生成式 AI 大溃败：泡沫终于开始破裂

深度摘要

Marcus 自 2023 年 8 月起警告生成式 AI 在财务上可能是一场空头繁荣；如今他认为清算时刻到了：全行业走同一条技术路线、用相似数据集，导致无人拥有技术护城河，价格战压垮利润；训练与推理成本双双高企，Claude 5.5 系列据称开发成本达 100 亿美元；Nvidia、CoreWeave、Oracle 近半年跌幅分别为 29%、54%、35%，Anthropic 感知估值数周内缩水 25%。他把导火索指向黄仁勋离职与新云厂商 N-Scale 的过度承诺——若英伟达不再充当全行业的“银行家”，一批 neocloud 公司与 Anthropic 的 IPO 都将承压。

关键要点

• 自 2023 年 8 月起警告生成式 AI 在财务上可能是一场空头繁荣
• 全行业同质化路线导致无人拥有技术护城河，价格战压垮利润
• 训练与推理成本双双高企，Claude 5.5 系列据称耗资 100 亿美元
• Nvidia 近半年跌 29%、Oracle 跌 35%、CoreWeave 跌 54%、Anthropic 感知估值数周内缩水 25%
• N-Scale 过度承诺成爆雷先兆，临时 CEO 克雷斯可能不再为 neocloud 兜底
• OpenAI、Anthropic、Nscale、CoreWeave 除个别季度外从未证明能盈利

关键事实

Claude 5.5 系列据称开发成本 100 亿美元；Nvidia 近半年跌 29%、Oracle 跌 35%、CoreWeave 跌 54%、Anthropic 感知估值数周内跌 25%（均为作者引用数据）；Marcus 自 2023 年 8 月起公开警告；N-Scale 在作者做客 CNBC《Fast Money》期间爆出过度承诺的消息。

作者观点

Marcus 的核心判断是生成式 AI 的经济学从来不成立，真正的变量只是市场何时醒悟；他认为黄仁勋离职与政权更迭是压垮骆驼的稻草，英伟达停止充当行业“银行家”将连锁引爆 neocloud 与 Anthropic 的 IPO。他也承认自己错判了一点：泡沫比他预期的撑得更久。

为什么重要

这是当日最具分量的定性判断：如果 Marcus 是对的，问题不再是某家公司的估值，而是整个 AI 基建投资链条的偿付能力。对持仓者而言，Nvidia、CoreWeave、Oracle 的同步回撤与 neocloud 的资金链是同一风险的两种表现。

编辑点评

Marcus 的论证建立在可验证的股价与成本数字上，但“泡沫破裂”的结论仍是判断而非事实：他引用的跌幅属实，Anthropic 估值缩水是“感知估值”而非公开市场价格；N-Scale 一案尚待更多信源印证。值得严肃对待的是他三年前就写下的机制——同质化导致无护城河——这一条正在被价格战证实。

深度摘要

Sharp 为黄仁勋的坠落写了一篇近乎悼词的长文：他认为这场坠落既是悲剧也是必然。黄仁勋是美国历史上最伟大的 CEO 之一，却也是华盛顿最不受欢迎的人——多年来他带头游说反对芯片出口管制，用 A800、H800、H20 一再绕过管制本意，把中国市场份额做到新加坡开票占比从 8% 升至 22%，同时以捐款与施压双管齐下对待国会与智库。Alice Huang 究竟是间谍还是“资产”，Sharp 倾向于后者甚至认为间谍说法可能是编造，但他强调：无论如何，黄仁勋在多个维度上判断失误——公开撒谎、与受制裁风险的客户纠缠过深——而他的敌人们一直在等一个开枪的时机，性丑闻只是给了他们子弹。

关键要点

• 黄仁勋的坠落既是悲剧也是结构性必然
• 他是华盛顿最不受欢迎的科技领袖，树敌来自出口管制立场
• Alice Huang 更可能是被胁迫合作的“资产”而非训练有素的间谍，间谍说法未必可信
• Megaspeed 被指为阿里巴巴的白手套，约 5 万枚受管制芯片或已流入中国
• 新加坡开票收入占比从 8% 升至 22%，2025 年 7 月起不再披露
• 英伟达向特朗普舞厅捐 2,500 万美元、就职基金 100 万美元，H20 许可在百万美元筹款晚宴游说后恢复
• 黄仁勋曾公开否认婚外情，损害其在国会的可信度

关键事实

新加坡地址客户的收入占比从出口管制生效后的 8% 升至 22%，2025 年 7 月起英伟达停止披露该数据；英伟达向特朗普舞厅捐赠 2,500 万美元、向就职基金捐赠 100 万美元；Culper Research 于 2026 年春指认 Megaspeed 疑似由阿里巴巴出资控制；黄仁勋 10 月底向彭博社否认与 Alice Huang 存在不正当关系；Megaspeed 约 5 万枚芯片或已流入中国（作者引述的估计数字）。

作者观点

Sharp 的主张分三层：同情黄仁勋这个人，质疑“中国间谍”叙事的可信度，但拒绝称他为受害者——黄仁勋的错误是真实的：判断力失误、公开撒谎、把公司利益置于国家安全关切之上。他认为真正的故事不是间谍案，而是黄仁勋多年来以一己之力对抗整个华盛顿安全建制，最终必然落败。

为什么重要

这篇文章把一周的碎片新闻拼成了一条因果链：出口管制、Megaspeed、性丑闻、辞职不是四件事，而是一件事。对理解英伟达的未来——继任、出口管制走向、国会调查——这是目前最完整的解释框架。

编辑点评

Sharp 的分析锐利，但“间谍说法可能是编造”的判断是推测而非证据；AG、CIA、DNI 的“无结论”表态被他用作质疑的支点，逻辑成立但不等同于证伪。文中事实部分（捐款数字、收入占比、时间线）均有公开来源，可信度高；关于泄密动机的“美国情报行动”说法则明确是猜测，应按猜测读。

深度摘要

Edge0 发布了 145B 参数的开源端侧模型 Edge0-145B（另有 120B 版本），号称全球首个能在个人电脑上运行的千亿级开源模型：峰值内存 28GB、生成速度 80+ tokens/s。关键设计是 MoE 共享矩阵——每组 64 个专家共享两块大矩阵，每步推理仅约 100 亿参数参与计算——加上三级存储流水线（GPU 显存、系统内存、SSD）与 CPU、GPU 协同调度。基准成绩上，DeepSWE 1.1 得 64.6、GPQA-Diamond 90.4、Terminal-Bench 2.1 得 86.52，六项均分 72.8，号称与 Claude-Opus-4.6 等前沿云端模型相当，而内存占用仅为同级基线模型的约 40%。演示包括一小时内本地生成特斯拉 Roadster 科普视频、Blender 搭建曼哈顿街景、无人机自主寻包与 KiCad 设计电路板。

关键要点

• 145B 参数开源端侧模型，另有 120B 版本
• 峰值内存 28GB、80+ tokens/s，可跑在 48GB 笔记本上
• MoE 共享矩阵设计，每步仅约 10B 参数参与计算
• DeepSWE 1.1 64.6、GPQA-Diamond 90.4、Terminal-Bench 2.1 86.52，六项均分 72.8
• 本地完成视频制作、3D 建模、游戏开发、无人机控制、PCB 设计等长流程任务
• 模型权重与推理框架同步开源，首日支持 macOS、Windows、Linux

关键事实

145B 参数，每步推理约 10B 参数参与计算；峰值内存 28GB，生成速度 80+ tokens/s；DeepSWE 1.1 64.6 分、GPQA-Diamond 90.4 分、IFBench 80.6 分、Terminal-Bench 2.1 86.52 分、AA-LCR 79.3 分；六项基准均分 72.8，Qwen3.8-Flash-Next 为 71.7；公司称开源模型三个月内下载量超 1,500 万次、客户组织超 11 万家（公司自述数据）。

作者观点

Edge0 的主张是端侧 AI 的分水岭已到：复杂工作不必再默认上云，本地模型在隐私、成本与离线可用性上的优势，如今第一次配上了前沿级的编码与推理能力。公司把未来描绘成三阶段演进：云优先、日常任务本地化、复杂任务本地优先。

为什么重要

如果基准成绩经得起独立复现，这意味着“前沿能力”第一次脱离了数据中心：个人电脑可以本地跑 agent 长流程而不付 token 账单。对开发者与硬件厂商而言，端侧的竞争维度从“能跑多小”变成了“能跑多强”。

编辑点评

必须分层读：架构设计（共享矩阵、三级流水线）是扎实的工程陈述；基准成绩全部来自 Edge0 的内部评测，Claude 等对照组分数亦由对方提供或转引，尚未经独立复现，不宜直接当作定论；演示案例（视频、3D 城市场景）是精心编排的 showcase，不是开箱即用的能力保证。值得跟进的是权重与框架已开源——社区复现结果会很快见分晓。

深度摘要

OpenAI 解散了独立机器人团队，研究人员并入首席研究官 Mark Chen 领导的主研究团队，应用与硬件团队并入 Greg Brockman 领导的应用部门。公司称这不是收缩而是判断升级：通用前沿模型已能直接操控机器人，无需再为机器人单建专用模型。证据包括 GPT-6 Astra 直连机器人完成任务，以及英伟达一项研究中 Astra 驱动的 agent 在模拟操作基准上取得 74.8% 成功率，远超专用机器人模型最好的 51.0%。背景是成本压力：公司最近一个季度运营亏损据称达 109 亿美元，正筹备新一轮融资与 2027 年初可能的 IPO，Altman 已要求砍掉“支线任务”。但学界提醒：机器人公司仍握有真实部署数据这一王牌，通用模型慢且依赖云端，机载小模型仍有位置。

关键要点

• 独立机器人团队解散，研究人员并入主研究团队，应用与硬件团队并入应用部门
• 判断：通用模型可直接操控机器人，无需专用机器人模型
• Astra 在英伟达模拟操作基准上达 74.8%，专用模型最好为 51.0%
• OpenAI 2020 年解散过一次机器人团队，2024 年重建，与 Figure 的合作 2025 年 2 月结束
• 人形机器人仍在自研，Altman 目标 2027 年首次公开演示
• 最近季度运营亏损据称 109 亿美元，正筹备融资与 2027 年初 IPO
• CoRL 会议上 OpenAI 展位空无一人

关键事实

研究团队并入 Mark Chen 领导的主研究团队，应用与硬件团队并入 Greg Brockman 领导的应用部门；OpenAI 曾于 2020 年解散机器人团队、2024 年重建，与 Figure 的合作于 2025 年 2 月结束；Astra 驱动的 agent 在英伟达模拟操作基准上取得 74.8% 成功率，专用模型最好成绩为 51.0%（研究引述）；最近季度运营亏损据称为 109 亿美元；Altman 目标 2027 年首次公开演示自研人形机器人。

作者观点

Fortune 的框架是“通用模型吞掉专门化”：OpenAI 的改组不是放弃机器人，而是认定机器人不再是一个特殊问题，而是通用智能的下游应用。文章同时保留了反方声音——MIT 的 Tedrake 与 CMU 的施冠宇认为真实部署数据与机载小模型仍是机器人公司的护城河。

为什么重要

这是 AI 行业组织逻辑的一个转折点：如果通用模型真能直接开机器人，一批以“机器人需要专属大脑”为融资前提的创业公司叙事将受冲击；同时 OpenAI 的收缩也透露出成本纪律正在收紧，2027 年 IPO 前的“聚焦核心产品”信号值得留意。

编辑点评

74.8% 对 51.0% 的对比来自模拟环境中的操作基准，不是真实机器人，含金量要打折扣；“109 亿美元季度亏损”是据称数字，未经公司证实。改组本身经公司确认属实，但“不是收缩而是升级”是公司的自我表述，应与 Altman 砍支线、备战 IPO 的背景一起读。

深度摘要

微软 365 全球宕机从周四中午开始，至周五早晨仍未完全恢复，波及邮件、云服务与 Copilot 等 AI 服务。微软称原因是部分基础设施负载异常——服务器未能通过自动化健康检查而陆续下线，并非流量激增所致，也无恶意活动的证据。前英国国家网络安全中心负责人 Ciaran Martin 向 NBC 表示，这可能是“有史以来最大的宕机之一”，甚至超过 AWS 与 CrowdStrike 事件。影响遍及医院、学校、银行与司法系统：医生无法发送用药变更通知，日本政府 IT 受扰，菲律宾最高法院工作中断，美国科罗拉多州一警长办公室难以办理保释；微软将邮件超时延长至 48 小时以防邮件丢失。恢复过程一波三折，部分服务器恢复后一接流量便再次失联。

关键要点

• 宕机自周四中午起，至周五早晨仍未完全恢复
• 微软 365 邮件、云与 Copilot 等 AI 服务均受影响
• 微软归因于服务器未能通过自动化健康检查，而非流量激增或攻击
• 微软称无恶意活动证据，承诺事后公布完整事故报告
• 邮件超时延长至 48 小时以防丢失
• 医院、学校、银行、司法系统均受波及
• 部分服务器恢复后一接流量便再次失联
• 微软 365 付费商业订阅超 4.5 亿（1 月数据）

关键事实

宕机始于周四中午，至周五早晨仍在恢复中；微软称原因为服务器未能通过自动化健康检查导致容量损失，无恶意活动证据；微软将邮件超时延长至 48 小时；微软 365 付费商业订阅 1 月时估计超 4.5 亿；日本政府 IT、菲律宾最高法院、科罗拉多州警长办公室均受影响（NBC 报道引述）。

作者观点

Ars 的报道以事实直述为主，判断集中在专家引述上：Ciaran Martin 认为此次宕机规模可能超过 AWS 与 CrowdStrike 事件，是“有史以来最大的宕机之一”。文章同时呈现微软在数小时内始终未能找到可靠恢复路径的被动状态。

为什么重要

继 AWS 与 CrowdStrike 之后又一家超大规模云服务商长时间瘫痪，且病因是内部健康检查机制本身失灵——这对“云即可靠”的默认假设是又一次打击。对企业用户而言，邮件超时延长至 48 小时意味着积压与丢失风险仍在释放。

编辑点评

宕机事实与微软的公开表态均有据可查；“超过 AWS、CrowdStrike”是专家个人的规模判断，尚无统一的受影响用户数可供比较。根本原因仍待微软事后报告确认，目前只知道触发机制是健康检查失败，尚未解释为何健康检查会大规模失灵。

深度摘要

作者用 600 次实验系统拆解了 LeCun 团队的 JEPA 世界模型 LeWM（Push-T 推方块任务），结论出人意料：模型的预测根本不是瓶颈——配上专家子目标时，LeWM 在 75 步长程任务上的成功率达 78%，与换成完美物理仿真器的 77% 持平。真正的增益来自规划方式：把长程任务切成 25 步一段逐段规划，成功率从 22% 升至约 85%；用演示记忆构建潜空间图谱并对跨演示跳跃收费，同样达到 85%；对记忆空白处做平移旋转镜像变换填补，成功率从 45% 升至 56%；而最隐蔽的发现是目标设定本身的 bug——目标图像里机械臂的位置会误导规划器，排除推杆位置后，完美物理规划器的成功率直接翻了 4 倍。四项改进均无需重新训练。

关键要点

• 600 次实验，对象为 LeWM（LeCun 团队 JEPA 世界模型），基准为 Push-T
• 配专家子目标时 LeWM 成功率 78%，与完美物理仿真器 77% 持平
• 25 步分段规划使长程成功率从 22% 升至约 85%
• 潜空间记忆图谱加跳跃代价，同样达到 85%
• 变换记忆填补空白，困难测试成功率从 45% 升至 56%
• 目标图像中推杆位置误导规划器，排除后成功率翻 4 倍
• 官方 50 集测试存在取样偏差：68% 对新鲜 250 集的 44%
• 四项改进均无需重新训练

关键事实

600 次实验；长程任务目标在 75 步外，LeWM 原始成功率 22%，配专家子目标时 78%，完美物理版 77%；25 步分段规划后约 85%；记忆图谱含约 46 万个嵌入状态，跳跃收费后成功率从 62% 升至 85%；删除目标附近记忆后成功率从 93% 跌至 32%，变换填补后回升至 85%；官方 50 集测试成功率 68%，新鲜 250 集仅 44%，仅换随机种子就翻转 38/250 集的结果；排除推杆位置后 30 个任务由失败转为成功、无一反向。

作者观点

作者的核心主张是：JEPA 的短板不在模型本身，而在使用方式——分层规划、记忆图谱、目标设定这三处工程改进，比换更好的预测器值钱三倍。他同时指出标准测试集存在取样偏差，官方数字高估了模型能力；真正的开放问题是让模型在没有完美演示的地方自己提出子目标。

为什么重要

这是一份罕见的“负结果即正结果”的实验报告：它告诉世界模型研究者，钱和算力不该只砸向更大的预测器，规划层与评测方法里藏着同等量级的增益。对 LeCun 的 JEPA 路线而言，这是迄今最扎实的独立验证之一。

编辑点评

实验设计严谨（对照组、消融、新鲜测试集、随机种子敏感性都做了），结论可信；但所有结果都在 Push-T 这一个玩具任务上取得，作者本人也承认向真实机器人迁移仍是开放问题。引用时应限定在“Push-T 上的发现”，不宜直接推广为世界模型的通用结论。

深度摘要

朋友深夜发来消息：“有人用 AI 做了全套 Adobe，还免费。”作者本是 2008 年起在芝加哥创意部门修 Adobe 软件的 Mac IT 外包工，带着嘲讽去试了 LLM 干净重写的 Lightroom 克隆 LightCraft——结果出乎意料：启动飞快、内存占用低、工作流大体可用，连 InDesign 克隆 DesignCraft 也已能应付简单需求。作者由此反思：软件真正的护城河从来不是代码，而是数十年积累的信任与肌肉记忆；而 Adobe 们正亲手把信任送掉——取消永久授权、订阅制与退订暗黑模式那天起，“派对就结束了”。他引用 Ars 采访中开发者那句“我一口气写出了整个 Photoshop”，以巴黎圣母院与 3D 打印机作比：如果连 AutoCAD 都能被克隆，未来桌面软件还卖得出去吗？

关键要点

• 朋友来信：有人用 AI 免费复刻了 Adobe 全家桶
• LightCraft（LLM 干净重写 Lightroom）启动快、省内存、工作流基本可用
• DesignCraft 尚远不能替代 InDesign，但简单需求已可应付
• 开发者自称“我一口气写出了整个 Photoshop”
• 作者论点：软件护城河从来不是代码，而是信任与 15 年以上的肌肉记忆
• Adobe 取消永久授权与订阅暗黑模式，亲手毁掉了信任
• CAD 对 AutoCAD 的威胁是下一个问题
• 未来可能是无尽的 LLM 克隆

关键事实

作者 2008 年大学毕业后在芝加哥做企业 Mac IT 外包，服务创意部门；约 2011 年受邀访问 Adobe 圣何塞总部；Photoshop 盒装时代单价约 649 美元；LightCraft、DesignCraft、Artcraft 启动器为文中提及的 AI 复刻产品；开发者在 Ars 采访中称“我一口气写出了整个 Photoshop”（作者转述）。

作者观点

作者的主张是：软件的护城河从来不是代码或文件格式，而是用户相信“这家公司为你着想”的信任，加上十几年肌肉记忆；一旦越过贪婪的线——如 Adobe 取消永久授权——信任就碎了且无法修复。他并不认为克隆已能完全替代 Adobe，但认为趋势“诡异地不可避免，就像看马赢了汽车一次，心里却知道汽车终会赢”。

为什么重要

这篇文章把“AI 写软件”从技术演示拉回到商业现实：被颠覆的不是功能，而是信任结构。对 Adobe、微软、Autodesk 这类靠生态锁定的公司而言，真正的风险不是某个克隆产品，而是用户不再相信它们站在自己一边。

编辑点评

这是一篇个人随笔而非调查报道：LightCraft 的可用性是作者个人体验，DesignCraft 的局限他也如实写了；“干净重写”的法律含义他本人承认不懂，不应引申为法律结论。文章的价值在框架而非证据——“护城河是信任”这个判断值得认真对待，但它是一家之言。

深度摘要

哥德尔 1940 年代初写下的 16 本工作笔记共 1,009 页，多用早已过时的德语速记写成，赫尔辛基大学的逻辑学家 Jan von Plato 自 2017 年起以每周约一页的速度解读。2026 年 9 月，他请 Claude 帮忙：几天内得到一份 650 页的全面解析，揭示哥德尔证明了数百条无人知晓的定理，包括数十项直到七八十年代才被发现的结果，以及 14 个从未被追随的逻辑主题。最引人注目的是选择公理独立性证明：哥德尔离完整证明只差一步，且他两年前就写下过正确的定义；von Plato 用证明助手 Coq 验证了重构的证明，认为若当时发表，哥德尔本可获得 1940 年菲尔兹奖。Claude 共提取出 663 条定理：约 400 条按原样通过验证，约 200 条经修正后成立，约 50 条为假——哥德尔本人也曾在页边写下“falsch！”（错！）。

关键要点

• 16 本笔记、1,009 页，1940 年代初写就，多用已废弃的 Gabelsberger 速记
• von Plato 自 2017 年起解读，速度约每周一页
• Claude 几天内给出 650 页全面解析
• 发现数百条未知定理与 14 个未被追随的逻辑主题
• 选择公理独立性证明仅差一步，Coq 验证通过
• 共提取 663 条定理：约 400 条验证通过、约 200 条修正后成立、约 50 条为假
• von Plato 认为哥德尔本可凭此获 1940 年菲尔兹奖
• 下一步将探索哥德尔的物理学与宇宙学笔记

关键事实

16 本笔记、1,009 页，写于 1940 年代初；von Plato 自 2017 年起主持解读，获欧洲研究理事会 250 万欧元资助；此前解读速度约每周一页，Claude 在几天内给出 650 页解析；提取 663 条定理，约 400 条通过 Coq 验证、约 200 条经修正成立、约 50 条为假；Cohen 于 1966 年凭选择公理与连续统假设的独立性获菲尔兹奖；哥德尔 1978 年去世。

作者观点

报道引述 von Plato 的判断：哥德尔“远超他的时代”，工作笔记里藏着数十项超前发现与十几个未开垦的主题；他相信重构的选择公理独立性证明在架构上是哥德尔本人的。圣母大学的 Hamkins 则提醒：有多少是 Claude 的、有多少是哥德尔的，留待史学家判断；形似 Cohen 的证明不等于已经拥有它，未发表的工作不计入功绩。

为什么重要

这是 AI 介入科学史研究的标志性案例：机器不是在生成新知识，而是在帮人类读懂自己写下却读不懂的遗产。对数学史而言，14 个未被追随的主题可能改写逻辑学的版图；对 AI 而言，这是“长上下文 + 形式验证”组合拳一次漂亮的实证。

编辑点评

核心事实（页数、资助、Coq 验证、663 条定理的分布）均来自 von Plato 本人的陈述与卫报的转述，可信度较高；但“哥德尔本可获菲尔兹奖”是 von Plato 的个人推断，Hamkins 的保留意见应同时呈现。Claude 的解析仍需逐页人工核对——von Plato 自己也强调这一点，不宜把“AI 解开手稿”读成“AI 已证明一切”。