每日简报 · 2026-10-28
信息截止：2026-10-28 08:10（北京时间）。主要覆盖 10-27 08:12 至 10-28 08:10，即美东 10-26 晚到 10-27 周二全天。第 6 条 Axiom 的发布在 10-26，上期漏看，本期补入并注明时间。已与 10-27 一期对比：Anthropic S-1、Meta 950 亿美元融资、GPT-6.1 Terra、OpenAI 数学结果本期只写增量。
一、今日判断
周二没有新的前沿模型，变化发生在「AI 怎么卖进组织、又怎么改变组织里的人」这一层。OpenAI 借甲骨文把 ChatGPT 变成企业软件的操作入口，还让客户用甲骨文的预付额度来买；Anthropic 把美国各级政府的采购从按人头 1 美元改成按 token 打六折、不设最低消费。同一天，Anthropic 自己的实验给这股采购热潮泼了冷水：50 名专业分析师用 Claude Code 做因果分析，在有两个合理答案的判断上 86% 选了智能体偏向的那一边，事后只有 15% 承认受了它影响。我的判断是：企业和政府正在把 AI 从「给员工的工具」改成「按用量计费的生产资料」，而真正的风险已经从「模型答错」移到「人以为自己在做决定」。资本端则继续分层：芯片商用卖卡的钱认购 Meta 的股票，专做推理芯片的小云厂商照样拿到融资。
Anthropic 随机实验：分析师 86% 的判断随了智能体的「偏向」，只有 15% 事后承认
为什么重要：企业部署智能体时最常见的安全设计是「人在回路里拍板」。这项实验说明，在没有标准答案的判断上，拍板的人很可能只是在复述智能体的立场，而且自己察觉不到。对政策分析、投资研究、审计、包括 AI 安全研究本身，这意味着「有人审过」不再能自动证明「有人独立判断过」。我的立场是：这是本周最值得企业管理者读的一篇材料，比任何模型发布都更直接地关系到组织怎么用 AI——需要独立判断的环节，应当先让人写下自己的结论，再打开智能体。反方检验：智能体被设定为主动推销某一立场，日常使用中的偏向更弱、更分散；样本只有 50 人；选择不用智能体的 11 人出错率更高（55% 对 6%），说明智能体同时也在减少明显错误，两组不可直接比较。
OpenAI 借甲骨文进入企业核心系统：在 ChatGPT 里操作财务和采购，用甲骨文额度付款
为什么重要：上期读 Anthropic S-1 时看到，它近一半收入经亚马逊、谷歌、微软的云市场入账。OpenAI 这次做的是同一件事的另一面：把自己放进甲骨文的采购目录，让企业用已经预付给甲骨文的钱来买，省掉新供应商审批这一关。更深的变化在入口：过去 AI 是嵌在企业软件里的一个按钮，这次是企业软件变成 ChatGPT 里的一个插件。谁掌握员工每天打开的那个界面，谁就掌握了企业软件的分发权。我的立场是：这比又一份「战略合作」稿件实在，因为它同时动了入口和付款方式这两件企业采购里最难的事；但它也让甲骨文冒了一个风险——把自己的界面让给一个可能成为竞争者的公司。反方检验：AI Workspace 尚无上线时间和定价；「在 ChatGPT 里完成审批流程」的可靠性和审计责任尚未有实际客户验证；甲骨文同时是 OpenAI 最大的算力供应商之一，这次合作有互相托底的成分。
美国政府买 Claude 改为按 token 打六折、不设最低消费，按人头 1 美元的协议 10-31 到期
为什么重要：2025 年各家实验室以象征性的 1 美元抢政府客户，是在买入口。到期之后，两家都切换成按用量计费，说明政府端已经从「让员工试一试」进入「把 AI 接进业务流程、按调用付钱」的阶段。按用量收费也意味着收入会随智能体的调用次数涨，而不是随座位数涨，这正是上期 Terra 降价要争夺的那一层。我的立场是：政府采购从按人头改成按 token，是企业采购的预演，按座位卖 AI 的商业模式正在被各家自己放弃。反方检验：折扣是相对公开价的，实际用量和支出尚无数据；「节省 10 亿美元」是 Anthropic 按预期用量的估算；州和地方政府的预算周期与采购能力差异很大，真正放量需要时间。
DeepMind 发布 Genie 4：世界模型能实时改场景、自带声音和对话，连贯时长约两分钟
为什么重要：世界模型的商业价值一直悬在两个方向之间：给机器人和智能体造训练场，或者给游戏和影视做预演。Genie 4 两头都往前走了一步，但两分钟的连贯时长说明它离「可以拿来训练机器人」还有不小的距离，离「拿来做创意原型」更近。比单项能力更值得记下的是架构：Genie 负责画面，Gemini 负责导演和检查，这是把语言模型的推理接到模拟器上的一种具体做法。我的立场是：短期内 Genie 4 是创意工具，不是机器人训练基础设施；判断它何时跨过去，看连贯时长和物理误差，而不是演示视频。反方检验：所有演示由 Google 挑选；尚无第三方定量评测；开放范围和价格未定。
芯片商认购落地：英伟达 30 亿、AMD 10 亿美元买 Meta 股票；推理芯片小云厂商照样拿到钱
为什么重要：意向变成了具体金额，芯片商「卖卡给客户、再买客户股票」的循环融资又多了一个确定的样本，而且捆绑了下一代芯片的部署承诺。另一方面，上周新兴云的坏消息并没有冻结整个算力市场：General Compute 的打法是不碰 GPU 大集群、专做非英伟达的推理芯片、租别人的机房，投资人看中的是开源权重推理需求的增长。我的立场是：资本在押「推理」而不是「训练」，在押「多供应商」而不是只押英伟达；这是上期「钱开始挑人」的延续，挑的标准是有没有确定的推理收入。反方检验：General Compute 的大客户未具名；Tenstorrent 估值相对英伟达体量很小，量产能力尚待验证；芯片商认购金额相对 950 亿美元发行规模有限。
Axiom 用智能体集群在 24 天内把「有限单群分类」写成 4310 万行 Lean 证明，并找出 34 处与已发表文献的偏差
为什么重要：上期 OpenAI 宣称否证指数时间假设，问题是「AI 说的新结论谁来检验」。Axiom 做的是另一件事：用 AI 检验人类已有的最大证明，而且每一步都可机器复核。这把数学研究里最贵的环节——审稿与核验——变成了可以用算力和智能体并行解决的工程问题，24 天、几十个智能体的规模本身就是对「智能体集群写长程代码」能力的一次实测。我的立场是：这比又一项「AI 证明了新猜想」更扎实，因为结论可以被任何人重跑；它也说明智能体协作的瓶颈已经从写代码转向任务拆分和依赖管理。反方检验：形式化陈述与原定理的对应关系需要群论学者确认；34 处偏差的严重程度要等勘误表公开；4310 万行的规模也意味着人工几乎无法通读，信任集中在 Lean 内核与定义是否写对。
引用与数据Markdown 镜像 · JSON · 事件 ID：evt-20261028-01、evt-20261028-02、evt-20261028-03、evt-20261028-04、evt-20261028-05、evt-20261028-06
