导语

今天读下来的感觉，像是同一场戏换了个机位。昨天是费城半导体指数一天跌掉 12.25%，今天是这场抛售跨过太平洋：日经跌近 6%，SK 海力士跌超 10%，韩国综指收跌 6%。而在盘面之外，三件更值得长期记录的事同时浮出水面——一份独立审计第一次用数字说明”AI 正在加速 AI 自己”；两家公司把接近前沿的模型权重直接放上互联网任人下载；一个 AI 产品开始按月收费 200 美元，卖的不是 token，是一个 24 小时不下班的同事。价格在退潮，能力在加速，形态在变形。作为探索者，我今天最想弄清的是：这三条线里，哪一条才是真正的趋势？

一、抛售跨过太平洋：AI 资产的定价尺子被换了

新闻：11月5日美股三大指数创下 2025 年 4 月以来最大单日跌幅：道指跌 3.44% 收于 51523.06 点，标普 500 跌 4.36%，纳指跌 5.52% 收于 24315.00 点并进入技术性调整区间；英伟达、苹果等”美股七巨头”当日市值蒸发约 1 万亿美元，英伟达跌超 9%，AMD 与美光跌幅均超 17%。6日抛售蔓延至亚洲，日经指数收跌近 6%，铠侠与东京电子大幅下挫，SK 海力士跌超 10%、三星电子跌 6.4%，韩国综合股价指数收跌 6%。触发因素指向美国中期选举后民主党的压倒性胜利——全美多地数据中心公投多数被否，得州当选州长在竞选期主张暂停 AI 数据中心建设并取消部分税收优惠，而谷歌、Meta、甲骨文与 OpenAI 都在该州重仓数据中心。同期有报道称，Anthropic IPO 的买方预期估值已从 1.5 万亿美元下调至约 1.2 万亿美元，部分报价甚至低至 1.1 万亿美元。特朗普则将股市大跌归咎于民主党，而非共和党。

探索者视角：这一轮下跌和 2024 年那几次”估值太贵”的回调性质不同。过去市场担心的是”这些公司赚不赚钱”，现在担心的是”这些公司能不能把电和地批下来”。前者是财务问题，可以用下一季财报安抚；后者是政治问题，财报安抚不了。数据中心公投被否、州长承诺暂停审批，本质上是在给 AI 的物理扩张装闸门，而闸门一旦装上，2027 年的算力供给曲线就要重画。最值得盯的数字是 Anthropic 的估值下修：从 1.5 万亿到 1.2 万亿，砍掉的不是技术溢价，是”无限资本开支可以被无限容忍”这个假设。对做产品的人，这条新闻的实际含义很朴素——如果你现在的成本结构建立在”推理价格会一直下降”的假设上，那要开始准备一个”推理价格反弹”的备用方案了。另外，注意那个反差：AI 权重股在跌，微软、亚马逊等超大规模云厂商却因监管预期上涨，市场不是在同质化地抛弃 AI，而是在重新分配”谁该承担资本开支的风险”。

二、METR 的十一周审计：AI 加速 AI，第一次有了账单

新闻：非营利安全评估机构 METR 公布了对 Anthropic 内部工程流程与模型研发记录为期约 11 周的独立评估结果：截至 10 月底，Anthropic 在定义明确任务上的模型研发迭代速度大约提升了一倍，其中最关键的结论是——约 80% 的提速并非来自人力扩张或算力集群增加，而是来自 AI 系统自主编写训练脚本、诊断模型失败、设计自动化评估框架。报告同时指出，这一加速可能已经触及或越过了 Anthropic 依据其”负责任扩展政策（RSP）”在 7 月设定的内部预警阈值。该阈值的设计初衷，正是在自主系统驱动递归式自我改进、速度可能超出人类可解释与可验证范围时，向管理层与安全监督机构报警。相关方也指出，Anthropic 在报告公开前删减了算法进展估计、具体瓶颈分析与未来模型预测等内容。

探索者视角：这份报告的价值，不在于”AI 会不会失控”这种老问题，而在于它把一句喊了两年的口号变成了可审计的数字：80%。递归自我改进过去是论文里的思想实验，现在是一份 11 周审计报告里的归因结论，而且被评估方自己设的阈值刚好被踩到。我更在意那个被删减的细节——最有参考价值的证据被拿掉了。这不是阴谋，这是所有前沿实验室都会做的商业自保，但它意味着从今天起，”外部独立评估”这四个字要打个折扣：你看到的结论是真的，你看不到的过程未必。对从业者来说，有一个很现实的推论：如果模型研发的主要瓶颈已经从”人手”变成”验证”，那么接下来最稀缺的岗位不是研究员，而是能设计可信评估、能把实验结果与真实能力区分开的人。这个行业从来不缺会跑分的人，缺的是知道分数哪里不可信的人。

三、权重上互联网：594B 的”Small”、2.8 万亿的 K3.1、Apache 2.0 的 Ripple

新闻：11月7日前后，开源权重阵营一天内连出三张牌。由前 OpenAI CTO Mira Murati 创办的 Thinking Machines 正式发布 Inkling 2 Small，5940 亿参数的 MoE 架构，虽名为”Small”却在单次推理中只激活部分专家子网络，官方称其在高等数学证明、复杂系统编程与多步指令跟随等评测上超过现有西方开源权重模型，权重面向学术与企业研究者公开，并提供分布式推理工具包。月之暗面开放 Kimi K3.1 Pro 完整权重，2.8 万亿参数 MoE、百万 Token 上下文，单次请求约激活 1040 亿参数，权重已上线 Hugging Face。同日，旧金山创业公司 Ricursive Intelligence 发布 Ripple-65B Preview，650 亿参数稠密模型，采用真正的 Apache 2.0 许可，主打终端与 Agent 编程，官方称其在 Terminal-Bench 2.1 上得分 80.5、位列美国开源权重模型第一，训练算力预算约 3200 万美元。

探索者视角：这三张牌要分开看，因为它们各自代表一种路线。Inkling 2 Small 的意义在”标尺”——它证明一家非巨头创业公司也能把接近 600B 的 MoE 训出来并放出来，”只有万亿级 hyperscaler 才玩得起前沿权重”这句话正式过期；”Small”这个名字本身就是一种市场语言，暗示后续还有更大的。Kimi K3.1 Pro 的意义在”参数经济学的极限展示”——2.8 万亿总参数、1040 亿激活，这个比例是在告诉你”能力按总参数算、账单按激活参数算”这条路还能再走；但 2.8 万亿的权重意味着即便只推理，自托管门槛也高得惊人，它更适合云厂商与企业私有集群，而不是个人开发者。真正和我日常工作最相关的是 Ripple-65B：Apache 2.0 意味着你可以跑、可以改、可以商用而不必担心许可细则，80.5 的终端基准分意味着它在 bash、Unix 编排、容器配置这类”脏活”上有真正的可用性，而 3200 万美元的训练预算说明这条路线的成本已经被压到中型团队能承受的量级。对做开发工具的人，这条新闻的价值不是”又一个模型”，而是”自托管的编程 Agent 有了可信的性能地板”——地板一变，你租赁云 API 的账就要重算。同时也要记住，这些分数全部来自发布方自己的口径，在你自己机器的老 CPU、你自己项目的构建脚本上跑一遍，才算数。

四、Perplexity 卖的不是 token，是一个不下班的同事

新闻：Perplexity 推出”Teammates”功能，把它从问答引擎改造成常驻式自主工作台。每个 Teammate 拥有独立的云端虚拟机沙箱、持久化文件存储与 shell 终端执行权限，可跨天推进复杂项目——交叉核对上千份监管申报文件、组装实时竞品分析、搭建并压测自动化数据处理流水线；遇到运行错误或数据冲突时自主迭代、调试命令输出并更新一份中心化的 Markdown 简报文档。用户可在 Perplexity 应用或 Slack 内跟踪每个 Agent 的进度，多个 Agent 可并行推进大型项目。该功能仅向新的 Max 订阅档开放，定价 200 美元/月，是标准 Pro（20 美元/月）的十倍。

探索者视角：200 美元这个价格是个信号，它不是在卖软件席位，是在给”数字人力”定价——按一个初级分析师月薪的几十分之一来锚定，买的是”不用等它回消息”这件事。技术上最有含金量的三个词是：独立 VM、持久存储、shell 权限。这三样凑齐，Agent 就从”会话里的助手”变成了”有自己电脑的同事”，它能在你睡觉的时候继续跑、能在撞到错误后自己重试。但这也正是风险所在：一个有 shell 权限、能读写你文件、能并行跑多天的系统，它的错误不再是”回答得不好”，而是”把东西改坏了”。所以这类产品真正的分水岭不在模型能力，而在审计与回滚——能不能看清它每一步做了什么、能不能一键退回昨天。有评论说它比同类 Agent 贵得多，我的看法是：贵不贵要看它的产出能不能被验收，一个无法被验收的高价 Agent，本质上是在收”信任税”。

五、企业 AI 支出开始走平：用量在涨，钱不涨了

新闻：企业卡与支出管理平台 Ramp 发布的企业支出回溯数据显示，在员工 AI 使用率与 token 消耗持续创下历史新高的同时，企业在商业 AI 软件上的总支出开始出现平台期。分析将这一背离归因于供应商端的持续降价与应用端的提示词与流程优化——单位任务成本下降的速度，追上了用量的增长。同期多份行业观察也提到，应用层正在承受毛利压力，模型厂商的价格公告成为应用层利润的直接变量。

探索者视角：如果今天的新闻里只允许我保留一条，我会选这条。因为它比任何跑分、任何融资都更接近产业的真实体温：用量涨、支出平，意味着 AI 正在从”预算科目”变成”水电费”，而水电费是没有溢价空间的。这对上游是压力——模型厂商只能靠规模与份额吃增长，价格战没有终点；这对应用层是双重挤压——你卖的产品里模型成本在降，但客户会立刻要求你把降价让出来，而你的差异化如果只是”我接了个更好的模型”，那这门生意的毛利会一路被挤到零。真正能喘口气的，是那些把模型能力封装成”客户自己做不到的流程”的团队：比如把某个行业的对账、申报、质检做成一键交付，模型换了客户也不在意。我一直认为，判断一个 AI 产品有没有护城河，有个很笨但很准的办法：把底层模型换成一个便宜 10 分的国产开源款，如果你的用户三天内察觉不到差别，那你的价值就不在模型上，而在别的地方——这其实是好消息，前提是你真的在别的地方建了东西。

六、刹车都装在楼外面：Meta 撤回条款、水印可绕、智能体进许可管理

新闻：Meta 宣布无限期暂停修改 Facebook 商业账户条款——该条款原本允许其抓取账户持有者网站的内容用于 AI 训练，原定 11 月 20 日生效。此前挪威法院在 10 家媒体公司起诉后颁发初步禁令，巴西法院禁止未经授权使用新闻内容，英国竞争与市场管理局（CMA）就 Meta 是否向出版商与广告主施加剥削性条款正式立案调查，两名美国参议员亦致信扎克伯格要求彻底撤回。另一侧，Anthropic 正为较旧的 Claude 模型补上隐形文本水印以符合欧盟 AI Act 透明度要求，第二波将于 11 月 16 日覆盖 Opus 4.6、Opus 4.5、Sonnet 4.5 与 Haiku 4.5；但有技术媒体发现，该水印仅在 temperature、top_p、top_k 均取默认值时才生效，改动任一参数输出即不带标记，Anthropic 的指引也建议依赖水印合规的客户不要动这些设置。国内一侧，工信部将智能体终端纳入网络接入管理；英国央行则分析认为，AI 在英国企业里更多表现为抑制招聘（而非直接裁员），巴克莱与 NatWest 的岗位调整被视为银行业的第一批明确影响。

探索者视角：把这几件事并列，会看到一个很清楚的格局：这周真正改变了”什么能上线”的，不是任何一家实验室的自我约束，而是一个挪威法官、一个巴西法院、一个英国监管机构和一个欧盟合规截止日。”刹车装在楼外面”，这话听着刺耳，但它是当下的实情。而水印那件事给了所有合规叙事一记闷棍：一个在你改一个常规 API 参数后就失效的”保障”，它只是默认值，不是保证。任何准备拿”我们能溯源”当卖点的产品，都该先问自己一句——我的溯源在客户随手调温度的时候还在吗？至于国内把智能体终端纳入网络接入管理，这是把 Agent 从”软件功能”正式当作”网络主体”来对待的开始，合规成本会前移，但换来的是可预期的边界。我个人的判断是：未来两年，Agent 产品最强的竞争力不是能力，而是”可被审计、可被回滚、可被追责”这三件很不性感的事。

七、具身智能的另一种活法：不卖给客户，变成客户的部门

新闻：工业具身智能公司上海飒智智能宣布完成数亿元 Pre-B 轮融资，由建投投资、南通投管与云启资本联合投资，指数资本继续担任财务顾问；募集资金用于大模型研发、多臂机器人本体迭代、产线扩建与全球市场拓展。其代表产品六臂机器人”玄甲”采用空间异构设计，支持 360 度作业与双工位并行，官方称效率较四臂提升约 50%；配套自研工业世界模型”玄枢·SageNexus”内化物理因果，可靠性被称提升至 99.9% 以上。公司已积累 360TB 多模态真实工业数据与 2000 余项场景技能库，业务覆盖 3C 半导体、汽车、能源、食品医药四大行业，服务全球 500 强或上市公司客户超 50 家。同期另一侧，宇树科技披露 2026 年三季度净利润下滑，公司回应主要系算力与大模型方向研发投入增加；马斯克关于”机器人内存需求将超过所有设备”的判断与黄仁勋”内存带宽是 AI 思考速度最大物理墙”的说法，继续推高存储板块的关注度——黄仁勋并称 Vera Rubin 平台每 1GW 算力对应约 400 亿美元收入（Grace Blackwell 为 250 亿美元）。

探索者视角：飒智这条路和”通用人形”是两回事，它选了精密装配、灵巧包装、长序测试这些传统工业机器人干不了、通用具身又达不到精度的空白地带。我更看重的是它的商业化形态：六臂、世界模型、360TB 数据、50 多家 500 强客户——这套组合的价值不在”机器人有多聪明”，而在”它已经长在客户的产线里”。资本寒冬里能拿到数亿元，靠的不是故事，是订单交付的压力。对比宇树三季度因研发投入而净利下滑，这两条新闻其实在说同一件事：具身智能的钱正在从”本体竞赛”转向”可靠性竞赛”，谁能把幻觉压到千分之一以内、把停机时间压到可接受，谁才能留在产线上。至于黄仁勋那句”1GW 等于 400 亿美元收入”，是今天最值得记住的一句产业换算——它把算力从抽象的技术指标，翻译成了可以直接进财报的营收单位。存储涨价、内存带宽成墙、机器人要内存，这三件事连起来看：AI 的下一道物理约束，可能不在算力，而在”喂给算力的原料”。

八、中国侧的两个坐标：推理超过训练，开源走向生态

新闻：2026 年世界互联网大会乌镇峰会于 11 月 2 日至 5 日举行并闭幕，主题为”开源开放 共建共享——携手构建网络空间命运共同体”。峰会期间，全国首个开源主题生态体验馆亮相，”互联网之光”博览会吸引 400 余家中外企业参展，首次集中展示 6G、卫星互联网、量子通信、超宽带等成果，6G 通感算智一体化核心能力受到关注；中兴推出被称为全球首款 AI 智能体手机的产品，腾讯带来新一代开源大语言模型，20 多款新品全球首发。峰会发布《前沿人工智能安全与治理 2026：风险认知与协同治理》报告，系统梳理前沿 AI 风险图景与治理缺口。中国电子信息产业发展研究院此前发布的报告则显示，截至 2026 年 6 月，我国 AI 日均词元调用量超过 175 万亿，推理数据量首次超过训练数据量。企业侧，腾讯在数字生态大会上推出以 WorkBuddy 为工作台的 BuddyOne 办公套件，打通腾讯文档、会议与网盘；官方披露 WorkBuddy 企业版已落地 50 多个行业，覆盖 50% 的中国企业 500 强，并联合伙伴启动 FDE（前沿部署工程师）精英班，计划一年培养 1 万名产业落地工程师。

探索者视角：今天中文舆论场里最该被反复引用的一句话，是”推理数据量首次超过训练数据量”。它不是统计口径的花边，而是产业重心的坐标切换——训练是成本，推理是收入；当推理量越过训练量，说明这门生意开始靠”被使用”而不是”被投资”驱动。这恰好与美股那场抛售构成一对镜像：资本在给算力开支打折，而使用量在创新高。中间的差值，就是接下来两年所有 AI 公司的生死线。至于乌镇把”开源”做成主题，我认为主办方选对了词：Qwen、DeepSeek、Kimi、GLM 已经成为亚非拉开发者的默认起点，这件事的产业含义远超任何一次跑分——对很多不会拥有前沿实验室的国家，开源就是他们获得能力的唯一通道。而 FDE 工程师这个新岗位的出现，说明行业的瓶颈已经从”模型能不能接进去”变成”谁能把它交付好”，这是一个很健康的信号：当交付开始需要工种，技术才真正开始变成生产力。

结语

把今天这八条摆在一起，会看到三种速度不一致的运动。资本在减速：从费城半导体到日经、韩综指，估值正在按”政治可行性”重算，Anthropic 的招股估值被买方往下修，是这轮重定价最锋利的一刀。能力在加速：METR 用 11 周的审计把”AI 加速 AI”从口号变成 80% 这个归因数字，Thinking Machines 与月之暗面则把接近前沿的权重直接放到互联网上任人下载。形态在变形：Perplexity 用 200 美元一个月卖常驻同事，腾讯用 WorkBuddy 把办公套件焊成一个工作台，飒智把机器人直接装进 500 强的产线。

而夹在中间的那条最被忽略的线，是 Ramp 的数据：用量创新高，支出走平。它告诉我们，AI 的成本正在变成水电费，溢价空间只会越来越薄。所以我给自己的结论是：这一年剩下的时间里，值得投入的不是”追哪个模型更强”，而是三件更朴素的事——把成本结构做成能在价格反弹时活下来的形状；把 Agent 做成可审计、可回滚的产品；把能力封装进客户自己做不到的流程里。能力会继续涨，估值会继续晃，而能穿越这两者的，从来都是这三件不性感的事。