2026 年 8 月 18 日，星期二 · 精选 10 篇
编辑视角
今天最值得记住的数字不是某个跑分，而是 3 万亿美元。据《华尔街日报》统计，九家科技公司持有的 AI 承诺约有 3 万亿美元不体现在任何资产负债表上。OpenAI 刚刚签下的俄亥俄数据中心是样本：20 年租约、8GW 电力，英伟达为设施残值担保最高 1050 亿美元，并借此成为独家芯片供应商。算力军备竞赛的胜负手，正在从股权融资转向租约、债务和担保的组合拳。
同一模式出现在每一家头部公司身上。Anthropic 与 NSCALE 签署 25 亿美元 GPU 融资协议，用债务锁定超过 5 万块 GPU；Meta 准备发行 100 亿欧元的数据中心债券。芯片厂商不再只是卖卡，而是在为客户的赌注兜底。这种结构在上升期能放大建设速度，但一旦需求不及预期，账单不会出现在新闻稿里，而会落在债权人和担保方身上。Stripe 以超过 70 亿美元敲定收购 OpenRouter 则提醒另一面：模型路由这个"收费站"层，正在被有实力的买家直接收入囊中。
第二本账在书架上。404 Media 用 AirTag 追踪一批珍本书，终点是亚马逊拉斯维加斯的仓库：工人切掉书脊加快扫描，原件随之销毁，数据用于训练 Nova 模型。纸质书的价值恰恰在于它们从未上网、早于 2022 年、不含 AI 生成内容。Anthropic 此前的"巴拿马计划"已经演练过同一剧本，而法官部分基于"原件已被销毁、未被转售"认定其构成合理使用——这等于给"买书、切碎、扫描"提供了一份法律模板。与此同时，Stack Overflow 的新提问量跌破了内测时期的水平。滋养了第一代大模型的公共知识公地正在干涸，而替代品——那些干净的、私有的人类文本——正在被系统性地锁进单一公司的仓库。
能力本身并没有停下脚步。GLM-5.3 发布当天即开放 API 调用，编程能力提升 50%，尽管它的权重因网络安全评估仍在推迟；HelixWorld 1.0 给可交互世界模型补上了 48kHz 的实时声音；菲尔兹奖得主 Gowers 则指出，AI 攻破数学猜想的方式越来越像"抬杠"——在巨大空间里搜出那个推翻结论的反例。评估一家 AI 公司，只看模型榜单已经不够了：还要看它敢把多少承诺藏到表外，以及手里握着多少别人拿不到的数据。
资本与基础设施
算力竞赛正在变成金融结构竞赛。租约、债务担保和债券取代了传统的股权融资，风险被精巧地移出资产负债表。
OpenAI 签下 20 年 8GW 租约，英伟达担保最高 1050 亿美元残值
“九家科技公司的 AI 承诺约有 3 万亿美元不在资产负债表上”
OpenAI 为俄亥俄州一座 8GW 数据中心签下 20 年租约，是其迄今最大的基础设施承诺之一。更值得注意的是交易结构：英伟达为这些设施的残值提供最高 1050 亿美元担保，并成为独家芯片供应商。芯片巨头从供货商变成了客户赌注的担保人，双方在财务上被彻底绑定。《华尔街日报》据此测算，九家科技公司约有 3 万亿美元的 AI 承诺以租约、担保等形式存在，不进资产负债表。行业繁荣时这是加速器，需求反转时则是一笔谁都算不清的或有负债。
来源：The Decoder
Anthropic 用 25 亿美元债务融资锁定 5 万块 GPU
“通过债务融资的基础设施模式获得超过 5 万块 GPU”
Anthropic 与基础设施商 NSCALE 签署 25 亿美元 GPU 融资协议，获得超过 5 万块 GPU 的使用权。与前两年的股权融资买卡不同，这笔交易是纯粹的债务驱动：Anthropic 不必一次性掏出资本开支，NSCALE 则以 GPU 和合同为抵押去融资。头部实验室的算力获取正在"按揭化"，这让扩张速度摆脱了现金储备的限制，也把利率、残值和利用率风险引入了 AI 公司的成本结构。
来源：The Decoder
Meta 发行 100 亿欧元数据中心债券
“出售价值 100 亿欧元的数据中心债券”
Meta 正在债券市场为其数据中心建设融资，规模达 100 亿欧元。对一家现金充裕的公司来说，选择发债而非动用自有现金，说明 AI 基建的资金需求已经大到需要动用一切低成本杠杆。这也与扎克伯格近期"超级智能"叙事受挫的背景形成对照：消费者端 AI 应用反响平淡，但基础设施的投入仍在按原计划加码。资本市场愿意借钱给 Meta 建数据中心，但未必愿意为它的 AI 故事付出同样的耐心。
来源：The Decoder
Stripe 敲定超 70 亿美元收购 OpenRouter
“AI 界的 Stripe”
据彭博社报道，Stripe 已敲定收购 AI 模型路由平台 OpenRouter，价格超过 70 亿美元。OpenRouter 今年 5 月才以 13 亿美元估值完成 1.13 亿美元 B 轮，三个月估值翻了五倍多。它自称"AI 界的 Stripe"：一个入口接入 400 多个模型、服务 800 万用户，按任务和预算自动选择模型。真正的 Stripe 把它买下来，意味着支付巨头认定模型路由会成为 AI 时代的收银台——无论底层哪个模型胜出，收费站都在自己手里。
来源：TechCrunch
数据与知识公地
干净的人类文本正在成为稀缺资产。一边是珍本书被切碎扫描进封闭模型，一边是曾经最繁荣的公共问答社区走向枯竭。
亚马逊被曝销毁珍本书籍训练 Nova 模型
“裁掉书脊以加快扫描速度”
404 Media 的调查记者把一枚 AirTag 藏进一批珍本书的货件，追踪终点是亚马逊在拉斯维加斯的仓库。那里有一支代号 VGT3 的团队，标志是一只抱着书的霸王龙；工人切掉书脊以加快扫描，原件在数字化后被销毁。扫描数据用于训练亚马逊的 Nova 模型。纸质书对 AI 公司有独特价值：它们从未上网、早于 2022 年，因而不含 AI 生成内容。书商怀疑，AI 公司正在按 ISBN 系统性地扫描每一本能找到的书。Anthropic 的"巴拿马计划"采用过同样做法，法官部分基于"原件已销毁、未被转售"认定其构成合理使用。珍本书由此变成一种一次性消耗品：知识被搬进封闭模型，实物从公共视野中消失。
来源：TechCrunch
Stack Overflow 新提问量跌破内测时期
“新提问比内测时还少”
机器之心报道，Stack Overflow 的新提问数量已经低于 2008 年以内测阶段的水平。这个曾经定义了程序员互助文化的网站，问题流量被 AI 编程助手和聊天机器人直接吸收——开发者不再公开提问，答案也就不再被公开沉淀。这构成一个循环：大模型吸干了社区的存量知识，而社区不再产生增量知识。当"公开提问、公开回答"的机制萎缩，下一代模型去哪里学习人类解决新问题的过程，正在变成一个没有答案的问题。
来源：机器之心
研究与模型进展
GLM-5.3 发布即上线，世界模型补上了声音，AI 攻破数学猜想的方式则越来越像一个擅长找茬的对手。
菲尔兹奖得主：AI 突破数学猜想主要靠"找反例"
“有没有这么一个东西？”
1998 年菲尔兹奖得主 Timothy Gowers 盘点近几个月 AI 最轰动的数学战绩，发现画风高度统一：Erdős 单位距离猜想、雅可比猜想、非 sofic 群问题、多色 Ramsey 数，突破口几乎都是构造出那个推翻或推进结论的特殊对象，而不是正面证明。他把原因归结为两点：模型知道得多，跨领域搬工具的成本极低；模型试得起，OpenAI 近期 10 项数学成果的推理成本按 API 价格折算只有数千美元。Gowers 同时划出了边界：真正的数学家有一种他称为"鼻子"的直觉，能在搜索树刚分叉时嗅出哪条路有戏——这恰好是目前最难写进公式的能力。
来源：量子位
HelixWorld 1.0 让世界模型进入"有声时代"
“24FPS 实时画面，48kHz 双声道音频”
Noiz AI 联合香港科技大学、清华大学、CMU、Google DeepMind 等机构的研究员发布实时可交互音视频世界模型 HelixWorld 1.0。与 Google DeepMind 的 Genie 3、腾讯 WorldPlay、蚂蚁 LingBot-World 等已有世界模型相比，它补上的是声音：画面与音频由原生 Transformer 架构统一生成，用户的每一次操作同时作用于两个模态——走近声源会变响，转身会改变声场方向。团队从第一人称行走视频和游戏引擎两条路径构建了带空间与动作标签的音画数据。模型权重和代码将在未来几周内完全开源。
来源：量子位
GLM-5.3 发布当日上线 PhanRouter，编程能力提升 50%
“发布即上线”
智谱 8 月 14 日发布 GLM-5.3 后，范式旗下统一模型调用平台 PhanRouter 同日完成适配并开放调用，成为首批支持该模型的平台之一。据智谱官方数据，GLM-5.3 总参数量 7430 亿，能力提升全部来自后训练强化学习：编程能力较上一代提升 50%，在 Terminal-Bench 3.0 位列开源模型第一，真实终端任务自主完成成绩达前代六倍以上，网络安全能力追平海外闭源前沿模型。值得一提的是，上期日报报道过 GLM-5.3 因网络安全评估推迟开放权重两周——API 如期开放、权重延后，正是"分阶段发布"思路的实际执行。
来源：量子位
开发工具
当 Agent 开始长时间自主工作，开发者需要的不是更多日志，而是一块能看清全局、随时介入的画布。
GitHub 用画布让 Agent 工作流可见、可控、可算账
“可见、可引导、成本可控”
GitHub 官方博客介绍了 Copilot 的画布（canvases）设计：把 Agent 的工作流展开成一块可视画布，任务分解、工具调用和中间产物以节点形式呈现，开发者可以在任意节点介入、修正方向，而不必等 Agent 跑完再翻日志。文章特别强调成本维度：在画布上能直接看到每个分支消耗的 token，砍掉低效路径比优化提示词更有效。这与 Writer 上周"编排比换模型更省钱"的结论相互印证——Agent 工程的竞争点，正在从模型能力转向工作流的可观测性。
来源：GitHub Blog