铃阅
❌

阅读视图

黄仁勋辞职开源模型遭殃,中期选举后算力中心难建|AI一周观察w46

原创 博阳 2026-11-16 22:27 北京

文|博阳

编辑|徐青阳

01

产业

Anthropic 启动 IPO 路演,估值打对折

11月10日,Anthropic 在官方路演公告与同日提交的招股说明书修订件中公布了首次公开募股的核心条款:公司拟以每股70至78美元的价格区间公开发行8.25亿股 A 类普通股,股票代码定为 ANT,预计于11月19日前后登陆纳斯达克。

除了公开发行,英伟达与 Google 各出资100亿美元,联合 AMD、博通、美光、微软及台积电等供应链伙伴,按发行价同步认购260亿美元无投票权的 N 类股份。

据 TechCrunch 拆解招股书分析,若按发行及同步私募完成后的基本股数计算,Anthropic 对应的股权估值约为9161亿至1.021万亿美元。比起一开始传出的两万亿打了对折。

治理结构上,创始人团队通过 F 类股份锁定了50.1%的投票权,配合长期利益信托对董事会多数席位的控制,二级市场新进入的普通股股东几乎不具备改组管理层的投票影响力。

目前Anthropic营业利润率已转正。根据公司披露的 IPO 财务摘要与财务披露数据,Anthropic 在2026年第三季度录得约170亿美元营收,同比增长超过12倍,截至10月底的年化经常性收入(ARR)已攀升至810亿美元。剔除股权激励与公允价值变动等因素后,公司第三季度调整后营业利润率为15%(较第二季度的19%有所回落,管理层在路演视频中设定的长期目标为35%以上)。

但问题是,目前Anthropic 资产负债表外背负着高达9009亿美元的长期算力与基础设施采购承诺。这正是当前科技股一路下挫的核心原因。目前银行等投资者认为AI当下基建回报周期过长,且不确定性过多,对现金流影响过大。

为了证明巨额算力投入正在转化为更健康的生意,路演材料重点强调了算法层面的算力乘数,来解释未来增长为何不会因规模收益递减而熄火。

在 Simon Willison 于11月11日整理公开的路演视频转录中,联合创始人兼首席算力官 Tom Brown 解释称,公司的总有效算力等于物理芯片规模乘以算法改进带来的效率乘数。按照这一逻辑,原本需要消耗100份物理算力才能训练出的模型能力,一旦在数据处理、架构优化或强化学习采样上找到4倍效率乘数,就只需25份算力即可复现。反过来,将省下的算力继续投入训练,100份物理硬件就能撬动相当于过去400份算力的模型表现。

招股书披露,Claude 目前已深度介入内部实验运行、训练数据管线、基准评测以及超九成核心代码库的编写与审查,从而缩短研究人员发现新算法乘数的周期。

这种研发反哺不仅体现在算法端,也直接改写了异构硬件的适配成本。过去,大模型实验室之所以高度依赖单一芯片生态,是因为每一代新芯片都需要针对底层指令集重新编写和调优大量算子内核,让一套千亿参数模型稳定跑通新硬件平台往往需要几十名底层系统工程师耗费数月时间。Tom Brown 在路演转录中透露,Anthropic 目前横跨亚马逊 Trainium、Google TPU、英伟达 GPU 和 AMD GPU 四大芯片家族开展训练与推理。今年首次引入 AMD GPU 时,团队让内部模型 Mythos 尝试移植工作,结果在几乎没有人类干预的情况下,仅用三天就完成了近乎全部底层内核的移植与重写,让 Claude 顺畅跑上了 AMD 平台。

当芯片软件栈的迁移周期从数月压缩至数天,模型实验室在面对硬件短缺或供应商议价时,便拥有了更灵活的多芯片调度空间。

这就是说,未来训练会越来越便宜,越来越快。假设需求扩大,token售价并没有同比下降,则Anthropic估计中的35%运营利润率则完全可达到。这就支撑了其估值逻辑。

围绕这套自我加速叙事,独立评测机构 METR 在11月5日发布的内部高权限评估报告提供了一份难得的外部参照。METR 研究人员在8月至10月间进驻 Anthropic 开展了为期11周的调查,利用内部版综合能力指数(AECI)对公开及未发布模型快照进行分段线性拟合后估算,自2025年10月以来,Anthropic 模型在明确定义任务上的能力进步速率约为历史基准速率的1.9倍(95%置信区间为1.5至2.8倍),相当于在过去一年里走完了此前两年的能力爬坡路程。报告明确排除了训练算力规模加速扩张这一诱因,并结合员工访谈与内部调查推断,约八成的提速大概率归功于 AI 工具在研发流程中的广泛使用。

把这些拼图合在一起看,万亿美元估值实质上是在为一条正在成型的正反馈链条提前买单,但技术上造出更强、更便宜的模型,在商业上既会催生新需求,也会倒逼全行业持续降价。

另外,需求扩张方面的问题,也需要降价作支撑。这些路演中并没有提及。

Fable 5.2 与 Mythos 5.2 发布,基础模型能力再跃迁

就在启动路演前夕,Anthropic 于11月9日发布了 Claude Fable 5.2 与 Claude Mythos 5.2。两款产品共用同一个底层基础模型,区别在于安全围栏与准入机制:Fable 5.2 开启了严格的网络安全与生物安全拦截策略,面向全体开发者与企业开放,标准输入与输出价格分别降至每百万 token 8美元和40美元,较上一代 Fable 5.1 下调20%(另提供双倍计费但生成速度最高快2.5倍的加速模式)。

本次更新最直观的账本变化不在于 token 单价下调,而在于完成单个复杂工程任务的综合花费显著下降。在软件工程评测 FrontierSWE v2 中,Fable 5.2 的得分从上一代的56.3%跃升至69.9%,在检验真实电脑桌面操作能力的 OSWorld 2.1 中,得分从83.5%提高到89.3%。 FrontierCode 2.0 评测中,Fable 5.2 在高推理档位(High)下取得了45.3%的通过率,逼平了日常主力模型 Opus 5.5 在极限档位(Max)下的最高成绩(45.5%),但由于减少了反复试错与无效长文本推理,单任务综合调用成本直接砍半。

数字世界之外,通用模型向物理操作任务的能力溢出也展现出醒目的跨度。在 Anthropic 内部运行的 RoboDojo Sim 机器人仿真评测中,各参测模型均开启最高可用推理档位,Fable 5.2 的任务成功率从上一代的27.6%大幅跳升至64.9%,不仅远超自家 Opus 5.5 的39.4%,也显著领先于竞争对手 GPT-6 Astra 的29.8%。基础模型的具身能力开始符合Scaling Law演进速度。

很多使用者都报告Fable 5.2的能力似乎跨了一个台阶。获得早期测试权限的创业者 Matt Shumer 在11月9日发表的深度使用评测提及,Fable 5.2 完成了他过去一年在几乎所有模型上都折戟的复杂项目,从零构建出一套具备真实物理破坏效果、可在笔记本电脑上流畅运行的体素游戏引擎。

但当他尝试用多智能体群组模式推进开发时,系统内部衍生出了繁琐的流程内耗——不同子智能体之间反复交叉审查、互相等待确认,甚至像过度敏感的巡查员一样频繁拦截正常操作。最终他发现在不少软件构建任务中,撤掉多智能体编排、改由单个智能体从头到尾统管全局,再由人类定期介入校准大方向,交付质量反而高得多。

OpenAI 据传解散独立机器人团队

11月13日,Fortune 刊发独家采访报道,证实 OpenAI 已正式解散旗下独立的机器人团队,将相关人员拆分并入核心部门。偏向算法探索的机器人研究人员归入首席研究官 Mark Chen 统管的主研究组织,而偏向工程落地与本体的软硬件人员则并入总裁 Greg Brockman 负责的应用部门。

这是 OpenAI 六年内第二次拆解独立机器人建制。公司曾在2020年因真实物理交互数据匮乏关停初代机器人团队,2024年随着具身热潮重启团队并与人形机器人初创公司 Figure 达成合作,但 Figure 于2025年2月终止合作转向自研大模型。尽管此次再度调整组织架构,OpenAI 发言人仍表示机器人是公司长期愿景的核心部分,计划在2027年公开演示自研人形机器人。

促成这次内部重组的核心动因,是底层技术路线的判断发生了转向。OpenAI 研究人员最初假设通往机器人的最佳路径是沿着 Sora 这类视频生成世界模型向上演进,但在近期内部实验与外部对比中发现,以 GPT-6 Astra 为代表的通用前沿多模态模型无需经过专门的机器人架构改造,只需直接输入摄像头画面、机器人本体参数与控制接口说明,就能直接指挥机器人在仿真环境中完成复杂操作。既然主干大模型的原生能力就能覆盖高层决策,单独维持一支封闭造轮子的机器人算法团队便失去了性价比。

但目前,通用大模型本身还替代不了具身模型(虽然也许通过蒸馏未来可以)。本周发布的 Embodied First Exam 机器人评测指出,云端大语言模型推理延迟偏高,依然需要端侧高频小模型配合控制。同时,模型能否看清被遮挡物体的真实状态、现场环境是否允许出错重来、夹爪接触物体表面时的打滑与摩擦如何补偿,都会让最终成功率出现几十个百分点的剧烈波动。

但通用模型具身能力的扩张实质上洗牌了行业护城河。那些试图在高层规划上跟前沿实验室比拼常识推理的团队会越来越被动,而能够把抽象指令稳妥对接到真实机械本体上,并在复杂光照、物理磨损与突发故障中攒下海量现场闭环数据的硬件执行团队,目前看起来还有存在的基础。

黄仁勋辞任英伟达 CEO,受害最大的可能不止英伟达

11月12日,英伟达董事会通过官方新闻稿与 SEC 监管文件宣布,执掌公司33年的创始人黄仁勋辞去总裁、首席执行官及董事职务,即日起生效。

自2013年加入英伟达并长期掌管财务体系的执行副总裁兼首席财务官 Colette Kress 出任临时 CEO,同时继续兼任 CFO 直至董事会物色到正式继任人选;曾任新思科技(Synopsys)首席执行官的资深董事 Harvey C. Jones 则被任命为英伟达历史上首任董事会主席。公司在声明中重点对外传递了经营稳定性,强调日常运营、客户交付承诺、既定产品路线图以及定于11月17日发布的2027财年第三季度财报均将按原计划无缝推进。

目前关于黄仁勋的离开对英伟达的影响,众说纷纭。有人认为未来英伟达可能成为下一个intel,走下神坛。也有人认为因为黄仁勋当下已经没有太多技术方面的insight了,他的离开不太会造成英伟达后续的大变化。

不过可以明确的是,在他离职后,未来开源模型领域的算力发展肯定会受到较大影响。

开源模型研究者 Nathan Lambert 在11月14日撰写的评论文章《Open-source AI without Jensen》评论说,在黄仁勋主导时期,英伟达成了美国本土开源 AI 生态最大的企业后盾:公司不仅持续迭代自家的 Nemotron 开源模型家族并与 Mistral AI 组建联盟研发下一代基座,还在今年9月宣布拟斥资约129亿美元收购开源核心社区 Hugging Face(交易预计于2027年上半年完成监管交割),同时向 Thinking Machines Lab、Reflection AI 等开放权重阵营初创公司注资,并掏出60亿美元获取编程初创企业 Poolside 的非独家技术授权,甚至由黄仁勋亲自出面联名呼吁华盛顿避免过度限制开源模型。从商业底层逻辑看,英伟达扶持开放生态绝非单纯做公益。只有让广大企业与开发者都能用上强大的开源权重模型,才能避免全球算力需求彻底集中到两三家闭源巨头手中,进而防止后者联手用自研专用芯片(ASIC)架空英伟达的软硬件议价权。然而,这类战略防御型投入往往账面回报模糊、回收周期极长,高度依赖创始人个人的战略定力与拍板权威。

进入职业经理人主导的过渡期后,财务纪律与短期股东回报权重势必上升,哪些开源项目能保住算力预算、尚未交割的生态并购与初创投资会否收缩优先级,将在未来一两年的版本维护与资源倾斜中逐步显露。

Agent支付体系蓬勃发展

本周,三家科技公司在48小时内密集发布了智能体交易相关产品,从不同切面共同拼出了一条完整的机器代付链路。

11月12日,Replit 宣布为旗下 Replit Agent 接入企业采购能力,创业者只需用自然语言下达采购预算与规格指令,子智能体便会在隔离的云端浏览器中自动前往商家网站挑货并填好结账单,同时在代码层硬性禁用命令行权限并暂停在最后一步,交由Stripe 旗下的 Link 钱包与 Visa 通道在创始人确认最终金额后完成扣款。11月13日,OpenAI 推出 ChatGPT Wallet,允许美国区部分订阅用户预先绑定信用卡,让平台内的智能体在选购商品后通过加密支付令牌(Token)发起结账,既不向智能体或商户暴露真实卡号,又要求用户每次必须通过面容 ID 或指纹完成生物识别确认才能真正划款。同一天,企业级智能体公司 Sierra 正式发布个人智能体协议 Poppy 1.0,联合 Meta 等逾百家设计合作伙伴建立开放标准,让个人智能体在访问企业系统时能通过标准化的 OAuth 流程亮明身份并读取操作权限,Shopify 更已为平台上数百万商户默认自动开启了该协议支持。

过去一年,不少通用智能体主要靠模拟人类鼠标键盘去操作网页,甚至直接索要用户的网站账号密码代为登录下单。这种做法不仅极易因前端页面改版而报错,更把账户安全与资金风险彻底敞开:一旦模型误读指令买错高价商品或泄露凭证,用户、智能体平台、发卡行与商家之间根本无法厘清责任归属。

要让一句口头委托变成受法律和金融体系承认的合规交易,系统必须拆解并守住两道独立的关卡:第一道是面向消费者的支付钱包,用硬件级生物识别和单次令牌解决“本人是否知情并批准这笔具体金额”的授权追责。第二道则是面向企业的接入协议,解决“商家是否承认眼前这个外部程序有资格代表客户进店交易”的身份准入。

来自传统商业巨头的一纸禁令,很快从反面印证了第二道门的分量。11月11日,美国联合航空(United Airlines)更新了第三方 AI 智能体管理政策,明确禁止未经官方授权的第三方个人 AI 助手在美联航官网、App 乃至外部票务代理渠道代客查票、订票或管理常旅客账户。这一动作紧随亚马逊封堵外部购物爬虫及美国银行警告储户切勿向 AI 透露网银密码之后,但航空公司的顾虑远不止防范里程盗刷或保护自有销售渠道。美联航在声明中专门点出了法定合规红线:根据美国联邦航空管理局(FAA)与交通部(DOT)的强制规章,旅客办理值机时必须由人类本人亲自阅读并确认托运行李中未夹带爆炸物等危险品,如果由外部 AI 自动勾选跳过,将直接触发监管违法与航空安全隐患。

这清晰表明,在金融、医疗、民航及高客单价售后服务领域,消费型智能体必须快速迭代安全支付通道,来同时拿下发卡组织的风控信任与头部商户的合规白名单。

一个AI时代的Paypal,也许就会在这里诞生。

云厂商没钱?没事儿,算力基建现在是模型厂预付款

随着新一代大模型训练集群的资本开支膨胀至数百亿美元量级,AI 云服务商(Neoclouds)与下游大模型客户之间的合同结构正在发生深刻的财务变形,越来越多的机房建设资金不再单纯依赖云厂商自身发债或股权融资,而是通过高比例预付款直接前置到了算力买方的账本上。

这种模式让新型云厂商在数据中心尚未通电产出一分钱营收之前就能提前收回大笔现金流,同时也把下游模型实验室更深地捆绑进了跨年度的长期容量合约之中。

本周两家代表性算力基础设施公司的财报将这一趋势量化到了台面上。11月10日,CoreWeave 在2026年第三季度财报电话会上披露,当季营收同比暴涨168%至36.6亿美元,积压订单总额高达1325亿美元;首席执行官 Mike Intrator 明确表示公司拒绝在母公司层面发行高息无担保债券,底气正来自客户预付款。今年签署的交易中约70%附带预付条款,部分客户甚至提前支付了高达100%的合同总金额,仅未来三个月内公司就预计从已签约合同中收回约90亿美元预付款和押金。无独有偶,阿姆斯特丹 AI 云厂商 Nebius 在11月12日发布的第三季度致股东信与财报说明中透露,为支撑2026年上调至约270亿美元、2027年进一步跃升至400亿到450亿美元的庞大资本开支,公司在第三季度新签的逾120亿美元合同中,客户预付款比例已从第二季度的覆盖对应资本开支50%至60%,一举推高至覆盖100%以上。

然而,财务上的提前输血并不能自动消除物理世界的工程瓶颈。尽管账面合同饱满,但由于第三方托管数据中心施工滞后,尤其是为微软定制的新泽西州园区在从临时发电设备切换至永久性燃料电池供电的过程中重置了工期,原本定于年底前全部交付的算力被迫将剩余批次顺延至2027年第二季度,连带拖累公司全年营收指引滑向区间下沿,年化收入突破70亿美元的节点也从今年12月推迟到了明年2月。

02

研究

基础模型具身大考,列清缺陷

随着编程智能体在软件工程领域大杀四方,机器人学界开始认真验证一个新设想:能否不靠海量动作演示数据从头训练端到端视觉动作策略,而是直接让通用大模型通过写控制代码、调接口甚至现场写脚本训练小模型的方式来指挥机器人?

11月9日,美国西北大学、卡内基梅隆大学、加州大学伯克利分校及斯坦福大学等多所高校联合团队提交了预印本论文《Embodied First Exam》,搭建起首个面向通用编码智能体的统一具身大考。评测集横跨35个任务套件、47种不同构型的机器人本体(从单臂、双臂灵巧手到四足与人形机器人),总计包含1156项任务,从常规桌面抓取一路延伸到解绳结、穿孔、宜家家具组装乃至双机羽毛球对打等高动态交互场景。

在模拟真实物理限制的456项核心难题标准测试中,智能体只能读取机载摄像头画面与关节传感器数据,且默认不允许随意重置环境,受测8款主流编码智能体中表现最强的 GPT-6 Astra(运行于 Codex 框架)最终成功率仅约为34%(33.6%)。而在物理世界不会停下来等待模型缓慢思考的实时模式(Realtime)下,超过六成的动态任务更是令所有智能体全军覆没。

为了搞清楚聪明的编码模型究竟栽在了哪一步,研究团队在391项核心任务上设计了一组极具洞察力的配对控制变量实验。如果把智能体放进上帝视角的特权环境(Privileged)——既能直接读取仿真器后台所有物体的毫米级精确三维坐标,又能无限次读档重来——GPT-6 Astra 的成功率其实高达77%。而一旦切回贴近现实的标准模式,同一批任务的成功率便断崖式跌至28%。

当研究者单独向标准接口补回“精确物体状态查询”这一项特权时,成功率从28%回升至45%。而如果不给精确坐标、只补回“保存节点并允许无限次重置重试”的权利,成功率跳升得更高,达到53%。当精确状态与重置重试两项条件同时具备时,成功率一路拉升至68%,填平了绝大部分能力落差。

这项研究为具身智能工程指明了极其务实的发力方向:当基础模型的高层任务拆解能力已经够用时,继续在语言层面上堆砌长链条思考收益甚微。改进多视角状态感知精度、在仿真与现实间建立安全低成本的局部纠错机制,以及打磨更柔顺的底层控制接口,才是决定机器人能否真正走出实验室的胜负手。

Agentic RL时代,后训练用PPO 还是 GRPO?

自 DeepSeek-R1 证明无价值网络的组相对策略优化(GRPO)能够跑出顶尖推理表现以来,大模型开源社区在强化学习后训练中几乎一边倒地抛弃了近端策略优化(PPO)中的独立价值评估网络(Critic)。这是因为砍掉体量与主模型相当的价值网络不仅能省下近半显存与额外的训练开销,还能避免价值网络预估不准带来的引导偏差。然而近期 VAPO、SAO 等重新捡起价值网络的方法又相继在数学和代码任务上刷出超越 GRPO 的成绩,令工程界再度陷入路线摇摆。

11月10日,Scale AI 联合卡内基梅隆大学研究者 Jason Wei、George Pu 等人发布论文《To Critic Or Not To Critic》及配套技术解读,通过横跨连续控制、单轮数学推理与多轮命令行终端智能体的逾1200次受控训练(其中大模型实验达96组,累计消耗约2.1万个 H100 GPU 小时),给出的结论是,两种方法不存在绝对的优劣,谁占上风完全取决于单步采样批量(Batch Size)、价值网络依赖程度与任务链条长度三者的动态博弈。

要理解为什么此前不同团队的实验结果会互相打架,首先得看清两种算法在给模型动作“论功行赏”时的底层分歧,以及现代优化器对梯度的真实要求。PPO 之所以专门养一个价值网络,是为了在长链条推理的每一步都即时估算未来得分。而 GRPO 彻底扔掉了这位随堂打分的评委,转而对同一道题并行采样一组(例如16条)完整回答,直接拿每条回答的最终得分去和组内平均分比高低,再把算出来的同一个奖惩系数粗暴地平摊给这条轨迹里的所有token。

传统理论习惯用均方误差来衡量这两种梯度估计的好坏,但论文敏锐指出,如今大模型训练普遍使用的 AdamW 或 Muon 优化器会对梯度大小做归一化处理,真正决定每一步参数更新质量的并不是梯度模长,而是“批次梯度的方向与真实最优梯度方向偏了多少”。

为此,研究团队将经典的偏差—方差权衡改写为了方向维度上的“余弦模型”:无评委的 GRPO 全部依据真实终局结果算账,只要采样足够多,它的平均梯度方向就指得更准(对齐上限高),但单条轨迹的随机方向抖动极大(噪声尺度高)。PPO 的价值网络像减震器一样大幅压低了单次采样的方向噪声,但因为评委自身的预估总有误差,过度依赖自举就会把平均梯度方向拽偏(对齐上限低)。

在所有受测场景中,只要每次更新采样的轨迹批量较小,噪声就会主导训练成败,此时自带减震器的 PPO 几乎全面领跑。以基于 Qwen2.5-3B 的单轮数学推理为例,在批量为4和16时,PPO 的五项主流数学基准平均分比 GRPO 高出1.9至2.7个百分点。而在基于 Qwen3.5-4B、最高长达64轮交互和6.5万词元上下文的终端智能体任务中,批量为128和512时 PPO 的领先幅度更是达到5.9个百分点。

然而,加大采样批量虽然能靠大数定律把方向噪声越摊越薄,却永远消除不了价值网络自带的系统性方向偏差。因此随着批量一路放大,GRPO 开始稳步追赶甚至反超。面对重度依赖价值网络自举的 PPO 变体,GRPO 在7组跨领域对比中有6组实现了高批量反超(数学任务在批量达到1024后正式反超)。唯有当 PPO 采用随轨迹长度自适应调节的轻度自举策略、保留更多真实终局信号时,才能压住自身的偏差劣势,在大批量区间与 GRPO 打成平手或维持微弱优势。

进一步拉长任务链条与交互复杂度后,研究揭示了长程智能体训练不得不面对的“信用分配税”。在模型从单轮做一道数学题走向连续几十轮敲命令行改代码的过程中,尽管轨迹长度膨胀了几十倍,但外部验证器在结尾给出的往往依然只是一个非0即1的二元通关信号。

论文从理论上证明并在控制实验中实测验证,把同一个终局结果平摊到越长的动作序列和越复杂的状态空间上,无评委方法的梯度方向噪声尺度就会成倍飙升:在简单的单摆控制任务中,步长为5时 GRPO 在批量仅为4时就能击败重度自举 PPO,而当步长拉长到200时,GRPO 追平对手所需的临界批量暴涨到了65536。

同理,在大模型实验中,单轮数学任务到批量1024即可追平轻度自举 PPO,而多轮终端智能体则要推迟到批量2048才能打平。这意味着任务越长、环境越复杂,能够把终局成败精准拆解到中间关键步骤的价值网络,其保质期就越长。

所以未来任务越来越长的Agentic RL,可能真的会回归到PPO上。

在当前的长程智能体强化学习中,逐token自回归生成受限于显存带宽,叠加外部沙盒容器运行、工具调用与裁判模型打分,光是“生成采样轨迹”这一项就已经吞掉了约80%的 GPU 时间。因此,在中小算力预算下,多花一点算力去训练价值网络其实是一笔极划算的买卖。

随着行业重心加速转向动辄执行数小时的科研与具身智能体,单次真实采样越来越贵,一味盲从“去价值网络化”或固守单一算法都将付出高昂代价,按任务跨度与采样成本联合调配批量及自举强度,正在成为强化学习工程化的必修课。

Google Antigravity发布Teamwork Agent研究,试图找出多Agent合作的金规则

11月13日,Google Research 在官方博客发表长文《Advancing science & engineering with Antigravity's /teamwork》,集中展示了基于 Gemini 4 系列模型(Argon、Carbon 与 Hydrogen)的多智能体协作功能 /teamwork 在基础科学与复杂系统工程中取得的一连串硬核战果:在理论领域,Google 与香港中文大学、南加州大学、卡内基梅隆大学学者合作,彻底证明了信息论领域悬置十余年的2013年 Courtade–Kumar 猜想,并输出了长达5000万行的 Lean 4 形式化证明,同时全自主完成了代数几何经典韦伊猜想(Weil conjectures)180万行代码的机器核验。在系统工程领域,多智能体团队耗时两周将 Zircon 微内核剩余约80万行 C++ 代码迁移为内存安全的 Rust 并顺利在 arm64 硬件启动,还将开源 AV1 视频解码器 libgav1 重写为17万行 Rust 代码,经性能剖析调优后比原先手工打磨的 C++ 与汇编版本还快出20%至30%。

Google 团队指出了Multi Agent在长程科研中面临的两大固有缺陷,并给出了针对性的机制设计。第一个缺陷是单次生成的不确定性。面对未知难题,扩大并行采样虽然能提高撞上妙招的概率,但也会同时制造出海量看似头头是道、实则暗藏漏洞的错误方案。因此,/teamwork 严禁让大模型靠自我感觉互相吹捧,而是把并行探索与客观证伪器(Falsifiers)死死绑在一起:数学推导必须过 Lean 4 编译器,代码迁移必须链接未经篡改的原始测试集(防止智能体为了跑通测试而偷改考卷或用空函数糊弄),分子结构推断必须对齐物理光谱仿真器,而针对单次实机测试耗时多达数十分钟的 TPU 算子优化,智能体还会先构建仅需23秒的代理评估标尺,并用秩相关统计定期与真实硬件对表。

第二个致命缺陷则是多日长任务中的注意力涣散与思维同化。随着探索轮次拉长,历史对话记录像滚雪球一样膨胀,模型很容易淹没在过期的失败尝试里忘记最初的约束;更隐蔽的风险在于,如果让审查智能体直接阅读原作者智能体的完整推理草稿,审查者极易顺着原作者的思路滑进同一个逻辑盲区。为此,/teamwork 从架构底层实施了严格的上下文分区隔离:协调者每次只把当前步骤必需的最小文件集与工具塞给执行角色,阶段完成后便把精简状态移交给拥有全新上下文的继任者。而负责挑刺的审稿与审计智能体则在完全干净的独立上下文中盲审最终产物,彻底切断先入为主的诱导。

在面向计算机顶会 STOC 2027 开展的578篇投稿预审测试中,超过三成受访作者反馈这套独立审稿机制抓出了实质性的证明漏洞或关键数学笔误。

03

政策

中期选举后,美国开始重新分配 AI 扩张的成本与责任

随着2026年美国中期选举落幕,华盛顿与各州围绕人工智能的政策博弈正在脱离宽泛的原则探讨,集中转向扩张成本分摊与企业安全问责,并在上周转化为实质性的国会立法议程。

最先进入表决通道的是数据中心供电成本问题。据美国参议院每日新闻简报与参议院第258号点名表决记录,参议院于11月9日以73票对25票跨过辩论终结程序门槛后,在11月10日以62票对21票正式通过程序动议,开始审议以众议院已通过法案 H.R. 2347 为立法外壳的两党能源许可改革方案《两党美国可负担性与就业法案》。长期以来,超大规模 AI 数据中心密集并网推高了区域输变电扩容开支,而在传统公用事业电价分摊机制下,部分新建电网成本往往通过基础电费转嫁给普通家庭与中小型工商业用户。此次由西弗吉尼亚州共和党参议员 Shelley Moore Capito 与新墨西哥州民主党参议员 Martin Heinrich 等两党议员共同起草的法案,给出了一套明确的利益交换机制。

法案一方面大幅压缩联邦环境审查与诉讼周期(将《国家环境政策法》相关诉讼时效从六年缩短至150天,并赋予联邦能源管理委员会在州级机构满一年未作决定时对230千伏以上跨州输电线路行使联邦兜底审批权)。另一方面则强制要求联邦能源管理委员会(FERC)在法案生效90天内重写输电定价规则,规定新建大型数据中心必须足额承担自身触发的电网升级成本并预先提交财务担保,即便中途提前退租也不得将沉没成本转嫁给其他用电户。

截至目前该法案仍处于修正案博弈阶段,众议院能源和商业委员会共和党主席对输电条款持有异议,部分进步派民主党议员及环保与原住民团体则反对放宽环评限制,跛脚会期内能否最终过关仍存变数,但“支持基建提速的前提是科技巨头自己把电费账单结清”已成为两党罕见的交集。

除物理基建账单外,前沿模型的独立安全评测与企业损害赔偿责任也在国会换届前夕积蓄了更强的推进动能。据路透社11月6日报道,随着民主党将在2027年1月新一届国会揭幕后同时接掌参众两院多数席位,多位核心议员已开始起草一揽子监管法案:即将出任参议院多数党领袖的 Chuck Schumer 将遏制数据中心推高居民电价列为优先事项,马萨诸塞州民主党众议员 Lori Trahan 则计划推出专门立法,要求前沿大模型在部署前接受外部独立专家的安全标准测试,并在法律上厘清 AI 系统造成现实损害时的企业赔偿责任。

因此,明年年初最先落地的预计将是依托委员会控制权展开的密集监督:多位民主党委员会潜在负责人已表示将动用传票权要求科技巨头高管宣誓作证,彻查模型安全护栏与内部风险评估实践,并尝试将部分具备跨党派共识的条款挂载到年度必过法案中寻求突破。

相比华盛顿的立法拉锯,基层选民与地方政府对算力基础设施的约束其实来得更直接、更猛烈。哈佛大学肯尼迪学院阿什中心(Ash Center)11月10日发布的科技政策复盘报告统计显示,尽管与头部 AI 企业结盟的超级政治行动委员会在此次选举周期投入了逾5570万美元竞选资金,但在11月3日选举日全美10个州通过的41项地方级数据中心公投议案中,有多达40项倾向于限制开发(其中俄亥俄州全部21项地方议案均倒向限制一侧),且其中30项议案的赞成票比例超过70%。这些由市县社区直接拍板的限制措施涵盖了单项目兆瓦级供电上限(通常卡在25兆瓦以上)、暂停审批令、土地重新分区公投乃至直接禁建。

与此同时,得克萨斯、南卡罗来纳等多州新当选的州级与联邦官员也在竞选中密集承诺取消数据中心销售税减免、强制开发商自理水电基础设施开支,并禁止地方政府与科技企业签署保密招商协议。

这种绕开联邦僵局、直接在地方与州级层面收紧规则的趋势,在模型安全监管领域同样已经进入实操阶段。就在参议院推进能源法案的同一天,纽约州金融服务厅(DFS)与州长办公室于11月10日发布公告,宣布旗下新设的数字创新、治理、诚信与信任办公室(DIGIT)正式开放大型前沿 AI 开发者合规登记入口,以衔接将于2027年1月1日正式生效的州级《前沿人工智能安全与创新法案》。为了解决行政官僚“看不懂复杂模型安全报告”的执法痛点,纽约州同步在宾汉姆顿大学启动了由康奈尔理工学院与哥伦比亚大学资深计算机学者领衔、汇聚全州逾80名研究人员的“纽约 AI 责任与研究中心(NYCAIRR)”,直接调用耗资5亿美元建设的州立公共算力平台 Empire AI 对前沿模型开展独立测试并审阅企业披露的安全框架。按照新法,达标前沿开发商不仅要在明年元旦前完成注册并公开治理框架,还必须在发生重大安全事故后72小时内向州政府强制上报。

这一切变动都说明,中期选举之后,即便联邦综合性 AI 法案短期内难以出炉,科技公司扩张算力与发布新模型的外部合规与基建门槛也已在实质性抬高。

新一波卡脖子,封住东南亚租赁算力

根据美国众议院外交事务委员会共和党多数派11月12日发布的联合声明,众议院外交事务委员会主席 Brian Mast、中国问题特别委员会主席 John Moolenaar 与常设情报特别委员会主席 Rick Crawford 当天联名致函刚刚辞任英伟达 CEO 的黄仁勋、英伟达总法律顾问 Tim Teter 以及美国商务部负责工业与安全事务的副部长 Jeffrey Kessler,要求三人在12月初出席国会闭门质询并警告逾期不配合将直接签发强制传票。

三位共和党主席在声明中点名围绕黄仁勋离任及新加坡云服务商 Megaspeed 的外部报道,公开要求国会立即将《AI 监督法案》(AI OVERWATCH Act)、《芯片安全法案》(Chip Security Act)、《多边先进技术协调法案》(MATCH Act)及《远程访问安全法案》(Remote Access Security Act)四项立法打包塞进本财年必过的《国防授权法》(NDAA)终稿之中。

这四项法案分别瞄准了现有半导体出口管制体系中容易漏风的四个工程与行政环节。《AI 监督法案》试图参照军售审批模式重塑芯片出口许可权,要求商务部在批准向受限国家出口英伟达 H200 或 AMD MI325X 等级别芯片前至少提前30天通报国会相关委员会,赋予国会通过联合决议一票否决的权力,并对 Blackwell 级别的新一代旗舰芯片实施强制禁售。《芯片安全法案》把监管探头伸进硬件底层,要求先进算力芯片内置地理位置核验机制,且芯片厂商一旦获知产品被非法转运或篡改必须履行强制上报义务。《MATCH 法案》着眼于施压盟国同步收紧半导体制造设备出口。而《远程访问安全法案》与商务部工业与安全局(BIS)正在收尾的新规一道,直指近年来备受关注的“海外算力租赁绕道”,过去出口管制主要卡住实体显卡通关,受限企业仍可通过租用新加坡、马来西亚或泰国等地数据中心里的英伟达集群远程训练模型,新规试图将云端远程算力接入一并纳入许可管辖。

从立法前景与产业影响来看,这批管制条款目前仍处于两院合议庭的最后博弈阶段。一方面,众议院议长 Mike Johnson 与候任议长 Hakeem Jeffries 均在11月12日前后表态支持限制相关芯片出口并在国防授权法中保留涉芯条款(其中前三项法案此前已写入参议院版国防授权法草案),近期的企业治理风波明显压缩了反对者的游说空间。但另一方面,历史先例表明最终条文仍存变数,去年要求芯片商优先满足美国本土买家的《GAIN AI 法案》同样曾通过参议院版国防授权法,最终却在白宫与半导体行业的联合游说下在两院合议阶段被剔除。

英伟达与 AMD 此前曾向行政部门反映,过度严苛的硬件定位要求与一刀切限制可能倒逼海外客户加速转向本土替代芯片。从财务敞口看,截至今年7月底的财季中,英伟达来自中国内地及香港特区客户的账单收入占比已从一年多前的21.9%降至8.2%(约79亿美元),直接对华获批出货的 H200 占数据中心总营收已不足1%。

真正牵动接下来市场神经的,将是针对东南亚第三方数据中心远程算力租赁的封堵细则究竟划到多宽。

推荐阅读

跳转微信打开

  •  

星际荣耀彭小波:双曲线三号首飞或迎新变化,多年创业的“得与失”

原创 值得关注的 2026-11-16 12:20 北京

最新进展。

图片

【编者按】本系列聚焦全球商业航天产业的新一轮变革。本期为该系列03期,对话星际荣耀董事长、总经理彭小波,探讨商业航天的未来趋势与竞争格局,回顾多年创业的“得与失”。

文|李海伦

编辑|徐青阳

11月的一个清晨,早上9点,星际荣耀董事长、总经理彭小波已经坐在办公室里。

他的面前是一张宽阔的木质办公桌,给人一种不苟言笑的印象。谈起公司和行业,他直言不讳,很少回避问题。

当被问到双曲线三号的最新进展时,他坦言,由于试车设施建设进度等原因,原定于2026年底的首飞计划可能再次推迟,争取在2027年上半年完成。

谈到同行不断取得技术突破,是否会感到焦虑时,他表示:“焦虑肯定会有”。

不过,焦虑归焦虑。在彭小波看来,火箭研制仍有其客观规律。有些工作可以通过并行试验加快进度,但必要的研发环节和验证流程无法省略。

他用植物生长作比喻,即使把每天的光照时间从12小时延长到24小时,也未必能让植物生长得更快。“有时候慢可能也是快。”他说。

而谈及商业火箭行业的竞争壁垒,以及星际荣耀有哪些难以被同行复制的优势时,彭小波的回答是:“我觉得没有什么是其他公司完全无法复制的”。

彭小波认为,技术本身并不是绝对的壁垒,最终还是要看企业能否把技术转化为可靠的产品,并形成批量化交付能力。”

彭小波是中国最早一批投身商业火箭创业的航天人。

1994年,彭小波从北京航空航天大学毕业,自此投身航天事业,至今已深耕三十余载。

2015年前后,中国商业航天迎来第一波创业潮。新一波民营火箭企业相继成立,星际荣耀也在其中,2016年正式成立,成为国内最早一批民营商业火箭企业。

那时,民营企业能否独立研制运载火箭、市场是否足够大、资本能否支撑漫长的研发周期,都还是未知数。

2019年7月,星际荣耀研制的双曲线一号遥一运载火箭成功入轨,成为国内首家实现运载火箭成功入轨的民营企业。这次突破也引起了SpaceX创始人马斯克的关注,他在社交平台上回应“Wow cool!”。

一年后,彭小波登上《福布斯》中国版9—10月刊封面,成为中国商业航天早期发展阶段受到关注的创业者之一。

到现在,近七年过去,中国商业航天的竞争环境已经发生明显变化。

随着低轨卫星组网需求持续释放,国内多家商业火箭企业相继推进大运力液体火箭首飞和重复使用技术验证。商业火箭的竞争日趋激烈,竞争焦点已从能否成功入轨,逐步转向如何实现可靠发射、重复使用和规模化交付,并进一步降低发射成本。

更重要的一点是,猎鹰9号曾是中国商业火箭企业追赶的重要标杆,不过这款曾经改变全球商业发射市场的火箭,现在已经被SpaceX列入逐步退役的计划,目前SpaceX已停止接受2028年以后的猎鹰9号火箭预订,后续转向以星舰(Starship)为核心的两级完全重复使用、超重型运载和高频次发射。

这一变化带来的问题是:当下商业火箭企业面临的挑战,除了迭代现有的技术,还包括如何应对下一代火箭技术迭代带来的市场竞争。

同样,对于曾经率先实现民营火箭入轨的星际荣耀而言,如何把握技术迭代的节奏、商业化以及下一代火箭的研发投入,也是当下的关键问题。

目前,星际荣耀正沿两条路并行推进的方式:一方面,双曲线三号仍在推进首飞前的试验与准备工作;另一方面,公司已经启动下一代重型火箭双曲线九号的预研,提前布局技术难度和资金投入更大的两级重复使用领域。

近日,腾讯科技与彭小波进行了一次独家交流。从双曲线三号的首飞进展,到下一代重型火箭的技术布局,再到过去的创业经历、管理反思和行业竞争,他分享了对公司发展和商业航天未来趋势的思考与判断。

星际荣耀董事长、总经理 彭小波,图片由AI生成

01

“双曲线三号首飞的最新进展”

问:星际荣耀此前表示计划于2025年底实现双曲线三号首飞入轨及海上回收,随后将首飞时间调整至2026年底。目前,双曲线三号的研制进展如何?距离首飞还有哪些关键试验和技术节点需要完成?

彭小波:目前来看,首飞时间可能还会推迟。一方面,还有一些任务需要协调;另一方面,我们计划在海南文昌自建的动力试车台上进行试车,但试车台的建设周期比原来预想的更长。

预计11月下旬完成试车台建设,调试后先进行二级试车,再开展后续工作。

整体来看,主要是相关能力和设施建设存在一定滞后,包括试车台建设、发动机试车等环节,进度都比原来预计的慢一些,这是目前比较大的瓶颈。我们争取在2027年上半年实现首飞。

问:首飞进度延迟,你觉得是否可能错过重要的市场窗口?

彭小波:从我国低轨互联网星座建设周期来看,2027年至2030年,甚至更往后,都会是需求高峰期,从时间周期看可能会略晚一点,但我认为不会错过。

问:目前国内多家商业火箭公司都在推进火箭入轨和一级回收技术验证。双曲线三号为何选择在首飞时同时挑战入轨和回收两个目标?这一方案是否会增加首飞风险?

彭小波:实际上,我们从双曲线二号开始,就在逐步开展重复使用技术验证,包括地面试验和飞行试验。

2023年11月2日,我们在酒泉卫星基地完成了首次全尺寸试验箭垂直起降试验,飞行高度约180米,初步验证了垂直回收技术的可行性。大约一个月后,我们使用同一枚火箭进行了第二次垂直飞行,飞行高度约350米,进一步验证了火箭经过检测后再次使用的可行性。

虽然这两次试验的飞行高度相对较低,但我们已经对发动机、加注输送、防热、测控等与回收相关的技术进行了初步验证,为双曲线三号的研制积累了一定的技术基础。

双曲线三号从设计之初就是一款可重复使用火箭。在确定首飞方案时,我们曾对一次性飞行和回收飞行两种方案进行过详细的分析和论证。

如果首飞不进行回收,而是按照一次性火箭的状态执行任务,实际上会偏离双曲线三号最初的标准设计状态,反而需要增加额外的设计、试验和验证工作。

因此,虽然首飞同时挑战入轨和回收会增加任务难度,但从减少对标准设计状态的偏离、简化状态控制以及提高飞行成功率的角度考虑,按照可重复使用的标准设计状态执行首飞任务,是更符合我们整体技术方案的选择。

经过综合论证,我们最终确定了首飞同时争取入轨和一级回收两个目标。

问:当时有哪些团队参与双曲线三号首飞方案的论证?主要考虑了哪些因素?

彭小波:主要是型号设计队伍及相关参与方,包括总体、动力、控制等系统。因为在标准设计状态之外增加其他状态,会给各系统带来额外的工作量。

问:首飞同时挑战入轨和回收,意味着需要承担更大的风险。如果首飞失利,是否会对后续研发和发射计划造成较大影响?

彭小波:我们首飞批次一共投入了三发火箭,目标当然是争取首飞就实现入轨和回收。

但如果首飞过程中出现问题,我们也有后续安排。按照航天管理要求完成故障归零后,可以继续推进双曲线三号遥二、遥三的发射任务,争取尽快开展后续飞行验证。

问:火箭实际飞行中的一些天地耦合问题,很难通过地面试验完全验证。对于这类风险,双曲线三号如何在首飞前进行评估和控制?

彭小波:火箭研制需要从完整的飞行轨迹和飞行过程出发,在设计、仿真和试验阶段,尽可能对能够在地面验证的工况进行逐步验证。对于部分复杂工况,还需要开展组合验证。

但真实飞行和地面试验毕竟存在差异,火箭在实际飞行中面临的工况更加复杂,这就是我们通常所说的“天地一致性”问题。

地面试验能够验证其中一部分,但无法做到完全覆盖。有些问题只有通过实际飞行才能得到验证。

因此,要提高首飞成功率,就需要在设计阶段尽可能全面地考虑各种飞行工况,特别是对恶劣工况和边界条件提出更加严格的要求,通过仿真和地面试验尽量模拟真实飞行环境,降低不确定性。

但即便如此,也不可能做到百分之百覆盖,仍然会有一部分风险只能在实际飞行过程中得到验证。

问:双曲线三号首飞完成后,后续发射任务有哪些规划?在一级回收后的检测、复飞及重复使用验证方面,又有哪些具体计划?

彭小波:如果首飞能够成功实现入轨和一级回收,我们目前考虑了两种策略。

第一种是对首飞回收的一级火箭进行检测,再配装新的二级,尽快开展复飞,验证回收火箭的重复使用能力。不过,回收后的检测和验证可能需要较长时间。

第二种是首飞成功后,先对回收的一级进行检测,同时安排已经准备好的遥二火箭发射,争取再次实现一级回收。这样,我们就可以对两次回收的一级火箭进行比较,分析它们的状态和偏差,在综合评估风险后,再决定下一步的复飞安排。

目前,这两种策略都在考虑之中,还没有最终确定。

问:即使双曲线三号首飞成功,距离真正实现规模化商业发射,还有哪些关键技术和能力需要突破?

彭小波:首飞成功能够初步验证入轨和回收技术的可行性,但要真正实现规模化商业发射、降低发射成本,还必须完成火箭的重复使用验证。

也就是说,一级火箭回收后,要经过检测,再次成功完成飞行任务。只有真正实现复飞,走通重复使用这条技术路线,发射成本才有可能进一步降低。

与此同时,还需要逐步提升火箭的运载能力。因为首飞通常会采取相对保守的设计方案,预留一定的设计余量。首飞完成后,我们会根据实际飞行数据和遥测结果,分析火箭实际状态与设计状态之间的偏差,逐步释放设计余量,提升运载能力。

这是一个持续验证和能力提升的过程,最终才能逐步达到规模化商业应用的要求。

02

“两级复用已成新战场”

问:星际荣耀近期宣布启动双曲线九号预研。当前双曲线三号尚未实现首飞,为什么选择在这个阶段提前布局下一代重型火箭?

彭小波:双曲线三号的运载能力与猎鹰9号比较接近,但略小一些。

从国际商业航天的发展来看,美国的“超重型助推器+星舰”系统已经进行了多次飞行试验。按照我们当时掌握的情况,已经完成了15次飞行试验,在一级垂直回收、二级再入和降落等方面取得进展。

这类重型火箭一旦实现两级重复使用,在重复使用状态下仍有望具备百吨级运载能力,可以满足未来大规模空间部署、太空算力等需求,也能够通过近地轨道交会对接等方式支持载人登月,未来的应用空间非常大。

更重要的是成本。如果两级重复使用的技术路线走通,发射成本还有很大的下降空间。

目前,猎鹰9号的发射价格大约为每公斤3000至4000美元。如果未来星舰实现两级重复使用,进入轨道的成本有可能下降到每公斤400美元左右。这对于中国商业航天企业来说,将带来很大的成本和价格压力。

但这类火箭的研制难度也非常大。以星舰系统为例,其起飞重量超过5000吨,起飞推力达到7000多吨,技术难度、资金需求和研制周期都远高于现有的中大型火箭。

以我们目前的资源和能力,还不具备全面开展这类重型火箭研制的条件。但对于其中研制周期最长、技术难度最大的部分,必须提前开展预研和技术储备,为下一阶段的发展做好准备。

问:行业中有人将双曲线九号称为“中国版星舰”。你是否认可这一说法?两者在整体技术路线上有多大相似性?

彭小波:如果都是采用两级重复使用的技术路线,那么从整体构型来看,应该会有一定的相似性。但在具体技术方案上,我们还需要结合自身的实际情况,进行一些有针对性的设计,并不意味着所有方案都会与星舰相同。

问:如果与星舰采用相似的两级重复使用构型,双曲线九号未来可能在哪些关键技术方案上形成差异?

彭小波:一个比较重要的区别,可能体现在发射和回收方式上。星舰目前采用返回发射场的回收方案。但从实际情况来看,返回原发射场回收可能存在一定难度,对安全条件的要求也比较高。

考虑到实际发射条件和任务需求存在差异,未来在具体的发射和回收方式上,我们可能需要采取不同的技术方案。

问:从双曲线三号到双曲线九号,火箭运力规模将明显提升。双曲线九号的运力目标是如何确定的?在设计过程中需要综合考虑哪些因素?

彭小波:从火箭设计的角度来看,运力目标的确定,需要在多种约束条件之间寻求平衡。

如果单纯从应用需求和发射成本考虑,火箭规模越大,通常分摊到每公斤载荷上的成本就越低。但实际设计中,还要受到运输条件、生产布局、发射场等因素的制约。

例如,火箭直径究竟选择3.35米、3.8米、4.2米、4.5米还是5米,就需要综合考虑生产、运输以及发射场的条件。

直径确定以后,还需要考虑火箭的长细比,也就是在一定直径条件下,火箭的长度能够达到多少。

这些因素会进一步影响火箭的起飞重量、总体规模和运载能力。因此,最终的运力目标并不是单纯追求更大的吨位,而是在多种约束条件下综合权衡的结果。

问:双曲线九号未来主要面向哪些发射任务?与双曲线三号相比,其应用方向会有哪些变化?

彭小波:双曲线九号已经可以归入重型火箭范畴。

未来,我们希望它能够服务于更大规模的空间部署和空间应用需求,包括太空算力、太空制造等领域。这些都可能成为重型火箭未来的重要应用方向。

问:过去几年,国内商业火箭企业大多以猎鹰9号为技术参照,重点突破一级垂直回收。但随着星舰推进两级重复使用,一级重复使用会不会很快面临下一代技术的竞争?

彭小波:从火箭垂直回收的技术路线来看,国内不少企业采用的方案与猎鹰9号确实没有太大差异。但国内也出现了一些技术创新。例如,长征十号乙采用的海上网系回收方案,通过箭体挂钩与回收网系相配合,可以省去传统的箭上着陆腿。

从整体技术路线来看,这类方案与猎鹰9号仍有相似之处,但在具体着陆和回收方式上进行了创新。

另外,从猎鹰9号的发展过程来看,一级火箭回收后的检测和复用周期一直在缩短。

早期,回收后的检测和再次使用可能需要半年甚至更长时间。经过不断改进,后来同一枚火箭的周转周期已经能够缩短到两周左右,这已经是非常快的速度。

03

“有时候慢也是快”

问:从投身商业航天至今,你对行业发展前景和市场需求的认识发生了哪些变化?

彭小波:还是有变化的。早期,对商业航天行业究竟会如何发展、未来市场需求到底有多大,大家心里还是比较模糊的。但随着低轨互联网星座的部署需求越来越明确,市场需求也越来越清晰,行业发展的态势越来越好。

从最初对市场前景的不确定,到如今需求逐步明确,商业航天的发展方向已经比十年前清晰得多。

问:从公司成立到双曲线三号、九号的布局,最难做的战略决策是什么?

彭小波:公司成立之初就瞄准可重复使用火箭,并经过论证确定了液氧甲烷的技术路线。但早期,国内投资市场对火箭行业还比较陌生。

当时投资人经常问,做出一款液体可重复使用火箭需要多少钱?

从图纸起步,算上产品、研发、运营等费用,可能需要20亿元。但公司那时手上只有几千万元。即使研发顺利,也未必能持续融资到产品首飞。如果中途资金链断裂,可能连最终产品都做不出来。

于是我们考虑,能不能先做一款满足初步市场需求的最小可行产品。固体火箭不需要液体发动机和相应的加注输送系统,研制进度相对可以更快一些,所以先做了小型固体运载火箭。

这个选择当时很纠结。我们想做的是液体可重复使用火箭,但为了先活下去,又不得不先做小型固体火箭。固体火箭是为了给液体火箭创造条件、争取融资窗口和时间,是一个过渡产品。

技术路线怎么选,最终要综合考虑商业闭环需要多长时间、资金能支撑多久。

问:受限于当时的融资环境和研发投入,公司选择先研制小型固体火箭,再逐步推进液体火箭。回顾这一发展路径,如果重新回到2019年,是否还会作出同样的选择?

彭小波:如果重新走一遍,我们可能会更重视提高固体火箭的成功率,同时让液体技术路线与固体火箭并行推进,但也不会简单地停止固体火箭。因为在一定时期内,固体火箭仍能满足小规模、机动灵活、快速发射的市场需求,有其价值。

问:近年来,越来越多商业火箭企业加快技术研发和首飞进度。面对后来者的追赶,你是否感到竞争压力和焦虑?

彭小波:焦虑肯定会有,但火箭行业有自己的客观规律,有些工作确实需要时间。我有时跟团队交流,会用植物生长来打比方:春种、夏长、秋收、冬藏,不是把每天的光照从12小时增加到24小时,就一定能让它生长得更快。

我们可以在合理范围内加快节奏,通过并行试验缩短一些时间,但该做的工作不能省,该走的流程不能减。有时候慢可能也是快,关键是追求最终的成功率。这更符合我们的实际情况。

问:从双曲线一号、二号到三号和九号,公司的战略发生过重大转向吗?

彭小波:没有特别大的转折性变化。科创板第五套上市标准(全称为“《上海证券交易所发行上市审核规则适用指引第9号——商业火箭企业适用科创板第五套上市标准》)公布后,对行业技术路线和发展格局有一定积极引导作用。如果营收达到相应标准,可以考虑其他上市标准;如果适用第五套标准,就对可重复使用技术有相关要求。

因此,我们一个相对较大的调整是更加集中精力,加快液体可回收火箭的研制,把小型固体火箭的投入逐步收缩。

问:公司从最初发展到现在,在这一过程中,公司的组织架构和管理方式经历了哪些变化?近年来业内人员流动比较频繁。星际荣耀是否也面临同样的问题?

彭小波:公司最初建立的时候只有几个人。发展到现在完全覆盖运营、研发、生产、试验各环节的人员规模,组织管理上的变化我认为还算可以承受。2022年至2024年,经历发射失利的阶段,人员流失相对多一些。现在团队比较稳定。

问:是的。商业火箭研发周期长、投入大,还需要面对技术攻关和发射失利等不确定性。作为董事长、总经理,你如何在这些挑战中维持团队的信心和凝聚力?

彭小波:创业本身就是很难的事。我的体会是,创业团队不完全是刻意塑造或者挑选出来的,很多时候是经过长期考验之后留下来的。

就像长征一样,经过艰难过程,最后留下来的人形成了队伍。我们当然希望团队尽可能稳定、完整,但创业过程中出现人员变化也是正常的。

问:回顾此前的发射失利,你认为公司在管理或决策方面走过哪些弯路?

彭小波:我认为有。早期,国内创业市场很推崇互联网式创业,强调快速扩张、扁平化管理。我们当时也希望把一些模式借用到航天领域。

但回头看,不同行业有不同的要求。互联网的管理思路和模式,在软件或互联网行业可能有优势,但航天具有更强的硬科技、制造业属性,系统架构也更像金字塔,互联网式的管理不一定完全适用。

比如互联网企业强调扁平化,协调和响应可能更加灵敏、快速。但一枚火箭从总体到分系统、单机,从设计到生产、试验和交付,具有自上而下的系统工程属性。分系统必须服从总体,单机必须服从分系统,这个层级关系不能随意跨越。

因为系统构成非常复杂,试错成本很高,如果混淆管理层级,就容易带来问题。

问:目前国内多家商业火箭企业都在推进液体火箭和重复使用技术研发。与其他公司相比,你认为有哪些优势是竞争对手难以复制的?

彭小波:其实,我觉得没有什么是其他公司完全无法复制的。大家都在沿着各自的技术路线推进研发,最终能否形成竞争优势,还是要看产品的可靠性、交付能力以及成本控制水平。

问:经历此前的发射失利后,你对失败的心态上发生了哪些变化?

彭小波:每次火箭发射任务,从总体单位、分系统和单机配套单位到外协合作单位,参与的人可能成千上万。一次失利带来的损失和代价非常大。

所以在点火、发射之前,要尽可能把想到的问题都考虑周全、解决到位。如果失利已经发生,就必须接受结果,按照航天要求完成归零,再开展后续复飞。更重要的是要进一步追问:为什么这些问题在发射前没有被发现或解决、背后的深层原因是什么。

04

“星舰级火箭,研制可能需要十年以上”

问:如果展望未来三到五年,中国商业航天在技术突破、发射能力和产业发展方面,将出现哪些重要变化?

彭小波:我认为,未来三到五年,可重复使用火箭技术在中国一定会取得突破,并逐步进入常态化发射阶段。

随着重复使用技术不断成熟,工程能力持续提升,以及生产配套规模不断扩大,火箭的发射成本和市场价格还会进一步下降。

问:随着重复使用技术逐步成熟,你预计未来国内商业火箭的发射价格和年发射频次有望达到什么水平?

彭小波:未来发射价格有可能下降到2万至3万人民币这一量级。在发射频次方面,单一型号火箭的年发射次数可能达到10至20次。

问:目前行业已经开始关注星舰级别的重型火箭和两级重复使用技术。你预计这一代超大型火箭的研制周期需要多长时间?

彭小波:我预估星舰这一规模的火箭,研制周期可能需要十年左右,甚至更长。

问:除了技术研发,星舰级别的超大型火箭对资金、生产制造和发射基础设施还会提出哪些新的要求?星际荣耀未来将如何布局?

彭小波:这类火箭的资金需求非常大,对发射场和生产设施的要求也很高。

由于火箭规模过大,远距离运输和转运都比较困难,因此生产设施需要尽可能靠近发射场。这也意味着,超大型火箭的研制和生产布局,与国家相关产业规划密切相关。

我们会紧跟国家战略,随着相关产业规划和整体布局逐步清晰,再适时调整公司的发展安排。

推荐阅读

跳转微信打开

  •  

全球AI独角兽全景图:30家百亿美元公司,中国公司杀入前十

原创 值得关注的 2026-11-16 07:59 北京

应用层分化加剧

图片由AI生成

文|晓静

编辑|徐青阳

11月15日,硅谷老牌风投机构Menlo Ventures合伙人Deedy Das(@deedydas)在社交平台晒出一张全球AI公司估值与营收排行榜。

Menlo Ventures成立于1976年,是硅谷历史最悠久的风险投资机构之一,曾投资Uber、Chime等知名科技公司。近年来,这家机构将AI作为重点投资方向,投资组合包括Anthropic、Lovable、Modal等公司。

Menlo Ventures也是Anthropic的早期投资方,2023年便参与了其C轮融资,并在2024年与Anthropic共同设立了规模1亿美元的AI投资基金。

这张榜单统计了截至11月14日,全球估值超过100亿美元、公开年化营收达到1亿美元以上的未上市AI公司。符合这两个条件的公司,已经有30家。

头部“双寡头”断层效应进一步拉大,OpenAI以约1.25万亿美元的估值继续领跑,Anthropic以约9650亿美元紧随其后,两家公司与其他竞争对手已经拉开了相当大的距离。

但如果按照年化营收排名,两家公司的位置已经对调:Anthropic超过了OpenAI。两家公司在估值上与其他竞争对手拉开了距离,收入竞争却有了新的变化。

中国公司中,DeepSeek和月之暗面进入全球前十。DeepSeek以890亿美元估值排名第五,月之暗面以500亿美元估值位居第七。按照榜单披露的数据,两家公司的年化营收都已达到10亿美元量级。

不过,从整个榜单来看,美国依然占据绝对优势。30家公司中,有23家来自美国,业务覆盖基础模型、AI编程、算力云服务等多个领域。中国有2家入围,其余5家分别来自加拿大、法国、德国、英国和瑞典。

01

“双寡头”断层领先

如果把时间拨回一年前,OpenAI还“遥遥领先”。

2025年底,OpenAI的年化营收已经达到约200亿美元,Anthropic只有90亿美元。彼时,两家公司之间还有一倍多的收入差距。

但进入2026年,Anthropic的增长速度开始明显超过OpenAI。截至今年9月底,OpenAI的年化营收约为500亿美元;到了10月底,Anthropic已经冲到810亿美元。短短十个月,Anthropic的年化营收规模增长约8倍,OpenAI同期则增长约1.5倍。曾经落后的追赶者,如今在营收上实现了反超。

从实际收入来看,这一变化同样明显。今年第三季度,Anthropic实现营收约170亿美元,OpenAI约为100亿美元。尽管双方在云平台收入的计算方式上仍有差异,但Anthropic今年的增长势头已经足够惊人。

两家公司的领先地位依然稳固。全球基础模型市场的头部竞争,已经进入万亿美元估值的阶段。

更值得关注的是,Anthropic正在趁着这股增长势头冲刺IPO。

11月10日,Anthropic公布每股70至78美元的IPO发行价区间,预计11月19日在纳斯达克挂牌,股票代码为“ANT”。如果按照发行价上限计算,其完全摊薄后估值可能达到约1.4万亿美元,相比今年5月9650亿美元的私募估值又向前迈出一大步。

OpenAI的选择有所不同。此前,OpenAI已表示2026年不会上市,将IPO计划推迟到了2027年。11月6日,OpenAI完成新一轮融资的首批约110亿美元,估值达到1.25万亿美元,整轮融资规模可能达到200亿美元。

一年前,OpenAI还在模型市场、用户规模和商业收入上占据明显优势。如今,Anthropic已经率先在收入增长上完成反超,又准备抢先IPO。

02

中国公司突围

中国AI公司也成功进入这张全球高估值AI公司榜单。

DeepSeek以890亿美元估值排名第五,收入约10亿美元;月之暗面(Moonshot)以500亿美元估值排名第七,收入同样约10亿美元。两家公司均进入榜单前十,在基础模型领域成为中国AI企业的代表。

虽然DeepSeek和月之暗面的年化营收同为约10亿美元,但估值对应的动态市盈率却分别为89倍和50倍,意味着资本市场对两家公司的定价,并不只取决于当前收入,还包含对模型能力、技术路线和未来商业化空间的预期。

美国和中国企业外,加拿大的Cohere估值255亿美元,年化收入约2.4亿美元;法国的Mistral估值240亿美元,年化收入超过4亿美元。

德国国防AI企业Helsing以180亿美元估值排在第20位,年化收入约5亿美元;英国算力基建商Nscale排在第28位,估值146亿美元,年化收入约2.8亿美元;瑞典的AI开发平台Lovable则压线进入第30名,估值133亿美元,年化收入达到6亿美元。

03

超级并购启动

榜单中灰色标注的两家公司格外引人关注:xAI和Cursor。

两家公司分别对应2500亿美元和600亿美元的交易估值,均被标注为并入SpaceX体系。其中,xAI的2500亿美元交易估值包含社交平台X的价值,但榜单列出的5亿美元收入仅计算AI业务。

另一家被收购的公司Cursor,是近年来增长较快的AI编程工具企业。其交易估值达到600亿美元,收入约26亿美元。按照榜单数据,Cursor的收入规模已经超过不少估值更高的基础模型公司。

这两笔交易分别涉及基础模型和AI应用产品,显示头部企业正在通过资本整合扩大业务边界。模型研发、应用产品和商业化渠道之间的联系进一步加强,AI行业的竞争也开始从单一产品和技术能力延伸至更大规模的商业生态。

04

卖铲子最赚钱

虽然基础模型公司占据了估值榜单的前列,但另一批值得关注的企业,是为整个AI行业提供算力、数据和推理服务的基础设施公司。随着模型训练和应用部署的需求增长,这些公司的收入也开始形成相当规模。

首先是直接提供算力的企业。

Crusoe主要从事AI数据中心建设和云计算服务,估值达到309亿美元,收入约20亿美元。Fluidstack则通过GPU算力资源和云服务为AI企业提供计算能力,估值180亿美元,预计收入约6.6亿美元。

这类企业的生意与传统云计算厂商有相似之处,但它们围绕AI训练和推理需求建设基础设施,需要持续投入大量资金购买GPU、建设数据中心,并争取长期客户合同。

第二类是数据基础设施公司。

VAST Data估值达到300亿美元,收入约20亿美元,主要为企业提供大规模数据存储和管理服务。Scale AI估值290亿美元,2025年收入约10亿美元,业务则集中在AI训练数据、数据标注和模型评估等领域。

随着AI模型不断向复杂推理、多模态和智能体方向发展,训练数据的质量、数据处理效率以及模型评估的重要性也在上升。VAST Data和Scale AI分别从数据存储管理和数据生产处理两个环节获得商业机会。

第三类则是近年来增长迅速的模型推理服务平台。

Baseten估值达到300亿美元,收入约6亿美元;Fireworks AI估值175亿美元,收入约10亿美元;Modal估值157.5亿美元,收入约10亿美元;fal估值160亿美元,收入约8亿美元。

这些公司主要帮助开发者和企业部署、运行AI模型,降低推理成本,提高运行效率。其中,fal尤其侧重图像、视频等生成式AI模型的推理服务。

与大模型公司相比,这些基础设施企业可以同时服务多家模型和应用厂商,也能够支持不同的技术路线。随着越来越多AI应用进入实际运营阶段,模型的调用量、算力消耗和数据处理需求都有机会持续增长。

不过,这并不意味着基础设施一定是更稳健的生意。算力服务商面临高昂的资本开支,推理服务平台需要应对不断下降的模型调用价格,以及大型云厂商的竞争。需求增长能否最终转化为利润,仍然是这些企业即将面临的挑战。

05

应用分化加剧

相比基础模型和算力基础设施,AI应用层呈现出另一种竞争格局:虽然公司估值普遍低于头部模型企业,但一些应用公司的收入增长和估值倍数,已经相当惊人。

其中,最先跑出规模的是AI编程、语音和搜索等高频应用。

Cognition凭借AI编程智能体Devin,估值达到480亿美元,年化营收约10亿美元;ElevenLabs以语音生成和语音智能体业务获得220亿美元估值,年化营收超过6亿美元;AI搜索公司Perplexity估值210亿美元,年化营收估算约7.5亿美元。

成立于2024年的lovable,主打让没有编程经验的普通人也能通过自然语言开发软件。它的估值已经达到133亿美元,年化营收约6亿美元。

但更值得关注的变化,发生在法律、医疗和企业服务等垂直行业。

法律AI公司Harvey估值155亿美元,年化营收超过4亿美元。它已经进入美国排名前100的大型律师事务所中的80%,帮助律师完成合同审查、法律研究和尽职调查等工作。

企业客服智能体公司Sierra的估值达到158亿美元。它的商业模式也很有代表性:客户可以按照AI实际解决的问题付费,例如成功处理一笔售后咨询,而不必单纯为软件账号或Token调用量买单。今年10月底,Sierra宣布年化经常性收入已突破4亿美元,五个月内翻了一倍。

医疗AI平台OpenEvidence向经过认证的医生免费提供临床研究和医学信息检索服务,通过面向医药行业的广告获得收入。按照Sacra的估算,它的年化营收已经达到约3亿美元,估值150亿美元。

这些企业的共同点是,开始进入原本由律师、医生、客服人员等专业人士完成的工作环节。相比单纯提供一个AI聊天工具,它们需要理解行业规则、接入企业现有系统,甚至重新设计客户的工作流程。

这也使应用层的估值逻辑变得更有意思。按照榜单简单计算,部分垂直AI应用公司的估值达到年化收入的数十倍,甚至高于不少算力基础设施企业。投资者看重的,已经不只是软件能卖出多少订阅,还包括这些公司未来能够承接多大规模的专业服务市场。

这一趋势在其他研究中同样出现。11月11日,投资机构Leonis Capital发布的《2026 AI 100》报告显示,进入榜单的垂直行业AI公司从去年的28家增加到40家,覆盖医疗、法律、金融等领域。

AI应用市场正在加速分化。随着基础模型能力不断提升,通用AI应用的功能优势越来越容易被复制,单纯依靠模型能力包装的产品,很难长期维持高估值。

相比之下,资本市场开始更青睐那些扎根垂直行业、拥有独特数据和专业壁垒的企业。它们往往需要长期积累行业经验、客户信任和业务流程,一旦深入核心业务,客户的迁移成本也会更高。

在模型吞噬一切的梦魇之下,对于AI创业公司而言,应用层的机会也许正在于此。

推荐阅读

跳转微信打开

  •  

马斯克实现人类史上首次“筷子夹飞船”

原创 值得关注的 2026-11-15 08:27 北京

关键一步。

文|苏扬

编辑|徐青阳

美国当地时间11月14日,SpaceX星舰第十五次综合飞行测试(简称十五飞)完成了一项火箭发展史上的首次:从地球轨道返回的星舰飞船,成功被发射塔上的机械臂捕获。

在经历约22.5小时的太空飞行、绕地球运行14圈后,星舰飞船重新返回得克萨斯州星际基地,最终垂直降落在发射塔两根巨型机械臂之间。

星舰飞船返回画面

这套被称为“筷子”的装置,首次成功接住了从轨道返回的星舰上级。

这也是SpaceX第一次尝试同时回收星舰的两个级段。虽然超重型助推器此前未能完成塔架捕获,但飞船本体的成功返回,仍然是十五飞最重要的结果。

01

从轨道返回,难度远高于助推器回收

这次捕获的难点,在于飞船返回时的速度。

星舰飞船在轨道上的飞行速度超过每小时2.8万公里,接近23倍音速。相比之下,超重型助推器返回时的速度约为每小时6000公里。两者面对的飞行环境和能量管理要求完全不同。

飞船首先需要完成离轨制动。任务控制中心发出许可后,飞船短暂点燃一台发动机,改变轨道,进入返回地球的轨迹。

随后是整个过程中最危险的阶段之一:再入大气层。

由于飞船仍以每小时数万公里的速度进入大气层,空气受到剧烈压缩和加热,飞船表面逐渐被高温等离子体包围。再入过程中,外部温度可能超过2500华氏度(约1370摄氏度)。

星舰执行倾斜机动准备返回

为承受这一过程,星舰底部铺设了数千块六边形隔热瓦。飞船还需要依靠外部四片襟翼调整姿态和飞行轨迹,在大气层中保持稳定。

SpaceX热防护硬件高级经理菲尔·威尔逊(Phil Wilson)此前解释,隔热瓦不仅要承受高温,还要控制热量在表面的传递方式。飞船的姿态和进入大气层的角度,都会影响隔热系统承受的热负荷。

十五飞的一个重要检查目标,就是验证隔热系统能否经受这次完整的轨道返回。SpaceX表示,飞船包括隔热罩在内的关键系统表现符合预期。

02

21分钟返回窗口,随时可放弃捕获

SpaceX为这次任务设计了专门的返回路线。飞船需要经过墨西哥北部和得克萨斯州南部相对人烟稀少的区域,随后飞越南帕德雷岛附近,再经过墨西哥湾,最后转向星际基地。

这条路线经过了专门设计。SpaceX希望尽量避开人口密集区域,同时确保飞船能够以合适的角度和姿态返回发射塔。

在此过程中,飞船的四片襟翼持续调整方向。它们相当于飞船在大气层中的控制舵面,帮助飞船改变飞行轨迹,并逐渐将其引导至预定着陆区域。

SpaceX工程师拉斯·布莱克莫尔(Lars Blackmore)此前还特别提到,飞船飞越陆地区域时,地面操作人员将有约21分钟无法直接干预飞行,只能依靠飞船自主控制系统完成预定动作。

被机械臂稳稳夹住进行最后检查的星舰飞船

因此,SpaceX为返回过程设置了多重安全预案。

如果飞船在再入过程中出现问题,飞行控制人员可以提前终止返回,让飞船在大气层中解体;如果飞船已经接近地面,但系统或发射塔出现异常,也可以改变路线,将飞船导向墨西哥湾,而不是冒险执行捕获。

最终,飞船顺利通过这些环节,重新回到发射场。

03

NASA局长称其“几乎像魔法”

这次成功也引起了NASA的关注。

NASA局长贾里德·艾萨克曼(Jared Isaacman)在社交媒体上称,这次着陆“几乎像魔法一样”,并表示SpaceX正在让越来越多的人相信这项技术能够实现。

NASA对星舰有着直接利益关系。SpaceX已经获得NASA数十亿美元合同,负责改造星舰,使其成为载人登月着陆器,为阿尔忒弥斯计划运送宇航员和货物往返月球表面。

按照NASA的计划,星舰将参与未来载人登月任务。如果要承担月球运输任务,星舰不仅需要能够进入轨道,还必须解决在轨补加燃料、长期运行以及重复使用等问题。

不过,十五飞并没有实现SpaceX期待的“双回收”。

任务开始后,超重型助推器在返回过程中出现制导、导航与控制系统(GNC)异常,自动中止了发射塔捕获程序,随后转向墨西哥湾。

SpaceX表示,助推器最终启动飞行终止系统,在落水前发生爆炸,相关安全程序按设计执行。

星舰十五飞超重型助推器受控溅落

此前,SpaceX已经三次成功捕获超重型助推器。此次飞船首次被“筷子”接住,则补上了另一半回收能力。

SpaceX希望最终让星舰像飞机一样重复执行任务,而十五飞第一次证明,从轨道返回的飞船也可以直接落入发射塔的机械臂中。

推荐阅读

跳转微信打开

  •  

Anthropic CEO“直播荐股”,满屏都是免责声明

原创 值得关注的 2026-11-14 16:25 北京

Dario自己回答Anthropic到底值多少估值

文|塞尔科克

编辑|苏扬

美国当地时间11月13日午间,Anthropic联合创始人兼CEO达里奥·阿莫迪与摩根大通CEO杰米·戴蒙(Jamie Dimon)在纽约举行了一场IPO主题对话。

对于正准备登陆公开市场的Anthropic而言,这场对话不仅是一次上市推介,也是外界观察其商业模式、竞争策略和长期发展规划的窗口。

阿莫迪把Anthropic的竞争优势归结为“人才和文化”。

在他看来,人才和文化决定技术,技术决定产品,产品再决定市场拓展和销售。企业客户对安全和信任的重视,也与Anthropic的经营目标形成了正向激励。他认为,安全不是企业AI商业化的附加条件,而是客户愿意长期合作的基础。

AI市场的边界同样在不断扩大。“每次拓展前沿,都会创造全新的市场。”阿莫迪说。

阿莫迪认为,聊天机器人和编程只是当前模型能力打开的市场,生命科学、机器人、材料和网络安全等领域还有更大的潜在空间。即使部分模型应用逐渐商品化,Anthropic也能利用前沿模型的技术积累,训练成本更低、效率更高的小模型。

但模型能力越强,背后的算力投入也越大。

阿莫迪坦言:“算力是Anthropic面临的最深层商业难题。”

算力资源往往需要提前一到两年采购,买得太多会增加财务负担,买得太少又可能影响客户推理需求和下一代模型研发。Anthropic目前采取相对保守的采购策略,先锁定一部分算力,再根据实际需求通过现货市场补充。

IPO则为这场长期投入提供了更多资金空间。

阿莫迪表示,增加现金储备、支持算力建设,以及抓住生命科学和机器人等领域的增长机会,是公司选择此时上市的重要原因。

他还提到,自己在准备IPO时听到过一条建议:“永远不要让公司的估值高出它真正值得的哪怕一美元。”这与Anthropic坚持的“少承诺,多兑现”原则一脉相承:不提前炒作模型能力,而是等技术和产品真正成熟后再向市场展示。

从企业客户到算力采购,从模型商品化到IPO估值,这场对话实际上触及了Anthropic上市后必须面对的几道考题。

阿莫迪希望投资者看到的,不只是一家模型公司当前的增长速度,还有它能否在扩大商业规模的同时控制风险,并把AI能力转化为长期的经济价值。

以下为戴蒙对话阿莫迪实录精炼版:

01

人才和文化是Anthropic的护城河

戴蒙:你曾在OpenAI工作,也是AI领域的早期参与者。如今越来越多公司进入这一领域,Anthropic如何与其他竞争者形成差异化?

阿莫迪:我曾在这个行业多家主要公司工作。回顾这些经历,思考为什么有些项目能够成功,有些却以失败告终,我逐渐认识到,决定一家公司的核心因素是人才和文化。

人才和文化决定技术,技术决定产品,产品再决定市场拓展、销售以及公司的其他业务。公司的公众形象和外界评价,同样来自创造技术的人,以及他们做事的出发点。

创立Anthropic时,我和另外六位联合创始人就确定,要从第一天起把人才和文化放在首位。每位新员工都要接受文化面试。即使技术能力非常出色,如果不认同公司的价值观、不善于合作,或者习惯争抢风头,我们也不会录用。

这种招聘标准短期内会让招聘变得困难,但长期来看,能够建立一支真正协同工作的团队。很多公司并不缺少优秀人才,问题在于不同团队之间相互竞争、彼此掣肘,把大量精力消耗在内部争斗上。

在Anthropic,只要确定了一个重要目标,无论是训练新模型、实现安全目标、开发产品,还是推动政策事务,全公司都会围绕目标展开协作。

人员留存情况是一个直接体现。七位联合创始人至今全部留在公司,最早加入的100名员工中,超过四分之三仍在Anthropic工作。我们认为,公司拥有行业内较好的员工留存率。一些离职员工甚至会重新加入。曾有两位重要产品负责人离职,但不到两周就回来了。

我自己大约40%至50%的时间用于人才和文化建设。每两周,我都会参加一次面向全体员工的内部活动,叫作“Dario Vision Quest”(DVQ)。我会直接向员工介绍公司的实际情况,不隐瞒问题,也不使用官话,并鼓励其他管理人员这样做。

我希望员工相信管理层是坦诚的,管理层也能信任员工。这种双向信任对公司非常重要。

02

Claude进入企业,AI开始接管更多工作

戴蒙:摩根大通有25万名员工,每周都在通过不同方式使用Claude。其他财富100强企业主要如何应用这项技术?

阿莫迪:Claude正在进入各行各业。我认为这项技术最重要的特点之一就是通用性。随着模型能力持续提升,越来越多过去无法自动化的工作开始变得可行。

编程是企业最早大规模采用AI的领域。我过去写过大量代码,许多联合创始人也有编程背景。看到现在的模型能够完成如此复杂的编程任务,令人惊叹。财富100强企业几乎都有大量编程需求,因此编程自然成为它们最初采用AI的切入点。

随后,应用范围逐渐扩展到更广泛的知识工作。

在金融服务领域,Claude既可以处理基础文书,也可以协助复杂的策略工作;在保险和法律行业,可以用于合同起草、合同审查和发现潜在漏洞。

生命科学是我特别看好的领域。Claude已经被用于撰写临床研究报告、辅助基础研究、预测蛋白质结合、提高制造效率,以及支持基础生物学发现。

在电子商务领域,一些客户将Claude部署为直接面向消费者的智能体。制造业也是如此,企业开始利用Claude提高运营效率,应用范围涉及半导体制造、实体设施建设等领域。

我此前对制造业了解不多,但通过与制造业CEO交流,看到Claude在这些企业中的实际应用,也让我对这个行业有了新的认识。

03

智能体走进企业,安全成了第一道门槛

戴蒙:对于受监管企业,在允许智能体接触敏感数据和系统之前,应该做好哪些准备?

阿莫迪:首先是安全。智能体的能力正在快速提升,已经能够处理生命科学研究、复杂软件架构等高难度任务。现在真正限制技术开发、内部部署和客户使用的,不只是能力本身,而是如何安全地部署这些系统。

我们不希望智能体失去控制。这也是Anthropic投入大量资源开展安全研究的原因。安全和对齐必须从模型训练阶段开始,而不是等到产品发布后再补救。公司拥有规模庞大的对齐团队,而且我们对安全问题非常重视,几乎每隔几个月就会重新评估投入,进一步增加安全、安保和对齐方面的资源。

Anthropic从创立之初就有意将企业客户作为业务重心。这不仅是商业选择,也与我们的安全理念相一致。

企业重视信任、长期合作和自身声誉,比普通消费者更关注模型是否会造成严重损害。因此,服务企业客户能够让公司的商业利益与安全目标保持一致。我们希望通过这种方式,为安全地开发AI建立更好的激励机制。

戴蒙:能否真正限制智能体的权限?例如,允许它们进入敏感系统,但只能执行明确授权的A、B、C、D几项操作,不能做其他事情?

阿莫迪:可以参考自动驾驶汽车的发展。

自动驾驶是一项具有巨大价值的技术,最终有望比人类驾驶安全得多。但要实现这一点,必须先建立正确的防护机制,确保系统以安全的方式设计和部署。

我们不可能保证自动驾驶汽车在任何情况下都绝对不会发生事故。同样,也无法保证智能体在任何环境下都不会出错。

真正可行的目标,是让这些系统比人类操作安全得多,达到数倍、数十倍,甚至数百倍的安全水平。这也是我们努力的方向。

04

9000亿美元算力押注,阿莫迪最头疼的难题

戴蒙:Anthropic披露了约9000亿美元的算力和基础设施远期承诺。外界还注意到,目前约80%的算力用于训练新模型,只有约20%用于推理,而客户实际使用的主要是推理服务。你如何确保未来获得足够算力,同时保持成本效率?

阿莫迪:算力是Anthropic面临的最复杂、最重要的商业难题。

这个行业的技术进步非常快,但技术进步究竟能以多快的速度转化为商业收入,存在很大不确定性。2024年和2025年,Anthropic的收入连续两年增长约10倍。每一年,我们都很难准确判断下一年会发生什么,而随着业务规模扩大,这种不确定性带来的影响也越来越大。

另一个问题是,算力必须提前一到两年采购。采购多少,取决于我们对未来需求的判断。买得太多,可能给公司造成难以承受的财务压力;买得太少,则无法满足客户的推理需求。

更重要的是,算力还关系到研发。今天用于训练模型的资源,决定了六个月或一年后能够推出什么样的模型,也就决定了公司未来创造收入的能力。因此,算力采购不能只看眼前的推理需求,还必须为下一代模型保留研发资源。

我们主要依靠两方面降低采购风险。

第一是毛利率。毛利率越高,公司在算力采购过多或不足时的调整空间就越大。简单来说,毛利率反映了我们为算力支付的成本与每单位算力创造的收入之间的差额。招股书披露的毛利率表现相当不错,尤其是与行业其他参与者相比。

第二是现金储备。充足的现金能够帮助公司承受大规模算力投入,并应对未来需求变化。我们目前拥有大量现金,也希望继续增加资金储备。

在具体采购策略上,我们倾向于相对保守地提前锁定算力,以较低成本购买一部分确定性较高的资源。如果实际需求明显超出预期,再通过现货市场追加采购。

现货算力通常更贵,但只有在业务表现特别好的情况下,我们才需要支付这部分额外成本。这有点像购买保险:在一切顺利、不需要额外资源的情况下,你反而会觉得保险成本偏高;但当需求超出预期时,它能让你抓住增长机会。

我们认为,这种策略既能在需求不及预期时控制财务风险,也能在业务增长超出预期时继续投入研发。

戴蒙:随着Token使用量迅速增长,企业已经开始把简单任务交给价格更低的模型,把昂贵模型留给复杂任务。部分AI服务可能逐渐变成标准化商品。这个判断有什么问题?

阿莫迪:首先,前沿模型每一次能力突破,都可能创造新的市场。

传统技术市场往往经历一个过程:早期产品稀缺,客户愿意支付较高价格;随着技术成熟,竞争者增加,产品逐渐商品化。聊天机器人领域确实已经出现了这种趋势。

但AI与其他技术不同,它不只是一个应用或一个市场,而是处在一条持续扩展的智能能力曲线上。随着模型能力提升,过去无法实现的新应用会不断出现。

2022年和2023年,行业主要关注聊天机器人。当时Anthropic判断,编程将成为一个更大的市场,因此把更多资源投入模型的编程能力,而不是围绕聊天机器人争夺市场份额或建立竞争壁垒。

现在编程应用仍处于发展过程中,尤其是在财富500强企业中,还有很大的渗透空间。但未来更大的机会可能来自科学发现、生命科学、物理、材料、机器人和网络安全。这些领域的任务比普通编程更加复杂,潜在市场也可能更大。

其次,即使在不需要最先进模型的应用中,我们也有能力利用前沿模型的技术积累,训练出更高效、更便宜的小模型。这与我们在模型训练中使用的算力倍增技术有关。我们能够提高大模型的计算效率,也能够将这些技术应用于小模型。

例如Haiku 5.5,每百万输入Token的价格为0.10美元,每百万输出Token为0.50美元。它在一些任务上能够以很低的成本提供有竞争力的性能,甚至在部分能力维度上优于其他模型。

因此,前沿模型与低成本模型并不是非此即彼。我们既要继续提升最强模型的能力,也要把模型效率做到足够高,让便宜的模型同样具有竞争力。

05

从数学到生物学,AI正在逼近科学突破

戴蒙:AI未来能否帮助人类治愈癌症和其他疾病?它能否推动核聚变、量子技术等重大科学突破?

阿莫迪:我们已经在数学领域看到模型能力不断提升的过程。

2023年,模型甚至难以完成高中数学题。当时普遍认为,聊天机器人虽然擅长交流,但缺乏数学和逻辑能力。

2024年,模型已经能够较好地完成高中数学任务。到了2025年,它们开始解决此前没有答案的数学问题,最初只是零星的个别案例。有人认为这些问题可能出现在训练数据中,或者只是偶然成功。

但随着模型能力继续提升,情况开始发生变化。我们看到越来越多开放问题得到解决,甚至包括数学领域最困难的一些问题,其中部分成果已经接近数学家争取菲尔兹奖所涉及的研究水平。

我在生物学、机器人等领域也看到了类似变化的早期迹象。生命科学领域的专家,尤其是制药公司的CEO,往往对AI持怀疑态度。他们过去见过许多试图解决药物研发难题的技术,清楚这个行业面临的困难。

但AI的发展有一个特点:在能力曲线的早期阶段,它可能看起来什么都做不好,似乎处处都有障碍。有人认为生命科学的瓶颈是临床试验,有人认为是制造,还有人认为是监管。但随着技术进步,这些障碍可能一个接一个被突破。

我认为,未来几年,生命科学领域可能出现更加明显的变化。当然,不能保证每个领域都会取得同样的进展,但我相信AI有潜力以非常大的幅度推动生物学研究。

06

Mythos之后,网络安全进入智能体攻防时代

戴蒙:网络安全在Mythos和智能体出现之前,就已经是企业面临的主要风险之一。现在,AI能够大规模发现漏洞,智能体也可能持续攻击企业系统。摩根大通有数千人从事网络安全工作,也可能需要数万人修补Mythos发现的漏洞。企业应该如何为下一阶段做好准备?

阿莫迪:首先要认识到,发现漏洞只是第一步。

Mythos推出后,我们做了大量漏洞发现工作。客户发现了数十万个漏洞,我们自己也发现了数十万个。随后,真正的瓶颈开始转向漏洞修复:发现漏洞的速度已经很快,但修复漏洞比发现漏洞更加困难。

因此,我们正在扩大Claude在漏洞修复方面的能力,让模型不仅能识别问题,也能帮助企业真正修复问题。

第二步是从源头减少漏洞。随着Claude编程能力增强,我们也在专门训练模型编写更加安全的代码,降低软件开发过程中产生漏洞的概率。

第三步则是建立实时防御体系。这方面还没有大规模普及,但我认为潜力很大。

网络攻击通常在小时、分钟甚至秒级的时间尺度内发生。未来,企业可以部署智能体集群,持续巡视服务器和网络系统,实时识别并抵御攻击。

如果攻击者开始使用智能体集群发起攻击,防御方也需要利用智能体集群进行防御。我预计未来6至12个月,这种防御方式会得到更多应用。

07

为什么现在上市?阿莫迪给出IPO原则

戴蒙:Anthropic即将上市。为什么选择现在?你个人如何看待上市?它会让公司变得更好,还是增加管理难度?

阿莫迪:现在上市,最重要的原因是为公司未来的发展和算力投入提供更多资金。

生物学、机器人、网络安全以及更广泛的知识工作领域,都存在巨大的经济价值。我们需要投入足够多的资源,才能抓住这些机会。

回到算力采购问题,提前购买更多算力和保持相对保守的采购策略之间存在一个缓冲空间。公司拥有的现金越多,这个缓冲空间就越大,也就越能应对未来需求的不确定性。

至于具体在哪个月、哪一天上市,以及当时的市场环境,我们并没有过度纠结。

在启动上市流程之前,我没有经历过类似的事情,因此向很多人征求了意见。其中最让我印象深刻的一条建议是:永远不要让公司的估值哪怕高出它真正价值一美元。

这与Anthropic一直坚持的原则相似:少承诺,多兑现。

我们不会提前大谈模型将具备什么能力,也不会在模型尚未完成时进行宣传。我们会先把模型做出来,确认它足够好,再正式发布。安全系统也是如此。

我希望上市遵循同样的原则,不为了追求更高估值而过度承诺。

戴蒙:Anthropic宣布将设立公益基金,并将公司5%的股权划入其中。为什么决定这样做?基金未来将重点关注哪些领域?

阿莫迪:公益基金是Anthropic长期社会责任安排的一部分。

除了公司拿出5%的股权,我们的几位联合创始人还承诺捐出个人财富的80%。公司从创立之初也一直设有员工股票捐赠配比计划:员工如果将一定比例的股票捐给慈善机构,或者专门留作公益用途,公司会提供额外股票进行配比。

我们这样做,是因为AI是一项影响巨大的技术,它已经为Anthropic和整个行业创造了巨大的经济价值,未来还可能带来更多变化。

我希望AI能够帮助人类治疗癌症和阿尔茨海默病,提供更便宜、更充足的能源,创造更好的材料,并提高整体物质生活水平。

但与此同时,也存在一个值得关注的问题:如果大量新增财富都来自同一项技术,并集中在少数公司手中,社会可能出现经济增长与财富高度集中并存的局面。

我们希望尽可能缓解这种风险,公益基金就是其中一项安排。

基金具体如何运作、重点解决哪些问题,目前仍在研究。可能涉及AI发展带来的劳动力转型,帮助社会平稳适应就业结构变化;也可能涉及生物安全,确保AI推动生物学发展的同时,相关技术不会被滥用。

我们希望先确定真正值得投入的领域,再逐步推进,而不是提前对外承诺一系列尚未明确的目标。

戴蒙:如果15年后回顾今天,你最希望AI实现什么,又最希望避免什么?还有什么是我们没有谈到、但你希望向现场听众强调的?

阿莫迪:最重要的是确保这项技术以正确的方式发展。

AI存在非常高的风险,包括被用于生物攻击和网络攻击、造成经济冲击,以及人类失去对智能体的控制。这些不是宣传话术,而是Anthropic从创立之初就一直认真对待的问题。

我们希望不仅自己负责任地开发AI,也能为整个行业树立榜样。AI公司、客户和供应商都需要认真对待这些风险,共同建立相应的安全标准,确保技术发展过程中的风险得到控制。

与此同时,我们也必须真正实现AI带来的积极价值,尤其是生物学和医学领域的突破。

目前,我们才刚刚看到AI在生物学和医学中的潜力。制药公司、生物科技企业和学术界仍有不少怀疑声音,但我希望未来能够证明这些怀疑是可以被克服的。

我希望有一天,心脏病、阿尔茨海默病和癌症都能像今天的黑死病和天花一样,成为人类历史上的疾病。

这听起来可能不切实际,但我确实相信这是有可能实现的。我无法确定需要5年、10年还是15年,但我们会尽最大努力推动这一目标尽早实现。

推荐阅读

跳转微信打开

  •  

硅谷人民想念黄仁勋

原创 值得关注的 2026-11-14 11:49 北京

老黄还会回来吗?

英伟达前任首席执行官黄仁勋。图片经由AI生成

文|李海伦

编辑|苏扬

黄仁勋突然辞去英伟达CEO等职务后,公司内部正在出现越来越多要求其复职的声音。 

美国当地时间11月13日,马斯克发布推文,回应网友关于“约1600名英伟达员工呼吁黄仁勋回归”的推文,表示“一项要求让黄仁勋复职的请愿正在进行,我也会签署”。

英伟达加州圣克拉拉总部大楼入口,腾讯科技拍摄

黄仁勋离职后,英伟达总部外曾一度出现令人唏嘘的一幕。比如在加州圣克拉拉总部大楼入口处,有人摆放鲜花和蜡烛,还有人被拍到在现场落泪。

与此同时,公司内部也有员工发起请愿,希望黄仁勋能够回归。

现场仍在停留在公司入口附近的“长枪短炮”,腾讯科技拍摄

有现场人士向腾讯科技透露,11月13日当天下起了小雨,前一天摆放的鲜花似乎已被清走,总部门口附近仍有一些媒体记者守候,持续关注这场突如其来的人事变动。

两名来自英伟达总部的员工向腾讯科技都表达了相似的态度:希望黄仁勋重返英伟达。

一位来内部员工表示:“目前情况,大部分员工都很希望老黄回来,我们也在等下周二的财报电话会,还有周三的全员大会,看看管理层有没有更多的解释。”

另一名英伟达员工也向腾讯科技证实,公司内部确实出现了要求黄仁勋复职的请愿行动。

“让他离职应该也不是董事会的初衷。可能这次事件背后有多股势力参与,可能让他离开是当下对公司的最佳选择。事情还没有结束,需要过段时间才会平息”。

从员工的描述来看,黄仁勋离职引发的问题难以快速消除。

对于这家长期由创始人主导的芯片巨头而言,管理层的突然更替,不仅涉及CEO职位的交接,也让员工对公司的未来发展产生了担忧和疑问。

01

舍不得黄仁勋

在公司内部,员工对黄仁勋的支持正逐渐转化为要求其复职的实际行动。

据《连线》杂志报道,一篇最初发布在公司内部“建议箱”(Suggestion Box)的帖子,成为员工集中表达意见的重要渠道。随着离职消息传播,该帖短时间内积累了超过1600条评论,大多数留言都在呼吁黄仁勋复职。

“如果你相信公司的使命,就把‘老大’请回来。”一名匿名员工写道。

另一名员工则认为,黄仁勋为公司作出的贡献,不应该因为一次风波被否定。

“人都会犯错。黄仁勋为公司做了那么多,他应该得到第二次机会”。

还有员工用一句话表达了对这位创始人的支持:“英伟达之所以成为今天的英伟达,正是因为黄仁勋。”(Nvidia is Nvidia because of Jensen.)

对于许多英伟达员工而言,黄仁勋不仅是公司的创始人,也是过去三十余年技术路线、战略方向和企业文化的重要塑造者。

从GPU业务起步,到推动CUDA生态建设,再到抓住生成式AI带来的算力需求,黄仁勋始终是英伟达最具代表性的人物。

这种长期形成的个人影响力,也解释了为什么他的突然离开会在公司内部引发如此强烈的反应。

除了内部建议箱,还有员工选择通过更直接的方式表达立场。

据报道,一名英伟达员工曾向全公司发送邮件,公开支持黄仁勋,并要求管理层就其离职原因提供更加透明的解释。

据《连线》报道,在黄仁勋辞职后的数小时内,约有二十多名英伟达员工在LinkedIn上发帖声援,而同期几乎没有员工公开支持他的离职。

不过,与LinkedIn上的公开表态相比,英伟达员工在X等平台上的发声相对有限。更多讨论仍集中在内部建议箱和员工个人社交账号。

由此来看,尽管要求黄仁勋回归的声音已经形成一定规模,但目前尚未出现类似集体辞职等更激烈的行动。

随着员工请愿消息传出,黄仁勋离职事件的影响开始从英伟达内部扩散到整个硅谷科技圈。

科技从业者Yun-Ta Tsai在社交平台X上公开向英伟达工程师提出建议,如果希望黄仁勋回归,员工应该联合起来表达立场,甚至可以考虑通过辞职向董事会施压。

在他看来,优秀的GPU工程师具有极高的稀缺性,甚至比机器学习工程师更难替代。英伟达的竞争力不仅来自董事会决策,也来自长期积累的工程师团队,以及他们对公司技术使命的认同。

马斯克随后在X上回应称,要求黄仁勋复职的请愿正在进行中,他也将签名表示支持。

这条回复迅速获得超过340万次浏览和12万次点赞。马斯克的加入,让原本主要发生在英伟达内部的人事风波进一步进入全球科技行业的视野。

02

英伟达的“奥特曼时刻”

硅谷并非第一次出现员工集体挽留创始人CEO的情况。

2023年11月,OpenAI董事会突然罢免时任CEO山姆·奥特曼(Sam Altman),随后引发了一场持续数日的内部危机。

当时,近700名OpenAI员工联名签署公开信,要求董事会辞职,并表示如果奥特曼不能回归,他们可能集体离职、转投微软。

面对来自员工、投资者及合作伙伴的多方压力,OpenAI最终重新调整董事会架构,奥特曼在离职仅五天后重返CEO岗位。

如今,英伟达也出现了员工公开声援创始人的情况,两起事件有着相似之处:创始人长期深度参与公司经营,其个人领导力与企业发展高度绑定,突然离任容易引发员工对公司未来的担忧。

但两者也存在明显区别。

当年OpenAI员工通过联名公开信和集体辞职威胁,直接向董事会施压,并迅速形成了明确的组织行动。

相比之下,英伟达目前的声援主要集中在内部请愿、邮件和社交媒体表态。虽然支持黄仁勋的声音持续增加,但尚未看到大规模员工以辞职等方式向管理层施压。

更重要的是,黄仁勋离职的具体决策过程,以及董事会和管理层对此事的后续态度,目前仍有待进一步明确。

03

下一个关键时刻

对于英伟达而言,接下来的关键问题,不只是黄仁勋能否回归,还有公司如何在突然失去长期领导者的情况下维持正常经营。

黄仁勋自1993年联合创立英伟达以来,始终深度参与公司的技术研发、产品战略和重大商业决策。

过去三十余年,他带领英伟达从一家图形芯片公司,发展为全球AI算力市场最具影响力的企业之一。

尤其是在生成式AI快速发展后,黄仁勋的个人判断与英伟达的技术路线、产品发布和产业合作进一步联系在一起。

如今,这套长期围绕创始人形成的管理体系,突然面临调整。

英伟达内部要求黄仁勋回归的呼声仍在持续,但对于公司未来的经营方向,员工仍有诸多疑问。

接下来的财报电话会和全员大会,将成为观察事态发展的重要节点。员工期待管理层能够就黄仁勋离职的原因、公司管理层交接及未来发展作出进一步解释。管理层的回应,也将直接影响这场内部风波的后续走向。

如果能够及时回应员工关切、明确新的经营安排,或有助于稳定内部信心;反之,要求黄仁勋复职的声音可能进一步扩大。

推荐阅读

跳转微信打开

  •  

星舰挑战“双回收”,首战失利

原创 值得关注的 2026-11-14 08:19 北京

双回收受挫。

星舰超重型助推器溅落发生爆炸,未能按计划完成回收,来源SpaceX

文|李海伦

编辑|苏扬

美国当地时间11月13日,SpaceX执行星舰第十五次综合飞行测试(以下简称“十五飞”)。此次任务,Ship 42飞船与Booster 22助推器组成两级组合体,从得克萨斯州星际基地升空。

任务原本计划实现的史上首次“双回收”。不过,第一个环节就遇到了挫折。

在完成级间分离后,助推器将飞船送入后续飞行阶段,但任务控制团队随后中止了助推器的着陆尝试。助推器最终在墨西哥湾溅落并发生爆炸,未能返回发射场,也没有由发射塔机械臂完成捕获。

与此同时,上级飞船则继续执行轨道任务。

按照SpaceX公布的计划,Ship 42部署26颗星链V3卫星,在约275公里高度绕地球飞行约14圈,整个任务持续约22.5小时。任务后段,SpaceX仍计划让飞船返回星际基地,并尝试由发射塔机械臂捕获。

超重型助推器返回实拍画面,来源:johnkrausphotos

01

助推器未能返回

距离上一次发射不到两个月,SpaceX再次提高了星舰的技术验证难度。

除了执行既定轨道任务,还首次尝试让两个级段先后返回发射场,并由发射塔机械臂完成捕获,为实现两级完全重复使用积累关键技术经验。

星舰第十五次测试飞行主要阶段示意图,来源SpaceX

此前,SpaceX已经多次利用发射塔机械臂捕获超重型助推器。2024年10月的第五次综合飞行测试中,Booster 12首次成功返回发射塔,并由两条巨型机械臂完成捕获。

此后,助推器回收逐渐成为星舰测试的重要环节。

但此前的成功并不代表每一代助推器都能顺利完成回收。十五飞使用的Booster 22属于V3版本,推进系统、结构和控制系统均经过调整。这次任务也是V3助推器首次尝试返回发射场并接受机械臂捕获。

按照回收方案,助推器在完成级间分离后,需要重新点燃发动机进行回推,调整飞行方向,返回发射场附近。随后,助推器通过栅格舵控制姿态,在最后阶段再次启动发动机减速,并精准进入发射塔两条机械臂的捕获范围。

超重型助推器返回捕获过程

这一过程涉及发动机重启、飞行姿态控制、导航定位和地面捕获系统的协同。任何一个环节出现异常,都可能导致回收程序中止。此次任务中,助推器未能完成最后的返场捕获,具体技术原因仍有待SpaceX进一步说明。

V3版本也对助推器的气动控制结构进行了调整。栅格舵数量从四个减少到三个,但单个栅格舵面积增加约50%,同时重新调整了位置和结构。这些改动旨在优化助推器返回过程中的控制能力,但仍需要更多飞行数据验证。

相比助推器,捕获飞船的挑战要复杂得多。

按照SpaceX公布的任务方案,Ship 42在完成卫星部署后,将继续在约275公里高度飞行,预计绕地球运行约14圈,整个任务持续超过22小时。飞行结束后,飞船需要执行离轨点火,以合适的角度进入大气层,再依靠襟翼调整姿态和轨迹。

如果飞控团队确认再入、最后着陆点火以及接近发射塔所需的关键系统状态正常,SpaceX才会让飞船继续执行返回发射场的程序。飞船预计在最后阶段重新启动猛禽发动机,完成翻转和动力着陆,尝试由发射塔机械臂捕获。

星舰上级飞船返回捕获过程

SpaceX还为任务设置了多个海上溅落备选区域。如果飞船状态不适合继续执行返回发射场任务,飞行控制团队可以选择让其在预定海域结束飞行,而不是强行完成捕获。

不过,即使这次捕获成功,也不等于星舰已经具备商业运营能力。

飞船返回后仍需要进行结构检查、发动机维护、热防护评估和推进剂补充。能否缩短这些工作所需的时间,才是决定星舰能否高频复用的下一道关卡。

02

星链V3第二次搭乘星舰入轨

这次星舰携带26颗星链V3卫星进入近地轨道。这是星舰第二次执行真正的星链V3卫星部署任务。

星链V1.5、V2以及V3卫星,来源X

在9月28日的“十四飞”中,Ship 41首次将26颗星链V3卫星送入轨道,星舰也由此完成了首次真正的轨道任务。不过,由于飞船的一台猛禽发动机提前关机,任务持续时间从原计划的约10小时缩短至约3小时,没有完成原定的全部轨道飞行圈数。

“十五飞”则进一步验证飞船在轨长时间运行、卫星部署和返回操作的能力。

星链V3卫星是SpaceX下一代卫星互联网星座的核心。按照SpaceX公布的技术指标,每颗V3卫星可提供约1Tbps的下行容量和160Gbps的上行容量,相比V2卫星有大幅提升。

V3卫星还配备了更强的星间激光链路和太阳能阵列,能够提高卫星之间的数据传输能力,并增加单颗卫星的网络服务容量。

为什么一定要使用星舰部署V3卫星?

核心原因在于运载能力。相比前代产品,星链V3卫星的体积更大、重量更重,单颗卫星的通信容量也显著提升。

虽然猎鹰9号仍能承担星链卫星的发射任务,但其载荷空间和运载能力难以满足V3卫星大规模部署的需求。星舰拥有更大的载荷舱和更强的近地轨道运载能力,可以在单次任务中部署更多卫星,从而提高星链网络的建设效率。

按照SpaceX此前公布的规划,星舰成熟版本的近地轨道运载能力有望达到100吨级。相比猎鹰9号,星舰能够以更少的发射次数部署更多卫星容量。这将直接影响星链星座的扩张速度。

目前,星链已经拥有庞大的在轨卫星网络,但全球用户增长和网络流量提升,对卫星容量提出了更高要求。V3卫星不仅可以增加网络带宽,也有助于改善高密度用户区域的服务能力。

03

难题不止于回收

此外,在这次任务中,部分星链V3卫星搭载了特殊摄像头,将从不同角度拍摄星舰飞船的热防护系统,并把图像传回地面。

星舰外层的隔热瓦,来源X

热防护系统是星舰实现快速复用的主要难题之一。此前多次飞行中,星舰都出现过隔热瓦脱落、损坏和局部过热等情况。SpaceX持续调整隔热瓦材料、固定方式和局部结构,希望提高防护可靠性,减少每次飞行后的维修工作。

“十五飞”有望让工程团队获得更加完整的返回数据:飞船经历长时间轨道飞行、再入大气层、气动减速和动力着陆,热防护系统需要承受从太空环境到地面着陆的完整过程。如果飞船返回后仍能保持主体结构和热防护系统完好,将为后续重复使用提供重要依据。

发动机同样决定着复用效率。星舰采用液氧和液甲烷作为推进剂,配备猛禽发动机。两个级段需要在起飞、回推、轨道机动和着陆等不同阶段完成多次点火,对发动机的可靠性和重复启动能力提出了更高要求。

V3版本围绕推进系统、燃料管路、发动机布局和控制系统进行了重新设计。飞船增加推进剂贮箱容积,调整尾部流体和电气系统,并升级襟翼执行机构。

超重型助推器也进行了结构调整。V3版本将栅格舵数量从四个减少到三个,但单个栅格舵面积增加约50%,并重新调整位置和结构,以适应更高的回收与捕获要求。

这些改动最终都指向同一个目标:让星舰两个级段不仅能够安全返回,还能以更少的维护工作重新投入飞行。

04

星舰还有更难的关

星舰的技术进展背后,还面临着商业化和NASA载人登月任务的双重压力。

NASA已经选择星舰执行阿尔忒弥斯计划的载人登月任务。按照计划,SpaceX需要开发专门的载人版星舰,将宇航员从月球轨道送往月球表面,并在完成任务后安全返回月球轨道。

星舰要登陆月球,首先必须解决在轨推进剂加注问题。

由于月球着陆器需要携带大量推进剂,无法仅依靠一次地面发射完成整个任务。SpaceX计划先将推进剂储存飞船送入近地轨道,再通过多次发射,将加注飞船送入轨道,为储存飞船补充液氧和液甲烷。

这相当于在太空中建立一座临时加油站。多艘飞船需要在轨道上完成交会、对接和推进剂转移,还要解决液氧、液甲烷长期储存过程中温度控制和蒸发损失等问题。

SpaceX此前已经在V3版本中加入了对接结构和推进剂转移接口,为未来的在轨加注任务做准备。

尽管十五飞没有完成“双回收”,但这次任务仍将为工程团队提供新的飞行数据。对星舰而言,真正的考验不是一次发射能否成功,而是能否让两个级段稳定返回,并在检查和整备后再次升空。

推荐阅读

跳转微信打开

  •  

英伟达“下架”一号位,一个敢于押注的人

原创 值得关注的 2026-11-13 10:45 北京

重演“英特尔时刻”?

黄仁勋将从英伟达镜头里消失。图片经过AI处理

文|冯锦锋 《芯路》《半导体演义》系列丛书作者

编辑|苏扬

英伟达宣布黄仁勋辞去总裁、CEO及董事职务后,相较于资本市场对股价波动的应激反应,产业界更关心的是一个深层命题:当一家市值接近四万亿美元、几乎重新定义了全球计算基础设施的巨头失去其核心创始人后,究竟会走向何方?

短期来看,英伟达的答案具有高度确定性。

Rubin架构已经进入量产周期,HBM、先进封装、整机、网络以及头部云厂商的采购订单都已提前多年锁定;其庞大的工程体系绝不会因为一个人的离开而瞬间停转,2027年甚至2028年的财报大概率依旧亮眼。

然而,真正决定半导体巨头命运的风险,极少发生在当代产品线崩塌之时,而是潜伏在“上一代产品依然暴利,而下一代计算范式刚刚露头”的交接窗口期。

因此,探讨后黄仁勋时代的英伟达,最值得对标的并非当下任何一家苦苦追赶的GPU竞品,而是二十年前的英特尔。

01

2005年,英特尔站在最辉煌的时候

概括英特尔过去二十年的衰落,外界常归咎于2005年工程师时代结束、销售与财务背景的保罗·欧德宁(Paul Otellini)接任CEO,认为公司从此走上了“重财务、轻技术”的歧途。

但这仅仅是表象。

2005年前后真正发生的是一整代权力结构的退场。

随着安迪·格鲁夫(Andy Grove)退出董事会、克雷格·贝瑞特(Craig Barrett)卸任,延续多年的技术偏执、工程文化以及最高管理层对产业转折点的极度敏锐开始成建制地淡出。讽刺的是,当时的英特尔正处于历史的最巅峰。2005年,其营收与利润双双创下历史纪录,x86架构统治了个人电脑与服务器市场,制造工艺傲视全球,“Intel”甚至成为了计算机的代名词。

这种“一切数据都证明当前路线绝对正确”的状态,恰恰是大型科技企业最危险的时刻。企业在低谷时容易反思,但在巅峰时,面对一条当下并不赚钱甚至略显荒唐的新赛道,往往缺乏自我革命的动力。

英特尔后来错失移动时代与GPU浪潮,并非因为没有看见未来,而是每一次未来真正敲门时,都要求它牺牲眼前的丰厚利润,而它始终没有舍得。

02

敢于押注的大佬已经离场

从XScale到iPhone再到Larrabee,英特尔看见了所有的未来技术方向,但那些敢于押注的大佬已经离场。

2006年,英特尔以6亿美元低价抛售了基于ARM架构的XScale业务。站在当时的财务报表角度,这是一次极具逻辑性的剥离:XScale虽已打入黑莓、摩托罗拉等移动设备,是英特尔手中最接近智能手机时代的资产,但其利润率远不及PC和服务器芯片。集中资源保卫高毛利的x86基本盘,在商业算账上无懈可击。

前后脚,苹果正在秘密开发初代iPhone,也曾找到英特尔,希望采用其处理器。欧德宁团队测算后认为,苹果愿意支付的价格低于英特尔预测成本,而谁也无法确定这款尚未发布的手机究竟能卖出多少。英特尔最终没有接下这笔生意。多年后欧德宁承认,英特尔既算错了成本,也远远低估了iPhone的销量。这并非英特尔不会算账,恰恰是因为它“太会算账”了。用一个已优化十几年的成熟高毛利业务模型,去衡量一个尚未成型、规模小且良率低的新兴产业,结果必然是新事物惨遭淘汰。

类似的故事在GPU领域重演。

据后来披露,2005年前后,欧德宁曾认真考虑过以近200亿美元收购英伟达,当时内部已有声音敏锐地指出GPU的并行计算潜力将不仅限于游戏,更有望进入数据中心。但这笔交易最终因嫌弃英伟达价格昂贵、文化整合风险高且过度迷信英特尔自身设计制造能力而被否决。

作为替代,英特尔启动了旨在统一CPU与GPU世界的Larrabee项目。然而,由于过往的空前成功带来的路径依赖,英特尔本能地认为下一个时代必须建立在x86之上,英特尔本能地认为下一个时代依然可以建立在x86之上,试图以大量简化的x86核心和高度软件化的渲染流水线,重新构造GPU。相比之下,黄仁勋的出发点并非“如何扩大既有架构的适用面”,而是抛出“GPU天然适合什么计算,如何让更多程序员愿意使用它”的底层拷问,CUDA正是在这一逻辑下诞生。

当英特尔Larrabee项目深陷x86历史包袱最终折戟时,英伟达CUDA项目已经在科研与深度学习领域默默扎根,完成了从“造芯片”到“造生态”的降维打击。

03

英特尔输掉的是“自我否定能力”

穿透这些历史切片,英特尔过去二十年真正丧失的,是“自我否定能力”。

当一项成熟业务利润极高、客户极多时,内部的资源、预算与话语权自然会向其倾斜;而新业务既无规模又无现金流,在博弈中往往被要求先证明自己。这是一种极其理性的组织机制,但当一家公司按照这套逻辑完美运转十年后,新航道将永远无法获得足够的战略资源。英特尔并未死于某一个孤立的错误决策:

卖掉XScale,

拒绝拥抱iPhone,

放弃收购英伟达,

Larrabee项目流产,

每一件事单拿出来都不足以摧毁巨头。但将它们串联成线,便勾勒出一条清晰的衰变轨迹:英特尔变得越来越擅长经营今天,却越来越不擅长摧毁今天。

所有真正的技术换轨,都要求领先者具备亲手摧毁自身最赚钱业务的魄力。这也正是我在这篇文章中审视后黄仁勋时代的核心坐标。

黄仁勋过去三十多年最罕见的企业家特质,并非仅仅是懂GPU,而是他敢于让当下的英伟达一次次去冒险。从早年CUDA长期不盈利却持续投入,到推动GPU走向通用计算,再从单一芯片延伸至网络、DPU、软件乃至AI Factory,英伟达连续完成了多次突破舒适区的自我扩张。对于接班人而言,把既定的Rubin架构卖出好成绩并不难;真正的考验在于,当内部团队提出一个极具潜力但一旦成功将削减现有GPU业务30%利润的新项目时,新的掌舵者是否还有胆量拍板放行。

04

英伟达真正的危险

探讨英伟达的未来威胁,市场极易被光计算、量子计算等性感的科技词汇吸引。但在未来三到五年的真实商业维度里,最先动摇英伟达根基的力量一点也不神秘,它恰恰来自英伟达最大的买家:头部云厂商(CSP)。

今天,谷歌的TPU、亚马逊的Trainium/Inferentia、Meta的MTIA以及微软的Maia,都在全面深入算力底层。这绝非单纯争夺GPU市场份额,而是试图让一部分算力网络彻底摆脱对通用GPU的依赖。随着AI产业从“暴力堆算力的预训练”转向“大规模推理”,算力评价体系正在发生根本性转移:客户不再单纯追求单卡TFLOPS峰值,而是开始极致盘算生成单Token的成本、系统能效比以及机柜密度。

在推理工作负载相对固定且需每日运行数亿次的场景中,剥离了通用图形冗余逻辑、将片上缓存与数据流做到极致的ASIC,正展现出压倒性的优势。

进一步下钻,当下真正制约算力跃迁的是内存墙、互连墙与功耗墙。当AI集群规模膨胀至十万卡级别,数据搬运效率、跨机柜通信与整机散热成为了核心瓶颈。因此,HBM、先进封装、Chiplet、高速交换以及电源液冷技术,正在迅速成为算力网络的新价值中心。

在这个框架下,“光计算”需要被更务实地拆解:未来三五年最清晰的商业路径,并非用纯光计算彻底替代GPU完成矩阵乘法,这仍需克服ADC/DAC功耗、非线性激活与制造良率等长周期难题。而是“光互连”的率先落地,从可插拔光模块向CPO演进,进而渗透进板级与封装级内部。同理,存算一体也是为了解决海量数据在冯·诺依曼架构下频繁搬运的能耗痛点,值得长期跟踪。至于量子计算,尽管其在密码学与分子模拟上具备战略价值,但庞大的矩阵运算并非其天然舒适区,在2030年之前的竞争推演中,它更多是与经典计算长期共存的变量,而非英伟达最直接的假想敌。

05

不要只想着复制H100甚至B300

这一轮算力评价标准的底层重构,对中国半导体产业具有极强的指引意义。

过去,我们在产业追赶时习惯于锚定国外成熟标杆:对标Intel做CPU,对标英伟达做GPU,全面填补HBM与先进封装的空白。补齐产业链完整性固然必须,但若全行业的视线死死盯住“今天最先进的标杆产品”,极易陷入“花十年追到今天,别人已开始定义明天”的窘境。

只要产业评价标准发生转移,霸主地位就会重新洗牌。

从PC时代的单核性能,到移动时代的系统能效比,再到AI训练时代的绝对算力,每一次范式变迁都催生了新的产业中心。面对即将到来的大规模推理阶段,如果核心指标已经倒向单位Token成本与机柜密度,中国企业就完全没有必要将全部资源耗费在粗暴复制一颗H100上。产业界更应该前瞻性地拷问:

哪些未来的工作负载根本不需要H100?

哪些高并发推理可以用ASIC平替?

哪些节点会被光互连重构?

哪些专注Chiplet、CPO与数据中心底层建设的公司会借机崛起?

真正的换道超车,绝非技术攻坚受挫后的退而求其次,而是敏锐捕获下一代评价标准的异动,在它成为主流共识前完成能力卡位。这种机会在当下可能市场极小、财务报表难看,但二十年前的GPU,恰恰也经历过同样的潜伏期。

06

英伟达的“英特尔时刻”,还没有到

断言“黄仁勋谢幕即宣告英伟达走向二十年慢死”,显然为时尚早。

如今的英伟达远比2005年的英特尔更加警觉,其业务版图早已跨越单颗GPU,向CPU、NVLink、DPU、底层编译器、服务器机柜甚至以太网全面延伸。黄仁勋凭借超凡的战略直觉,已提前将英伟达打造成了一家提供全栈AI数据中心方案的系统级巨头,这极大地拉高了其被单一技术路线颠覆的门槛。

体系越是庞大,既得利益便越是根深蒂固;产品越是成功,自我革命的阵痛就越发剧烈。

英伟达未来真正的考验,既不是竞品的技术追赶,也不是光计算的突然成熟,而是三五年后,当颠覆性的底层硬件创新或新的AI工作负载真正开始蚕食GPU的核心价值时,这家失去了灵魂人物的巨头,还能否决绝地转身。

商业史上,最危险的时刻极少伴随着亏损的警报。正如2005年的英特尔,在财报耀眼、x86如日中天、服务器与制造双线领跑的巅峰期,平静地卖掉了XScale,拒绝了iPhone,并在Larrabee项目上迷失。

科技巨头极少死于“看不见未来”,更多时候,他们看清了趋势,却觉得它目前太小、太早、不够赚钱,于是决定再等等。而当那个市场终于大到足以支撑其身躯时,牌桌上往往已经没有了位置。

曾经的英特尔如此,后黄仁勋时代的英伟达,同样需要跨越这道终极的人性与组织考验。

推荐阅读

跳转微信打开

  •  

黄仁勋离场,科技股躲过“分手费”

原创 值得关注的 2026-11-13 08:51 北京

黄仁勋离场的冲击,正在从英伟达传向美股的AI产业链。

英伟达前CEO黄仁勋。图片经由AI处理

文|Joanne

编辑|苏扬

黄仁勋离职消息公布后,英伟达股价剧烈波动,但市场暂时没出现恐慌性抛售。

11月12日,英伟达宣布黄仁勋辞去CEO及董事职务,CFO科莱特·克雷斯出任临时CEO。消息公布后,英伟达股价盘中一度下跌约14%,收盘跌幅收窄至约4%。

与之相比,标普500指数和纳斯达克综合指数分别下跌0.35%和0.39%,道琼斯指数下跌0.36%。当天纳斯达克100指数收跌0.30%,报28289.19点。

黄仁勋离场的冲击,投资者担心是否会从英伟达传向美股的AI产业链。过去几年,英伟达既向客户出售GPU,也通过股权投资、信用支持和算力合作,帮助部分客户扩大采购、建设数据中心。客户融资能力、英伟达的芯片订单和AI基础设施的扩张,由此紧密相连。新管理层是否会调整这些安排,将决定冲击会不会进一步传向整个产业链。

01

黄仁勋离场与AI交易分开定价

11月12日,英伟达收盘下跌4.3%,AMD和博通却均上涨近6%。竞争对手的上涨说明,至少部分投资者仍在寻找AI芯片需求带来的机会,并重新评估不同供应商可能获得的市场份额。

另一边,AI基础设施公司承受了更大压力。CoreWeave下跌6.9%,Nebius下跌16.8%,数据中心相关公司IREN和Applied Digital分别下跌6.5%和5.4%。不过,Nebius当天还发布了季度业绩及展望,这些公司的表现受到各自经营情况、融资预期和市场环境的共同影响。

这些企业与英伟达的联系,也不只是采购芯片。部分公司接受英伟达投资或其他商业支持,其扩张依赖持续获得外部资金。因此,市场需要评估的不仅是GPU需求是否仍然强劲,还包括英伟达换帅后,客户融资与资本支持安排能否延续。

这种压力最终传导至大盘。当天,美股三大指数均下跌约0.4%,费城半导体指数下跌0.5%;能源板块上涨1.5%,部分抵消了科技股的拖累。

从当天行情看,市场并未全面放弃AI交易,而是在区分不同风险:哪些企业可能获得竞争机会,哪些企业更依赖融资环境,哪些企业的增长与英伟达的支持紧密相连。

02

新英伟达

过去几年,建设AI数据中心需要购买大量GPU,但GPU价格高昂,电力、土地、机房和网络设施同样需要巨额投入。对于CoreWeave、Lambda、Nscale等专门出租AI算力的公司来说,能否获得足够融资,直接决定了它们能采购多少芯片、建设多大规模的数据中心。

英伟达逐渐形成了一种特殊的产业角色:既是AI芯片供应商,也是部分客户的投资者和融资支持者。

英伟达为这些公司提供股权投资、信用担保或其他融资支持,帮助它们获得资金;这些公司再用融资购买英伟达的GPU,向OpenAI、Anthropic等模型公司出租算力。

最终,资金支持转化为芯片需求。

英伟达投资遍及AI全栈:按公司类型分组,展示其2023年以来50笔最大投资

这也是市场所谓“循环融资”担忧的来源:英伟达一方面向客户销售芯片,另一方面又帮助客户获得购买芯片所需的资金。客户的扩张越快,英伟达的订单越多;但如果客户无法获得足够收入偿还债务,融资风险也可能反过来传导至英伟达。

英伟达在最新披露中列出的财务承诺达到1645亿美元,其中包括数据中心租赁担保、容量采购承诺等;此外,公司还对AI云服务商进行了直接股权投资。

英伟达已承诺最高1645亿美元为其客户提供业务困境兜底

这套模式之所以重要,还因为英伟达的大客户正在发生变化。

微软、亚马逊和谷歌拥有自己的云业务和庞大的现金流,也在开发自研芯片,能够通过自身资产负债表支撑算力扩张。相比之下,许多新兴云服务商没有同等规模的现金流,必须依赖外部融资购买GPU。

英伟达财报显示,非超大规模云厂商和大型企业客户在其数据中心收入中的占比已经显著上升。以公司披露的7月季度为例,这类客户贡献约400亿美元数据中心收入,占比约45%,较上年同期明显提高。它们已经成为英伟达增长的重要组成部分。

因此,黄仁勋离场带来的风险,不是客户明天就停止采购GPU,而是英伟达是否还愿意承担过去那部分融资和商业风险。

03

继续“输血”的不确定性

英伟达对AI产业的资金支持,已经深入多个项目。但这些交易所处阶段不同,不能将所有投资意向都视为已经落地的承诺。

最受关注的是OpenAI。

英伟达此前承诺向OpenAI提供至少300亿美元资金支持,还涉及俄亥俄州数据中心项目最高1050亿美元的租赁信用支持。英伟达还计划参与Anthropic的IPO,拟投资金额约100亿美元,并讨论为Anthropic租用的数据中心提供信用担保。

对英伟达而言,这些交易不仅是财务投资,也是确保大型模型公司持续获得算力、持续采购GPU的重要方式。

不过,OpenAI和Anthropic这样的模型公司,与新兴云服务商的融资逻辑并不完全相同。它们拥有更大的算力需求,也有更多潜在资金来源。英伟达即使收紧对小型云服务商的支持,也不代表它会立刻退出与大型模型公司的合作。

CoreWeave则是另一种情况。

这家公司是英伟达重点支持的AI云服务商之一,双方不仅存在芯片采购关系,英伟达还曾多次投资CoreWeave,并为其租赁英伟达芯片提供信用支持。

CoreWeave的商业模式是先融资建设数据中心、采购GPU,再将算力出租给AI企业。只要客户需求持续增长,这套模式就能滚动扩张;但如果融资环境恶化,或者算力出租价格下降,债务压力就会迅速显现。

黄仁勋离场后,市场担心的正是英伟达是否还会在CoreWeave遇到融资困难时出手。即便英伟达没有立即撤回已有支持,未来新增担保的审批也可能更加谨慎。

Firmus的情况更能说明问题。这家澳大利亚AI云服务商此前计划IPO,但因投资者对估值和业务前景存疑而撤回上市计划,随后转向寻求至少20亿美元的私募融资。英伟达此前已参与Firmus多轮融资,并为其采购服务器提供信用支持。相关安排还涉及英伟达以提供支持换取部分云业务收入分成。

这类交易的意义在于,英伟达提供的不只是资金,还在帮助客户跨过融资门槛,让原本难以独立完成的GPU采购和数据中心建设继续推进。但Firmus的IPO受挫也暴露出一个现实:即使有英伟达背书,资本市场也未必愿意无条件为所有AI基础设施公司买单。

这些案例需要区分两件事:已经签署的投资和担保,不会因为CEO离职就自动失效;仍在谈判中的投资、信用支持和合作项目,则更容易受到新管理层决策风格的影响。

克雷斯长期负责英伟达财务工作,对公司的现金流、风险敞口和资本配置十分熟悉。她出任临时CEO后,最值得观察的不是是否立即停止投资,而是英伟达会不会重新设定投资门槛:哪些客户值得继续支持,哪些项目需要更多抵押和回报保障,哪些风险不再由英伟达承担。

04

还没出现的“分手费”

英伟达离场事件对美股的影响,不能只看英伟达自身市值蒸发了多少。

英伟达曾占标普500指数权重的6%以上,是过去几年推动美股上涨的重要公司之一。它的股价波动会直接影响指数表现,但11月12日标普和纳指最终微跌,也说明大盘并非完全依赖英伟达一家公司。AMD、博通等竞争对手上涨,其他行业股票走强,暂时抵消了英伟达的拖累。

如果英伟达收紧信用支持,最先受到影响的可能是新兴云服务商和数据中心运营商——融资成本上升,会让它们推迟采购GPU、放慢机房建设,甚至重新谈判算力租赁合同。随后,影响才可能传到芯片供应商、服务器制造商、存储企业和数据中心电力设备公司。

这也解释了为什么11月12日市场出现了明显分化:CoreWeave、Nebius等与英伟达资金支持关系密切的公司承压,AMD和博通却因潜在份额转移而上涨。

投资者并不是不再看好AI,而是在重新判断谁能从下一阶段的算力投资中获得收入,谁又必须依赖外部资金才能维持扩张。

另一重影响则来自估值。

过去AI基础设施公司的估值,很大程度上建立在未来算力需求持续增长的预期上。只要融资渠道畅通,企业就能提前建设数据中心、购买GPU,再用未来的算力租赁收入偿还债务。但当资本市场开始要求更高的风险补偿,项目回报周期、客户合同质量和债务偿还能力就会被重新审视。

这并非只针对英伟达。11月12日美国10年期国债收益率升至约5.07%,油价也在地缘政治风险推动下上涨。高利率会抬高数据中心项目的融资成本,也会压低远期现金流占比较高的科技公司的估值。英伟达的管理层变动与宏观利率压力叠加,可能让AI基础设施公司的估值承受更大考验。

不过,英伟达自身的业绩仍然是关键变量。公司定于11月17日公布第三财季财报。市场需要确认的,不只是GPU订单是否继续增长,还包括订单来自哪些客户、客户是否具备持续付款能力,以及英伟达是否需要继续通过投资和信用担保来推动这些订单。

如果财报显示大型云厂商和企业客户需求足够强劲,英伟达就有机会证明,公司的增长并不完全依赖黄仁勋推动的投资网络。反过来,如果新订单仍高度依赖融资能力较弱的云服务商,那么投资者就会更加关注这些客户的债务和英伟达的担保责任。

推荐阅读

跳转微信打开

  •  

3.47万亿美元!特斯拉与SpaceX合并提速,交易最快12月官宣

原创 值得关注的 2026-11-13 07:06 北京

特斯拉与SpaceX的首席执行官埃隆·马斯克。图片经由AI生成

文|Joanne

编辑|苏扬

当地时间11月12日,据彭博社报道,埃隆·马斯克(Elon Musk)旗下的SpaceX与特斯拉正在推进合并谈判,双方最快可能于今年12月宣布交易。考虑到交易涉及复杂的公司架构和监管问题,合并公告可能推迟至2027年初。

这笔交易的潜在规模相当惊人。截至最近一个交易日收盘,SpaceX市值约1.90万亿美元,特斯拉约1.57万亿美元,两家公司合计达到3.47万亿美元。

如果合并完成,火箭发射、卫星互联网、电动汽车、能源储存、人工智能和机器人等业务将被纳入同一家公司。这不仅将重塑马斯克旗下企业的组织架构,也可能成为全球商业史上规模最大的企业整合之一。

不过,3.47万亿美元只是两家公司当前市值的简单相加。交易究竟采取何种方式、双方股东如何分配权益,以及监管机构是否放行,目前都没有明确答案。

01

谈判提速

今年10月,在SpaceX第三季度财报电话会议上,马斯克首次明确表示,与特斯拉合并“是个好主意”,并确认双方已经成立由独立董事组成的特别委员会,专门讨论合并事宜。

这意味着,两家公司已经启动正式的公司治理程序,而不仅仅是在讨论业务合作的可能性。

双方谈判正在取得进展,交易最快可能于今年12月对外公布,但也不排除推迟至2027年初的可能。与此同时,合并仍面临多重障碍,其中SpaceX与美国国防部门的合同关系,以及特斯拉对中国市场的依赖,可能成为影响交易进程的关键因素。

从时间安排来看,双方显然希望尽快推动谈判,但这并不意味着交易已经进入最后阶段。合并协议、股权安排和监管审批仍然需要逐一解决。

目前,两家公司均未立即回应相关报道。

02

AI版图

如果只看主营业务,SpaceX和特斯拉似乎没有太多交集。

一家负责火箭发射和卫星互联网,另一家生产电动汽车和储能设备。但马斯克近年来的战略调整,正在让两家公司逐渐进入同一条技术发展轨道。

特斯拉的增长故事已经不再局限于电动车销量。自动驾驶、Robotaxi和Optimus人形机器人正在成为公司未来的重要方向。这些业务都需要大规模AI训练、芯片算力和能源供应。

SpaceX的业务版图同样在发生变化。除了可重复使用火箭和Starlink卫星互联网,马斯克还在推进人工智能相关布局。随着xAI被纳入其商业版图,SpaceX的业务触角进一步延伸至AI基础设施。

两家公司真正的交集,正是人工智能背后的三项基础资源:芯片、算力和能源。

其中,Terafab是双方已经展开合作的具体例子。

今年,SpaceX与特斯拉共同推进了Terafab芯片制造合资项目。马斯克在10月的财报电话会议上表示,该项目预计于2027年5月至6月生产首批测试芯片,并计划在2028年第三季度实现大规模量产。

对于特斯拉而言,自建芯片制造能力有助于满足自动驾驶和人形机器人的算力需求;对于SpaceX而言,芯片则是未来卫星网络和太空数据中心的重要基础。

如果两家公司进一步合并,芯片研发、算力投入和能源基础设施建设便有可能纳入统一的资源配置体系。

不过,这也引出了另一个问题:既然双方已经通过合资企业和商业合作推进这些项目,是否有必要进一步进行股权层面的整合?

这可能是投资者审视此次交易时最重要的问题之一。业务协同能够带来多少额外价值,需要有具体的财务回报来证明。

03

控制权之争

对于两家公司的股东而言,合并最直接的影响并不是业务范围扩大,而是持股结构可能发生变化。

按照目前的市场估值,SpaceX约1.90万亿美元,特斯拉约1.57万亿美元。假设双方采用全股票交易,SpaceX和特斯拉原有股东将按照约定比例获得合并后公司的股份。

但这并不是简单地将两家公司市值相加就能完成的交易。具体由谁收购谁、换股比例如何确定,以及是否设置收购溢价,目前都没有得到正式确认。

更值得关注的是马斯克在新公司中的控制权。

按照公开披露的股权数据,马斯克在SpaceX的经济持股比例约为40%至45%,在特斯拉的持股比例则接近20%。不过,两家公司的投票权结构存在明显差异:SpaceX采用双层股权结构,马斯克拥有超过80%的投票权;特斯拉实行普通股同股同权,投票权与持股比例基本一致。

这也是马斯克过去多次表达不满的原因之一。他曾公开表示,自己希望在特斯拉拥有足够的投票权,以确保能够推动公司长期的人工智能和机器人战略。

因此,合并不仅涉及资产和业务整合,也会改变两家公司的股权与治理关系。

如果新公司采用SpaceX现有的多重投票权架构,马斯克有可能进一步巩固对合并后集团的控制。不过,这种安排能否获得特斯拉股东认可,仍然存在很大不确定性。

对于特斯拉投资者来说,需要权衡的是:接受新的股权结构,能否换来更大的业务协同和长期收益?如果合并估值、换股比例或投票权安排不够合理,股东完全可能反对交易。

04

监管难关

相比商业协同和股权分配,监管问题可能是这笔交易最难解决的障碍。

SpaceX与特斯拉的业务分别处于美国国家安全体系和全球汽车产业链的不同位置。两家公司合并后,原本相对独立的业务体系将产生更复杂的跨境联系。

首先是SpaceX的美国国防业务。SpaceX长期参与美国政府的航天发射、卫星通信等项目,与美国国防部、情报机构和NASA保持密切合作。部分业务涉及敏感技术、国家安全信息以及政府采购合同。

一旦与特斯拉合并,监管机构需要评估新的公司架构是否会影响相关合同执行、技术保密和安全管理。

其次是特斯拉的中国业务。中国是特斯拉最重要的海外市场之一,上海超级工厂也是其全球生产体系的重要组成部分。特斯拉在中国拥有制造、供应链和销售网络,涉及大量跨境数据与商业活动。

将一家深度参与美国国防项目的航天企业,与一家在中国拥有重要产业布局的汽车公司合并,势必引发更加复杂的国家安全和跨境监管问题。

美国外国投资委员会(CFIUS)等机构可能关注交易对美国国家安全的影响,中国相关监管部门也需要根据具体交易结构评估其对市场竞争、投资和相关业务的影响。

对于谈判双方而言,如何在统一公司架构与不同国家的监管要求之间找到平衡,将直接影响交易能否落地。

05

整合野心

SpaceX与特斯拉的潜在合并,反映出马斯克正在尝试重新组织自己的商业版图。

过去,特斯拉负责汽车、能源和机器人,SpaceX负责航天与卫星互联网,xAI则承担人工智能模型研发。不同企业之间通过投资、合作和技术共享建立联系。

合并意味着,这些业务可能进一步从项目合作走向资本和组织层面的统一。

从长期看,马斯克希望打通的产业链并不局限于地球上的汽车和机器人,还包括卫星网络、太空运输以及未来的太空算力基础设施。芯片、能源和人工智能则是贯穿其中的共同技术底座。

但商业版图越庞大,管理和监管的复杂程度也越高。不同业务的盈利模式、资本需求和风险属性并不相同,如何避免资源配置失衡,将考验新集团的管理能力。

3.47万亿美元只是这场交易的起点。

推荐阅读

跳转微信打开

  •  

黄仁勋辞职,英伟达把下一程交给谁?

原创 值得关注的 2026-11-12 22:57 北京

33年掌舵落幕

文|晓静

编辑|徐青阳

黄仁勋执掌英伟达33年的历史,在一份即刻生效的公告中宣告结束。

美国当地时间11月12日,英伟达宣布,黄仁勋辞去总裁、首席执行官及董事会成员职务。首席财务官Colette Kress(科莱特·克雷斯)出任临时CEO,同时保留原有职务;资深董事Harvey C. Jones(哈维·琼斯)被任命为公司首位董事会主席。

市场迅速作出反应,英伟达股价盘前跌幅超过10%。但正式开盘之后,股价跌幅收窄。

这份安排回答了谁来接手眼前的工作,却留下了更长远的悬念:正式CEO尚未确定,董事会将同时考虑内部和外部人选。

另外,据路透社报道,一份内部备忘录显示,克雷斯表示,公司将于太平洋时间11月18日上午9点召开全体员工会议,对应北京时间11月19日凌晨1点。

图:英伟达官方公告

01

四天之间

11月8日,英伟达官网发布黄仁勋致员工的公开信。他承认对婚姻不忠,向家人和同事道歉,并表示愿意重新赢得信任。“领导英伟达是我一生的荣幸”,他在信中写道。

同一天,董事会宣布启动独立调查,由独立董事组成的委员会在外部律师协助下监督。调查涉及媒体报道引发的安全疑虑。董事会当时强调,没有理由相信国家安全或公司机密已经受到损害,并明确表达了对黄仁勋及其领导团队的信心。

11月10日,独立董事进一步宣布,聘请美国纽约南区前代理联邦检察官Joon H. Kim及其所在的Wachtell, Lipton, Rosen & Katz律师事务所开展调查。

一天后,局势急转。路透社援引知情人士称,董事会于11月11日晚间开会讨论黄仁勋的去留。在此之前,媒体又报道了他与一名向其汇报的公司高管存在婚外关系的指控。有关去职的报道传出后,英伟达股价在延长交易时段下跌超过8%。

到了11月12日,董事会公布辞职决定。从公开表达信任,到创始人退出管理层与董事会,只有四天。

但人事决定,不等于已经有了调查结论。最新公告使用的是“辞职”,既没有公布调查报告,也没有说明董事会投票过程、离职补偿或黄仁勋今后是否担任顾问。

02

接棒的财务老将

接棒的克雷斯长期出现在英伟达财报电话会上。对于投资者而言,她是一位熟悉公司数字、也熟悉华尔街追问方式的管理者。

图:首席财务官Colette Kress(科莱特·克雷斯)出任临时CEO,同时保留原有职务

她在2013年9月加入英伟达,担任执行副总裁兼CFO,此后在这个岗位上工作了13年。她的职业经历,横跨半导体、企业软件和网络设备。

加入英伟达之前,克雷斯在思科负责业务技术与运营财务,职责覆盖各业务部门、工程和运营的财务战略、规划及业务发展。更早之前,她在微软工作13年,其中4年担任服务器与工具部门CFO;她还曾在得州仪器从事财务工作。她拥有亚利桑那大学金融学学士学位和南卫理公会大学MBA学位。

这份履历还有一个容易被忽略的细节:她接触的财务工作始终与研发和企业业务紧密相连。

芯片公司需要提前投入研发、安排供应采购,再等待产品交付形成收入。身处这一过程的财务负责人,必须理解技术节奏如何转化为订单、库存和现金。在管理层突然变化时,这些经验有助于公司维持既定经营安排。

在任命公布前,eToro首席分析师Josh Gilbert就向路透社表示,克雷斯长期与黄仁勋共同面对财报电话会,是市场熟悉的声音,适合在过渡期稳定局面。他同时认为,正式CEO的选择还需要考虑英伟达的技术优势。

她眼前最紧迫的任务,是让客户、员工和投资者看到,公司仍能在明确的责任分工下作出决定。

03

首位董事会主席

与克雷斯的任命同时发生的,还有一次治理结构变化:英伟达设立了首位董事会主席。

出任这一职务的琼斯,与公司有很深的历史联系。英伟达2026年股东大会文件显示,他自1993年起担任董事。1981年,他参与创办计算机辅助工程公司Daisy Systems,后来担任总裁兼CEO;1987年至1998年间,他领导芯片设计软件公司新思科技,先后担任CEO和执行董事长。他还参与创办了处理器知识产权公司Tensilica。

由一位长期参与公司治理、又有芯片产业经营经验的董事出任主席,至少让过渡期的监督与协调有了更明确的负责人。

接下来,董事会面临的最重要的问题,会从接受辞职转向评估人选:谁能够在保住现有业务的同时,继续决定英伟达未来几代产品的方向?

内部被反复提及的是Ian Buck(伊恩·巴克)。路透社报道,他于2004年加入英伟达,是CUDA开发的重要参与者。英伟达近期官方活动资料将他的职务列为超大规模计算与高性能计算副总裁;今年9月的AI基础设施峰会上,他代表公司介绍计算平台,并参与了与OpenAI的对谈。

巴克受到关注有现实原因。长期CEO需要理解开发者为什么使用英伟达、客户如何部署大规模计算,以及硬件和软件如何共同演进。

外部人选中,Arm CEO、英伟达前高管Rene Haas(雷内·哈斯)也被路透社采访的业内人士提及。报道还提到其他内部管理者,但这些均不构成官方候选名单。

黄仁勋留下的组织特点,会让选择更加复杂。路透社此前报道,他拥有超过60名直接汇报者,其中大量人员来自工程领域。这种结构让技术信息迅速集中到创始人手中,也使他的个人判断深深嵌入公司运行。

继任者未必能够照搬这套方式。哪些判断继续由CEO直接作出,哪些交给产品和工程负责人,哪些重大投入需要董事会更深参与,都会影响下一阶段的效率。目前,英伟达尚未公布相应组织调整。

04

供应链,英伟达的命门

黄仁勋离开的影响,已经传到亚洲供应链。

在辞职公告发布前,路透社采访的一位供应商高管担心,新CEO可能不会像黄仁勋那样积极提前锁定制造产能,进而影响供应商扩张的速度。Counterpoint Research研究副总裁Neil Shah也判断,英伟达新增的大规模生态投资和双边AI基础设施交易可能放缓。这些是受访者对未来的担忧,尚未成为已发生的业务变化。

他们关心的是下一轮承诺。

一款新产品从研发走向量产,供应商需要据此购买设备、扩充产线、安排人力。客户对未来需求的判断越坚定,越愿意提前作出采购承诺,供应链也越敢跟进。创始人的技术判断、商业信誉与承担风险的意愿,往往在这里共同起作用。

不过,现有业务也有超越个人关系的基础。韩联社11月12日报道,三星和SK海力士正评估英伟达不同接班情景。一些受访人士认为,已有供货协议不太可能受到直接影响,因为具体业务计划长期由双方管理团队对接;另一些人担心,高层沟通可能放慢,长期产品规划变化会影响生产与投资安排。

这让过渡期的考验也成为了,现有订单能否真的按时交付,新产品还能不能如期推进,下一轮产能和投资承诺能否及时落定。

董事会在公告中表示,预计公司运营、客户承诺和产品路线图将继续推进,不受中断。这是新管理层给出的承诺,后续还需要交付结果验证。

最近的一次检验就在五天后。英伟达将按原计划于美国太平洋时间11月17日下午发布2027财年第三财季业绩,并举行电话会。

届时,投资者大概率会追问订单、利润率和供应情况,也肯定会想要一个明确的答案,创始人离场之后,英伟达把下一程究竟交给谁。

推荐阅读

失去黄仁勋,英伟达会怎样?

黄仁勋无人接班

一键关注,明天见看完点个爱心点个赞

跳转微信打开

  •  

失去黄仁勋,英伟达会怎样?

原创 值得关注的 2026-11-12 19:25 北京

历史车轮不会因为一个人停下。

黄仁勋和镜中的自己。图片经过AI处理

文|吴梓豪 蓉和半导体咨询CEO

编辑|苏扬

这几天科技圈、资本市场都在吃黄仁勋的瓜,细节不给大家复述了。

忽略掉最终结果,我们可以探索一个问题:假如黄仁勋从CEO的位置上被下架,英伟达会怎么样,这应该也是外界更关心的一个议题。

事实上,出轨花边这种事看都不要看,核心就两个问题:是否涉及违规(美国出口管制)、是否违反公司治理的规则。

关于出口管制的问题我们不去讨论了。关于公司治理规则,CEO跟直属下属有关系,在美国公司是明确违反行为准则的事项,这涉及权力不对等跟利益冲突。2018年英特尔的CEO科再奇,2019年麦当劳的CEO伊斯特布鲁克,都因为这个问题被董事会“请”走的,不涉及违法。

按英伟达的公司章程,11位董事过半数就可以罢免CEO。所以,董事会要换人,不需要等到有明确的法律问题。这也是为什么第一个瓜出来的时候,董事会表态有信心,而到了第二个瓜涉及内部直属下属,就传出董事会讨论罢免的事项。

如果黄仁勋违反公司规则,董事会再保他,董事们自己就要面对股东诉讼。最终,是否更换老黄,具体结果还是由董事会决定。

那么回到我们的终极问题:英伟达是不是离不开老黄?没有老黄的英伟达还有是那个英伟达吗?

01

因果关系要搞明白

没有老黄,英伟达还是英伟达。

的确,好的领导者确实能更好地引领方向,是一家公司最重要的人,但产业跟技术的方向与发展,从来不是某个人之功。这里的因果关系要搞明白。

老黄是工程师出身的创始人,英伟达能有今天,靠的是三十多年对GPU这个方向的坚持,而不是老黄个人发明了多么牛的技术。而且,老黄也不是十几年前就看到了今天的AI才坚持GPU的。

GPU最早是给游戏用的,2006年推出CUDA是为了让GPU能做通用计算跟科学计算,2012年AlexNet用英伟达的游戏显卡跑出了深度学习,之后又经历了挖矿,最后才等到大模型。

每个时代有每个时代的需求,英伟达是跟着当下的需求一步一步走过来的。

英伟达的高管体系中,首席科学家Bill Dally管研究,从Mellanox过来的Michael Kagan现在是CTO,Ian Buck是CUDA的缔造者,现在管数据中心业务,下面还有四万多名员工。

如今,整个AI的方向已经明确,英伟达的产品路线也已排到了几年以后,这些东西都不是黄仁勋一个人拍板出来的,自然也不会因为老黄离开就消失。

没有老黄的坚持就没有英伟达的今天,这一点是肯定的。但是一家已经完全上轨道的公司,离开创始人还能不能走,历史早就给过答案。

苹果、英特尔、微软、亚马逊、台积电,案例多到数不清。其中,笔者的老东家台积电也值得关注。

张忠谋2005年把CEO位置交给蔡力行,2009年金融危机后张忠谋自己回任,2013年再交给刘德音跟魏哲家,2018年正式退休。如今魏哲家带领的台积电,比张忠谋时代强大了好几倍。台积电的例子还说明另一件事,交棒不一定一次就成功,但只要治理机制在,换错了人可以再换。

所以我们要清楚西方科技公司的治理模式——职业经理人主导,加上独立董事制衡。

苹果、微软、谷歌、亚马逊现在全是经理人在管,创始人还在一线主导的巨头除了英伟达,基本剩下特斯拉、Meta少数几家,这几家公司都是创始人非常鲜明甚至作为招牌。

老黄在英伟达的持股只有3.58%,也没有超级投票权,英伟达本质上早就是经理人制度的公司,只是这个经理人刚好是创始人,而且干得特别好,所以能一直干下去。

干得好就继续干,出了问题董事会换人,在西方企业巨头当中太稀松平常了。

02

管理层,谁来接

讲管理层之前,得先说英伟达一个很特别的地方——没有二把手。

英伟达不设COO,管理架构极度扁平,直接向老黄汇报的高管一度有55人,后来缩到36人,伯恩斯坦的说法更是有约60人。老黄自己也一直不愿意做正式的接班计划,他的理由是接班安排只会制造高管之间的竞争跟分裂。

英伟达这几年一路高歌猛进的时候,市场可是把这套扁平式管理奉为公司管理的典范。

客观地说,这套模式有利有弊。有利的地方是决策快,信息不用一层一层往上传,老黄能直接听到一线的声音,组织也精简,没有大公司常见的层层汇报跟内部政治。英伟达能做到一年一代产品,跟这套模式有直接关系。

弊端也很清楚:一把手一旦出问题,公司马上面临没有人能顶上的风险;另一个弊端是这套模式非常“吃人”——一个CEO要面对几十位高管听取汇报,这是极其庞大的工作量,换一个职业经理人来未必做得到。

所以这套模式是跟老黄这个人绑在一起的。老黄在的时候它是优势,老黄不在了它就需要调整,这是换人的自然结果,不代表原来的模式是错的。

市场上流传的各种接班人名单。临时CEO这个位置,笔者认为最确定的人选是CFO Colette Kress。

首先这个位置是临时CEO,只需要渡过,老黄临时卸任的这段不稳定期,不需要对行业或技术有非常深刻的建地。

Colette Kress 2013年加入英伟达,当了十三年CFO,华尔街跟大客户对她最熟,她是财务出身,不懂技术,所以最适合过渡。

内部的技术派是Ian Buck,也就是鼎鼎大名的CUDA之父,现在管超大规模跟高性能计算业务,跟几家云大厂的关系最深。他的短板是没有当过一把手,没有管理整家公司的经验。

除了Colette Kress跟Ian Buck这两个热门人选,英伟达内部的CTO跟几个副总裁也是内部可能人选,内部依旧是人才济济。

外部人选方面,Semafor点名的是苹果的硬件芯片负责人Johny Srouji,投行Baird也表态倾向外部空降。至于市场上传的AMD苏姿丰、Arm的Rene Haas,目前都只是媒体跟分析师的猜测,没有任何实锤。

笔者的判断是,最可能的组合是Kress临时过渡,同时由外部猎头找正式CEO,Ian Buck这些技术高管负责稳住产品跟客户。

如此一来,新的管理层大概率会设COO,把几十条汇报线收成常规的层级。这样决策速度会慢一些,但公司不再依赖某一个人,这是进入经理人时代必然的取舍。

03

三种可能

笔者把这件事的走向归纳成三种情形。

第一种是平稳换人,也是目前可能性最大的一种。董事会罢免老黄或者老黄自己辞任,Kress临时接手,之后敲定正式CEO,老黄则保留股东身份,甚至可能留个顾问的头衔。公司的日常运营不会停摆,产品该出货出货,订单该交付交付,要花时间的是组织架构的重建。

第二种是老黄留任,但被关进笼子里——董事会保留他的CEO职位,同时设董事长、设COO、强制做接班计划。这种情形在第二段婚外情曝光前还有可能,现在可能性很低。

第三种是事件升级,比如违反管制。那将面临罚款、长期的合规监管,这才是最关键的。但是,目前没有证据指向这一步。

不管哪一种可能性,受影响的是人、是合规,没有一种是AI芯片的需求没了。

04

对产业链的影响

带着上面的这个结论,我们往产业链上看。

先看下游客户。微软、Meta、谷歌、亚马逊这些云大厂买英伟达的GPU,是因为自己的AI资本开支要落地,是因为英伟达的产品跟CUDA生态目前没有对手,不是因为老黄这个人。

换不换CEO,客户该下的订单一张都不会少。

真正会受影响的是另一类客户,也就是靠英伟达输血的新兴云厂商跟AI创业公司。

老黄这几年有一套独特的打法,英伟达投资客户,客户再拿钱买英伟达的芯片,这套打法高度依赖老黄个人的胆量跟信用。换一个经理人来当CEO,尤其是过渡期,这类投资一定会变保守,那些自己不赚钱、靠英伟达支持才拿得到融资的二线算力公司,才是产业链上最该担心的一环。

再看竞争对手,短期资金已经用脚投票。

周一英伟达大跌的同时费城半导体指数反而大涨近7%,AMD单日涨了13%,博通涨了8%以上。

笔者认为真正受益的是博通跟谷歌。但长期来说整个市场格局没有太大改变,只能是短期消息面影响,因为英伟达管理层动荡的此時,正是云大厂加码自研ASIC的窗口期,博通是ASIC的最大赢家,谷歌的TPU是目前唯一能在系统层面跟英伟达叫板的方案。

最后看上游供应链,也就是台积电、SK海力士、美光,以及鸿海、广达这些整机厂。

上游的订单取决于英伟达的出货量,而出货量取决于下游的资本开支,这条链上没有一个环节是由英伟达的CEO是谁决定的。

就算英伟达换上一个完全支持美国本土制造的CEO,英伟达的芯片还是只有台积电能代工,英特尔没有产能,也没有大幅度增加资本开支,制程水平也落后一代,英伟达想给它也给不了,这是产业事实层面。

但以消息面来解读的话,必然是有利英特尔,不利台积电,但这也只能是消息层面,影响不了真实的产业面。

这两天知名分析师郭明錤也在谈论黄仁勋至于英伟达的价值。

郭明錤的意思是,老黄不一定是英伟达内部最懂HVDC、CPO、CCL这些新技术的人,老黄的价值是同时考虑策略、组织、技术跟供应链,然后迅速拍板。

这跟我的文章前面讲的因果关系是一致的,老黄是拍板的人,不是发明技术的人。

郭明錤给的建议是阶段性降低英伟达对老黄的决策依赖,同时布局接班计划,这是一个慢慢过渡的思路。但实际上,英伟达的章程是董事过半数就能直接换人,董事会当晚就在开会决定去留,没那么拖沓。

郭明錤还认为,老黄的激进决策带动了供应链的规格升级,再带动整个AI产业的技术升级。按他的逻辑,老黄一走,产业的技术升级就要慢下来,这其实是不准确的。

站到整个AI系统的高度往下看,英伟达自己也是被推着走的那一个——推着英伟达走的是需求,是物理极限。

所以这压跟不是老黄激进,老黄是创始人在位30多年,在此之前他一点也不激进,十多年年的显卡,它永远都是用落后一代制程,还多次选择碰便宜的三星代工,AMD在这之前比他激进多了。

AI硬件的技术迭代,是被需求推着走的。很多看起来很激进的新技术之所以被采用,是因为需求已经超过了旧技术的物理限制,所以不得不换,并不是因为老黄这个人激进。

比如HVDC,单个机柜的功率从过去的几十kW,走到现在的一百多kW,再往后是几百kW甚至1MW,原来的低压供电光是铜排就塞不下了,所以只能改成800V的高压直流。

再说CPO。传输速率一代一代往上翻,铜线能跑的距离就越来越短,可插拔光模块的功耗也越来越高,走到某一个点铜跟可插拔都撑不住,那就只能把光引擎搬到芯片旁边。

这些升级没有一项是谁拍脑袋决定的,全是物理极限逼出来的。只要下游对算力的需求还在涨,这些技术就一定要上,换谁来当英伟达的CEO都得做,而且AMD、博通、谷歌的TPU走的都是这些技术路线,它们可没有老黄。

历史也是一个验证。Blackwell的延迟、机柜的过热问题、CPO导入时点的一再后移,都说明真正决定节奏的是物理跟供应链的成熟度,老黄再激进也快不了。

05

全局观

最后简单总结一下。

事件本身,核心只有两个问题,有没有违法,有没有违反公司规则。前者决定事情会不会升级,后者决定老黄的去留。

在这件事情上,一家伟大的公司,创始人离开是早晚的事,英特尔、苹果、微软、台积电都是在创始人离开之后走到了更高的地方,老黄只是用了一种没人想到的方式离开。

下游客户方面,云大厂的订单一张都不会少,要担心的是靠英伟达输血的二线算力公司。

技术方面,AI产业的技术迭代是被需求推着走的,是需求超过了物理限制才逼出新技术,不会因为一家公司换了CEO就停下来。

所以,没有老黄的英伟达不会有什么大的影响,只是大家不习惯而已。

推荐阅读

跳转微信打开

  •  
❌