导语

今天最值得读的新闻，全都在讲同一件事：一份文件，和它背后的那个数字，到底算不算数。

OpenAI 的季度账本第一次被人看到——营收 100 亿，亏损 109 亿。Anthropic 的招股书把 IPO 定价、估值、创始人套现金额排成一张表。台积电董事会批了两笔各 5 亿美元的投资，一边买 OpenAI 优先股，一边买 Anthropic 普通股。Fireworks AI 改了公告，承认上次说”没事”的那部分数据其实有事。纽约州把前沿 AI 的登记门户打开了，要求 72 小时内上报安全事故。

这些消息如果拆开看，是四五条互不相干的商业新闻。但放在一起，它们问的是同一个问题：当一家公司、一个厂商、一份公告对你做出承诺时，这个承诺值多少钱？

有人给出的答案是”到期就作废”——Gemini 4 Carbon 每百万输入 token 2 美元的价格，只保证到 11 月 30 日，之后翻倍。有人给出的答案是”我说了不算”——Fireworks 的第一份公告说这段数据没被碰，三周后自己改口。有人给出的答案是”我请第三方来算”——纽约州掏钱养 80 个科学家，用州立超算去测别人家的模型。

所以我给这一天选的词，是“对账”。

技术叙事的阶段，比的是谁的模型更聪明；对账的阶段，比的是谁敢把自己的亏损、事故、迁移成本原样贴出来。前一种比赛观众很多，后一种比赛决定谁能在散场后还站着。

一、OpenAI 的账本：营收 100 亿，亏损 109 亿

新闻：据知情人士消息，OpenAI 截至 9 月的第三季度营收首次达到 100 亿美元，较上一季度增长近 50%，相关财务细节已在周二的投资者电话会议上分享。同一时期，该公司单季亏损进一步扩大至 109 亿美元。同期另一条消息是，TSMC（台积电）董事会批准最多 5 亿美元购买 OpenAI 为大型投资者预留的优先股。

探索者视角：这组数字需要放在一起读才有意义：一个季度挣了 100 亿，同时烧掉 109 亿。

单看营收增速，50% 的环比是极漂亮的——这是人类商业史上少有的、在百亿美元体量上还能季度环比涨一半的生意。单看亏损，109 亿也是极漂亮的数字，只不过方向相反。两者相乘，得到的是一个不太好听但必须说清楚的结论：这门生意目前的现金转化率是负的，而且负得很稳定。

为什么会这样？答案藏在成本结构里。推理调用越多，GPU 小时越多；模型越大，训练一次的钱越多；用户越活跃，送出去的免费额度越多。这三条曲线在增长期几乎必然同时向上，而收入那条曲线受制于两件事——用户愿意为多聪明的东西付多少钱，以及企业客户愿意为多可靠的东西签多长的合同。

我要提一个容易被忽略的细节：这 109 亿亏的是会计口径，不是现金口径。里面有大量算力采购的折旧摊销、有股权激励、有一次性的数据中心投入。真正的现金流失可能比这个数字小，也可能更大（取决于采购承诺怎么计）。所以看到”109 亿”不必立刻喊泡沫，但也不能当成会计噪音一笑而过。

真正该关心的是一个比率：每多挣 1 美元，要多烧多少美元。 如果这个比率在收窄，那 109 亿叫投资；如果它不收窄，那 109 亿叫习惯。这个数只有连续看四个季度才知道，而今天我们看到的是第一张。

至于台积电那 5 亿美元优先股——一家公司的供应商，用现金买这家公司的股份，然后再把货卖给这家公司。这叫循环融资。它不违法，也很常见（航空、能源、电信都干过），但它有一个副作用：当产业链上下游互相持股，市场就很难再判断真实需求有多少。 因为你看到的订单里，有一部分是自己人下的。

二、Anthropic 的招股书：超额认购、千亿估值与创始人套现

新闻：Anthropic 启动 IPO 路演后已获投资者数倍超额认购，拟以每股 70 至 78 美元发行，公开募股与 260 亿美元私募配售合计规模最高约 904 亿美元，完全稀释估值最高 1.4 万亿美元，承销商（高盛、摩根士丹利牵头）正在考虑把估值目标推高至 1.5 万亿美元以上。按公司 11 月 10 日公布的招股书，七名联合创始人将在本次 IPO 中合计出售价值 17.5 亿美元的股票，按发行价区间中点计算，每人约 2.5 亿美元。公司预计 11 月 18 日确定最终发行价，11 月 19 日以代码 ANT 登陆纳斯达克。台积电董事会同步批准以预期 IPO 价格购买最多 5 亿美元 Anthropic 普通股。

探索者视角：这份文件里有三个数字，性质完全不同。

第一个是 1.4～1.5 万亿美元估值，这是别人的判断——承销商看着认购簿说”还能再高”。承销商的立场很明确：他们希望定价高，因为承销费按比例算，也因为他们的客户已经认购了。

第二个是 904 亿美元募资规模，这是公司的诉求——它需要这么多钱去建算力、买芯片、付电费。这个数字衡量的是它认为自己需要跑多远，不是它现在值多少。

第三个是 17.5 亿美元创始人套现，这是个人的选择。我不打算对此做道德评判——创业十几年、把公司做到万亿估值，卖一点点改善生活完全合理。但作为一个观察指标，它值得记一笔：在公司最高光的时刻，最了解内情的人选择把一部分纸面财富换成现金。 这不代表看空，只代表他们对”波动”这件事有比市场更具体的预期。

把这三层扒开，会看到一个更朴素的事实：这轮 IPO 的真正议题不是”AI 值不值一万亿”，而是“当估值锚定在这个位置，公司必须连续交多少年的好成绩单才不算辜负它”。 按 1.4 万亿估值和当前收入体量推算，市场给的不是市盈率，是”信仰率”。

对二级市场的投资者，我给一句可能不太受欢迎的话：你买的不是模型能力，你买的是未来五年算力采购价格能降多快。模型会趋同，能力会被追平，唯一能长期决定利润率的是每 token 成本——而这个成本，正被三家芯片厂、四家云厂商和一条电网共同决定。它不在招股书的财务章节里，在风险因素章节里。

三、英伟达的三根支柱：CEO、流向中国的芯片，还有 CUDA

新闻：英伟达股价在美股盘后交易中跳水跌逾 3%。围绕 CEO 黄仁勋个人与公司治理的风波持续发酵——报道称其曾与一名直接汇报的内部高管存在婚外情，此前公司独立董事已聘请前联邦检察官启动独立调查，并遭遇股东集体诉讼。有报道称英伟达股价一个月内回落约四分之一。同期另有两条消息：其一，彭博报道称中国 AI 公司月之暗面（Moonshot AI）似乎计划在中国境内租用受出口管制的英伟达 B300 服务器；其二，Anthropic 联合创始人 Tom Brown 向投资者表示，Claude 在四种不同芯片家族上训练和运行，其自研模型 Mythos 把迁移到 AMD 芯片的工作量从六到十二个月压缩到三天（该数字为 Anthropic 自述，未经独立验证）。

探索者视角：把这三条放在一起，会看到一个非常整齐的结构——英伟达的护城河正好是三根柱子，而今天这三根柱子同时被人敲了一下。

第一根是人。企业史上很少有一家公司对单一 CEO 的依赖程度像英伟达这么高。这不只是”换个人行不行”的问题，而是”叙事由谁来讲”的问题。股东集体诉讼和独立调查会拖长时间，而拖时间本身就是伤害——AI 硬件的窗口期以季度计。

第二根是货。芯片能不能到中国，是过去三年反复出现的议题。今天这条消息的关键词不是”走私”，而是”租”——据报是计划在中国境内租用受管制服务器。这个模式很有意思：所有权和使用权分离，物理位置不变，算力像云一样被调过去。监管条文写的是”出口”，而这套玩法绕的不是出口，是”交付”。这类灰色地带会长期存在，直到规则把”算力使用权”也写进出口物项清单。

第三根是 CUDA，也是最硬的一根。Tom Brown 那句话的真正杀伤力不在”三天”，而在于它说出了一个正在发生的事实：主流模型厂已经在多芯片上训练。如果换芯片的成本从半年级降到三天级，那么”生态锁定”就从技术问题变成了工程问题，而工程问题是可以被钱和人力解决的。以后再想涨 30% 的价，议价能力会明显下降。

顺便说一句立场：这四条里最不能当结论用的是”三天”这个数字，因为它是自家模型在自家场景里的自述成绩，没有第三方复现。但它作为一个方向信号是可信的——多芯片支持正在从”能做”走向”好做”，而这对整个行业的成本曲线是好事。

一句话总结这三根柱子：护城河还在，但水位在下降，而且三条河道同时下。

四、Fireworks AI 改口：一份”保证”的保质期

新闻：推理服务商 Fireworks AI 通报，10 月发生的入侵事件影响范围已扩大至客户数据集、部分模型权重，以及账单地址与发票历史。而该公司发布的第一份公告，曾明确排除上述这些数据。该事件披露的时间点，恰好在大量 Agent 应用依赖此类第三方推理服务的背景下。

探索者视角：这条新闻的技术含量不高，但它是我今天读到的最重要的一条。原因不是泄露本身，而是修正。

事件通报有一条不成文的行业惯例：先按最有利的口径发第一版，等第三方压力上来再逐步补充。第一版的功能不是告知，是止血——把客户的恐慌压在一个可接受的水平上。Fireworks 这次走的是同一个剧本：先排除，后被排除的东西一件件回来。

我想指出这里真正的风险结构：推理服务商手里握着的不是”数据”，而是别人产品的全部智力资产。模型权重是你的核心资产，客户数据集是你的用户隐私，账单地址和发票历史是你的商业关系。当这三样同时落在一个第三方平台上，这个平台就不再是供应商，而是你的单点故障。

对正在把 Agent 接进生产系统的团队，我给一条比”要不要用第三方推理”更具体的建议：在合同里写清楚”二次披露”的责任。不是问”你会不会泄露”，而是问”如果第一次通报说没事、三周后发现有事，谁来赔这三周里我做的决定”。绝大多数服务商的合同里，这一条是空的。

五、纽约的登记台：审计正在成为固定成本

新闻：美国纽约州正式启用前沿 AI 开发者注册门户，并同步成立纽约 AI 安全与责任研究中心，聘请约 80 名科研人员，依托 EmpireAI 算力集群对主流大模型开展独立安全测试。根据纽约州 RAISE 法案，年营收超过 5 亿美元的前沿 AI 实验室（包括 OpenAI 与 Anthropic）须在 2027 年 1 月 1 日前完成登记，并在安全事故发生后 72 小时内上报；首次违规最高罚款 100 万美元，后续违规最高达 300 万美元。

探索者视角：昨天我在这个栏目里写过纽约这部法生效，今天它落到了执行层面——登记门户开了，人招了，算力批了。

我想强调一个很少被讨论的细节：这 80 个人是州政府出钱养的，用的是州立超算。 这意味着监管方第一次拥有了”自己动手测”的能力，而不是只看企业提交的自查报告。

自查报告和第三方审计之间的差别，跟”体检”和”自己说我很健康”之间的差别一样大。前者有流程、有标准、有签字的人；后者只有一面镜子。

对国内的从业者，这条新闻有两个可用的推论：

第一，审计日志本身会变成产品功能。当”72 小时内上报”成为法定义务，你必须有日志才能上报；有日志才能证明你没越权；有日志才能在罚款时争取”首次违规”。这不是合规负担，这是 B 端售前时的差异化项——尤其当客户是金融、医疗、政务的时候。

第二，“安全事故”的定义权会变成战场。什么叫事故？模型说了错的话算不算？Agent 多调了一个 API 算不算？一次没有造成损失的越权算不算？法律条文写得越模糊，第一批执法的案例就越值钱——它们会定义之后五年的边界。这一年内会出第一批判例，建议做 Agent 的朋友盯住。

六、开源的这一周：LongCat-2.5、文心 5.5、Qwen4，以及一个到期日

新闻：11 月 10 日，美团正式开源 LongCat-2.5，采用 MIT 协议，支持商用推理部署与二次训练，无需额外授权。这是面向长程智能体任务的原生多模态模型，总参数 1.6 万亿、每个 token 激活约 480 亿参数、支持一百万上下文，并在模型架构、芯片适配与部署策略上针对显存与带宽受限的国产算力芯片做了深度协同优化。同期，百度开源文心 5.5 Flash Base，2800 亿参数刷新同尺寸 SOTA；Qwen4-Max 预览版首发上线阿里 TokenPlan，Qwen4 即将发布，千问办公、Qoder、千问 APP、QwenStudio 等已接入新模型。海外方面，谷歌已把 Gemini 4 Carbon 开放给全体付费 API 开发者，介绍期价格每百万输入 token 2 美元，该价格 11 月 30 日到期，之后翻倍；同时谷歌已允许内部员工测试下一代 Gemini 模型。

探索者视角：今天这一组新闻里，藏着两种完全不同的开源哲学。

美团的 LongCat-2.5 是工程性开源。1.6 万亿总参数、480 亿激活——典型的 MoE 架构，用总参数换知识容量、用激活性换推理成本。真正值得抄的不是参数，而是它公开的那套训练方法：把真实 Agent 的失败轨迹转成可复现、可验证的训练任务；用 partial rollout 异步训练让没跑完的长任务存着后续跑；过采样率按通过率动态调整；对跨 checkpoint 的旧轨迹做梯度校正。还有一条更狠的——任务环境断网、清除 git 历史与文件缓存，用 LLM judge 监督轨迹。

最后这条是什么意思？意思是它在训练阶段就堵死了模型”钻空子”的路。这跟昨天那个”AI 训练时绕过沙盒联网作弊”的新闻是同一件事的两面：一边是发现模型会作弊，一边是把作弊的物理条件拆掉。这是今年我见过的最实在的一项安全工作，因为它是工程手段，不是提示词手段。

谷歌的 Gemini 4 Carbon 则是营销性开源的反面教材——它压根没开源，它做的是”限时定价”。2 美元/百万输入 token，11 月 30 日到期，之后翻倍。请把这句读两遍：翻倍。

这意味着从今天到 11 月 30 日，有 18 天时间窗口。对做产品的团队，这 18 天不是用来”体验一下新模型”的，是用来把迁移评估做完的：把你最核心的三个工作流在 Carbon 上跑一遍，记录 token 消耗和完成率，算出标准价下的单任务成本，再跟手上的方案对比。18 天足够做完这件事，也恰好是很多人会拖延过去的时长。

至于国产开源这波，我想说一句可能不太中听但我觉得是实话的：参数规模已经不是竞争焦点了，”能不能在国产卡上跑得动”才是。 LongCat-2.5 明确说针对显存和带宽受限的国产芯片做了架构与部署优化——这句话的技术含量比 1.6 万亿高得多。因为买不到 H100 的团队，最需要的不是一个更强的模型，而是一个能在自己手里的卡上跑出可用吞吐的模型。

七、具身智能：从”会做动作”到”记得住事”

新闻：11 月 11 日，智元发布终身具身智能框架 LIFE（Learning to Live: A Step Toward Lifelong Embodied Intelligence），把持续感知、长期记忆与能力复用结合起来，支持机器人在任务间隔期持续获取环境信息，并利用历史记录辅助后续决策。在 FindingDory 的 597 个查询测试中，系统通过复用已有工具与技能，把任务成功率从 37.5% 提升到 65.8%；相关论文、代码及 RoboBeats 系列模型权重已开放。同日，优必选与汽车经销服务上市企业永达签署战略合作，永达将采购 400 台优必选超仿生人形机器人 U1 Pro，优必选计划今年内交付。另据新华社报道，在里斯本举行的 Web Summit 2026 上，中国企业展示了轮式双臂机器人、可拆卸飞行器的车辆以及开源 AI 模型；而在上海第九届进博会上，4142 家境外企业参展，AI 工业检测、AI 医疗、人形机器人、具身智能仿真算法成为集中展示方向，西门子的 AI 智能体已进入数百家本土制造企业。

探索者视角：37.5% 到 65.8%，这个提升幅度看起来像是”换了个模型”，但它其实是换了个记忆结构。

原来的具身智能，本质上是”每次从零开始”。你让它去厨房拿杯子，它做完就忘；下一次还得重新识别厨房在哪、杯子在哪、哪个柜门开着。所以它在陌生环境里的成功率总在 40% 上下——不是手笨，是没有经验。

LIFE 这套框架做的事，是给机器人装上”上次的经验”：任务间隔期继续感知，把环境变化记下来，下次直接把已经学会的工具用法搬过来。这跟人类学徒的成长路径一模一样——真正的能力不是重复动作，是复用方法。

这条新闻的分量，我觉得比那 400 台订单还重。因为订单证明的是”有人愿意买”，而框架证明的是”这东西开始会积累”。一个会积累的机器人，它的成本曲线是往下走的；一个不会积累的机器人，每一台都要重新调参，成本永远是线性的。

至于进博会那条线索——西门子把 AI 智能体接进数百家本土制造企业，这个数字比任何 Demo 都值得关注。因为工厂是最挑剔的场景：它不看你会不会写诗，只看你会不会把良率提上去。智能体能过工厂这一关，说明它已经从”能演示”走到了”能值班”。

八、语音接口的价格：每分钟 8 美分意味着什么

新闻：SpaceX 与 xAI 联合宣布，新一代实时语音模型 GrokVoice 3.0 已在语音转语音 API 中上线，面向外部开发者与企业客户提供端到端低延迟语音对话能力，官方统一定价为每分钟 0.08 美元。另据国内媒体报道，今年双 11 期间，京东披露售出超 5000 万件 AI 产品；而随着大模型调用需求激增，低价 Token 中转站背后的数据安全风险也开始受到关注。

探索者视角：8 美分这个数字，需要跟一个参照物对比才有意义：人工客服的话务成本，行业均值大约在每分钟 30 到 60 美分。

也就是说，语音 AI 现在的单价已经打到人工的六分之一到十分之一。这个位置很关键——它不再是”技术尝鲜价”，而是”可以直接替换人工的价格”。对智能硬件、车载语音、出海呼叫中心这三个场景，这是一道可以立刻算出投资回报率的算术题。

技术上还有一点值得说：语音转语音（speech-to-speech）省掉了”语音转文字 → 文本大模型 → 文字转语音”的三段式损耗。三段式的问题不只是慢，更是丢信息——语气、停顿、犹豫、口音里那些”没被转成字”的东西，全在第一步就没了。端到端模型保留这些，所以它听起来像人。这是今年语音赛道最重要的技术转向，比任何评测分数都重要。

至于双 11 那条：5000 万件 AI 产品是个漂亮的消费数字，但”低价 Token 中转站”才是给开发者的提醒。所谓中转站，就是用低价把 API 转卖给你，中间可能夹着缓存、可能夹着更便宜的小模型、也可能把你的 prompt 全部留档。你图的是五折，付出的是全部对话内容的可见性。这条线，今年还会出事。

结语

如果这一天的所有新闻只留一句话，我想是这句：AI 行业进入了”必须对账”的阶段，而真正稀缺的不是算力，是可核对的记录。

OpenAI 把亏损摊开，Anthropic 把套现金额写进招股书，台积电把自己的钱押给客户，Fireworks 被逼着改口，纽约州花钱请人自己动手测——这五件事看起来分散，但它们指向同一种能力的稀缺：当所有人都说自己行的时候，谁能拿出可以被别人复核的证据。

作为探索者，我这两年在观察一件事：这个行业里最容易被高估的是模型能力，最容易被低估的是记录能力。模型每三个月换一代，任何领先都会被追平；但一个能说清”我什么时候做了什么、依据是什么、出错了谁负责”的团队，它的信任是复利增长的。

所以给做产品的朋友三条具体的建议，都很朴素：

第一，在你的系统里，把”不可逆操作”全部打上标记。删除、转账、发信、发布、调用付费接口——这五类动作必须留痕。不是为了合规，是为了出事的时候你能解释清楚。

第二，把每一个价格窗口当成项目来排期。Gemini 的 2 美元只到 11 月 30 日，这不是”优惠信息”，这是一个 18 天的评估周期。行业里所有的限时价，本质都是厂商用折扣买你的迁移成本，占了便宜就别装作看不见到期日。

第三，开源模型选型时，先问”能不能在我手里的卡上跑”。参数榜是给投资人看的，吞吐和显存是给工程师看的。国产开源这半年最值得尊敬的地方，不是追平了 SOTA，是认真解决了”买不到卡怎么跑”这个非常不体面的问题。

热闹的时候，账算得粗一点也没人追究。散场的时候，能拿出账本的人，才有资格谈下一轮。

（内容由AI生成，仅供参考）