全部 · 2026-02-05

Sapiom 拿到 1500 万美元做 agent 认证与微支付层，我的判断是：这钱押的不是“AI 自己买 SaaS”，而是先补 agent 交易闭环里最土、也最难外包的那层结算基础设施。标题写得很猛，正文其实只有一句产品描述。估值、轮次细节、上线时间、支持哪些支付轨道，正文未披露，所以先别把它读成 agent 经济已经起飞。 我一直觉得，agent 商业化卡住的地方从来不只是模型能力。Claude、GPT 系列到 2025 年已经把工具调用、浏览器操作、工作流编排做得够像样了，但一碰到“谁授权、谁付款、超额谁兜底、凭证怎么撤销”，系统立刻从 demo 掉回 IT 审批。Sapiom 想补的就是这段。这个方向有上下文：Stripe 过去一年一直在往 AI-native commerce 讲故事，Payman 这类公司也在做 agent payroll / payout，Coinbase 和稳定币支付那边也在试 machine-to-machine payment。我没查到 Sapiom 具体接哪一套 rails，如果它最后只是在信用卡外面包一层 API，我对护城河是怀疑的；认证、额度控制、审计日志一起做，才像个产品。 我对“让 agent 自行购买工具”这个叙事也不太买账。企业不会先放开购买权，再慢慢补风控；顺序一般反过来。一个能进生产的系统，至少要有单次限额、供应商白名单、可撤销 token、事后对账。少一个，CIO 和财务都不会签字。文章没给任何集成客户、交易量、失败率，这就说明它现在更像基础设施预埋位，不是需求已经爆发。 还有个现实问题：微支付是不是刚需，我自己也没看到证据。很多 agent 工具调用最后会收敛成订阅、预充值，或者公司内部成本中心结算，不一定真走“每次 API 调用都付一次钱”。如果市场最后长成批量结算，Sapiom 的位置就会从“Visa for agents”缩成“权限中间件 + billing glue”。这不差，但估值逻辑会很不一样。现在只有标题和 RSS 摘要，信息量不够我下更重的结论。

AWS 在 2025 年 Q4 录得 13 个季度最快营收增速。眼下能确认的只有这一个事实，别的核心口径都没给：营收金额、同比百分比、AI 相关工作负载占比、增量来自训练还是推理，正文都未披露。 我对这类标题一直比较警觉。云厂商现在很爱把“AI 采用”放进增长解释里，但财报里常见的情况是，AI 先拉动的是 GPU 容量预订、对象存储、网络流量和少数高价实例，不等于大盘已经被生成式 AI 重写。没有拆分，外面看到的只是总收入抬头，不是 AI 业务质量。AWS 这次如果真是 AI 在拉，至少该有两个可验证信号：一是管理层给出明确的 AI 年化收入 run rate，二是披露 Bedrock、Trainium、Inferentia 或 EC2 GPU 实例的客户扩张。现在一个都没看到。 说真的，这里还得放到对手背景里看。微软最近几个季度讲 Azure 时，至少会反复强调 AI services 对增长的百分点贡献，虽然口径也不算透明，但比一句“AI drives adoption”强得多。Google Cloud 过去一年也越来越愿意给出 Gemini、TPU、签单节奏之类的辅助信息。AWS 长期风格就是少说细项，多讲长期需求，这对投资者有用，对从业者判断算力周期没那么有用。 我还有个疑虑：13 个季度最快增速，基数效应也可能占了不小一部分。2023 到 2024 年 AWS 的增速曾明显放缓，这个我记得大概在低双位数区间，具体数我没现查。如果此前基数偏低，反弹到“13 个季度最佳”并不稀奇。问题不在增速本身，问题在增速里有多少是可持续的 AI 消耗，有多少只是企业重新签长约、价格优化结束、或者单季大客户集中上云。 所以这条我先不按“AWS AI 大胜”处理。我更愿意把它看成一个待验证信号：AWS 至少没有在这轮 AI 基建采购里掉队，但它到底是吃到了训练集群、推理扩容，还是只吃到了市场情绪，当前只有标题信息，没法下更重的结论。

Amazon 计划在 2026 年投入 2000 亿美元资本开支，Google 计划投入 1750 亿到 1850 亿美元。能确认的事实就这些。标题抛出“奖品”这个词，正文却没披露 AI 占比、算力落点、折旧周期、云收入增量，也没给利润率改善口径，我不太买账这种提问方式。 我先说判断：这笔钱首先是在买“别掉队”的资格，不是在买一张清晰的盈利凭证。云厂商现在最怕的，不是谁先发论文，而是谁先拿不到 GPU、HBM、电力和园区审批。资本开支一旦拉到接近 4000 亿美元合计规模，讨论重点就不该停在“大手笔”，而该看每 10 亿美元究竟换来多少可售算力、多少推理收入、多少对外云订单。这里正文完全没给。 文章外的上下文其实很关键。2024 到 2025 年，微软、Meta、Amazon、Google 都把 capex 连续抬高，市场一度接受了“先建再说”的逻辑，因为生成式 AI 需求确实把 GPU 集群变成稀缺资产。可到 2026 年，这套叙事已经没那么轻松了。训练开支还在涨，推理开支开始吞利润，客户又在压 API 价格。OpenAI、Anthropic、Google 自己都在往更便宜的推理档位挤，单位 token 收入不是单向上行。你花出去的是固定资产，收回来的却是被价格战挤压的服务收入，这里面有天然张力。 我还有个疑虑：TechCrunch 这个标题把 Amazon 和 Google 写成“赢 capex 竞赛”，好像花得多就是领先。这个说法很虚。capex 不是奖杯，利用率才是。AWS 和 Google Cloud 最后比的，不是采购额，而是高端 GPU 的上架速度、企业客户签单速度、自研芯片替代率、还有数据中心能不能按期通电。我记得 Google 这两年一直在推 TPU 路线，Amazon 也在押 Trainium 和 Inferentia；如果自研芯片占比上不去，巨额 capex 很容易继续回流到 Nvidia 产业链，而不是沉淀成自己更厚的毛利。 所以我对这条的态度很直接：目前只有标题信息，结论别下太早。要谈“奖品”，至少得补四个数：AI 相关 capex 占比、新增可用算力、对应云与模型收入、折旧与毛利率变化。没有这些，这篇更像把支出数字包装成赛马叙事。

OpenAI 在 Anthropic 发布后数分钟补上一款编码代理模型，眼下能确认的事实只有这个时间差和一个用途：给本周刚上的 Codex 提速。标题已经给出贴身跟进，正文没给模型名、价格、基准、上下文长度、是否替换现有 Codex backend，也没给可用范围。只凭这点信息，谁更强根本没法判。 我对这条的判断很简单：这先是分发和心智位竞争，技术判断要往后放。两家现在都在抢“agentic coding”这个入口，因为代码场景比通用 agent 更容易闭环：仓库、测试、CI、回滚、PR 都是现成工具链，成功率也比开放网页任务更容易量化。OpenAI 这周先推 Codex，Anthropic 紧接着发同类，再过几分钟 OpenAI 又补一个模型，这种节奏本身就在告诉市场——产品层已经进入按小时响应竞品的阶段，而不是按季度发研究论文。 这里有个行业背景，文章里没写。过去一年，代码代理已经从“补全更强”切到“能不能自己跑工具、自己提 PR、自己修回归”。我记得 Anthropic 过去在 SWE-bench 一类工程任务上一直压得很紧，OpenAI 则更擅长把模型快速接进自家产品面。Cursor、GitHub Copilot、Devin 这一波把用户教育已经做完了，所以现在新模型值不值钱，不看 demo 漂不漂亮，要看三件事：长任务成功率、工具调用稳定性、单位任务成本。偏偏这三件，正文一项都没披露。 我还想泼一点冷水。TechCrunch 这个标题故意把“几分钟后”做成戏剧性冲突，但发布时间接近，不等于模型是临时起意上线。模型部署、灰度、配额、计费挂接都不是几分钟能完成的事。我更愿意把它看成两家公司都早就排好了发布窗口，只是谁也不想让对方独占当天叙事。说真的，这类新闻最容易把从业者带偏：大家开始讨论谁抄谁、谁反应快，反而忽略了最关键的问题——Codex 到底因为这个新模型提升了多少完成率，还是只提升了响应速度。标题给了“accelerate”，正文没解释是 latency、throughput，还是 end-to-end task completion。 所以这条我不会拿来下性能判断。我会把它当成一个市场信号：OpenAI 和 Anthropic 已经把编码代理视为正面主战场，而且发布节奏开始贴脸。至于胜负，等公开 benchmark、实际价格、仓库级案例再说。现在只有标题信息，硬讲领先落后都不严谨。

OpenAI 发布 Frontier 企业 agent 平台，但正文只披露“构建、部署、像管理员工一样管理”这三个点。定价、接入方式、区域、权限模型、审计日志、工具沙箱、身份绑定，正文未披露。我对“像管理员工”这套说法有点警觉，因为企业真正在乎的是三件硬指标：谁授权、谁执行、谁背责。少任何一项，这都只是一个 agent 控制台标题，不是可落地的运营系统。 说真的，这条更像 OpenAI 在补企业控制面，而不是单纯发一个新 agent 产品。过去一年，微软 Copilot Studio、Salesforce Agentforce、Anthropic 的 API 管理层都在往“可见性+治理”走，大家都知道模型能力不是企业采购卡点，权限边界和审计才是。OpenAI 现在补这一层，不晚，但也不算领先。我还没查到 Frontier 是否接 IAM、SSO、SIEM，是否支持细粒度 tool approval；如果这些没有，所谓“像员工一样管理”就偏营销了。标题给了方向，正文没给机制，所以现阶段只能把它看成 OpenAI 抢企业 agent 入口的一次站位。

马斯克在播客里断言36个月内太空会成最便宜的AI算力部署地。两家“来源”其实是一家内容链路：Dwarkesh 文字稿和 YouTube 同题视频，高度一致，基本都来自同一段口播，不存在独立采证，这个覆盖面本身不算外部验证。 我先说判断：这段话有问题的地方，不在“太空数据中心”这个想法新不新，而在他把约束条件压得太扁。正文里给出的论据只有几组口头数字：数据中心 TCO 里电力占 10%-15%，轨道太阳能板效率约为地面的 5 倍，美国平均用电约 0.5 太瓦，AI 终局要去到太瓦级。这个链条能支持“地面电力会卡住 AI 扩张”，支持不了“36 个月内太空最便宜”。中间缺了最贵、也最难压缩的几项：发射成本按每瓦还是每公斤怎么算，轨道散热怎么做，网络回传延迟怎么吃，失效率如何定价，整套系统的资本开支回收期多久。标题给出了结论，正文没披露这些核心账本。 Dwarkesh 的追问其实打到了点上：如果数据中心总成本里只有 10%-15% 是电力，那你把能源搬到轨道，先要赢过 GPU 折旧、维护、联网、装配、发射、在轨电源管理和散热。马斯克的回答是“电不够”“地面许可太慢”“GPU 过了婴儿死亡期后很可靠”。我不太买账。GPU 可靠性不是唯一问题，训练集群不是把一堆卡点亮就行。你还得看交换网络、存储、机架级供电、在轨故障隔离、热循环、辐射、替换窗口。尤其是散热，地面数据中心最成熟的手段是液冷和大规模热交换；到了轨道，没有空气对流，热只能主要靠辐射，系统质量和结构复杂度都会上去。正文对此一句都没展开。 他说轨道太阳能“约 5 倍有效”，这组数也得拆开看。没有昼夜、没有云层、没有大气损耗，发电侧的利用率确实高很多，这个方向我认。但发电侧效率高，不等于系统侧最便宜。AI 基础设施这两年最硬的瓶颈，从来不是“只要有面板就行”，而是你能不能把电、热、网络、土建、交付周期一起压下来。过去一年大家追的都是靠近电源的地面园区：天然气自建、电网直供、核电 PPA、浸没式或液冷改造。没有哪家一线训练厂商把主力路线转向轨道，原因不是他们想不到，而是今天每一项配套都还太贵。 还有个细节很关键：两家来源都把这条讲成“经济性预测”，不是项目公告。正文没有给出 SpaceX、xAI 或 Tesla 已签的在轨算力计划，没有卫星平台规格，没有目标功率密度，没有星链级别的数据回传方案，也没有试验时间表。换句话说，这不是产品新闻，是创始人级的方向性押注。对做基础设施的人，这两类信息权重要分开看。前者能进 roadmap，后者最多进 scenario planning。 我倒认同他指出的一个大背景：电力会比芯片更早成为约束。过去 12 个月，几乎所有超大训练集群都在抢并网、抢变压器、抢冷却、抢施工队。很多地区不是买不到 GPU，而是站点接不上几十到上百兆瓦，更别说更大规模。这个判断和业界体感是一致的。所以多家渠道愿意转这句话，不是因为“太空部署已成熟”，而是因为“电力焦虑是真的”。 但把“地面扩张难”直接跳到“36 个月内太空最便宜”，中间至少跨了三层工程现实。第一层是发射与装配。就算 Starship 真把每公斤入轨成本继续打下来，算力系统不是纯载荷重量问题，还包括电源结构、散热板、机械支撑、辐射防护和在轨组装。第二层是通信。训练如果还要和地面数据、研发团队、容灾系统频繁交互，带宽与时延都要算进账。第三层是运维。地面坏一柜换一柜，在轨坏一组怎么办，容错架构如何冗余，报废周期如何计提，正文都没有。 所以这条我会这样看：它不是短期部署信号，它是 Musk 在给一个更大的叙事铺路——AI 的上限不由模型决定，而由能源、制造、许可和基础设施决定；谁能把这些硬件约束吃下来，谁才有资格谈长期 AGI 供给。这个大框架我认，甚至过去一年越来越明显。只是“36 个月、太空最便宜”这句，我现在只能把它当成强观点，不当成可执行结论。我自己还没看到能把这笔账闭合的公开方案。

MIT Technology Review这篇稿子把最关键的口径掰正了：METR给Claude Opus 4.5 的“5小时”，指的是人类完成同类任务约需5小时，不是模型能自主连续跑5小时；而且这还是50%成功率下的点估计，区间约2到20小时。光这两层限定，就足够把社交媒体上那种“模型已经能独立干半天活”的解读打回去。 我一直觉得，这张图被疯传，不是因为大家真看懂了评测，而是因为它把复杂能力压成了一条很顺的指数曲线，太适合做情绪放大器。问题在于，METR测的主要是软件工程相关任务，任务难度又是按“人类要花多久”来标尺化。这个设计并不荒唐，反而挺聪明，因为它比单题正确率更接近生产任务；但它天然偏向代码、工具使用、长链执行这些能力。你把它拿去外推研究创造力、跨域规划、组织协作，口径已经换了。正文把这点说出来，我是认的。 还有一个经常被忽略的地方：50%成功率这个定义，本身就偏研究，不偏部署。工程团队真把模型接进生产流，很多场景要的不是“做对一半”，而是95% 以上稳定性，再配回滚、测试、审计。一个模型在METR坐标上从1小时跳到5小时，不自动等于它能替代5倍时长的人类工作。中间隔着验证成本、失败恢复、上下文丢失、环境脆弱性。2025年那波 agent coding 试点，很多团队后来都收敛到“让模型写初稿+人类收尾”，不是因为模型不会写代码，而是因为错误定位和验收吞掉了增益。METR自己那篇 2025 年 7 月“AI coding assistant 反而拖慢工程师”的研究，被广泛讨论过，这正好提醒大家：能力曲线和净生产率不是一回事。 我对这张图还有个保留：误差条太宽，叙事却太硬。Opus 4.5 的区间是2到20小时，跨度10倍。你当然可以说点估计在5小时附近，但拿这个去做“再过几年到一周、再过几年到一个月”的直线外推，我不太买账。AI评测圈过去一年已经反复证明，长任务表现对脚手架、工具链、提示策略、sandbox限制都极敏感。同一个底模，换个agent框架，SWE-bench、RE-Bench 这类结果都能明显波动。我没在这篇正文里看到更细的 protocol 拆解，所以没法判断 Opus 4.5 的跃升里，模型本体占多少，评测设置占多少。 文章外的上下文也得补一句：过去一年，行业里最容易被误读的几张图，几乎都犯同一个毛病——把“受控环境里的代理任务分数”讲成“现实世界里的稳定替代率”。不管是SWE-bench、Humanity’s Last Exam，还是各种 browser-use benchmark，标题传播永远快过脚注。METR这张图至少比很多榜单诚实，因为它公开承认自己只覆盖一类任务，也公开承认不确定性。问题不在METR，问题在大家太想要一根单轴指标，好把“AI进展”说成股价曲线。 所以我对这条的判断是：这图该看，但只能当窄口径能力温度计，不能当天气预报。它最有价值的地方，是提醒我们前沿模型在“较长编码任务”上的失效率下降得很快；它最危险的地方，是让人误以为“任务时长”已经等于“工作替代时长”。标题给出了“最被误解的图”这个结论，正文基本撑住了；但如果没有更完整原文、图例和FAQ，很多人下一次转发时还是会把 caveat 全删掉。

OpenAI 在 2026 年 2 月 5 日发布 GPT-5.3-Codex 介绍页和 1 份系统卡。我的判断先摆明：这不是一次普通的 Codex 升级宣发，而是 OpenAI 在把“编码代理”往“通用电脑工作代理”强推，连系统卡都一起挂上，说明它想把能力叙事和安全叙事打包出售。 这次是多源事件，但两条都来自 OpenAI 自家。角度差得很清楚：产品页负责讲能力飞跃，系统卡负责给部署合法性和风险边界背书。两边表述大概率来自同一套官方沟通，不是媒体各自独立解读，所以“多源覆盖”在这里不代表外部验证，只代表 OpenAI 很清楚这次发布需要先把安全文件摆上台面。这点我还是认的。过去一年，凡是 OpenAI 想把模型推到更高自主度，系统卡就不再是附属品，而是准入材料。 产品页给出的核心数字有 3 个：相较 GPT-5.2-Codex，GPT-5.3-Codex 把 GPT-5.2-Codex 的编码能力和 GPT-5.2 的推理、专业知识合到一个模型里；速度快 25%；在 SWE-Bench Pro 和 Terminal-Bench 2.0 上刷新成绩。问题也在这里：正文截取里没有给出具体分数、评测设置、预算上限、pass@k、失败类型分布，只有“industry high”“far exceeds”这类结论。标题已经给出系统卡存在，正文没有展开风险评估细节。我还没看到完整原始表格前，不会把“最强 agentic coding model”直接当成板上钉钉。 OpenAI 这次挑的 benchmark 也很有意思。SWE-Bench Pro、Terminal-Bench 2.0、OSWorld、GDPval，四项拼起来，基本覆盖代码修复、终端操作、桌面/网页环境交互、知识工作产出。这个组合不是随手选的，它在试图证明一件事：GPT-5.3-Codex 不该只按“写代码模型”定价和理解，而该按“能持续做任务的电脑代理”看。这里我部分买账。过去一年，不管是 Anthropic 的 Claude Code 路线，还是 OpenAI 自己从 Codex CLI 到 Codex app 的推进，市场都在从单轮补全转向长时任务执行。谁能稳定用工具、跨文件、跨天迭代，谁就更接近真正的工作流入口。 但我对 OpenAI 的宣传边界有疑虑。它说模型“can do nearly anything developers and professionals can do on a computer”，这句话拉得太满。文中给的支撑，一部分是基准测试，一部分是自家演示：做赛车游戏、潜水游戏、做 landing page、写幻灯片、做表格。演示能说明上限，不能说明稳定性。尤其“over millions of tokens”这句，听起来很强，实操里却要追问 3 个问题：总成本是多少，人工干预频率是多少，失败后回滚机制是什么。正文没披露，我不会替它补。 “模型参与训练自己”这段也得冷静看。OpenAI 说 GPT-5.3-Codex 的早期版本被用来调试自身训练、管理部署、诊断测试结果。这个方向我信，因为内部 dogfooding 对编码代理最自然；很多团队过去一年都在这么干，只是没公开讲得这么满。可这段更像效率叙事，不是能力证明。它证明研发团队已经把代理接进开发流水线，证明不了对外部用户也同样稳。内部环境是白名单工具、已知代码库、已知权限模型；客户环境是脏数据、奇怪依赖、权限碎片、审计要求。两者不是一回事。 我还留意到一个信号：产品页反复强调“interactive collaborator”“without losing context”。这说明 OpenAI 也知道，全自动代理到今天仍不够稳，用户必须能在长任务中途插话、校正、重定向。这个设计判断是对的。去年不少代理产品卡死在一个误区里：把“自主”理解成“越少人碰越高级”。实际落地正相反。高价值任务往往需要可打断、可审计、可接管。谁把人留在回路里，谁更容易进生产。 如果拿过去一年的轨迹比，这次 GPT-5.3-Codex 更像是把三条线缝到一起：一条是 GPT-5.x 的通用推理线，一条是 Codex 的软件工程代理线，一条是 GDPval 代表的办公室知识工作线。OpenAI 想要的不是“最会写函数”的模型，而是“一个窗口里把 PR、终端、文档、表格都吃下来”的模型。这个方向我一点不意外。Cursor、Claude Code、Devin 类产品已经把用户教育做完了，平台方接下来拼的是谁能把 agent 的边界从 IDE 推到整台电脑。 系统卡在这个节点出现，价值也在这里。不是因为系统卡自动等于安全，而是因为当模型从生成代码跨到执行任务、访问工具、处理更广职业场景时，风险类型已经不是简单的幻觉率了，而是权限滥用、数据外流、误操作连锁、网络与终端环境里的攻击面。可惜你给的正文里没有系统卡细节，我还没法判断 OpenAI 这次讲清了哪些红线：比如默认网络权限、敏感操作确认、持久会话、日志保留、企业管理员控制、模型对漏洞利用链的限制。标题已经给出系统卡，正文未披露这些关键项。 所以我对这次事件的结论是：发布动作成熟，产品方向清晰，能力上限看着很猛；叙事也明显往“电脑上的通用职业代理”抬升。可在公开材料里，最缺的不是 demo，而是部署条件、成本边界、失败分布和系统卡里的硬限制。说真的，OpenAI 这次最想卖的是信心；我自己更想先看表格、权限模型和真实用户跑出来的故障单。