AI前沿速递 · 2026年11月08日
微软退租 Oracle 旧芯片算力、谷歌 170 亿美元接盘 Crusoe 烂尾项目;OpenAI 首笔 110 亿美元融资到账、估值 1.25 万亿;Anthropic 每天合并代码改动破 3 万项、Git 层基建竞争开打;GPT-6 Cyber 发布、三家网安模型首次直接比价;魔芯 MoWorld 2.0 把十余种物理要素装进一个世界模型、昇腾上跑 70 FPS
本期看点:旧芯片的租约被退掉、烂尾的工地被 170 亿美元接盘,110 亿美元缩水到账,AI 把代码托管逼到自建,网安模型明码标价,世界模型学会算受力。
微软退租 Oracle 旧算力,谷歌 170 亿美元接盘烂尾工地
11 月 6 日,彭博社报道微软正在停用从 Oracle 租用的 AI 云算力——2023 年的租约到期后没有续签,理由是那批算力用的 Nvidia 芯片偏旧,「对微软已经不那么有用」;微软还在重新审视向各家 neocloud 租算力的协议。同一天,数据中心开发商 Crusoe 确认把怀俄明州一个未建成的项目卖给谷歌:谷歌原本是这个项目的目标客户,没谈成,反倒先在 6 月被曝出对 Crusoe 的成本与工期有意见,如今干脆自己接盘,宣布投资 170 亿美元开发这个原规划 10 GW 的园区。压力表的另一端也在同日读数:AMD 刚交出公司史上最大、最盈利的季度,苏姿丰对雅虎财经说「我们是一家数据中心优先的公司」,预计四季度数据中心业务环比再增 50%;The Information 报道 TSMC 应 Nvidia 的要求评估进军内存业务,用 3D DRAM 与 Micron、三星、SK 海力士正面竞争。
四个信号拼出的判断是:需求没有消失,在换结构。微软扔掉的是上一代芯片的租约,谷歌要的是自己可控的工地,新芯片与新内存仍然排队——算力不是同质大宗商品,代际就是折旧曲线。这轮扩张正在去中介化:二房东和独立开发商被夹在中间,超大规模厂商要自己握住工地与芯片代际。上一期那批数据中心冻结核准的提案,冻结的原来是别人家后院的工地。
- The Verge:Microsoft is reportedly winding down a cloud AI deal with Oracle
- TechCrunch:Crusoe sells troubled Wyoming data center project to Google
- The Verge:AMD CEO Lisa Su says “we are a data center first company”
- The Verge:TSMC is apparently considering getting into the RAM business at the request of Nvidia
OpenAI 110 亿美元到账:原计划的三分之一
彭博社 11 月 6 日报道,OpenAI 新一轮融资完成首笔 110 亿美元交割,估值 1.25 万亿美元;整轮几周内收尾,总规模最高约 200 亿美元——9 月底的原计划是 1.4 万亿美元估值、至少 300 亿美元。首笔交割投资方包括 Coatue 与普信集团,软银、红杉、Founders Fund、a16z 参与整轮,OpenAI 还在与投行合作向高净值个人募资。CFO Sarah Friar 维持 2027 年上市的口径,对 CNBC 表示客户需求持续增长、数据中心还会继续建。对家 Anthropic 争取 11 月中旬登陆纳斯达克,想在 OpenAI 前面敲钟,其 IPO 估值讨论一个月内从 2 万亿美元一路下修,部分买家最低看到 1.1 万亿。
前一期写过 Ramp 支出数据与估值降温的证据链,本期补上收官一章:钱真的到账了,只是到账部分比原计划少了三分之二。「缩水但仍在涨」是 IPO 前最微妙的信号——一级市场从抢份额变成按进度给钱,把募资入口开到高净值个人,也说明老钱的额度不再无限。两家把「资本市场还愿意给 AI 公司多高估值」变成同一场对赌的两个答案,11 月中旬的纳斯达克会给第一个。
- TechCrunch:OpenAI reportedly raises an additional 1.25 trillion valuation
- The Verge:OpenAI valued at $1.25 trillion, as rival Anthropic nears its IPO
- 量子位:OpenAI新融资到账110亿美元,不及原计划一半
一天 3 万次代码合并,托管平台被 AI 逼到自建
GitHub 11 月 3 日一天记下两起故障,其中一起影响 Git 操作;4 日合并请求服务再出异常。压力来自 AI 的写入频率:Anthropic 每天合并的代码改动从 5 月约 2500 项涨到 9 月超过 3 万项,持续集成任务每天取用代码约 2500 万次——7 名工程师借 Claude 花 5 个月造出内部版本控制系统 Scion,把主代码库整体迁入;OpenAI 的自建 Git 后端 Pando 从 4 月起承接真实流量,一次推送的中位耗时降了近八成。此前报道过的 Pierre 收购补上产品侧:它的客户 Lovable 每周新建仓库超过 800 万个、峰值每秒 250 个,OpenAI 想把这种代码存储能力带进 Codex。SpaceX 旗下的 Cursor 8 月 17 日开放代码托管 Origin 早期测试,当天 GitHub 挂了 7 小时 47 分。GitHub 自己今年新增 400 万个 CPU 核心和 160PB 高速存储,把服务迁往 Azure,重做分支并行写入与读写分离。
瓶颈从「模型会不会写代码」挪到「代码的存储、审查与合并」。这一层基建按人类协作的节奏设计——一次改一个分支、一天合几十次——AI 把写入频率抬了一个数量级,撞上的是架构而不是扩容。写代码的人没有变多几倍,要处理的工作翻了倍:每推送一次,就有一串自动化任务去取代码、跑检查。买(Pierre)、自建(Pando、Scion、Origin)、扩容改造(GitHub)三条路同周开工,下一轮基建竞争正在 Git 层发生。
- 量子位:GitHub不堪重负!OpenAI收购替代品,A社原地自研,马斯克也要搞
- Axios:OpenAI to acquire Pierre
- Anthropic:Redesigning source control
GPT-6 Cyber 明码标价:网安军备竞赛打到「多少钱」
OpenAI 11 月 5 日发布 GPT-6 Cyber,Preparedness Framework 下的网络安全等级从 High 升到 Critical。它就是本周早些时候 948 个 Linux 内核提权漏洞背后的模型:复现 1724 个漏洞、为 948 个生成可用提权 exploit,已向维护者披露 304 个并附候选补丁,另在 Firefox 发现 81 个未知高危漏洞。ExploitGym 拿到 48.5%(上代 32.1%);蜜罐测试里,未加部署指令时 99.93% 的测试没有碰授权范围外的服务,加上指令后本轮零越界。访问仅限获批的 Daybreak Red 客户,IP 白名单、凭证泄露监控、零留存客户走 30 天加密审查通道,配套 10 亿美元补贴防御方。定价据 VentureBeat:比 GPT-5.6 Cyber 输入贵 60%、输出贵约 33%,基础价约为 Anthropic Mythos 5.1 的 2 倍、Google Argon Cyber Permissive 的 5 倍。
三家厂商的网安模型第一次可以直接比价,「会找漏洞的模型」成了各家最贵的 SKU。进攻端卖出溢价,再拿 10 亿美元补贴防御端,OpenAI 把「负责任的网络安全」做成了生意的完整闭环——这正是 TechCrunch「Is that enough?」追问的由来。当 0-day 的发现成本从人年降到天级,攻防两边的账都要重算:买家多付的溢价,买到的是先把漏洞交到谁手里的时间差。
- OpenAI:Introducing GPT-6 Cyber
- VentureBeat:OpenAI launches GPT-6 Cyber with stronger exploit research and higher API price
- TechCrunch:OpenAI released a new cybersecurity model. Is that enough?
十余种物理要素装进一个世界模型,MoWorld 2.0 在昇腾上跑 70 FPS
11 月 4 日乌镇世界互联网大会上,浙大博士生陈天润创办的魔芯科技发布通用 4D 世界模型 MoWorld 2.0:重力、弹力、浮力、光照、柔体、流体、刚体、形塑体、热力等十余种物理要素装进同一个模型,靠物理高斯渲染器和物理/像素/高斯三路多专家预测,推演物体的运动、碰撞与环境变化;生成的场景可导出为 3D/4D 高斯资产,进入游戏引擎、影视制作和机器人仿真平台反复调用。在华为昇腾 NPU 上,实时视频推理从上一代最高 50 FPS 提到 70 FPS,推理成本最低为同规模 GPU 方案的 30%;端侧应用「摸小宠」约 6 亿参数的模型部署在麒麟芯片手机上。魔芯今年完成 5 轮融资共 20 亿元,估值近百亿;英伟达同周在 Hugging Face 发布 Cosmos 3 开放模型,「中国版 Cosmos」的对照系就位。
第二次交卷的看点不在画质在物理:预测对象从像素挪到受力与材质,这决定世界模型能不能当仿真引擎用,而不只是一段视频。国产算力贯穿云端训练、端侧推理、手机渲染的完整链路,是这条路线与其他世界模型团队拉开差异的地方。世界模型从流行词走向第二类基座模型的竞争里,物理建模深度与部署成本是分水岭——能输出受力正确的可复用资产,才进得了仿真与训练的采购清单。