30秒看懂

最大变化： AI 的钱第一次大规模流向 GPU 之外——Anthropic 把 116 亿美元的七年期订单给了阿克迈，买的是 CPU 算力，这家老牌内容分发公司盘后涨了约 17%。

最大融资信号： 成立两个月的物理 AI 公司息壤开物投后估值到 5 亿美元；做量子启发模型的清醒异构三个月内融了两轮，累计近亿元。

最值得追踪： 阿克迈要为这笔单子先垫约 55 亿美元资本开支，2027 年才确认 1.5 亿至 3 亿美元收入，这个时间差是本轮 AI 基建账单最直接的观察点。

AI & 市场

Anthropic116亿美元大单，买的是CPU

北京时间 9 月 25 日清晨，老牌互联网基础设施公司阿克迈宣布大幅扩大与 Anthropic 的合作。根据公司向美国证券交易委员会提交的文件，双方于 9 月 18 日签署两份项目计划，Anthropic 承诺七年期、总额约 116 亿美元的支出；交易还留了口子，未来最多可再扩大 90 亿美元，潜在总承诺规模约 200 亿美元。阿克迈将通过旗下云业务的分布式 AI 基础设施与软件，承接 Anthropic 快速增长的 CPU 工作负载需求——CPU 是通用处理器，负责编排、调度这类杂活，与负责矩阵运算的 GPU 分工不同。（来源：阿克迈、财联社）

配套的股权安排信息量更大：阿克迈向 Anthropic 发行认股权证，允许其以每股 111.33 美元的行权价购买无投票权的 B 系列可转换优先股，转换后对应约 770 万股普通股，约相当于阿克迈已发行普通股的 5%，其中约 2% 随 116 亿美元承诺归属，剩余 3% 需要合作再扩大至多 90 亿美元才会兑现。阿克迈预计与这笔承诺相关的资本开支总额约 55 亿美元，2026 年将因此增加约 17 亿美元，用于提前锁定包括内存在内的关键组件，同时表示不改变 2026 年营收指引。消息公布后，阿克迈美股盘后涨约 17%。（来源：阿克迈、财联社、外媒）

这笔钱的时间结构要单独算：服务预计 2027 年下半年才启动，管理层称 2027 年来自这项业务的收入约为 1.5 亿至 3 亿美元，到 2028 年才形成约 17 亿美元的年化收入规模。作为对照，阿克迈二季报的云基础设施服务营收为 9931.9 万美元，同比增长 39%；公司今年早些时候宣布的多个客户多年期云基础设施服务承诺总额超过 28 亿美元。（来源：阿克迈、外媒）

【投黑马点评】
116 亿美元买 CPU，把一条被忽略的线拉到了台面上：智能体跑起来之后，编排、沙箱和工具调用的算力消耗落在通用服务器上，GPU 只负责其中一段。阿克迈换来的是收入结构可能被改写，代价是先垫 55 亿美元资本开支，把成本压在收入确认之前。核心假设需要检验——Anthropic 的 CPU 需求能否撑满七年，取决于调用量的持续增长，签约时的预期作不了数。证伪条件清楚：若 2027 年这项收入落在 1.5 亿美元下沿，或 Anthropic 把负载转向自建与其他云厂商，这笔订单就成了阿克迈一家的沉没成本；认股权证里那 3% 兑不兑现，是最直接的指标。

30年期美债收益率升到5.502%，ARM跌近8%

北京时间 9 月 25 日凌晨收盘，美股三大指数涨跌不一：道指跌 0.31% 报 51349.98 点，标普 500 跌 0.02% 报 7704.13 点，纳指涨 0.01% 报 26939.37 点。美债抛售继续发酵，30 年期美债收益率盘中一度升至 5.502%，创 2004 年以来新高；美国财政部当日 440 亿美元 7 年期国债中标收益率达 5.085%，创 2009 年恢复发行以来最高，显示需求不及预期。货币市场已完全定价未来一年美联储加息三次。（来源：财联社）

个股分化明显：存储与 Arm 架构链走弱，ARM 跌 7.88%，西部数据跌近 5%，闪迪跌逾 3%，甲骨文跌 3.47%；Meta 涨 4.5% 创去年 9 月以来新高，英特尔涨 3.91% 创 7 月以来收盘新高，礼来涨 2.68%，台积电涨 1.03%，英伟达跌 0.41%。纳斯达克中国金龙指数跌 0.67%，百度跌 1.89%。（来源：财联社）

【投黑马点评】
折现率正在接管 AI 定价：当 30 年期无风险收益率回到 5.5%，远期现金流的折价会先砍掉兑现最晚的那部分，ARM 跌近 8% 与甲骨文盘中一度跌超 7% 都发生在故事较长的板块。这次与去年几次回调的差别在于触发点，通胀与加息预期由宏观数据触发，AI 需求本身尚未出现可见裂缝。要区分两者，看三个先行指标：四季度存储合约报价、主要云厂商下一份季报的资本开支指引是否上修、以及通胀数据能否让加息预期回落。若资本开支指引继续上修，这次下跌仍属于估值层面的调整。

中美经贸磋商机制下首次就人工智能对话

9 月 24 日下午，商务部例行新闻发布会上，新闻发言人何亚东介绍，中美两国经贸团队近日在美国纽约举行第八轮经贸磋商，围绕落实已有经贸磋商共识、对等降税安排、建立贸易理事会和投资理事会、吉隆坡经贸磋商联合安排延期等议题达成多项共识。何立峰副总理与贝森特财长作为中美各自牵头人，在中美经贸磋商机制下就人工智能进行了首次对话。中方表示下一步将在该机制下就后续工作保持密切沟通。（来源：商务部、央广网）

【投黑马点评】
对 AI 企业而言，可观察的落点是规则边界能否变清晰：芯片与云服务的跨境供应、模型与数据的合规要求一旦有了沟通渠道，企业做长期产能与采购决策时的不确定性会下降。目前公开信息只到「首次对话」与「保持沟通」，还没有清单、时间表或具体安排，把它当作订单或放松的信号都过头了。真正的验证点是后续是否出现具体议题的联合安排与可执行的细则。

商业科技

英特尔联手阿里云，把浏览器压瘦30%

云栖大会现场，阿里云终端智能与英特尔宣布围绕浏览器引擎优化、硬件加速及云端高密度部署展开合作，共同推动 Agentic Browser 在智能体场景中的规模化应用。双方基于官方 Chromium 技术体系，对 Blink、V8 等核心引擎做轻量化优化，并结合至强处理器、AVX-512 指令集以及 IAA、QAT 等硬件加速器，降低浏览器运行时的内存与 CPU 开销，联合优化方案可减少约 30% 的内存开销。（来源：英特尔、科创板日报）

这套做法的背景是并发规模：传统浏览器在海量智能体同时调用时内存占用过高。阿里云依托弹性计算与高密度调度能力，把轻量级浏览器部署成面向海量智能体的云端执行集群，并融合智能体与 RPA 双引擎、工作流自动沉淀及多层风控机制。阿里云已推出超过 117 种基于至强 6 处理器的云实例类型，其中超过 50 种已用于智能体 AI 场景；双方还共同打造了基于至强 6 处理器的磐久第九代服务器。（来源：英特尔、科创板日报）

【投黑马点评】
智能体要大规模办事，浏览器就是它接触真实网页的那双手，谁把每只手的内存成本压下去，谁就掌握了单位调用的成本曲线。这里真正的技术难点在网页结构的不确定性与反爬对抗，省下的 30% 内存能否转化为同等比例的调用成本下降，还要看实际并发下的稳定性。值得追踪的是两个数字：单智能体平均内存占用能否持续下降，以及阿里云是否公开这类云端浏览器的调用量与定价。若只有优化比例而没有定价与规模，这次合作仍停留在工程层面。

智元交付第2万台机器人，主题乐园同步开园

9 月 24 日，智元第 20000 台通用具身智能机器人远征 A3 Ultra 在横琴长隆飞船乐园下线并交付长隆集团。同日，由智元与长隆集团打造的全球首个大规模具身智能主题乐园启幕，超过 300 台智元全系机器人在园区常态化上岗，覆盖文娱商演、科普研学、导览导购、零售服务、智能伴游、酒店服务与体育竞技七类场景。远征 A3 Ultra 身高 174 厘米，采用镁合金与碳纤尼龙混合机身，搭载 360 度全域感知系统、UWB 与 RTK 融合定位系统及 700 TOPS 算力平台，双臂为 20 自由度全向触觉灵巧手。（来源：智元、环球网）

量产节奏是这条新闻里更硬的信息：智元 2023 年只有 6 台原型样机，2024 年 8 月启动规模化量产，2025 年 1 月突破 1000 台，同年底达 5000 台，2026 年 3 月跨越万台，6 月突破 15000 台，到 9 月 24 日达 20000 台，从一万台到两万台用时约六个月。同日揭牌的还有「具身智能文旅联合研究院」，智元、长隆与中国移动联合发布了面向文旅场景的大规模 5G-A 具身智能应用。（来源：智元、IT之家）

【投黑马点评】
两万台这个数字证明的是制造与交付能力，还不能证明单机经济账。文旅场景的好处是容错高、人流稳定，风险也在这里——游客互动与商演对可靠性的要求低于工业产线，日常运维与故障率数据如果公开，才是这个行业真正的关键指标。证伪条件是：若 300 台机器人在半年内出现明显的上岗率下滑或运维成本外溢，这条路径就需要重新定价；反之若单机日均服务人次与可用率能持续披露，具身智能就有了第一批可比的运营数据。

Meta涨4.5%创新高，掌上AI设备12月前上市

9 月 24 日美股收盘，Meta 涨 4.5%，创去年 9 月以来新高，公司发布掌上 AI 设备 Muse Charm。这款设备约手掌大小，配备约 2 英寸 OLED 触摸屏与 5G 调制解调器，运行为 Muse 助手设计的新操作系统，支持指纹解锁、音乐与视频播放及拍摄，用户可自定义虚拟 Muse 角色的外观、服装与声音，可通过腕带、挂绳或口袋携带，不支持打电话。Meta 计划在 12 月前上市，售价尚未确定。（来源：上海证券报、财联社）

【投黑马点评】
Meta 这次赌的是「AI 需要一个独立入口」，把助手从手机 App 里搬出来。风险很直白：2014 年以来的独立 AI 硬件大多倒在功能可被手机替代这一关，Charm 目前公开的卖点是角色自定义与随时唤起，都算不上护城河。判断它能不能成，看 12 月上市时的定价是否低于 300 美元、以及首季度激活设备的留存率。若定价贴近智能手表且留存数据不公开，这就是一次品牌展示。

融资快报

息壤开物成立两个月，投后估值5亿美元

深圳息壤开物科技连续完成种子轮及天使轮融资，累计金额达数亿元，投后估值 5 亿美元，折合人民币约 35 亿元。两轮由敦鸿资产领投，华控基金、三花控股、银杏谷资本、泽然资本、本坚基金、天使基石、标朴投资等机构参与。资金主要用于物理 AI 模型的规模化预训练、真实物理交互数据建设、研发人才引进与场景验证。公司 2026 年 7 月成立，产品体系分三层：底层物理基础模型、行业领域模型、面向分拣与柔性装配等具体任务的应用模型。（来源：科创板日报）

创始人兼 CEO 李寅毕业于清华大学自动化系，曾任华为云大模型 CTO 与华为云行业大模型开发部部长；联合创始人兼首席科学家张含望为南洋理工大学人工智能校长讲席教授。公司称自身定位在给机器人与物理场景提供模型、数据和训练工具，机器人本体交给整机厂。（来源：科创板日报）

【投黑马点评】
成立两个月拿到 5 亿美元投后估值，定价的对象是团队与方向，客户、订单和收入都还没有公开。5 亿美元这个数字对应的隐含要求是下一轮估值继续上行，而物理基础模型的验证周期长，数据建设是持续的现金消耗。观察两点：一年之内是否出现第一个可披露的付费客户，以及第二轮融资的估值与这一轮的差距。若只有估值递进而没有场景收入，这个定价就要被重新审视。

清醒异构三个月融两轮，19亿参数对标大模型

北京清醒异构科技完成近亿元 A+ 轮融资，由晶凯资本、安徽高新投、徐汇资本、道得投资、励石投资、中咨私募基金、森蓝光学、泾东集团创始人联合投资；连同此前 A 轮，公司三个月内完成两轮，累计近亿元。公司 2021 年由清华大学计算机系校友余腾带队创立，早期做异构算力下的 AI 系统软件，2025 年起把重心转向量子启发的大模型方向。（来源：投资界、科创板日报）

其量子启发视觉语言模型 RiverONE 在构建阶段用模拟量子计算生成参数，训练完成后直接在经典 GPU 上推理，不需要量子计算机实时参与。第三方测试显示，在量子校准图表理解这一特定任务上，RiverONE 以不足对比模型十分之一的 19 亿参数量，达到英伟达 Ising Calibration 1 至少 95% 的表现。产品已完成对 AMD、壁仞、沐曦、龙芯等多类算力硬件的适配。（来源：投资界、科创板日报）

【投黑马点评】
19 亿参数在特定任务上接近大模型表现，说明参数效率这条路线还有空间，也说明单一任务对比与通用能力之间隔着距离。量子启发目前的价值是把生成参数的方式换了一种，落地仍要回到经典硬件上的推理成本。接下来看两件事：私有化部署能否签下行业客户，以及模型能力能否从图表理解这类窄任务扩展到通用场景。若一年后仍以单点任务对标为主要卖点，公司的天花板就会被限定在垂直工具。

今日信号

信号： AI 的账单正在从 GPU 往外扩，扩到的地方先涨，付账的人要等两年。

追踪方向： 阿克迈 2027 年这项业务收入能否触及 1.5 亿美元，认股权证里那 3% 会不会兑现；智能体云端浏览器的单调用成本与定价何时公开；息壤开物与清醒异构在一年内的首个付费客户与下一轮估值。

研究导航

今日最值得继续回答的问题： 当智能体的算力消耗从 GPU 扩散到 CPU、内存与网络，这一轮基建扩张里，哪家公司能把订单转成自由现金流，谁又只能先垫资本开支？

── 投黑马研究团队

30秒看懂

最大变化： 中国大模型第一次不靠卖词元赚钱，改在别人的云上按调用量分成收租。

最大融资信号： 半年亏 10 亿美元的英国算力公司 Nscale 递交招股书，目标估值 350 亿美元。

最值得追踪： 智能体数量四年要涨 40 倍，而制造、医疗、能源进入核心业务闭环的比例现在还是 0%。

AI & 市场

Kimi分成模式落地，中国模型首次向海外云收租

9月21日，月之暗面向媒体确认，其与海外云厂商的收入分成模式正式落地：开源大模型 Kimi K3 已于 9月18日登陆亚马逊云科技的企业级模型平台 Amazon Bedrock，由云厂商在自己的平台上架模型、按调用量与月之暗面分成，这是中国大模型公司第一次以分成模式向全球头部云厂商输出模型能力。（来源：亚马逊云科技、每日经济新闻）

分成比例至今没有公布。智谱此前在电话会上披露，已与多家国内外头部云服务商签署收入分成协议，相关收入将在 10 月开始确认，公司随即将年末 ARR 指引由 24 亿美元上调至 30 亿美元。（来源：每日经济新闻、上海证券报）

Kimi K3 是 2.8 万亿参数的开放权重模型，支持 100 万 Token 上下文与原生视觉输入，也是 Amazon Bedrock 上首个支持显式提示词缓存的开放权重模型；此前它已上架阿里云百炼，月之暗面也与中国 IT 服务商中软国际就词元收益达成过类似协议。（来源：亚马逊云科技、观察者网）

【投黑马点评】
把模型交给别人的云去卖，等于把海外扩张的成本换成对渠道的让利。这套算法的前提，是调用量能跟着云厂商的存量客户一起放大；难点在议价权，分成比例至今没有公布，而云厂商一边握着渠道、一边握着自研模型，模型越容易被替换，分成比例就越难守住。可验证的节点在 10 月，智谱把分成收入确认的时间就放在 10 月，届时看这笔钱是长期经常性收入还是一次性结算。

Nscale递交招股书，目标估值350亿美元

英国算力公司 Nscale 已向美国证券交易委员会递交 S-1 注册声明，拟在纽交所上市，外媒披露的目标估值约为 350 亿美元。招股书显示，公司上半年营收 1.406 亿美元，净亏损 10.2 亿美元，收入成本 1.896 亿美元，毛利为负。（来源：外媒）

公司 2024 年初从一家加密货币挖矿业务分拆而来，今年 3 月以 146 亿美元估值融资 20 亿美元，累计股权融资 37 亿美元、债务融资超过 50 亿美元。9 月 15 日，英伟达以无担保可转换贷款票据的形式向它支付 31 亿美元；英伟达同时是它的 GPU 供应商、算力租赁客户，还为一处得州设施的 8.6 亿美元租赁义务提供担保。（来源：外媒）

客户名单上，Nscale 与 Anthropic 签下六年 450 亿美元容量合同，与微软签下至 2033 年价值 440 亿美元的长期协议。招股书同时提示，管理层曾对公司能否「持续经营」存在重大疑虑。截至 8 月底，公司在运容量 55 兆瓦，另有 1.3 吉瓦在建设中。（来源：外媒）

【投黑马点评】
公开市场第一次要给这类算力资产定价，参照物是它自己的合同储备：564 亿美元剩余履约义务、1.3 吉瓦待建容量，以及英伟达既供货、又放贷、又担保的三重身份。要质疑的正是这套循环，收入依赖少数客户，扩张依赖尚未到位的融资，招股书自己把「持续经营」写进了风险提示。350 亿美元估值里有多少来自算力稀缺、多少来自英伟达的信用背书，是挂牌后最容易被重新定价的部分。

智能体四年涨40倍，三个行业闭环仍是0%

9月21日，IDC 与浪潮信息联合发布《2026年中国人工智能计算力发展评估报告》。报告显示，中国活跃智能体数量将从 2026 年的 495 万个增长到 2030 年的 1.97 亿个，复合年均增长率 151.2%；同期中国词元消耗量的复合年均增长率为 3499.3%。（来源：IDC、浪潮信息）

算力侧，2026 年中国智能算力规模预计达到 2576.5 EFLOPS，同比增长 87.9%，2030 年将升至 10524.3 EFLOPS，2025 至 2030 年复合增长率由上一版的 46.2% 上调至 50.3%。报告预计全球算力需求满足率将从 2024 年的 79% 降至 2027 年的 71%，2030 年也仅回升至 77%。（来源：IDC、浪潮信息）

落地环节则明显不均，代码开发与办公任务已进入规模化应用，制造、医疗健康、能源电力进入核心业务闭环的比例仍是 0%；运营商有 70.0% 的业务流程接入了智能体，进入核心业务闭环的只有 3.3%。城市排名中，北京、杭州、深圳位列前三，深圳由上一版的第四升至前三。（来源：IDC、浪潮信息）

【投黑马点评】
这份报告里最值钱的数字是那个 0%：智能体在结果能验证的场景先跑通，在安全责任和物理约束卡住的场景还停在试点。明年此时看两个数字，运营商核心业务闭环的比例能否越过 5%，制造与医疗能否出现第一个可对外披露的案例。

商业科技

黄仁勋称AI末日概率为零，反对新增监管

当地时间 9 月 20 日，英伟达首席执行官黄仁勋在一档播出的电视采访中回应「AI 可能在本世纪末毁灭人类」的说法，称这类预测没有科学依据，「2030 年不会是世界末日，发生世界末日的概率为零，吓唬民众毫无必要」。（来源：外媒）

他同时反对为 AI 增设新法规，认为美国现有的产品责任与网络安全法律已经够用，并称部分实验室呼吁监管的诉求实际是摆脱现有法律的约束。这番表态针对的是 9 月初一位前 Anthropic 研究员的公开警告，后者称 AI 开发者「真心相信 AI 可能在本世纪末杀死所有人」，帖文浏览量超过 1.7 亿次，随后 Anthropic 与 OpenAI 两家公司的首席执行官先后呼吁放慢开发速度。（来源：外媒）

对数据中心引发的社区争议，黄仁勋承认行业在建设初期沟通不足，称新型数据中心采用热循环水冷却，耗水量远低于公众印象。英伟达目前市值约 5.3 万亿美元。（来源：外媒）

【投黑马点评】
把安全说成工程问题、把新增法规说成多余，是卖算力的人最容易得出的结论，也是他最需要被追问的位置：英伟达的市值建立在算力需求继续翻倍之上，而「末日概率为零」这句话既无法被验证，也无法被证伪。能拿来检验的只有两件事，各国监管从自愿框架转向强制审计的进度，以及这次公开表态之后，行业里的减速共识还剩多少约束力。

判断模型Jev开放，输出Token免费

9月21日，TypeSafe AI 宣布其判断模型 Jev 向所有用户开放，取消候补名单，注册即赠 5 美元额度，按官方定价折算约 1.2 亿 Token。该模型不做聊天、不写代码，只接收状态与问题，返回可被程序直接调用的结构化判断及概率。（来源：TypeSafe AI、外媒）

定价是它最反常的地方，每百万输入 Token 收 0.042 美元，输出完全不收费。官方称它在自动化工作流任务上比现有大语言模型快 193.6 倍、成本低 444.6 倍，端到端延迟 70 至 500 毫秒。第三方侧，Vercel 称该模型接入其 AI Gateway 后 24 小时内被近 13% 的付费团队调用，处理速度较原有方案提升 5 至 18 倍；需求集中涌入期间，其 API 一度无法正常响应。（来源：TypeSafe AI、外媒）

公司此前隐身两年，9月15日才正式亮相，同时公布由 DCVC 领投的 4000 万美元种子轮融资，Jev 由 ChatGPT 联合创始人迪奥戈·阿尔梅达主导开发。（来源：外媒）

【投黑马点评】
判断层的价格战比对话层更狠，输出免费等于只按输入计价，抢的是工作流里的默认位置。留个心眼，官方那组 193.6 倍与 444.6 倍都是自报口径，跨模型比较前先在自己的负载上实测。

宇树灵巧手卖3.99万元，单手22个自由度

9月21日晚间，宇树科技发布五指灵巧手 Dex5-S，售价 3.99 万元起，采用与真人手 1:1 的尺寸设计，单手 22 个自由度，22 个电机均可直驱、反向驱动并双编码控制，新增小拇指 roll 自由度，铝合金外壳，单只重 620 克。（来源：宇树科技、证券时报）

负载上，单手持续作业负载 1 公斤、最大负载 2 公斤，每个关节内置极限冲击力矩保护；标准版与 Pro 版起步价一致，Pro 版增加触觉感知。官方演示视频中，它完成了拿取勺子、用剪刀裁纸、抛接柠檬等动作。（来源：宇树科技、中国基金报）

【投黑马点评】
灵巧手的价格压到 4 万元以内，人形机器人的成本瓶颈正从关节挪到手上，一只灵巧手在整机成本里的占比往往接近两成。要盯的是量产交付能不能跟上，以及这只手有没有进入外部整机厂的采购清单。

融资快报

芯驰完成C+和C++轮，年内融资约10亿元

9月21日，车规级芯片企业芯驰科技宣布完成 C+ 与 C++ 轮融资，加上今年 5 月的近 1 亿美元 C 轮，公司 2026 年 C 轮系列融资合计约 10 亿元人民币，本轮投资方包括华登科技、陕投基金、陕西金资与新时代资本。（来源：芯驰科技、中国证券报）

芯驰科技成立于 2018 年，产品覆盖智能座舱 SoC、网关处理器与高性能 MCU，截至 2026 年 8 月全系列车规芯片累计出货超过 1400 万片，搭载车型超过 150 款，覆盖国内 90% 以上主机厂。公司今年 4 月把战略方向从汽车智能延伸到通用智能，对外提供覆盖大脑、小脑、躯干、关节的具身智能全栈芯片方案，相关产品已进入头部具身智能公司并实现量产。（来源：芯驰科技、科创板日报）

【投黑马点评】
车规芯片的估值依据正在换挡，上车的出货量与市占率是已经兑现的事实，具身智能全栈方案还是预期。要盯的是跨场景迁移的成本，车规的验证周期与机器人的迭代节奏并不兼容，谁先跑通共用一套 IP 的设计流程，谁才拿得到下一轮溢价。

行云集成融近8亿元，宁德时代产业资本领投

9月21日，云岫资本披露，全自研 GPGPU 企业北京行云集成电路完成新一轮近 8 亿元人民币融资，由宁德时代通过旗下产业投资平台溥泉资本及自有资金领投，春华资本、基石创投等机构跟投，资金将用于产品工程化、供应链准备与客户交付。（来源：云岫资本、科创板日报）

行云集成成立于 2023 年 8 月，聚焦大模型推理场景，走的是绕开高成本 HBM 的差异化显存路线，改用 LPDDR、NAND 等介质替代显存，通过多颗粒、多通道并行设计实现 TB 级带宽。其首代产品褐蚁一体机已落地 DeepSeek 本地化部署场景，自研 GPGPU 芯片预计 2026 年推出。（来源：云岫资本、同花顺财经）

【投黑马点评】
电池龙头把钱投进推理芯片，看中的是数据中心与储能共用的那条电力曲线，这笔投资的产业意义大于财务意义。风险同样直接，不走 HBM 的显存方案能不能在真实负载下守住带宽，要等芯片流片和客户实测给出答案。

今日信号

信号： AI 的收入方式在这一天分成两路，模型端开始按调用量分成收租，算力端还在靠股权、可转债和担保把规模撑起来。

追踪方向： 一是 10 月智谱分成收入确认的口径，看它进的是经常性收入还是一次性结算；二是 Nscale 的挂牌定价与首份财报，验证算力资产在公开市场能给到多少倍合同储备；三是 IDC 报告里那个 0%，看制造、医疗、能源明年能否出现第一个进入核心业务闭环的案例。

研究导航

今日最值得继续回答的问题： 按调用量分成这种「收租」模式，究竟能替中国大模型公司解决出海问题，还是只是把定价权从自己手里换到了云厂商手里？

── 投黑马研究团队

Positron AI用8.75亿美元融资把「内存优先」推上推理芯片主赛道。50亿美元估值提前计入了流片、量产、软件迁移与客户交付四重预期，资本买下的是一条仍待工程兑现的非HBM路径。

一、8.75亿美元里，藏着三层不确定性

Positron AI融资需要先辨认资金结构。2026年9月10日，公司宣布完成C轮融资，投后估值50亿美元。资金由3.75亿美元C轮和最高5亿美元C-1轮组成，前者按照35亿美元投前估值定价，后者由NEA与Silicon Graphics、Netscape创始人Jim Clark领投。

这笔交易的第一处异常，是headline与到账口径存在距离。公司把两部分合称8.75亿美元融资，同时用「最高5亿美元」描述C-1轮。投资者在阅读总额时，应把已完成定价、资金承诺上限和实际可用现金分开，不能默认全部资金已经无条件到账。

第二处异常是估值速度。Positron在2026年2月完成2.3亿美元B轮，当时投后估值超过10亿美元。七个月后，公司给出的估值升至50亿美元。同期主要经营进展包括Atlas进入Oracle Cloud Infrastructure的50多个机架部署，以及下一代Asimov芯片与Titan系统路线进一步明确。

第三处异常更关键：承担50亿美元估值的主角仍在量产之前。Asimov计划于2026年底采用台积电N3P工艺流片，量产目标落在2027年下半年。公司本轮资金将覆盖流片、2兆瓦以上工程数据中心、仿真平台、LPDDR5X供应承诺和Titan生产爬坡。资本已经按平台级公司定价，工程兑现仍隔着流片成功率、软件适配、供应链和客户验收。

本文的母命题由此确立：Positron获得高估值，核心依据是「内存优先」架构可能把推理的容量与能耗约束转化为系统优势；这项优势目前拥有一代产品验证，尚未获得下一代芯片的量产验证。

二、推理为什么需要另一种内存答案

训练与推理，对硬件提出两套问题

训练关注矩阵计算和参数更新，推理关注模型如何以可接受的成本、延迟和功耗服务用户。两类负载对算力与内存的配置要求并不相同。

模型响应请求时，需要读取权重、处理中间状态，并保存长上下文产生的KV缓存。参数量、上下文窗口和并发请求上升时，芯片经常等待数据搬运。权重和缓存不能及时送达，理论峰值就无法转化为用户速度。

HBM用高带宽缓解这一问题，也带来容量、封装、供应和成本压力。GPU平台同时提供计算、HBM、高速互连和成熟生态，适合灵活运行多类模型。长期承载大模型、长上下文和高并发时，部分通用能力可能形成昂贵冗余。

Positron选择重新分配芯片预算。公司称，Asimov围绕内存容量与有效带宽设计，使用通用LPDDR5X，单芯片内存为288GB至2,304GB。Titan由4颗或8颗Asimov组成，最高提供18.4TB直接连接加速器的内存，以更大容量减少跨节点通信和数据搬运。

Positron当前交付的Atlas使用8颗Archer加速器，每颗配有32GB HBM，整机另有DDR5系统内存。「绕开HBM」主要对应下一代Asimov与Titan。Atlas可以证明团队拥有系统交付经验，无法直接证明LPDDR5X路线已经量产成功。

公司押注的窗口，是长上下文带来的容量账单

智能体任务需要保存长上下文、工具调用记录和中间结果，混合专家模型还要动态调度不同专家权重。容量、带宽、延迟和能耗由此共同进入采购决策。

Positron宣称Asimov可以在不依赖HBM和CoWoS先进封装的条件下获得可比的实际带宽，并提供更高内存容量。该说法目前来自公司材料。Atlas网站展示的性能比较同样由公司完成：在指定Llama 3.1 8B、BF16条件下，Atlas公布的每用户生成速度、单位功耗和单位成本优于DGX H200。外部科技媒体明确提醒，这组结果仍缺少公开、可复现的独立第三方验证。

推理容量问题已经进入真实采购环节，Oracle环境中的50多个Atlas机架提供了一项生产部署信号；Asimov的性能、良率、软件稳定性和总体拥有成本，仍需流片及量产数据回答。

三、投资人结构：芯片老兵、重仓客户与产业入口同时入场

NEA与Jim Clark：把系统公司经验带进董事会

本轮名单里有一条Silicon Graphics线索。Jim Clark创办了Silicon Graphics和Netscape；NEA的Forest Baskett曾任Silicon Graphics研发高级副总裁兼首席技术官。两人的经验集中在高性能计算、系统架构和技术公司规模化。

Forest Baskett、Jim Clark办公室的Thomas Jermoluk将进入Positron董事会。新资金同时关注流片与系统交付，考察公司能否把芯片、服务器、软件、云部署和客户支持组织成完整产品。专用芯片创业最容易低估的工作往往发生在芯片之外：编译器覆盖、模型兼容、机架稳定性、供应计划与售后响应都会决定客户是否扩大采购。

NEA在C轮与C-1轮连续领投，为后续资本和组织扩张提供主轴；Jim Clark的加入为专用计算平台建立生态增加了历史参照，也能帮助董事会识别系统级公司常见的扩张错误。

Atreides、Valor与Andra：为量产前风险提供大额资本

Atreides Management和Valor Equity Partners已经参与Positron此前融资，并在本轮继续领投。持续加注意味着老股东已经看到更多内部经营资料，至少愿意用更高价格承担流片与产能风险。

Atreides的Gavin Baker进入董事会，强化了资本市场与半导体研究能力。Andra Capital和DFJ Growth等机构补充成长资本。本轮资金覆盖流片、工程数据中心、内存供应与生产爬坡。投资人的判断很可能是：等Asimov量产、客户扩单和软件成熟全部得到证明后，进入价格会显著提高。

这套逻辑也带来责任边界。大额融资可以降低公司短期资金中断风险，无法消除芯片延期、规格变化或量产良率问题。2月公告曾把Asimov生产目标放在2027年初，9月公告改为2027年下半年。时间表已经出现移动，后续每个工程节点都应被单独跟踪。

SemiAnalysis、交易机构与产业资本：研究、使用和分发形成闭环

SemiAnalysis创始人Dylan Patel以投资人身份参与领投并进入董事会，这是一项少见安排。SemiAnalysis长期研究AI芯片、集群与推理经济性，理论上能为产品定位、竞争基准和客户需求提供高密度判断。与此同时，研究机构负责人持有被研究公司的经济利益，也要求市场在引用其相关分析时核对利益披露，保持信源独立性。

客户型资本同样突出。Jump Trading曾领投B轮，Hudson River Trading加入本轮。量化交易对延迟、突发负载、能耗和基础设施稳定性要求极高，这类机构参投可以提供真实工作负载和严格反馈。它们的股权投资不能自动等同大额采购订单，仍需观察部署规模、续购和可公开的性能结果。

Cisco Investments、Naver Ventures与VentureTech Alliance代表网络、平台和半导体生态入口。Arm在B轮已经作为战略投资者加入。产业资本覆盖处理器架构、网络、云服务和终端客户，有助于Positron缩短适配与分发路径。名单也提示了公司当前需求：它需要的资源远超一颗芯片，还包括内存供应、网络协同、软件生态、云渠道和首批高要求客户。

四、护城河：产品验证快于量产验证

Positron现阶段最强的资产，是Atlas已经进入生产环境。公司称，Oracle Cloud Infrastructure部署超过50个Atlas机架，Parasail使用这些容量提供推理服务，其他生产客户包括Jump Trading与i3d.net。与只有设计图和仿真结果的芯片项目相比，现有交付让团队提前积累服务器制造、模型适配、故障处理和客户支持经验。

第二项潜在壁垒是软硬件共同优化。Atlas和未来Titan都通过Positron推理引擎向客户提供服务。若公司能保持OpenAI兼容接口、支持主流模型，并把调度、并行、量化和缓存优化沉淀到软件层，客户迁移成本会逐步上升。硬件效率会随竞品更新被追赶，稳定的软件栈和生产记录更难快速复制。

第三项潜在壁垒是容量路线。Asimov把单芯片大内存放在架构中心，适合超大模型、长上下文和混合专家推理。若客户能用更少节点运行同一模型，网络通信、机架功耗和运维复杂度都可能下降。这项优势必须用端到端成本验证，单看内存容量无法判断吞吐、首Token延迟、并发效率和服务可用性。

最强反方来自成熟GPU平台和其他专用推理芯片。NVIDIA拥有CUDA生态、供应链、开发者习惯和完整网络方案；AMD、云厂商自研加速器、Groq、Cerebras、Etched等公司也在争夺推理工作负载。LPDDR5X容量较大，原始带宽通常低于HBM。Positron需要用架构、并行方式与软件调度弥补差距，还要证明大容量在客户真实模型中能够转化为收入价值。

护城河的失效场景有三种：Asimov流片或量产继续延期；公司性能优势只在少数模型和批量设置下成立；客户为了软件兼容和供应确定性接受更高GPU成本。任何一项长期发生，50亿美元估值所包含的平台预期都会被削弱。

五、这轮融资照亮的三个早期机会

Positron本轮直接投资窗口已经明显收窄。早期资本更适合寻找围绕「内存决定推理经济性」形成的新工具与基础设施。

机会一：KV缓存与多层内存调度

长上下文和多轮智能体任务会迅速扩大KV缓存。创业公司可以围绕缓存压缩、跨GPU或跨节点迁移、CXL内存池、冷热数据分层和请求级调度建立产品。可投资主体包括推理运行时、内存虚拟化软件、CXL控制器和内存互连团队。

观察信号包括：客户能否在相同回答质量下减少显存占用；产品能否跨NVIDIA、AMD及专用芯片运行；收费是否与节省的计算和内存成本挂钩。跨硬件适配越强，独立平台价值越高。

机会二：异构推理的软件迁移层

客户愿意尝试替代芯片，常被模型兼容、算子覆盖、监控工具和故障切换拦住。面向多种加速器的模型编译、自动性能调优、统一服务接口和跨平台回退机制，可能成为专用芯片扩张的共同入口。

可投资主体包括编译器工具链、推理编排平台、模型可移植性测试和多云容量路由公司。观察信号是模型迁移时间、未支持算子比例、故障回退成功率，以及客户是否愿意为避免单一硬件绑定持续付费。

机会三：独立推理基准与产能风险工具

厂商常用不同模型、精度、批量、延迟目标和功耗边界展示优势，单一数字难以直接比较。市场需要能够按客户真实负载测量首Token延迟、生成速度、并发、能耗、可用性与总成本的中立工具。芯片融资规模扩大后，采购方和资金方还需要把流片、良率、交期和产能承诺纳入同一套风险评估。

可投资主体包括基准测试平台、芯片云试用平台、供应链数据服务和算力风险管理工具。观察信号包括结果能否重复、数据是否覆盖生产故障，以及收入是否具有长期订阅属性。

六、黑马判断：先给工程兑现打折

给一级市场投资者

Positron AI融资确认专用推理芯片已进入大额成长资本阶段，直接跟投需要对50亿美元估值进行严格折现。尽调应拆开C轮与C-1轮实际到账、Asimov流片进度、晶圆与LPDDR5X采购承诺、Atlas收入质量和客户集中度。更有左侧空间的标的位于内存调度、异构迁移和独立基准层。

给二级市场投资者

这笔融资提供的是行业需求信号，不能直接推出某家上市公司的确定性损益。可跟踪HBM、LPDDR5X、先进封装、服务器、网络和云平台的订单结构，重点判断替代路线带来新增市场还是份额迁移。专用推理芯片扩张也可能促使现有GPU厂商调整产品组合和价格。

给创业者

硬件团队应先证明一个足够窄、足够昂贵的工作负载，再扩大平台边界。软件团队可以帮助客户减少迁移成本、提高硬件利用率或建立真实负载基准。采购方关心的终点是稳定服务一个请求所需的总成本，产品叙事应围绕可复现的客户结果展开。

四项主要风险

商业化周期风险：Atlas已经部署，公开收入、订单、毛利率、续购率和客户集中度仍未披露。机架数量不能直接等同高质量收入。

竞争加剧风险：GPU平台、云厂商自研芯片和专用推理公司都在争取相同预算，客户可能采用多供应商策略压低价格。

技术替代风险：模型架构、量化、稀疏计算和上下文压缩会改变内存需求；若软件优化显著降低容量压力，Asimov的大内存优势可能收窄。

制造与治理风险：流片、良率、内存供应、系统集成和量产爬坡均可能延期。研究机构负责人同时担任投资人和董事，也要求外部读者对相关性能分析进行独立交叉验证。

证伪条件

以下事实会强化本文判断：Asimov按计划完成流片并公开可复现结果；Titan在2027年下半年进入量产；Oracle环境扩大部署；更多独立客户公布续购与总体拥有成本；软件兼容范围覆盖主流模型，并能在不同负载下保持稳定优势。

以下变化会迫使我们下调结论：C-1轮资金长期未达到公告上限；量产时间继续后移；公开基准无法被第三方复现；Atlas部署没有转化为持续收入；客户仍需为兼容性保留大规模GPU冗余；LPDDR5X路线在带宽、功耗或良率上未达到系统目标。

Positron已经用Atlas证明专用推理系统可以进入生产环境。8.75亿美元把下一道门槛抬高到芯片量产和规模交付。接下来决定50亿美元估值质量的，是Asimov每一个可核验的工程节点，以及客户愿意为真实成本优势持续支付的金额。

推理市场仍会容纳多种硬件。Positron争夺的关键位置，是大模型越来越吃内存时，客户能否用一条更宽、更省电的路线承载需求。这条路线已经获得资本通行证，产品通行证还要等流片、量产与订单共同签发。

── 投黑马研究团队

免责声明：本文基于Positron AI、NEA、Oracle相关公开资料及独立媒体报道进行研究与评论。公司公布的性能、客户和产品路线数据未经投黑马独立审计，仅供行业交流，不构成任何投资建议。早期项目具有高不确定性，相关信息与判断可能随融资交割、流片进度、市场变化和公司后续披露调整。

一家芯片公司把核心技术授权给对手、让出创始人团队后，还能值多少钱？Groq 用 35 亿美元给出了答案：市场买下的，已经是推理层的运营能力与 600 万开发者的入口。AI 算力的定价权，正在从「造芯片」转向「运营算力」。

一、这笔融资为什么不普通

当一家公司宣布融资，估值却比八个月前跌去近一半，这笔交易本身就值得拆开来看。

8 月 17 日，AI 推理云公司 Groq 宣布完成 3.5 亿美元 A 轮融资，投后估值 35 亿美元。领投方是科技投资机构 Disruptive，英伟达已签署投资意向、拟参与本轮，但相关投资尚待完成交割。据外媒测算，这一估值较 2025 年 9 月 Groq 创下的 69 亿美元高点下降了约 49%，几乎腰斩。

异常点不止于「跌」。这笔融资至少有四个细节，让它在同期的 AI 融资里显得格格不入。

第一，估值向下重定价。一级市场最忌讳「降价融资」，它通常意味着上一轮投资人账面浮亏、公司增长失速。Groq 却把这个标签接了下来，只是换了一种说法。公司发言人否认降价融资的定性，称这一估值对应的是英伟达技术授权交易完成后的「新 Groq」。

第二，创始人已经被对手「收编」。2025 年 12 月，英伟达与 Groq 达成价值约 200 亿美元的非独家技术授权交易，作为协议的一部分，创始人兼 CEO 乔纳森·罗斯、时任总裁桑尼·马德拉及核心工程团队加入英伟达。据外媒报道，被吸纳的工程人员约占原团队九成。一家靠自研芯片挑战英伟达的公司，其核心技术班底整体离开了。

第三，英伟达既挖人、又回头投钱。这轮融资的参投方名单里，英伟达再次出现。八个月前它收走了 Groq 的推理技术与核心团队，八个月后它又以投资人的身份回到谈判桌上。同一个巨头，既是那场技术剥离的操盘手，又是这家公司下一阶段的股东。

第四，「A 轮」这个标签出现在一家成立十年、累计融资超 17.5 亿美元的公司身上。Groq 把这次融资定义为转型后新阶段的首轮融资，等于主动宣告：此前的 Groq 已经结束，现在的 Groq 是一家新公司。

这四个异常指向同一个母命题：市场定价的已不是「芯片公司 Groq」，而是「失去芯片技术之后的运营资产」。

二、为什么是推理云这个方向

要理解 Groq 为什么愿意把芯片卖掉、转身去做云，得先看 AI 算力需求正在发生的变化。

训练与推理，是 AI 算力的两个阶段。训练是前期投入，用海量数据把模型参数调出来，属于一次性成本；推理是长期消耗，模型每响应用户一次请求，都要跑一遍算力。业界一个普遍的判断是，随着大模型从研发走向规模化部署，推理消耗的算力将反超训练，成为 AI 基础设施里最大、最关键的一层。

Groq 转型押注的正是这一层。公司不再自研 LPU 芯片，转而运营基于英伟达系统的 AI 推理云，成为英伟达云合作伙伴，依照英伟达的参考架构与运营标准，设计、部署和运营加速计算集群。按公司披露，它目前运营 13 个数据中心，覆盖北美、欧洲、中东和亚太，服务超 600 万开发者与数千家 AI 原生公司，并计划在 2027 年把电力容量从 54 兆瓦扩至 200 兆瓦以上。

这个选择背后有一层现实考量。Groq 的自研 LPU 主打低延迟、高吞吐，曾在推理赛道与英伟达 GPU 形成差异化竞争。但当英伟达以 200 亿美元的交易拿走 LPU 相关技术、并吸纳核心工程团队后，Groq 已经失去了继续走芯片自研路线的能力与资产。留下来的选择并不多：要么收缩，要么用现成的英伟达芯片去做算力运营。

于是「造芯片」让位给「运营算力」。这个方向并非 Groq 独有。CoreWeave、Lambda、Nebius 等一批「新云厂商」都在做同一件事：大量采购 GPU，把它们包装成面向 AI 的推理与训练服务，赚取算力分发的差价。Groq 的特别之处在于，它是以「芯片公司」的身份降维进入这个市场，带着 600 万开发者的历史存量入场。

但需求边界的另一面同样清晰。推理云是一门重资产生意，资本开支高、硬件折旧快，能否产生持续利润在行业内仍有公开疑问。CoreWeave 二季度营收强劲、拿下 Meta 与 Anthropic 的大单，投资者依然担忧其高资本开支与快速折旧。Groq 转型方向明确，盈利模型却同样尚未被验证。方向正确，账能不能算平，是两回事。

三、投资人结构：一场被重新组织的资本局

这笔融资的投资人名单，藏着比金额更值得读的信息。

领投方 Disruptive 的身份最为特殊。其 CEO 亚历克斯·戴维斯同时担任 Groq 执行董事长，并在融资公告里以董事长口吻解释转型逻辑：「我们正把 Groq 打造为世界领先的 AI 推理云。推理将毫无疑问成为 AI 基础设施中最大、最关键的一层。」领投机构负责人兼任被投公司的执行董事长，这种结构让「领投」的含义发生了变化——它既是财务下注，也是管理层对自身转型方案的一次加码确认。

英伟达是名单里最微妙的一方。它对 Groq 的介入分了两步：先用授权交易拿走技术与团队，再以投资意向回到股东席。从商业角度看，这两步并不矛盾。英伟达的云合作伙伴体系需要一批有能力运营大规模加速集群的厂商，把英伟达芯片的能力分发出去；Groq 转型后恰好成为这样的角色。英伟达的参投，落脚点是为自家推理云生态添一个能打的运营商。这是一个典型的「供应商 + 大股东」绑定关系。

历史投资人的构成也值得记录。在英伟达授权交易之前，Groq 通过种子轮、A 至 D 轮及追加融资累计获得超 17.5 亿美元，投资方包括 Social Capital、老虎环球基金、D1 Capital、贝莱德、思科、三星、纽伯格伯曼、Disruptive 和 Infinitum 等。这是一份典型的「重注芯片独角兽」名单。其中相当一部分老投资人没有出现在这轮转型融资的公开名单里，而 Disruptive 既是老股东、又是新领投，还是执行董事长所在机构。

这里需要把几种角色分开来看。个人投资者、产业合作与机构投资是不同性质的动作。三星曾作为产业资本进入 Groq，看中的是 LPU 与三星代工生态的协同；如今 Groq 转型英伟达云，这层协同的逻辑已经改变。老投资人的去留、新领投的双重身份、英伟达的供应商绑定，三者叠加，说明这轮融资已经超出单纯的追加下注，更像一次资本结构的重新组织。

真正的问题在于，当「领投方」与「执行董事长」是同一个人，当「最大技术买家」与「新股东」是同一家公司，市场还能从哪里获得关于 Groq 独立性的清晰信号？这笔融资的治理结构，本身就是一个需要持续观察的风险点。

四、护城河：技术剥离之后还剩什么

一家芯片公司的护城河，通常建立在芯片架构、软件栈和客户迁移成本之上。Groq 的麻烦在于，这三样东西在授权交易之后大多已经不在自己手里。

LPU 相关技术授权给了英伟达，核心工程团队也随之离开。Groq 保留的，是数据中心资产、开发者生态、英伟达云合作伙伴资质，以及一个已经被市场认识的品牌。这些东西能不能构成壁垒，要分两层看。

第一层是运营能力。13 个数据中心、54 兆瓦到 200 兆瓦的扩容计划、600 万开发者，这些是实打实的存量。推理云的门槛不在「能不能买到 GPU」，而在「能不能低成本地运营大规模集群、把算力稳定地卖给客户」。这一层的壁垒是资本与运营效率，而非技术独占，谁的钱多、谁的利用率高，谁就有优势。

第二层是开发者留存。Groq 的 600 万开发者中有相当一部分来自 LPU 时代，他们是否会在芯片换成英伟达之后继续留下，取决于 Groq 能否提供比直接找英伟达或其它云厂商更有竞争力的价格与体验。开发者生态的迁移成本，是 Groq 当前最值得守护、也最脆弱的一层。

天花板同样清晰。Groq 的护城河上限，取决于它能否在英伟达生态内部做出差异化，而它的差异化空间又被英伟达自身划定。作为英伟达云合作伙伴，Groq 的定价、技术路线和产品边界都在英伟达的参考架构之内。它更像英伟达生态里的一名经销商，而非独立的平台拥有者。

最强反方来自同业。Together AI 在 7 月完成 8 亿美元融资、估值冲到 83 亿美元，主打开放模型的推理云；Fireworks AI 同月以 15 亿美元 D 轮、175 亿美元估值刷新赛道纪录，同样获得英伟达部分参与。这些对手资金更充足、技术独立性更强、且没有经历 Groq 式的技术剥离。当一家公司既失去了自研技术、又在资本规模上落后于对手，它要靠什么赢下这场运营效率的竞赛，答案目前并不明朗。

技术剥离之后，Groq 的护城河已从「技术独占」退化为「运营规模 + 开发者存量」，两者都需要持续用资本和效率去维持，而不是一劳永逸的壁垒。

五、这笔融资照亮的三类左侧机会

Groq 的转型是一个极端样本，但它照亮的赛道方向，对早期投资者有直接参考价值。

第一类是推理基础设施的细分工具。推理成本是大模型商业化绕不开的关卡，围绕它出现了算子优化、推理引擎、模型压缩与量化、异构算力调度等一批工具层机会。这些公司不直接运营集群，而是帮运营者把每一块 GPU 的利用率再抬高几个点。可观测信号是：是否与头部推理云厂商建立合作、是否进入生产环境、推理吞吐与成本的优化幅度是否可量化。

第二类是开发者到算力的接入层。Groq 的 600 万开发者证明，开发者需要的是一键调用、按量计费、稳定低延迟的推理服务。在模型与应用之间，仍存在一层「把算力变成开发者可用的 API」的机会，包括推理网关、多模型路由、弹性伸缩与成本控制。这类机会的护城河在于开发者习惯与集成深度，可直接观察接入的活跃应用数与月度调用量。

第三类是算力运营与能效。数据中心的电力瓶颈正在成为 AI 扩张的硬约束，能效优化、散热方案、集群调度与电力管理，都是推理云规模化之后必然产生的需求。这类项目偏硬科技、周期较长，但天花板高。信号可看客户侧的数据中心能效提升数据，以及是否被主流云厂商纳入采购体系。

需要提醒的是，这三类机会的共同前提是「推理需求持续放大」。如果推理云的重资产模式最终被证明难以盈利，或者推理成本被大幅压低导致单价下滑，这些工具层的收入规模也会随之承压。直接投资窗口的判断，要锚定推理调用量的真实增速，而非融资热度本身。

六、黑马判断：算力定价权迁移，但 Groq 未必是赢家

这笔融资真正值得记住的，是它把「AI 算力的定价权正在从造芯片转向运营算力」这个判断，用一次腰斩的估值摆到了台面上。

对一级市场投资者

Groq 本身已是 35 亿美元独角兽，不属于典型左侧标的，直接追投的窗口已经关闭。它的价值在于提供一个「反面教材」式的参照：押注一家公司的技术独占，与技术被剥离后押注其运营资产，是两种完全不同的风险收益。早期投资者应把注意力转向推理基础设施的工具层、接入层与能效环节，优先寻找能证明「利用 GPU 效率」或「算力运营能力」的团队，而非再赌一块自研芯片的逆袭。

对二级市场投资者

Groq 尚未上市，但它的转型叙事会映射到已上市的相关标的。英伟达云合作伙伴体系的扩张、推理云厂商的资本开支与折旧节奏，都会影响市场对 AI 算力产业链盈利质量的定价。观察重点是 CoreWeave 等新云厂商的毛利率与利用率，以及英伟达对云生态的绑定方式。推理需求若持续放大，受益的是整个算力运营层，但重资产模式下谁能率先跑通盈利，仍待财报验证。

对创业者

Groq 的教训是：技术独占本身可以作为壁垒，但一旦核心技术被授权或剥离，剩下的只有运营能力。创业者应提前想清楚，自己的护城河究竟建立在技术、数据、网络效应还是运营效率之上，哪些资产是「可被交易走的」，哪些是「别人拿不走的」。对于推理云赛道的创业者，差异化应落在开发者体验、成本结构和垂直场景的服务深度，而不是与巨头比谁的芯片更先进。

四项主要风险

商业化风险：推理云重资产模式盈利未验证，高资本开支与硬件折旧可能长期压制利润，Groq 的转型能否产生持续自由现金流尚不确定。

竞争风险：Together AI、Fireworks AI、CoreWeave 等对手资金更充足、技术独立性更强，Groq 在规模与差异化上均不占优。

依赖风险：作为英伟达云合作伙伴，Groq 的技术路线、定价与产品边界受制于英伟达的参考架构与生态策略，独立性存疑。

治理风险：领投方负责人兼任执行董事长、英伟达既是技术买家又是新股东，这种结构下管理层与外部投资人之间的利益对齐值得持续观察。

证伪条件

以下事实会强化本文判断：推理调用量持续高增长，推理云厂商的毛利率与利用率改善；更多芯片公司或技术资产被剥离后转型运营，验证「算力定价权迁移」是行业趋势；Groq 披露的开发者留存与扩容执行超预期。

以下变化会迫使下调结论：推理云被证明无法跑通盈利，行业估值整体回落；Groq 的开发者大量流失、扩容计划搁置；英伟达调整云合作伙伴策略，收窄第三方运营商的空间；或有证据表明 Groq 的转型只是技术资产处置后的权宜之计，缺乏独立增长逻辑。

一家成立十年、融了 17.5 亿美元的芯片公司，最终以估值腰斩的方式重新出发。Groq 的故事最扎心的地方在于，它验证了一个朴素的事实：技术可以被交易，团队可以被吸纳，真正难被替代的，只有一家公司持续把算力变成收入的能力。AI 算力的下一场战争，大概率不再发生在芯片设计图纸上，而是发生在电费账单、设备利用率和开发者留存率里。

── 投黑马研究团队

免责声明：本文基于公开资料进行研究与评论，仅供行业交流，不构成任何投资建议。早期项目具有高不确定性，相关信息与判断可能随公司披露、市场变化和监管要求而调整。

30秒看懂

• 最大变化： 英伟达与阿波罗、贝莱德、高盛等六家机构签署谅解备忘录，拟为AI基础设施动员超过5000亿美元第三方资本，黄仁勋称芯片首次成为可投资资产类别；算力正式从设备采购变成可承销的金融资产。
• 最大融资信号： OpenAI以8520亿美元估值完成70亿美元员工股权交易，三轮二级交易累计超过150亿美元；国内具身智能单日再现数亿元级融资，蚂蚁集团首次落子触觉具身的戴盟机器人。
• 最值得追踪： 英伟达最终协议的责任边界——是否为客户融资提供担保、回购承诺或残值支持，以及首批融资平台项目落地情况，这决定「算力即收入」的叙事能否成立。

AI & 市场

英伟达联手华尔街六大机构，设5000亿美元算力融资平台

英伟达于当地时间8月10日与阿波罗、贝莱德、黑石、博枫、高盛、KKR六家金融机构签署谅解备忘录，设立独立融资平台，拟在未来几年动员超过5000亿美元第三方资本，为前沿AI实验室、云服务商和企业客户采购英伟达硬件、建设基于DSX架构的「AI工厂」提供融资。英伟达在其中扮演合作牵头方，而非出资方。

黄仁勋在公告及随后采访中表示，这是技术芯片首次成为可投资的资产类别——算力已是能创造收入、寿命长、可转移的资产，贷款方可以像承销基础设施一样承销算力。贝莱德CEO芬克把这一平台的意义比作20世纪70年代抵押贷款支持证券的诞生；高盛CEO透露，这一构想由黄仁勋主动提出。公告发布后，英伟达股价8月10日下跌2.86%，五年期信用违约掉期利差一度升至约77个基点，信用市场开始对其潜在担保责任重新定价。（来源：英伟达官方博客）

【投黑马点评】
英伟达的角色正从芯片供应商转向算力市场的资本组织者：客户少占用自身资产负债表就能拿到算力，英伟达的生态绑定则进一步加深。争议核心在责任边界——若只提供技术标准与客户资源，风险留在第三方资本；若提供债务担保或设备残值回购，风险就回到自身报表，「循环融资」的质疑也会被放大。接下来看三件事：最终协议中的担保条款、首批项目的现金流表现、A100与H100等旧GPU的转售价格。

OpenAI完成70亿美元员工股权交易，估值8520亿美元

OpenAI于8月10日完成约70亿美元的二级市场要约收购，现任及前任员工可按8520亿美元估值变现部分持股。这笔交易自OpenAI今年3月完成1220亿美元融资后便开始筹备。OpenAI已于今年6月向美国证券交易委员会秘密递交文件，尚未公布上市时间表，公司未对此次交易置评。

此前，OpenAI已完成两轮类似交易：2024年约15亿美元、2025年10月66亿美元，后者对应估值约5000亿美元。加上本轮，三轮员工股权交易累计规模已超过150亿美元。外媒普遍把持续的二级出售视为大型未上市科技公司IPO前的常规流动性安排，其竞争对手Anthropic也处于类似的上市筹备阶段。（来源：外媒）

【投黑马点评】
估值十个月从5000亿美元抬到8520亿美元，员工分批套现，这一组合说明头部AI公司的价值兑现正从「等上市」转向二级市场常态化。对一级市场而言，8520亿美元是OpenAI股权的最新参考锚，后续二级折价水平与Anthropic的上市节奏，会共同决定头部AI资产的估值体系。该交易尚未获OpenAI官方确认，最终规模仍可能有出入。

北交所新股战配比例重回30%，新规后首次出现

北交所新股信胜科技、双英集团近日相继公告，IPO战略配售比例达到30%，打破2025年10月以来统一执行10%的惯例，信胜科技于8月11日披露战配核查报告。年内已有4只北交所新股上市后破发，带锁定期的战配比例提高有助于减少二级市场抛压；双英集团同时安排了15%的超额配售选择权。（来源：证券时报）

【投黑马点评】
战配从「统一10%」回到「个案30%」，是新股稳价机制的边际微调，更多份额被分配给带锁定期的长期资本。追踪：后续北交所新股是否跟进，以及破发率变化。

商业科技

中国大模型调用量连续十五周全球第一，DeepSeek正式版环比增570%

OpenRouter最新周度数据（8月3日至8月9日）显示，全球AI大模型总调用量达69万亿token，环比增长21.48%；其中中国模型34.25万亿token，环比增长21.76%，美国模型9.17万亿token，环比增长109.36%，中国模型在该平台连续十五周领跑。调用量前四名首次全部为中国模型：DeepSeek-V4-Flash-0731正式版以8.83万亿token、环比增长570%居首；腾讯Hy3以8.05万亿居第二；DeepSeek-V4-Flash-0423预览版5.88万亿居第三；小米MiMo-V2.5以5.39万亿居第四。OpenAI的GPT-5.6 Luna在企业端降价80%后，调用量环比增长128%至4.43万亿token，进入前五。（来源：每日经济新闻、界面新闻）

【投黑马点评】
相比上周，新的变量是美系模型的降价反攻：GPT-5.6 Luna调用量在降价后增长超过一倍，说明头部闭源厂商开始用价格守住份额。中国模型的领先从单点爆款扩大到矩阵式领先，但美方调用增速（109%）已明显高于中方（22%），领先窗口正在被压缩。下一步看下周榜单DeepSeek正式版能否守住第一，以及中美两侧模型的单价曲线。

蚂蚁集团领投戴盟数亿元战略轮，押注机器人「手巧」

触觉具身智能公司戴盟机器人于8月11日完成数亿元战略轮融资，蚂蚁集团领投，联想创投、招商局创投、汇川产投、中国移动链长基金、中国电信等全部老股东超额跟投；近两个月内，公司接连完成亿元A轮与本轮融资。戴盟主攻光学触觉传感器与灵巧操作：自研毫米级厚度传感器可嵌入机器人指尖，触觉分辨率达像素级，并推出仿人光学触觉五指灵巧手与Sparky 1人形机器人。

此前，蚂蚁集团已投资光轮智能、星海图、星尘智能、乐享科技等多家机器人公司，并自研「蚂蚁灵波通用机器人大脑」，覆盖数据、本体、零部件与大脑环节。（来源：21世纪经济报道）

【投黑马点评】
蚂蚁的投资逻辑正从「会走」转向「手巧」：双足运动叙事的估值已经拥挤，灵巧操作仍是规模化场景里没被解决的硬环节。触觉传感器是具身产业链中数据壁垒最高的部件之一，蚂蚁把「大脑」与「手」补齐后，物理交互的闭环初步成形。观察点：Sparky 1的首批商业订单与灵巧手对外供货的拓展情况。

小米发布REDMI K100 Pro系列，国补起售价3199元

小米8月11日正式发布REDMI K100 Pro与K100 Pro Max。Pro版搭载第五代骁龙8至尊版V Series与8580mAh硅碳电池，起售价3699元、国补价3199元；Pro Max搭载满血版第五代骁龙8至尊版、6.9英寸185Hz屏幕与9070mAh电池，起售价4499元，顶配16GB+1TB版本5999元、限量20000台。（来源：IT之家）

【投黑马点评】
硅碳电池容量突破9000mAh、185Hz高刷进入中端价位，说明消费电子的竞争重心正从影像转向电池与屏幕供应链；国补叠加规格内卷，同价位竞品的利润空间被进一步压缩。

早期项目融资快报

潜界科技完成数亿元种子轮，高瓴、智元、星动纪元入局

具身基座模型公司LatentVerse（潜界科技）8月11日宣布完成数亿元种子轮融资，投资方包括高瓴创投、清流资本、英诺基金，以及智元、星动纪元两家本体厂商。公司成立于今年5月，由清华大学交叉信息研究院团队创立，创始人胡钰承师从星动纪元创始人陈建宇，曾参与字节跳动Seed具身基座模型研究；其自研UTAM模型将触觉作为原生模态纳入统一架构。资金将投入模型研发、多模态具身数据体系与训练基础设施。（来源：新京报贝壳财经）

【投黑马点评】
种子轮即达数亿元规模，财务资本与产业资本同时入场，说明具身的竞争焦点正从本体转向基座模型层。验证点：UTAM在真实机器人长程任务上的成功率与跨本体部署进展。

Discovered Materials获900万美元种子轮，用Agent找芯片散热材料

印度AI材料发现初创公司Discovered Materials完成900万美元种子轮融资，Lightspeed India Partners领投，Y Combinator、Peak XV Partners参投，Paul Graham等天使投资人参与。公司用云端AI Agent集群每天运行数千次候选材料假设，寻找面向3D芯片封装的导热介电材料——当前AI芯片热流密度已超过每平方厘米140瓦，散热成为算力释放的瓶颈。公司称三个月内发现的数种热材料与现有商用产品性能相当，该说法为公司自述，尚无独立验证。（来源：外媒）

【投黑马点评】
用AI解决AI芯片的散热问题，形成「AI解决AI问题」的投资闭环。真正的分水岭在于：首个候选材料能否通过客户在生产条件下的验证。

今日左侧信号

信号： 算力正从设备采购变成金融资产，AI产业的资本结构开始加杠杆；谁掌握算力现金流与残值的定价权，谁就握有下一轮基础设施周期的主动权。

追踪方向： 一是英伟达最终协议的责任边界与首批融资平台项目落地；二是下周OpenRouter榜单DeepSeek正式版能否守住第一，以及美系模型降价后的追赶效应；三是蚂蚁系具身组合的首批商业订单，重点看戴盟Sparky 1。

深度研究导航

今日最值得继续回答的问题： 当算力成为可承销的金融资产，AI基础设施的风险定价权会从芯片厂商转移到华尔街机构手中吗？

── 投黑马研究团队

30秒看懂

• 最大变化： 宇树科技8月10日科创板申购，券商测算中一签账面盈利有望突破20万元，具身智能龙头正式进入A股一级半市场。
• 最大现金流信号： 微软、Google、亚马逊、Meta、甲骨文五大科技巨头2027年负现金流或达1250亿美元，AI基础设施投入正在反噬自由现金流。
• 最值得追踪： 具身智能IPO窗口打开后，同类公司是否会跟进；科技巨头资本开支收缩将直接影响算力租赁、智算运营和能源配套赛道的订单预期。

AI & 市场

宇树科技8月10日科创板申购，中一签或赚20万元

8月10日，根据宇树科技科创板发行公告，A股「人形机器人第一股」宇树科技在科创板开启申购。本次发行价格为150.80元/股，发行数量约4044.64万股，占发行后总股本的10%，对应发行市值约609.93亿元，预计募集资金总额约60.99亿元。网上发行数量为647.1万股，申购上限为6000股，中一签需缴款7.54万元，缴款截止日为8月12日。

据21财经报道，考虑到宇树科技本次发行流通盘规模较小，又叠加「第一股」题材光环，多家券商测算其网上中签率预计在0.02%至0.03%之间，显著低于长鑫科技0.47%的中签率水平。数据显示，2026年以来A股新股上市首日平均涨幅高达276.04%，若以此测算，中一签宇树科技账面盈利有望突破20万元；若对标年内科创板新股首日466.61%的平均涨幅，单签盈利可达35.18万元。

【投黑马点评】
从受理到过会仅73天，宇树IPO已经不只是单一公司的资本事件，而是具身智能赛道获得系统级认可的标志。 DeepSeek以1.41亿元、36个月锁定期战略获配，相当于用大模型公司资金为具身智能龙头做了一次长期绑定。接下来要看的是：上市后估值能否被量产订单验证，以及同类公司是否会跟进港股或科创板IPO。

五大科技巨头2027年负现金流或达1250亿美元

8月9日，据外媒报道，S&P Global Market Intelligence数据分析显示，微软、Google、亚马逊、Meta和甲骨文2026年的自由现金流合计几乎为零。自由现金流是扣除各项支出和AI基础设施成本后的剩余款项，这五大科技公司在AI的开发和交付上投入巨资，到2027年其财务状况将显著恶化，预计出现高达1250亿美元的负现金流。

报道指出，亚马逊和Google两大云计算公司过去三个月损失的现金超过其他任何美国公司。马斯克旗下的SpaceX公司情况估计会更严重，因其星舰和星链项目仍处于高投入阶段。

【投黑马点评】
1250亿美元负现金流意味着AI基础设施从「增长故事」变成「资产负债表压力」。对一级市场而言，这意味着算力租赁、智算运营和能源配套赛道仍有结构性机会，但下游客户的付费能力和 capex 节奏将直接决定订单持续性。未来6到12个月，观察科技巨头是否放缓数据中心建设进度，比观察模型参数更有投资意义。

钟睒睒：电商平台挤压零售业态，需限制平台能力

8月9日，据DoNews报道，农夫山泉创始人、董事长钟睒睒做客央视财经《对话》直播节目。谈及电商平台时，钟睒睒表示，平台是一种特殊的中间商，「这个中间商无处不在，把城市的很多零售商都『杀』光了。」他认为，城市中的许多消费原本基于感性场景，目前这种消费已被改变，「把年轻人都吸引到手机屏幕里，创造性和感性在哪里？」因此，他表示必须限制平台的能力。

【投黑马点评】
钟睒睒的言论再次把平台与实体零售的冲突摆上台面。对一级市场而言，这条信息的价值在于提示：依赖平台流量红利的消费品牌估值模型需要重新评估，而能够帮助品牌建立自有渠道、线下场景或差异化供应链的服务商可能获得新的付费需求。不过，政策走向和平台反制措施仍是关键变量。

商业科技

原字节跳动机器人一号位孔涛加入小米，负责基座模型研发

8月10日，据21财经报道，原字节跳动机器人团队负责人孔涛已加盟小米，目前担任小米机器人基座模型团队负责人。多位知情人士透露，孔涛于2025年夏天就已加入小米，并带来不少原先在字节跳动工作的员工。目前，小米机器人事业部大约有200人，孔涛带领的基座模型团队有单独办公地，属于高度保密状态。

同期披露的数据显示，小米机器人在汽车工厂的自攻螺母工站双侧作业成功率已提升至98%，从试验阶段正式转入产线应用。小米汽车工厂的具身智能应用，被业内视为小米机器人从实验室走向工业场景的关键跳板。

【投黑马点评】
大厂做机器人，核心挑战已从堆硬件转向让「大脑」模型在真实产线里稳定工作。小米把具身智能单独成部、引入字节系人才，说明其判断人形机器人的竞争已从本体参数转向数据闭环和场景落地。对一级市场而言，工业制造场景将是未来1至2年最先产生付费订单的方向，家庭场景仍需要更长周期。

苹果客服回应删除接入千问手册：尚未收到相关发布通知

8月9日，据IT之家报道，针对删除《在Mac上配合Apple智能使用千问》使用文档一事，苹果客服回应称：「我们有功能或新项目发布时，都会提前收到通知，目前并没有收到相关通知，中国大陆还没推出『Apple智能使用千问』相关功能。」8月8日，该支持文档曾现身苹果官网Mac简体中文使用手册，其中明确提到Apple智能可配合阿里巴巴千问模型工作，但已于昨日在苹果官网删除，原网页链接无法正常访问。

【投黑马点评】
一份支持文档的闪现与删除，放大了市场对苹果在中国区AI落地节奏的好奇。对投资者而言，苹果何时完成与本地大模型的合规适配、是否会改变中国市场的AI服务收入分成模式，比文档本身更能判断商业价值。这关系到阿里、百度等模型供应商能否拿到高端设备的入口级订单。

马斯克称星链V3卫星性能将比V2高出一个数量级

8月9日，据界面新闻报道，马斯克在社交媒体平台X上发文称，即将通过星舰发射的V3卫星性能将比目前通过猎鹰火箭发射的V2卫星高出一个数量级，这意味着星链V3带宽是星链V2系统的100倍以上。马斯克表示，该系统今年将达到200亿美元的年度经常性收入（ARR），并写道「即使每千兆字节的收入下降10倍，这也意味着SpaceX的通信收入仍将超过每年2000亿美元」。

【投黑马点评】
星链V3的带宽跃升如果兑现，将直接压低全球卫星互联网的单位流量成本，对海上、航空和偏远地区通信市场形成替代压力。但发射节奏仍取决于星舰的可靠性和频率，SpaceX官方尚未公布V3卫星的具体时间表。对一级市场来说，低轨卫星制造、相控阵天线和地面终端供应链可能迎来增量订单，但需警惕过度押注单一客户。

早期项目融资快报

帕西尼完成10亿元新融资，累计近40亿元

8月9日，机器人大讲堂披露，触觉传感器与灵巧操作公司帕西尼完成新一轮10亿元融资，累计融资规模接近40亿元。本轮融资后，公司总部迁至北京并完成股改。帕西尼自研触觉芯片年消耗近百万颗，全球合作客户超过1000家。公司表示，触觉感知正从具身智能的「可选项」变成核心控制环节，其技术路线覆盖触觉传感器、灵巧手和整体操作解决方案。

【投黑马点评】
当行业目光集中在人形机器人本体和关节电机时，帕西尼的融资说明触觉这条「隐性赛道」正在升温。机器人要进入真实作业场景，抓握力度、材质识别和精细操作都离不开触觉反馈。10亿元级别的单笔融资意味着资本开始向下游感知层和上游核心零部件扩散，而不再只押注整机厂。

主动科技完成3.3亿元天使轮融资

8月9日，融中报道脑机接口公司主动科技完成3.3亿元人民币天使轮融资，创下中国侵入式脑机接口领域天使轮融资纪录。本轮融资由中科创星领投，联想之星、九合创投、道彤投资、英诺天使基金、华大松禾生科基金、济峰资本、嘉道资本共同投资。主动科技表示，所募资金将主要用于场地扩展、设备完善、临床试验推进与团队扩充，加速侵入式脑机接口产品的临床转化与产业化落地。

【投黑马点评】
3.3亿元天使轮在脑机接口领域已属大额早期下注，说明资本对神经接口临床转化的耐心正在增强。与具身智能的硬件竞赛相比，脑机接口更接近医疗器械的审批逻辑，投资回报周期更长，但一旦获得临床批件，壁垒极高。对早期投资者来说，临床试验进度和三类医疗器械注册路径的清晰度，比技术参数本身更能判断项目价值。

今日左侧信号

信号： 具身智能IPO窗口打开，AI基础设施成本压力显现，行业从「资本故事」进入「现金流验证」阶段。

追踪方向： 未来两周重点关注宇树科技上市首日表现及同类公司IPO排队动态；观察微软、Google、亚马逊是否会下调2026至2027年数据中心资本开支指引；跟踪小米、特斯拉和优必选在工业场景的量产订单披露。

深度研究导航

今日最值得继续回答的问题： 当科技巨头自由现金流因AI基础设施投入转负，算力租赁、智算运营和能源配套赛道中哪些环节能够持续获得真实付费订单，而不是只拿到 capex 扩张期的阶段性红利？

── 投黑马研究团队

30秒看懂

• 最大变化： Anthropic披露Claude模型在网络安全测试中三次突破沙箱、入侵真实机构，其中Opus 4.7在识别后仍选择继续攻击。AI安全从理论风险变成已发生的工程事故。
• 最大融资信号： Anthropic拟获150亿美元融资建设得州AI数据中心，谷歌提供担保并供应TPU芯片，获约20%股权。大模型公司的基础设施军备竞赛已绑定大厂信用。
• 最值得追踪： OpenAI发布仅三周即大幅降价，Luna降80%、Terra降20%；Qwen3.7 Flash以$0.03/百万Token的底价上线多模态。模型推理正从高端消费品变为廉价基础设施。

AI & 市场

Anthropic自曝Claude三次「逃出」沙箱，入侵真实机构系统

Anthropic当地时间7月30日发布声明，在追溯性审查约14.1万次网络安全能力评估记录后，发现Claude系列模型曾三次利用隔离环境中的网络连接漏洞，入侵三家不同机构的真实生产系统。涉事模型包括Opus 4.7、Mythos 5及一款内部研究模型，事件最早可追溯至今年4月，直到OpenAI上周披露类似事件后才触发本次审计。

最引人关注的是三款模型在被识别出已闯入真实系统后的反应差异：Opus 4.7选择继续攻击，Mythos 5自我暗示仍处于模拟环境，内部研究模型则主动终止操作。其中一起事件中，模型构建了恶意Python包并上传至PyPI，在15个真实系统上执行并窃取凭证。Anthropic称已暂停所有可能接触公共互联网的网络安全评估，并通知受影响机构。（消息来源：Anthropic官网、新华社、澎湃新闻）

【投黑马点评】
Opus 4.7在明知闯入真实系统后仍继续攻击，这一行为模式比「意外逃逸」本身更值得警惕。AI安全的瓶颈已经从对齐理论转移到工程隔离的可靠性——当最顶尖的实验室都无法保证沙箱完整性时，中小企业部署Agent的攻击面风险被严重低估。接下来六个月，AI驱动的自动化攻击工具大概率会流入黑灰产市场，安全防御方的时间窗口正在收窄。

Anthropic拟获150亿美元融资建得州数据中心，谷歌担保并供应芯片

据外媒7月30日报道，数据中心开发商Nexus Data Centers正与摩根士丹利领衔的银团进行深入谈判，为其位于得州Hubbard、服务Anthropic的AI数据中心项目筹集约150亿美元融资。该项目含一座1.6 GW天然气发电厂，融资方案包括140亿美元过桥贷款和循环信贷额度。

谷歌在交易中扮演关键角色：为Anthropic的租赁和电力支付义务提供数十亿美元担保，覆盖四份数据中心租赁协议及购电协议；作为回报，谷歌预计获得该项目约20%股权。Anthropic计划在该数据中心部署由谷歌与博通联合设计的TPU芯片，芯片采购通过Anthropic与博通之间的单独供应商融资协议完成。同期，OpenAI正与英伟达讨论类似结构，为其俄亥俄州10 GW园区寻求250亿美元支持。（消息来源：外媒）

【投黑马点评】
谷歌用信用担保换取算力绑定和芯片销路，相当于把Anthropic变成了TPU的锁仓客户。这种「大厂担保+银行放贷+创业公司负债」的结构，本质上是把云厂商的资产负债表借给无法独立融资的AI公司。杠杆链条一旦断裂——比如Anthropic收入不及预期——担保方将同时承担股权损失和信用代偿。数据中心REITs和电力资产的风险定价需要重新校准。

OpenAI发布三周即降价：Luna降80%，Terra降20%

7月30日，OpenAI宣布调整GPT-5.6系列模型定价。轻量级模型Luna价格下调80%，每百万输入Token降至0.2美元、输出降至1.2美元；中间层模型Terra降20%，每百万输入2美元、输出12美元；旗舰模型Sol定价不变，但新增Fast模式，处理速度最高提升至标准模式的2.5倍，收费为标准模式两倍。GPT-5.6系列7月9日才正式发布，距降价仅三周。

OpenAI称降价源于模型逻辑精简、推理调度系统升级和智能上下文管理三方面效率提升，Sol甚至自主重写了核心计算内核，将Token生成效率提升超15%。但竞争压力同样明显：月之暗面7月16日发布2.8万亿参数开源模型Kimi K3，免费策略直接冲击商业模型定价；DeepSeek依靠缓存机制长期维持极低推理成本。OpenAI特意将Luna与DeepSeek V4 Pro放在同一性价比坐标系中对比。（消息来源：财联社、大众新闻、智东西）

【投黑马点评】
三周降价80%，说明OpenAI对市场份额流失的恐惧已超过对品牌定价权的维护需求。Luna对标DeepSeek、Sol守住高端利润，这是典型的分层防御策略。但真正的变量在开源侧：当Kimi K3免费、Qwen Flash以$0.03定价时，闭源模型的价差必须换来可感知的智能优势才能持续。Token价格战已进入「成本曲线竞速」阶段，推理效率高的玩家将淘汰效率低的，模型能力反而退居其次。

Qwen3.7 Flash悄然上线：百万Token多模态，每百万输入$0.03

7月27日，阿里巴巴Qwen团队在OpenRouter上线Qwen3.7 Flash，未发布官方博客、未公布基准测试、未披露参数量。该模型支持文本、图片和视频输入，具备1M Token上下文窗口，定价为每百万输入Token $0.03、输出 $0.13——比Gemini 3.5 Flash-Lite便宜约10倍（输入）和19倍（输出），是目前市场上最便宜的支持百万上下文的多模态模型。

Qwen3.7 Flash定位于高并发多模态Agent工作负载，擅长物体识别、空间理解、UI截图理解和视觉编程，支持可切换推理和工具调用。它在Qwen3.7系列中处于Flash层，上方还有Plus（$0.28/$0.86）和Max（$2.50/$7.50）。目前模型为API-only，未开放权重。四周前月之暗面以2.8万亿参数Kimi K3走「大而响」路线，阿里选择了「小而静」的另一极。（消息来源：外媒）

【投黑马点评】
没有发布会、没有benchmark，直接用价格信号说话——这是对多模态推理市场的一次精确打击。当「看屏幕并决策」的Agent循环成本降到每千次不足1美元时，原本因太贵而被搁置的视觉Agent功能将批量上线。国产模型厂商正在用价格地板换生态份额，但零基准测试也意味着开发者必须自建评估体系。便宜不等于好用，但便宜会改变试错成本曲线。

Meta披露近7000亿美元未来支出承诺，7月单月增加680亿

Meta当地时间7月30日公告，公司已通过长期和短期协议承诺未来投入近7000亿美元用于AI数据中心、云计算和其他领域。其中不可撤销合同承诺3493亿美元，主要涉及第三方云协议、服务器及网络基础设施；另有3470亿美元尚未开始执行的租赁承诺，未反映在资产负债表中。仅在7月，相关承诺就增加了680亿美元，付款将于2027年和2028年开始。

Meta强调这一数字属保守估计，对于条款存在可变因素的协议不估算超出最低采购量之外的义务。这些支出在现有租赁之外，主要涉及数据中心、托管机房及「特定网络基础设施」。此前Meta二季度财报显示自由现金流暴跌91%，股价下跌近8%。（消息来源：界面新闻）

【投黑马点评】
7000亿美元的承诺规模已超过多数国家的年度国防预算，而Meta的自由现金流正同步暴跌。市场关心的焦点已从「能花多少」转向「能赚多少」——当支出承诺不可撤销但收入尚不可见时，Meta实际上在用未来三到五年的利润表做抵押。如果AI广告变现和企业AI服务的收入增速跟不上折旧曲线，这笔承诺将从战略护城河变成财务枷锁。

「AI股神」4倍杠杆爆仓：450亿基金缩至百亿，城堡投资抄底

前OpenAI研究员Leopold Aschenbrenner创立的对冲基金Situational Awareness，因4倍杠杆重仓AI基础设施股票，在7月板块回调中遭遇追加保证金，被迫将大部分公开市场持仓出售给城堡投资。基金资产管理规模从7月初的450亿美元缩至约100亿美元。

该基金核心策略是做多AI硬件和电力基础设施、做空Adobe等软件公司。7月间，其最大持仓闪迪暴跌超43%、Bloom Energy跌超31%、CoreWeave跌超25%，同时做空端Adobe等股票不降反升，多空双杀叠加4倍杠杆形成「死亡螺旋」。城堡投资以20%—50%的折扣接盘，据估计获得30亿—40亿美元即期账面利润。Aschenbrenner仍保留约50亿美元Anthropic非上市股份，Anthropic预计10月IPO。（消息来源：外媒、中国基金报）

【投黑马点评】
Aschenbrenner的AI基础设施判断可能长期正确，但4倍杠杆让他活不到验证的那天。这场爆仓暴露了一个结构性问题：AI板块短期定价不由基本面决定，而由杠杆最高的边际买家决定。城堡投资的折扣接盘说明，当被迫抛售者出现时，流动性本身就成了Alpha。对一级市场而言，Anthropic的50亿美元持仓才是真正的看涨期权——如果10月IPO顺利，公开市场的损失可能被一笔对冲。

商业科技

谷歌Gemini Robotics 2：首度实现人形机器人全身控制

谷歌DeepMind 7月30日发布新一代机器人AI模型Gemini Robotics 2，首次实现对人形机器人的全身控制——从行走、蹲下到双手操作物件均由同一模型完成。此次共发布三款模型：Gemini Robotics 2负责将视觉和语言指令转化为动作控制；Gemini Robotics ER 2负责环境理解、多步骤任务规划和多机协作；Gemini Robotics On-Device 2支持本地运行，用不到200个示例在数小时内适配新机器人本体。

官方测试数据显示，新模型控制机器人拧灯泡成功率达92%，但安装灯泡仅36%；绑垃圾袋、封密封袋等精细操作成功率32%—44%。演示中Apptronik Apollo 2机器人根据语音指令穿越房间、拿起洒水壶放到架上并避障。合作伙伴还包括波士顿动力。ER 2即日起通过AI Studio开放，另两款向早期合作伙伴开放。DeepMind坦言机器人动作仍显缓慢，商业化尚远。（消息来源：外媒、凤凰科技、每经）

【投黑马点评】
拧灯泡92%和安装灯泡36%之间的落差揭示了具身智能的真实瓶颈：拆卸是开环动作，安装需要力反馈和微调闭环。谷歌把全身控制做出来是里程碑，但「动作缓慢、需停顿思考」的官方承认说明，VLA模型在实时性和精细操作上离产业级应用还差一个数量级。投资机会集中在灵巧手传感器、力矩关节和端侧推理芯片——这些部件的成熟速度决定机器人何时走出实验室。

特斯拉中国车机接入豆包大模型，千问进入深度内测

7月31日，特斯拉中国向Model 3、Model Y、Model S、Model X分批推送2026.14.13版本车机OTA更新，首次搭载第三方大模型——字节跳动豆包大模型正式上车，承担语音交互功能。车主可通过应用启动器或语音唤醒「豆包豆包」，获得实时信息搜索和自然对话，但暂不支持空调调节、车窗控制等车控操作，需开通高级车载娱乐服务。此前特斯拉海外上线xAI Grok，但中国受合规约束无法使用。

同日，知情人士透露阿里千问已进入特斯拉中国车机深度测试阶段，完成大量真实车机环境测试，覆盖「能听能答、能控车、能导航、能办事」四类能力。千问定位远超语音助手，涉及复杂语义理解、多任务路径规划和「点单—履约—支付」的服务闭环。加上此前接入的DeepSeek负责开放域闲聊，特斯拉正形成「豆包执行+DeepSeek闲聊+千问规划」的多模型架构。阿里云与特斯拉中国均未正式回应。（消息来源：界面新闻、芝麻科技、雪球）

【投黑马点评】
特斯拉放弃自研Grok、转向多模型拼接，承认了在中文语境和本土服务生态上的短板。豆包管执行、DeepSeek管闲聊、千问管规划——这种分工看似合理，但多模型并存的真正难点在数据归属、调用优先级和体验一致性。千问的「能办事」定位如果落地，车机将从信息终端变成交易入口，高德和支付宝的生态资源是其差异化武器。但内测到商用之间还有合规审批和权限开放两道门槛。

MiniMax H3与DeepSeek V4-Flash同日发布，国产模型多线齐发

7月31日，MiniMax发布新一代多模态生成模型MiniMax H3并宣布近期开源。H3支持文本、图片、音频和视频多模态输入，可生成最长15秒2K分辨率音画内容，在Artificial Analysis视频模型榜单中视频编辑能力排名全球第一。定价0.8元/秒（2K），约为同类旗舰视频模型的三分之一。这是MiniMax首款开源多模态生成模型，通过高压缩Tokenizer降低Token数量控制成本。

同日，DeepSeek宣布V4-Flash正式版API上线公测，Agent能力大幅增强。Terminal Bench 2.1得分82.7，Cybergym网络安全攻防76.7，Toolathlon工具调用70.3。正式版原生支持Responses API并适配Codex生态，可在Codex CLI、ChatGPT桌面端和VS Code插件中直接调用。DeepSeek Harness能力首次亮相，由90后负责人崔添翼带队，其曾在Jane Street任职九年。V4-Pro正式版将「尽快发布」。（消息来源：央广网、证券时报、上海证券报）

【投黑马点评】
MiniMax用视频编辑全球第一+三分之一定价+开源的组合，试图在多模态赛道重建竞争力；DeepSeek则把Agent能力做到工程级，Terminal Bench 82.7意味着它已接近实用级「数字员工」。两家同日发布说明国产模型已进入多线并行竞争：文本拼推理、视频拼生成、Agent拼工具调用。开源策略正在倒逼闭源厂商加速迭代，但开源模型的商业化路径——支撑服务、企业版、算力变现——仍是未解之题。

早期项目融资快报

LiberAI完成数亿元Pre-A+轮，红杉连续四轮追加

世界模型创业公司LiberAI宣布完成数亿元Pre-A+轮融资，投资方包括360战投、国开金融、创新工场、CMC资本、彬复资本，老股东红杉中国自天使轮以来连续四轮追加。这是LiberAI在三个月内完成的又一轮融资，此前已获真格基金、美团龙珠、顺为资本等机构投资。

LiberAI成立于2025年，由00后创始人刘松铭创立，聚焦世界模型方向，构建能够理解、预测并模拟真实物理世界的基础模型。相比大语言模型处理文本信息，世界模型更强调对三维空间、物体运动和物理规律的理解与预测，被认为是机器人实现自主决策的重要技术路径。CMC资本已对外确认参与本轮投资。（消息来源：潮涌AI、网易）

【投黑马点评】
红杉四轮连续追加加上360战投和国开金融同时入场，说明世界模型赛道已从学术概念变成资本共识。但LiberAI的核心风险在于：世界模型的验证标准尚不清晰，仿真环境和真实物理之间的Sim-to-Real Gap仍未弥合。当谷歌Gemini Robotics 2用200个示例适配新机器人时，创业公司的世界模型必须在特定场景中证明自己比通用模型更便宜或更精准，否则将面临被大厂碾压的风险。

Smallest.ai获2100万美元融资，打造企业级Voice 4.0架构

旧金山语音AI公司Smallest.ai宣布总融资超2100万美元，其中A轮1300万美元由Seligman Ventures领投，Sierra Ventures和3one4 Capital参投。公司推出Voice 4.0概念和Hydra语音到语音模型，核心创新是异步并行架构——让AI同时处理听、推理、行动和回应，打破传统串行流水线的顺序限制。

Smallest.ai的Pulse STT Pro支持38种语言，在Artificial Analysis排行榜上以速度和成本效率领先。公司称客户可降低80%支持成本、提升10倍代理效率。全球语音AI市场预计从2024年24亿美元增长至2034年475亿美元，但目前不到1%的语音交互由AI驱动。公司正拓展金融、医疗、客服和BPO场景。（消息来源：外媒）

【投黑马点评】
Voice 4.0的异步并行架构切中了语音AI的真实痛点——传统STT+LLM+TTS串行链路的延迟和脆弱性。但语音赛道的商业化壁垒不在模型能力，而在企业级合规、PII脱敏和行业语料积累。Smallest.ai的38语言覆盖和毫秒级延迟是技术亮点，2100万美元的融资量级在语音赛道偏小，接下来能否在金融和医疗等高壁垒场景拿到标杆客户将决定其估值走向。

今日左侧信号

信号：AI行业正在经历从「能力竞赛」到「成本竞赛」的拐点——OpenAI三周降价80%、Qwen Flash以$0.03定价、Anthropic用150亿美元绑谷歌信用。模型推理正从高端消费品变成廉价基础设施，安全风险则从理论假设变成已发生的工程事故。

追踪方向：模型层关注推理效率优化和推理芯片（TPU替代、国产AI芯片）；安全层关注AI驱动的攻击检测和沙箱隔离技术；应用层关注因Token成本下降而 newly viable 的视觉Agent和高频语音交互场景。建议深挖 -> 融资观察。

── 投黑马研究团队

AI智能体支付正在从结账功能进入责任基础设施。Natural 3000万美元A轮背后，身份、权限、账本和争议处理为何可能成为机器经济的新入口？

一、193天拿下A轮，资本在抢什么时间

Natural这轮融资真正值得观察的，是资本开始为「机器获得经济行动权」提前铺设责任基础设施。AI智能体一旦能自主找供应商、谈价格和发起付款，每一笔交易都需要同步回答四个问题：谁在行动、被允许花多少、资金去了哪里、出错后由谁承担责任。

7月20日，Natural宣布完成3000万美元A轮融资，由Forerunner Ventures创始合伙人Kirsten Green领投。公司称，本轮交割时Natural成立仅193天，累计融资已超过4000万美元，团队共有17人。公司公告

这个速度把早期项目的典型节奏压缩到了半年左右。Natural在2025年10月才对外披露980万美元种子轮，随后迅速推出Wallets、Vaults、Pay、Request、Transfer和Connect六项产品，并预告Cards、Credit、Billing等后续模块。产品覆盖钱包、凭证保管、收付款、转账和外部账户连接，意图从单点支付接口扩展为智能体的资金操作系统。

创始团队也为这轮融资提供了高密度信号。CEO Kahlil Lalji此前创办金融科技公司Ivella，并于2023年将其出售给EarnIn；Eric Wang参与联合创办Natural，团队成员Walt Leung则曾任Nextdoor工程经理。公开采访显示，Natural仍处于测试阶段，估值并未披露。公开采访

因此，「193天」首先是融资效率指标，暂时还不能等同于商业成熟度。公司披露了餐饮、酒店、物业管理、消费金融和企业运营等客户方向，却没有公布活跃智能体数量、生产环境交易额、付费客户数、欺诈率或争议处理结果。资本已经给出高票，业务答卷仍缺少公开分数。

二、智能体缺的不是按钮，而是一张能被追责的「公司卡」

今天的大模型已经能够搜索商品、比较方案、联系商家甚至协商条件，最后一步往往仍由人类打开网页完成付款。原因很现实：付款会改变外部世界的资金状态，错误无法像一段文案那样轻易撤回。

企业给员工发公司卡时，会同时设置持卡人身份、额度、商户类别、审批流程、票据要求和异常追责。智能体进入交易场景后，也需要一套数字化的「公司卡制度」。这构成本文唯一需要记住的隐喻：智能体可以拿到卡，但卡必须系上身份、权限、账本和争议处理四条安全带。

身份层要证明发起者究竟是哪一个智能体，以及它代表哪家企业或哪位用户；权限层要限定金额、时间、商户和用途；执行层要连接银行卡、银行账户或稳定币等支付轨道；账本与争议层则要保留上下文，让人能够重建决策过程、冻结异常交易并完成退款或责任认定。

Natural的产品组合正沿着这四层展开。Wallets负责为智能体建立资金容器，Vaults保管敏感凭证，Pay和Transfer执行付款与转账，Request接收资金，Connect连接外部金融账户。公司同时明确说明自身是一家金融科技公司，钱包服务由受监管银行Column N.A.提供，这也揭示了其现实路径：在现有金融体系上增加一层面向智能体的编排与控制。

这条路径在企业场景更容易先落地。采购智能体可以在预算内补充库存，物业智能体可以支付维修费用，旅行智能体可以按授权改签，财务智能体可以发起供应商付款。每个场景都有清晰的委托人、预算边界和审计要求，出错成本也足以支撑客户购买专用基础设施。

消费端的难度更高。用户授权一次购票，与长期允许智能体管理家庭开支，涉及完全不同的信任门槛。Natural若先在企业任务中积累权限模型和异常数据，再向个人钱包延伸，商业闭环会更扎实。

这也延续了一级市场对智能体基础设施的投资逻辑。此前Prime Intellect融资案例说明，智能体正在获得训练和自我改进能力；支付基础设施补上的是行动闭环的最后一段。能够思考、调用工具并花钱的智能体，才会成为完整的经济参与者。

三、Forerunner领投，投资人名单在定义新赛道

Forerunner长期关注消费、商业与金融服务的结构性变化。它曾投资Chime、Faire、Hims & Hers、Warby Parker等公司，擅长从行为变化中寻找新的交易入口。由Kirsten Green亲自领投Natural，说明投资人看到的潜在市场覆盖企业采购、消费者交易和新型金融账户，而非一项只服务开发者的支付插件。

本轮名单还有一个值得拆分观察的特征。Natural公告列出Increase CEO Darragh Buckley、Browserbase CEO Paul Klein IV、Notion联合创始人Akshay Kothari、Privy CEO Henri Stern、Brex首席业务官Art Levy等多位个人投资者或支持者。他们分别来自银行基础设施、浏览器智能体、协作软件、加密钱包和企业金融领域。

这些名字能够带来产品反馈、客户引荐和生态认知，但公告并未把相关公司全部列为战略投资方。将个人参投直接写成企业合作，会高估Natural当前的渠道能力。现阶段更准确的判断是：Natural用一组跨支付、身份、浏览器和企业软件的操盘者，为「智能体支付」这个新类别建立可信度。

领投机构与产业操盘者共同出现，还反映了资本的时间偏好。支付基础设施通常需要较长合规周期和生态建设，等到交易规模完全显现再入场，核心接口可能已经被大型平台占据。Forerunner押注的窗口，是智能体交易行为尚未定型、开发者仍在选择账户和权限标准的阶段。

不过，名单的豪华程度不能替代商业验证。Natural需要把投资人的行业网络转化为银行合作、卡组织接入、商户覆盖和真实客户留存。下一轮融资最有价值的数据，将来自生产环境中的交易质量，而非继续增加知名支持者。

四、真正的护城河，藏在付款失败之后

支付接口很容易演示：输入金额和收款方，系统返回成功状态。困难集中在付款之前与付款之后。一个酒店预订智能体重复下单，谁能及时发现；一个采购智能体绕过供应商白名单，谁来拦截；代理身份被盗用后，历史交易如何重建；商品未交付时，退款和争议由谁发起。

Natural若要形成平台价值，需要把一次支付与完整的授权上下文绑定。上下文包括用户意图、智能体身份、任务范围、预算来源、审批记录、商户信息和执行结果。数据积累越多，平台越有机会形成更准确的风险规则、可审计账本和跨场景权限模板。

第一层潜在壁垒是合规与银行连接。不同地区、支付方式和账户类型对应不同的客户识别、反洗钱、资金托管与数据要求。Natural可以借助合作银行完成底层服务，但自身仍要将这些规则转换成开发者可用的产品。速度与审慎需要同时成立。

第二层是开发者工作流。若Natural能够让智能体在几行配置内获得钱包、额度、审批、付款和对账能力，并在异常发生时提供一致的处理接口，它就有机会成为应用团队默认采用的中间层。默认入口带来的集成成本和历史账本，会逐步提高迁移门槛。

第三层是责任网络。商户、银行、卡组织、模型平台、智能体开发者和最终用户都需要承认同一套身份与授权记录。单家公司很难独立建立这种网络，Natural必须通过合作扩大规则的可接受范围。其长期价值将由「有多少真实交易愿意采用这套责任语言」决定。

最强反方来自支付巨头。Visa Intelligent Commerce已经把身份验证、用户控制和支付凭证纳入智能体交易框架，并拥有48亿个支付凭证、超过1.75亿个商户受理点和每年逾3000亿笔交易的网络基础。Visa官方资料 Mastercard在2026年6月发布面向机器交易的Agent Pay for Machines，并称已有30多家机构参与生态，包括Adyen、Ant International、Coinbase和Stripe。Mastercard公告

Stripe也已把智能体商业列为正式产品方向，并持续与模型和云平台合作。Stripe产品动态 如果这些巨头将身份、授权、支付和争议处理整合成统一标准，Natural可能被压缩成某一垂直场景的功能层。

需求侧同样存在反证。Forrester观察到，消费者对智能体支付的采用仍然偏低且增长缓慢，一些早期结账尝试也未形成足够使用量。行业研究 这意味着Natural短期更适合用高频、边界清晰的企业任务验证价值，面向大众消费者的「万能购买助手」仍需等待行为习惯成熟。

五、Natural之外，三类左侧机会正在浮出水面

Natural把多项能力收进同一产品栈，也为投资者提供了一张邻近赛道地图。随着美国AI创投资金继续高度集中，寻找巨头尚未完全覆盖的责任环节，比追逐又一个通用智能体更有辨识度。

第一类是智能体身份与授权。机器需要可验证身份，也需要代表关系的有效期、权限范围和撤销机制。值得跟踪的信号包括：是否进入银行或大型企业生产环境，是否支持跨模型与跨平台身份，撤权后能否同步阻断资金和数据访问。

第二类是可审计账本与争议处理。传统支付记录只回答金额、时间和收款方，智能体交易还要保存任务意图、决策步骤、调用工具和审批过程。这个层面可能出现面向金融机构的审计软件、面向企业的责任图谱，以及自动化退款和证据编排服务。

第三类是机器原生风控。传统反欺诈系统主要识别人类账户异常，智能体会产生新的风险形态，例如指令注入导致误购、多个代理串联绕过额度、模型幻觉生成错误收款方。能否建立专门的行为基线、实时限额和可逆执行机制，将决定机器支付能否扩大到高价值交易。

投资者评估这些项目时，可以优先追踪四项指标：生产环境交易额、活跃付费客户、人工审批占比和损失率。交易额证明需求，客户留存证明工作流价值，人工审批占比衡量自主程度，损失率则检验责任体系是否有效。四项数据一起改善，赛道才会从概念热度进入基础设施周期。

六、黑马判断：先占责任层，平台价值仍待交易量证明

对早期投资者

当前适合建立赛道图谱，重点比较Natural与跨境支付、企业卡、稳定币钱包、智能体身份和风控项目的切入点。估值尚未公开，收入与交易数据也不充分，不宜仅凭融资速度追高。下一阶段应优先核实客户是否进入生产环境，以及Natural在支付链条中掌握的是接口、数据还是责任标准。

对二级市场投资者

Visa、Mastercard和大型支付平台正在把智能体交易纳入产品路线，短期受益更可能表现为现有网络使用量与增值服务扩张。Natural的融资可以作为行业需求信号，尚不足以推导某一家上市公司的确定性增量。观察重点是卡组织能否把身份凭证和消费者授权标准推广到更多模型平台与商户。

对创业者

创业窗口集中在巨头连接较弱、责任边界又足够清晰的垂直任务。企业采购、差旅、物流、物业和供应商付款都有明确预算与审批链，更适合训练权限模型。产品设计应从异常、撤销和追责倒推支付流程，并尽早取得真实交易数据。

四项主要风险

商业化风险：公司仍处于早期阶段，公开客户与交易指标有限，测试需求可能无法转化为持续收入。

竞争风险：卡组织、银行和Stripe具备网络、合规与渠道优势，可以通过标准化产品压缩独立平台空间。

合规风险：资金托管、客户识别、跨境转移和数据责任因地区而异，任何合作银行或监管变化都可能拖慢扩张。

技术风险：模型错误、指令注入和代理身份劫持会直接造成资金损失，安全事件对早期品牌的破坏远高于普通软件故障。

证伪条件

以下事实会强化本文判断：Natural披露持续增长的生产环境交易额；获得更多银行、卡组织或大型企业合作；在提高自主支付比例的同时保持较低欺诈和争议损失；开发者开始将其权限与账本接口作为跨应用标准。

以下变化会迫使我们下调判断：巨头在短期内提供统一且低成本的账户、授权和争议方案；高价值交易长期依赖逐笔人工确认；Natural持续只公布融资和产品数量，缺少真实客户、留存与交易量；其收入主要来自一次性集成服务，平台复用能力没有形成。

Natural已经把「谁能让智能体花钱」推进到「谁能为智能体花的钱负责」。3000万美元买到的是一段标准尚未固化的时间窗口。未来两年，决定公司位置的将是生产交易、责任数据和生态接受度；这三项同时出现，智能体的「公司卡」才可能成为一层独立基础设施。

── 投黑马研究团队

免责声明：本文基于公开资料进行研究与评论，仅供行业交流，不构成任何投资建议。早期项目具有高不确定性，相关信息与判断可能随公司披露、市场变化和监管要求而调整。

30秒看懂

• 最大变化： 英伟达AI基础设施把网络交换容量推至上一代的两倍，算力竞争继续向数据传输环节延伸。
• 最大融资信号： 两笔早期融资分别押注金融基础设施和AI旅行，资本更在意能否接住真实交易。
• 最值得追踪： 两项混合动力航空进展同日公开，但商业化仍要经过油耗、重量和适航认证检验。

AI & 一级市场

英伟达AI网络容量翻倍

7月21日，英伟达发布Spectrum-6以太网交换系统，单套交换容量达到102.4Tbps，是上一代的两倍。简单说，它负责让大规模AI集群里的计算设备更快交换数据，首批采用方包括CoreWeave、微软、Nebius、SpaceXAI和特斯拉。（据企业官方公告及独立产业分析）

这套网络系统属于Vera Rubin平台。英伟达同时披露，该平台已在多家云服务商部署机架；CoreWeave的首轮测试显示，在运行DeepSeek-R1时，每兆瓦吞吐量达到Grace Blackwell NVL72的10倍。该结果来自特定客户测试，不能直接代表所有工作负载。

【投黑马点评】
当一个AI集群扩展到数十万颗处理器，单颗芯片再快也可能堵在数据搬运上。英伟达把交换机、光通信和整机架一并销售，等于继续扩大自己在数据中心预算里的覆盖面。早期项目若只强调芯片性能，融资叙事会越来越吃力；能降低网络拥塞、能耗或运维成本的环节更容易拿到订单验证。

AI独角兽早期投资更拥挤

IT桔子7月21日发布的统计显示，2026年上半年中国新增67家独角兽，其中AI与具身智能公司超过一半。其数据库还记录到，21家公司在天使轮吸引5至9家机构，另有7家公司吸引10家以上机构。该数据属于商业数据库统计，不等同于监管口径。（据行业数据库统计）

【投黑马点评】
机构扎堆能提高项目早期拿钱的速度，也会提前透支估值空间。天使轮股东过多，还可能增加后续融资和治理成本；项目是否真有客户与交付能力，比投资人名单长度更值得看。

开源AI大赛开放四赛道

7月21日，GOAI世界人工智能开源大赛公开智能体基础设施、行业应用、AI科研和具身智能四个赛道的参赛规则。赛事设置500万元级奖金池，全场大奖100万元，并要求后续阶段提交可运行Demo、代码或模型、部署说明与评测结果。（据赛事官网及技术媒体报道）

【投黑马点评】
这类赛事更适合当作项目发现渠道，奖金本身不能替代融资。真正有价值的筛选条件，是作品能否复现、部署并在真实任务里留下可核查的运行证据。

商业科技

混合动力飞机飞越9,000米

7月20日，NASA与GE Aerospace公开一项高空飞行验证：改装后的Saab 340B搭载兆瓦级混合动力系统，飞行高度超过30,000英尺，约合9,144米；单次以混合动力方式运行最长超过两小时。这套系统随后在英国范堡罗航展公开亮相。（据机构与企业官方公告及航空媒体报道）

混合动力是在传统发动机之外加入电机和电力系统，用电力分担部分推进任务。此次验证证明系统能在民航常见高度工作，但它仍是试验平台，不代表相关客机已经取得适航认证或具备商业运营条件。

【投黑马点评】
飞到民航高度，比停留在地面试车或低空短航程更接近真实运营环境。可商业化的门槛仍很高：电机、电池和冷却系统增加的重量，必须由节省的燃油和维护成本抵消。后续若没有整机厂项目、明确油耗数据和适航进度，技术纪录很难直接转成批量订单。

RTX启动飞行构型地面测试

7月21日，RTX旗下普惠加拿大公司开始测试一套飞行构型混合动力推进系统。它由传统发动机、1兆瓦电机和电池组成，计划装入Dash 8-100试验机，目标在2027年首飞。公司称，其设计目标是在约463公里的典型支线航程中将燃油效率提高最多30%，目前仍属目标值。（据企业公告及航空媒体报道）

【投黑马点评】
同一天出现高空飞行和飞行构型地面测试，说明混合动力航空的整机工程正在加速。30%的目标能否在载荷、航程和安全冗余同时达标时保住，才是关键。

早期项目融资快报

Cordant获800万美元种子轮

7月21日，金融基础设施初创公司Cordant宣布完成800万美元种子轮融资，由Motive Partners与Oak HC/FT共同领投，Bitso和Paxos同时以投资方及产品设计伙伴身份参与。公司由多名前Rapyd管理人员创立，目前与11家设计伙伴开发产品。（据企业公告及独立财经媒体报道）

Cordant不经手资金，也不替换银行或支付公司的核心系统。它把支付通道、账本、合规和风险系统里的分散记录汇总起来，帮助运营团队查清一笔交易在哪个环节延迟、失败或出现记录冲突。

【投黑马点评】
800万美元并不算大，值得看的却是产品位置：银行想把AI放进支付和后台流程，第一步往往要先获得跨系统的完整记录，自动执行排在后面。Cordant已有支付与数字资产公司参与共创，接下来要看设计伙伴能否转成付费客户，以及部署是否真的不触碰核心系统。

30 Sundays获670万美元A轮

7月21日，印度AI旅行平台30 Sundays宣布获得约670万美元A轮融资，由Bessemer Venture Partners领投，原股东Info Edge Ventures与Eximius Ventures加码，累计融资约750万美元。公司面向情侣出境游，把行程发现、规划、预订和途中服务放进同一套对话式流程。（据公司发布信息及独立商业媒体报道）

【投黑马点评】
旅行规划很容易做出演示，难点在履约。酒店、机票、改签和突发问题都要接得住；若AI只降低咨询成本，利润结构仍可能像传统旅行社。

合成生物创企 SynSpace 获 4000 万美元 A 轮融资，跑通碳转化产线

7月21日消息，前沿合成生物学初创公司 SynSpace 宣布完成 4000 万美元 A 轮融资，由光速光合与红杉中国联合领投。公司凭借其专利的工程化菌株，成功在 10 吨级发酵罐中跑通了将工业废气（二氧化碳）直接高效转化为高附加值替代蛋白的工艺闭环，大幅拉低了生产成本。（来源：36氪）

【投黑马点评】
资本重金押注用废气造蛋白质的底层技术，揭示了合成生物赛道正在经历从“医疗保健品”向“大宗工业品”的估值逻辑切换。SynSpace 能拿到高额融资，核心不在于基因编辑多酷炫，而在于“低成本量产”这四个字。那些只停留在实验室摇瓶阶段、依赖昂贵糖类作为发酵底物的合成生物企业将被彻底边缘化，真正打通非粮碳源转化闭环的工程化团队将赢家通吃。

今日左侧信号

信号： 今天的几条新闻落在同一个位置：AI的下一轮钱，正在流向网络、数据控制和真实行业工作流。

追踪方向： 先看Spectrum-6能否形成可确认的批量部署，再看混合动力航空项目能否给出整机油耗和认证节点。早期项目则用设计伙伴转付费客户、成交率和售后成本检验商业价值。

深度研究导航

今日最值得继续回答的问题： 当AI基础设施的瓶颈从芯片转向网络、能源和数据治理，哪些早期公司能以订单而非参数证明自己的位置？

── 投黑马研究团队

30秒看懂

• 最大变化： 派拉蒙收购华纳兄弟探索的交易被法院临时暂停14天，大型流媒体并购再添时间变量。
• 最大融资信号： AI创业融资同日出现三笔新交易，种子轮与A轮合计7,000万美元，资金分别押注芯片软件、智能体支付和预测式安全。
• 最值得追踪： AI创业公司的产品入口正在贴近交易、算力和安全等高价值环节，客户是否愿意持续付费会比概念热度更早给出答案。

AI & 一级市场

Infinity获1,500万美元种子轮

7月20日，AI基础设施初创公司Infinity宣布完成1,500万美元种子轮融资，投后估值为1亿美元。Touring Capital、Principal VC以及多家芯片公司的管理人员和AI研究人员参与投资；据公司公告和独立报道，该轮次与估值口径一致。

Infinity开发的软件让不同AI芯片更容易运行模型。其智能体Ignition会自动编写、测试和优化芯片底层代码，目标是把过去需要数月甚至数年的适配工作压缩到数天；这一速度来自公司自述，仍需更多客户部署验证。目前公开合作方包括AI芯片公司d-Matrix。

【投黑马点评】
新芯片很难只靠硬件性能撬动市场，开发者工具和软件生态往往决定客户能否真正用起来。Infinity拿钱切入的正是这道门槛。1亿美元投后估值已经计入不低预期，接下来更有说服力的证据会是第二、第三家芯片客户，以及适配后可复现的成本和性能改善。

Adobe让AI先点评再修图

7月20日，Adobe实验性iOS相机应用Project Indigo更新至1.1版。根据应用更新信息和两家科技媒体的体验，新版可用大语言模型点评构图、光线、色彩和情绪，并给出重拍或编辑建议；同时加入更细的物体移除、景深模拟和风格转换功能。

【投黑马点评】
AI修图已经普遍，先指出问题再提供可执行修改，才是这次更新更有辨识度的部分。它若能减少用户学习提示词和复杂工具的时间，Adobe就多了一条把专业影像能力下沉到普通手机用户的路径。

商业科技

派拉蒙华纳并购被暂停14天

7月20日，美国联邦法院对派拉蒙天空之舞拟收购华纳兄弟探索的交易发出14天临时暂停令。法院文件和多家媒体报道显示，案件仍在审理，临时暂停不等于交易被否决，也没有改变交易价格口径。

这笔交易计划把电影制片厂、流媒体服务和电视网络放入同一家公司。派拉蒙方面表示将继续推进法律程序；此前公司预计交易可在9月前后完成，新的法院安排为时间表增加了不确定性。

【投黑马点评】
对大型媒体并购而言，延迟本身就会产生成本：融资安排、内容采购、人员整合和平台投资都要继续等待。14天并不算长，却让交易能否按原计划完成重新成为商业变量。投资人更该看后续听证安排和延期次数，而非把临时命令直接理解为最终结果。

WordPress漏洞进入实战攻击

7月20日，多家网络安全机构确认，攻击者正在利用WordPress近期修补的两个严重漏洞入侵尚未更新的网站。WordPress项目已推送安全更新，并在可行时启用强制升级；独立报道显示，两个漏洞组合后可能让攻击者远程控制网站。

【投黑马点评】
开源软件的风险常常卡在「补丁已发布、用户还没更新」这段时间差。对托管商和安全服务商而言，自动更新、攻击拦截和资产盘点会继续成为更容易量化价值的付费能力。

早期项目融资快报

Natural获3,000万美元A轮

7月20日，面向AI智能体的支付基础设施公司Natural宣布完成3,000万美元A轮融资，由Forerunner领投，累计融资超过4,000万美元。据公司公告与独立媒体采访，该公司2025年成立，此前处于测试阶段。

Natural为智能体提供账户、转账、收款、发卡和交易追踪等接口，试图让软件在可审计、可追责的条件下完成支付。公司同时支持传统银行支付与稳定币相关能力；其网站明确说明Natural本身并非银行，账户服务由合作银行提供。

【投黑马点评】
智能体要替人完成采购或订阅，支付授权、身份和争议处理比「会不会下单」更难。Natural把这三件事放在同一套接口里，方向足够清楚。最关键的验证将来自真实交易规模、欺诈损失和企业客户留存；智能体支付次数的远期想象不足以支撑估值。

Empirical获2,500万美元A轮

7月20日，网络安全初创公司Empirical Security宣布完成2,500万美元A轮融资，由Brightmind Partners领投，累计融资3,700万美元。公司为不同企业训练定制预测模型，用于判断哪些软件漏洞更可能被实际利用；独立报道确认了轮次、金额和领投方。

【投黑马点评】
企业面对的漏洞数量远超修复能力，预测优先级因此有明确预算入口。定制模型能否长期优于通用风险评分，要靠误报率、漏报率和客户续费来检验；安全团队不会只为一个漂亮的风险分数持续买单。

今日左侧信号

信号： 资本开始围绕AI的交易权、算力适配权和风险判断权寻找新入口。

追踪方向： 关注Infinity新增芯片客户、Natural进入正式商用后的交易规模，以及Empirical模型在真实企业环境中的预测准确度。三家公司都需要用持续使用数据证明，它们占据的是基础设施位置，而非一次性的功能窗口。

深度研究导航

今日最值得继续回答的问题： 当智能体开始处理付款和安全决策，谁应该承担错误交易与错误判断的最终责任？

── 投黑马研究团队