Techub News 搜索

以小博大，一家AI4S水下公司的野心「AI4S也有Coding的万亿未来。」文｜胡香赟编辑｜海若镜今年5月，28岁的张载熙结束普林斯顿的博后研究，回到国内。在他面前，有几扇门同时打开：美国高校教职、AI大厂首席科学家和千万年薪。最终，他选择进入香港科技大学担任助理教授，并挺进了创业窄门，创立AI for Science公司科理新序（Scinetics）。暗涌Waves独家获悉，科理新序近日完成近5000万元人民币融资。本轮融资由英诺科创基金领投，沂景资本、小苗朗程、麟阁创投跟投。这或许是他既往人生中，为数不多的岔路口。从中科大少年班、直博，到哈佛医学院联合培养，随后进入普林斯顿王梦迪团队做博后。研究AI4S的青年PI，是当下创投市场最喜欢的创业者画像之一。但创业的决策过程，他也曾纠结。进入大厂，意味着更充足的算力、数据和人才配置；成为高校PI并创业，要比较独立地找人、找钱、找资源，技术和商业都有不确定性。最终让张载熙下定决心做出选择的是“工作自主性”，他想主导自己的研究方向，而不是被更大的公司组织约束。他更享受从零搭建一套体系的过程。创业前，张载熙和团队曾经做出过科学智能体Stella。去年，Stella上线后，服务了上千名科研用户，其中七成以上来自斯坦福、普林斯顿等高校和顶级实验室。相比自训基座模型，智能体落地更快、更容易接入现有研发流程，实现商业化。不过，这条轻巧的路线，目前仍有局限。以大语言模型作为推理引擎，科学智能体在遇到蛋白质结构、核酸序列等数据时，会先将问题翻译为“自然语言”，再把文字指令交给模型执行。精细的三维结构和模态关系，在几次翻译转换中会出现“损耗”，智能体几十次交互也无法绕开误差。博士期间，张载熙曾开发分子筛选模型MGSSL、药物分子生成模型FLAG等，在多个细分领域达到SOTA。但他判断，单点能力仍是不够，未来AI4S行业会集体走向多模态。所以，科理新序的核心是做多模态长程推理基座模型。他提出了“Science Token”概念，希望把小分子、核酸、蛋白质结构等科学数据，转化成模型统一的表征单元，不再经过人类语言的转译，让模型在原生科学模态中推理，完成科学任务。短期，他们将聚焦商业化路径最清晰的生命科学，未来逐步拓展至材料、工程等科学领域。谈起未来，张载熙认为AI4S一定会出现GPT时刻、Coding时刻，且这是一个可能超越Coding的市场；他也相信自己所带领的小小团队，有实力开发出“大一统”的科学底座模型，成为AI4S领域里对标DeepSeek、Anthropic的基座模型公司。技术革命初期，路线没有收敛，创业者才有“以小博大”的机会。近日，我们和张载熙聊了聊，此时投入AI4S创业，他究竟想赌一个怎样的未来？对话（经编辑）： Part01 AI4S，媲美Coding的万亿市场暗涌Waves：2019年，你21岁，选择了AI for Science作为博士研究方向，现在回头看很有先见之明。这个赛道从冷变热，你的体感是怎样的？张载熙：确实比较幸运，职业生涯转型刚好踩中了行业风口。我读博阶段，这是一个非共识赛道，行业认知是“Science+AI”，AI是提升业务效率的附加算法工具，项目必须深度绑定具体药物管线，比如聚焦多肽药物，或只做蛋白质垂直模型。现在AI4S朝着通用方向演进，市场普遍认为这个方向会迎来属于自己的“Coding时刻”。写代码赋予了人类在数字世界创造事物的能力；AI4S则是在变革人类底层科学探索、发现新知识的能力,市场价值可以比肩甚至超越Coding。从Alpha Fold从1到4的迭代，可以清晰看到AI能力正迅速变强。需要被研究的科学问题没有巨变，但新算法让过去难以建模、难以预测的任务，具备了解决条件，更多科学模态的纳入，让模型能力更强。暗涌Waves：Science其实是覆盖非常广的方向，现在创业投资的主流技术路线有哪些，技术路径上有收敛的趋势么？张载熙：客观说，现阶段的AI4S赛道噪声不小，AI4S从业者主要基于自己既往背景做布局，还没有在技术路线上形成共识，难以判定孰优孰劣。首先是科学智能体，主要靠调用外部工具完成科学任务。优势是落地快、能迅速嵌入现有研发流程，商业验证周期短，因此诞生了不少初创公司。大厂也都在做，如Anthropic的Claude Science、OpenAI 的GPT-Rosalind。不过，他们的主战场还是Coding等更general的方向，科学方向属于占位式布局、浅浅试探。第二是虚拟细胞。受Arc Institute相关工作和论文影响，虚拟细胞从去年起热度暴涨。理论上，它在电脑里模拟细胞受药物、基因编辑后的变化，能提前批量筛掉无效候选，压缩研发时间和成本。行业期待很高，发展速度也比较快。第三就是我们选择的AI4S基座模型方向。这是一种“自下而上”的路线，聚焦底层分子相互作用，从分子机制推导疾病、基因调控网络等上层现象。暗涌Waves：去年你们上线了科学智能体Stella，据说反馈也不错，为什么没有选择这条更轻巧的路线？张载熙：Stella去年上线后，服务了上千名科研用户，七成以上来自斯坦福、普林斯顿等名校和顶级实验室，MIT的张峰教授也使用过。但我们发现，科学智能体范式有个根本性问题：它本质上是把科学问题翻译成自然语言让模型理解，再翻译回结构指令让工具执行。很多精细的三维结构信息、多模态之间的微妙关联，会在翻译过程中丢失。这是范式本身的天花板。你当然可以在智能体框架上不断加工具、加流程，但只要底层推理还基于文本完成，这个瓶颈就一直在。暗涌Waves：可以举一个智能体做不出来的例子么？张载熙：比如蛋白质局部结构优化。要把某个侧链朝特定角度旋转5度，形成氢键或者其他分子相互作用，这高度依赖3D空间的精细推理设计。如果用智能体做，就是让大语言模型输出文本指令，再调用RF diffusion这类结构扩散模型去执行。但结构模型本身没办法很好理解文本信息，工具输出结果又要转成字符串、截图，再反馈回大语言模型，智能体读得云里雾里，好像对，又好像不太对，只能继续迭代。就这个步骤，我们尝试了很多智能体，反复交互过几十遍，浪费了大量Token，结果是跑了一堆用不了的东西。根源就是，没有原生的科学模态推理能力。 Part02 小天才的大梦想：多模态科学底座模型暗涌Waves：所以你认为必须开发AI4S基座模型？有了基座模型，可以解决“跨模态翻译”问题？张载熙：既然翻译会产生损耗，就不翻译了，让模型直接在原生科学模态空间内，做针对多模态科学数据的长程推理（Chain of Science Tokens）。这一基座模型，也是我们公司的核心产品。我们针对组学、蛋白质结构、分子化学式、核酸序列等各类科学模态，开发了离散Token化方案，把各类科学信息转化为统一的Science Token输入模型，不再依赖人类自然语言做抽象中转，更贴近科学本质。模型训练分预训练、mid-training、后训练三个阶段：其中，预训练建立多模态生命科学表征，mid-training学习从序列到结构、功能和细胞表型的跨层规律，后训练重点增强长程推理能力。 AI4S基模训练框架（图源：科理新序）暗涌Waves：这种长程推理，跟既往垂直小模型解决单点任务，有什么不同？张载熙：比如做酶设计，不再一步出结果，而是像人类科学家一样分步推理：先搭建酶的活性中心，它决定催化功能的核心区域；再搭建蛋白质支架，把活性中心撑起来；最后补充侧链、微调细节。这套长链条推理能力，是传统垂直模型、工具调用智能体不具备的。暗涌Waves：把各类科学信息转换成“大一统”的Science Token，听起来更性感，但小分子、核酸、蛋白质等数据结构差异很大，为什么你们团队可以做？张载熙：Science Token首先要解决的，是让模型读懂不同科学模态。过去，围绕小分子、核酸、蛋白质、复合物和跨模态文本，我们分别做过相应的基座模型。从数据收集、模型搭建到训练，完整地走过。因此，团队知道每类科学数据应该怎样编码，不同模态之间又该如何对齐。同时，做Stella、BioClaw等智能体时，我们积累了大量长链条推理数据，也摸索了通过后训练增强推理能力的方法。另外，干湿闭环也很重要。Stella除了计算和算法模块，也接入了自动化湿实验。我们在靶点发现、抗体优化、小核酸设计等任务中，跑通过干湿闭环案例。因此，也清楚AI 应如何对接真实科研任务、连接自动化实验设备。模型进化，需要主动获得大量高质量数据。干湿实验闭环，可以支撑我们持续获取训练数据、持续迭代。暗涌Waves：从目前的探索结果来看，这个基座模型的能力如何？张载熙：在蛋白质结构预测、蛋白功能注释、RNA二级结构预测、DNA突变预测等单项任务上，已取得不错效果。我们对这个结果不是很惊讶，毕竟科学系统本身就是复杂多模态体系，如果能把多模态信息全部纳入模型，从全局视角做设计搜索，自然更容易得到更优解。目前，我们在探索下一代模型训练方式，比如尝试AI for AI，Recursive的训练范式，挖掘科学内在规律、拓展更多模态，或提升模型参数量，以此强化长程科学推理能力。我们期待沿着这个方向，能实现AI4S基座模型的ChatGPT时刻。 Part03 以Science Token为商业模式暗涌Waves：从定价和商业化上看，Science Token会带来新的商业模式吗？张载熙：是的。不过，Science Token和文本Token的定价逻辑不一样，后者定价主要参考算力和电费成本，但Science Token除了考虑这些基础成本之外，还要衡量它背后的科学价值。有些领域，比如小核酸，数据非常稀缺，对应的Token价值自然更高，定价要体现实际的业务价值。我们希望成为AI4S领域对标DeepSeek、Anthropic的基座模型公司，探索以Science Token作为计费单元的商业模式。暗涌Waves：用Science Token计费，理想的买方是谁、具体用在什么场景？张载熙：比如药企。当模型能力足够强之后，我们不需要花大力气做BD，绑定单条管线做交付。抗体管线、多肽管线、小核酸管线，各类任务都可以承接。这时候计价单元就可以基于“消耗了多少Science Token解决这个药物设计问题”。就像Coding，不会按代码行数或模块来定价，客户信任模型能力，直接调用服务，消耗多少Token就付多少费用。这能省去大量BD个案的谈判工作。暗涌Waves：如果这个模式能实现，它也会成为AI4S基座模型企业通行的商业化路径吗？张载熙：Science Token还是我们提出的独有概念；至于衡量长链条科学推理数据质量的标准，及其计费标准，在全行业都没有成熟方案。我们和一些AI大厂交流时，他们也没太想清楚这件事。所以它还是一个非常早期的商业想法，需要行业共同推动形成共识。暗涌Waves：从一级市场视角，我们能看到不少投资机构和资金在涌入，但这个方向目前的融资声量跟大模型、具身相比，还差得很远。你觉得大家的分歧在哪里？张载熙：市场上存在两种极端心态，都可能造成投资决策犹豫。一部分投资人认可AI4S万亿市场，相信AI科学平权，希望每个人都能释放想象力参与科学探索，他们的怀疑点在于：现阶段的技术能力，能不能把这件事做成。另一部分人则把AI4S市场看得比较小，觉得客户只有高校师生和PI，付费能力弱。既往，市场对垂直模型具备清晰认知，但投资人对“大一统”的科学基座模型评判标准更严苛。因为他们觉得Harness加垂直领域小模型，足够解决科研需求。从用户端，很多科研人员虽向往更智能化的基座模型，但受惯性影响，习惯了调用工具化专项模型，这也是个矛盾点。暗涌Waves：怎样的投资机构更愿意押注于AI4S基座模型？张载熙：一些投科技的市场化基金，及部分曾深耕过制药领域的投资人。他们理解现有研发体系里的“历史技术债”，就像“屎山代码”一样：药企内部集成上百个小模型，每个环节信息传递都有损耗，维护成本极高。因此，他们从系统工程的逻辑判断，AI会是变革这些的最强力量。这类投资人更愿意押注基座模型路线。投资人的共识性要求是：必须快速迭代模型，抢占领头羊位置。团队配置上，我们已经把过去学术界和部分工业界大厂做AI4S基模研发的核心人才聚过来了，技术积累比较扎实。我们本来希望在今、明两年能达成一些商业化订单，但投资人觉得，短期内不需要过度在意这点，优先把模型能力做出来更重要。

Celestica：市场刚刚给投资者送上了一份价值 110 亿美元的“大礼”尽管 Celestica Inc.（CLS）近期财报表现超预期，而且整个市场也从 7 月底低点开始反弹，但随着投资者消化公司 8 月份的增发，Celestica 股价仍然持续承压。具体而言，公司在本季度以每股 310 美元的价格发行了超过 1,110 万股新股，募集资金总额接近 35 亿美元。不过，公司近期与 Advanced Micro Devices（AMD）以及 OpenAI 披露的一系列高质量合作持续推进，进一步凸显出 Celestica 在把握快速变化的计算需求趋势方面，其竞争地位正在不断增强。具体而言，AI Agent 的兴起正在加速计算需求从以训练为主的工作负载，向高容量推理转移。而最近 Agentic AI 的部署范围也开始从此前主要集中于企业环境，进一步扩展到大众消费者市场，Meta Platforms（META）最新推出的 Muse 就体现了这一趋势。推理强度不断上升，也相应增加了芯片之间的数据传输量。由于电力预算天然受到限制，这进一步提高了最大化每瓦性能（perf/W）的迫切性。因此，市场对于低延迟、高带宽网络的需求正在持续增强，尤其是 scale-up fabric，因为它负责同一计算域内部的互连，而其互连密度大约是跨机架 scale-out 架构的 10 倍。而 Celestica 最近与 AMD 和 OpenAI（OPENAI）的合作，也表明公司正在进一步扩大在相关机会中的覆盖范围，将目前在 scale-out 网络中的增长势头拓展至 scale-up 网络，并进一步深入到“板卡、机架和系统”层面的集成。这意味着 Celestica 能够在不断扩大的 AI 基础设施 TAM 中获取更大的价值份额，从而强化其正在加速的增长轨迹，同时随着更高价值的 Hardware Platform Solutions（HPS）业务扩大，也有望支持 Connectivity & Cloud Solutions（CCS）业务持续释放经营杠杆。由此带来的盈利上行空间以及长期自由现金流增厚，将是抵消近期增发造成股权稀释的重要因素，同时随着 Agentic Inference 不断扩大 Celestica 的需求前景，公司仍有望保留进一步的上行空间。 fileciteturn1file0L1-L9 AI Agent 正在推动网络强度上升 Agentic AI 的加速转型已经改变了 AI 开发的经济优先级。正如我此前的文章所讨论的那样，Agentic 工作负载所需要的持续推理循环、工具调用与模型调用，以及上下文检索，本质上都会提高推理 Token 的消耗量。而随着 Meta 最近推出 Muse，Agentic AI 的部署范围也正在进一步从此前主要集中于企业环境，扩展至大众消费者市场。具体来说，早期 Agentic AI 的采用主要集中在编程、工程、数据科学以及其他企业工作流中。根据行业预测，这些企业工作流分别占 OpenAI 和 Anthropic（ANTHRO）ARR 结构的大约 60% 和 90%。不过，Muse 的推出有望扩大消费者对 Agentic AI 的采用。虽然目前 Muse 的部署仅限于美国，但考虑到 Meta 过去能够成功通过其 Family of Apps 向全球用户分发新功能，而该生态系统目前覆盖 36 亿 DAU，因此 Muse 未来一旦拓展至海外市场，就可能释放数十亿新增用户。与此同时，随着越来越多竞争者进入这一领域，Agentic AI 在消费者场景中的采用范围也很可能进一步扩大。这与近期行业数据是一致的。目前行业预计，推理工作负载已经占全部计算需求的“大约三分之二”，高于 2023 年的三分之一以及 2025 年的一半。Dell（DELL）最近还预计，随着 Agentic AI 加速发展，到 2030 年推理 Token 数量将增长 87 倍，达到 3,600 千万亿个。不过，电力依然是核心约束因素，因为电网容量扩张速度仍然落后于 GPU 部署进度。因此，在固定电力预算下，推理量不断增长正在推动下一代 AI 系统设计越来越重视每瓦性能优化。这也相应提高了网络强度，因为要在固定电力预算下优化 perf/W，就越来越依赖更高带宽、更低延迟的互连，以减少芯片之间的通信瓶颈，并最大化系统利用率和正常运行时间。Cisco（CSCO）最近对这种强度进行了量化，其研究显示，在执行相同任务时，AI Agent 产生的网络流量最多可以比人类高 450%。这反映出，Agentic AI 的采用不仅提高了新增计算部署的迫切性，也同步增加了对配套网络基础设施的需求。AMD 最近发布的一份报告也印证了这一点，该报告将网络称为“决定 AI 性能与经济性的关键因素”。因此，这种背景进一步强化了 Celestica 未来在 scale-out 和 scale-up 领域的机会，也意味着公司的增长和盈利前景仍存在进一步上行空间。 fileciteturn1file0L11-L18 Helios 和 Jalapeno 验证了 Celestica 的 Scale-Up 拐点 Celestica 在 400G 和 800G 交换机上的持续增长，以及即将开始放量的 1.6T 项目，已经印证了公司正在不断扩大其在 AI scale-out 市场中的份额。具体来说，800G 交换机快速放量，以及 400G 需求保持韧性，是第二季度 HPS 业务增长的重要驱动力。与此同时，随着 10 个活跃项目将在 2026 年下半年至 2027 年期间进入放量阶段，公司即将转向 1.6T，这很可能进一步强化 Celestica 的竞争地位，因为 1.6T 路线图与越来越大规模 AI 集群部署所需要的更高带宽和容量高度匹配。不过，公司近期赢得的订单更重要的一点，是显示 Celestica 正在扩大在更靠近计算本身环节中的价值份额。正如前面所讨论的，从以训练为主的工作负载向推理加速转型，正在显著提高 scale-up 网络对于带宽和延迟的要求，因为 scale-up 网络负责连接同一计算域内部的 CPU、GPU 和 ASIC。这与管理层的判断一致，公司预计未来三年 scale-up TAM 将显著增长，而 Celestica 最近赢得的项目——包括与 AMD 的合作——表明公司已经很好地抓住了这一趋势。具体而言，Celestica 正在与 AMD 合作，参与后者即将部署的首个 Helios 机架级系统。Celestica 将负责 Helios 每个机架中构成“互连骨干”的“scale-up 网络交换机研发、设计和制造”，这意味着公司的业务路线图正在向更加接近计算核心、价值量更高的领域发生拐点。管理层预计，这项合作将形成数十亿美元级别的业务机会，而 AMD 目前已经锁定的 Helios 部署管线也进一步提高了可见度。其中包括：Anthropic 承诺部署最高 2GW 的 AMD Instinct MI450 系列 GPU，并在 Helios 机架中运行，其中首个 1GW 将于 2027 年上半年出货；Meta 做出跨多代产品的承诺，将部署最高 6GW AMD Instinct GPU，其中首个归属于 Helios 的 1GW 将于 2026 年下半年出货；OpenAI 同样做出跨多代产品的承诺，将部署最高 6GW AMD GPU，其中首个 1GW 也将对应 MI450 系列 Helios 机架，并于 2026 年下半年出货；Oracle（ORCL）则将在 2026 年第三季度部署首个包含 50,000 颗 AMD MI450 GPU 的 Helios AI 超级集群。上述项目预计都将由 Celestica 的 scale-up 网络交换机提供支持。 **Thanos Moschopoulos，BMO Capital Markets Equity Research：**那么，我们是否可以假设你们参与了其中大多数项目？还是说最终由超大规模云服务商来决定机架的具体配置？ **Robert Mionis，CEO 兼董事会主席：**不，我们参与了所有这些项目。来源：Celestica 2026 年第二季度财报电话会议。 Celestica 在 AI 基础设施 TAM 中渗透率进一步加深，也得到了近期与 OpenAI 在 Jalapeno 项目上的合作验证。公司将为 Jalapeno 架构贡献其“板卡、机架和系统方面的专业能力”，其中包括对 Jalapeno 的“Katsu”CPU Host 与“Vindaloo”ASIC 机架进行系统级集成，这些系统通过 PCIe 直连铜缆（DAC）连接。实际上，这使 Celestica 的 scale-up 敞口不再局限于基于通用 GPU 的系统，同时也进一步叠加了公司此前作为 Google（GOOG/GOOGL）TPU 首选制造合作伙伴所建立起来的定制 ASIC 业务基础。综合来看，最近赢得的这些项目表明，Celestica 正在同时加深对 scale-up 和 scale-out 市场机会的渗透。这些订单也验证了公司对目前正在推进的“多个 scale-up 项目洽谈和合作”最终转化的信心，而管理层预计，随着 1.6T 的到来，这些机会将进一步获得推动。这也意味着 Celestica 更高价值的 HPS 业务将从单纯网络领域，进一步延伸至机架和系统级配置。与此同时，这一进展还进一步叠加了第二季度已经观察到的企业 AI/ML 服务器与存储业务加速势头，说明公司正在下一代架构中获取更多内容价值，从而为 Celestica 基本面进一步上行提供支持。 fileciteturn1file0L20-L40 基本面考量在根据 Celestica 实际第二季度业绩以及前瞻指引，对我此前预测进行调整后，同时考虑近期新增订单以及 AI 基础设施需求结构正在发生的变化，我预计公司本年度收入将同比增长 65%，达到 205 亿美元。随后，公司收入预计将在截至 2030 年的五年期间实现约 37% 的 CAGR。增长将主要由 CCS 业务推动，而近期披露的订单提高了需求可见度，同时新出现的 scale-up 市场机会预计将在 Celestica 即将进入 1.6T 放量阶段后进一步获得动能。【原文图片位置：Celestica 基本面分析、增长预测与盈利预测（作者）】正如前面的分析所讨论的那样，Celestica 向 scale-up 市场扩张，预计将进一步扩大其更高价值 HPS 业务在不断增长的 AI 基础设施 TAM 中的覆盖范围。这将推动 CCS 的产品组合进一步改善，因为管理层此前已经指出，Celestica 的“非 HPS 业务利润率不如 HPS 产品高”。与此同时，随着 scale-up 渗透率提升以及 1.6T 放量带动整体出货量增长，经营杠杆预计也会进一步增强，并在规模扩大过程中持续推动利润率上升。【原文图片位置：Celestica 基本面分析、增长预测与盈利预测（作者）】股价考量综合来看，我更新后的预测支持 Celestica 每股 400 美元的目标价，高于此前的每股 384 美元。该目标价对应公司约 510 亿美元的内在价值，也就是说，在市场因近期股权稀释以及基础设施支出不确定性导致股价下跌后，相比当前水平仍有大约 110 亿美元的潜在市值上行空间。【原文图片位置：Celestica 估值分析与目标价（作者）】该目标价是基于现金流折现模型得出的，其中采用了与上述基本面分析一致的预测。终值采用对 2030 年预计 EBITDA 应用 1.5% 永续增长率计算。1.5% 的永续增长假设反映了 Celestica 核心市场长期经济扩张的预期速度，并可以作为公司进入稳定阶段后现金流可持续增长率的合理代理。包括终值在内的全部现金流预测，使用 10.3% 的 WACC 进行折现，这与 Celestica 的资本结构以及风险特征一致。每股价值则基于公司在 2026 年第二季度 10-Q 中披露的摊薄股数，并额外计入公司在 8 月份发行的 1,110 万股新股。【原文图片位置：Celestica 目标价估值分析（作者）】 fileciteturn1file0L53-L62 需要考虑的风险近期有关 AI 安全问题的担忧，以及随后行业内要求“放慢前沿 AI 发展速度”的呼声，再次给整个 AI 基础设施交易带来了波动。这一点已经反映在 Celestica 股价上：9 月 14 日周一开盘时股价跳空下跌 6.9%，最终收盘跌幅达到 8.8%，明显跑输大盘，因为投资者正在评估潜在前沿 AI 发展放缓可能带来的影响。不过，此后 Celestica 已经收复部分跌幅，因为 Nvidia（NVDA）CEO Jensen Huang 并不同意继续快速推进 AI 与安全之间必须二选一的隐含逻辑，包括对于灭绝风险的担忧。他认为，公司应该“尽可能快地向前跑……但在有需要的时候暂停一下，确保把事情做对”，以保证产品安全。Meta CEO Mark Zuckerberg 也表达了类似观点，他表示，“每一家实验室都有责任和动力，以训练模型所需要的安全速度推进，同时也有能力自行采取行动确保这一点”，并不需要刻意放缓进程或者建立联邦层面的统一治理框架。最新的发展再次凸显 Celestica 仍然暴露在较高的市场波动之下，因为投资者正在重新评估高水平 AI 基础设施资本开支能否长期持续，同时也还在消化近期股权稀释带来的影响。不过，公司持续保持稳定的执行力，尤其是近期不断扩大的订单合作，已经提高了其增长和盈利前景的可见度。即便围绕“放慢前沿 AI 发展速度”的不确定性仍然存在，这依然有望成为降低公司投资风险的重要因素。 fileciteturn1file0L64-L69 最后观点综合来看，市场很可能已经显著低估了 Celestica 的上行空间，因为公司正在出现的 scale-up 拐点，会进一步叠加目前已经非常强劲的 scale-out 网络以及 AI/ML 服务器增长动能。具体而言，近期 Helios 和 Jalapeno 项目的赢单，为 Celestica 在下一代 AI 架构中不断提高内容价值份额提供了有力验证。这还将受到即将到来的 1.6T 转型进一步推动，而管理层预计，1.6T 将加速公司的 scale-up 机会，并推动更多订单转化进入其更高价值的 HPS 管线。展望未来，Celestica 即将进入的 1.6T 放量阶段，以及 Helios 和 Jalapeno 项目首批产品的出货，将成为股价的重要催化剂，因为它们能够提高市场对公司 scale-up 机会的可见度。同时，Celestica 产品组合持续向更高价值的 HPS 销售倾斜，再叠加持续释放的经营杠杆，也有望进一步抬升其盈利和自由现金流增长轨迹。综合来看，这些因素应该能够增强公司从当前估值水平进一步向上重估的可能性，同时抵消近期增发造成的短期股权稀释影响。

又崩了今天A股成交额只有1.6253万亿，环比又缩了200亿，而年内最低是4月7日的1.6236万亿，也就是说，如果明天再缩20亿，成交额就破年内新低了，真是到情绪最低点附近了，而根据我跟投的表韭投顾的主理人，国联民生证券最新的A股温度计显示，温度已经破年内新低了，文末有提到。冰点就继续慢慢加吧，总比加在过热的时候好，老老实实做耐心资本。直接聊市场。 1、昨晚，全球AI的扛把子，费城半导体，大跌6个点，已经接近阶段性新低了。今天亚太市场其实开盘有回暖迹象，但下午集体跳水，主要原因是全球资产定价的锚，10年美债，又“崩了”，直接原地起飞，下图，怒破5.02%。 2、上行到5.02%以上，意味着什么？下图，最近20年，美债的最高点是07年的5.33%，而随后的次高是23年的5.021%，相当于，今天突破了2023年的位置，已经是07年以来的新高了。恭喜大家，年纪轻轻，又见证了20年一遇的行情。另外，上面的图里，下方灰色的阴影部分，是美联储的政策利率（下沿），很明显，长端利率整体是跟着政策利率上上下下的，而今年以来，明显是比较突兀的区间——政策利率横住了，但市场利率在快速上行。 3、今天晚上，白宫国家经济委员会主任（相当于川宝在经济方面的大参谋+政策总协调人），哈塞特，接受CNN的采访说： “if Kevin and the committee decide whatever they're going to decide... we will 100 percent support them.” 也即，无论沃什做啥决定，大统领和俺，都会百分百支持他。而前几天，他还说，大统领和他都觉得没任何理由加息。形势比人强啊。我承认，我的茅台大概率是不保了，周四晚上准备好抽了吧。 4、海外利率是下半年市场最大的不确定性，这块不展开了，还是看前文《最大的风险已经来了》就好。咱们总说一个逻辑：海外长债的风险，本质是美债的问题；而美债的问题，本质是财政可持续性的问题；而美国财政可持续性的问题，是一个结构性的问题，短期无解。咱们总提到“结构性问题”，这其实是一个舶来语，英文原文是structural problem。所谓结构性问题，指的是，由一个系统、制度本身导致的问题，而非某个人、某个事引起的——更形象的说就是，问题是被嵌进主体结构里了（built into the structure），所以无法自拔。因此，中文的“结构性问题”这个直译就很糟糕，至少用“系统性”、“内生性”来替代会好一丢丢，但也不是最佳，就当一个小科普吧。 5、乱世用重典，沉疴下猛药，之前咱们提到贝森特的回购长债没啥用，因为本质是隔靴搔痒，治标不治本。我上次举过美国军费的例子，帮大家可视化一下。下图，2020年，美国国防预算7400亿美刀，今年年初是1万亿美刀出头，然后实际美伊开火之后，年中增加到1.08万亿，而明年，直接干到1.5万亿美刀。你说，你这么搞，投资者如何相信你的财政纪律？包括Anthropic的负责人说要放缓AI前沿模型的研发，为啥川宝自己、以及AI沙皇，都极力反驳？因为AI在扩大资本开支的过程中，激活了上下游的产业链，带来了投资和税费的增长，这是川宝政府用来还债的钱啊，你现在要放缓，那我政府第一个不答应。毕竟前几天，川宝还嘴硬，会靠经济增长解决赤字问题。 6、而长债的飙升，有多重影响，比如说：一方面，美债上行，带动日债上行，并加速日本加息，导致用低息的日元套息的交易开始平仓，这块规模在2万亿美刀以上，边际上的一点小变化，就可能对市场产生冲击。另一方面，则是压制股市的估值，下图，是我星球今天更新的，海外资产追踪和温度计里的一张（完整解读，请见下午的星球原文），可以看到，从美股的股权风险溢价来看，截至上周五，已经跌破了0.3%，而今天长债继续上行后，事实上已经跌到了0.2%附近。股权风险溢价，说白了就是“你多冒了股市的波动风险，比买国债多拿多少好处”。正常情况下，买股票比买国债多拿3%-5%的回报，作为承担波动的补偿，但现在，这个额外补偿几乎为零。相当于啥呢？你走人行天桥（买国债）很安全，但要绕几步，横穿马路（买股票）快，但没有红绿灯，有可能被撞，正常情况下，横穿马路应该比走天桥快很多，你才愿意冒那个险，现在横穿马路只比走天桥少走两步路，那你多tm冒了被撞的风险，就为了快那两步，图啥？这么高的无风险利率的情况下，如果美国也要支持中小基金公司发展的话，老美的摊余成本法债基，估计已经卖爆了。 7、股权风险溢价=远期市盈率的倒数（A）-10年国债收益率（B）。当股债性价比掉落到历史最低点的时候，如果要回升，可以有三种场景。第一，股市直接下跌，市盈率变小，其倒数（也即A）就会变大，从而抬升风险溢价；第二，债券收益率下行修复，也就是B变小，也可以抬升风险溢价；第三，持续横盘，在股价不跌的情况下，通过盈利增长，带动市盈率下降，最后A也会慢慢变大。下图，纳指100从5月初以来，已经横盘4个月，表达的就是第三种情景。这些，其实6月初，我们在《聊聊美股的风险》里就已经覆盖过了，因此咱们反复提醒，不用着急，可以等待海外波动率放大的区间，正是基于这些最基本的股债性价比原理出发的。 8、好了，最后，说个A股的热点。也和“崩了”有关——赛力斯和某为的合作模式发生了调整。下图，你看，现在你看到“结构性调整”，你就知道啥意思了吧？这不是小打小闹，而是被市场的现状倒逼着，不改不行了。下图，是赛力斯的A股和港股，从2024年以来的走势图，可以看到：总市值最高的时候2800多亿，今天跌完，跌破800亿，零头都不到了；港股IPO是去年11月，基本就是A股股价最高点后，随后一路下跌，一点反弹都没有。 2024年我还去过赛力斯的厂子参观，当时还是欣欣向荣的景象，卖方把饼画得很大，而仅仅2年过去，换了模样，只能说，整车板块太卷了，电车目前的商业模式太差了和大模型有点像，迭代太快、护城河太浅），而某为既要又要还要的广撒网模式，最后就是战略失焦，各方都不讨好。电车二手本来就不值钱，现在老的问界，不知道值多少钱了。 ...... 就聊这么多。

Weekly丨美国银行正在上链MiM 周报 9/7 – 9/13, 2026 跨境支付｜US Bank 用自家稳定币 USBDC 在 Stellar 上跑通北美与欧洲间的转账。21 家银行的合资公司还在筹备，第一家大行已经先出了流水。同周 Nubank 在迈阿密宣布美国开业，一周前 Revolut 刚拿到 OCC 有条件预批。美国的银行往链上走，海外的银行却往美国走。链上金融｜加密永续市场给尚未公开递交 S-1 的 Anthropic 标出 $2.12 万亿，是 5 月私募估值的两倍多。IPO 未至，定价先行。Robinhood Chain 代币化股票 AUM 达到 Base 的七倍，但增长最快的是 189 个股票篮子 meme 代币。BTC 周中跌破 $77,000，BTC ETF 四连流出，ETH ETF 却单日吸金 $2.16 亿。 Agentic Economy｜Meta 发布连着用户支付方式的消费级 agent Muse，Mastercard 上线 Agent Connect，蚂蚁国际与 Mastercard、Visa 打通三套 agent 身份协议。入口、商户、护照同周就位。印度 NPCI 给 agent 发了 UPI 额度，GFF 上却禁谈稳定币。投融资｜本周 fintech 融资 $45 亿、18 笔，Mistral €30 亿 Series D 独占三分之二。下周开奖｜CLARITY 9/15 表决，Arc 主网 9/16 上线。美国的银行往链上搬家，世界的银行往美国搬家。Money In Motion09/16 12:01

国内第一个为团队而生的Agent，果然还是在飞书里面来了。就在刚刚，飞书和豆包工作一起，开了他们的全新发布会。在聊了很多飞书为Agent做的全新升级，还有和豆包工作深度融合后的产品能力之后，他们也终于发布了一个全新的功能，也是我们内测了一段时间，让我非常喜欢的功能。豆包工作伙伴。讲道理，这玩意飞书在国内第一个做出来，我一点也不意外。跟之前的豆包工作伙伴完全不一样，这一次，你可以把你的豆包工作伙伴，拉它进入企业里的任何群聊里面，成为一个团队共享的AI工作伙伴。它拥有独立的人设，独立的名称，独立的组织身份，比如我就给它改名了，名字也很性感，叫义父。它可以被拉进群，参加公司的会议、读所有的文档、代码等等等等，还能主动的去推进大家的工作，它长这样。如果大家有印象的话，会觉得，这个豆包工作伙伴，怎么跟那个Claude Tag那么像。对，确实很像。而且我觉得，如果要理解豆包工作伙伴到底是什么，最好的办法，可能真的就是先理解Claude Tag。今年6月份，Anthropic发布了Claude Tag。这玩意，被卡帕西称为AI在用户体验上的第三次范式。我觉得可以用一句特别简单的话来解释。普通Agent，是一个属于你自己的能干活的Agent。而Claude Tag和豆包工作伙伴这样的产品，就是类似于给这个Agent一个独立身份，让它安全、可控地帮公司里所有人一起工作。这句话基本就解释完了。我们过去接触的大部分Agent，不管是Claude Code、Codex，还是各种你自己搭出来的Agent，本质上都有一个共同点。它主要围绕“你”工作。而Claude Tag和豆包工作伙伴这样的形态，是一个完全不同的形态。你可以理解为，他有自己的身份、权限、记忆之类的，长期驻扎在公司的组织软件里，Claude Tag是待在Slack里，豆包工作伙伴是待在飞书里。公司里的任何一个人都可以跟它一起工作。它知道这个群之前发生过什么，也知道大家最近在聊什么，知道公司是什么业务、每个人负责什么、大家手上的项目分别是什么，也可以接入GitHub、多维表格、知识库之类的这些公司的系统。甚至很多时候，你甚至都不需要主动叫它。它自己会判断：这个事情，我是不是该干点什么。你看，这个关系就完全变了。以前在组织中，我们跟AI的关系，大概是：人、人、人、人。 ↓ ↓ ↓ ↓ AI、AI、AI、AI。现在呢，就变成了：人、人、人、人。 ↓ AI。所有人共享同一个AI同事，大家都拥有了一个团队智能体，大幅的降低各种沟通和损耗成本，让我们的小伙伴，更有时间，去做那些真正AI替代不了，真正重要的事情。这就是我觉得这类产品，对于组织来说，真正牛逼的地方。而在Slack中，Claude Tag其实可以发挥的作用没有豆包工作伙伴在飞书中的大，核心还是因为，飞书过去十年打下的基建和江山实在是太恐怖了。群聊、会议、文档、日历、任务、项目、OKR等等，甚至还有多维表格上的各种各样的业务数据，实在是太丰富了。所以在昨天，我甚至在公司内部，做了一个小小的决定，把公司内部沟通，也全面从微信迁移到飞书上了。公司的一个小小的里程碑，终于全面从微信切换到飞书了。这一年跑的太快，很多基石还没做好，沿着惯性在走，昨天想了想，还是下定决心了。对公司组织来说，也要全面拥抱为未来而生的基建才行。飞书基本上就是为Agent而生，虽说只是办公方式的一个小小的变化，但是也意味着，面向未来。这个决定，其实跟这几天内测豆包工作伙伴以后，有很大的关系。说回豆包工作伙伴，这玩意目前还是邀请共创测试，因为我们稍微特殊一点的身份，所以是前几天就拿到了内测的，大家想用的话，可能还需要再等等，但是有些东西，我觉得还是足够可以给大家看一看的。当你有了豆包工作伙伴的权限之后，你就可以在后台，看到他的设置页面，可以看到它的人设、自动化、资产、记忆等等。你可以随便改，比如我就把它改成了，义父。于是我们所有人让它帮忙干活，都是需要在群里，@义父。。。当然，你也可以建多个不同的工作伙伴，赋予他们不同的能力和人格。给大家举个例子。我们的小伙伴，就在尝试用义父，来讨论选题。平时刷到有意思的东西，就会直接扔进选题群里，大家一起聊聊能不能做。就比如说，今天他们看到的这个盆栽和手摇Token生成器。就可以在群里@义父，让它调研一下，技术上怎么实现，是否能够复刻。它立刻就可以给出一些建议，对工期、预算和可能遇到的问题做了初步估算。然后也可以让义父在群里，核查一些信息。然后还有一个选题，是开学了吗，于是说，看看能不能把ChatGPT当成语言老师。他们就还是把截图发进群里，让义父看看。义父聊完之后，大家还可以继续充分讨论，再进行投票。讨论结束以后，他们又让义父把前面的聊天整理成了一张选题总结卡片。选题聊完以后，我们的流程是，由内容组的小伙伴会先把觉得合适的方向提报到选题库，再由我筛一轮，确定哪些可以做。现在有了义父之后，他们真的就是随时分享、随时讨论，随时让义父往选题库里面扔。然后我就能看到，义父把前面聊到的两个方向分别录入选题库，状态先设成待定，等我看完再决定。接着，又让它根据选题库里之前已经确认可做的选题排一下档期。结合每个人的工作分工和已有排期，安排一下谁来做、什么时候做，再把对应的安排加进日历里。确认好以后，还能直接给对应的小伙伴来发送日程邀请。就有了这个豆包工作伙伴之后，我们的工作流程和协同也肉眼可见的发生了一些变化，因为，这是属于大家的Agent，是属于大家的同事。也能根据大家的时间，来约大家的会议。还能跟我们一起开会。。。这个同事也会拥有跟大家互动后，存下来的跟每个同事相关的记忆。也可以给他配置各种各样的权限。还有非常非常非常多好玩的东西和好玩的场景，感觉后续要慢慢发掘。飞书过去所有在机器人、AI和Agent上的积累，在此刻融为一体，汇聚到了豆包工作伙伴上。这个东西，是我过去这么久，用过的最有趣的Agent之一。不过这个事肯定不好做，因为Agent 、大模型、协同办公要深度配合才能有比较好的流程的体验，还有包括token消耗等可能会很大，但，一定是未来的趋势。其实过去，我也一直在思考一个命题。当AI真的进入一个组织以后，公司这种东西本身应该如何发生变化？因为我们都知道，一家公司里面，很多时候大量的成本其实都浪费在沟通和协作上。比如说很多看到我就脑壳疼的问题：“你有没有跟A同步？A告诉B了吗？B知不知道C已经改了？？？” 还有无数类似的，我都想杀人。过去我还在互联网中产的时候，真的，很多时候，一件可能真正只需要两小时完成的工作，可能前前后后要拉十个人，开三个会，发上百条消息，然后互相同步来同步去，三天才搞完。所以我现在，极其认同一个公式：团队效率 = 所有人个人效率的总和，再减掉协作成本。过去的AI一直疯狂提高的，都是前半部分，但是协作成本，靠的几乎还是组织管理方法论，还有使用的协同工具本身。但现在，因为豆包工作伙伴这样的产品，好像也在开始大幅降低协同成本了。但本质上，核心还是飞书这个产品的基建，实在是搭的过于优秀了。就像我上面说的，这也是我自己，为什么决定，最后还是决定把我们公司内部的工作沟通也全部迁到飞书这当然只是一个很小的变化。但我也只是想，把公司的工作方式，更加的面向Agent一点。对公司组织来说，也要全面拥抱为未来而生的基建。我们已经讨论了三年AI会怎么改变个人。那接下来，也要开始聊一聊，AI究竟会如何改变公司了。这个未来是必然会来的，那企业内部如何沟通，如何沉淀我们所有的知识和经验，如何管理项目，如何组织数据，如何让Agent真正的进入公司，这个是每一个组织，都必须要考虑的东西。虽然我过去吹了飞书无数次，我真的不想再吹了。但是我还是非常想真情实感地说一句。相信我，企业拥抱AI。先从飞书开始。就像谢欣在发布会最后说的那句话一样： “把卓越的工具交给人们，他们自会，创造非凡”

呸9月底之前，市场可能都会是震荡的节奏了。按表韭投顾主理人国联民生证券制作的温度计显示，截至上周五，A股温度跌破70度，全球温度计也创近期新低了，市场的冷清大家体感上应该也感觉得出来，今天成交额1.64万亿，环比上周五又少了200亿，创年内第二低了（仅次于4月7日）。不过，这种带着一丝性冷淡风格的区间反而是我比较安之若素的——真要是5-6月那种烈火烹油的行情，天天提示风险，也跟个小丑一样；而要是再来一次7月的大跌，我自己的账户也得大出血，可能就按摩不动了；所以，当下这种行情正好，把耐不住寂寞骂骂咧咧的资金慢慢洗出去，然后给那些具备耐心的投资者留足播种的空间，因为总体判断上，对后市不悲观，大盘指数估值仍然合理，回撤幅度也可控——还是此前说的，从主要经济体的大盘指数来看，A股的安全边际几乎是最好的。对大类资产的深度跟踪，以及温度计，我在星球里也制作了一个专栏，截至目前，已经完成了全球市场、A股核心资产、红利、黄金、固收+，这五类资产的深度解读，以及温度计框架，我把合集放在文末，适合真正想“知其然，且知其所以然”地做好资产配置的个人投资者，以及需要分析框架的理财经理朋友们，确保都是大白话版本。有需要的，看文末。 ...... 说回今天的市场。 1、今天全球AI板块一起下跌，下图截至15点，包括了A股的双创50、港股的半导体、美股的纳指100期货，以及日韩的4家AI龙头企业。今晚看了一眼，美股开盘，费城半导体低开5个多点。起因是，全球目前最强大模型企业Anthropic的创始人，Dario，发了一篇名为《We Must Pace the Frontier》的文章（中英版全文，以及具体解读，看周末的星球帖子），呼吁放缓前沿AI大模型的研发，强化监管，并继续对东大进行算力限制。短期看，这压低了市场对AI资本开支与估值的预期，利空芯片及算力产业链，A股这边光模块里的中际和新X盛，都跌了5-6个点。 2、Dario的这篇文章，我们可以把它比作学校里的一种场景——高二到高三的暑假期间，由于Dario自己天赋异禀，且靠家里砸钱，提前完成了高三的课程，然后开始呼吁：第一，大家高三的时候别卷了，卷过头了对大家身体都不好啊；第二，以后晚上8点都得熄灯啊，为了防止有人偷偷卷，学校必须管起来，要么直接拉电闸，要么安排老师巡逻；第三，那个三年二班的东大最危险啊，即使关了灯，他可能还在被窝里拿手电筒照着刷卷啊，必须把他的手电筒给没收了，顺便把他的计算器也给收了，让他打算盘做题（其长期呼吁全球芯片产业禁止对华出口）。 3、作为反华分子，Dario当然可以用小肚鸡肠来形容。好在，咱们不用亲自骂他，直接有嘴替了——David Sacks，号称AI沙皇，之前被川宝命名为白宫的AI和加密货币政策的最高负责人，他说的话，基本就代表政府方面的态度。他昨天洋洋洒洒写了一篇回怼Dario的文章，很长，核心思想用大白话总结如下：第一，前沿AI不就是你和OpenAI说了算？真怕AI失控，你们自己先停啊，没人拦着，发文矫情个啥？第二，你们不是在等监管，而是想用“AI要出事”倒逼政府出手；第三，按你Dario的意思，最好吧，这个限制AI发展的监管规则还由你们来定对不对？然后政府发布，帮你们挡住后来者，你们直接垄断完了闷声发大财？第四，你嘴上说拯救人类，实际不就是在“借刀杀人”？挟天子之令，给自己修护城河？一言以蔽之，David Sacks的意思就是：呸。你一撅屁股劳资就知道你想拉什么屎。 4、当然，这事对我们来说，还需要有三点清晰的认知。第一，AI的核心是什么？是军事霸权，Dario一直说，谁先掌握最强的AI，谁就可能获得全球军事的支配权（所以他言必谈意识形态），因此，AI的竞争不可能停止，David Sacks也说，你Dario这说些毛用都没有，因为东大根本不可能按你说的这个来。第二，如果一个资深的黑子，认为你是最大的威胁，那么，说明你真的挺强的，这就是咱们东大AI这块目前的真实竞争力。第三，大模型本身是比较差的商业模式，你看，即使是龙头的大模型，也焦虑的不行，天天防着别人弯道超车。 5、具体来看国内的市场。有两个热点可以关注，一则关于回购，一则关于掏兜。先说宁王的回购。上周五盘后，宁王公告，启动了第一笔的回购。下图，帮大家贴一下，宁王是7月24日宣布200-400亿的回购并注销的，但迟迟没有动静，此后，截至上周五，股价在宣布回购后累计下跌了13%，创年内新低，且由高点回撤了接近30%，这才第一次回购2亿元。今天，宁王涨超2%，算是对冲了一点光模块龙头的大跌。 6、另外一个热点，则是智谱继续掏兜。本周末，智谱公告，进行上市以来的第二次配售，且同步发行可转债，累计金额近50亿美刀。下图，直接看几个标志性时点：今年1月初，IPO，募资50亿（以下都是港币）； 6月初，纳入恒科； 7月初，首次配售，募资300多亿，摊薄股份4%以上；短短2个月后，再次融资，其中股票配售150多亿，转债200多亿。这业务真的太烧钱了。今天，智谱再跌9cm，高位累计回撤-76%。我看了一眼，一季度末，持股智谱并买到前十大的基金公司只有3家、产品3只；截至二季度末，基金公司变成了21家，产品变成了46只——截至目前，二季度加仓的，全被埋了。 7、对了，类似的情况，再提示一个风险。本周四，国产GPU的另外一个龙头，沐X股份，会迎来上市后的首次较大规模解禁。此前首次大规模解禁的摩尔，解禁以来累计跌-33%，可以参考下，不过，市场可能已经注意到了这个风险，摩尔解禁开始，沐X同步跌了-28%左右了。 8、最后，本周的核心，还是超级央行周，分别是：周四凌晨2点，美联储宣布利率决议，目前加息预期接近90%；周四19点，轮到英国央行，大概率利率不变；周五上午，日本央行，大概率加息25bps，概率接近100%。扶稳坐好，今晚报道称沙特的东西向输油管道大部分区域将停运数周，油价继续飙，等待大类资产波动率放大的区间吧。 ...... 就聊这么多。

已经到底了

AI Web3 ETF 稳定币 Defi RWA

搜索“Anthropic”共有20条相关结果

文章

Anthropic 联合创始人 Daniela Amodei（丹妮拉·阿莫迪）：如何构建 10x AI 团队与平衡增长的框架

Anthropic 联合创始人 Daniela Amodei（丹妮拉·阿莫代）：让 AI 成为每个人的终身伙伴

以小博大，一家AI4S水下公司的野心

Celestica：市场刚刚给投资者送上了一份价值 110 亿美元的“大礼”

又崩了

Weekly丨美国银行正在上链

Anthropic CEO Dario Amodei（达里奥·阿莫代伊）：AI将导致1-5年内半数白领失业，呼吁征税与透明度立法

国内第一个为团队而生的Agent，果然还是在飞书里面来了。

呸

国产大模型苦达利奥久矣

研究显示谷歌SynthID-Text水印技术或使AI模型更易受对抗性提示攻击

Anthropic 升级 Claude Code 项目功能，引入并行代理工作流

Anthropic 为所有 Claude 模型采用谷歌 SynthID-Text 水印技术

Anthropic 推出生命科学验证计划，首次开放 Mythos 模型

国王查尔斯三世主持AI安全峰会，OpenAI、Anthropic等高管出席讨论

OKX 在欧洲推出 OpenAI 与 Anthropic IPO 前杠杆交易产品

Anthropic与OpenAI的IPO或将创造巨额财富，但旧金山多数员工无法受益

SBF 曾向 Anthropic 投资 5 亿美元，其资助网络仍影响 AI 安全议程

Adecco集团向40余国2.7万名员工推广Salesforce AI助手Agentforce Coworker

Anthropic CEO 反垄断豁免提议遭华盛顿方面质疑