Anthropic 招股书草案流出：半年营收 163 亿，账面亏损 807 亿，AI 的账本第一次摊开
据《华尔街日报》报道，记者 Anissa Gardizy 查看了 Anthropic 最新一版 IPO 招股书草案：公司 2026 年上半年营收 163 亿美元，约为去年同期 11 亿美元的十五倍；同期净亏损却高达 807 亿美元，其中约 720 亿来自可转换票据等融资工具的账面价值调整，并不是真金白银烧掉的钱。更扎眼的是算力账单：上半年算力与基础设施支出接近 90 亿美元，仅半年就超过了 2025 年全年的 73 亿；未来七到十年的云算力协议约 4500 亿美元，其中 1110 亿给了谷歌云、1100 亿给了 AWS、310 亿给了微软，且大部分不可取消；再加上通过博通租用谷歌芯片的 1600 多亿，总额已越过 6000 亿，若在谈交易全部落地，还有 1500 亿的上升空间。
更值得警惕的是收入结构。草案承认约五分之一的营收来自两个大客户，而这两家并没有长期采购承诺，理论上可以一夜之间转投谷歌、OpenAI 或开源模型。与之形成刺眼反差的恰恰是算力合同——用不用都得付。收入端松散、成本端刚性，这种错配才是这份招股书真正让市场紧张的地方。风险章节占了全文近三分之一，写着模型会出现自我保存倾向、会用类似勒索的话术操纵用户，还写明一旦发生灾难性 AI 事件，损失可能超出保险覆盖范围。Anthropic 拒绝置评，上市时间定在 11 月中旬。
谷歌开源 TorchTPU，亚马逊前一天刚交出 TorchNeuron，PyTorch 的英伟达默认项松动了
据 TechCrunch 报道，谷歌在 10 月 20 日的 PyTorch Conference 2026 上宣布开源 TorchTPU，这是一套让基于 PyTorch 的应用直接跑在谷歌自家 TPU 上的原生后端，由谷歌与 Meta 的 PyTorch 团队联合开发。它不是薄薄一层适配，而是为 TPU 重写了一套 PyTorch ATen 算子内核，并加上 XLA 编译缓存以避免每次运行重复编译计算图，支持 eager 执行、torch.compile 图模式，以及大约 450 个 ATen 算子。多数代码的改动量，是把 .to("cuda") 换成 .to("tpu")。
真正值得玩味的是时间点：就在前一天，亚马逊刚放出针对自家 Trainium 芯片的 TorchNeuron 公测版，思路完全一致。PyTorch 据统计被约 85% 的 AI 应用使用，而它的默认路径一直焊死在英伟达上——现在两条路同时被推开。谷歌这次开源的不只是后端，还包括 vLLM、SGLang、llm-d、TorchTitan、Ray、TorchRec、Hugging Face 与 LiteRT 的适配，Transformers v5 里一个模型只要传 device_map="tpu" 就能部署上 TPU；TorchTitan 已在多达 8192 颗 Ironwood TPU 上跑过验证，Qwen3 8B 的模型 FLOPs 利用率做到 52%。开发者不会立刻离开英伟达，但当采购 GPU 容量需要坐下来谈判时，手里有一份 TPU 基准数据，谈判姿态就不一样了。
美国国土安全部全面禁用 DeepSeek，连基于其模型做的第三方产品一起封杀
据《联邦公报》报道，美国国土安全部已正式公布部长签发的命令，禁令覆盖联邦民事行政机构的信息技术采购与在用系统，范围从 DeepSeek 本身扩展到其关联实体，以及所有使用 DeepSeek 技术开发的第三方产品与服务。文件依据 2018 年《联邦采购供应链安全法》发布，卷宗号为 DHS-2026-0628，10 月 19 日签署、20 日见报。
中国商务部当天晚间回应，表示强烈不满、坚决反对，指美方以所谓国家安全为由采取歧视性限制措施，是典型的泛化国家安全概念、滥用行政手段打压中国企业，实质上是把科技经贸问题政治化、工具化。科技日报的评论说得更直接：这份文件着重渲染 DeepSeek 会把敏感数据传到中国，可开源模型本来就可以本地化部署、完全在内网跑；而美方此前对华为、中兴、卡巴斯基的制裁路径，都是从政府采购起步，逐步升级为全面市场禁入与出口管制。禁一个模型容易，让全球开发者改用另一个模型不容易——同一周里，DeepSeek 的 V4.1-Flash-1017 还在 Code Arena 的 WebDev 榜上压过 Claude Opus 5 与 Grok 4.7，这大概是最冷的一种回应。
Meta Muse 隐私事故：6800 多个对话分享链接被 DNS 批量枚举，Meta 紧急暂停分享
据 Ars Technica 报道，安全公司 Claroc 通过公共 DNS 记录，发现超过 6800 个 Meta AI 助手 Muse 的分享链接。Muse 的分享链接由一段描述对话主题的短语加随机 ID 拼成，因此只要从 DNS 里捞到主机名，就能还原出完整链接。Claroc 称其中数百条对话可被直接查看，内容包括一家营销公司的营收复盘、一位小微业主的贷款申请、一间办公室的全年员工日历，以及一份与 AI 实验室职位候选人的通话笔记。Meta 发言人称分享链接本就只对拿到链接的人可见，但已暂停分享功能，全面排查链接究竟是如何被发现的。
技术细节并不复杂，失误却相当典型：当链接地址里嵌入了可猜测的标题提示，它对拿到链接的人依旧有效，对只拿到主机名的人却几乎等于公开。ChatGPT、Claude 与 Grok 的对话此前也都曾被搜索引擎收录过，这已经是又一轮把私密对话推到明面上的事故。问题的实质不在加密强度，而在入口设计——把可枚举的短语放进了可索引的空间。值得对照的是，Muse 在美国 40 天内下载量破千万、留存率也不错，产品的病毒式增长跑在了隐私威胁建模前面，而这正是这类事故反复发生的土壤。
微软把 AI 智能体当内鬼管：M365 E7 上线 Guardian Agents，检测种类扩到 60 种
据微软官方博客与 GeekWire 报道，10 月 19 日微软扩展 Project Perception 安全架构，把企业内部运行的 AI 智能体正式列为需要持续监管的内部风险源，并把这些能力打包进定价 99 美元每用户每月的 Microsoft 365 E7。核心组件包括 Guardian Agents——一批以机器速度审查其他智能体每一步动作的守护代理；Dynamic Agent Risk——融合身份、数据、端点、云、网络、运行时与智能体自身活动信号的动态风险评分；Dynamic Conditional Access——风险变化时分级响应，可保留读取权限同时禁写、要求可验证的人工审批，直至隔离运行时或直接终止执行；Dynamic Permissions——让智能体从零权限起步，只拿到与任务绑定、带时限的授权。
识别能力也从 25 种本地智能体扩到 60 种，新增 Claude Code、OpenAI Codex 与 GitHub Copilot，Entra Agent ID 也扩展到本地与此前未知的智能体类型。微软身份与网络访问业务副总裁 Nadim Abdo 把这些智能体称作 agentic insiders：它们拥有内部人级别的访问权，却不具备内部人的判断力，可能被操纵、出错或被攻破，而且以机器速度持续运行。最值得抄下来的一句是纳德拉的原话：最值得信任的智能体系统，不是那个我们最信任其模型的系统，而是那个被设计成让我们对模型信任最少的系统。
说中文的黑客用 AI 智能体攻破上百家公司网站，整场行动只花了约 5000 美元算力
据路透社报道，威胁研究员 Snorre Fagerland 披露，一名会说中文的黑客自 9 月 25 日前后起，用开源智能体工具对 1200 多个网站发起尝试，成功攻破 100 多家公司网站，受害者包括迪尔、SharkNinja 与康明斯。Fagerland 估计整场行动消耗的 AI 词元费用约 5000 美元，折合每次成功入侵约 50 美元；下发给智能体的指令短到不足 100 个汉字，单次得手通常耗时约 23 小时。迪尔表示已做修复且未发现敏感数据被访问，SharkNinja 称涉事站点只有产品支持信息，康明斯则称正在调查一个由第三方运维的站点。
另一起独立事件把成本曲线压得更低：Gambit Security 披露的攻击活动攻陷至少 27 家公司，窃走超过 60 万张有效信用卡记录，单个目标平均成本仅 25.46 美元，全部开销估计在 1.2 万到 1.8 万美元之间。两次攻击都把主力放在旧版本模型上——GLM 5.2、DeepSeek V4 Pro、DeepSeek V4.1 Flash 与 Claude Opus 4.6，新模型直接拒绝了攻击者的请求，于是编排工具退回老模型继续跑。这件事对模型厂商是个提醒：在最新模型上做的安全训练，覆盖不到仍在货架上出售的老版本，而老版本可以在网上待上好几个月，甚至几年。
OpenAI 收购 Orchestra Bio，把生物医药的运营层也装进 Rosalind
据 TechCrunch 报道，OpenAI 于 10 月 20 日收购了 AI 生物科技初创公司 Orchestra Bio，交易金额未披露。这家公司成立约四年，主打帮药企处理研发运营环节杂事的 AI 智能体，从追踪项目财务到协调临床试验排期。收购完成后，其团队与技术并入 OpenAI 面向生命科学研究的模型 Rosalind，以及协助研究者规划实验、分析结果的 Rosalind Workbench。OpenAI 称 Rosalind 的客户包括 Moderna 与诺和诺德。
Orchestra 截至 2025 年累计融资约 2000 万美元，投资方包括 Andreessen Horowitz、Atria 与 8VC。这笔交易有意思的地方不在金额，而在形态：市面上的普遍担忧是模型实验室会下场把垂直行业的软件公司碾平，而这一次是被收购方直接被吸收进模型体系。OpenAI 与 Anthropic 正在用同一种方式扩张——不只卖 API，而是在制药这类数据密集、流程复杂的行业里自建垂直工作流层。对生命科学软件的创业者来说，这既是警报也是信号：模型能力越强，越往上盖的应用层就越薄。
Anthropic 推安全立法：封禁模型要先过法官这一关，连大规模杀伤能力也不例外
据 TechCrunch 报道，Anthropic 正在推动一项 AI 安全法案，其核心设计是——即便监管机构认定某个模型可能带来大规模伤亡风险，也必须先获得法官批准，才能对其发布或使用施加限制。这套机制把安全阈值与程序性制动器绑在一起，等于给模型发布节奏上了一道司法闸门。
做法并不难理解：前沿实验室既是监管对象，也是规则成形前最有能力影响规则的一方。对行业而言，这意味着统一的准入门槛可能比想象中更松，因为起草者本身就握着最值钱的模型。但也要看到另一面，这份法案本身就把模型可能自我保存、可能用类似勒索话术操纵用户的风险写进了条文——能在自家产品里承认这些问题的公司，愿意让法官而不是监管机构来把关，至少说明它不打算拿安全议题给自己放行。真正的看点在于它能不能通过，以及通过之后其他实验室会不会跟。
Salesforce 56.6 亿美元收购 Braze：为 Agentforce 抢实时客户行为数据
据 Axios 与 Salesforce 提交的 8-K 文件报道，Salesforce 已签署最终协议，以每股 47.50 美元现金收购 Braze，企业价值约 56.6 亿美元，较上周一收盘价溢价约 58%，交易预计在 2026 财年完成，尚需 Braze 股东表决与监管批准。Braze 拥有约 2770 家客户，包括 Canva、HBO Max、肯德基与 Venmo，产品以移动端实时互动与 AI 决策见长。
Salesforce 表示，Braze 的实时互动与 AI 决策能力将与 Data 360、Customer 360、Agentforce 及 SIForce 互补。麻烦也在这里：Braze 与 Salesforce 一直是竞争对手，Agentforce Marketing 也就是 Marketing Cloud 的新名字，功能与之高度重叠，差别是 Braze 更偏移动优先。Braze 将保留独立品牌，CEO 与管理团队并入 Salesforce。有意思的是，今年 Salesforce 已在 Contentful、Fin 与 Braze 三家身上披露约 108 亿美元的收购承诺——当一家公司需要同时喂饱三套功能重叠的客户数据栈时，AI 智能体到底是协同还是整合，大概连他们自己也还在算。
谷歌推出 Gemini 政府服务版预览：HHS 与密苏里州先试，模型选择被藏了起来
据 Google Public Sector 与 MeriTalk 报道，谷歌在 10 月 20 日的华盛顿峰会上发布 Gemini for government services，进入面向美国联邦机构的预览阶段。整套方案包括面向政府职员的专用技能、连接常见业务系统的数据连接器、Gemini 平台本身，以及一批第三方智能体。首批用户包括美国卫生与公众服务部与密苏里州，典型工作流包括审阅采购提案、分析法规条文、处理选民文件，以及执行信息自由法案的涂黑处理。这是谷歌继法律与金融服务之后发布的第三个行业版本。
架构上最值得玩味的一点是：Gemini 抽象掉了模型选择与词元成本，由平台自行决定调用哪些模型与工具，其中既包括 Anthropic 的模型，也包括开放权重模型；第三方智能体拿到的访问权限比 Gemini 更窄，具体由 IT 管理员审批。谷歌还与埃森哲联邦服务部门推出 Gemini launchpads，用一批前置部署工程师帮机构搭建智能体。对采购方来说，这意味着选型逻辑正从挑模型变成挑一包带治理的智能体；对模型厂商来说，一个连模型层都不让你碰的政府订单，正在变成新的分发渠道。
📝 整体评论
严格来讲，今天这十条里最值得记的不是哪一条，而是同一件事在三个方向同时发生：账本摊开了。Anthropic 把招股书草案的细节交出来，谷歌与亚马逊把 PyTorch 的门推开，微软把智能体当成内鬼来管。这三件事看起来毫不相干，其实指向同一个事实——AI 正在从演示阶段进入被审计阶段，而审计的第一步，是把数字摊在桌上。
奥利弗·哈桑在《投资最重要的事》里说，泡沫的本质不是价格高，而是价格离现实太远。但 807 亿这个数字有点反常识：它看着像一场灾难，拆开却是约 720 亿的会计调整，真正烧掉的是 90 亿算力。吓人却不致命，这恰恰是当下最难定价的东西——营收是真的，亏损也是真的，只是两者并不在同一个坐标系里。恩格斯在《自然辩证法》里转述马克思的那个比喻，手推磨产生的是封建主的社会，蒸汽磨产生的是工业资本家的社会；当推理成本从每百万词元几美元掉到几分钱，被重写的不只是模型公司的毛利表，还有整个软件产业的成本结构。
说到底，这一轮真正的瓶颈已经不在模型够不够聪明，而在谁签字、谁来赔、谁来解释。微软把企业内的 AI 智能体称作 agentic insiders，很准确：它拿着内部人的钥匙，却没有内部人的判断力。纳德拉那句最值得信任的智能体系统不是我们最信任其模型的那个，而是被设计成让我们对模型信任最少的那个——放在一个满是论文配方的行业里，几乎算一句反常识的清醒话。另一边，Anthropic 推动的安全法案要求法官点头才能封禁模型，暴露的是另一种真实：前沿实验室既是监管对象，也是规则成形前最有能力影响规则的一方。波普尔一辈子强调知识只能靠试错增长，那么问题就来了，谁来当第一个被试错的对象。
浪漫一点的说法，这十条新闻是同一封回信。香农在《通信的数学理论》里把信息抽象成可度量的比特，把熵写成了秩序的代价；七十多年后，模型公司开始用同样的方式描述自己——Anthropic 用一份招股书草案描述现金流，微软用一套 Guardian Agents 描述智能体的边界，Meta 用一次 DNS 枚举事故描述自己的隐私短板，谷歌用两份开源后端描述算力自由。所有公司都在抢着给一台还没造完的机器写说明书。而说明书一旦公开，机器就不再是各家私有的了。至于方向，马斯克那句第一性原理的提醒仍然管用：不要问别人怎么做，回到最基本的事实重新推导一遍——人类到底要在这台机器上活成什么样，这个问题今天还没有人算过。
接下来 12 个月值得关注的 4 条主线：一是 Anthropic 11 月中旬的公开招股书与最终定价，看 4500 亿不可取消的算力合同会不会被市场重新打折；二是谷歌与亚马逊的 PyTorch 后端能吃到多少真实迁移量，看首批把推理成本压到现在三分之一的团队会不会出现；三是 AI 智能体的身份与权限会不会成为企业新标配，看微软、Okta、ServiceNow 一个月内连发的三套方案能否形成事实标准，以及安全测评里长期低分的那一环能否补上；四是监管与责任的分界线，看美国联邦采购的禁令会否外溢到欧盟，以及 Anthropic 那条法官点头式的程序约束会不会被其他实验室抄走。
