摊开的账本，和算不清的那部分

Anthropic S-1 草稿：上半年净亏 807 亿美元，算力承诺超 6000 亿

《华尔街日报》拿到的 Anthropic IPO 招股书草稿把这家公司过去半年的账本摊开了：2026 上半年营收 163 亿美元，去年同期 11 亿；净亏损 807 亿美元，去年同期 130 亿。亏损里约 720 亿来自可转换票据等融资工具公允价值变动的会计计提，本身不是花出去的现金。

花钱的速度跟营收一样陡：上半年算力和基础设施支出约 90 亿美元，2025 全年这个数字是 73.3 亿。往前看，未来七到十年的云计算协议支出约 4500 亿美元，租赁谷歌芯片超过 1600 亿，基础设施承诺总额已超 6000 亿美元，仍在谈判的部分最多还能再叠 1500 亿。

招股书自己列的风险有两处值得盯。一是客户集中度——上半年约两成营收来自两家客户，且不少大客户没签长期合同。二是责任边界——Anthropic 在文件里警告 AI 造成的损害赔偿金额会超出保险覆盖范围，并提到数据中心的建设正在遭遇越来越有组织的政治阻力。

还有一层没写进数字里的麻烦：AWS、谷歌、微软如今更像把 Anthropic 当竞争对手而不是客户，云容量不够用，公司只能转去租第三方数据中心，又在文件里担心这些运营商”运营历史有限”。三季度营收 168 亿、环比涨 45%，是这份文件里最亮的一行。

编者评： 720 亿的会计计提会被市场很快折掉，真正压在估值上的是那 6000 亿不可撤销承诺——它把风险集中到了几家一边卖算力、一边自己做模型的对手手上。

DeepSeek 把推理引擎开源了，Apache 2.0

DeepSeek 把内部推理框架 DeepInfer 以 Apache License 2.0 放出，这正是支撑其最快、最便宜的 V4.1-Flash 的服务软件：优化过的计算内核、跨芯片分布式处理、更快的文本生成。官方还同步放出一个复刻其官方 API token 处理流程的组件，让自部署的行为跟官方接口对齐。官方给的理由是”帮社区降低算力成本、减少能耗、让 AI 更便宜”，并承诺后续模型代码也会开源。

数字来自社区转述：开发者 Yuchenj_UW 引述 DeepSeek 知乎文章称单个集群每天服务 155 万亿 token、按闲时定价每 GPU 小时产生 38 美元收入；另一条按 97% 缓存输入的假设推出 87.76%–96.94% 的推理毛利区间。vLLM 团队当晚回应，用 Wide-EP 加 EPLB 可以把 decode 性能追到 DeepInfer 的 6% 以内，同样定价下每 GPU 小时 39 美元、200 P90 TPS。

编者评： 同一天，美国国土安全部禁止联邦民用机构使用 DeepSeek 的产品，禁令覆盖关联公司以及”用 DeepSeek 实现构建的第三方服务”，没设清理期限，也没点名任何具体安全顾虑。一手开源、一手被禁，这两件事要放在同一个坐标系里看。

陶哲轩发起一场 AI 数学挑战：算出”第十个判别式”的上界

陶哲轩在博客上挂出一个实验性挑战，接在他 10 月 19 日那篇 Siegel 零点证伪思路和”Math 2.0”演讲之后。他先铺了背景：高斯观察到九个判别式 1、2、3、7、11、19、43、67、163 对应的二次域整数环有唯一分解，并猜想这是完整清单（类数一问题），直到 1952 年才由 Heegner 用 Heegner 点证明。1934 年 Heilbronn 与 Linfoot 用 Deuring–Heilbronn 排斥现象说明这样的判别式最多再有一个，但那个论证是无效的——没给出上界。Goldfeld 在 1976 年补上有效版本，Oesterlé 得到 d ≤ e^7000，后来改进到 d ≤ e^55。

挑战的内容是：拿现在这批关于准黎曼猜想或 Landau–Siegel 零点的新稿子，用 AI 工具算出假想”第十个判别式”的有效上界，不允许动用 Heegner 的方法，并尽力把这个常数压到最小。他允许任意程度使用 AI，只要求披露；不强制 Lean 形式化，但纯 AI 生成的解要用另一个 AI 工具交叉核验。他特意写明这不是比谁快的竞赛，上界很大、看起来”失败”的结果同样是有效信息，还提到 Watkins 在 2004 年已把类数问题解决到 100。

编者评： 有意思的是任务方向——不是让 AI 去证一个未解猜想，而是让它把已知的、人类嫌繁琐的估计显式化。目标已经解决了七十多年，做砸了也不会冲掉别人的研究进度，这种设定比”AI 首次证明 XX”更经得起复核。

thezvi：Anthropic 不明白它的法案草稿为什么 unacceptable

围绕 Anthropic 那份流传出来的联邦 AI 安全法案草稿，Anthony Cimino 给出了目前最接近官方的回应：他是 Anthropic 联邦事务团队负责人，说这份草稿只是把公司几个月来主张的理念翻译成立法语言，发给少数一直在这个议题上工作的国会办公室，并不包含公司最终希望立法通过的全部内容。

thezvi 的回击落在两个层面。程序上，传播一份法案就是在传播”你要什么”，而不是展示”你最理想的方案是什么”；9 月才拿出这样的东西当模板和锚点，本身就是坏信号——说明 Anthropic 对那种即使条款写得很好他也不能接受的妥协，态度大约是”可以”。实体上，他列出四点批评，第一条是联邦优先（preemption）：Anthropic 自 2024 年起就主张只有联邦标准足够强时才可以覆盖州法，且优先权应当”像手术刀一样窄”，而草稿里的取舍并没有换来对等的强度。

编者评： 这份草稿和同一天曝光的 S-1 是同一件事的两面：一边向监管者递模板，一边向投资者数钱。两边都要求外界相信它的判断，而两边给出的具体条款和数字都不算漂亮。

OpenAI 承认：约 4 万个账号的用量上限算错了

Tibo（OpenAI）10 月 20 日在 X 上发文：周末陆续有用户报告用量掉得比预期快，团队查出大约 40,000 个账号存在一处不一致——实际施加的用量上限跟账号所选套餐对不上。这条帖子拿到 11004 赞。

编者评： 这类事故的价值在于它可核验：受影响账号数、错在哪一层、怎么补，都能数出来。相比之下，行业里更多的”效率提升”数字至今没有对照实验。

The Tech Report × Dean Baker：前沿模型正在被企业拒绝

主持人 Isaac Pound 与经济学家 Dean Baker（CEPR）对谈 27 分 53 秒，主题是 AI 行业的支出与收入之间越拉越开的缺口。Baker 举了 Salesforce Dreamforce 上的风向：企业高管表示更愿意用更老、更便宜的模型。Ramp 的数据被拿来佐证——Fable 5 只占 Anthropic 用量的 10%，80% 的需求来自 1% 的客户。

他的判断是开放权重模型会在成本、可控性和隐私三面持续挤压闭源厂商，并给出猜测：绝大多数企业至少在重要工作上都倾向选开放模型。关于泡沫，他把它与房地产泡沫对比——“你需要几万亿美元的收入，谁来付？“——并认为这次的崩塌比房地产泡沫更确定。他更担心的不是灭绝级事件，而是”没有把我们灭绝、但造成巨大损失”的那种：空管、银行。节目末尾还讨论了 hyperscaler 悄悄砍掉三到四成数据中心项目、并把原因推给当地社区反对这条路径。

编者评： 这期对谈的分量不在唱空，而在它把” adoption 在放缓”落到了两条可查的证据上：一场大会上的采购意向，和一份支付数据里的用量分布。

B 站：DeepSeek 发布新开源工具，宣称要大幅砍低 AI 成本

知识搬运工-Coding 用 18 分 47 秒解读 DeepSeek 这次开源，副标题写的是”一个本该平淡的软件更新，为何被开发者称为光明与黑暗之战”。视频梳理了工具的技术原理、它怎么把 AI 使用成本压下来，以及这场价格战对全球 AI 格局意味着什么，素材来源标注为《南华早报》的报道。

编者评： 中文圈对新版发布的第一反应通常是跑分，这条选择先讲成本结构，跟英文社区当天讨论的方向是对齐的。

a16z × Reducto：agent 缺的那一层是文档

a16z 普通合伙人 Jennifer Li 对话 Reducto 联合创始人兼 CEO Adit Abraham。核心判断是：agent 已经能对海量信息做推理，但现实世界的大部分工作还锁在 PDF、表格、扫描件里，模型对这些格式的理解并不可靠，文档层不解决，agent 就接不下医疗、法律、金融、保险里的重活。

具体的技术点：传统 OCR 在真实脏文档上会崩，Reducto 用视觉语言模型配合专门基础设施，在不牺牲成本和延迟的前提下把精度做上去；他特别提到前沿模型在长文档抽取任务上会静默丢信息。访谈录制当天上午，Reducto 处理到了它的第 70 亿页，目前每月处理数十亿页，两人还聊了 Reducto 的 R1 模型。

编者评： “静默丢信息”这五个字是这期最值钱的部分——抽取任务出错时没有报错，只有下游业务会在几周后发现数字对不上。

编者按

这一天的材料有一条清晰的线：账本正在被摊开，但摊开的颗粒度差得很远。Anthropic 的招股书草稿把营收、亏损、算力承诺、客户集中度逐项列了出来，连”两家客户占两成营收”这种不好看的数字也没藏；DeepSeek 开源推理引擎，把成本结构摆到桌面上；OpenAI 承认 4 万个账号的额度算错，给出了能数的账号数。这三类都是可核验的。

另一头是算不清的。Dean Baker 问的那句”谁来付几万亿美元”，到今天没有答案——企业采购意向在往便宜的老模型回流，用量集中在 1% 的客户手里。陶哲轩的做法提供了一种折中：把 AI 派去做人类嫌繁琐的显式化计算，任务本身已经解决、结果可复核、允许失败。thezvi 提醒的另一面是，递给监管者的模板和递给投资者的数字，出自同一家公司，也共享同一种模糊。