣亲自下场：世界模型已是字节第一优先级

张一鸣 2021 年卸任字节跳动 CEO，之后长期淡出日常管理。但近一年他回归 AI 一线的信号越来越密集：8 月 6 日他在内部全员会上定调”做模型坚决不走蒸馏捷径”；8 月中旬英国《金融时报》报道字节在预训练参数规模最高达 10 万亿的超大模型；上周字节刚拿下 296 亿美元贷款、并考虑高达 700 亿美元的 AI 资本开支。

这次亲自督战空间视频模型，彭博社把他放进了李飞飞（World Labs 创始人）、Yann LeCun（Meta 首席 AI 科学家）的阵营——这批人共同的主张是：只靠语言训练的系统走不远，基于视觉与物理理解、能感知真实世界运行的模型，才是通向”能行动的 AI”的路径。

这个判断不是临时起意。据 36 氪今年早些时候报道，字节跳动内部给 2026 年定了四大 AI 优先事项，世界模型排在第一，优先级甚至高于”守住 Seedance 的视频领先地位”和”豆包商业化”。世界模型方向拿到的数据预算，据称是对手同类项目的 3 到 4 倍。字节内部还设了个明确目标：年底前至少交付一个世界模型，并且拿它和谷歌 DeepMind 的 Genie 对标——后者已经能让人在实时渲染的街景图像里走动。

有意思的是，据 36 氪同一报道，2026 年初字节内部测试时，自估落后全球顶级水平约 10%。如果下个月真能发布，等于提前完成了计划。

字节在这条路上是双线并进：一条是视觉-语言-动作（VLA）路线，服务具身智能与机器人；另一条是面向娱乐和游戏的 3D 模拟。这次被曝光的空间视频模型属于第二条——也是离钱更近、已经有现成用户群的一条。

谁会被动：XR 战场从硬件军备转向「云端世界」

字节为什么敢在这时候冲世界模型？核心底气是它的老本行——视频。世界模型的训练素材就是视频数据，而字节跳动在视频压缩、传输、分发上积累了十几年：抖音、TikTok 的推荐系统每天处理海量视频流，Seedance 已经支撑着剪映（CapCut）和豆包。别的公司要从零攒数据管道，字节是现成的。

最尴尬的可能是 Meta 和苹果。两家都在头显上砸了重金：Meta 的 Quest 系列、苹果的 Vision Pro，销量都没能打开主流市场，而且都走”高端硬件”路线。TNW 的分析点破了这种模式的风险：一个云渲染的世界模型不一定在画质上赢过 Vision Pro，但它把”高画质的成本”变成了别人的问题——头显不再需要塞进昂贵的本地算力，一台轻量便宜的眼镜，接上云端就能跑。

放到国内语境，字节的对手是阿里、DeepSeek、月之暗面这批正在卷模型的公司；而字节手里的牌是别人没有的：抖音创作者生态。彭博社的报道提到，张一鸣希望把抖音的创作者带进世界模型这个新兴领域——让创作者用 AI 搭出能互动、能直播、能玩游戏的 3D 世界，这比单纯发布一个技术 demo 更有商业想象空间。

一句话判断

张一鸣亲自盯的不是一个”视频生成模型的升级版”，而是字节给 AI 军备竞赛找的下一个主战场：当语言模型的差距被拉近，谁能先让 AI”理解并实时生成世界”，谁就掌握下一轮内容平台的定义权。50 毫秒延迟只是起点——真正的分水岭是，抖音生态里能不能长出第一批”世界”来。我们持续盯着，下月见分晓。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

美国散户开始把股票账户交给 AI Agent：Robinhood 们已经官方「开门」

作者
美国散户开始把股票账户交给 AI Agent：Robinhood 们已经官方「开门」

Claude 写个交易机器人，挂进自己的券商账户，让 AI 替你盯盘、下单、调仓——这事 6 月还只是少数折腾党的野路子，9 月初已经变成美国券商集体官宣的正式功能。华尔街日报（WSJ）9 月 6 日报道：越来越多美国散户用 Claude Code / Codex 这类编程 Agent「vibe coding」出自己的交易算法，再直接连进自己的股票账户自动跑。Robinhood、Webull、Moomoo 已经把「让外部 AI Agent 接管你的账户」做成官方产品，还给 Agent 单独开账户、加安全护栏。

这不是又一个「AI 荐股」的故事——是交易执行权本身的转移。过去一年用 AI 选股/投资的投资者数量暴增 75%（eToro 2025 调查），46% 的投资者认为 AI 是投资的未来；如今连账户都交出去了。

发生了什么：散户账户第一次对 AI 原生开放

三件事在同一个月内凑齐了拐点：

  • Robinhood（5/27 上线 Agentic Trading）：官方新闻稿标题就叫「Robinhood is now open to agents」。用户可以开一个独立的 agentic 账户，用 MCP 协议把 Claude、ChatGPT 等第三方 Agent 连进来，让它研究、下单、调仓，甚至用它构建自定义交易工具。护栏设计：Agent 只能在专门的 agentic 账户里交易，不能碰你其他钱；每笔交易有通知。
  • Webull（agentic 页面已上线）：「Let your AI agent trade the markets」——支持在 Claude Code、Claude、Codex 里用自然语言盯盘、管持仓、下单。
  • Moomoo（API Skills）：CEO Neil McDonald 直言散户正在变成「迷你对冲基金」（mini hedge funds），预测到年底 Agent 将驱动平台相当一部分交易量。它的 API 同时接 Codex / Claude / Cursor。

也就是说，散户第一次不需要中间人，就能把「执行交易」这一环节原样外包给 AI——跟机构把订单丢给算法执行是同一条路，只是门槛从百万美元和量化团队，降到了一台电脑 + Claude 订阅。

他们是怎么玩的：从 79 岁心理医生到前银行家

Business Insider 6 月的深度调查已经给出这批人的画像：

  • 前银行家 Brendan Li（27 岁）：用 Claude vibe coding 出自己的交易 Agent，过去一个月账户收益 87%（跑赢标普 500）。他的教学群一年内入群咨询量涨了 500%，380 个核心成员。他说「用 Claude 什么都能做——基本面、算法、全自动系统」，但拒绝带新手：「AI 救不了一个不懂市场的人。」
  • 79 岁心理学家兼程序员 Reid Daitzman：去年 4 月开始拿 ChatGPT「做实验」，喂给它标普截图和参数，折腾出帮他找买卖信号的系统 Merlin——演示账户一个月回报 788%。他的心得不是「AI 多聪明」，而是「它帮你控制恐惧和贪婪」：报复性交易、过度交易、panic selling 这些散户杀手，被一道「你和屏幕之间的缓冲」隔开了。
  • 内容创作者 René Balke：用 Claude vibe code 出好几个机器人，现在跑着全自动账户、自己从不手动下单，其中一个账户今年 +106%。

共同点不是「AI 预测得准」，而是纪律：机器不凌晨两点冲动割肉，不 revenge trading。

但是：AI 策略真能跑赢大盘吗

目前的研究泼了冷水。 WSJ 援引的研究显示：AI 自己生成的策略，明显偏向集中持仓 + 高估值 + 高媒体关注度的股票——就像 AI 学会了散户的追热点毛病，而且并没有跑赢被动指数（买标普躺平）。换句话说，AI 帮你执行的是「情绪化策略」时，亏起来也更快。

还有一层更麻烦的：这些策略是 vibe coding 出来的——意思是散户用自然语言描述想法、让 AI 写代码、自己甚至没完整读过策略逻辑。出了 bug 或黑天鹅，责任和损失都是自己的，券商只负责执行。Robinhood 的护栏（独立账户 + 通知）防的是「AI 乱动你全部身家」，防不了「AI 忠实地执行一个烂策略」。

券商为什么抢着开门

表面是迎合需求，实质是抢交易量。Agent 驱动交易 = 7×24 小时下单机器，对券商是梦寐以求的换手率来源。Moomoo CEO 那句「年底 Agent 占相当份额」不是愿景，是 KPI。Robinhood 们赌的是：散户越依赖 AI Agent，越离不开它们作为执行通道——这和当年零佣金吸引散户是同一套逻辑，只是这次客户变成了机器人。

谁有动力接这波？几个方向：

  • Agent 框架/模型方（Claude Code、Codex、Cursor）：账户接口打开 = 交易场景成为 Agent 的杀手级落地，用户粘性翻倍；
  • 有 API 的券商（Robinhood/Webull/Moomoo/盈透这类）：拿到「机器人换手率」；
  • 普通散户：先别急着把账户交给 Agent。真要试，用独立小账户 + 只跑你完全读得懂规则的策略。

判断

AI 接管散户交易执行，正在从「暗网极客玩法」变成「券商官方业务」，这一步大概率不可逆——执行环节的自动化从来只进不退。但「把账户交给 AI」不等于「把脑子交给 AI」：目前证据反而指向 AI 会放大散户的追涨杀跌本能。真正的分水岭不是 AI 能不能替你下单，而是它能不能替你忍住不交易——那才是 87%、788%、106% 这些数字背后真正值钱的东西。

对国内读者来说，这事最值得盯的是：当美国券商把 Agent 交易做成合规产品，国内券商和基金公司的 AI 投顾离「直接执行」还差着监管的几条街——但「AI 量化平民化」的势头，已经挡不住了。

—

相关阅读：

英伟达把全家电脑变成「个人 AI 数据中心」：开源 PAIR 实测多智能体快 2 倍，连 Mac 也拉进自家生态

作者
英伟达把全家电脑变成「个人 AI 数据中心」：开源 PAIR 实测多智能体快 2 倍，连 Mac 也拉进自家生态

家里每台电脑都插着 GPU，却只有一台在干活——英伟达觉得这是浪费。本周它开源了一款叫 PAIR（Personal AI Router，个人 AI 路由器）的软件：不卖硬件、不碰云端，把同一局域网里闲着的 PC、Mac 全部串起来，让本地 AI 智能体把任务摊到每一块显卡上跑。官方演示中，原本要 18 分钟跑完的多智能体任务，三台设备组网后 8 分 48 秒完成。

一、PAIR 是什么：名字带「路由器」，实则是调度软件

PAIR 是英伟达在 IFA 2026（9 月 3 日）发布的开源工具，代码已放上 GitHub（Apache-2.0 协议）。它解决一个很具体的痛点：现在跑本地 AI 智能体（如 OpenClaw、Hermes Agent），一个任务会被拆成多个子任务并行执行，但所有请求都挤在同一个 GPU 上排队，显卡成了瓶颈。

PAIR 的做法是当「调度员」：自动发现局域网内装了 PAIR 的电脑，实时跟踪每台设备的空闲状态、模型加载情况和 GPU 占用率，把独立的推理请求分给当前最有空的机器。它本身不跑模型——模型仍然由各机器上已有的 Ollama 或 LM Studio 执行，智能体框架一行代码都不用改。

硬件门槛不高：Windows、Linux、macOS 都支持，英伟达阵营覆盖 RTX 20 系及以上的 GeForce 显卡、RTX PRO 工作站卡和 DGX Spark；意外的是苹果阵营，M4 及更新芯片的 Mac 也能入网。设备间用六位配对码绑定，通信走 mTLS 双向加密。

二、实测数字：多智能体任务快一倍，165 TFLOPS「闲置算力」被唤醒

英伟达官方给了一组实测：用 Hermes Desktop + Ollama 跑一个五个子智能体的工作负载，单台 RTX Spark 笔记本耗时 18 分钟；三台设备组成 PAIR 集群后，同一任务 8 分 48 秒完成——速度约为原来的两倍。

更吸引人的是产品经理 Seth Schneider 算的一笔账：假设一个家庭里爸爸有 RTX Spark 笔记本和 DGX Spark 台式机、妈妈有 RTX 5090 笔记本、孩子有游戏台式机和 MacBook Pro，这户人家合计约有 165 TFLOPS 的算力常年闲置。「那就是坐在家里的免费 token 宝库，」他说，即便扣掉美国普通家庭的平均电费仍然划算。

PAIR 的调度很「识趣」：设备有人正在打游戏或跑任务时，它会自动绕开，等人离开再接管。官方也坦承局限——它不做「虚拟 GPU」：不合并显存、不把多个模型分片到不同显卡、不支持单模型跨机推理，只能把独立请求分发到不同节点。GitHub 上目前 371 星、22 个 open issue，还是早期项目。

三、为什么值得关注：英伟达正在抢「本地 AI 时代的入场券」

PAIR 表面是个免费小工具，背后是英伟达的一条新战线。数据中心 GPU 生意被 OpenAI、谷歌们的大模型军备竞赛推着走，但「本地 AI」正在成为第二战场：Agent 类应用（随身电脑、家庭机器人、桌面智能体）跑在用户自己的设备上，不需要也不愿意把隐私数据传云端。

英伟达这波动作不止 PAIR：IFA 上它还宣布 Perplexity Portable Computer、Hermes Agent、OpenClaw 三大 AI 智能体应用将提供英伟达 GPU 的 Windows 一键本地化部署，配合 10 月上市的 N1X 本地 AI 设备——从模型、到跑模型的显卡、再到调度显卡的软件，英伟达想把「本地 AI」这层楼全包了。

更微妙的是对苹果的「拉拢」：M4 Mac 可以接入 PAIR 网络当算力节点。过去英伟达和苹果几乎零交集，如今为了让用户的 Mac 也跑进自家生态，英伟达选择了开放——反正 Mac 上跑的模型大多还是通用开源模型，而显卡和 DGX Spark 的销量才是它的目的。

四、对比与背景：个人 AI 数据中心，英伟达补上最后一块拼图

把闲置消费级硬件变成算力池，PAIR 不是第一个：分布式推理框架（如 llama.cpp 的 RPC 模式、exo 等）早就能把多台设备拼起来跑单模型，但它们要么要改代码、要么只支持特定模型，普通人玩不转。PAIR 的价值在于零改造：装好 Ollama/LM Studio 的设备直接接入，智能体框架无感，还有图形界面——它瞄准的不是极客，而是「家里有两三台电脑」的普通 AI 用户。

这也和本站之前写过的趋势对上了：OpenClaw 这类开源智能体框架正在把「每个家庭跑自己的 Agent」变成现实（我们实测 flowctx 上下文引擎时，砍 token 的同时也在把本地 Agent 推向实用）。而当 Agent 真正跑在家里，算力调度就成了刚需——英伟达现在把这块拼图亲手补上了。

五、判断：免费工具，卖的却是生态

PAIR 短期赚不到一分钱，但它让英伟达的显卡在「云端大模型时代」之外多了一个叙事：本地 AI 时代，你的每一块 RTX 都可能被唤醒。对普通用户，门槛依然存在——你得先有一台跑得动本地模型的电脑、还得愿意折腾 Ollama，但如果你家里正好有闲置的游戏机，这可能是把「吃灰显卡」变成「AI 算力」最省事的一次。

关注 AI商业快讯，每天一篇 AI 热点深度解读。相关阅读：英伟达豪掷 20 亿美元抢筹的 Nscale（AI 算力租赁走向按合同估值）；失控智能体把德国网站当留言板（Agent 跑在别人设备上的另一面）；flowctx 深度评测（本地 Agent 的上下文引擎实测）。