今年三季度Google的財報中，投資收益引人注目，前三季度的浮盈已經達到220億。Google的這類非市場化股權投資通常與其戰略需求，或對其生態系統至關重要的AI 初創公司投資有關。今年的盈利主要來源於對Anthropic的投資。Anthropic是目前全球估值最高的未公開上市AI 公司之一。相比其它股東，Google投資金額較小，但入局早。從Anthropic的籌資歷史與估值變化中，可以看到其受到了資金的極度追捧。2021-2022，早期投資5.8億，來自於現在已經破產的FTX。2023年9月-2024年11月，亞馬遜承諾投資40 億美元。2023年10月，Google承諾投資20億。2024年3月，由 Lightspeed 領投E輪，籌資27.5億，估值達到615 億美元.2025年8月，由ICONIQ Capital 領投，籌資130億，估值達到 1830 億美元。2025年11月，微軟和輝達聯合投資150億。微軟約 50 億美元，輝達約 100 億美元。估值猛增至約 3500 億美元，是Google投資時的87倍！Anthropic是由前OpenAI 的核心研究人員在2021年創立的。其Claude 系列大型語言模型是當前市場上唯一能在性能上與ChatGPT 和Gemini抗衡的頂級模型。Claude與其它模型的不同之處，在於其專注於那些能在近期產生經濟效益的，企業級市場，模型的程式設計能力尤其強大。它對Google的DeepMind和 OpenAI關注的數學推理等領域則投入較少。可以看到，科技公司們正在根據自身技術稟賦和戰略目標，來選擇最能實現商業變現的細分領域進行深度挖掘。市場足夠大，容得下差異化競爭。2024年3月，Anthropic的E輪融資估值為615億美元。一年半後的2025年8月F輪融資，估值為1830億美元。這給Google和亞馬遜帶來巨大的帳面收益。短短兩個月後的11月，微軟和輝達也投資入股，估值幾乎翻倍，達到3500億美元。這說明Google的第四季度將同樣獲得可觀的帳面股權投資收益。Google和亞馬遜投資的主要目的之一是確保Anthropic 在其 AI 模型開發和訓練中，使用自己的雲服務。Google雲在與 Anthropic 簽訂的價值高達數百億美元的合同中，承諾提供大規模的Google自研的TPU AI 晶片，為其提供超過千兆瓦的計算能力，用於模型訓練和擴展。通過融資，Anthropic巧妙地鞏固了所有主要雲服務提供商和輝達的算力支援。從這個案例中可以看到，這些科技巨頭之間的關係錯綜複雜，Anthropic與它的股東們的關係既競爭又合作，還互相投資。比如Gemini 是Claude在產品和技術上的主要對手，而Google雲又提供了Anthropic關鍵的基礎設施。這樣的關聯交易就是大空頭Micheal Burry認為AI有泡沫的依據之一。非排他性值得注意的是，所有這些股權投資和業務上的合約都沒有排他性條款。比如，Google和亞馬遜在投資Anthropic的時候，並不限制Anthropic使用對方的雲。類似的，輝達投資OpenAI時，也不限制OpenAI買別家的晶片。在傳統行業，排他性競爭是主流。股權投資經常作為換取稀缺實物資源，比如礦產，的長期獨家控制權的籌碼。這是因為，傳統行業的市場規模增長速度通常與經濟增長速度持平或略高，是線性增長。在有限的市場中，競爭必然是排他性的。企業會通過法律合同、獨家供應協議、收購競爭對手等方式來消除競爭，實現市場份額最大化和垂直整合。而AI領域的技術和市場特徵與傳統行業截然不同。首先，AI創造了全新的、指數增長的需求，尤其是在算力和應用領域。ai技術的複雜性與垂直整合難度，意味著沒有一家企業能從底層晶片、中介軟體、基礎模型、到應用層都做到最好。每一家都可以在自己擅長的領域發展，而不威脅到競爭對手。比如，Google的TPU晶片即使開始對外銷售，擴大市場份額，也不會影響輝達GPU的需求量。因為兩者服務的是不同的需求對象，而且對兩者的需求都遠大於供應。在市場巨大、資源稀缺、技術複雜這些因素的作用下，合作比排他性競爭能帶來更高的回報。AI巨頭們對前沿公司，如Anthropic、OpenAI的投資，能獲得技術，商業機會和投資回報等多重收益：通過鎖定技術和人才來對衝落後的風險。投資競爭對手的模型可以讓雲巨頭們獲得對最新AI 技術、能力和人才的近距離觀察，有助於他們縮小自身模型的差距。股權合作可以確保最新的頂尖模型優先部署在自己的雲服務上。Anthropic授權Google雲和亞馬遜雲AWS，將 Claude模型整合到Google雲的AI 服務生態Vertex AI和亞馬遜的AI 模型服務平台Amazon Bedrock 上。這允許Google雲和AWS的使用者通過 API 介面，直接在兩者的環境中呼叫 Claude用於建構自己的應用。使用者使用 Claude 模型時，Google雲和AWS會向 Anthropic 支付授權費用。由此，Google和亞馬遜成為Anthropic的戰略合作夥伴和分銷商，而不僅僅是算力供應商。這是AI時代基礎設施與模型技術深度繫結的競合模式。自然而然地，Anthropic盈利能力的提升，推動估值，也會給Google和亞馬遜帶來巨大的投資回報。從Anthropic的角度來看，則獲得了將計算資源進行最優配置的能力。它同時獲得Google的 TPU，亞馬遜的 Trainium/ Inferentia，以及微軟的 Azure的基礎設施支援，可以確保最先進的模型可以運行在最適合它們的硬體上，最大化技術產出。社會意義這些非排他性的投資與合作，還會產生一個更宏大、更具社會意義的結果。那就是促進整個AI行業的技術進步、擴大其社會應用範圍，進而激發全社會對AI的接受度和需求。首先，非排他性能更好地支援分散式創新，更有可能突破技術瓶頸，達到效率的極致化。Anthropic專注於 AI 安全和編碼，OpenAI 專注於通用智能，DeepMind 專注於科學發現。這種多點開花的競爭模式比任何一家公司內部研發都更有效率。巨頭們通過非排他性投資，可以外包一部分前沿研究的風險和成本，同時受益於所有方向的突破。其次，當市場上多個優秀且可信賴的AI 產品（Claude, ChatGPT, Gemini）出現時，企業和公眾對AI 技術的接受度會更快、更廣泛。當前這波由生成式AI 驅動的社會接受速度，在科技史上是前所未有的。參考歷史上，新技術達到1億使用者所需的時間，固定電話用了75年，手機16年，網際網路7年，臉書4.5年，而ChatGPT才僅僅用了2個月。如果用技術採納生命周期來衡量，AI目前正處於從早期採納，向加速滲透過渡的關鍵時期。在個人層面，已經超過數億人在使用AI 進行寫作輔助、程式碼查詢、資訊總結、日程規劃和創意生成。Google的生成式搜尋體驗和微軟的Copilot，正在將 AI 回答直接整合到搜尋結果中，這意味著每一次搜尋都在使用 AI。新一代智慧型手機、電腦作業系統正在將大語言模型作為底層能力內建，使用者在不知不覺中已經在使用AI。企業也已經認識到AI 不是可選項，而是保持競爭力是必須項，正在重金投資部署。Microsoft Copilot、GitHub Copilot 等工具被大規模採購，用於提升知識工作者和程式設計師的效率。企業正在將AI 模型，如Anthropic 的 Claude 或 Gemini，作為新的 API 介面整合到其核心業務系統和軟體中，實現資料分析和決策的自動化。未來當AI模型更加安全、專業和可信賴，垂直領域的關鍵應用也被成功開發和部署後，AI 會真正嵌入到各個傳統行業中，真正提升實體行業在物理世界的生產力。那時，AI 的廣泛應用將創造出目前我們無法想像的新商業模式和工作流程，這反過來會產生對大規模、持續、複雜算力的巨大需求。最終回到巨頭們投資的核心收益:建立未來的盈利基礎。算力消耗本質上是技術被社會接受度提高的最終結果。因為如果AI 不能廣泛應用於社會並改變生產力，那麼對算力的需求就會停滯不前。通過非排他性協議，讓被投資企業取得成功，從而最大程度地激發整個AI 生態系統的繁榮，最終將推動底層基礎設施和巨頭們自身產品的需求。 (一顆南瓜籽的成長)

下一個時代的AI領導力，將不再取決於誰的模型最強大，而取決於誰的模型無處不在。日前，矽谷頂級風險投資公司Andreessen Horowitz（a16z）的普通合夥人馬丁·卡薩多（Martin Casado）在接受《經濟學人》採訪時，透露了一個驚人資料：在其投資組合中，高達80%的AI初創公司，其底層技術正建構於來自中國的開源大模型之上。01. 翻轉發生資料不會說謊：我們來看模型的下載量。在AI領域，模型的下載量如同一個國家的數字GDP，直觀地反映了其技術影響力與生態系統的活躍度。要看最公正的資料，那得看全球最大的AI社區和模型託管平台Hugging Face。最近，AI研究員內森·蘭伯特（Nathan Lambert）繪製的一張圖表，直觀地記錄了這場“翻轉”的軌跡。https://www.interconnects.ai/p/on-chinas-open-source-ai-trajectory圖表上，代表中美兩國開源模型累計下載量的兩條曲線，從2023年下半年開始，代表美國的藍線雖保持增長，勢頭也很不錯，但中國的紅線更猛，以更陡峭的斜率向上竄，在2025年上半年會成功超越美國，並預計在2026年上半年衝向驚人的3.2億次下載量，建立起決定性的領先優勢。蘭伯特在這張圖上標註了一個詞：“The Flip”（翻轉）。如果你看最近Hugging Face的趨勢榜單，幾乎都被中國模型“屠榜”：阿里巴巴的Qwen（通義千問）系列、百度的ERNIE（文心）大模型、DeepSeek（深度求索）以及月之暗面（Moonshot AI）的Kimi等等模型，長期佔據下載量和關注度的前列。即使有些模型名字看上去不像中國的，但你點進去，大機率會發現我們的開源模型是以base model的面目出現的。更讓人震驚的是另一個全球性平台 Design Arena，主要是設計相關功能，其模型排名由使用者直接投票決定，我們看到：排名前18的開源大模型均為中國模型，而第一個非中國模型（來自美國）僅排在第19位。02. 雙重優勢問題是，這一切是怎麼發生的呢？為什麼美國初創團隊要用中國AI模型呢？很顯然，一大原因就是成本。允許我們舉個現實的例子：優一家名為“LinguaBot”的AI翻譯初創公司，每月需處理10億tokens的請求。如果使用OpenAI的API，根據模型不同，其每月的帳單至少在1萬到2萬美元之間。但如果使用中國的開源模型，如Qwen、DeepSeek系列，它們大多遵循Apache 2.0等寬鬆的開源協議，允許開發者免費下載、本地部署和微調，完全掌控自己的資料和應用。創業公司前期可能需要投入數千美元購買或租賃雲端伺服器，但此後的每月營運成本可能驟降至2000至4000美元——直接打了骨折！對於任何一家需要進行大量模型微調、測試和迭代的初創公司而言，這節省下來的每一美元，都是其在激烈市場競爭中得以存活的寶貴燃料。而且說實在的，開源模型已經很優秀了。它們在多個關鍵基準上實現了“性能平價”（Performance Parity），甚至在特定領域實現了超越。比如DeepSeek的V3模型在多項評測中擊敗了Meta的Llama 3.1；阿里巴巴的Qwen系列在Hugging Face等多個榜單上名列前茅；而百度的ERNIE 4.5系列則在混合專家（MoE）架構上取得了顯著突破，用更少的計算資源實現了媲美更大參數模型的性能。所以除了初創企業之外，像愛彼迎（Airbnb）這樣的矽谷巨頭，也公開承認正在“重度依賴”中國的開源AI。愛彼迎CEO布萊恩·切斯基（Brian Chesky）在一次採訪中坦言，其用以驅動核心AI客服系統的，正是阿里巴巴的通義千問（Qwen）模型。儘管愛彼迎採用了包含OpenAI和Google在內的13個不同模型，但通義千問是當之無愧的“頭號主力”，因為它在多語言處理上的具有非常明顯的優勢，機器人專家的創始人Nicolas de Cameret評價道：通義千問的多語言支援是原生的，聽起來自然得多。這種能力對於一個業務遍及全球220個國家的平台而言，就是核心競爭力。切斯基的理由直截了當：“ChatGPT的整合能力還‘沒有完全準備好’，而通義千問‘非常好’，而且‘又快又便宜’。”03. 圍牆花園 V.S. 開放廣場至此，你可以看到中美兩國AI發展的不同路徑：美國最頂尖的模型被嚴格地保護在“圍牆花園”內；而中國的AI實驗室則採取了截然不同的“廣場策略”，以極高的頻率發佈新模型、新權重，鼓勵全球開發者進行“二次創作”。這種開放性形成了一個強大的飛輪效應：更多的下載意味著更多的應用、更多的反饋和更多的改進。正如一位Reddit使用者評論道：“如果80%的美國創業公司都在用中國模型，你可以安全地假設，在全球其他地區，這個比例可能接近100%。”這場從矽谷開始的“秘密”轉向，正在成為全球性的陽謀。當前開源AI的格局，不禁讓人聯想到上世紀90年代的Linux。開源，通過匯聚全球智慧，最終在商業上戰勝了封閉。AI的革命，似乎正在重演這一幕。美國在引領了早期GPT系列模型的發展後，出於對“安全”的擔憂和商業利益的考量，逐漸關上了開放的大門。而中國，則抓住了這個戰略機遇期，選擇了一條“以開放換影響”的道路。眾所周知，美國試圖通過晶片出口管制等手段遏制中國AI的發展，但這反而加速了中國在自主AI框架上的自給自足。而當全球開發者越來越多地基於中國的開源模型進行創新時，中國實際上就在輸出技術標準和行業規則。這是一種比硬體出口更深遠、更持久的“軟實力”建構。自然，美國決策層已經意識到了這一威脅。一位不願透露姓名的西方網路安全專家說：“當你將核心業務邏輯運行在一個中國模型上時，你必須考慮到潛在地緣政治層面上的‘後門’風險。倘若未來中美關係進一步緊張，這些模型的更新、維護和社區支援是否會成為被利用的籌碼？”於是我們看到，川普政府在2025年7月發佈了《美國AI行動計畫》，其中明確提出，需要確保美國擁有“基於美國價值觀的領先開源模型”。隨後，OpenAI也像征性地發佈了其多年來的首個開源模型gpt-oss，但這被普遍視為一種被動的、遲緩的回應。更具實質性的努力來自於由蘭伯特等人倡導的“美國真正開放模型”（ATOM）項目，該項目呼籲政府和企業界聯合投入，重新奪回開源生態的主導權。在不少美國人看來，這場反擊不僅是技術之爭，更是一場關於未來AI應遵循何種價值觀和治理模式的“標準之戰”。04. 未來中國的開源AI模型下載量超越美國，以及在矽谷創業圈的高滲透率，標誌著一個新時代的開端。對中國而言，絕對稱得上是階段性的勝利——這一階段的成功，首先驗證了開源戰略的正確性。面對技術封鎖，開源不僅是有效的突圍方式，更是通過建構全球開發者社區，將中國的技術轉化為事實標準的聰明策略。其次，它展現了中國獨特市場優勢的巨大潛力。“人工智慧+”行動的核心，就是將AI模型與龐大的製造業、醫療等實體經濟相結合，這種大規模應用場景是任何其他國家都難以複製的護城河。同時，在高端晶片受限的背景下，以DeepSeek為代表的模型通過演算法和架構創新，證明了一條“低算力、高效能”的差異化路線是完全可行的。然而，下載量的激增並不能完全掩蓋潛藏的結構性問題。最現實的挑戰在於商業模式：如何將巨大的影響力轉化為可持續的收入，以支撐長期的研發投入，這是所有開放原始碼專案必須回答的問題。更深層次的風險則在於核心技術的自主可控，儘管模型層面進步很快，但在高端晶片、開發框架等底層技術上，“卡脖子”的風險依然存在。此外，隨著影響力的擴大，如何在全球範圍內建立信任與安全體系，回應地緣政治帶來的顧慮，將直接決定這條路能走多遠。最終，所有這些都指向一個根本目標：完成從應用大國到基礎研究強國的轉變，補齊原創性理論的短板。人工智慧的未來，不太可能由一家公司或一個國家壟斷，它將是一個由不同技術路線、商業模式和文化價值觀共同塑造的多極化世界。在新的競爭範式下，領導力不再僅僅取決於誰擁有最頂尖的模型，而在於誰的技術能夠成為全球創新的基礎。而幸運的是，中國已經憑藉其堅定的開源戰略，佔據了極其有利的位置。 (TOP創新區研究院)

【新智元導讀】AI泡沫，比網際網路泡沫還危險？投資人都在裝作看不見？最具價值的私有AI初創，都有誰？投資人Deedy Das總結了目前估值最高的15家AI初創，以及最新的公開的營收和增長情況。OpenAI、xAI和Anthropic毫無意外霸榜前三。OpenAI以約5000億美元估值領跑，xAI、Anthropic緊追；零收入的Figure AI、SSI依然躋身超獨角獸行列。目前，上榜企業最少100億美元估值，最多為5000億美元。0客戶、0產品、0計畫，估值照樣上千億沒有客戶、沒有產品、也沒有計畫，有些AI初創估值高得嚇人——說的是Figure AI、Safe SuperIntelligence和Thinking Machiens Lab。根據Deedy Das的統計，這三家公司收入為零，但估值分別為390億美元、320億美元和120億美元。華盛頓大學電腦科學教授、《2040》和《終極演算法》作者Pedro Domingos，直指Ilya的Safe Superintelligence最搞笑。這些AI初創的融資，著實讓人看不懂——估值幾乎沒有體現任何風險，但再強的技術也存在失敗的可能。目前，市場對未來的樂觀程度接近「完美執行」的預期——而且別忘了，微軟擁有OpenAI的全部訪問權，包括其IP，但卻並沒有滿足OpenAI提出的所有算力採購需求。要知道，微軟擁有「優先購買權」，本可以選擇接下Oracle那筆訂單，但最終沒做。微軟CEO納德拉一直以理性著稱，如果連他都不完全下注，那我們至少要保持審慎。即便AI技術不會停滯，但相關的金融泡沫正在形成，且比網際網路泡沫更危險。一個經常被忽略的事實是，如今很多科技公司的巨額支出，其實不是用來開闢新業務，而是用來「保住」原有的護城河。大家都被捲入了一場已經失控的競賽。正如Meta的祖克柏所言，「投入幾千億美元的風險，小於被邊緣化的風險。」這或許能夠解釋這些巨頭為何必須奮力一搏。但資本市場的責任是：在估值倍數中精準反映風險。而現在，市場明顯沒做到這一點。燒錢循環 AI公司和晶片公司的合謀當前AI行業的估值水平，已遠超2000年網際網路泡沫高峰期。與2000年不同，當時的公司至少有「夢想」和「使用者增長」，而今天的AI公司卻普遍缺乏清晰的商業模式和盈利能力。AI基礎設施支出（如資料中心、晶片）與實際收入嚴重不匹配，形成「燒錢循環」：AI公司燒錢→晶片公司賺錢→AI公司繼續融資→繼續燒錢。過去，在資助獨角獸初創公司的經典路徑中，一般是：初期由大型風險投資公司出資（規模在10億至100億美元之間），發展到100億至300億美元時，像軟銀這樣的巨頭接手，接著就準備IPO（首次公開募股）。但像OpenAI和Anthropic這樣的AI實驗室，如今並不打算走上市這條路，因為一旦上市，就意味著它們的商業模式和盈利邏輯將被全面拆解，分析師會深入質詢那些是合理的、那些站不住腳。即便選擇IPO，他們也無法籌集到足夠的資金。現在一家AI初創所需融資，已經超過了過去五年整個科技五巨頭自由現金流的總和。今年，OpenAI的營收預計在150億至200億美元之間。即便明年翻倍甚至三倍增長，這個數字也遠遠無法支撐其擴張所需的投資體量。因此，OpenAI未來還得持續融資，甚至可能會舉債。此外，即使有這些收入，OpenAI今年預計仍將虧損約90億美元，虧損將在未來繼續擴大，預計到2028年將達到470億美元。但問題是，誰有足夠的實力，一次性投入超過1000億美元？目前唯一有能力這麼做的似乎只有Nvidia。而Nvidia之所以願意出這筆錢，很大程度上是因為OpenAI如今是「AI無冕之王」。最近，在播客中Semianalysis的Dylan Patel表示，目前OpenAI和Anthropic兩家公司就買下了全球三分之一的Nvidia GPU。問題不僅在於這是一種「循環投資」的模式，更在於當項目規模達到1000億美元以上時，唯一可能出資的就只剩下像Nvidia或蘋果這樣的公司。更關鍵的是，即便Nvidia出了1000億，OpenAI還是需要籌集剩下的1.4兆美元——那又該誰來出這筆錢？另一個值得警惕的訊號是，這類融資交易中開始越來越多地引入債務。Meta最近也為一個資料中心融資290億美元，其中260億美元是債務，該資料中心本身則成為了貸款的抵押品。Oracle也完成了一筆380億美元的債務融資。微軟：寧願外包，不要晶片至於超級雲廠商如微軟等，也開始向新興雲端運算服務商（neocloud）尋求合作。比如，微軟與Nebius達成的174億美元（未來可能擴展至194億美元）協議就是其中之一。微軟為何與新興雲服務商（neoclouds）合作？因為它們正在目睹企業客戶對算力的強勁需求。微軟想要維持客戶關係、讓客戶滿意，但又不想繼續在CapEx上加碼。因此，它更願意把風險轉嫁出去。對客戶而言，誰提供的底層設施並不重要，他們只要結果。而一旦熱潮過去，那些舊晶片的損失就由neocloud承擔，不會體現在微軟帳上。對微軟來說，這是「雙贏」：既保住了客戶，又避免了晶片貶值帶來的損失。若未來需求持續增長，微軟也有足夠時間建設自己的資料中心，重新收回算力基礎。而在當前的「AI狂熱」周期裡，把「晶片貶值速度快」的風險外包出去，比自己承受更為明智。這也是微軟與neocloud合作的關鍵原因之一：他們對資本支出的未來不確定，因此更傾向於將其轉化為營運支出（OpEx）。更令人擔憂的是，現在連晶片本身都被裝入SPV中作為抵押品進行融資。不過，根據Google趨勢的資料，上個月中，網路上對「AI泡沫」的Google搜尋量急劇下降。這表明人們對估值的擔憂正在減輕。AI的繁榮可能會停止，但它可能不會破裂。雖然可能存在泡沫，但當每個人都發現它時，可能是它最不可能破裂的時刻。 (新智元)