Edge AI Daily 早报（10月20日）：Anthropic 洽谈 450 亿美元算力交易，AWS 开源 TorchNeuron
Edge AI Daily 早报（10月20日）
Anthropic 正与 Nscale 洽谈第二笔约 450 亿美元算力交易，涉及西弗吉尼亚 Monarch 园区 460 兆瓦设施与英伟达 Vera Rubin 芯片。
（本文作者为 Edge AI Daily，钛媒体经授权发布）
硅谷前沿：
1.Nscale冲刺纽交所IPO，长期合同总价值达1034亿美元，但截至2026年8月31日仅约26亿美元转化为活跃营收，约97.5%仍停留纸面。其商业逻辑是：以照付不议（take-or-pay）长期合同锁定未来现金流、充当融资抵押品以降低资本成本，但收入确认的闸门始终握在GPU交付、电力接入与服务可用性等里程碑手中。
2.客户集中度过高：微软（约438亿美元）与Anthropic（约446亿美元）合计占1034亿美元合同价值约85%。2026年上半年Nscale营收1.406亿美元、同比增长1252%，但净亏损10.2亿美元（约为去年同期三倍），调整后EBITDA利润率为负142%，凸显资本开支前置、收入滞后的结构性矛盾。
3.Anthropic正洽谈第二笔约450亿美元算力交易（西弗吉尼亚Monarch园区第二座设施、460兆瓦、英伟达Vera Rubin芯片）。受此消息推动，2026年10月19日英伟达股价上涨1.38%至217.09美元。投资者关注的核心指标是设施投运后12个月内签约价值转活跃营收的转化率能否超过15%，以及已上线算力占比、活跃合同价值环比增速与大客户续约情况。
1.2026年10月19日，AWS发布开源工具TorchNeuron：基于PyTorch原生后端构建，开发者仅需修改一行配置，即可把用PyTorch写的AI代码从英伟达GPU迁至自研Trainium2与Trainium3芯片，瞄准约占85％的PyTorch开发者群体，直击英伟达CUDA生态护城河；工具以Apache 2.0协议开源，10月20日在圣何塞PyTorch大会开启公测。
2.亚马逊芯片业务已具规模：2026年二季度财报电话会披露，Trainium与Graviton合计年化收入运行率突破250亿美元、同比增长三位数；Anthropic已用超100万颗Trainium2训练并运行Claude，OpenAI承诺通过AWS基础设施消耗约2吉瓦Trainium算力。据《华尔街日报》，亚马逊正洽谈以约70亿美元收购跨芯片适配软件公司Decart，交易尚未确定。
3.TorchNeuron首版存在软肋：暂不支持动态输入形状等特性，约2.2万个PyTorch测试被跳过；英伟达在数据中心AI加速器市场的收入份额仍达80％至85％，CUDA生态惯性短期难被撼动。该工具将芯片竞争从性能与价格之争转向生态对生态，利好成本敏感型AI初创与云厂商，冲击依赖倒卖英伟达算力的新兴云服务商。
1.事件与背景：2026年6月1日Anthropic向美国证券交易委员会秘密递交S-1草案；此前5月28日刚完成650亿美元融资，投后估值9650亿美元，超越OpenAI成为全球估值最高的私营AI公司，市场对其IPO估值预期超2万亿美元。
2.财务与风险：招股书显示2025年营收约46亿美元（较2024年约4亿美元增约12倍），但营业亏损由2.98亿美元扩大至8.06亿美元，算力与基础设施支出达73.3亿美元、占126.5亿美元总运营支出的一半以上；未来云与算力承诺约5180亿美元（系多年期合同总值，非单年支出），约80%不可撤销，相当于2025年底现金及短期投资202.8亿美元的25倍以上；两大客户贡献约24%收入且多未签长期合同，呈收入弹性、支出刚性。
3.影响与观点：文章认为S-1的真正威力是审计而非融资，将迫使AI行业把未经审计的“年化率”切换为可审计的收入口径；估值仍建立在未审计数据上的私营AI公司及超大规模云厂商或面临估值重估，能经SEC审查证明盈利的公司将获确定性溢价；对投资者而言，核心是学会看AI公司的账目（收入是否审计、刚性支出承诺多少、客户有无长期合同）。
1.资本开支规模空前：2026年微软、Alphabet、亚马逊、Meta四家科技巨头预计合计资本开支6000亿至7000亿美元，较2025年约3880亿美元高出逾六成；其中约四分之三投向AI基础设施（数据中心、GPU、定制芯片、液冷与电网接入）。UBS预测2026至2028年超大规模云厂商将在AI基础设施上投入4.1万亿美元，是此前六年总和的三倍多。
2.收入增长追不上开支：微软AI业务年化收入达370亿美元（同比增长123%），亚马逊AWS的AI年化收入超150亿美元，但两者合计仅约520亿美元，与四家合计4500亿至5250亿美元的AI资本开支存在数量级缺口。资本开支是当期现金支出、AI收入是未来多年才回收的现金流，时间错配明显；2025年下半年起市场对AI泡沫担忧浮现，投资者开始追问投资回报率。
3.价值归属之辩（页岩镜鉴）：2010至2019年美国页岩企业累计支出约1.1万亿美元，自由现金流累计为负近3000亿美元，技术成功却未带来投资者回报，价值最终流向斯伦贝谢、哈里伯顿等设备与服务商。当下AI基建中，博通、英伟达等芯片与设备供应商先收款、利润落袋，把资产减值风险转移给斥巨资自建数据中心的超大规模云厂商，且其护城河较页岩设备商更深。
1.行情层面：截至10月16日当周纳斯达克综合指数下跌4.5%，创6月26日当周以来最差单周，周五单日再跌2.14%收于26140.03点；半导体指数自6月高点跌逾20%，年内仍涨近60%，上涨动能已逆转。
2.核心信号在债市：AI基础设施融资由股权转向债务，CoreWeave 2032年债券收益率10月中旬飙升至14.5%（发行票面利率9.625%），2031年债券约14.9%，其股价单日重挫约16%；Oracle 2032年债券升至7.24%并带动股价周三跌近7%，Nebius单日跌9%。债券市场正取代股票投资者成为AI投资的边际定价者。
3.趋势与检验：七巨头2026年资本支出预期增速由年初约30%膨胀至约70%，Alphabet、Amazon、Meta、Microsoft四家2026年指引合计7100亿至7600亿美元（2025年为4130亿美元），Morgan Stanley估计含Oracle五家2026年近8000亿、2027年达1.1万亿美元。10月下旬财报季成关键：若资本支出再上调而云与AI营收增速低于20%，将触发结构性重估；若支出持稳且云营收增速高于40%，更可能是周期性调整。
1.战略转向：OpenAI从软件"大脑"转向自研硬件，2026年9月一次性释出19个机器人岗位，覆盖执行器、电机、电气工程、控制、制造到数据采集全链路，机器人岗位总数达27个（2026年5月仅11个）；奥特曼表态将同时做人形机器人及其他形态。
2.转向原因：2019年Dactyl机械手解魔方后，OpenAI于2020年前后因物理世界数据不足关闭机器人项目。此次薪酬最高者非执行器专家，而是分布式数据系统机器学习工程师，公开底薪达50万美元（岗位区间17.7万至50万美元）。执行器占人形机器人物料清单（BOM）40%到60%（麦肯锡），谐波减速器、滚柱丝杠供应集中且稀土磁材加工高度依赖中国。
3.行业与市场：OpenAI曾参与Figure AI 2024年6.75亿美元融资，合作约11个月后于2025年2月终止；特斯拉Optimus约耗时五年仍未向客户发货，且错过2025年约1万台产量目标。市场预测分歧明显：MarketsandMarkets预计2030年152.6亿美元（年复合增长率39.2%），ResearchAndMarkets基准预测2030年70亿美元；奥特曼预测2027年或出现能在现实世界执行任务的机器人。
1.2026年10月16日《科学》刊发由美国华盛顿大学、英国牛津大学、英伟达等合作的RFdiffusion3完整设计方案；系统从残基层建模升级为全原子建模（每个氨基酸最多14个原子，含最多10个侧链重原子），参考AlphaFold3架构，可把关键原子落点、氢键条件、底物朝向等约束直接下放至原子层面。
2.性能与泛化：在41项酶活性位点设计任务中RFdiffusion3胜出37项，胜率约九成；生成速度约为前代RFdiffusion2的十倍，计算成本仅约十分之一；设计对象延伸至RNA与核酸（RFdiffusion3NA），并同步发布缩小与闭源AlphaFold3差距的结构预测网络RosettaFold3。
3.实验验证与影响：团队用它设计出对氧磷降解酶（磷酸三酯酶）、半胱氨酸水解酶及DNA结合蛋白，均在真实实验中完成预期化学反应，其中ZAPP-2催化速率较无催化条件提高约50万倍；工具已提前开源，短期将直接利好酶设计、药物发现与绿色化学等方向，但稳定性优化、体内表达等仍需独立攻克。
1.事件与结构：2026年10月19日，美国电力公司AEP与X-energy（Nasdaq: XE）签署联合开发协议，评估在印第安纳州沙利文县退役燃煤电厂（前Breed电厂）旧址建设960兆瓦先进核电项目，采用12台Xe-100小型模块化反应堆（单台80兆瓦，四台一组）。亚马逊通过资助协议出资开发，并拟以长期购电合同买下全部电力，合同收入覆盖设施与运营成本，最终投资决定（FID）待2029年底作出。
2.需求与逻辑：AEP核能开发总裁Shane Lies称公司到2030年需新增63吉瓦容量；美国六大云厂商已承诺超6900亿美元AI数据中心资本开支，数据中心电力需求预计由2023年17吉瓦升至2030年37吉瓦。核电以90%以上容量因子、零碳、可24小时调度的特性，成为AI巨头锁定长期稳定电力的首选，本质是以购电合同替核电项目承担风险。
3.商业化风险与关注节点：该项目是亚马逊与X-energy合作中继华盛顿州Cascade项目（初期320兆瓦、可扩至960兆瓦）后第二个、也是规划最大的一块，双方目标2039年前交付超5吉瓦新核电容。但截至2026年10月全球尚无一台Xe-100在建，且HALEU燃料供应链尚在起步（TRISO-X燃料厂2025年11月开工、2026年2月获NRC许可）。关键节点为2027年上半年NRC对德州Long Mott项目的许可决定、2028年陶氏FID、2029年底AEP的FID。
1.五大超大规模云厂商（亚马逊、微软、Alphabet、Meta、甲骨文）2026年AI资本支出承诺升至约8500亿美元，较5月市场引用的7250亿美元上调约17%；但"七巨头"股价背离大盘，Roundhill Magnificent Seven ETF（MAGS）年初至今跌约2%、过去一个月跌约9%，同期标普500指数跟踪ETF涨约9%、纳斯达克100指数跟踪ETF涨超19%，呈现"投入越加码、股价越掉队"的背离。
2.市场怀疑焦点是投资回报的数学题：红杉资本David Cahn测算，AI行业需约6000亿至6500亿美元年营收才能支撑当前硬件建设，而实际AI营收仅数百亿美元，即便乐观假设下仍有约5000亿美元缺口；穆迪指出数据中心从投入建设到产生收入通常需12至24个月，2025至2026年砸下的钱要到2027至2028年才见回响。
3.本次财报季被视为"验金石"，关键盯住三个数字：一是云营收增速（全球云基础设施服务收入2025年四季度达1190亿美元、同比增长30%，Azure、AWS、谷歌云须守住30%以上），二是2027年资本支出指引是否继续失控，三是毛利率能否稳定；若三者成立则"AI非泡沫"逻辑获验证，反之8500亿美元基建将从"战略布局"沦为"过度建设"。
国内进展：
1.10月16日，普林斯顿大学、得克萨斯大学奥斯汀分校、多伦多大学、NVIDIA与智元研究人员联合推出动作驱动世界模型评测平台WorldOracle，基于335条真实机器人操作轨迹（约四成交互片段为失败或次优操作），要求模型如实预测抓空、掉落等失败，而非把过程补成看似合理的成功结局。
2.首批七款模型实测揭示：机械臂移动路径预测较准，但物体是否被抓起及后续位置常对不上，如IRASim机械臂得分78.8、操作物体仅29.1，Cosmos 3分别为89.4与45.4；且预测拉长到完整序列后分数普遍近腰斩，DreamDojo从50.56降至27.08，Cosmos 3从53.99降至26.60。
3.平台设WorldOracle-Core、Policy、Long三条赛道，以物理状态正确性、交互空间对齐度、关键交互区域保真度、多视角动作一致性四项指标评分；119名参与者对128对预测视频的比较与指标判断一致率为88.1%至93.2%。其边界是仅衡量预测与单次真实执行的匹配度，成绩不宜直接用于判断跨本体泛化能力。
开源趋势：
1.谷歌开源运行期脚手架 Harness²，不动模型权重，仅对 GLM-5 做单步改进，即在 WorkBuddy-Bench 上从 OpenCode 的 64.2 分、Codex 的 64.4 分跃升至 75.7 分和 75.3 分，反超未优化脚手架的 Gemini 3.5 Flash（分别为 72.4 分、74.5 分），揭示“运行期优化”可替代部分底座模型升级。
2.技术核心为双层递归：任务级递归用“提议—探测—合成”机制，在无标准答案场景靠行为对比筛选有效改动；改进级递归将调试记录沉淀为 EXPERIENCE.md 经验库，供后续任务检索复用，实现经验跨任务、跨基准迁移（如把 JobBench 经验搬到 WorkBuddy-Bench 仍提升 0.6、0.5、2.9 分）。
3.行业影响：论文结论指出“弱模型配改进脚手架可战胜强模型配原始脚手架”，初始脚手架越弱提升越大（GLM-5 涨幅超过 Gemini 3.5 Flash），冲击底座模型护城河；框架已开源并支持 OpenCode、Codex，可能推动垂直领域经验库与认知资产市场兴起。
1.10月17日夜间黑客攻入OpenCode旧系统，次日1.4%的OpenCode Console用户被邮件告知工作区API key或泄露；随后部分开发者报告OpenAI、Anthropic、Google AI账单异常跳涨，从数百美元至约1700美元不等，但上述金额均为用户单方面说法，OpenCode尚未证实任何key被用于未授权调用。
2.护栏不对称是事件核心：防御方AI模型因恶意代码触发安全过滤器而拒绝分析攻击payload，OpenCode与Hugging Face均撞上同一堵墙，前者须获OpenAI“Daybreak Blue”项目权限才恢复取证；而攻击者可自由使用无限制模型，且此类许可仅发给经审查者，小团队与独立开发者难以获取。
3.事件暴露开源agent信任链断于API key环节：模型无关意味着把多提供商的安全策略、退款流程与风控能力一并接入，责任链条模糊；建议开发者以短期token替代长期key、设置额度上限并直接向提供商申诉，平台方则需重新设计凭证生命周期，key应“用完即弃”。
（广角观察、Edge AI Daily等综合整理）
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
来源：钛媒体 · tmtpost.com