腾讯科技企鹅智库旗下AI领域一周观察:一周一期,比信息整合深一步
文|博阳
编辑|徐青阳
一、产业
Anthropic 启动 IPO 路演,估值打对折
11月10日,Anthropic 在官方路演公告与同日提交的招股说明书修订件中公布了首次公开募股的核心条款:公司拟以每股70至78美元的价格区间公开发行8.25亿股 A 类普通股,股票代码定为 ANT,预计于11月19日前后登陆纳斯达克。
除了公开发行,英伟达与 Google 各出资100亿美元,联合 AMD、博通、美光、微软及台积电等供应链伙伴,按发行价同步认购260亿美元无投票权的 N 类股份。
据 TechCrunch 拆解招股书分析,若按发行及同步私募完成后的基本股数计算,Anthropic 对应的股权估值约为9161亿至1.021万亿美元。比起一开始传出的两万亿打了对折。
治理结构上,创始人团队通过 F 类股份锁定了50.1%的投票权,配合长期利益信托对董事会多数席位的控制,二级市场新进入的普通股股东几乎不具备改组管理层的投票影响力。
目前Anthropic营业利润率已转正。根据公司披露的 IPO 财务摘要与财务披露数据,Anthropic 在2026年第三季度录得约170亿美元营收,同比增长超过12倍,截至10月底的年化经常性收入(ARR)已攀升至810亿美元。剔除股权激励与公允价值变动等因素后,公司第三季度调整后营业利润率为15%(较第二季度的19%有所回落,管理层在路演视频中设定的长期目标为35%以上)。
但问题是,目前Anthropic 资产负债表外背负着高达9009亿美元的长期算力与基础设施采购承诺。这正是当前科技股一路下挫的核心原因。目前银行等投资者认为AI当下基建回报周期过长,且不确定性过多,对现金流影响过大。
为了证明巨额算力投入正在转化为更健康的生意,路演材料重点强调了算法层面的算力乘数,来解释未来增长为何不会因规模收益递减而熄火。
在 Simon Willison 于11月11日整理公开的路演视频转录中,联合创始人兼首席算力官 Tom Brown 解释称,公司的总有效算力等于物理芯片规模乘以算法改进带来的效率乘数。按照这一逻辑,原本需要消耗100份物理算力才能训练出的模型能力,一旦在数据处理、架构优化或强化学习采样上找到4倍效率乘数,就只需25份算力即可复现。反过来,将省下的算力继续投入训练,100份物理硬件就能撬动相当于过去400份算力的模型表现。
招股书披露,Claude 目前已深度介入内部实验运行、训练数据管线、基准评测以及超九成核心代码库的编写与审查,从而缩短研究人员发现新算法乘数的周期。
这种研发反哺不仅体现在算法端,也直接改写了异构硬件的适配成本。过去,大模型实验室之所以高度依赖单一芯片生态,是因为每一代新芯片都需要针对底层指令集重新编写和调优大量算子内核,让一套千亿参数模型稳定跑通新硬件平台往往需要几十名底层系统工程师耗费数月时间。Tom Brown 在路演转录中透露,Anthropic 目前横跨亚马逊 Trainium、Google TPU、英伟达 GPU 和 AMD GPU 四大芯片家族开展训练与推理。今年首次引入 AMD GPU 时,团队让内部模型 Mythos 尝试移植工作,结果在几乎没有人类干预的情况下,仅用三天就完成了近乎全部底层内核的移植与重写,让 Claude 顺畅跑上了 AMD 平台。
当芯片软件栈的迁移周期从数月压缩至数天,模型实验室在面对硬件短缺或供应商议价时,便拥有了更灵活的多芯片调度空间。
这就是说,未来训练会越来越便宜,越来越快。假设需求扩大,token售价并没有同比下降,则Anthropic估计中的35%运营利润率则完全可达到。这就支撑了其估值逻辑。
围绕这套自我加速叙事,独立评测机构 METR 在11月5日发布的内部高权限评估报告提供了一份难得的外部参照。METR 研究人员在8月至10月间进驻 Anthropic 开展了为期11周的调查,利用内部版综合能力指数(AECI)对公开及未发布模型快照进行分段线性拟合后估算,自2025年10月以来,Anthropic 模型在明确定义任务上的能力进步速率约为历史基准速率的1.9倍(95%置信区间为1.5至2.8倍),相当于在过去一年里走完了此前两年的能力爬坡路程。报告明确排除了训练算力规模加速扩张这一诱因,并结合员工访谈与内部调查推断,约八成的提速大概率归功于 AI 工具在研发流程中的广泛使用。
把这些拼图合在一起看,万亿美元估值实质上是在为一条正在成型的正反馈链条提前买单,但技术上造出更强、更便宜的模型,在商业上既会催生新需求,也会倒逼全行业持续降价。
另外,需求扩张方面的问题,也需要降价作支撑。这些路演中并没有提及。
2. Fable 5.2 与 Mythos 5.2 发布,基础模型能力再跃迁
就在启动路演前夕,Anthropic 于11月9日发布了 Claude Fable 5.2 与 Claude Mythos 5.2。两款产品共用同一个底层基础模型,区别在于安全围栏与准入机制:Fable 5.2 开启了严格的网络安全与生物安全拦截策略,面向全体开发者与企业开放,标准输入与输出价格分别降至每百万 token 8美元和40美元,较上一代 Fable 5.1 下调20%(另提供双倍计费但生成速度最高快2.5倍的加速模式)。
本次更新最直观的账本变化不在于 token 单价下调,而在于完成单个复杂工程任务的综合花费显著下降。在软件工程评测 FrontierSWE v2 中,Fable 5.2 的得分从上一代的56.3%跃升至69.9%,在检验真实电脑桌面操作能力的 OSWorld 2.1 中,得分从83.5%提高到89.3%。 FrontierCode 2.0 评测中,Fable 5.2 在高推理档位(High)下取得了45.3%的通过率,逼平了日常主力模型 Opus 5.5 在极限档位(Max)下的最高成绩(45.5%),但由于减少了反复试错与无效长文本推理,单任务综合调用成本直接砍半。
数字世界之外,通用模型向物理操作任务的能力溢出也展现出醒目的跨度。在 Anthropic 内部运行的 RoboDojo Sim 机器人仿真评测中,各参测模型均开启最高可用推理档位,Fable 5.2 的任务成功率从上一代的27.6%大幅跳升至64.9%,不仅远超自家 Opus 5.5 的39.4%,也显著领先于竞争对手 GPT-6 Astra 的29.8%。基础模型的具身能力开始符合Scaling Law演进速度。
很多使用者都报告Fable 5.2的能力似乎跨了一个台阶。获得早期测试权限的创业者 Matt Shumer 在11月9日发表的深度使用评测提及,Fable 5.2 完成了他过去一年在几乎所有模型上都折戟的复杂项目,从零构建出一套具备真实物理破坏效果、可在笔记本电脑上流畅运行的体素游戏引擎。
但当他尝试用多智能体群组模式推进开发时,系统内部衍生出了繁琐的流程内耗——不同子智能体之间反复交叉审查、互相等待确认,甚至像过度敏感的巡查员一样频繁拦截正常操作。最终他发现在不少软件构建任务中,撤掉多智能体编排、改由单个智能体从头到尾统管全局,再由人类定期介入校准大方向,交付质量反而高得多。
OpenAI 据传解散独立机器人团队
11月13日,Fortune 刊发独家采访报道,证实 OpenAI 已正式解散旗下独立的机器人团队,将相关人员拆分并入核心部门。偏向算法探索的机器人研究人员归入首席研究官 Mark Chen 统管的主研究组织,而偏向工程落地与本体的软硬件人员则并入总裁 Greg Brockman 负责的应用部门。
这是 OpenAI 六年内第二次拆解独立机器人建制。公司曾在2020年因真实物理交互数据匮乏关停初代机器人团队,2024年随着具身热潮重启团队并与人形机器人初创公司 Figure 达成合作,但 Figure 于2025年2月终止合作转向自研大模型。尽管此次再度调整组织架构,OpenAI 发言人仍表示机器人是公司长期愿景的核心部分,计划在2027年公开演示自研人形机器人。
促成这次内部重组的核心动因,是底层技术路线的判断发生了转向。OpenAI 研究人员最初假设通往机器人的最佳路径是沿着 Sora 这类视频生成世界模型向上演进,但在近期内部实验与外部对比中发现,以 GPT-6 Astra 为代表的通用前沿多模态模型无需经过专门的机器人架构改造,只需直接输入摄像头画面、机器人本体参数与控制接口说明,就能直接指挥机器人在仿真环境中完成复杂操作。既然主干大模型的原生能力就能覆盖高层决策,单独维持一支封闭造轮子的机器人算法团队便失去了性价比。
但目前,通用大模型本身还替代不了具身模型(虽然也许通过蒸馏未来可以)。本周发布的 Embodied First Exam 机器人评测指出,云端大语言模型推理延迟偏高,依然需要端侧高频小模型配合控制。同时,模型能否看清被遮挡物体的真实状态、现场环境是否允许出错重来、夹爪接触物体表面时的打滑与摩擦如何补偿,都会让最终成功率出现几十个百分点的剧烈波动。
但通用模型具身能力的扩张实质上洗牌了行业护城河。那些试图在高层规划上跟前沿实验室比拼常识推理的团队会越来越被动,而能够把抽象指令稳妥对接到真实机械本体上,并在复杂光照、物理磨损与突发故障中攒下海量现场闭环数据的硬件执行团队,目前看起来还有存在的基础。
黄仁勋辞任英伟达 CEO,受害最大的可能不止英伟达
11月12日,英伟达董事会通过官方新闻稿与 SEC 监管文件宣布,执掌公司33年的创始人黄仁勋辞去总裁、首席执行官及董事职务,即日起生效。
自2013年加入英伟达并长期掌管财务体系的执行副总裁兼首席财务官 Colette Kress 出任临时 CEO,同时继续兼任 CFO 直至董事会物色到正式继任人选;曾任新思科技(Synopsys)首席执行官的资深董事 Harvey C. Jones 则被任命为英伟达历史上首任董事会主席。公司在声明中重点对外传递了经营稳定性,强调日常运营、客户交付承诺、既定产品路线图以及定于11月17日发布的2027财年第三季度财报均将按原计划无缝推进。
目前关于黄仁勋的离开对英伟达的影响,众说纷纭。有人认为未来英伟达可能成为下一个intel,走下神坛。也有人认为因为黄仁勋当下已经没有太多技术方面的insight了,他的离开不太会造成英伟达后续的大变化。
不过可以明确的是,在他离职后,未来开源模型领域的算力发展肯定会受到较大影响。
开源模型研究者 Nathan Lambert 在11月14日撰写的评论文章《Open-source AI without Jensen》评论说,在黄仁勋主导时期,英伟达成了美国本土开源 AI 生态最大的企业后盾:公司不仅持续迭代自家的 Nemotron 开源模型家族并与 Mistral AI 组建联盟研发下一代基座,还在今年9月宣布拟斥资约129亿美元收购开源核心社区 Hugging Face(交易预计于2027年上半年完成监管交割),同时向 Thinking Machines Lab、Reflection AI 等开放权重阵营初创公司注资,并掏出60亿美元获取编程初创企业 Poolside 的非独家技术授权,甚至由黄仁勋亲自出面联名呼吁华盛顿避免过度限制开源模型。从商业底层逻辑看,英伟达扶持开放生态绝非单纯做公益。只有让广大企业与开发者都能用上强大的开源权重模型,才能避免全球算力需求彻底集中到两三家闭源巨头手中,进而防止后者联手用自研专用芯片(ASIC)架空英伟达的软硬件议价权。然而,这类战略防御型投入往往账面回报模糊、回收周期极长,高度依赖创始人个人的战略定力与拍板权威。
进入职业经理人主导的过渡期后,财务纪律与短期股东回报权重势必上升,哪些开源项目能保住算力预算、尚未交割的生态并购与初创投资会否收缩优先级,将在未来一两年的版本维护与资源倾斜中逐步显露。
Agent支付体系蓬勃发展
本周,三家科技公司在48小时内密集发布了智能体交易相关产品,从不同切面共同拼出了一条完整的机器代付链路。
11月12日,Replit 宣布为旗下 Replit Agent 接入企业采购能力,创业者只需用自然语言下达采购预算与规格指令,子智能体便会在隔离的云端浏览器中自动前往商家网站挑货并填好结账单,同时在代码层硬性禁用命令行权限并暂停在最后一步,交由Stripe 旗下的 Link 钱包与 Visa 通道在创始人确认最终金额后完成扣款。11月13日,OpenAI 推出 ChatGPT Wallet,允许美国区部分订阅用户预先绑定信用卡,让平台内的智能体在选购商品后通过加密支付令牌(Token)发起结账,既不向智能体或商户暴露真实卡号,又要求用户每次必须通过面容 ID 或指纹完成生物识别确认才能真正划款。同一天,企业级智能体公司 Sierra 正式发布个人智能体协议 Poppy 1.0,联合 Meta 等逾百家设计合作伙伴建立开放标准,让个人智能体在访问企业系统时能通过标准化的 OAuth 流程亮明身份并读取操作权限,Shopify 更已为平台上数百万商户默认自动开启了该协议支持。
过去一年,不少通用智能体主要靠模拟人类鼠标键盘去操作网页,甚至直接索要用户的网站账号密码代为登录下单。这种做法不仅极易因前端页面改版而报错,更把账户安全与资金风险彻底敞开:一旦模型误读指令买错高价商品或泄露凭证,用户、智能体平台、发卡行与商家之间根本无法厘清责任归属。
要让一句口头委托变成受法律和金融体系承认的合规交易,系统必须拆解并守住两道独立的关卡:第一道是面向消费者的支付钱包,用硬件级生物识别和单次令牌解决“本人是否知情并批准这笔具体金额”的授权追责。第二道则是面向企业的接入协议,解决“商家是否承认眼前这个外部程序有资格代表客户进店交易”的身份准入。
来自传统商业巨头的一纸禁令,很快从反面印证了第二道门的分量。11月11日,美国联合航空(United Airlines)更新了第三方 AI 智能体管理政策,明确禁止未经官方授权的第三方个人 AI 助手在美联航官网、App 乃至外部票务代理渠道代客查票、订票或管理常旅客账户。这一动作紧随亚马逊封堵外部购物爬虫及美国银行警告储户切勿向 AI 透露网银密码之后,但航空公司的顾虑远不止防范里程盗刷或保护自有销售渠道。美联航在声明中专门点出了法定合规红线:根据美国联邦航空管理局(FAA)与交通部(DOT)的强制规章,旅客办理值机时必须由人类本人亲自阅读并确认托运行李中未夹带爆炸物等危险品,如果由外部 AI 自动勾选跳过,将直接触发监管违法与航空安全隐患。
这清晰表明,在金融、医疗、民航及高客单价售后服务领域,消费型智能体必须快速迭代安全支付通道,来同时拿下发卡组织的风控信任与头部商户的合规白名单。
一个AI时代的Paypal,也许就会在这里诞生。
算力基建融资向买方前移
随着新一代大模型训练集群的资本开支膨胀至数百亿美元量级,AI 云服务商(Neoclouds)与下游大模型客户之间的合同结构正在发生深刻的财务变形,越来越多的机房建设资金不再单纯依赖云厂商自身发债或股权融资,而是通过高比例预付款直接前置到了算力买方的账本上。
这种模式让新型云厂商在数据中心尚未通电产出一分钱营收之前就能提前收回大笔现金流,同时也把下游模型实验室更深地捆绑进了跨年度的长期容量合约之中。
本周两家代表性算力基础设施公司的财报将这一趋势量化到了台面上。11月10日,CoreWeave 在2026年第三季度财报电话会上披露,当季营收同比暴涨168%至36.6亿美元,积压订单总额高达1325亿美元;首席执行官 Mike Intrator 明确表示公司拒绝在母公司层面发行高息无担保债券,底气正来自客户预付款。今年签署的交易中约70%附带预付条款,部分客户甚至提前支付了高达100%的合同总金额,仅未来三个月内公司就预计从已签约合同中收回约90亿美元预付款和押金。无独有偶,阿姆斯特丹 AI 云厂商 Nebius 在11月12日发布的第三季度致股东信与财报说明中透露,为支撑2026年上调至约270亿美元、2027年进一步跃升至400亿到450亿美元的庞大资本开支,公司在第三季度新签的逾120亿美元合同中,客户预付款比例已从第二季度的覆盖对应资本开支50%至60%,一举推高至覆盖100%以上。
然而,财务上的提前输血并不能自动消除物理世界的工程瓶颈。尽管账面合同饱满,但由于第三方托管数据中心施工滞后,尤其是为微软定制的新泽西州园区在从临时发电设备切换至永久性燃料电池供电的过程中重置了工期,原本定于年底前全部交付的算力被迫将剩余批次顺延至2027年第二季度,连带拖累公司全年营收指引滑向区间下沿,年化收入突破70亿美元的节点也从今年12月推迟到了明年2月。
研究
Embodied First Exam 具身大考,展示基础模型具身能力缺陷
随着编程智能体在软件工程领域大杀四方,机器人学界开始认真验证一个新设想:能否不靠海量动作演示数据从头训练端到端视觉动作策略,而是直接让通用大模型通过写控制代码、调接口甚至现场写脚本训练小模型的方式来指挥机器人?
11月9日,美国西北大学、卡内基梅隆大学、加州大学伯克利分校及斯坦福大学等多所高校联合团队提交了预印本论文《Embodied First Exam》,搭建起首个面向通用编码智能体的统一具身大考。评测集横跨35个任务套件、47种不同构型的机器人本体(从单臂、双臂灵巧手到四足与人形机器人),总计包含1156项任务,从常规桌面抓取一路延伸到解绳结、穿孔、宜家家具组装乃至双机羽毛球对打等高动态交互场景。
在模拟真实物理限制的456项核心难题标准测试中,智能体只能读取机载摄像头画面与关节传感器数据,且默认不允许随意重置环境,受测8款主流编码智能体中表现最强的 GPT-6 Astra(运行于 Codex 框架)最终成功率仅约为34%(33.6%)。而在物理世界不会停下来等待模型缓慢思考的实时模式(Realtime)下,超过六成的动态任务更是令所有智能体全军覆没。
为了搞清楚聪明的编码模型究竟栽在了哪一步,研究团队在391项核心任务上设计了一组极具洞察力的配对控制变量实验。如果把智能体放进上帝视角的特权环境(Privileged)——既能直接读取仿真器后台所有物体的毫米级精确三维坐标,又能无限次读档重来——GPT-6 Astra 的成功率其实高达77%。而一旦切回贴近现实的标准模式,同一批任务的成功率便断崖式跌至28%。
当研究者单独向标准接口补回“精确物体状态查询”这一项特权时,成功率从28%回升至45%。而如果不给精确坐标、只补回“保存节点并允许无限次重置重试”的权利,成功率跳升得更高,达到53%。当精确状态与重置重试两项条件同时具备时,成功率一路拉升至68%,填平了绝大部分能力落差。
这项研究为具身智能工程指明了极其务实的发力方向:当基础模型的高层任务拆解能力已经够用时,继续在语言层面上堆砌长链条思考收益甚微。改进多视角状态感知精度、在仿真与现实间建立安全低成本的局部纠错机制,以及打磨更柔顺的底层控制接口,才是决定机器人能否真正走出实验室的胜负手。
Agentic RL时代,后训练用PPO 还是 GRPO?
自 DeepSeek-R1 证明无价值网络的组相对策略优化(GRPO)能够跑出顶尖推理表现以来,大模型开源社区在强化学习后训练中几乎一边倒地抛弃了近端策略优化(PPO)中的独立价值评估网络(Critic)。这是因为砍掉体量与主模型相当的价值网络不仅能省下近半显存与额外的训练开销,还能避免价值网络预估不准带来的引导偏差。然而近期 VAPO、SAO 等重新捡起价值网络的方法又相继在数学和代码任务上刷出超越 GRPO 的成绩,令工程界再度陷入路线摇摆。
11月10日,Scale AI 联合卡内基梅隆大学研究者 Jason Wei、George Pu 等人发布论文《To Critic Or Not To Critic》及配套技术解读,通过横跨连续控制、单轮数学推理与多轮命令行终端智能体的逾1200次受控训练(其中大模型实验达96组,累计消耗约2.1万个 H100 GPU 小时),给出的结论是,两种方法不存在绝对的优劣,谁占上风完全取决于单步采样批量(Batch Size)、价值网络依赖程度与任务链条长度三者的动态博弈。
要理解为什么此前不同团队的实验结果会互相打架,首先得看清两种算法在给模型动作“论功行赏”时的底层分歧,以及现代优化器对梯度的真实要求。PPO 之所以专门养一个价值网络,是为了在长链条推理的每一步都即时估算未来得分。而 GRPO 彻底扔掉了这位随堂打分的评委,转而对同一道题并行采样一组(例如16条)完整回答,直接拿每条回答的最终得分去和组内平均分比高低,再把算出来的同一个奖惩系数粗暴地平摊给这条轨迹里的所有token。
传统理论习惯用均方误差来衡量这两种梯度估计的好坏,但论文敏锐指出,如今大模型训练普遍使用的 AdamW 或 Muon 优化器会对梯度大小做归一化处理,真正决定每一步参数更新质量的并不是梯度模长,而是“批次梯度的方向与真实最优梯度方向偏了多少”。
为此,研究团队将经典的偏差—方差权衡改写为了方向维度上的“余弦模型”:无评委的 GRPO 全部依据真实终局结果算账,只要采样足够多,它的平均梯度方向就指得更准(对齐上限高),但单条轨迹的随机方向抖动极大(噪声尺度高)。PPO 的价值网络像减震器一样大幅压低了单次采样的方向噪声,但因为评委自身的预估总有误差,过度依赖自举就会把平均梯度方向拽偏(对齐上限低)。
在所有受测场景中,只要每次更新采样的轨迹批量较小,噪声就会主导训练成败,此时自带减震器的 PPO 几乎全面领跑。以基于 Qwen2.5-3B 的单轮数学推理为例,在批量为4和16时,PPO 的五项主流数学基准平均分比 GRPO 高出1.9至2.7个百分点。而在基于 Qwen3.5-4B、最高长达64轮交互和6.5万词元上下文的终端智能体任务中,批量为128和512时 PPO 的领先幅度更是达到5.9个百分点。
然而,加大采样批量虽然能靠大数定律把方向噪声越摊越薄,却永远消除不了价值网络自带的系统性方向偏差。因此随着批量一路放大,GRPO 开始稳步追赶甚至反超。面对重度依赖价值网络自举的 PPO 变体,GRPO 在7组跨领域对比中有6组实现了高批量反超(数学任务在批量达到1024后正式反超)。唯有当 PPO 采用随轨迹长度自适应调节的轻度自举策略、保留更多真实终局信号时,才能压住自身的偏差劣势,在大批量区间与 GRPO 打成平手或维持微弱优势。
进一步拉长任务链条与交互复杂度后,研究揭示了长程智能体训练不得不面对的“信用分配税”。在模型从单轮做一道数学题走向连续几十轮敲命令行改代码的过程中,尽管轨迹长度膨胀了几十倍,但外部验证器在结尾给出的往往依然只是一个非0即1的二元通关信号。
论文从理论上证明并在控制实验中实测验证,把同一个终局结果平摊到越长的动作序列和越复杂的状态空间上,无评委方法的梯度方向噪声尺度就会成倍飙升:在简单的单摆控制任务中,步长为5时 GRPO 在批量仅为4时就能击败重度自举 PPO,而当步长拉长到200时,GRPO 追平对手所需的临界批量暴涨到了65536。
同理,在大模型实验中,单轮数学任务到批量1024即可追平轻度自举 PPO,而多轮终端智能体则要推迟到批量2048才能打平。这意味着任务越长、环境越复杂,能够把终局成败精准拆解到中间关键步骤的价值网络,其保质期就越长。
所以未来任务越来越长的Agentic RL,可能真的会回归到PPO上。
在当前的长程智能体强化学习中,逐token自回归生成受限于显存带宽,叠加外部沙盒容器运行、工具调用与裁判模型打分,光是“生成采样轨迹”这一项就已经吞掉了约80%的 GPU 时间。因此,在中小算力预算下,多花一点算力去训练价值网络其实是一笔极划算的买卖。
随着行业重心加速转向动辄执行数小时的科研与具身智能体,单次真实采样越来越贵,一味盲从“去价值网络化”或固守单一算法都将付出高昂代价,按任务跨度与采样成本联合调配批量及自举强度,正在成为强化学习工程化的必修课。
Google Antigravity发布Teamwork Agent研究,合作效果主要靠独立证伪与上下文隔离
11月13日,Google Research 在官方博客发表长文《Advancing science & engineering with Antigravity's /teamwork》,集中展示了基于 Gemini 4 系列模型(Argon、Carbon 与 Hydrogen)的多智能体协作功能 /teamwork 在基础科学与复杂系统工程中取得的一连串硬核战果:在理论领域,Google 与香港中文大学、南加州大学、卡内基梅隆大学学者合作,彻底证明了信息论领域悬置十余年的2013年 Courtade–Kumar 猜想,并输出了长达5000万行的 Lean 4 形式化证明,同时全自主完成了代数几何经典韦伊猜想(Weil conjectures)180万行代码的机器核验。在系统工程领域,多智能体团队耗时两周将 Zircon 微内核剩余约80万行 C++ 代码迁移为内存安全的 Rust 并顺利在 arm64 硬件启动,还将开源 AV1 视频解码器 libgav1 重写为17万行 Rust 代码,经性能剖析调优后比原先手工打磨的 C++ 与汇编版本还快出20%至30%。
Google 团队指出了Multi Agent在长程科研中面临的两大固有缺陷,并给出了针对性的机制设计。第一个缺陷是单次生成的不确定性。面对未知难题,扩大并行采样虽然能提高撞上妙招的概率,但也会同时制造出海量看似头头是道、实则暗藏漏洞的错误方案。因此,/teamwork 严禁让大模型靠自我感觉互相吹捧,而是把并行探索与客观证伪器(Falsifiers)死死绑在一起:数学推导必须过 Lean 4 编译器,代码迁移必须链接未经篡改的原始测试集(防止智能体为了跑通测试而偷改考卷或用空函数糊弄),分子结构推断必须对齐物理光谱仿真器,而针对单次实机测试耗时多达数十分钟的 TPU 算子优化,智能体还会先构建仅需23秒的代理评估标尺,并用秩相关统计定期与真实硬件对表。
第二个致命缺陷则是多日长任务中的注意力涣散与思维同化。随着探索轮次拉长,历史对话记录像滚雪球一样膨胀,模型很容易淹没在过期的失败尝试里忘记最初的约束;更隐蔽的风险在于,如果让审查智能体直接阅读原作者智能体的完整推理草稿,审查者极易顺着原作者的思路滑进同一个逻辑盲区。为此,/teamwork 从架构底层实施了严格的上下文分区隔离:协调者每次只把当前步骤必需的最小文件集与工具塞给执行角色,阶段完成后便把精简状态移交给拥有全新上下文的继任者。而负责挑刺的审稿与审计智能体则在完全干净的独立上下文中盲审最终产物,彻底切断先入为主的诱导。
在面向计算机顶会 STOC 2027 开展的578篇投稿预审测试中,超过三成受访作者反馈这套独立审稿机制抓出了实质性的证明漏洞或关键数学笔误。
三、政策
1. 中期选举后,美国开始重新分配 AI 扩张的成本与责任
随着2026年美国中期选举落幕,华盛顿与各州围绕人工智能的政策博弈正在脱离宽泛的原则探讨,集中转向扩张成本分摊与企业安全问责,并在上周转化为实质性的国会立法议程。
最先进入表决通道的是数据中心供电成本问题。据美国参议院每日新闻简报与参议院第258号点名表决记录,参议院于11月9日以73票对25票跨过辩论终结程序门槛后,在11月10日以62票对21票正式通过程序动议,开始审议以众议院已通过法案 H.R. 2347 为立法外壳的两党能源许可改革方案《两党美国可负担性与就业法案》。长期以来,超大规模 AI 数据中心密集并网推高了区域输变电扩容开支,而在传统公用事业电价分摊机制下,部分新建电网成本往往通过基础电费转嫁给普通家庭与中小型工商业用户。此次由西弗吉尼亚州共和党参议员 Shelley Moore Capito 与新墨西哥州民主党参议员 Martin Heinrich 等两党议员共同起草的法案,给出了一套明确的利益交换机制。
法案一方面大幅压缩联邦环境审查与诉讼周期(将《国家环境政策法》相关诉讼时效从六年缩短至150天,并赋予联邦能源管理委员会在州级机构满一年未作决定时对230千伏以上跨州输电线路行使联邦兜底审批权)。另一方面则强制要求联邦能源管理委员会(FERC)在法案生效90天内重写输电定价规则,规定新建大型数据中心必须足额承担自身触发的电网升级成本并预先提交财务担保,即便中途提前退租也不得将沉没成本转嫁给其他用电户。
截至目前该法案仍处于修正案博弈阶段,众议院能源和商业委员会共和党主席对输电条款持有异议,部分进步派民主党议员及环保与原住民团体则反对放宽环评限制,跛脚会期内能否最终过关仍存变数,但“支持基建提速的前提是科技巨头自己把电费账单结清”已成为两党罕见的交集。
除物理基建账单外,前沿模型的独立安全评测与企业损害赔偿责任也在国会换届前夕积蓄了更强的推进动能。据路透社11月6日报道,随着民主党将在2027年1月新一届国会揭幕后同时接掌参众两院多数席位,多位核心议员已开始起草一揽子监管法案:即将出任参议院多数党领袖的 Chuck Schumer 将遏制数据中心推高居民电价列为优先事项,马萨诸塞州民主党众议员 Lori Trahan 则计划推出专门立法,要求前沿大模型在部署前接受外部独立专家的安全标准测试,并在法律上厘清 AI 系统造成现实损害时的企业赔偿责任。
因此,明年年初最先落地的预计将是依托委员会控制权展开的密集监督:多位民主党委员会潜在负责人已表示将动用传票权要求科技巨头高管宣誓作证,彻查模型安全护栏与内部风险评估实践,并尝试将部分具备跨党派共识的条款挂载到年度必过法案中寻求突破。
相比华盛顿的立法拉锯,基层选民与地方政府对算力基础设施的约束其实来得更直接、更猛烈。哈佛大学肯尼迪学院阿什中心(Ash Center)11月10日发布的科技政策复盘报告统计显示,尽管与头部 AI 企业结盟的超级政治行动委员会在此次选举周期投入了逾5570万美元竞选资金,但在11月3日选举日全美10个州通过的41项地方级数据中心公投议案中,有多达40项倾向于限制开发(其中俄亥俄州全部21项地方议案均倒向限制一侧),且其中30项议案的赞成票比例超过70%。这些由市县社区直接拍板的限制措施涵盖了单项目兆瓦级供电上限(通常卡在25兆瓦以上)、暂停审批令、土地重新分区公投乃至直接禁建。
与此同时,得克萨斯、南卡罗来纳等多州新当选的州级与联邦官员也在竞选中密集承诺取消数据中心销售税减免、强制开发商自理水电基础设施开支,并禁止地方政府与科技企业签署保密招商协议。
这种绕开联邦僵局、直接在地方与州级层面收紧规则的趋势,在模型安全监管领域同样已经进入实操阶段。就在参议院推进能源法案的同一天,纽约州金融服务厅(DFS)与州长办公室于11月10日发布公告,宣布旗下新设的数字创新、治理、诚信与信任办公室(DIGIT)正式开放大型前沿 AI 开发者合规登记入口,以衔接将于2027年1月1日正式生效的州级《前沿人工智能安全与创新法案》。为了解决行政官僚“看不懂复杂模型安全报告”的执法痛点,纽约州同步在宾汉姆顿大学启动了由康奈尔理工学院与哥伦比亚大学资深计算机学者领衔、汇聚全州逾80名研究人员的“纽约 AI 责任与研究中心(NYCAIRR)”,直接调用耗资5亿美元建设的州立公共算力平台 Empire AI 对前沿模型开展独立测试并审阅企业披露的安全框架。按照新法,达标前沿开发商不仅要在明年元旦前完成注册并公开治理框架,还必须在发生重大安全事故后72小时内向州政府强制上报。
这一切变动都说明,中期选举之后,即便联邦综合性 AI 法案短期内难以出炉,科技公司扩张算力与发布新模型的外部合规与基建门槛也已在实质性抬高。
2. 美众议院三委员会推动将芯片出口与远程访问限制写入国防授权法
根据美国众议院外交事务委员会共和党多数派11月12日发布的联合声明,众议院外交事务委员会主席 Brian Mast、中国问题特别委员会主席 John Moolenaar 与常设情报特别委员会主席 Rick Crawford 当天联名致函刚刚辞任英伟达 CEO 的黄仁勋、英伟达总法律顾问 Tim Teter 以及美国商务部负责工业与安全事务的副部长 Jeffrey Kessler,要求三人在12月初出席国会闭门质询并警告逾期不配合将直接签发强制传票。
三位共和党主席在声明中点名围绕黄仁勋离任及新加坡云服务商 Megaspeed 的外部报道,公开要求国会立即将《AI 监督法案》(AI OVERWATCH Act)、《芯片安全法案》(Chip Security Act)、《多边先进技术协调法案》(MATCH Act)及《远程访问安全法案》(Remote Access Security Act)四项立法打包塞进本财年必过的《国防授权法》(NDAA)终稿之中。
这四项法案分别瞄准了现有半导体出口管制体系中容易漏风的四个工程与行政环节。《AI 监督法案》试图参照军售审批模式重塑芯片出口许可权,要求商务部在批准向受限国家出口英伟达 H200 或 AMD MI325X 等级别芯片前至少提前30天通报国会相关委员会,赋予国会通过联合决议一票否决的权力,并对 Blackwell 级别的新一代旗舰芯片实施强制禁售。《芯片安全法案》把监管探头伸进硬件底层,要求先进算力芯片内置地理位置核验机制,且芯片厂商一旦获知产品被非法转运或篡改必须履行强制上报义务。《MATCH 法案》着眼于施压盟国同步收紧半导体制造设备出口。而《远程访问安全法案》与商务部工业与安全局(BIS)正在收尾的新规一道,直指近年来备受关注的“海外算力租赁绕道”,过去出口管制主要卡住实体显卡通关,受限企业仍可通过租用新加坡、马来西亚或泰国等地数据中心里的英伟达集群远程训练模型,新规试图将云端远程算力接入一并纳入许可管辖。
从立法前景与产业影响来看,这批管制条款目前仍处于两院合议庭的最后博弈阶段。一方面,众议院议长 Mike Johnson 与候任议长 Hakeem Jeffries 均在11月12日前后表态支持限制相关芯片出口并在国防授权法中保留涉芯条款(其中前三项法案此前已写入参议院版国防授权法草案),近期的企业治理风波明显压缩了反对者的游说空间。但另一方面,历史先例表明最终条文仍存变数,去年要求芯片商优先满足美国本土买家的《GAIN AI 法案》同样曾通过参议院版国防授权法,最终却在白宫与半导体行业的联合游说下在两院合议阶段被剔除。
英伟达与 AMD 此前曾向行政部门反映,过度严苛的硬件定位要求与一刀切限制可能倒逼海外客户加速转向本土替代芯片。从财务敞口看,截至今年7月底的财季中,英伟达来自中国内地及香港特区客户的账单收入占比已从一年多前的21.9%降至8.2%(约79亿美元),直接对华获批出货的 H200 占数据中心总营收已不足1%。
真正牵动接下来市场神经的,将是针对东南亚第三方数据中心远程算力租赁的封堵细则究竟划到多宽。







