全部 · 2026-02-27

特朗普要求联邦机构停用 Anthropic，前提是其与 Pentagon 没谈拢 guardrails。我的判断很直接：这不是一条普通的政府采购摩擦，这是联邦买方第一次把“你按谁的安全规则做事”摆到和性能、价格同一层，甚至更前面。 先说信息边界。正文只有 Bloomberg 视频摘要，已给出停用对象和原因，没给生效时间、适用机构、合同金额，也没给 guardrails 分歧的具体条款。是模型能否接触机密数据，还是日志留存、人工复核、越权拒答、武器化限制、权重托管、红队流程？正文都没披露。所以现在不能下结论说 Anthropic 在安全上更松，或者 Pentagon 提了过头条件；眼下只知道双方没谈拢，白宫先用采购权施压。 我对这条的第一反应，是 Anthropic 过去两年的“安全公司”叙事碰到最难的一关了。Anthropic 一直把 Constitutional AI、system card、模型拒答、危险能力评估放在前台，这套话术在企业市场很吃香，也帮它拿到了大量“比 OpenAI 更稳”的品牌认知。可政府安全采购不是媒体上的 safety brand test，它是合同 test。你要签审计、留痕、访问边界、事故归责、模型更新节奏。签不下来，前面的论文和 blog 都不算数。说真的，这一下我有点愣住了，因为如果连 Anthropic 都会在 guardrails 条款上撞墙，那后面一串做政企单的模型公司都得重写合同策略。 外部对比其实很清楚。微软、OpenAI、Palantir、Scale 这类碰国防和政府单子的公司，过去一年都在朝一个方向靠：先接受更重的治理约束，再换取部署资格。我没查到 Anthropic 当前联邦合同的具体规模，但我记得 OpenAI 和微软在美国政府云、国防试点上的路径，核心都不是“模型先进去再补安全”，而是先把可控性、审计链和数据边界谈清楚。再看去年到今年的趋势，欧洲 AI Act 是监管文本，联邦采购条款才是更硬的杠杆，因为它直接决定谁能吃到预算。监管罚款常常要几年后才落地，采购冻结是今天就停。 我对“因为 guardrails 停用 Anthropic”这套叙事也有保留。第一，guardrails 常常是一个总称，实际争议往往不是抽象安全，而是控制权。谁定义高风险任务，谁批准豁免，谁拿日志，谁能看 system prompt，谁决定模型更新前要不要重新认证，这些都是权力分配问题。Pentagon 如果要求的是深度审计或更强介入，Anthropic 未必愿意把产品路线交给政府客户牵着走。第二，政治变量也不能装作不存在。标题主体是 Trump，不是 GSA 或 DoD procurement office。只看这点，我不会把它读成纯技术争议，它很像一次借采购做政策定调。 这条还会外溢到一个更实际的层面：模型厂商以后卖给政府的，不再只是 API 和 seat，而是一整套可核验的行为约束。你得拿出版本冻结机制、使用范围分层、事后审计接口、数据驻留方案、敏感任务熔断条件。没有这些，哪怕 benchmark 更高，联邦客户也能一句“guardrails 不达标”直接出局。这个变化对 Anthropic 尤其尴尬，因为它的品牌资产恰好建在“我们更重视安全”。如果最强调安全的公司都不能通过某类政府 guardrails 谈判，市场会自然追问：问题出在 Anthropic 太硬，不肯妥协；还是它的安全框架更像研究和公关语言，不够合同化、工程化？这个追问很伤。 我还想补一个背景。过去一年，大模型公司在企业市场讲“trust”时，很多内容还是停在 SOC 2、私有部署、零数据保留、内容过滤。这些当然重要，但国防和联邦环境要的是另一层：可追责、可复盘、可逐条验收。两者差一个数量级。很多人把 safety 当模型特性，我一直觉得买方眼里它更像供应商义务。到了政府这里，这个差别会被放大。 所以我现在不会急着判断 Anthropic 输了，还是 Pentagon 过度施压。信息不够。可有一件事已经很明确：联邦采购开始把 guardrails 写成准入条件，模型公司过去那套“先上线、再靠 policy page 解释”的节奏，在政府市场行不通了。谁能把安全主张翻成合同条款、审计接口和更新纪律，谁才拿得到长期单。Bloomberg 这条正文没给金额，也没给机构范围，但就算只看标题，这个信号已经够硬。

OpenAI 以 7300 亿美元估值募得 1100 亿美元，这笔钱把它从模型公司再往前推了一格。我的判断很直接：这不是普通一级市场加仓，这是在算力持续紧张、推理成本高位、分发入口尚未定型时，提前把盟友写进股东名单。 标题给了金额、估值和 Amazon、Nvidia 参投。正文没披露条款、优先权、算力对赌、采购承诺，也没说老股东是否跟投。少了这些，很多判断都不能下死。可就公开数字看，1100 亿美元已经大到不像“继续训练更大模型”这么简单。这个体量更像三件事一起做：预付算力、铺全球推理基础设施、顺手收编开发者和企业渠道。 我一直觉得，OpenAI 过去一年最核心的问题不是模型能不能再涨几分 benchmark，而是它能不能摆脱“能力强、成本也重”的结构。Anthropic、Google、xAI、Meta 这几家都在打同一件事：谁能把高性能模型，稳定地压到企业可接受的单位成本。Amazon 和 Nvidia 同时站进来，信号很硬。前者手里是云和企业销售，后者手里是 GPU、网络、系统路线图。你把这两类资本放在一起看，这轮融资更像 supply chain treaty，不太像单纯财务投资。 我对 7300 亿美元估值本身有点保留。不是说它一定太高，而是正文没给收入、现金消耗、推理毛利、年化合同额。没有这些，估值讨论容易变成信仰表态。我记得 OpenAI 上一轮大融资时，市场已经默认它会继续吃到模型 API、消费者订阅和企业 seat 的三重溢价。问题在这儿：只要基础模型开始更快商品化，估值就会从“谁最强”切到“谁最能守住毛利”。这条线，Microsoft 当年在云上已经演过一次。AWS 和 Azure 的胜负，最后不是单个技术点决定，而是资本开支、渠道和捆绑能力一起决定。 这也解释了 Amazon 参投为什么比“又多一个大金主”更重要。OpenAI 和 Microsoft 的关系过去一直像深绑定。现在 Amazon 进来，至少说明一个现实：OpenAI 不想把自己的基础设施命门只交给一个云厂商。我还没查到这轮是否附带明确的 AWS 采购承诺；如果有，那才是这条新闻最硬的部分。没有的话，Amazon 参投更多是财务和战略卡位，分量会低一截。 Nvidia 这边也一样。市场喜欢把它讲成“芯片公司投资头部应用”。我不太买这么平的说法。Nvidia 过去一年越来越像在给 AI 产业做资产负债表：谁能拿到它的产能、系统设计和联合路线图，谁就更容易把扩张计划兑现。它投 OpenAI，不只是押注需求端，也是把未来几年的大客户锁得更紧。要是这轮里带了长期采购、机柜交付或定制系统配额，那影响会比股权本身大得多。正文没写，只能先打问号。 Bloomberg 这条还顺手塞了 Anthropic 与五角大楼争执、Block 因 AI 裁掉一半员工。可正文没有基数、争议点和执行路径，我不会跟着标题跑。尤其 Block 这句，我警觉很高。裁“一半员工”是极端动作，若没有组织规模、业务拆分、自动化替代范围，这类说法很容易把经营问题包装成 AI 战略。 所以我对这条的结论是：1100 亿美元不是情绪顶点，而是基础设施战进入更重资产阶段的证据。接下来要补的不是宏大叙事，而是条款。有没有云采购绑定，有没有 GPU 供给锁定，有没有收入或毛利对应的披露。少了这些，这轮只能证明资本还在押 OpenAI，不能证明 OpenAI 已经把商业模型跑顺。

CoreWeave 寻求 85 亿美元为 Meta 扩建云容量，这一下先把一件事坐实了：超大模型算力外包还在继续，而且规模大到足以单独拉起一轮巨额融资。我对这条的第一反应不是“CoreWeave 又能借到钱”，而是 Meta 为什么还愿意把这么多增量算力放到外部。要知道 Meta 这两年一边猛砸自建 AI capex，一边也在买外部容量；如果现在还要通过 CoreWeave 这种高杠杆通道去锁供给，说明内部产能爬坡、机房电力、交付节奏，至少有一项没法按训练需求同步。 但这条信息很薄。标题和正文只给了 85 亿美元、用途是给 Meta 扩容。融资结构没披露，是资产支持债、项目融资、可转债，还是客户合同撑出来的定制授信，正文都没有。时间表没披露。机房位置没披露。GPU 代际也没披露。没有这些，外界没法判断这是 Blackwell 级别的新园区，还是把现有集群继续加柜。 我一直觉得 CoreWeave 的关键不在“云”，而在“把 Nvidia 稀缺供给证券化”。这家公司过去一年能冲这么快，靠的不是通用云产品打穿市场，而是抓住 H100/B200 这类紧缺 GPU、配上债务和大客户合同，把交付速度卖给 OpenAI、Microsoft、Meta 这类买家。和传统 hyperscaler 比，AWS、Google Cloud、Azure 通常拿更低成本资本去铺长期基础设施；CoreWeave 的打法更像把算力当高收益资产经营。所以 85 亿美元这个数本身不只说明需求强，也说明这门生意对资金成本极度敏感。利率、GPU 残值、客户锁单期限，任何一个环节松动，杠杆味道都会立刻变重。 我对 Bloomberg 这条叙事有个保留：它把焦点放在 CoreWeave 融资，容易让人忽略 Meta 才是更有信息量的那一侧。Meta 如果继续签这种外部容量，本质上是在用资产负债表之外的方式买时间。去年到今年，市场已经看过一轮“谁先拿到 GPU 谁先训练”的竞赛，xAI、OpenAI、Anthropic 都在抢。Meta 自建有钱，但自建不等于马上有电、有地、有并网许可。我还没查到这次对应的是训练集群还是推理集群；如果偏训练，那说明 Meta 还在追模型迭代速度；如果偏推理，那说明其开源模型分发后的服务压力比外界想的更大。 还有一点我不太买账：把这类融资直接读成“CoreWeave 护城河稳了”。未必。CoreWeave 的优势一直是快，不一定是稳。Oracle 这两年也在接大模型算力单，Nebius、Crusoe 这种玩家也在追，传统 colocation 加 GPU 金融化的组合正在变多。只要资本市场还愿意为 AI 机房买单，CoreWeave 就不是唯一通道。标题已给出金额和客户，正文没披露合同年限、最低承诺用量和回报结构，所以现在还下不了“护城河加深”的结论。 我目前会把这条看成两个信号：第一，Meta 还没摆脱外部算力依赖；第二，AI 基建融资正在越来越像项目金融，而不是 SaaS 式成长融资。后者一旦成形，市场看这些公司的方法就得更像看电厂、铁路和通信塔，不只是看 ARR。

OpenAI 据称完成 1100 亿美元融资，Amazon、SoftBank、Nvidia 被点名参投；标题已给出金额，正文未披露估值口径、轮次结构、是股权还是含可转工具、也未披露交割时间。我的判断先放前面：这笔钱如果属实，重点不是“史上最大”这种标题党修辞，而是 OpenAI 正在被上游算力和下游分发一起资本化，融资桌本身就是产业联盟。 我一直觉得，AI 公司到了这个体量，融资已经不能只按传统独角兽逻辑看。Amazon 和 Nvidia 同时出现，信号很直接：一个握云入口，一个握训练与推理芯片。SoftBank 也在里面，味道就更不一样了。孙正义过去一年重新回到 AI 基建叙事很猛，从 ARM 到算力园区，再到各类大额承诺，他下单的风格向来不是财务投资那套。如果这轮真按 1100 亿美元 close，OpenAI 拿到的不是单纯 runway，而是供给优先级、商业绑定和谈判筹码。说真的，这比单看估值数字有信息量得多。 外部参照也摆在那。xAI 去年那种“股权+服务器采购债务”混合结构，已经把超大模型公司的融资方式往 project finance 方向推了；Anthropic 早前的大额资金很多也带着云采购和分发绑定。OpenAI 现在再往上抬一个数量级，我不太买账“这是资本继续追逐 AI 梦想”这种轻飘叙事。我看着更像几家大公司提前排队，占 API、模型接入、算力订单和生态席位。尤其 Nvidia 参投这点，象征意义很强：它以前更多靠卖卡吃到上升周期，现在直接进 cap table，说明芯片商也不满足只做卖铲子。 但这条消息我有两个保留。第一，1100 亿美元到底是新钱到账，还是授权额度、分期交割、附带采购承诺，正文没给。这个差别非常大。一级市场里 headline number 和可立即动用现金，常常不是一回事。第二，Amazon 已经重仓 Anthropic，如果它现在又站到 OpenAI 这边，合作边界怎么划？我还没查到更完整条款。它可以是纯财务配置，也可以是 AWS 不愿错过第二张顶级模型船票；两种解释对应的行业含义完全不同。 还有个地方我会比较警觉：这么大的产业股东名单，往往伴随更复杂的排他或半排他安排。OpenAI 这两年一直在努力摆脱单一平台依赖，尤其在算力和云关系上。如果新投资人同时来自云和芯片两端，治理结构会不会更重，产品分发会不会更受制于商业互锁，这些问题现在都没答案。标题给了钱数，没给控制权细节；而后者对开发者和企业客户更关键。 所以这条我先不把它读成“OpenAI 更稳了”。我更愿意把它读成：顶级模型公司正在从高估值创业公司，变成需要多方共同供血、共同分利、共同约束的准基础设施资产。钱很多，当然是利好；约束也会跟着一起放大。

Amazon 这次拿出 500 亿美元，并把首笔 150 亿美元、独家第三方云分发、2 吉瓦 Trainium 消耗放进同一张合同里。我的判断很直接：OpenAI 在把“卖模型”改成“卖运行时”，AWS 则在把“卖云”改成“卖默认 AI 平台”。钱很大，条款更硬。标题看着像资本合作，正文读完更像基础设施结盟。 先看最硬的约束。AWS 成为 OpenAI Frontier 的独家第三方云分发方，正文原文就是 exclusive third-party cloud distribution provider。这个表述很关键，因为它不只是 Bedrock 上架一个模型 API。Frontier 被写成企业级 agent 平台，包含 shared context、governance、security、deployment。再叠加 Stateful Runtime Environment，OpenAI 交出去的不是一次推理接口，而是长期运行、带记忆、带工具、带身份和算力访问的执行层。谁控制执行层，谁就更接近企业 AI 的操作系统。OpenAI 以前最强的是模型心智，现在它开始补运行时和分发；AWS 以前最强的是云入口，现在它在补 agent 的默认宿主。这两个缺口正好互补。 我对这条最强烈的感受，是 OpenAI 终于承认一件事：前沿模型的企业化，光靠 API 和 ChatGPT Enterprise 不够。过去一年行业里最难交付的部分，不是模型答得准不准，而是 agent 跑到第 17 步时，状态怎么保留、权限怎么接、失败怎么回滚、审计怎么做。Anthropic 去年把 Claude 往 Bedrock 和 Vertex 铺时，卖点还是 model access 加安全。Microsoft 给 Copilot Studio 和 Azure AI Foundry 补的是 orchestration。OpenAI 现在直接把“stateful runtime”抬到牌桌中央，说明它内部已经把 agent 产品的瓶颈定位成 runtime，而不是再多刷几点 benchmark。这个判断我基本买账，因为做过生产的人都知道，memory、tool state、identity federation、sandbox lifecycle 才是烂尾现场最多的地方。 但我对 OpenAI 的叙事也有保留。正文说这套环境会“trained to run optimally on AWS infrastructure”，还会跟 Bedrock AgentCore 深度集成。这个说法很顺，问题也很明显：一旦 runtime、agent governance、模型分发和底层芯片一起绑进 AWS，企业得到的不是抽象层，得到的是更厚的一层平台依赖。OpenAI 这几年一直试图把自己讲成跨云的 intelligence layer，现在这份协议反而说明，至少在企业 agent 这一段，它愿意为了分发速度牺牲一部分中立性。你可以说这是务实，也可以说这是把未来的迁移成本提前锁给客户。 2 吉瓦 Trainium 这段也别轻轻放过。2 吉瓦不是新闻稿里随手写的数字，这是超大规模电力承诺。正文还说是在现有 380 亿美元多年协议上，再扩 8 年 1000 亿美元，并覆盖 Trainium3 和 2027 年交付的 Trainium4。这里我有两个判断。第一，OpenAI 对 Nvidia 单一路线的依赖还是太重，所以它必须把 AWS 自研芯片扶成第二条腿，不然训练和推理成本压不下来。第二，AWS 需要一个重量级租户来给 Trainium 做信用背书，OpenAI 是最好的人选。过去一两年，Trainium 一直有“价格更好、生态稍弱”的典型处境；如果连 OpenAI 都承诺吃 2 吉瓦，AWS 才有机会把“替代 GPU”讲成“可承载前沿工作负载”。 但这里我有点怀疑。正文没有披露 2 吉瓦对应的时间范围、利用率、训练与推理拆分，也没给出 Trainium3/4 相对 H200、B200 或 Rubin 级别产品的真实 TCO。AWS 每代都讲成本和效率优势，行业最后真部署时，瓶颈常常落在编译器、kernel 适配、框架兼容和运维人才，不只在芯片标称性能。我自己没看到这篇里有任何可复现 benchmark，所以“降低成本、提升效率”目前还是平台方口径，不是经第三方验证的结论。 再看 Amazon 投资 OpenAI 这 500 亿美元。首笔 150 亿美元已定，剩余 350 亿美元要满足条件后到账。条件是什么，正文没披露。这一点不能跳过去，因为它决定了这笔钱到底是标准股权投资，还是带采购、分发、芯片采用、收入里程碑的复合条款。我倾向后者。原因很简单：前文已经把独家分发、Trainium 消耗、联合产品开发都绑进来了，单纯财务投资反而不符合这份协议的结构。说白一点，Amazon 不是只想持有 OpenAI 的股权上行，它更想把 OpenAI 变成 AWS 和 Bedrock 的需求发动机。 这个结构会直接压到 Microsoft。过去 OpenAI 的企业化主场基本默认站在 Azure 一侧，现在 AWS 拿到“exclusive third-party cloud distribution provider for OpenAI Frontier”，含义很重：OpenAI 最想卖给企业的那层 agent 平台，不再只借 Microsoft 的渠道放量。正文没有写 Azure 权益如何调整，我还没法下更硬的结论；但只看字面，这已经不是多云友好姿态，而是在企业 agent 分发上重新切渠道。Google Cloud 那边也会被波及，因为它一直在拿 Vertex 的多模型中立性打企业市场，这份合作等于告诉客户：最先进的 OpenAI agent runtime，不会平权地落到每家云上。 我还注意到一处容易被忽略的表述：OpenAI 和 Amazon 会开发定制模型，供 Amazon 面向消费者的应用使用。正文截断了，我没看到完整细节，所以不清楚是 Alexa、购物、物流、Prime Video 还是全线业务。可这句话已经足够说明一件事：Amazon 并不满足于在 Bedrock 代销模型，它要把 OpenAI 的能力塞进自己的一方流量入口。如果后面出现“Amazon 自有应用用定制 OpenAI 模型，企业客户用 Bedrock 上的 Stateful Runtime，底层跑 Trainium”，那 AWS 就不只是云供应商，而是同时吃到芯片、平台、应用三层价值。 我觉得这条消息最该警惕的，不是哪家又投了多少钱，而是模型公司和云公司开始用更深的合同把彼此焊在一起。过去大家讲多云、开放、模型可替换，实际走到 agent 和 runtime 这一层，替换成本会陡增。企业以后采购的对象，不再只是 tokens，而是一整套“记忆 + 工具 + 权限 + 审计 + 底层算力”的捆绑包。这个方向对交付是好事，对客户议价未必是好事。OpenAI 和 Amazon 今天签下的，像是下一轮企业 AI 绑定销售的模板。

中科第五纪一个月内完成 Pre-A 与 Pre-A+ 两轮融资，合计数亿元。我的判断很直接：这家公司这轮被买单，不是因为它证明了“通用具身智能”，而是因为它把市场叙事压回了一个投资人能验收的形态——给宇树这类本体厂卖“大脑”，再按单机 license 收费。 这个路径我其实挺认同。过去一年，国内具身赛道最容易失真的地方，就是把 demo 能力、通用能力、商业能力混成一件事讲。会搬箱子，不等于能进厂；能进厂，不等于客户复购；客户愿意先买几台，也不等于单位经济模型成立。中科第五纪现在至少把收费对象说清了：一类是本体厂，一机一 license；一类是终端客户，卖整机方案。这比很多只讲“进入场景”的公司实在，因为 license 模式天然在逼你回答三个问题：部署周期多长、任务切换成本多高、换一家本体还能不能复用。 我对它和宇树的组合也有点兴趣。宇树过去两年的强项一直是硬件性价比和出货速度，不是操作智能。谁能卡住宇树的“脑”，谁就有机会先吃到中国最便宜、最容易铺开的机器人本体流量。这个逻辑有点像早期安卓链条里做系统层和预装层的公司，先借硬件放量，再争软件控制权。问题也在这里：如果“脑”没有足够强的迁移性，最后就会退化成宇树的项目外包商，而不是平台层供应商。文章里给了“核心生态合作伙伴”称号，没给独家范围、装机量、合同期限，也没给 license 单价，这几个数字不披露，我不会把它看成已经坐稳生态位。 技术叙事里，我最想泼一点冷水的是“3 到 5 条真机示范学新任务”和“基础任务成功率 97%”。这两个数字听着很猛，但正文没交代 benchmark。基础任务是抓固定把手，还是跨场景长流程任务？97% 是单步成功率，还是整任务成功率？测试跑了多少次？有没有夜间、逆光、遮挡、目标轻微变形？这些条件一缺，数字就很容易虚高。机器人和语言模型不一样，语言模型 97% 还能靠 retry 掩过去，机器人 97% 如果落在 10 步流程里，整任务成功率按 0.97^10 算，只剩大约 74%。工业客户盯的就是这类复合失败率，不是单点分数。 “热力图对齐”和“二次预训练”这条方法，本身不离谱。具身领域这两年一直在补一件事：VLA 学了语言模型的全局表征，却没拿到语言模型那种量级的数据，所以对光照、视角、背景特别脆。让模型盯把手、按钮、插口这些局部关键点，方向是对的。国外像 RT-1、OpenVLA、PI 系那批工作，核心也都绕着数据效率、操作对象定位、任务条件化在转。中科第五纪把这条路工程化到电力巡检和搬运，如果真能稳定复现，价值不小。可我还没看到一个更硬的证据：同一模型跨不同本体、不同相机、不同末端执行器时，性能掉多少。只在自家数据闭环里好看，不够。 还有一个地方我不太买账：创始人把行业收敛到“标准硬件构型”讲得太顺了。双臂上半身当然更适合人类环境，这点没问题。可工业现场从来不是只有一种任务密度和成本约束。四足、轮式、固定臂、移动操作臂会长期共存。谁能赢，不只看构型是否标准，还看交付链条能不能把维护、标定、备件、远程运维一起吞下来。文章只讲了模型与硬件分工，没讲部署后的服务成本，这恰恰是 To B 机器人最容易把毛利吃光的地方。 融资这件事本身也释放了一个挺清楚的信号。红杉中国这类机构现在肯给具身公司连着投，而且集中在一个月内完成，说明一级市场对“先做垂类、先做复购、先做 license”这套逻辑开始给更高权重。这个口味变化，我印象里和 2025 年下半年国内一批具身公司从炫技转向仓储、分拣、巡检的节奏是一致的。钱没有追着最会讲 AGI 的团队跑，而是在追着“谁先把某个工种做成稳定软件收入”跑。 所以我看这条，不会把它当成又一家融资新闻。我会把它当成一个筛选器：如果中科第五纪接下来 6 到 12 个月能披露装机量、续费率、跨场景复用率，它就有机会从项目公司往平台公司走。要是始终只有比赛指标、POC 和合作伙伴称号，那这轮融资更像是在给宇树生态补一层故事，而不是给具身智能立一个可复制的商业样板。