1. 亚马逊洽购 Decart：估值约 70 亿美元，买的是「帮 AI 换芯片」的软件
《华尔街日报》10 月 11 日援引知情人士称，亚马逊正在洽购 AI 创业公司 Decart，潜在交易估值约 70 亿美元。这家公司刚被 Anthropic 放过——彭博社 9 月报道，双方曾探讨约 60 亿美元的交易，但 Anthropic 做完尽职调查后决定不再推进。估值爬升极快：今年 5 月英伟达投资时，Decart 还只值接近 40 亿美元。Decart 的看家本领是 DOS（Decart Optimization Stack），一套让模型适配不同芯片、把同一块硬件算力榨得更足的软件，覆盖英伟达 GPU、谷歌 TPU 与亚马逊 Trainium，训练和推理都能用。它自己也做模型：Lucy2.5 号称 1080p、30 帧的实时视频编辑，能边播边换人物、改背景、做虚拟试穿；Oasis 则生成随操作变化的虚拟环境。今年 5 月 Decart 已把亚马逊列为战略客户，其视频模型 Lucy2 就运行在 Trainium3 上——亚马逊买的不只是技术，更是让开发者愿意选 Trainium 的一个理由。
2. 智谱 GLM-5.3-Highspeed 现身：实测冲到 490 tokens/s，是上代高速版的 2.4 倍
智谱上新了一款 GLM-5.3-Highspeed，已在 Zcode 3.15.1 里对订阅用户随机灰度。有网友晒出实测速度——490 tokens/s，接近 500 TPS，意味着输出 1 万 token 的生成阶段只要约 20 秒。对比一下：上个月发布的 GLM-5.3-FlashX 最高只有 200 tokens/s，GLM-5.3-Flash 在 Z.ai API 上的输出速度约 60 tokens/s，这次相当于把高速版又拉高了 145%。第三方模型目录 Pi 已收录该型号，上下文窗口 100 万 token、最大生成 131,072（约 128k），并提供 low/high/max 三档思考强度，配置与 GLM-5.3 普通版一致。智谱今年 5 月曾推出 GLM-5.1-highspeed（400 tokens/s），当时就刷新了厂商 API 速度上限；也有网友猜测它就是 OpenCode 上匿名模型 Omen Alpha 的真身。目前仍在小范围灰度，官方尚未正式发布。
3. 微软发布第三代自研芯片 Maia 300：推理每兆瓦吞吐比主流 GPU 高 40%
微软宣布新一代自研 AI 芯片 Maia 300 将于明年在数据中心部署，专为推理任务设计，其每兆瓦可处理的 token 数量预计比主流 GPU 系统高 40%。微软计划以吉瓦级规模部署 Maia 系列，逐步降低对英伟达 GPU 的依赖；与谷歌、亚马逊向外部客户出租自研算力不同，微软目前优先满足自身 AI 服务需求。上一代 Maia 200 今年已用于驱动 Copilot 等产品，部署覆盖美国、欧洲和澳大利亚，Maia 300 则被指 2027 年投产。这条消息的看点在于：当模型层能力越来越接近，推理成本与自研芯片的性价比正在成为云厂商的下一条护城河。
4. Meta 补上模型层：Muse Wonder 与 Muse Wonder Full 齐发，向 Muse Code 订阅用户开放
Meta 推出 Muse Wonder 和 Muse Wonder Full 两款新模型，即日起面向 Muse Code 订阅用户开放，其中 Wonder 还可通过 Meta Model API 调用。Meta 称这两款模型在多项内部基准测试中可对标 OpenAI 与 Anthropic 的领先模型，并计划未来用 Wonder 驱动其 Muse AI 智能体，但未给出具体时间表。这是 Meta 在超级智能实验室重组后的又一次密集发布，试图在模型层重新确立竞争力——此前 Muse 系列主要以 Personal Agent 的产品形态出现，模型底座本身的声音反而偏弱。自研模型能否真正对标头部产品，将直接影响 AI 模型竞争格局与算力投入的叙事。
5. 田渊栋：与 GPT-5 合写论文后意识到「5 年内会失业」，转身创办 Recursive Superintelligence
前 Meta FAIR 研究员田渊栋（做过围棋 AI、强化学习与神经网络可解释性，Coconut 论文作者之一）在播客里说了句让研究者心头一紧的话：「做完这个项目，我突然意识到，我的工作大概五年内就会被取代。」 触发点是他与 GPT-5 合写论文时效率提升了 6 到 10 倍。他的选择是主动下场：创立的 Recursive Superintelligence 今年 5 月结束隐身，以 46.5 亿美元估值完成超 6.5 亿美元融资，由 GV 和 Greycroft 领投，英伟达与 AMD 参投。不过他也给 AI 泼了冷水——「如果你让模型自己想点子，它会给你一些非常平庸的想法，基本上谁都知道。」 在他看来，发起问题与验证问题这两件事，目前还得由人负责。
6. 复旦邱锡鹏团队再融超 10 亿元：模思智能押注「全模态实时交互」
上海大模型公司模思智能（MOSI）10 月 12 日宣布完成超 10 亿元 Pre-A 轮融资，由华控基金领投，国开科创、上海科创基金、新微资本、徐汇资本、追光硬科技创投、临港策源基金等参投，元禾控股等老股东持续跟投。这是它今年的第二次官宣——3 月刚完成数亿元天使轮，IDG 资本领投。公司孵化于复旦大学教授邱锡鹏的 OpenMOSS 团队，2023 年 2 月就推出了国内首个类 ChatGPT 开源模型 MOSS。今年它明显加速：半年多发布 20 多个模型，覆盖 MOSS-TTS、MOSS-Audio、MOSS-VL、MOVA 等语音、音频、视觉系列。与智谱、DeepSeek 在通用模型与 Coding 上硬碰不同，模思聚焦语音、视觉与实时多模态交互，即将推出前后端协同的全模态实时交互系统 MOSS Live，瞄准 AI 眼镜、智能汽车与机器人，本轮资金也将砸向这一方向。
7. 阶跃星辰 Step 5 Preview：成本只有 Claude Opus 5 的八分之一，十万行项目实测「能打」
阶跃星辰新模型 Step 5 Preview 的定位是「往前推一步帕累托前沿」——能力相近的模型里做最便宜的那个。官方给的数字是：跑同一任务，成本约为 Claude Opus 5 的八分之一，是 GLM-5.3 和 Kimi K3 的 35%；10 月 8 日上线 OpenRouter 后 12 小时就登顶 Trending 第一，在 Artificial Analysis 智能指数上拿到 44 分，官方称位列全球开源模型前三。有清华开发者拿自己约十万行的开源邮件客户端项目 Pebble 做了实战测试：它能先把陌生项目讲清楚（收信、离线队列、追踪像素过滤几条线），再一口气开 5 个分身分头审查，翻出约 60 个问题并排出轻重；其中最严重的几个都属于「单看每段代码都没毛病、得把好几处对起来才看得出来」的深水 bug——比如升级时误删了不同文件夹里同编号的邮件，且删完不报错、还会卡住收件。修完后项目 344 项界面自动测试全部通过。
8. AMD 发布 Helion 智能体 AI 机架：单机架最高 32768 个 CPU 核心，11 月上市
AMD 10 月 12 日在加州圣克拉拉发布面向智能体 AI 的机架平台 Helion，基于开放计算项目（OCP）规范设计。它提供两种配置：纯 CPU 版采用第六代 EPYC 处理器，单机架最多支持 32768 个 CPU 核心，面向超大规模数据中心；CPU+GPU 一体化版集成 EPYC 节点、Instinct MI350P GPU 节点及通用计算单元，面向企业端到端部署。Helion 内置令牌路由器，可自动把模型调用分发到前沿或开源模型，两种版本均支持液冷与风冷，预计 2026 年 11 月上市。这是 AMD 以开放机架规范切入智能体 AI 基础设施、直接对标英伟达在 AI 服务器机架市场主导地位的一步。
9. Karpathy 画出「AI 漏斗」：全球 80 亿人里，真正见过前沿 AI 的只有 5000 人
前 OpenAI 联合创始人 Karpathy 给出一张扎心的 AI 漏斗：全球约 80 亿人中，能接触到实验室内部最强 AI 系统的可能只有约 5000 人；约 60 亿人几乎没碰过大模型；10 亿到 20 亿人偶尔用免费聊天框和搜索；真正把 AI 当生产工具的，他估计只有约 2000 万人。这些是他自己的粗略估算，但外部数据指向同一方向——微软 9 月报告：2026 年二季度全球 15 至 64 岁人口中使用生成式 AI 的比例仅 18.8%，阿联酋已达 73.3%、新加坡 64.3%，而全球北方平均 28.8%、全球南方只有 16.2%。有意思的是 Karpathy 自己的坐标变化：2025 年 10 月他还在嫌弃 Agent 是「Slop」，2025 年底发推感叹「从来没像现在这样觉得自己落后」，今年 3 月已基本不亲手写代码，5 月正式加入 Anthropic 预训练团队——从漏斗底一路走到了最尖上。
10. 腾讯要做「元宝助手」独立 App：Personal Agent 赛道国内大厂集体开跑
据《读佳》独家消息，腾讯元宝正在开发 Personal Agent 产品「元宝助手」，并计划推出独立 App，给予它独立于元宝主 App 的运行空间与权限，用来承载长周期任务、个人长期记忆等 Agent 核心能力；腾讯方面暂未回应。国内大厂在这条赛道上动作已经很密集：9 月 30 日豆包被爆将推个人助手「小豆」App，10 月 10 日蚂蚁灵光被爆测试独立的「我的生活」板块（主打长期记忆与主动推进任务），腾讯云推出 LightVela，千问在云栖大会上公布 Personal Agent 计划。各家依托的生态不同，腾讯的机会点在社交、IM、文档、会议构成的生产力场景。不过所有产品都卡在同一个现实短板：跨 App 调用权限受限、长周期任务容易中断、个人隐私数据边界难拿捏，目前大多还只是概念验证阶段。
相关文章
