📊 今日概览
Anthropic 的 IPO 路演文件成为今日最硬的一手材料:定价 70–78 美元、最高 1.4 万亿美元估值、年化收入运行率约 810 亿美元,Google 与 NVIDIA 按发行价认购 260 亿无投票权股份;路演视频中 Tom Brown 更披露 Claude 同时运行在 Trainium/TPU/NVIDIA/AMD 四类芯片上,Mythos 仅用三天完成 AMD 移植并写了近 100% kernel,直接指向 CUDA 护城河的松动。产品侧,Google 发布 Gemini Decisions API 与 Decision 1 模型,按题打分而非逐 token 生成,输出 token 不收费;Runway 开源 27B 世界动作模型 Praxis-1,NVIDIA Cosmos 3 与 MBZUAI PAN 2 同周落地,世界模型赛道形成两条清晰路线。市场端 CoreWeave Q3 营收增 168% 带动半导体 ETF 涨 6.01%,A 股光模块与 PCB 集体涨停。
🔥 趋势洞察
- 算力供应商可替换性上升:Anthropic 三天完成 AMD 移植、近全自动写 kernel,"compute multiplier" 概念把效率倍数摆上台面,硬件议价结构可能被重估
- 世界模型双路线成型:NVIDIA Cosmos 3 走统一 omnimodal 主干,Runway Praxis-1 与 PAN 2 走视频预训练 + 小动作头,长程计划一致性是共同短板
- Agent 工程进入复盘期:Amazon 受控实验显示多 agent 架构 token 耗 1.4–4.7 倍而增益多不显著,实现质量比架构选择更关键
🐦 X 推文动态
📈 热点与趋势
- Google 发布 Gemini Decisions API 与 Decision 1 模型 - 不做逐 token 生成文本,一次调用就能对最多 1000 道题打分,题型包括是非、最多 255 个选项的多选和 rubric 评分,输入可覆盖文本、图像、音频、视频与 PDF。定价为每百万输入 token 0.10 美元,输出 token 不收费,官方称比 Flash-Lite(轻量模型)便宜约 5 倍;Google 内部团队已用它做 Stitch Rapid 的产品流程设计 @sundarpichai(Google CEO)
- Axios 独家:特朗普授权打击向中国转运 Nvidia 芯片的公司,商务部长阻拦 - 一名政府官员多次阻止执行,即商务部长 Howard Lutnick @axios(新闻媒体)
- FT 独家:Eric Trump 支持的人形机器人公司与以色列国防军谈判 - 拟供应人形机器人巡逻加沙地下的哈马斯隧道,并可能参与作战 @FT(金融时报)
- Google DeepMind 发布 AlphaGenome 2 - 在 AlphaGenome 1 基础上,预测不同细胞类型如何解读同一份 DNA,用于把基因变异定位到具体细胞层面的疾病成因 @sundarpichai(Google CEO)
- LlamaIndex 转型文档 OCR 与应用研究 - CEO 称公司现在是文档处理领域的应用研究实验室,已自建 ParseBench、ExtractBench、ExtractBench Pro 三套评测,自训出 OCRia-1 模型,并在数据合成、算力训练管线、agent 调优上投入 @jerryjliu0(LlamaIndex CEO)
🔧 工具与产品
- Runway 开源世界动作模型 Praxis-1 - 27B MoE 扩散 Transformer,同时预测视频与动作,Apache 2.0 权重。官方称在 NVIDIA RoboLab-120 榜上同时拿下世界动作模型第一与开源第一,完成同一机器人任务的成本比前沿 LLM agent 低 51 倍、速度快 15.6 倍。已上线 LeRobot 与 vLLM-Omni,vLLM-Omni 支持离线推理与 OpenPI/Positronic 服务,单张 H100 80GB 即可运行;NVIDIA 放出 NVFP4 checkpoint 与 Jetson 部署教程 @runwayml|@AndyChenML(Runway 团队成员)|@vllm_project|@NVIDIARobotics
- Speridlabs 开源 Iris-Z 图像模型 - 9B 与 32B 两个规格,在同一骨干中统一生成图像与深度估计,也能以深度为条件生成;官方称其深度估计超过 MoGe-3 等专用模型,权重、代码、demo 全部 Apache 2.0 @speridlabs(图像模型团队)
- Plurai 上线 agent 仿真测试平台,免费开放 - 从用户代码重建 agent 与工具环境的数字孪生,生成模拟用户与任务,检查 agent 实际动作而非口头表述,每次失败附上复现 run 与可验证修复,并支持把线上失败回放压测新版本。已接入 Claude Code、OpenAI Codex CLI、GitHub Copilot @ilan_kadar(Plurai 创始人)
- X 开源 For You 推荐算法 - 同时上线 Under The Hood 报告,用户可自查账号和帖子是否被标签限流,以及是否有政府要求或法律请求在特定国家限制触达 @Safety(X 安全账号)
⚙️ 技术实践
- SGLang 公布两项推理系统优化 - megakernel 让 Muse Spark Open 在 8×GB300 上从 517 提升到 1109 tokens/s,解码每步内核启动次数从 1450 降到 97;另一项为混合模型做统一显存 arena,让全注意力 KV、滑窗 KV 与递归状态共用一块池,无分区参数、零跨类型碎片 @lmsysorg|统一显存(SGLang 维护团队)
- LeapQuant 让线性注意力的循环状态可量化到 4/8 比特 - 免训练方法,在 Qwen、Kimi、GLM 上精度对齐 FP32,线性注意力 kernel 快 4.25 倍,推理吞吐最高 2 倍,显存最多降 56% @conlesspan(LeapQuant 作者)
- Unify AI 发布 Continual-ARC 基准 - OpenClaw、Hermes Agent、Prime Agent 三个 agent 都没能从经验中记住有效信息,也无法泛化到新任务;直接训练一个 9B 模型的权重则同时做到记忆与泛化 @DanielLenton1(Unify AI 创始人)
- DeepSeek V4.1 Flash 在 4 张 DGX Spark 上开源跑通 - 单流 90 tok/s 对话、139 tok/s 代码,16 用户并发 368 tok/s,支持 1M 上下文与 10k tok/s 预填充,图像输入已上线 @Picomoorhead(Moor Insights & Strategy 分析师)
- 论文:NVLink 上 MoE 推理的单边专家并行 All-to-All - 作者含 Li Bo、Anton Korzh、Noam Duvdevani 等,针对专家并行通信做单边语义改造 @DPZ(计算机论文推送账号)
- vLLM 升级 EPD(编码-预填充-解码)分离 - 官方称相比 DeepInfer 的方案 TTFT 更低、单 GPU 吞吐更高(计入全部编码 GPU),已接入 vLLM Router、SMG 与 llm-d @vllm_project
⭐ 精选内容
Anthropic IPO 路演细节落地:定价 70–78 美元、最高 1.4 万亿美元估值、年化收入 810 亿美元,Google/NVIDIA 按发行价认购 260 亿无投票权股份 | 首家「纯 AI 公司」上市的定价与认购结构
发行 8.25 亿股、纳斯达克代码 ANT,顶格募资 644 亿美元,估值明显低于此前传闻的 2 万亿;修订文件披露 10 月底年化收入运行率约 810 亿美元,较 9 月底 710 亿继续爬升。宏观背景被串成三重压力:AI 高估值质疑、费城半导体指数自 10 月 6 日高点回落 25%、中期选举后 AI 板块因监管担忧遭抛售,同期 NVIDIA 支持的 Firmus 取消近 300 亿美元 IPO、OpenAI 把上市推迟到 2027。对从业者,这是判断「AI 资本周期是否见顶」最硬的一组一手数字。
Anthropic 路演视频首次系统披露算力策略:Claude 同时跑在 Trainium / TPU / NVIDIA / AMD 四类芯片上,Mythos 三天完成 AMD 移植、写了近 100% kernel | CUDA 护城河被 AI 自身削平的现场证据
Tom Brown 提出「compute multiplier」概念——物理算力乘以可叠加的效率倍数,并明确指向递归自我改进:未来 Claude 自行发现倍数。最硬的证据是 AMD 迁移:原本需 6–12 个月、数十名工程师的加速器适配被压缩到 3 天、几乎无人工介入(口径为 MI355X 上的 prompt processing)。若数字成立,买方可在供给紧张的算力市场按性价比自由换供应商,直接冲击 NVIDIA 70%+ 硬件毛利——但需注意这是单方 investor presentation、无第三方复现。Simon Willison 用 MacWhisper 补出非官方 transcript,是稀缺一手材料。
NVIDIA Cosmos 3 系列 omnimodal world model:一个 mixture-of-transformers 同时处理并生成语言/图像/视频/音频/动作,开源 code + checkpoint + 数据集 | 「统一 omnimodal backbone 是否成立」的关键一手材料
把 VLM、视频生成器、世界模拟器与 world-action model 收编进同一框架,摘要称理解与生成任务全面 SOTA:后训练模型被 Artificial Analysis 评为最佳开源 Text-to-Image 与 Image-to-Video,被 RoboArena 评为最佳 policy model;以 OpenMDW-1 在 Linux Foundation 下开源。对关注世界模型/具身智能主干选型的人,这是判断「单一 backbone 收编多模态任务」路线可行性的核心依据。
MBZUAI IFM 开源 PAN 2:29B 稠密 MMDiT 世界模型,704×1248 / 24fps / 20 秒,Apache 2.0 放出权重与训练推理代码 | 物理 AI「先仿真再执行」的开源基线
自报在 100 个多步任务上全计划完成率 34.0%,领先所测 6 个模型,但单步动作与人类偏好落后 MiniMax-H3,Physics-IQ 系统默认 37.48 vs 42.91,约三分之二的计划仍会漏步。与 Cosmos 3 对照读更有价值:一个是统一 omnimodal 大主干,一个是专注视频→动作的稠密扩散路线,两者失败模式(漏步率)都说明「长程计划一致性」仍是世界模型的主要短板。
Runway Praxis-1:把 27B 视频基础模型改造成开放权重机器人 world model,预测未来画面同时输出动作,RoboLab-120 开源第一 | 「用日常视频替代稀缺真机数据」的可扩展预训练路径
架构上是一个小 action expert 读取视频模型内部状态生成动作,在 DROID 上微调后真机 Franka 成功率与上一代 SOTA world action model 相当;放出 base/droid/yam 三套权重及 NVFP4 量化版本。与 GR00T 2、PAN 2、Cosmos 3 放在一起看,本周世界模型赛道已形成「人类视频预训练 + 小动作头」与「统一 omnimodal 主干」两条清晰技术路线,选型时值得按数据可得性与真机迁移成本权衡。
Meta Intelligent Delivery:把「每单位算力投到边际收益最高的请求」重构成两个 ML 问题,离线识别高价值请求 +20%,端到端再贡献约 10% 排序性能 | 广告排序模型逼近 LLM 规模后的系统级优化底稿
核心是用 6B sparse + 20M dense 的 Resource Core Model 在召回前跑一次、全漏斗共享,再微调出预测 outcome / 算力消耗 / 延迟影响的专用模型,替代按 surface/context 粗分桶的规则策略。文中还讲了跨多阶段排序、数百模型、多代硬件的多层资源调度,以及用 agentic AI 持续检测并响应系统漂移。对做大规模推理服务与推荐系统的人,这是少见的「算力边际效用建模」完整架构披露,思路可迁移到任何异构硬件推理集群。
AWS 公开 SageMaker HyperPod 上的 silent data corruption 检测与恢复闭环:三道检查 + 节点 cordon 替换 + 从可疑窗口前 checkpoint 恢复,附完整代码仓库 | GPU 算出「看起来合理但错误」的数时,ECC/Xid/DCGM 全都守不住
背景数字来自 Meta Llama 3 405B 的 54 天预训练:419 次意外中断里 6 次归因于 SDC。方案在 PyTorch DDP 循环里加非有限梯度检查、ring replay audit(让每张卡重算另一节点 micro-batch、逐 bit 比 loss 与梯度指纹)、权重指纹比对三道检查,命中后按 rank→K8s 节点名定位并 cordon。文章用一张表把 ECC / Xid / DCGM 深检 / NVLink checksum / checkpoint checksum 各自守的边界讲清楚,帮人建立「完整性检查分层」的 mental model;已在 32 张 H100 上做注入故障验证。
AWS 用 anti-unification 做形式化策略的语义 diff:过滤「重排合取项」这类语法噪声,只暴露 and 变 or 的真分歧,并配 SMT 反例解释 | LLM autoformalization 多次采样无 ground truth 时的比对工具
在 e-graph 上声明代数律与领域规则,求两个策略的最具体公共模式,只展示一次共享结构、保留每处分歧;再配合 SMT solver 找出一满足一违反的具体赋值作为反例。核心场景是同一需求多次采样产出多个 SMT-LIB / Cedar / Dogwood / OpenShell policy / CEL 版本时,指出哪些部分稳定、哪些随采样漂移,优先 review 分歧处。作者把它定位为 semantic entropy 的形式化版本——不只给分数,而保留结构信息,对做 agent 安全策略与 autoformalization 的团队是可复用的方法论。
📈 市场异动
交易日:2026-11-11
大盘:半导体 ETF +6.01%、创业板指 +3.11%
半导体 ETF:AI云基础设施公司CoreWeave三季度财报几乎全面超预期,营收增168%,重燃AI交易,Marvell、美光、英特尔等成分股大涨,SOXX盘前涨5%以上、收涨6%。
创业板指:微软等国际科技企业呼吁美方停止推进针对中国光收发器的进口限制,市场解读为光模块外部压制因素边际缓和,CPO、PCB、光通信等算力硬件股集体爆发,带动创业板指放量涨3.11%。
CoreWeave(CRWV) +24.71% | 纳斯达克100 ETF +2.31%,相对 +22.39%
Q3营收同比增168%、亏损小于预期,公司上调全年营收指引,缓解市场对AI基建债务与增长放缓的担忧;叠加英伟达反弹带动AI板块回暖,股价涨24.7%。
新易盛(300502) +16.98% | 创业板指 +3.11%,相对 +13.86% | 连涨 3 日,累计 +24.93%
午间公司在互动易称订单交付正常、成都与泰国工厂大规模扩产、未来毛利率可保持稳定;叠加微软游说FCC禁令风险缓和、CPO板块资金集中涌入,主力净流入超12亿元。
Nebius(NBIS) +15.44% | 纳斯达克100 ETF +2.31%,相对 +13.13%
同业 CoreWeave 周二盘后公布 Q3 业绩超预期并上调 2026 营收指引,缓解市场对 AI 基础设施需求的担忧,带动新云板块反弹;Nebius 自身 Q3 财报将于次日盘前发布,投资者提前布局。
中际旭创(300308) +15.07% | 创业板指 +3.11%,相对 +11.96% | 连涨 2 日,累计 +19.90%
微软挑战美国拟议的光模块进口限制,市场对制裁担忧缓解,光模块板块集体反弹;叠加Anthropic招股书显示营收暴增、算力承诺超6000亿美元催化AI板块,中际旭创涨15.07%。
Arm(ARM) +12.05% | 半导体 ETF +6.01%,相对 +6.04%
原因待查
美光(MU) +11.89% | 半导体 ETF +6.01%,相对 +5.88%
原因待查
英维克(002837) 涨停 +10.01% | 沪深300 +0.41%,相对 +9.60% | 连涨 2 日,累计 +15.77%
国盛证券研报称AIDC高功率密度场景催生液冷系统成配套刚需,液冷服务器概念掀涨停潮,同飞股份20cm涨停、中际旭创涨超10%,英维克随板块封板;叠加科技成长股全面回暖。
沪电股份(002463) 涨停 +10.00% | 沪深300 +0.41%,相对 +9.59% | 连涨 3 日,累计 +22.16%
PCB概念股午后集体拉升,龙头东山精密涨停,多家PCB公司表示AI领域订单饱满、交付紧张,部分公司公告扩产AI算力PCB,沪电股份随板块涨停。
🎙️ 播客精选
Wall Street Has No Idea What Anthropic Is Worth
📍 来源:AI Daily Brief | ⭐ 3/5 | 🏷️ Funding, LLM, Product | ⏱️ 00:24:45
NLW 拆解 Anthropic 上市前的多空双方论点:收入激增、巨额 compute 承诺、以及瞄准 Microsoft 的新生产力套件,指出估值标题存在误导性,并讨论此次 IPO 对整个 AI trade 的影响。另附 Gemini 4 Carbon 发布、Nvidia 中国风波、OpenAI 收入飙升等头条。对从业者的价值在于理解头部 LLM 公司的商业化路径与算力成本结构,但技术层面着墨有限。
💡 推荐理由: Anthropic IPO 估值与商业模式分析有行业洞察,但属新闻评论类,缺乏技术深度与独家观点
📄 今日论文精选
Deep Personalization: Continuous Context Observation for Local Proactive Agents
NVIDIA, Stanford | 🏷️ Agent Framework, Agent Memory, Agent Deployment
提出"深度个性化"闭环:独立 Observer Agent 持续观察桌面活动、维护长期用户模型,并从点击、忽略等隐式信号学习何时介入,全部在端侧运行不上传原始数据。对做主动式 agent 与隐私敏感部署的团队有直接参考价值。
Agent Architecture Cost-Success Trade-offs: A Controlled Evaluation across Enterprise-Style SOPs
Amazon, University of Washington | 🏷️ Agent Framework, Multi-Agent, Agentic Workflow
固定模型与工具只变架构,在 13 个企业 SOP 上对比 8 种 agent 设计:没有普适最优架构,协调型方案 token 耗 1.4–4.7 倍而增益多不显著,实现质量比"单 agent 还是多 agent"更决定成败。
Comparative Analysis of Agent Evaluation Frameworks: Stability, Detection, and Discovery in Enterprise Analytics Agents
Amazon | 🏷️ Agent Deployment, Agentic Workflow, Tool Use
系统对比三种 agent 评估范式,发现 trace-based 评测 F1 达 0.90 而纯文本评测误报多 5 倍,功能测试与安全红队发现的问题零重叠,建议双框架并行——给 agent 上线前的评测选型提供了实证依据。