搜索“Anthropic”

Personal AI如果能成功，它的商业模式可能跟今天设想的很不一样。 AI天生就是由工程和模型共同驱动的。你的目的可以是在应用层解决用户的问题，但要解决得足够好，就一定要有自己的模型能力、足够好的工程和infra能力。 而在应用上，要有清晰的用户问题定义和解决方案，在Harness和infra层面要有自己的理解和建设决心——随时准备好能调整和修改模型。 Anthropic为什么能在OpenAI这么强的对手面前做起来？是它先做了Claude Code，收集了非常好的轨迹数据，利用自己的Harness做后训练，模型和应用的飞轮就转起来了。 Cursor训自己的模型也是同样的逻辑：降低单位智能成本，提高毛利，提高智能水平。 但Today需要的模型和目前主流的模型方向不完全一样。我们更需要一个“交互模型”——交互感更好、更拟人、语气风格更自然的模型，同时还能真正执行任务。 模型公司向上做应用，应用公司向下做模型，双方的能力越来越接近。未来可能不存在单纯的应用公司或单纯的模型公司。 “创业公司无论如何是有仗可打的” 我们熟知的所有大厂基本都入场了，现在做产品、形成共识的速度都很快，竞争也很激

匹配字段正文

z 的安全研究员 Sagi Tzadik 说。 没有软件是完美的。即使是最关键、最基础的数字工具也难免存在缺陷，但 AI 模型不断扩展的能力使分析和潜在利用漏洞变得更快。这给资源不足的 IT 团队、开发人员和管理员带来了更大的跟上节奏的压力。仅本月，微软的安全更新就包含创纪录的 1,453 个安全漏洞。与此同时，美国银行最近聘请了 1,000 名顾问来修复 Anthropic 的 Mythos 发现的缺陷。不过，安全研究人员强调，AI 最终并没有做任何新的事情，而是放大了漏洞发现和协调披露的既有动态。 “我们肯定会看到更多这类长期存在的漏洞，它们存在于过去十年左右每个版本的软件中，”Hunter Strategy 研发副总裁、前 NSA 黑客 Jake Williams 说。“但我认为这类低垂的果实就这么多。没有多少其他东西具有 PHP 那样的特定覆盖面。这是一个相当狂野的攻击面——大多数其他工具在设计上并不暴露于互联网。” 研究人员还指出，即使有了前沿模型，大多数复杂的 AI 辅助黑客攻击案例也都涉及人类专业知识。正如本周首次发现 PHP 漏洞的 Calif 研究员 Ryan Aus

匹配字段正文

、更聪明、更强大。所以，对客户能否广泛使用 AI 来说，一个非常关键的环节就是把推理成本降下来，而我们的芯片业务是其中很大的一块。是的，确实。我可以拿我们自己的公司告诉你，它真的会变得非常贵。我们有一位员工在过去几年里花掉了 200 万美元——做的是有价值的工作。但没错，当时的感觉就是：好吧，这个推理还真不便宜。那么，你做过的一件事是做了一些投资，特别是对 Anthropic 和 OpenAI 的投资，规模非常大的投资，我印象里对 Anthropic 是 180 亿美元，对 OpenAI 大概是 500 亿美元之类的。那么是什么让你想去做这些？而且这类投资，加上英伟达等等类似的投资，把华尔街搞得有点神经紧张，因为这让他们想起了互联网泡沫年代那些糟糕的旧时光。你是怎么看待这件事的——尤其考虑到他们同时也是你的客户？为什么这么做是合理的？这两家公司都是非常出色的团队，也是非常出色的公司；它们增长业务的速率——至少在营收端——我不知道我们是否曾见过类似的东西。真的，这简直令人难以置信。所以对我们来说，这是几个因素的组合：这些团队是什么样的团队，他们造出来的技术和模型，以及他们做出来的一些应用

匹配字段正文

亚马逊即使再多投入大量资金，都不会是浪费。 制约企业采用 AI 的主要因素是推理成本。AI 模型每回答一个问题、完成一项任务，都需要消耗算力。如果引入 AI 带来的收益不足以抵消更高的运营费用，企业就没有多少动力重构现有软件。 贾西以亚马逊多年前的经历作比较。当时，英特尔主导云服务器处理器市场。亚马逊希望以同样的成本获得更高的计算性能，却难以说服英特尔优先满足这一需求，最终决定自行开发 Graviton 处理器。在他看来，“同样的故事又在 AI 领域上演了”。 AI 芯片市场目前由英伟达占据主导地位。亚马逊则推出自研 Trainium 芯片，希望为客户提供成本更低的选择。贾西在采访中没有直接点名英伟达，仅强调市场上的主导供应商仍是亚马逊的重要合作伙伴。 据介绍，Trainium 的性价比较同类处理器高出约 30% 至 40%，客户花同样的钱就能获得更多算力，“我们的芯片业务在降低推理成本方面发挥着重要作用。” 亚马逊此前披露，Trainium 已获得超过 2,250 亿美元（现汇率约合 1.5 万亿元人民币）的未来收入承诺，其中包括与 Anthropic 和 OpenAI 达成的协议。

匹配字段正文

格。例行依赖升级 ≠ 核心授权模型变更。 2. 可评估的成功：工单不是完整规格；架构决策、事故史、客户承诺、工程师记忆须可被工厂取用，并在实现前暴露歧义。 3. 经得起生成激励的验证：StrongDM 等案例强调场景/harness/外部依赖行为副本；验收标准要有独立权威，防 Agent「改考试通过条件」。第二个 Agent 叫「reviewer」≠ 独立。Anthropic generator/evaluator、Dex「Harness Engineering is not Enough」：绿测≠长期可维护。 4. 证据 自信：可检查的放行理由（需求、检查、约束、部署结果、未决不确定）。用合格工作完成率、剩余人工、逃逸、失败成本记账；而非 Agent 数量、生成行数、无人值守小时。 5. 安全回退：拒发、停 rollout、关特性、回滚；破坏性迁移可能无法回滚，边界须事先计入。可在安全态后再找人；L4 的硬标准是遏制失败不依赖人立刻接管。 Ownership Implementation 拥有 = 控制工厂产出什么、何时可接受：组织上下文、架构、验收、权限、证据、运行边界；能诊断失败

匹配字段正文

至14天，但需供电、冷却、网络提前就绪；GTC后英伟达两日回吐涨幅。 2. AIDC投资激增，大量产能尚未投用 2026年合计算力投资预计8300亿美元，同比增79%；截至2026年7月，英伟达Grace Blackwell产能超95%未投用，最大已宣布项目多数未建成。 3. 需求真实，但有约三至四成提前抢产能 业内共识，巨头资本开支约六成以上对应明确客户；Anthropic、OpenAI收入快增但仍亏损，需求真实不等于已赚钱。 4. 建设潮短期难停，盈利与融资条件尚未验证 CoreWeave二季度收入25.75亿美元却净亏6.26亿美元，甲骨文曾发不可抗力通知；单园区收入覆盖成本、利用率租价稳定、融资续上均未普遍验证，替代节点可能还需三到五年。原创2026-10-24 13:52史无前例的万亿投资，赢家只有英伟达？陈伊凡 YF速览 英伟达已经开始替客户考虑，如何帮他们更快建设AI工厂。10月的柏林 GTC 上，黄仁勋不再强调CUDA，英伟达发布 DSX POD：由合作伙伴将 Vera Rubin 系统及其配套设施预先集成进模块化集装箱，完成验证后运往现场，把部署时间从六个月压到最快十

匹配字段正文

了Pro版本，并且我们正在开发可以服务更多用户的4.0系列蒸馏版本。 主持人：这就是传闻中的Carbon模型吗？ 皮查伊：在任何特定时刻，我们都会有尖端模型的内部版本，其中一些只是代码代号，这与我们推出更高效版本的Argon并不矛盾。 2.安全测试、竞争格局与长期前沿定位 主持人：所以更高效的版本即将推出。关于安全性测试的过程，我很好奇你是怎么看待的。比较像Anthropic这样的私有尖端实验室与谷歌、Meta或大型云服务商在安全和隐私上的做法很有意思。听起来你们对这个模型的安全测试非常严谨，耗时似乎也比之前的模型更长，可以这么说吗？ 皮查伊：绝对是这样的。鉴于其强大的代理能力和极其出色的编程水平，特别是在将其大规模部署到企业客户时，你需要确保万无一失。例如，除了模型对齐工作之外，更重要的是构建算力和系统来对运行中的模型进行实时监控。这种实时监控对于部署后的模型至关重要，能让你尽早发现任何不符合预期的行为并及时进行干预。为此，我们花时间构建了相应的系统、沙盒环境以及实时监控机制，并为客户提供所需的保护措施，确保他们清楚模型运行的位置、权限以及所需的遥测数据。 主持人：你有多关注新模型之

匹配字段正文

capex recycling）的产物——一家公司的资本支出，就是另一家公司的营收。只要超大规模云服务商持续大规模投入，生态系统内部的收入就会持续增长，但这并不代表真正的可持续性。 真正的可持续性标志，应是来自生态系统外部——普通消费者和非科技企业用户——的收入占比显著提升。但截至报告发布时，这一比例几乎没有改善。AI的商业化变现仍是最大悬念：OpenAI和Anthropic约80%的收入来自仅1%的客户，而这些客户大多是依赖风险投资持续输血的亏损AI初创企业。 报告称，当前的AI繁荣本质上是一场“资本支出循环”——只要科技巨头不断向系统注资，收入就会增长。但随着债务成为边缘融资的主要来源，这种模式极易受到资本支出放缓的致命打击。 六大崩盘触发器：任何一个都可能引爆连锁反应 报告梳理了六大潜在风险点，指出AI崩盘已处于"过度决定"（overdetermined）状态——以下六大触发因素中的任何一个，都可能成为刺破泡沫的利刃。 触发器一：收入严重不达预期 多项研究显示，要使当前的资本支出获得合理回报，AI行业到2030年的年收入需达到2.5万亿至3万亿美元，约为当前水平的14倍。这一增速

匹配字段正文

立场。企业面对新规，仍然可以保持从容。 为什么现在推这套规则？ 放到全球来看，美国的做法和中国是很鲜明的对照。过去几年，美国围绕AI出口，形成了两套思路。 一是按国家区别对待。2025年1月，美国商务部公布的《人工智能扩散框架》，曾设计对先进计算芯片和部分先进模型权重，依据目的地地区的“敏感性”等实行管理，严控先进AI能力流向特定主体。 二是按阵营划分圈子。Anthropic的CEO就提出过一种“联盟策略”：联合一批“民主国家”组成小圈子，控制AI技术供应链，拉拢更多国家入伙，孤立对手。 这背后的逻辑很简单：谁掌握最先进的AI，谁在规则制定上就更有优势。所以美国一边守住前沿技术的门槛，一边按照国家和对象区别设限，以此稳住自身优势。 但中国走的并不是这条路。 此次修订是依法依规进行的常态化工作。自2001年以来，中国已经多次调整修订《目录》。 谭主了解到，管理的重点，是技术出口行为，而不是技术本身。 这种思路，就要求政策把管控标准拆解得足够细致，变成客观、能够量化的条款。 为什么中国能这么干？ 既然标准要细化、要客观，“风险评估”这件事就必须做到可以独立验证。这就引出了一个更深层次的命题

匹配字段正文

likely waiting for a recessionBy Nick LichtenbergNick LichtenbergBusiness EditorBy Nick LichtenbergNick LichtenbergBusiness EditorOctober 22, 2026, 2:20 PM ETCo-founder and CEO of Anthropic Dario Amodei looks on as US Speaker of the House Mike Johnson speaks to the press after a meeting with technology executives about artificial intelligence at the White House in Washington, DC, on September 29, 2026. Kent NISHIMURA / AFP via Getty ImagesAdd Fortune on Google for similar content. The AI layoff

匹配字段正文

Mistral 强势回归：深入 Le Chonk——西方最大的开源模型。我与 @MistralAI 研究机构负责人 @PierreStock 的对话 0:00 冷开场 0:59 西方开放权重模型的回归：Beam、Le Chonk、Muse、Nemotron 4:09 美国关停 Anthropic 的模型——“AI 就像电力” 6:07 为什么叫“Le Chonk” 7:56 “Mistral 落后了”：来自内部的回归故事 10:29 在 Mistral 自有数据中心用 3800 块 GPU 训练 13:24 Meta 把最好的模型闭源，Mistral 则开源 Chonk 15:40 Chonk 对比 Beam、Muse Spark Open 和中国模型 18:44 为什么中国实验室仍处于前沿 21:08 Pierre 的故事：FAIR、Yann LeCun、“Mistral 黑帮” 25:14 从压缩网络到万亿参数 27:30 详解混合专家：医院类比 32:25 十万亿参数模型即将到来 35:29 Mistral 从 DeepSeek 借鉴了什么 36:46 一个模型，多种推理模式 3

匹配字段正文

完成长时间任务的异步 Agent；新的 Copilot 应用把聊天、协作、写代码和自动驾驶式任务合并成一个入口。所有应用合起来，被定位为"新的工作操作系统"。 · Harness 与模型分离：上下文、记忆、可执行的动作都放在 Harness 里，模型可以随时替换，按任务选合适的模型，也增强了业务连续性。Foundry 提供 1.1 万多个模型（OpenAI、Anthropic、Mistral、SpaceXSI 和自研的 MAI 系列），客户数超过 10 万。 · 客户掌握自己的"学习闭环"：他认为，可以换掉"通才"模型，却不丢失企业里沉淀下来的"老员工"式经验，这是这个时代检验控制权和主权的标准。Microsoft IQ 作为上下文引擎，其中 Work IQ 覆盖超过 17 EB 的邮件、文档、会议数据；Agent 365 作为 Agent 的管控平面，像管理员工一样管理 Agent，并附带 FinOps 成本管理。 · 基础设施：本财年新增 88 个数据中心，建成 Fairwater 超级工厂；自研芯片 Maia 300 每瓦产出的 Token 比主流 GPU 系统多 40%，Cob

匹配字段正文

非两条：算法推荐和强运营。 豆包其实已经有了一个支点——对话开始页的“为你推荐”。如果未来这一入口能根据用户的兴趣和使用场景，增加商品推荐，豆包就有机会从单纯响应需求，走向主动发现需求。 只要豆包愿意，它就可以捅破窗户纸。 不过，这未必是不能碰的边界。 OpenAI今年年初上线了广告业务，200天年化营收突破10亿美元。但这也成了OpenAI被攻击的点，比如Anthropic就在今年超级碗广告中，以“无广告”作为自身差异化定位。 对Chatbot来说，商业化路径本就有限，如果能在不严重伤害体验的前提下，跑通一条路，至少值得一试。做成了，是为Chatbot找到一种可复用的变现方式；做不成，也能看清边界在哪里。 参考资料： 《字节下调电商和本地生活全年目标》虎嗅 《字节跳动的 AI 账本：豆包每天不足百万收入、Seedance 毛利70%》晚点 LatePost 《2026年三季度AI应用市场发展报告》QuestMobile 《2026年AI应用市场发展半年报》QuestMobile 《字节开始跟你算账了》虎嗅 本文来自微信公众号“字母榜”（ID：wujicaijing），作者：薛亚萍，3

匹配字段正文

能看到什么，包括提示词、工具、记忆、压缩，以及各种行为调校技巧。他形容这一层是"蛮荒西部"。 为什么有人说 Harness 已死 今年年初是 Harness 的高峰：Cursor 用一个叫 Grind Swarm 的长时运行 Harness 从零写出了一个浏览器，成本极高，据说还把 Cursor 搞宕机过一两次。 几个月后，风向变成"Harness 已死"：Anthropic 的 Tariq 说 Claude Code 删掉了大部分系统提示词；YC 的 Garry Tan 认为以后只有 Skills 重要；Cursor 自己也删掉了很多护栏，比如专门用来应用代码修改的小模型，以及"如何探索代码库、如何检查自己的工作"这类编码指令。 研究证据：UC Berkeley 测试了 7 个前沿模型配不同 Harness（Pi、Codex、Claude Code），在 SWE-bench Lite 上分数差别不显著；Apple 和 EPFL 发现，专门的 MLE Harness 在 MLE-Bench 上也没有带来明显提升。 他的判断：如今花哨的 Harness 已经不再增加模型的编码能力。原因是

匹配字段正文

片的第七、八、九年给予同样的资本化率或收入模型。"若投资机构仍按7至9年高残值进行折旧贴现，其估值模型将面临系统性重估压力。 企业端ROI精算是第三层结构性压力。Griffin描述了一个与大规模资本开支叙事相悖的企业侧图景："美国最精明的企业，正在变得非常清醒——哪些业务需要为顶尖模型支付极高价格，哪些业务可以用开源模型以极低成本运行。整个企业界都在看着来自Anthropic和OpenAI的账单，然后说：我们需要想清楚，怎么确保真的从中获得了生产力。"据《华尔街日报》报道，Anthropic在其S-1文件中披露，未来计划投入7500亿美元算力开支，且支出规模仍在增加。记者就此追问Griffin，两件事之间是否存在张力，他的回答简短而直接："是的。你在提问的时候就已经回答了这个问题。" Griffin并不否认AI技术的变革性，他表示："在这个时刻，几乎可以肯定存在局部泡沫。任何对经济的根本性变革，通常都与泡沫交织在一起。"但他强调，这不意味着当下的定价风险可以被忽视——"市场的重新定价才刚刚开始"。 分歧的本质：时间框架与定价基础的双重错位 梳理三方表述，这场分歧并非简单的乐观与悲观之争

匹配字段正文

功能，会有每日使用限制，未来可通过付费取得额外使用权限。 这是苹果第一次把AI定义成限量商品，也意味着苹果AI跳票两年多后，总算有了落地的准信。苹果执行董事长库克最新透露，国行Apple Intelligence（下称“苹果 AI”）将在10月底启动测试。 公开信息显示，微软取消了数百兆瓦容量的数据中心租约；Meta上半年裁了约8000个岗位；10月14日的Anthropic投资者日活动上，据与会者称，其最新估值落在1.5万亿美元，较此前的2万亿峰值打了个七五折。 标普预计，亚马逊、微软、Alphabet、甲骨文、Meta及SpaceX这六大美国超大规模云服务商，在2025年至2030年间将在数据中心及其他AI相关资本支出上合计超过7万亿美元，且至少在明年之前将持续处于负自由现金流状态。 过去两年，AI的估值逻辑是“投入即信仰”：谁在GPU和数据中心上砸钱，资本市场就给谁高估值。 但市场的融资成本在上升，收入也不可能一直保持高速增长。资本市场的风向，也从看谁烧得起钱，转到看谁赚得多，看谁账上的现金流更稳。 一直被骂“AI掉队”的苹果，有点因祸得福的意思，捡了一波便宜。据测算，它一年的A

匹配字段正文

息存储空间服务。+15 好文章，需要你的鼓励量子位特邀作者2收 藏+10评 论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博沉浸阅读返回顶部举报参与评论评论千万条，友善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章腾讯领跑、百度第二，AI办公远未定局李泽湘系团队做了款贴在手机背后的墨水屏Agent，获祥峰、五源、源码等投资｜硬氪首发Anthropic 招股书最新披露：营收163亿、账面亏损高达807亿美元Codex天团深度复盘：编程顶流是如何诞生的？AI员工泡沫破裂，Meta紧急叫停裁员计划，小扎：还是人类好用奥特曼曝出SI三大终局，最强AI只剩一家，否则熔掉全世界GPU刚刚，Claude 64小时设计31万种蛋白，17种通过实验验证AI新云神话破灭？明星股暴跌，云大厂退单，被预言80%活不过四年曝OpenAI急融2000亿，跟Anthropic抢金主量子位特邀作者 TA没有写简介，但内敛也是一种表达发表文章4103篇 下一篇触屏Mac、防水iPad，苹果月底还有一波大的？ 36氪欧洲站36氪欧洲站36氪欧洲站Ai产品日报网络谣言信息举报入口热门推荐 推送和解

匹配字段正文

这种多路押注其实给OpenAI员工带来了困扰，有员工私下抱怨这既混乱又浪费——谁愿意待在一个公司里只能排第三的agent团队？面对这种质疑OpenAI创始人兼CEO Sam Altman的回应是： “某种意义上，OpenAI就像在投资一连串创业公司——只不过它们都在公司内部。” 03. Codex云端版，叫好不叫座 在OpenAI的Codex正式发布之前，Anthropic先在2025年2月24日发布了Claude Code。这款产品没有自己的编辑器，而是直接跑在终端里，操作电脑上的文件：干到一半可以打断，上一回的经验还能带进下一回，这是彼时的云端方案所无法实现的能力。 Tibo透露，Codex其实也探索了终端路线，做了一个版本，但在一个月后就被放弃了，转去做完整的云端版，最终希望实现云端的异步agent，可以从电脑或手机派活。这背后是OpenAI的长期信念。Brockman说：“放眼未来，正确的形态因子是一台有自己笔记本的云上AI。我们真的把它造出来了。” 在大约7周的赶工后，Codex云端版在2025年5月16日发布。这款产品在OpenAI内部反响热烈，外部用户却叫好不叫座：要发

匹配字段正文

表作者本人，36氪平台仅提供信息存储空间服务。+16 好文章，需要你的鼓励强调Next特邀作者0收 藏+10评 论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博沉浸阅读返回顶部举报参与评论评论千万条，友善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章李泽湘系团队做了款贴在手机背后的墨水屏Agent，获祥峰、五源、源码等投资｜硬氪首发Anthropic 招股书最新披露：营收163亿、账面亏损高达807亿美元Codex天团深度复盘：编程顶流是如何诞生的？AI员工泡沫破裂，Meta紧急叫停裁员计划，小扎：还是人类好用陶哲轩邓煜最新对谈，呼吁数学「慢科研」奥特曼曝出SI三大终局，最强AI只剩一家，否则熔掉全世界GPU刚刚，Claude 64小时设计31万种蛋白，17种通过实验验证AI新云神话破灭？明星股暴跌，云大厂退单，被预言80%活不过四年曝OpenAI急融2000亿，跟Anthropic抢金主强调Next特邀作者 介绍下自己，获得更多关注发表文章129篇 最近内容腾讯领跑、百度第二，AI办公远未定局11分钟前抖音还缺“小杨哥”吗？昨天微信下场，短剧不再只看红果的报

匹配字段正文

：裴政开，编辑：殷观晓，36氪经授权发布。 该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。+15 好文章，需要你的鼓励白鲸出海特邀作者5收 藏+10评 论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博沉浸阅读返回顶部举报参与评论评论千万条，友善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章曝OpenAI急融2000亿，跟Anthropic抢金主44万亿美元，Anthropic又在吹牛了国内当学徒，海外标高价：物理AI出海，为什么越讲效率越危险?Altman提出AI发展的三条“终局之路”：从国际监管到“一家独霸”国模Agent第一，MiniMax爆改Flash战力，全时段大肥鱼谷价AI算力中心背后，一场价值千亿的"制冷战争"这届AI，把电信诈骗犯逼疯了扣非亏7.6亿，同比翻番，科大讯飞要靠AI赚钱还要等突发，DeepSeek重磅开源核心推理引擎白鲸出海特邀作者 TA没有写简介，但内敛也是一种表达发表文章658篇 36氪欧洲站36氪欧洲站36氪欧洲站Ai产品日报网络谣言信息举报入口热门推荐 推送和解读前沿、有料的科技创投资讯 一级市场金融信息和系统服务

匹配字段正文