10 月 21 日，OpenAI 的前沿模型出现在 Google Cloud 的货架上。
GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna 先以私有预览向部分企业客户开放，客户可以在 Google Cloud Marketplace 采购，并用既有的 GCP 承诺消费抵扣，后续还会进入 Google Antigravity 与 Gemini Agent。OpenAI 同时强调，微软仍是其主要云伙伴。
一家前沿实验室把旗舰模型放进直接竞争对手的渠道，含义不只是多了一个销售入口：企业采购的重心正从「选哪个模型」变成「在已有云承诺内选模型」。本周另外两条线朝同一方向移动——Agent 开始真正执行动作，准入条件随之变成权限与审计；AI 资产的定价权则从股权叙事转到信用市场。三条线交叉的地方，是这一周对架构师最有用的信息。
本期覆盖 37 家固定对象，31 家在本周有可核证动作，6 家未见公司级公告：百度、华为、月之暗面、Midjourney、Scale AI、Figure AI。静默指窗口内未取得公司级产品、客户、融资或组织公告，且已完成限定范围的检索与入口尝试，不代表公司没有经营进展。
采购入口：模型摆上对手的货架
OpenAI：用渠道换企业可达性
这次合作的产品分层很清楚：三档模型按能力与成本切开，Codex 智能体工作流随模型一起进入云平台，Agent 入口从 ChatGPT 扩到云市场。通用可用（GA）计划在「未来数周」，本次合作的收入分成没有公开。
同一周，ChatGPT Ads 再扩 26 国至 89 国，覆盖拉美 14 国以及尼日利亚、南非、乌克兰、柬埔寨、孟加拉、巴基斯坦等地。广告只出现在 Free 与 Go 套餐，Plus、Pro、Enterprise 保持无广告。官方称广告上线八个多月已有逾 10 万广告主投放，ChatGPT 周活超过 12 亿。10 月 22 日，OpenAI 还发布了一篇关于「forward deployed engineering」的文章，显示它在复制企业交付型组织能力，但未披露人数。
从战略上看，这是把「模型领先」兑换成「渠道覆盖」：短期提升企业可达性，长期让模型层进一步商品化。风险也在这里——与微软的主云关系需要再平衡，广告扩张带来隐私与品牌信任压力，多云端同时上架削弱单一平台锁定，也压缩自身议价空间。广告规模化之后，OpenAI 与 Google 在搜索广告腹地正面相遇。
对做方案的人，实际变化是可以在 GCP 承诺内调用 OpenAI 模型、用同一张账单结算，多模型路由的商务阻力明显下降。但私有预览阶段的可用性与配额都未公开，生产方案仍需保留回退模型与独立合同条款。来源：OpenAI 公告、Google Cloud 博客、ChatGPT Ads 扩张。
Google：把 Gemini 塞进政府流程与汽车
Google 本周两条线，一条 to B，一条 to C。
10 月 20 日，Google Public Sector 在 Summit ‘26 发布 Gemini for government services，面向美国联邦、州与地方政府提供预置政府技能、数据连接器、第三方 Agent 生态与受治理的 Gemini 平台，首批客户包括密苏里州与 HHS，目前处于 preview。政府版包含 FOIA 脱敏、采购合规、政策检索等具体技能，并接入 SharePoint、Outlook、Salesforce、ServiceNow——直接进入微软的企业腹地。本次没有取得政府版定价与合同金额。
同日起，Google 把「Personal Intelligence」引入车载 Gemini：通过 Android Auto 与 Google Built-in 读取 Gmail、日历、YouTube、Maps、搜索历史，实现跨应用主动提醒，例如航班延误。先在 Android Auto 上线，Built-in 车型「未来数月」跟进，需要用户显式开启并可逐项选择连接应用。按媒体表述，Gemini 已进入「数百万辆」车辆。
两件事的共同点是 Gemini 从「问答」转为「嵌入工作流与生活流的执行层」。差异化不再来自单一模型分数，而是「云 + 行业技能 + 分发入口」的组合：一边用合规打包方案卖进高客单场景，一边用操作系统与车载入口把个人上下文做成护城河。政府业务通过 Accenture Federal、Deloitte、SAIC 等系统集成商扩张交付能力，规模化质量依赖伙伴，这是它的隐性风险；车载跨应用读取则容易触发隐私质疑。
做政府或受监管行业方案时，可以复用它的预置技能与连接器，但 preview 阶段的接口与合规认证范围要逐项确认。车载场景的「个人上下文」意味着权限设计、可解释性与退出机制必须前置到架构里，而不是上线后补。来源：Google Public Sector 新闻稿、TechCrunch 车载报道。
Anthropic：上市前先把「公共利益」制度化
10 月 18 日，Anthropic 设立全资实体 Anthropic Public Benefit Fund，经股东批准先注入 5% 股份；此后公司估值每较基准上涨 50%，董事会可再酌情追加 2%。叠加创始人 80% 股权捐赠承诺与员工配捐，官方称约 20% 股份将用于公共福祉。基金采用 LLC 而非 501(c)(3)，以便在捐赠与直接分配间调整，明确不用于游说或政治献金。
三天后，WSJ 引述其 IPO 草案招股书报道：2026 年上半年净亏损超过 800 亿美元，其中约 720 亿来自可转债等金融工具公允价值变动的会计处理；同期营收 163 亿美元，上年同期为 11 亿；AI 基础设施支出近 90 亿美元；公司还表示未来数年可能投入至多 7500 亿美元获取算力。路透另称投资者日讨论的估值约 1.5 万亿美元，低于此前约 2 万亿的预期。Anthropic 未回应，相关非公开信息无法即时独立核实。
亏损主要来自会计计量而非现金，但巨额算力承诺若兑现将形成巨大固定成本。收入从 11 亿跃到 163 亿美元的量级，主要由 Claude Code 等企业编码场景驱动，商业化已从 API 转向高粘性工作流。安全与「模型失控、敲诈」被列为主要风险因子。用收入高增长换上市窗口，同时暴露的是「增长越快、资本越重」的结构；公共福祉基金则可能成为前沿实验室应对监管与舆论的新模板。
选型上，Claude 的企业编码能力已被收入验证，可把 Claude Code 作为长周期 Agent 的主力候选。但供应商上市与算力承诺带来的价格与条款变化，需要写进多年期合同的风险条款。来源：Anthropic 公告、Al Jazeera 转述 WSJ。
Meta：开放权重同时铺向云与端
10 月 16 日，Meta Superintelligence Labs 发布 Muse Spark Open 权重，官方称其为「美国迄今最强开放权重模型」：原生多模态，8160 亿总参数、420 亿激活，100 万 token 上下文，面向编码与长程 Agent 任务。
它可以在两台 Apple M5 Ultra Mac Studio（每台最高 512GB 统一内存）上通过 MLX 本地运行，BF16 权重约 1.5TB。权重上线 Hugging Face、Amazon SageMaker、Google Cloud Model Garden、Microsoft Foundry，API 由 Together、Fireworks、Baseten、Modal、Groq、Nebius、OpenRouter 七家提供。许可证是限制商业条款的 Muse Model License，并非 OSI 开源。官方演示是在 Ice Cubes 上完成真实 iOS 改动、端到端驱动 DaVinci Resolve；本次未取得基准分数与下载量。
分发广度优先于独占：一次覆盖本地、四个云市场与七家推理服务商，直接压降低端闭源模型的定价空间。代价是自定义许可证限制商用，可能削弱「开放」吸引力；双 Mac Studio 与 1.5TB 权重的门槛，使本地部署仍属高端；开放权重也带来滥用与安全审查压力。
需要数据不出域的长程编码 Agent，可以评估双 Mac Studio 本地部署或托管 API 两条路径。上线前必须核对 Muse Model License 的商业限制，以及权重的存储与推理成本。来源：Meta 官方、The Guardian 报道。
微软：33 万席位与 2.6 万个 Agent
10 月 21 日，微软宣布大众汽车集团已有超过 33 万名员工使用 Microsoft Copilot，覆盖工程、生产、采购、销售等职能。此前先从 Copilot Chat 起步，月活超过 30 万，随后扩展到 Work IQ 与业务流程；公告前一个月，集团内有逾 2.6 万个 AI Agent 活跃。双方还计划以 Microsoft Fabric 扩展大众的 Intelligent Data Foundation，并在 10 月 22 日科隆的 Microsoft Frontier Tour 展示。微软未披露合同金额，也未给出经独立测量的生产率提升。
同日发布的 Contact Center Intelligence（CCI）公共预览，则把 Copilot 从 M365 推到客服场景：通过开放连接器，把 Dynamics 365 Contact Center 的 Customer Assist 与 Quality Assurance Agent 叠加到 Five9、Cisco Webex、Avaya 等第三方联络中心，Service Operations Agent 待发。知识底座是含 1,700 多个连接器的 Microsoft IQ，经 Agent 365 治理，按 Copilot Credits 计费。早期客户包括 Siemens Healthineers 与 Thomas Jefferson University，后者约六周从预览走向上线。
33 万席位加 2.6 万个 Agent，是目前公开可见的最大规模企业 Agent 部署之一。但大规模席位不等于高频价值，微软自己也没有量化生产率；联络中心赛道已有成熟 CCaaS 厂商，切入需要证明语音时延与合规，欧洲大客户又同时面临成本收缩，续约存在压力。
大型企业方案的可行路径是「Chat 普及 → Work IQ 流程嵌入 → Fabric 数据治理」三步。Agent 数量不是成功指标，权限、审计与 Agent 生命周期管理才是交付重点。来源：微软官方页（本次 403，正文经次级全文核对）、People Matters 报道、Futurum 对 CCI 的分析。
AWS：把主权云当作差异点
10 月 20 日，Amazon 宣布 2027 年将在德国追加 48 亿欧元扩建 AWS 欧洲（法兰克福）区域云基础设施，理由是德国客户对云与 AI 需求持续强劲。据路透，Amazon 2027 年在德总投资超过 160 亿欧元（约 180 亿美元），覆盖云、AI、卫星互联网与物流。
官方同时披露：2014 年以来已在德投入逾 180 亿欧元，2024—2026 年的 88 亿欧元计划将按期完成，2026 年 1 月上线的欧洲主权云（勃兰登堡）另有至 2040 年 78 亿欧元的计划。AWS 在德现有 3,000 名正式员工及 3,000 多名数据中心扩展用工。本周未见 AWS 新模型或 Agent 平台重大发布。
这是用主权云加区域扩容锁定欧洲受监管客户，把「数据驻留」做成对抗 Azure 与 Google Cloud 的差异点，同时继续前置资本开支。法兰克福扩容服务汽车、制造、零售等既有大客户（BMW、Siemens、Zalando 等被官方列为用户），AI 需求被明确列为投资动因，但没有披露 AI 收入。风险在能源、水资源与社区阻力，以及自研 Nova 与第三方模型之间的平衡。
面向欧洲客户设计架构时，主权云区域与数据边界应作为一等约束。若采用 AWS 托管模型，需提前确认主权云内可用模型清单与跨区调用限制。来源：AWS 德国事实页、Reuters 报道。
xAI：用伙伴网络补最后一公里
10 月 22 日，已更名为 SpaceX Super Intelligence（SpaceXSI）的 xAI 推出 Partner Network，分两类：「转型伙伴」是系统集成商与咨询公司，负责企业落地；「市场伙伴」在 Marketplace 上发布插件。官方称早期访问阶段已有 130 多家公司参与，30 多家机构的工程师通过其 Forward Deployed Engineer 认证。
首批伙伴覆盖数据仓、安全与系统集成：Bain & Company、Databricks、NVIDIA、Snowflake、MongoDB、Booz Allen、NTT DATA、EPAM、Twilio、Zscaler、Supabase、Sentry、Webflow；Tech Mahindra 同日另宣布围绕 Grok Build 的联合销售与认证合作。据 SpaceX 最新季度业绩，Super Intelligence 板块 2026 年第三季度营收 76 亿美元，受云交易、Cursor 收购与 Grok 使用增长推动——这一数字经媒体转述，未取得原始财报。
组织身份已并入 SpaceX，品牌与分销体系随之重构。战略上，这是从「模型 + API」转向「咨询交付 + 插件市场」的双边生态，复制微软与谷歌的企业落地打法，弥补自身交付短板。风险也明确：伙伴生态尚处早期，交付质量依赖第三方；与 Musk 相关公司的关联交易与治理透明度受关注；Grok 的公共争议可能影响受监管客户采用。
集成商可借 FDE 认证进入 Grok 交付体系。企业选型时，尽调重点应是伙伴的行业资质与 Cursor、Grok Build 的权限模型，而不是只看模型分数。来源：SpaceXSI 公告（403，经次级全文核对）、TeslaNorth 报道。
NVIDIA：把 AI 工厂变成可运维、可交付的产品
10 月 20—22 日 GTC Berlin 期间，NVIDIA 发布 AIOps 平台 Minerva，面向「AI 工厂」提供端到端可观测性：汇聚 GPU、SuperNIC、交换机、存储、调度器与作业遥测，构建动态知识图谱，用监督与无监督模型分析每小时数十亿数据点，预测故障并聚合告警，内置 AI 助手可对接外部 Agent 工具执行修复，覆盖规模从数百到数十万 GPU 集群。官方称其围绕 AI 工厂的「良率」优化，指标包括 GPU 小时、goodput、集群 uptime 与 token 产出。IREN、Bitdeer AI、IBM、Jio、Lambda、Tesla 等计划部署，Dell、Lenovo、Supermicro 将作为 AI 工厂运维组合的一部分提供。
主题演讲还披露了一组更硬的交付指标：Vera Rubin 已进入全面量产；DSX POD 参考设计把完整的 Vera Rubin AI 工厂装进模块化集装箱，现场部署从 6 个月缩短到 14 天（前提是站点水电就绪）；DSX AI Factory 平台冷却用水最多减少 100%，同等 AI 产出最多省 30% 电力；开源策略控制运行时 OpenShell 提供内核级沙箱；参考人形机器人 Agile ONE SN 有 31 个自由度，基于 Isaac GR00T，预计明年可用，生态伙伴含 Agility Robotics、Figure、KUKA、NEURA Robotics；此外还有 RTX Spark 笔记本（1 petaflop 算力、128GB 内存）。一周内，NVIDIA 承诺向欧洲技术生态投入近 100 亿美元、合作 12,000 多个伙伴，点名客户包括 L’Oréal、Revolut、Spotify、Merck、Vodafone、Zara、Porsche、Nestlé、HSBC。黄仁勋提到的约 20 亿美元新增欧洲 AI 交易为媒体口径，未获官方全文确认。
竞争壁垒正从硬件性能扩展到运维数据、建厂速度与软件栈：AI 工厂规模越大，迁移成本越高，云厂自研芯片的「够用即可」策略也更难撬动头部客户。AIOps 赛道已有成熟监控厂商，Minerva 的封闭生态可能限制异构集群采用；欧洲项目还要面对能源与审批约束，对华出口管制则是长期变量。
建设或运营 GPU 集群时，可以把 Minerva 纳入监控层选型，但要验证它对异构与多云环境的支持。「预制化 + 现场 14 天」会成为新的投标基线。一旦企业把 OpenShell 当作沙箱标准，Agent 框架层的议价权会被向上挤压。来源：NVIDIA Minerva、GTC Berlin 主题演讲。
中国区：控制点从模型移到权限与内容
阿里：把智能体插进电商经营链路
10 月 20 日 20 时，天猫等平台开启「双 11」，阿里把 AI 推到促销季主叙事。集团副总裁、千问办公 CEO 陈宇森在 10 月 21 日新华财经的报道中介绍，双 11 前期已推出「千问办公电商版」，与通用版的关键差别是从「被动响应指令」转为「主动发现问题」：打通企业内部业务系统与公域数据后，AI 可自动完成价格监控、素材生成、投放 ROI 分析，定位为「懂企业的数字员工」。
天猫总裁刘博给出的场景是「货懂人」——用多模态数据识别用户潜在意图，把消费从「满足需求」推向「创造需求」；商家侧的典型用法，是用千问办公智能体做下一季爆款预测并直接产出 PPT。平台层面，1688 全面接入电商 AI 工作台 Accio：买家端有「采购助手」负责比价、发询盘，源头厂商端上线「1688 生意助手」，用一句自然语言指令执行趋势洞察、智能发图上架、广告分析、意向客户接待。
第三方评估同步到来：IDC《MarketScape: Worldwide Foundation Model Software 2026》把阿里云千问模型家族、百炼模型服务与 Agent 开发平台列入「领导者」象限，且是唯一进入该象限的中国厂商。阿里云专题页标注 2026 年 10 月，原文只写「近日」发布，未给具体日期。公司口径称 Accio 全球中小企业用户超过 1000 万；千问办公首月用户超 3000 万、企业用户占比过半是 9 月披露的背景数据：该产品由陈宇森负责，7 月起内测、8 月公测，9 月云栖大会还公布了 Qwen4 预览与 5 万亿—10 万亿参数规划。本周未见新融资或组织调整公告，电商版收费与商家数也未公开。
阿里的 AI 主线正从「模型能力展示」转向「用自己的交易场景做商业化闭环」。千问办公不是独立 SaaS，而是插进选品、素材、投放、客服这条经营链路的作业层；Accio 则把这套能力向 1688 的中小与跨境供给端外溢，形成「内部场景验证、平台化、对外售卖」的路径。风险在于：AI 建议直接关联商家投放预算，效果归因与「AI 建议失败」的责任边界尚无行业规则；商家数据跨系统打通又涉及平台内数据权限与合规审计，规模复制时是硬约束。
给零售或品牌做方案，短期可以直接复用「智能体 + 企业系统 + 公域数据」的三段式结构，但要预留两类工程边界：企业侧的数据权限与审计日志，以及 AI 建议与人工决策的责任切分。不要把它当作「全自动投放」的卖点。来源：新华财经报道、阿里云 IDC 专题页、量子位（背景）。
字节：把「谁能被 AI 操作」写成清单
10 月 21 日，豆包手机助手在官网更新「拒绝操作应用清单」，主动限制 AI 对金融类应用的操作能力，范围覆盖银行、信托服务、支付、互联网金融及信贷。清单由 10 月 14 日的 155 款增至 166 款，新增 58 同城、Keep、华住会等。
此前 10 月 14 日，豆包宣布《屏幕自动化操作声明协议》（SAEP）30 天公示期结束，将逐步开放第三方应用的屏幕自动化操作权限，但明确声明拒绝的应用不会被 AI 助手执行。已公布的拒绝清单里，腾讯及关联生态 66 款（微信、QQ、腾讯会议、王者荣耀），阿里系 23 款（淘宝、支付宝、高德），快手 14 款、美团 11 款，另有 DeepSeek、Kimi、拼多多、小红书及多家银行、运营商应用。机制覆盖努比亚 M153 与 NaviX Ultra 两款机型。
业内给出的解释很直接：屏幕自动化需要读取屏幕内容、模拟点击，会接触验证码与通知，一旦误执行转账或证券交易难以撤回，而银行、用户、科技企业之间的责任划分缺乏成熟规则。字节在用系统级 Agent 抢手机入口，同时用 SAEP 把「谁能被自动化」的裁决权握在自己手里——以治理规则换生态合法性：先自定白名单与黑名单，再向监管与同业证明可控。
短期代价也很明确：被拒绝的高频应用正是跨应用任务最需要的环节，「一句话办事」的能力被结构性削弱，体验落差会直接反映在留存上。中期能否把「读屏模拟」升级为「应用方授权 API/MCP」，决定这条产品线的天花板。背景层面，字节 7 月 30 日发内部信把飞书产品团队与豆包产品团队整合为新的豆包产品团队（赵祺负责），商业化与火山引擎合并；9 月 15 日梁汝波在飞书大会称组织调整已完成、将加大企业市场投入。本周无融资或组织公告。
做端侧 Agent 方案时，跨应用自动化不能作为默认能力写进交付承诺。应设计「授权 API/MCP 优先、读屏兜底、金融类强制人工确认」的三级降级路径，并把应用白名单做成可运营的配置项，而不是硬编码。来源：联合早报报道。
腾讯：卖的不是模型，是「喂给模型的可信内容」
10 月 20 日，腾讯宣布「元宝搜索」升级，并通过腾讯云向个人开发者与企业开放，定位是给全行业 AI 产品提供「即开即用、可信可靠的内容检索基座」。
官方给出的能力分三层。内容层依托数千亿级索引，覆盖金融、政务、医疗等 13 个垂直行业的 157 个权威信源，用多源交叉验证抑制幻觉；接入层同时提供 Skill、MCP、API 三种方式，让 Agent 不必自建采集与索引工程；性能层宣称四项升级——用大模型重塑查询理解并做数据飞轮闭环、以 Gist Token 压缩重构排序链路降低推理延迟与成本、支撑千亿级向量实时索引、全网收录覆盖率达 96%。
腾讯同时披露了内部规模化验证数据：元宝搜索日均调用量已达数亿次，支撑 WorkBuddy、ima、腾讯金融科技、腾讯视频等 50 多个核心业务。这意味着腾讯把原本服务自家 C 端助手与办公产品的搜索能力，正式变成可对外计费的 AI 基础设施组件。
这是一次典型的「内部能力外部化」。腾讯在模型侧并不以参数规模取胜，但握有公众号、视频号、腾讯新闻等内容池与社交分发，元宝搜索把这部分存量资产转成 Agent 时代的检索入口；开放 MCP 与 Skill 而不只是 API，等于直接对接当前 Agent 生态的事实标准。它卖的不是模型，而是给模型喂可信内容的中间层，对手是同类的搜索 API 与 RAG 服务（含阿里百炼的检索增强、火山方舟的工具链）。对开发者价值在于省掉采集、清洗、索引与合规审核，对腾讯价值在于把内容优势变成按调用量计费的高毛利业务——定价未公开。
风险有三处：157 个信源与 96% 收录率的表述需要可审计的授权链条；「可信」是可验证性主张，一旦出现引用错误，伤害的是整个 API 的商誉；它与自家 C 端元宝存在潜在左右手关系，开放后如何定价、如何保证第三方与自家产品同等待遇，尚未公开。组织侧可观察的信号是招聘仍在加码模型侧：招聘官网 10 月 20 日更新的岗位含「混元大语言模型后训练算法工程师（Memory 方向）」与「混元 VLM 预训练数据算法工程师」，工作地北京、深圳、上海（岗位页可检索，未逐条核验详情）。背景层面，元器智能体平台将于 11 月 9 日停止服务，显示其在收敛轻量智能体工具，把资源集中到元宝与云端能力。本周无融资公告。
企业知识库或 Agent 项目可以先用这类托管检索服务验证效果，把自研资源留给权限、审计与业务动作。架构上要为「检索供应商可替换」留出抽象层，避免把 MCP 工具链绑死在单一云。来源：新浪财经报道。
DeepSeek：千亿融资与开源合规同时落地
10 月 22 日，彭博社报道 DeepSeek 在最新一轮融资中筹得 1000 亿元人民币（约 191 亿新元），规模跻身中国历来最大融资交易之列。知情人士称，公司在与投资者磋商期间至少两次提高目标：从最初 500 亿元提高到 800 亿元，最终定在约 1000 亿元。宁德时代与腾讯是本轮出资最多的投资者之一，细节未公开。资金用途指向两处：加大 AI 数据中心建设投入，以及继续开发面向中国及海外市场的开源模型；报道同时称这轮融资为 IPO 铺路，彭博此前还报道 DeepSeek 与月之暗面均在筹备上市。
同日另一条监管信息值得并列看：10 月 16 日，商务部、科技部就修订《中国禁止出口限制出口技术目录》公开征求意见，涉及大模型、智能体、算力集群、信息处理等 23 项 AI 技术；玉渊谭天 10 月 22 日发文称，政策公布以来 DeepSeek、MiniMax 两家头部企业已顺利履行登记手续，并完成开源和海外授权使用（PANews 转述，非部委原文）。
一边是巨额资本注入，一边是开源对外分发的合规划界，「开源换全球分发」第一次同时被资本与监管明确接纳。但资金规模也改变了下游结构：自建数据中心意味着从「算法效率优先」转向「算法加算力双投入」，这与它此前靠极致工程效率对抗算力劣势的叙事不同。价格仍是主要武器——9 月 V4.1 Flash 发布后，国内同业 MiniMax 与智谱的股价一度下跌。
风险同样清楚：金额、到账、估值均未获公司确认；出口管制新规下的登记与授权义务意味着开源权重一旦纳入管理目录，海外分发需要逐案合规；低价策略的可持续性依赖算力成本，自建数据中心会先抬高折旧。
1000 亿元把 DeepSeek 从「效率挑战者」变成「有资本开支能力的平台型公司」，国内模型价格战会因此更难缓和。真正的分水岭是 IPO 与算力落地：自建集群按期投产，低价就有结构性支撑；若延期，融资反而会成为成本包袱。把 DeepSeek 当作「默认低价基线」做成本测算仍然成立，但要为两类变化留余量——开源权重的海外分发可能需登记授权，以及供应商算力投入期的价格波动。多模型路由仍是当前最稳的工程解法。来源：联合早报转彭博、PANews 监管登记消息。
智谱与 MiniMax：估值锚换成 ARR 与迭代速度
10 月 22 日，港股 AI 大模型板块集体走弱。智谱（2513.HK）收盘跌 7.10% 至 460.8 港元，总市值约 2250 亿港元；与 6 月高点 2980 港元相比累计跌幅约 85%，但仍较发行价高近 3 倍。同日 A 股「智谱 AI 概念」板块下午跌幅达 4%、报 1038.258 点，成交 122.69 亿元。
市场给出的解释集中在两点。一是估值透支后的重估——6 月高点时，智谱市销率（TTM）一度超过 1000 倍。二是模型迭代节奏成为定价核心：智谱 6 月、8 月先后推出 GLM-5.2、GLM-5.3，GLM-5.3 上线初在 Artificial Analysis 得分 60，与 Kimi K3 并列开源模型第一，8 月又推出 GLM-5.3 Flash。基本面上，公司在 2026 年半年报业绩会提及，截至 8 月底 ARR 已达 16 亿美元——这是管理层口径，未独立核实。智谱 2026 年 1 月以 18C 通道上市，本周无融资或人事公告。
它的路线是「开放权重 + 企业或 coding 订阅」双轨：一边用 GLM 系列开源扩大分发、争夺开发者默认选项，一边用 GLM Coding Plan 这类付费订阅做现金流。上市之后，资本市场的要求从「榜单名次」转为「ARR 与留存」。摩根大通 7 月研报的判断是：开放权重扩大分发，变现仍取决于模型质量、迭代速度与端点可靠性；对差异化不足的模型，更广泛的访问反而加速比价与替换。风险也在这里：估值与基本面的错配仍在消化，85% 的回撤会压制后续股权激励与人才留任；客户迁移成本低；模型迭代若出现一次明显落后，市场会立刻用股价定价。
回撤不是公司特有事件，而是「大模型上市公司估值体系重建」的第一批样本：市场开始用 ARR、迭代速度与端点可靠性给模型公司定价，而不是用参数与榜单。若 16 亿美元 ARR 能在下半年继续爬坡，它会是三家冲刺资本市场的公司里基本面最扎实的一家。对采购方则是利好窗口——上市模型公司为了证明 ARR，会更愿意给企业客户长约折扣与私有化选项；谈判时应把「模型版本升级节奏」和「端点 SLA」写进合同，而不是只锁单价。来源：新浪新闻转达摩财经、东方财富。 MiniMax（0100.HK）同一天收于 160.7 港元，跌破 165 港元的 IPO 发行价，当日跌 6.52%，总市值降至约 566 亿港元；盘中一度触及 158.9 港元，最大跌幅超过 7%。这是它 1 月上市以来首次破发，相较 3 月 1330 港元的历史高点回撤约 88%，市值蒸发逾 3500 亿港元，创始人闫俊杰持股市值从峰值逾千亿港元降至约 127 亿港元。
与股价形成反差的是经营数据：上半年营收 1.166 亿美元、同比增长 283.1%，已超过 2025 年全年的 7900 万美元；「开放平台及其他 AI 企业服务」收入 7390 万美元、同比增长 703.1%，占比从 30.3% 升至 63.4%，成为第一大收入来源。产品侧，10 月 19 日推出的 M3.1 Flash 线上推理速度接近前代 3 倍，Agentic 任务综合使用成本降低 70%，API 定价为输入 0.15 美元、输出 0.60 美元每百万 token，并在智能体基准 ALE 上取得国产模型第一。
破发的直接原因不是收入失速，而是股本供给与预期修正叠加：7 月 9 日约 1.53 亿股解禁（占总股本约一半），当日跌 17.98%；7 月配售 3560 万新股（268 港元/股，净筹约 94.44 亿港元）并发行 65 亿港元可转债（2027 年到期、初始转股价 335 港元），两笔合计净筹约 158.77 亿港元；9 月 15 日股东特别大会又批准最多发行相当于已发行股份 20% 的新股授权。
成本端压力同样具体：上半年研发费用 2.969 亿美元、同比增长 138.8%，是同期毛利 2081 万美元的 14 倍以上；净亏损 3.58 亿美元（同比收窄 11%），经调整净亏损 2.93 亿美元（同比扩大 111.2%）。算力策略转向「自建加公有云」混合：上半年购置物业、厂房及设备的现金支出 1.876 亿美元（去年同期仅 38.3 万美元），同时把与阿里云的采购上限从三年合计 3.75 亿美元提高到 12 亿美元（2026 年 3 亿、2027 年 4 亿、2028 年 5 亿）。组织侧，闫俊杰 7 月内部信称在实现 AGI 前不领薪酬，并拿出相当于总股本 4% 的个人股份激励团队、1% 设开源基金。
它的路线是「低价 API 走量 + 多模态差异化」，把单位任务成本当作核心竞争指标，同时保留 H3 视频生成打差异。但旗舰模型自 6 月 M3 之后已四个月未更新，公司称 M3.1 与 M3 Pro（参数约 3T）在研，发布时间未定——这正是市场对其「迭代速度」定价的原因。收入结构已从 C 端转向 B 端，企业客户贡献约 80% 的 ARR（花旗 9 月 4 日研报口径：8 月 ARR 超 8 亿美元，2 月为 1.5 亿美元；未读原研报）。低价 API 的客户迁移成本低，B 端 API 已进入红海，单客户价值与留存是隐忧。
破发是「收入高增长、亏损扩大、股本扩张」三件事同时被市场定价的结果，港股对 AI 模型公司的估值锚从 PS 切到增长质量与迭代节奏；若 M3 Pro 不能在年内落地，低价 API 的份额故事很难支撑 500 亿港元以上市值。对做方案的人，M3.1 Flash 的单价已进入「可无脑接入做批处理」的区间，适合高并发、低价值密度的 Agent 子任务；但要把 prompt 与工具协议做成模型无关层，避免被单一低价绑定。资本信号上，股份供给、解禁与转股压力可以直接抵消收入高增长，定价权已从增长叙事转向每股指标。来源：36 氪、新浪转达摩财经。
三家静默公司：百度、华为、月之暗面的观察点
静默本身也要交代核验范围，否则读者无法判断它是「没事」还是「没查到」。
百度本周无重大公开动态。核验范围是 10 月 16 日至 22 日的集团、智能云、文心与千帆公告及媒体报道；已执行多组检索，并直接抓取千帆官方「模型更新记录」页与百度智能云新闻列表页，两页只返回导航框架、未取到正文条目，因此不作「本周上线某模型」的推断。窗口内仅有股价与板块类行情稿。
可核验的背景事实是：昆仑芯 5 月 7 日启动科创板辅导，6 月 29 日曝出拟赴港、目标估值 500 亿美元；千帆累计支持企业构建超过 130 万个 Agent，工具日均调用数千万级（2026 年 2 月口径）；文心 5.1 于 5 月 9 日发布，官方称预训练成本约为同规模模型的 6%；百度世界 2026 定档 11 月 12 日，公告日是 10 月 15 日，在窗口前一日。策略上，百度的路线是「芯、云、模、体」全栈，昆仑芯分拆上市是当前最大的资本变量。
本周的静默更像「蓄势」而非「失速」：公开叙事集中到了 11 月 12 日的百度世界。真正的观察点是届时能否给出智能体平台的付费客户数与留存，而不只是模型分数。本周没有可行动的新能力发布；若近期选型，千帆的价值仍在「模型可选范围广 + 芯片自供」的组合，但需自行验证智能体运行时的稳定性与私有化交付边界。来源：千帆文档页（本次仅框架）、新浪财经（背景）、量子位（背景）、新浪财经（百度世界定档）。
华为本周无公司级重大公开动态。已检索昇腾、盘古、算力、智算中心、签约与 950 超节点上市，并尝试抓取华为官网新闻中心，该页只返回栏目标题。窗口内可核的事实只有两类：昇腾社区「淬火行动」上海专场 10 月 21—23 日开班，属开发者培训而非产品发布；10 月 20 日华为昇腾板块指数盘中涨 3%、华为盘古概念收涨 3.39%，属板块行情，不是公司动作。
背景是：昇腾 960 超节点 9 月 17 日发布，是全球首个采用 NPO 技术的超节点；昇腾 950 超节点 7 月在 WAIC 首展，按 2025 年全联接大会公布的计划于 2026 年四季度上市。盘古承担行业模型与端侧智能（配合鸿蒙与小艺），真正的护城河是昇腾芯片、灵衢互联、超节点整机与 CANN 软件栈的全栈自供，这也是出口管制环境下唯一能规模交付的路径。Q4 是 950 超节点的上市窗口，客户以国资智算中心、运营商与头部模型公司为主，这类订单是项目制、周期长、收入确认滞后于发布，所以「本周无公告」不等于无进展。
关键变量不在新闻而在交付：Q4 能否按计划批量交付，直接决定 2027 年国产算力供给曲线，也决定国内头部模型公司「训练侧去 CUDA」的进度。先进制程与 HBM 供给约束出货节奏，CANN 与 CUDA 的生态差距是客户迁移的主要摩擦，超节点又是重资产方案，客户决策链长、回款周期风险高。若方案要跑在昇腾上，本阶段应把适配预算放在算子与推理框架（MindIE、CANN），而不是模型微调；采购侧要按「超节点整机 + 软件栈 + 迁移服务」整体计价，避免只比较单卡算力。来源：华为（背景）、昇腾 960（背景）、东方财富、证券时报。
月之暗面本周同样无重大公开动态。已检索 Kimi 客户端、融资估值、港交所上市进展、K4 与 Hosted Agent，未发现公司级产品发布、融资交割、招股或组织公告。窗口内只有两类弱信号：Kimi 客户端 10 月 21 日发布 3.1.5 版本更新，属维护性更新；10 月 16 日前后财经媒体对「新一轮融资估值是否靠谱」的讨论，未见公司回应。因它尚未上市，也没有股价口径可作侧面印证。
背景层面：Kimi K3 于 7 月 17 日发布并开源，2.8 万亿参数、100 万 token 上下文、原生视觉理解，是全球参数规模最大的开源模型；这一路线与 DeepSeek 的低价效率路线形成对照，更强调能力上限与开发者生态。C 端以 Kimi 智能助手为主入口，B 端通过 Kimi API 开放平台提供 K3 能力；7 月公司曾透露将发布「Kimi Hosted Agent」，把 C 端验证过的 Agent Harness 与沙箱能力平台化，但截至本周未见正式上线公告。彭博 10 月 6 日报道，公司已完成上市前最后一轮私募融资，估值约 500 亿美元，并推进 2027 年第一季度在港 IPO、拟募资上限 50 亿美元；9 月曾就保密形式递交 A1 的传闻回应「消息不实」，上市时间表仍可能调整。另需说明：OpenAI 9 月 30 日发布报告称阻断了一起有组织的模型蒸馏行动，并称其中一组活动与月之暗面关联人员有关；公司本周未回应，这属于争议性指控，仅记录、不作事实认定。
静默本身是一个信号：在两家同业已上市并被市场重估之后，500 亿美元的估值锚需要一次公开的收入或客户证明，否则 IPO 定价会更依赖市场情绪。K3 仍是长上下文与开源可自部署场景的强选项，适合文档密集型任务；但因 Agent 平台化能力尚未正式开放，方案里应把它定位为「模型层可替换组件」，不要提前把 Harness 依赖写进架构。来源：信报转彭博（背景）、新华社（K3，背景）。
应用层：Agent 开始动手，治理成为准入项
这一组里五家不同赛道的公司，本周在卖同一件东西：让 Agent 跑得可控、可审计、可回滚。
Perplexity：把 harness 搬到本地
Perplexity Computer 现在可以在 Mac 上「完全本地」运行：在 Apple Silicon、内存 36GB 及以上的机器上，包括 harness 与 orchestrator 在内的整个 Computer 体验都留在本机，不必把邮件、笔记等数据上传云端。本地可选两个模型：Qwen 3.6，以及 Perplexity 基于它自行后训练、面向 Computer 场景调优的 PPLX Pro；若任务需要更强模型，用户可以授权调用 15 个以上前沿模型。代码与工具执行在隔离沙箱完成，官方称云端版本沿用同一套安全协议。该能力先向 Pro、Max、Enterprise 订阅用户开放，需下载最新 Mac 客户端并在应用内安装本地模型。
官方给出的产品逻辑是「本机分担更多 AI 工作，让用户对敏感数据与 credit 消耗有更强控制」。这是 9 月 Hybrid Compute（云加本地拆分）之后的路线延续，且把「本地」从可选加速项变成了完整形态。
战略含义是从「云端 answer engine 加订阅」转向「本地优先的个人 AI 工作台」，用隐私与成本可控性对抗云端大厂的同质化助手；模型层主动采用开源权重再做后训练，减少对单一前沿模型供应商的依赖。本地化把目标客户从「愿意为搜索付费的个人」扩展到「有数据合规约束、但买不起私有化集群的中小团队」；36GB 内存门槛又把可用人群限定在近几代高配 Mac，短期是高端专业用户与企业试点，不是大众市场。风险是本地推理体验弱于前沿模型、用户频繁回退云端反而拉高复杂度，Mac 单一平台限制渗透，本地算力与 credit 定价叠加则容易让付费用户感知价值不清。
它把竞争维度从「答案质量」移到了「数据留在哪里、算力由谁付费」，这是消费级 AI 产品第一次把本地推理做成完整交付形态。对做解决方案的团队，「端侧模型 + 云端兜底 + 沙箱执行」可以作为合规敏感行业的标准架构模板；本地 harness 可运行也说明 Agent 运行时与模型权重已解耦，方案设计可把敏感数据面放在端侧、把难任务路由到云端，但必须自建模型分发、版本与回滚管理。第三方数据库 Tracxn 显示其累计融资约 17.2 亿美元、估值约 226 亿美元，另有多家媒体转述「正在以约 300 亿美元估值洽谈新轮」，均属二级信息、未独立核实，仅作背景。来源：Engadget 报道（官方博客 被 Cloudflare 拦截，未读全文）。
Runway：把生成能力塞进别人的企业预算
Runway 本周两条线并行。其一是分发：公司官方账号 10 月 21 日宣布 Runway 加入 Anthropic 的 Claude Marketplace，把视频、图像、音频生成放进企业既有的 Claude 采购与预算体系，官方措辞强调「同一个预算里就能用上生成式媒体」。同一周官网横幅显示，10 月 31 日前签约的企业可获两个月免费额度。
其二是叙事：联合 CEO Cristóbal Valenzuela 在都灵 View Conference 的「Every Pixel Will Be Generated」对谈中，被问「AI 是否会取代真人演员」时回答「是的，绝对会，某种程度上已经在发生」，并把 AI 描述为「新的表达媒介、新的叙事媒介」。他重申自己的「像素经济学」判断——生成像素的价值趋向于零，最终「被消费的秒数」会收敛到「被生成的秒数」。同场 NVIDIA 的 Richard Kerris 强调导演与演员之间的即兴不可替代，双方形成明显对照。Valenzuela 还回应训练数据质疑，称「模型不是数据库，而是从表征中学习」。
战略上，它一边用 marketplace 嵌入他人的企业分发入口（Claude Marketplace、MCP 连接），一边用「媒介革命」话语争夺创意产业的定义权；产品定位从工具转向「创意平台加 API 或代理接入」。加入 Claude Marketplace 意味着采购路径从「创意部门自购」变成「企业 AI 预算内采购」，有利于跨部门扩张；企业两个月免费属于典型的地推式获客，说明企业侧仍在抢装机量而非收割价格。公司维持双 CEO 结构（Valenzuela 与 Anastasis Germanidis），本周未披露融资、估值或高管变动，营收、ARR 与估值均未公开。
风险在于：CEO 对「取代演员」的公开表态会激化与演员工会、创意从业者的关系，也可能被用于版权与劳工诉讼的叙事；视觉艺术家对 Stability、Midjourney、DeviantArt、Runway 的拟议集体诉讼仍在进行；视频生成赛道本周出现新独角兽 Utopai，价格与能力竞争加剧。
创意类 Agent 的集成门槛正被 MCP 与 marketplace 拉平，方案商可以直接把「脚本、分镜、生成、剪辑」串成一条可计费的流水线，但要提前处理素材版权与演员肖像授权。资本侧，市场在为「能进入企业预算体系的分发位」定价，单点模型能力不再是估值主轴。来源：Variety 对谈报道、Runway 官网。
Harvey：连接器、写回与签章闭环
Harvey 本周宣布 Connector Library 正式可用。这个库把法律团队日常依赖的系统接进 Harvey：文档管理系统支持写回，合同与数据房间、邮件与聊天线程等上下文可被拉入。每个连接器都要经过 Harvey 的安全审查与监控流程（其 MCP 策略引擎），并以受治理的方式部署，降低律所与企业法务的尽职调查负担。
产品交互也变了：不再是用户手动挑连接器，而是 Harvey Agent 根据当前任务动态推荐，并在答案中给出可回溯到来源的引用；库中没有的系统，客户可自行添加自定义 MCP 连接器，早期客户已接入 BI 平台与细分数据源。
官方给的落地样例很具体：供应商违约分析中，Harvey 合并 Jira 故障工单、IT 团队 Slack 讨论与 Docusign 已抽取的合同结构化数据（SLA 阈值、履约历史、终止权），给出分析后直接触发 Docusign 工作流发起终止请求、走审批并送签，全程不离开 Harvey。本周官方博客同时发布面向中型律所的采用路径与「法务能力向财务、采购外溢」的内容，产品叙事从「律师助手」转向「企业法律工作流底座」。
它以「上下文 + 治理 + 写回」构建护城河：模型可替换，但接入企业系统、跑通审批与签章闭环的位置难以替换；MCP 自建能力则把生态扩展外包给客户与集成商。从问答、起草走向系统级执行，单客户价值随接入系统数上升；面向中型律所的内容说明它正从头部律所向中端市场下沉，扩大可及市场。招聘页面显示其仍在扩充内容与市场团队，属 GTM 扩张信号而非研发扩张。
风险也随执行深度升级：写回 DMS 与触发签署意味着一旦出错，责任从「建议错误」变成「操作错误」，对审计日志与权限模型要求极高；法律行业对数据驻留与保密特权敏感，跨系统连接会拉长安全评审周期；连接器越多，维护与合规成本越高。
它把竞争焦点从「法律问答准不准」转到「能不能在企业系统里完成动作」，是垂直 AI 从 copilot 走向 system of action 的标志。对同类垂直厂商，护城河不在模型，而在连接器治理、写回权限与行业流程模板。可复用架构是「MCP 连接器 + 策略引擎 + 写回」，做垂直 Agent 时应优先解决权限、审计与回滚，而不是继续堆 prompt。来源：Harvey 官方博客、中型律所采用路径。
Sierra：同一通电话里完成收款
Sierra 与 Stripe 联合宣布，其 AI 客服 Agent 可以在同一通电话内完成收款，首批落地在医疗账单场景。
流程是：患者来电询问账单，Agent 先解释费用构成；进入安全支付模式后，患者在电话键盘输入卡号，卡信息直接路由给 Stripe 处理；支付成功后 Agent 回到通话确认并继续服务，无需转人工，也无需另发支付链接。Cedar（为医院与医生集团做账单与支付的公司）是首批采用者，其 Agent「Kora」在患者发起支付的来电中，71.3% 完成成功支付。同期 Sierra 上线 Stripe App Marketplace，任何使用 Stripe 的企业可直接安装对接，不必做一次性集成。
Sierra 还说明，支付只是与 Stripe 合作的一部分；双方与 Meta 一起推进 Personal Agent Protocol（PAP），定义个人 Agent 代表用户与企业交互时的规则，包括支付应如何发生。第三方报道中「语音 Agent 从成本中心转向收入入口」的定性被 Cloudflare 拦截、未能读取全文，仅作线索，不计入事实主张。
战略上，这是把 Agent 从「降本工具」推到「交易入口」，用支付闭环把客服预算与营收指标绑定；以 PAP 参与标准制定，则是在抢个人 Agent 与企业系统之间的协议位。Stripe Marketplace 上架意味着分发从直销转为生态自带流量，中小客户可自助接入；医疗账单是高摩擦、高客单、强合规场景，跑通后可复制到保险、公共事业、电信等账单型行业。本周未披露融资与估值；Bret Taylor 在 Money20/20 与 BNY 的 CTO 同台，属金融行业 GTM 动作而非融资信号。
风险有三层：电话键盘输入卡号涉及 PCI 合规边界，责任划分（Sierra、Stripe、企业客户）需清晰；71.3% 是 Cedar 单场景、单一口径的支付发起转化率，不能外推为行业均值；语音 Agent 的欺诈与身份核验风险高于文本。
这是语音 Agent 商业化的分水岭——过去卖「节省多少人力」，现在可以卖「多收回多少应收」，付费意愿与预算科目都变了。可复用架构是「会话 Agent + 安全支付模式切换 + PSP 直连 + 回执确认」，关键是号码不落 Agent 侧、只透传给支付服务商。资本侧，能把 Agent 接到交易流水上的公司，估值锚从「席位或对话量」转向「GMV 分成」，这是应用层少见的、可规模化的收入结构。来源：Sierra 官方博客。
Glean：让 Agent 进版本库
Glean 10 月 21 日发布「headless agent building」：开发者可以在 Claude Code、Cursor、Codex 等编码环境中直接编写、测试、评估并发布 Glean Agent，Agent 运行在 Glean 托管运行时上，继承其企业权限、安全与治理能力。
工程形态很具体：插件在工作区生成 spec.yaml（配置）与 instructions.md（行为），可随代码一起进版本库，并可用 skills 或子 agents 扩展；发布前可跑测试与评估，支持版本管理与回滚。官方强调差异化在于：用代码构建的 Agent 与可视化构建的 Agent 共用同一套知识图谱、275 个以上企业数据源的权限化访问与审计轨迹，开发者不必自建企业上下文底座；偏好低代码的客户仍可用原有可视化 builder。同期，Glean 还发布了面向全员的数据分析能力（把 Power BI、Tableau 与 Salesforce、Jira 等业务系统接入上下文层），以及一篇「用真实工作问题筛选企业 AI 搜索平台」的选型指南，明显是在争夺企业 AI 采购的评估标准。
它把自己定位成「企业上下文与治理层」：向上兼容各种编码 Agent 与低代码 builder，谁做 Agent 前端都可以，但权限、知识与审计必须经过 Glean。headless 形态切中工程团队「Agent 也要 CI/CD」的诉求，降低大型企业内部的推广阻力；数据分析能力则把用户从知识工作者扩展到业务分析人群，提升席位扩张空间。风险是代码化 Agent 让「影子 Agent」更易扩散，治理与成本控制压力上升；与 Microsoft Copilot、Atlassian、ServiceNow 等平台自带 Agent 工具正面竞争；上下文层的价值必须持续用准确率与权限正确性证明，否则容易被上层模型厂商吞并；招聘侧仍有数字营销总监等 GTM 岗位开放，说明仍在扩张获客。
把 Agent 开发拉进软件工程流程，等于承认 Agent 已是要被版本化、被审计的生产资产。这对企业是好事，对只提供聊天入口的厂商是坏消息——上下文与权限层正在变成真正的收费点。如果企业已部署 Glean，Agent 方案可以「代码定义 + 平台托管」，把权限与审计交给平台，自己只维护 spec 与评测集，交付周期会明显缩短。来源：Glean 官方博客、选型问题清单。
Databricks：把训练收进数据治理边界
Databricks 本周把「训练」纳入自家平台：10 月 21 日宣布 AI Runtime（AIR）正式可用，把全托管 GPU 基础设施直接放进 Databricks，让客户在企业数据所在的同一治理边界内训练模型。
能力清单包括：Serverless、按需获取的先进 GPU，多节点训练可靠性经 10 万以上 GPU 小时训练验证；秒级启动与 RDMA 网络、环境缓存与内置调试；支持自带代码、容器与 Ray 负载；GPU 工作负载运行在 Unity Catalog 治理边界内，受访问策略约束并可审计。客户名单已具规模：Tubi、Robinhood、PicPay、Merck、Flo Health、TinyFish、FactSet 等「数百家公司」已用 AIR 训练并上线深度学习模型，覆盖医疗、制造与面向消费者的 Agent；Databricks 自家 AI 研究团队也用 AIR 训练 KARL 与 AI Parse 背后的模型。
同一周，它还发布了 Agent Memory（为 Agent 存储事实、偏好与工作流，以降低 token 成本与延迟），并宣布把纽约 5 Bryant Park 的研发中心面积翻倍至 12 万平方英尺、扩充 AI 研究与基础设施团队。三件事合起来，是「训练算力 + Agent 记忆 + 人才基地」的连续加注。本周未披露融资或估值，IPO 时间表仍未公开。
战略上，它从「数据湖仓加 MLOps」向「数据 + 训练 + Agent 运行时」一体化推进，把 GPU 采购与治理收进同一平台，直接对位云厂商的托管训练服务与独立 GPU 云。AIR 的卖点是「数据不出治理边界」，对医疗、金融等受监管行业最有说服力，Robinhood、Merck、FactSet 的名字本身就是合规背书；Agent Memory 则补上 Agent 生产成本这一环，使平台能同时收训练与推理的钱。风险是 GPU 供给与价格波动直接压缩毛利，托管训练是重资产生意；与 AWS、Azure、GCP 既是合作方又是竞争者；Agent Memory 等新组件若缺乏标准化，容易被上层框架绕过。
这会让企业在选型时更倾向「数据在哪里、训练就在哪里」，而非把数据搬去 GPU 云。领域模型微调的交付形态可以改成「客户数据 + 平台托管训练 + Unity Catalog 权限」，方案商的角色转向数据准备、评测与提示或工具设计。资本侧，把训练算力收进数据平台等于把 AI 支出从「项目预算」变成「平台订阅」，这类收入更受青睐，但重资产属性也会压低估值倍数。来源：Databricks 官方博客、Agent Memory、NY Post。
Cohere 与 Mistral：一个卡检索层，一个铺语音栈
Cohere 10 月 21 日发布 Rerank 5，分 Pro 与 Fast 两档，定位企业检索与 RAG、Agent 的上下文筛选。核心新能力叫 Context Focus：一次 rerank 调用直接返回文档内最相关的段落，而不只是文档或 chunk 级排序，官方称可在答案质量几乎不损失的前提下降低 LLM token 成本；同时提供「校准后的相关性分数」，让团队用统一阈值决定哪些内容进入 LLM。部署面铺得很广：Cohere API、Model Vault、Microsoft Foundry、Amazon SageMaker、自有 VPC 或本地部署，以及 North 全部用户。API 定价为 Pro 每百万 token 0.05 美元、Fast 0.02 美元。官方称 Rerank 5 Pro 在 ViDoRe V3、nanoMTEB、BRIGHT、BEIR 等公开基准上领先，在 46 个复合数据集评测中 39 项第一、43 项至少第二。
同周，Cohere 还发布了 Model Vault 的可验证机密推理（机密 CPU/GPU、端到端加密、远程 attestation），把「可证明的隐私」做成产品卖点。需注意：收购网络安全公司 AISLE 的意向书签署于 10 月 15 日，属窗口外，仅作背景。
它的策略是不与前沿模型厂商拼通用能力，转而卡住「企业检索 + 私有部署 + 可验证隐私」这条窄而深的链路，用检索层控制 token 成本这一企业最敏感的指标。Rerank 5 同时进 Azure AI Foundry 与 SageMaker 市场，等于借用两大云的分发；按 token 计价的低价策略便于嵌入既有 RAG 流水线，替换成本低。第三方估算其年化收入约 2.4 亿美元（未独立核实，仅背景）。风险是 rerank 易被替代——云厂商与向量数据库都在内建同类能力；价格战会快速压缩单价；机密计算的实际性能开销与客户验证成本仍是采用障碍。
对方案设计，Context Focus 这类段落级返回能显著降低上下文成本，rerank 阈值应作为可调参数纳入成本模型，而不是固定 top-k。资本侧，市场对「检索与隐私基础设施」给出的是稳健但非爆发式估值，Cohere 的并购动作说明它在用外延补齐安全能力，而非押注模型规模。来源：Cohere 官方博客、Model Vault 机密推理、Reuters（背景）。
Mistral 10 月 21 日发布 Voxtral 3，一次性给出「语音模型家族 + 语音 Agent SDK」的完整栈：语音转写模型 Voxtral Small Transcribe 3 支持 50 多种语言，具备说话人分离、关键词上下文偏置与轮次结束检测；语音合成模型 Voxtral Mini TTS 3 支持 35 种以上语言、50 种以上方言，可按对话上下文调整情绪、语速与重音；新的 voice agent SDK 把「听、想、调工具、说」合并为一条实时流式管线，Agent 可在电话或网页通话中检索信息、操作业务系统、完成多步任务。面向专业场景还提供 Pro Voice：仅需 30 分钟音频即可复现说话人的音色、情绪范围与表达风格，且跨语言可用。
部署上延续其主权 AI 定位：既可用 Mistral 的欧盟托管 API，也可自有基础设施自部署，客户可控制音频在哪里处理、是否留存。同期 Mistral 还宣布与 NVIDIA 合作开发 AI 原生的工业工程工作流（更快的仿真、开放基准与数据集），把模型能力推进到制造与工程场景。本周未披露融资、估值或组织变动，估值与营收口径本次未取得。
它以「欧洲主权 AI + 开放权重 + 全栈语音」差异化，避开与美系前沿模型在通用对话上的正面消耗，转而在语音 Agent 这一工程密集、合规敏感的赛道做端到端交付。SDK 形态把集成成本压到「接一条流」，目标客户是呼叫中心、服务台、免手提 copilot；多语言与方言覆盖对欧洲、中东、拉美市场是实打实的优势。风险是语音 Agent 的延迟与打断处理是体验生死线，托管 API 与自部署两条路径维护成本都高；Pro Voice 的声纹复现直接触碰欧盟 AI Act 的透明度与同意要求；呼叫中心市场已有 Sierra、Decagon 等强敌。
语音方案的关键不再是单纯选 STT 或 TTS，而是端到端流式管线、打断处理与工具调用；自部署选项让数据驻留要求高的行业可以落地。主权 AI 叙事仍能获得欧洲公共部门与产业资本支持，但资本市场更看重可复制的行业交付，而非模型参数。来源：Mistral 官方博客、与 NVIDIA 的工业合作。
Cursor：编码工具的第一次数据信任测试
The Information 报道、Dealroom 于 10 月 16 日转述：Cursor 在交割前自查「员工是否把客户机密数据送进了 SpaceX 的 AI 系统」。调查始于 2026 年 7 月下旬，焦点是内部工具 Sand——工程师在 Slack 上质疑该工具可能在 Grok Bot 预发布测试中，把敏感的客户与合作伙伴信息误路由到 SpaceX 的 AI 部门用于模型训练。
时间点很敏感：SpaceX 于 2026 年 6 月行权（该期权 4 月设立），8 月 14 日以 600 亿美元全股票交易完成对母公司 Anysphere 的收购，并把 Cursor 并入 xAI 体系、与 Grok 同列。调查后 Cursor 做了两项整改：内部工具登录必须使用公司邮箱；停止使用员工生成的数据训练模型。另有一桩独立事件：去年夏天，与 Verizon、Bosch、Coupa 相关的客户数据因密码被直接写进代码，暴露在 Cursor 基于 Vercel 搭建的销售与营销站点上，工程师发现后下线。Dealroom 明确说明：Grok 训练一事「没有公开证据证实客户或伙伴数据确实泄露」，调查针对的是潜在风险而非已确认的泄露。
Cursor 已从独立创业公司变为 SpaceX 与 xAI 体系内的编码入口，产品与模型训练的边界被打通——这既是协同红利，也是本次信任危机的根源。编码工具的核心资产是客户代码与业务上下文，一旦客户怀疑数据会流向母公司的模型训练，企业采购的安全评审会立刻升级；本周官方仍在推 Cloud Agents（浏览器或手机端运行、Agent 自带计算环境），产品节奏未停。数据治理问题现在落在 xAI 的合规团队，而非独立初创公司身上。
风险集中在信任与合规，尤其对金融、医疗、防务客户；「员工数据训练」政策反复会削弱开发者信任；营销站点硬编码密码暴露反映工程安全流程薄弱；并入 xAI 后与 OpenAI、Anthropic 生态的关系更紧张。
这是「AI 编码工具被巨头收编」后的第一个治理压力测试：客户真正买的不是补全速度，而是代码不被拿去训练。对采购方，数据条款与训练隔离将成为编码工具的准入项；对同行，这提供了「独立 vs 被收编」的信任差异化窗口。企业部署编码 Agent 时，应在合同与技术同时锁定「不使用客户代码训练」，并核查内部工具（沙箱、预览环境）的数据流向，而不只看 IDE 功能。资本侧，600 亿美元并购把编码入口的估值推到极致，但治理瑕疵会直接影响企业续约与母公司 IPO 叙事。来源：Dealroom 转述、The Information 原文（付费墙）。
Cognition：编辑器退成 Agent 指挥台
Cognition 本周上线 Devin Desktop 官方页面与博客，标语是「The home for every agent you run」，把原 Windsurf 编辑器重新定位为「管理本地与云端 Agent 舰队的指挥中心」：用户可在同一界面里规划、派发、审阅并交付，不必离开编辑器；界面按 Running、Waiting for review 等状态组织会话与 PR，支持本地 Agent 与云 Agent 混排。产品逻辑从「AI 辅助写代码」转向「人管理多个 Agent」——编辑器退化为编排面板，Devin Cloud 承担后台执行。Cognition 同时继续招聘 AI Support Engineer，明确要求能处理 Devin 与 Windsurf 在真实开发环境中的复杂问题，说明客户支持正随企业部署扩张。
更名时间存在口径冲突：第三方资料称 Windsurf 于 2026 年 6 月 2 日更名，官方页面未标注日期，因此只采用「官方页面本周可访问且以 Devin Desktop 呈现」这一事实，更名确切日期留待核。
战略上，它把「自主 Agent（Devin）+ 编辑器（Windsurf）+ 云端执行」整合成一套多 Agent 管理面，直接对位 Cursor 的 Cloud Agents 与 Anthropic、OpenAI 的编码 Agent。卖点从「补全」变为「并行管理与审阅」，适合已有多个 Agent 并发的中大型工程团队，但也要求团队重建评审与 CI 流程，迁移成本不低。风险是多 Agent 编排的可靠性、成本控制与权限隔离仍是难点，品牌更名造成用户认知混乱，与 Cursor、Claude Code、Codex 的正面竞争极为激烈。
竞争焦点从「谁的模型会写代码」转到「谁能管好一群 Agent」，这与 Glean 的 headless Agent、Cursor 的 Cloud Agents 指向同一结论：编排与治理层正在成为收费点。多 Agent 并行的真实瓶颈是评审与合并，方案设计要把「Agent 产出、人工审阅、CI 门禁」做成流水线，而不是只堆 Agent 数量。来源：Devin Desktop 页面、Cognition 博客。
三个不同位置的静默者
Midjourney 本周无重大公开动态：可读结果主要是教程、社区作品与第三方对比，均非公司公告。唯一相关的公司层面报道是 10 月 14 日关于 v8.1 在版权侵权测试中「表现最差」的报道，以及 7 月 24 日发布 v8.2 的第三方记录，两者都早于本期窗口，不计入本周动态。默认模型仍是 v8.2，收入、用户数与估值未公开。它维持「模型能力 + 订阅制」的窄产品路线，未见到企业级平台或 API 生态的公开动作。在视频与多模态快速迭代的窗口里，单点图像美学优势不再是叙事中心；若持续缺乏企业与 API 侧动作，议价能力将进一步被平台型厂商压缩。把 Midjourney 当作「高质量静态素材供应商」仍成立，但不适合作为需要 SLA、审计与 API 编排的生产链路核心。
Scale AI 本周在公司层面同样无重大公开动态：结果主要是招聘页（含 2027 暑期研究实习）、一篇「国家级个性化学习」的政府合作博客与第三方对其 290 亿美元估值的历史回顾，未见新的融资、并购、重大合同或高管变动公告。此前 Meta 于 2025 年 6 月以约 143 亿美元取得约 49% 股权、对应约 290 亿美元估值，属背景。它的静默说明数据标注市场正在被「实验室自建 + 合成数据」重构，增长故事需要新的支点（评估、Agent 训练环境、政府项目）；与大模型实验室的依赖关系、与 Meta 股权关系带来的中立性质疑，以及防务与政府业务受预算与出口管制周期影响，是它的三重变量。把 Scale 视为「评测与专家数据供应商」比视为「标注工厂」更贴近当前定位；方案中的高质量评测集仍值得外部采购。来源：Yahoo 转述版权测试（窗口外）、Scale 博客。
算力与具身：需求没转弱，融资结构先被定价
CoreWeave 与 Oracle：信用市场先给裁决
CoreWeave 是本周「AI 信用恐慌」的震中，信用与股票两条线同时失控。10 月 16 日，Fortune 以「52 亿美元窟窿」为题拆解其资产负债表：据公司二季度财报，经营租赁负债 163 亿美元、总债务 356 亿美元，上半年收入仅 46 亿美元，营业费用超过收入，净亏损 14 亿美元；支撑偿债的是 1037 亿美元的剩余履约义务（RPO），其中 41% 需在 2028 年前支付，且为「take or pay」不可撤销合同。
债券端的定价更直接：其最活跃的 9.75% 2031 年优先债 10 月 14 日跌至 78 美分、收益率 16.39%（10 月初约 85）；12.5 亿美元的 9.625% 2032 年债跌至 75、收益率 16.5%（6 月 2 日为 103.625）；10 月 15 日分别收复至 83 与 80。同期 Reuters 报道其五年期 CDS 突破 1100 个基点，创 AI 相关信用品新高（摘要级）。股价 10 月 22 日收于 55.60 美元，创 52 周新低（行情卡片，摘要级）。市场质疑的焦点不是需求，而是「用短期租赁与浮动、高息债务去匹配长期算力合同」的期限错配。
它的模式是「以合同为抵押加杠杆建算力」：先签超大规模客户的多年 take-or-pay 合同，再以此融资买 GPU、租机房。这套模式在上行周期放大回报，在下行周期把公司变成整个 AI 交易的信用放大器。需求侧仍强（客户含 Microsoft、Meta、Anthropic、Cohere 等），但收入确认慢于资本开支，且客户集中度高；一旦单一大客户调整采购节奏，RPO 的「质量」就会被重新审视。本周无新融资公告，实际发生的是二级市场再定价——16% 量级的债券收益率意味着新增融资成本极高，进一步压缩其以债养建的腾挪空间；分析师开始公开质疑「指望 Microsoft 履约来兜底」的假设。
Oracle 取代 CoreWeave，成为本周 AI 信用压力的主战场。10 月 19 日 CNBC 报道其五年期 CDS 利差约 295 个基点（上周四曾冲到 300bp），一年内扩大 287%。按 S&P Global 固定收益定价主管 Gavan Nolan 的说法，这一区间「更接近 BB/B 级高收益债」，而公司正式评级仅为 BBB-（标普 7 月下调，理由是其快速扩张的基础设施业务抬高整体信用风险、且 2027 年经营现金流将走弱）。据 FactSet，Oracle 已发行长期债务 1180 亿美元，另有 390 亿美元的资本与租赁义务；分析师一致预期今年自由现金流为 -237 亿美元、2027 年为 -360 亿美元。10 月 22 日 NPR 进一步给出总量口径：总债务已达 1690 亿美元，两年内接近翻倍。
压力源头是那笔与 OpenAI 的约 3000 亿美元、为期约五年的算力合同——它把 Oracle 从高毛利软件公司变成了资本密集型数据中心运营商，而付款方的财务并不透明。Oracle 对 CNBC 回应称，「维持投资级评级是公司首要任务，AI 基础设施业务回报强劲，项目爬坡后将产生强劲自由现金流」。OCI 仍是全球增速最快的超大规模云之一（上一财季收入 74 亿美元、同比 121%，属窗口外披露），但大客户高度集中于 OpenAI，合同期限长、爬坡慢，收入确认跟不上资本开支。它的剩余履约义务在 8 月 31 日为 6640 亿美元。
最大的风险是评级下调、强制抛售、融资成本上升、项目回报下降的负反馈：若被调降至垃圾级，仅限投资级的基金将被迫抛售，30 年期长久期债的需求会迅速消失。其次是 OpenAI 付款能力与「NVIDIA 投 OpenAI、OpenAI 付 Oracle、Oracle 买 NVIDIA」的循环结构；第三是美国多州对数据中心的补贴限制与禁建立法（Macquarie 观点，Fortune 转述）。也有反向观点：Vanguard 等固收机构认为其资产负债表起点健康，不应把高收益债的定价外推到投资级。
CoreWeave 已经从「AI 需求的风向标」变成「AI 融资结构的压力表」，它的债券收益率与 CDS 现在比 GPU 数量更能说明行业状态；若四季度再融资成本维持 15% 以上，2027 年的扩产节奏必然放缓，这会反向影响 GPU 订单与机房租赁需求。Oracle 则是唯一「软件现金流 + 投资级评级 + 单一超大客户」三者叠加的公司，因此它的 CDS 被当成整个 AI 交易的定价基准：本周它还没有失去投资级，但市场已经按接近高收益债的利差交易它，即使基本面不恶化，融资成本也已经实质上升。
对把训练或推理负载放在 neocloud 上的团队，本周应重新评估对手方风险——价格便宜的部分原因是对方承担了期限错配；合同条款中的可用性承诺、迁移条款与数据取回权，比单价更值得谈。对做企业方案的团队，OCI 仍是拿下「数据库加 AI 一体」项目的有效载体，但要考虑其对单一客户的依赖可能传导为服务优先级与扩容节奏的波动；多云与可迁移架构不再是合规口号，而是供应链韧性。来源：Fortune、Morningstar/PitchBook、CNBC、NPR、Reuters（401 拦截）。
AMD 与 Broadcom：订单簿之后看付款方
AMD 本周没有芯片发布或大客户签约公告，主线是「预期与估值的拉扯」。10 月 13—17 日当周，股价累计下跌约 13%，直接触发因素是市场对 AI 数据中心资本开支持续性的怀疑；10 月 19 日反弹，TD Cowen 分析师 Joshua Buchalter 重申买入、目标价 675 美元，理由是 agentic AI 可能推动其 CPU 业务明年增长约 70%；10 月 22 日又跌 8.1%，同日布伦特原油因中东局势升破每桶 112 美元，标普 500 与纳指分别跌 1.2%、2.6%，Meta 三季度自由现金流首次转负并增设无投票权股类，使「AI 建设靠债务与股权融资支撑」的担忧重新定价到算力股上。公司三季度财报定于 11 月 3 日，市场关注 MI450 出货节奏、Helios 机柜毛利与 2027 年客户落地。
它的路线已从「卖单卡」转为「卖整机柜 + 卖物理 AI 叙事」：Helios 机柜与 MI450、MI455X 是 2027 年收入的核心载体；9 月 28 日宣布的约 82 亿美元全股票收购 World Labs（李飞飞创立，李将出任首席科学家）是把空间智能与世界模型纳入自家路线的动作，属窗口外背景。客户结构高度依赖少数超大规模买家——OpenAI（多年 6GW 级承诺，起点 MI450）、Anthropic（最高 2GW、2027 上半年起部署）、Oracle（计划 5 万颗 MI450 级 GPU）、Meta（多 GW 级）均为已公开口径，但这些承诺多数落在 2027 年及以后，2026 年内可确认的收入仍以 MI350 系列为主。
风险有三条：「承诺不等于收入」，GW 级协议的执行取决于对方融资能力；机柜化会拉低毛利率结构，且交付涉及内存、封装、供电等外部瓶颈；若油价与利率继续上行，AI 基建融资成本抬升会先压制客户下单节奏。第三方口径下，其年内涨幅约 132%—150%、滚动市盈率约 199 倍，任何资本开支或融资环境的风吹草动都会被放大。
本周的跌涨不是产品问题，而是「AI 资本开支能否被现金流覆盖」这一宏观问题在单个算力股上的投影。它已经是 NVIDIA 之外唯一同时拿到 OpenAI、Anthropic、Oracle、Meta 多 GW 承诺的供应商，但兑现期集中在 2027 年，2026 年四季度到 2027 年一季度是「叙事真空期」。对做方案的团队，AMD 的价值不在单卡峰值，而在「整机柜 + 开放以太网 scale-up」带来的第二供应商议价能力；但 2026 年内可用产能仍有限，把 AMD 写进交付方案时应准备 NVIDIA 兜底与跨架构编译（ROCm、vLLM）的双栈成本。来源：AOL 转 Motley Fool、Globe and Mail、ainvest。
Broadcom 本周无公司公告、无财报（财季已于 10 月上旬披露）、无新客户签约。可确认的本周变化只在资本市场侧：AVGO 年内累计下跌约 2.4%，跑输同期 Snowflake 的 47.1% 涨幅，动态市销率 9.33 倍，Zacks 评级为 Hold；10 月 22 日 Tigress 首次覆盖给予买入、600 美元目标价。
公司层面的基本面口径仍是上一财季披露：AI 半导体收入 167 亿美元、同比增长 221%，四季度指引 217 亿美元、同比增长 236%，全财年 AI 收入约 580 亿美元；已锁定支撑 2027 财年约 1150 亿美元的供给，并给出 2028 财年约 2300 亿美元的路径。客户侧，六个 XPU 客户（Google、Meta、OpenAI、Anthropic 等）在加速部署，AI 网络收入同比翻倍以上。另有一条需标注的信息：据 Anthropic 披露文件口径，Broadcom 对其有最高约 420 亿美元、用于租赁定制芯片的融资安排，属 10 月中旬窗口边缘信息，摘要级、未独立核实。
它用「定制 XPU + AI 网络（Tomahawk、Jericho）+ VMware 软件」三条腿吃超大规模客户的成本优化需求，绕开与 NVIDIA 的通用 GPU 正面竞争。定制芯片越往后越像「代工式投行」——为客户融资、锁定产能、绑定多年采购。增长几乎全部由 AI 拉动，三季度 AI 收入占比已过半个公司；但客户集中度极高，六大 XPU 客户的资本开支节奏直接决定季度波动，XPU 占比上升还会稀释毛利率。风险是客户自研芯片团队成熟后议价能力上升，定制项目的执行与流片风险集中在少数大客户，若 AI 基建融资环境收紧，订单转收入的时间会被拉长。
它是这一轮 AI 基建里「卖铲子给挖金人、还借钱给挖金人」的典型：订单能见度已排到 2028 财年，但真正的不确定性从「能不能拿到订单」变成「客户能不能付得起」。本周它没有新故事，反而是最值得盯的静默者——因为它是 AI 资本开支能否软着陆的对手方之一。对方案方，XPU 路线意味着超大规模客户会把推理成本压到通用 GPU 之下，第三方模型服务商若不能在网络与内存上做出差异化，很容易被客户的定制栈商品化。来源：Zacks 对比研究、Yahoo Finance（抓取失败）。
Tesla：Optimus 进了产线，但交付在明年底
10 月 21 日盘后，Tesla 发布三季度财报并召开电话会，首次确认 Optimus 进入量产：在弗里蒙特工厂原先生产电动车的厂房内，Optimus 产线开始下线「第一批具备生产质量的机器人」。公司在致股东信里称，虽然硬件与制造工艺仍会迭代，但「已证明当前制造工艺适合商业化产品」。
马斯克在电话会上把它定性为「早期量产」，称爬坡会慢且「有些颠簸」，因为这是「一个全新的产品」。他给出两个时间点：产线设计产能约年产 100 万台、大部分设备已到位，但达到约每周 2 万台至少还要一年，即 2027 年底；向外部企业交付要等到明年年底、AI 与机电可靠性问题基本解决之后。首批客户将是工业场景（危险、重复、需 24 小时运转的工位），家庭场景更晚。AI5 芯片预计 2027 年 4 月装进 Optimus，算力比 AI4 高一个数量级。
财务侧同日披露：三季度营收 280.4 亿美元，同比基本持平、略低于去年同期的 280.9 亿；净利润 7.87 亿美元、同比下降 43%；交付 486,532 辆；能源业务收入 28 亿美元、同比下降 16%，服务业务 46 亿美元、同比增长 33%；自由现金流为正 15 亿美元以上，现金及投资超 450 亿美元，2026 年资本开支指引约 200 亿美元。公司已获得最高 300 亿美元借款能力但不急用。利润下滑主要来自 AI 与机器人投入，市场对「用汽车现金流养机器人」的容忍度是当前估值的关键变量。
它正把车的制造与 AI 资产复用到人形机器人上：整车产线、FSD 的视觉栈、自研 AI 芯片与即将自建的 Terafab 构成垂直整合。Optimus 不是新业务线，而是「把自动驾驶的算法与算力迁移到通用机器人」的一次总押注。现阶段没有对外销售，机器人全部自用或内部验证，真正的商业收入要等 2027 年底对外交付后才可能出现。对比中国厂商已经在出货上量（宇树 2025 年人形出货超 5500 台、优必选上半年销量 1.6 万台），Tesla 在量产时间表上已不领先，但在单机算力与数据闭环上仍有优势。
风险有三重：设计仍在改（马斯克承认「不能让机器人一个月就磨损」），可靠性、安全性、开放任务的通用性都不确定；Terafab 需数百亿美元设备投入、长期可能超 1000 亿美元，首批测试芯片预计 2027 年 5—6 月；对外交付时间已多次后移。
这是人形机器人从演示走向产线的标志性一周，但 Tesla 给出的时间表反而说明：真正的瓶颈不再是能不能造出来，而是可靠性与通用智能。对产业而言，2027 年才是人形机器人真正开始抢工位的年份，2026 年剩下的时间仍是产能与供应链的准备期。Optimus 的产线复用整车制造体系，也说明「人形机器人量产」的关键资产是节拍、工装与质量体系，而不是算法演示；做具身方案的团队若没有制造伙伴，交付能力会被卡在千台级。来源：TechCrunch、电话会纪要。
中国厂商：用收入重排座次
宇树本周同时出现「产品叙事」与「资本市场剧烈反馈」两条线。10 月 21 日，公司发布人形机器人新版本 H2-X，绰号「功夫传奇·守护者」，官方视频中机器人完成武术动作，并演示「保安」场景（可抬起轿车前部），身高 1.8 米、约 70kg。SCMP 明确指出：宇树未确认视频动作是自主、遥操作还是编排，也未证明 H2-X 能在非预设情境下识别威胁并安全响应——这是能力展示，不是可验证的产品性能（SCMP 报道）。
资本侧，10 月 19 日 A 股机器人板块爆发，宇树收盘涨 16.15% 至 495.92 元、市值重回 2005.82 亿元，为 8 月 19 日科创板上市以来除首日外的最大单日涨幅。催化包括商务部等九部门 10 月 19 日《关于加快推进科技兴商的意见》（首次从促消费与商贸流通侧为机器人打开需求场景）、10 月 15 日市场监管总局批准首批六项人形机器人国家标准（2027 年 4 月 1 日实施），以及 10 月 18 日 OpenAI 确认自研人形机器人带来的全球情绪共振。公司 10 月 22 日在杭州召开「2026 世界物理 AI 大会暨宇树合作伙伴生态大会」，10 月 29 日将披露上市后首份三季报。
它的组合是「四足现金牛 + 人形冲规模 + 生态大会拉伙伴」，把自己从硬件公司往「具身智能平台」推；募投规划显示制造基地建成后目标年产 7.5 万台人形、11.5 万台四足，产能野心远大于当前出货。2025 年营收 16.99 亿元、人形出货超 5500 台，第三方统计全球市占率 32.4%；G1 累计下线约 1—2 万台为公司海报口径。2026 年上半年人形收入 5.8 亿元、份额 15.3%，位列全球第三。上市首日开盘冲至 1100 元、市值 4449 亿元，收盘 845 元（涨 460.34%）；随后一周回落，8 月 26 日收 591.53 元、市值 2393 亿元，蒸发逾 2000 亿元；9 月 14 日注册资本由约 3.64 亿增至约 4.04 亿元（新浪科技）。
风险是估值与基本面的差距：2000 亿元市值对应 2025 年 17 亿元营收，市销率百倍量级；H2-X 的演示性质若被市场误读为交付能力，会出现预期回摆；行业已出现「首批人形独角兽破产、洗牌」的报道，供给端正在出清。
优必选本周的主题是「把国内订单优势输出到海外」。10 月 21 日，它与 Bitcoin Japan Corporation 签订独家经销协议，由后者在日本市场经销其六款人形与服务机器人（含工业人形 Walker S2），这是其首次以「总代」方式进入日本市场（Yahoo 香港报道）。产业侧同日出现另一条重要数据：弗若斯特沙利文的报告显示，2026 年上半年按收入计，优必选以 6.2 亿元、16.5% 份额全球第一，智元（6.1 亿、16.1%）与宇树（5.8 亿、15.3%）紧随，五家中国企业合计拿下全球 57.4% 的收入（报告转述）。
| 公司 | 2026 上半年人形收入 | 全球份额 |
|---|---|---|
| 优必选 | 6.2 亿元 | 16.5% |
| 智元 | 6.1 亿元 | 16.1% |
| 宇树 | 5.8 亿元 | 15.3% |
按收入计，弗若斯特沙利文口径。作为对照，优必选 2025 年人形收入 8.7 亿元、出货 13,838 台、份额 24.8%；宇树 2025 年营收 16.99 亿元（全公司口径）、人形出货超 5500 台。
优必选上半年人形收入 6.2 亿元、销量 16,123 台，继续第一；总营收 12.69 亿元、同比增长 104.2%，新增订单超 10 亿元（3 笔亿元级），空客首批采购 100 台 Walker S2。报告特别指出，特斯拉 Optimus、Figure AI、Agility 等海外代表企业仍处于原型迭代与实验室小规模试点阶段，未进入收入前五；全球上半年人形机器人销量 3.6 万台、收入 5.4 亿美元。
它走的是「工业人形先上量、再向商用服务与海外渠道溢出」的路径，用总代模式降低海外交付与服务成本，日本是其继中东、东南亚之后的又一个渠道型市场。Walker S2 的客户覆盖航空制造（空客 100 台）、汽车（比亚迪、吉利、奥迪一汽、蔚来等，据报道签有超 5 亿元长期供货协议）、智能制造与电网；上半年人形销量已超过 2025 年全年。风险是渠道型出海依赖代理商能力，品牌与服务不在自己手上；订单金额不等于收入确认，工业客户验收周期长；与宇树、智元的价格与交付竞争加剧，毛利率承压。据报道其正冲刺双万台产能；日本目标销量未披露。
宇树与优必选代表两条中国路径：优必选靠工业订单与渠道出海，宇树靠本体性价比与资本市场叙事。本周的数据首次用「收入」而非「出货」排序，结论是：全球人形机器人的收入前五已全部是中国公司，海外巨头仍在原型阶段。这意味着 2027 年的竞争不在技术演示，而在交付与服务网络。对集成商，优必选的工业机型已具备可采购性，但需把「订单金额」拆成验收节点与回款条件；海外项目优先选有本地服务能力的总代，否则运维会成为隐形成本。资本侧，人形机器人的估值锚正从「故事」转向「收入与出货」，已上市公司会成为未上市公司的定价参照。
Figure AI 是算力与具身这一组里唯一完全静默的公司：本周未公告融资、订单、产能或人事变动，可获得的结果均为 10 月 12—13 日及更早的二手报道（英伟达据报以 10 亿美元投资、估值 390 亿美元；BotQ 产能从每天 1 台提升到每小时 1 台；Figure 03 累计超 1000 台；F.02 于 9 月 30 日退役），只作背景。窗口内可读的第三方动作，是 Counterpoint Research 10 月 22 日发布的评估报告（网页 403，仅见摘要），主题为「390 亿美元估值能否被真实采用支撑」。
它走「自研本体 + 自研 VLA 模型（Helix）+ 自建产线（BotQ）」的全栈路线，目标是从 BMW 等工业场景切入、再向家庭延伸；但这套叙事的前提是「模型能力领先」，而 10 月 18 日 OpenAI 确认自研人形机器人（2027 年演示样机）直接削弱了这一前提。公开可核实的仍是小批量：BotQ 每小时 1 台对应年产约 8000 台的设计能力，不等于实际交付；已披露客户以试点为主，收入未公开。
它的静默本身有信息量：在人形机器人开始用「出货量」排序的阶段，以估值叙事为主、交付量未公开的公司会被持续折价。真实考验不是再融一轮，而是 2027 年前能否给出可审计的客户交付与单位成本。若考虑引入 Figure，需要把「模型能力」与「交付能力」分开尽调：BotQ 的节拍是产能设计值，不是已验证的良率与交付量。美国人形机器人供应链在减速器、丝杆等环节仍依赖亚洲供应商。来源：TechTimes（窗口外）、Figure 官方（窗口外）、Counterpoint（403）。
四个还没定价的变量
第一个是采购入口能开到多大。OpenAI 与 Google Cloud 的合作还停在私有预览，能否转 GA、Codex 在 Model Garden 的实际配额与计费口径，决定企业能不能真的用同一张 GCP 账单跑多模型。企业侧的下一个观察窗口是 11 月 17—20 日的微软 Ignite，看 Agent 治理是否有产品化更新。
第二个是 Agent 的授权边界能不能从「拒绝清单」走向「授权接口」。豆包的限制会不会继续扩大、是否有应用方转向授权 API 或 MCP，腾讯元宝搜索的对外定价，Glean headless Agent 的企业采用数，Harvey 连接器生态的规模，以及 Cursor 是否发布数据治理承诺与第三方审计——这些决定了「可控、可审计、可回滚」是交付口号还是可验收的合同条款。
第三个是算力信用会不会真的被降级。标普与穆迪是否给出 Oracle、CoreWeave 负面展望，CoreWeave 四季度再融资成本能否回落到 15% 以下，Anthropic 招股书是否正式公开、估值能否稳定在约 1.5 万亿美元区间，DeepSeek 是否确认金额与投资方、自建数据中心何时投产，以及出口目录修订的正式稿——这些都会直接影响 2027 年的算力价格与模型价格。
第四个是交付能不能接上。Optimus 会不会出现首批外部客户名单，AI5 能否在 2027 年 4 月如期装机；宇树 10 月 29 日三季报的人形收入环比与毛利率能否支撑当前市值，优必选日本渠道的首批出货节奏；百度 11 月 12 日能否给出智能体平台的付费客户数与留存。
四个变量的共同点在于：它们都不再由模型分数决定。采购通道、授权规则、债务结构与交付节拍，才是这一周之后真正需要盯的东西。