❯ Databricks 融资 50 亿美元，估值升至 1900 亿美元

这轮怎么融的数据湖仓平台 Databricks 完成 50 亿美元 融资，估值升至 1900 亿美元，Coatue 领投，黑石、MGX、T. Rowe Price 与新进场的 Sixth Street Growth 跟投。它卖的是企业数据的统一底座——数据存进来之后，报表、分析与 AI 模型都在同一份数据上跑，不必为每个用途各搬一次。据 Crunchbase 数据，成立 13 年的它累计募资约 250 亿美元。

两轮之间上一轮 Databricks 的估值是 1340 亿美元，公司当时刚宣布年化收入跨过 48 亿美元。这一次给出的数字是 年化收入超过 70 亿美元，第二季度同比增长 超过 80%。把两组数摆在一起看：收入涨了约四成六，估值抬了约四成二，倍数几乎原地没动。距上一轮不到一年，中间这几个月里 Databricks 把重心从”把数据存下来”挪到了”让代理在数据上直接干活”，Lakebase、Genie 与 Unity AI Gateway 三条线同期铺开。一年之内连开两轮、且两轮都由成长期资金而非早期机构主导，本身就是它此刻还能融到这个体量的原因。

凭什么是它资本选它，不是因为它模型做得好，而是因为企业的 AI 预算最后都要落到数据这一层。它正面对着的是谷歌 BigQuery 和微软 Fabric，两家都能把数据仓库塞进已有的云合同里卖，价格战它打不赢；它的位置在跨云中立——客户的数据散在三家云上，谁都不愿意为了用某一家的分析工具把资产搬家。超过 80% 的增速出现在 70 亿美元的基数上，这个组合在企业软件里极其罕见，新增量并非来自小客户铺量，而是老客户把 AI 工作负载整块搬了进来。Lakebase 把交易型数据库并进湖仓，Unity AI Gateway 管住企业内部调用各家模型的口子，客户越用越难迁走。

资本在买什么这轮定价告诉市场一件事：一级市场已经在用二级市场的尺子量 Databricks。倍数不扩张、只跟着收入走，是成熟资产的估值方式，不是风险投资的估值方式。Coatue、黑石、T. Rowe Price 这个组合也不像风投名单，更像上市前最后一段的接盘方。对创业者，数据底座这一层的窗口就此基本关上，能在这里拿到大钱的名单已经写完；对投资人，接下来该重新判断的是退出路径——一家累计吞掉 250 亿美元的公司，除了上市没有第二个出口。

▪ SIGNAL收入涨四成六，估值抬四成二，倍数原地没动。给 Databricks 定价的方式，已经和看一家上市软件巨头没什么两样。

❯ River AI 种子轮与 A 轮共融 11 亿美元

这轮怎么融的River AI 在种子轮与 A 轮合计融到 11 亿美元，由 General Catalyst 与 AMP PBC 领投，英伟达、AMD Ventures、Y Combinator 与新加坡淡马锡跟投，投后估值未披露。它卖的是训练本身：企业通过 River API 对开放权重模型做强化学习微调，训完的权重归客户。据 TechCrunch 报道，这家帕洛阿尔托公司此时成立仅两个月。

为什么是现在创始人 Igor Babuschkin 是 xAI 联合创始人，此前在谷歌 DeepMind 做生成模型与强化学习、在 OpenAI 主导过大规模训练，今年上半年离开 xAI 后随即开出这家公司，两个月内把种子轮和 A 轮打包关闭——这种节奏通常只出现在投资人担心下一轮进不去的时候。真正促成它的是环境变化：过去一年企业把 AI 预算大量交给闭源接口，账单随调用量线性上涨，而开放权重模型的能力差距在缩小。英伟达和 AMD 同时出现在同一张跟投名单上，两家平时很少投同一家公司，这次一起下注的是”训练需求会从几家实验室扩散到成千上万家企业”。

凭什么是它River 把训练从”要养一个团队”降到”调一个接口”。据公司披露，一次强化学习任务在 15 到 20 分钟 内跑完，不需要自建基础设施团队，成本是闭源方案的四分之一到二分之一。对手的位置很清楚：OpenAI 和 Anthropic 卖接口，客户拿不走模型；云厂商卖算力，客户得自己配人。River 卡在中间那段，把强化学习这道最难自建的工序做成了服务。它能拿到 11 亿美元而不是 1 亿美元，靠的是 Babuschkin 在 DeepMind、OpenAI、xAI 三家连着做过大规模训练——能把万卡集群跑稳的人是这条赛道最稀缺的资产。公司同时表示长期要做个人可拥有的 AI，包含消费产品与专用硬件，那是比企业接口远得多的一步。

资本在买什么这笔钱押的是一个还没被验证的假设：企业最终不愿意把智能长期租给别人。如果假设成立，被重新定价的将是所有靠接口收费的模型公司；如果不成立，11 亿美元买到的只是一支昂贵的团队和一个便宜四倍的微调工具。估值口径至今没有公开披露，公开资料未提及投后数字，这在这个量级的轮次里并不常见。对同赛道创业者，坏消息是种子轮的价格标尺被一次性拉高，好消息是”模型所有权”这条线已经被最贵的钱认证过一次。

▪ SIGNAL11 亿美元投给一家两个月大的公司，买的是”企业不想把智能长期租给别人”这个假设本身。

❯ Valar Atomics 融 10 亿美元 B 轮，红杉领投

这轮怎么融的核能公司 Valar Atomics 完成 10 亿美元 B 轮，红杉资本领投，据彭博社报道估值达 60 亿美元；另有一笔 2 亿美元信贷额度，由数字银行 Erebor 担任行政代理、摩根大通参与，股权加债权合计 12 亿美元。它造的是可量产的小型核电站——高温气冷、氦气做冷却剂、堆型标准化，公司还计划自产燃料，卖的既是反应堆也是电。这家加州公司成立不足三年。

四个月翻三倍据公开报道，今年 4 月 Valar 刚完成 4.5 亿美元融资，估值 20 亿美元，四个月后估值翻了三倍。中间的关键节点集中在夏天：据公司公告，其示范堆 Ward 250 于 6 月 18 日实现自持临界，随后在一次面向现场观众的直播中，用堆发出的电驱动了一台英伟达 Blackwell 设备。部分媒体将这次供电演示记为 7 月 1 日、机型为 DGX Spark，细节仍以公司公告为准。功率很小、形式意义大于工程意义，但它把 Valar 从”论证阶段”推到了”演示完成”，而这一步对核能项目通常要十年。公司同期入选美国能源部的核反应堆试点与先进核燃料线试点计划。

凭什么是它核心赌注不在发电效率，而在能不能像造服务器一样按台量产。传统核电的成本卡在每个项目单独设计、单独审批；小型堆想成立，必须靠数量摊掉这部分固定成本。这是它和一众同行的分野：多数公司还在争取首堆许可，Valar 已经把钱投向产线本身，并宣布要与英伟达合作建一座 30 兆瓦的无水 AI 工厂。10 亿美元股权加 2 亿美元信贷的组合也说明这一点——股权买研发，债权买产能，后者是制造业的融资结构，不是研究型公司的。自产燃料则把供应链最容易卡脖子的一环收进了自己手里。

资本在买什么红杉这一笔买的不是电，是并网时间表。数据中心的瓶颈已经从买不到卡变成拉不到电，电网排队周期动辄五到七年，谁能把这个时间压到三年以内，谁就握住了下一轮算力扩张的闸门。这也解释了为什么一家成立不到三年、发电量微不足道的公司能拿到 60 亿美元估值——定价对象是稀缺的时间，不是现有的产能。真正要盯的数是首批量产堆的交付节点，一旦滑期，这类估值的回撤会非常快。

▪ SIGNAL估值四个月翻三倍，赌的是反应堆能像服务器一样按台出货，而不是某一座电站的发电量。

❯ 光互连公司 Lumilens 出隐身，融资超 7 亿美元

出隐身光互连公司 Lumilens 走出隐身，宣布完成 超过 7 亿美元 C 轮，累计融资 超过 9 亿美元，估值 55.1 亿美元，由 Atreides Management、贝恩资本创投、Meritech Capital、Seligman Ventures 与 Spark Capital 共同领投。它在自研的 LumiCore 平台上做三类产品——近封装光学、共封装光学和可插拔光模块，用光替掉 AI 数据中心里原本的铜线。公司位于圣何塞，创始人兼首席执行官为 Ankur Singla。

两年到量产公司成立于 2024 年初，此前几轮融资从未对外公开，出场即带着 9 亿美元和一份已在执行的合同：据公司披露，其产品已量产交付给一家超大规模云厂商，对应一份数十亿美元级的客户协议。两年多从成立到量产交付，在光模块这种要过可靠性验证的硬件品类里几乎是极限速度，通常一个新供应商挤进超大规模客户的合格名单就要两三年。它选择在合同落地之后才揭幕，本轮的构成也很说明问题——五家机构共同领投，没有一家单独吃下，说明份额被抢；高通创投与摩根大通私人资本的加入，把它同时接上了产业和资本两条线。

凭什么是它它切的是 AI 数据中心里最堵的那一段。机柜内部把成千上万颗 GPU 直连成一台机器的纵向扩展网络，和把机柜、机排缝在一起的横向扩展网络，Lumilens 两张网都做。这一点决定了它的位置：多数光互连厂商只做其中一张，客户得拼两套供应链，时序、功耗和故障域都要自己对齐。三类产品同时铺开是同一个逻辑——共封装光学把光引擎贴到芯片旁边，可插拔光模块仍是机房现成的运维习惯，客户可以按机型分阶段迁移，不必一步到位。带着数十亿美元合同出场，等于跳过了行业最难的一关：不是把产品做出来，是让超大规模客户敢把它放进主力机型。

资本在买什么55 亿美元的估值对应的不是收入，是一份已经签掉的供应位置。AI 数据中心的供应链正在被提前锁定：一家客户一旦把某个厂商写进机型，后面几代都很难换。这轮真正被重新定价的是”合格供应商名额”本身——名额有限，且先到先得。对同赛道公司，坏消息是超大规模客户的位置正在一个个被占掉；对投资人，该重新算的是合同的兑现节奏，数十亿美元按几年摊，才决定 55 亿贵不贵。

▪ SIGNAL一份数十亿美元的客户协议，就足以让一家两岁公司拿到 55 亿美元估值——AI 数据中心的供应链正在被提前锁死。

❯ 应用生成平台 Lovable 融资 4 亿美元，估值 133 亿

这轮怎么融的应用生成平台 Lovable 完成 4 亿美元 C 轮，估值 133 亿美元，Menlo Ventures 领投、EQT 旗下 Scaleup Europe 基金联合领投，腾讯、Balderton Capital、Kaszek Ventures 等新股东入场。它让不会写代码的人用对话把想法变成能上线的应用：生成 React 与 TypeScript 真实代码，同步进用户自己的 GitHub 仓库，接 Supabase 做数据库与登录、接 Stripe 收钱，一键部署并绑定域名。

八个月估值翻倍去年 12 月 Lovable 完成 B 轮时估值 66 亿美元，八个月后翻了一倍。这中间它跨过的不是用户量而是收入：据报道其年化收入已逼近 6 亿美元。使用面同样在扩，目前约三分之二的财富 500 强企业里有员工在用，半年前这个比例还是一半；平台上累计建成的项目超过 6000 万个，这些应用每月带来超过 9 亿次访问。产品 2024 年 11 月才上线，前身是创始人 Anton Osika 在 2023 年开源的 GPT-Engineer 项目。Menlo 从上一轮的联合领投直接接手领投，是典型的老股东加注。

凭什么是它同赛道能打的公司不少，Lovable 的差别在于它从一开始就没把自己定位成程序员的工具。它面向的是没有工程团队、却需要一个能收钱的应用的人——小商家、独立创业者、大公司里的业务部门。这条路线让它绕开了与专业编程助手的正面竞争，转而吃掉一块原本不存在的预算。代码同步进用户自己的仓库这一点尤其关键：产出的是可以取走继续开发的工程，而不是锁死在平台里的黑盒，企业客户因此敢用。从”半个财富 500 强”到”三分之二”只用了半年，对应的是员工自发使用而非采购流程，获客成本极低。公司计划今年把团队扩到约 450 人，招聘重点落在机器学习、基础设施与安全，最后一项正对着企业客户放大后的合规门槛。

资本在买什么133 亿美元买的是分发位置，不是代码质量。当写代码本身趋近免费，值钱的是谁站在需求发生的那一刻——Lovable 站在一个人刚想到要做点什么、还没决定用什么工具的时候。这也是腾讯、Salesforce Ventures 这类战略资金愿意进来的原因：它们看的是入口，不是工具链。风险同样清楚，这批用户的迁移成本很低，续费数据一旦松动，估值倍数会先于收入下滑。

▪ SIGNAL八个月估值翻倍的底气来自逼近 6 亿美元的年化收入，Lovable 已经从生成代码挪到了承接客户的生意流水。

❯ AI 云公司 Volta 出隐身，融资 3 亿美元

出隐身AI 云公司 Volta 走出隐身，宣布种子轮与 A 轮合计融资 3 亿美元，投后估值 24 亿美元，a16z 与 Altimeter Capital 联合领投，英伟达、迈克尔·戴尔家族办公室与资产管理机构 Azora 跟投。它把三件事装进一家公司：建数据中心、跑一套 Kubernetes 原生的 GPU 云，再给每笔部署配齐项目股权与基建债务。公司在伦敦、帕洛阿尔托与纽约设点，是英伟达认证的云合作伙伴。

为什么是现在Volta 出场时带的不是产品，是两张合同和一支现成的团队。一张是与 Azora 搭起的 50 亿美元算力融资计划，由国际银行组成的银团支撑；另一张是挪威一处站点 133 兆瓦、为期六年、总额 100 亿美元 的算力合约，与比特币矿企 Bitdeer 共同执行。团队方面，两位创始人 Ricard Boada 与 Sofia Gumuzio 此前搭建过 Brookfield 的 AI 基础设施平台，公司又收编了 Genesis Cloud 的团队与平台，后者 2018 年就已运营。3 亿美元股权对应百亿美元级合约，这个杠杆比例说明它做的根本不是风险投资那门生意。

凭什么是它多数新云厂商追的是超大规模客户的长约，而这类合同要求投资级的资产负债表；Volta 反过来，先服务 AI 原生公司——从前沿实验室、新兴模型团队到快速长起来的 AI 应用。这批客户的痛点不是买不到卡，是扛不动前置资本开支：签一份 GPU 长约要先压上几千万美元。它不要求客户自带五年期融资承诺，而是替每笔部署凑齐信用支持与债务，客户拿到的是分期付款的算力。这让比拼从机房效率转到了资本结构上。挪威站点的选择同样是成本工程——电价低、天然冷却、电网有余量；据报道该站点的最终客户尚未正式确认，需以后续公告为准。

资本在买什么a16z 和英伟达一起投的是算力的信贷化。当 GPU 从技术资产变成可抵押、可分期、可证券化的重资产，谁能组织起最便宜的钱，谁就能给出最低的单位算力价格——这跟模型能力毫无关系。受益的是那批既想要长约价格、又扛不动预付款的 AI 原生公司；承压的是靠现货价差活着的小型租赁商。风险也在同一处：一旦算力现货价格下行，垫资方手里的抵押物会同步贬值。

▪ SIGNAL3 亿美元股权撬起 50 亿美元融资池和百亿美元合约，新云厂商比的已经是资本结构。

❯ HappyRobot 完成 1.5 亿美元 C 轮，估值 12 亿美元

这轮怎么融的企业代理平台 HappyRobot 完成 1.5 亿美元 C 轮，投后估值 12 亿美元，成长期基金 Prysm Capital 领投、Eurazeo 联合领投，a16z、Base10 与 Y Combinator 等老股东加注。它给企业运营部门部署会打电话、能在既有系统里跑完多步流程的 AI 代理：语音能力、代理工具与流程逻辑装在一起，员工不必改变自己的工作方式。公司由 Pablo Palafox 等人创立，累计融资约 2 亿美元。

五倍增长之后HappyRobot 去年底才完成 B 轮，不到一年业务做到五倍。这一年它的变化不在模型，而在覆盖行业：平台先在物流跑通，本轮之后明确扩到保险、能源、电信与航空——共同点是这些行业都堆着大量靠电话和转单推进的协调工作。客户数已超过 150 家企业，名单里有敦豪、德迅、Uber，以及西班牙的 Naturgy 与 Repsol。科氏旗下 Koch Disruptive Technologies、法国电信 Orange、德国电信旗下 T.Capital 与西班牙 Bankinter 以战略身份进来，这类资金通常先做客户、再做股东。

凭什么是它它卖的不是能力，是能被财务算清楚的替代量。据公司披露，单家客户每月经由平台自动化的工作量达到 2.8 万工时，客户服务场景的自主解决率超过 70%、满意度 9.4 分，运营团队的处理能力提升约十倍。这套数字让采购决策绕开了所有关于智能的叙事——客户能直接算出投资回报。与通用代理平台的分野也在这里：横向平台交付的是一个能调用工具的框架，HappyRobot 交付的是已经接进客户系统、带着治理与上下文层跑通的流程本身。从物流迁往能源和电信，复用的正是这套”语音加流程”的底座，而不是重训一遍模型。公司已在北美、欧洲、拉美与澳大利亚设了八个办公室。

资本在买什么12 亿美元对应的定价锚点已经换了——不再是模型评测分数，而是能替代多少人工工时。这类公司的估值逻辑更接近外包服务商而非软件公司：看客户数、看渗透率、看单客户的替代规模。战略投资方密集出现也说明，大企业更愿意投资绑定供应商，而不是自建团队。真正该盯的数是单客户年度合同额，五倍增长如果主要来自新客户铺量，续约季就是第一道压力测试。

▪ SIGNAL代理产品的估值锚点已经换成能替代多少人工工时，客户买的是一条跑通的流程，不是一套能力。

❯ CodeRabbit 融资 1.43 亿美元，估值 15 亿美元

这轮怎么融的AI 代码审查公司 CodeRabbit 完成 1.43 亿美元 C 轮，估值 15 亿美元，欧洲基金 Atomico 与洛杉矶的 Smash Capital 联合领投，宝马创投、Datadog 等新股东入场。它在代码合并前自动做审查：开发者提交一个合并请求，它把仓库克隆进一台一次性虚拟机，读完上下文后给出改动摘要和逐行意见，也能装进 VS Code、Cursor 或命令行。公司位于加州核桃溪，由 Harjot Gill 创立。

距上一轮不到一年CodeRabbit 上一轮是 6000 万美元 B 轮，距今不满一年，本轮金额是上一轮的两倍多。中间发生的事只有一件：AI 写出来的代码开始成规模进入生产环境。公司称其收入同比增长超过五倍，目前每周执行超过 200 万次代码审查，服务 17000 多家企业客户和 15 万个开源项目，客户里能点名的有 Adyen、Indeed、宝马、英伟达、JFrog 与 Trivago。宝马既是客户又通过创投部门成了股东，Datadog 进场则把它接到了可观测性那条线上。公司同时发布名为 Agentic Change Management 的管控层，并计划在伦敦设点。

凭什么是它这门生意的护城河不在模型，在上下文：要判断一个改动会不会出事，得读懂整个仓库的历史、依赖和团队约定，这些只有跑够足够多的真实审查才积得下来。每周 200 万次的量本身就是壁垒，15 万个开源项目免费用则是一条持续运转的口碑管道，商业客户从这里自然长出来。覆盖面也铺得很宽——GitHub、GitLab、Azure DevOps 与 Bitbucket 都接，命令行版本能直接读 Codex、Claude、Gemini 生成的代码并找出幻觉与漏测。新发的管控层把它从”审查工具”抬到了”变更治理”，管的是人和代理一起提交代码时谁来放行，这一层直接对着企业的合规部门，而不是工程师的偏好。

资本在买什么这轮买的是一个由供需失衡撑起的刚性支出：AI 写代码越快，审代码的账单就越贵。企业采购 AI 编程工具省下的人力，有一部分必须原路返还给审查与治理环节，这块预算不随景气度波动，因为它是风险成本而不是效率投入。受益的是所有卡在”代码进生产之前”这一关的公司；承压的是把代码审查当作附赠功能的编程平台——附赠品很难在合规采购里单独立项。

▪ SIGNALAI 写代码越快，审代码的账单就越贵。CodeRabbit 卖的正是这条产能失衡带来的刚性支出。

❯ Point2 完成 1.36 亿美元 B 轮，Arm 战略入股

这轮怎么融的据公司公告，互连方案商 Point2 Technology 完成 B 轮扩展，该轮累计达 1.36 亿美元，由韩国 LB Investment 领投，芯片架构商 Arm 作为战略方新进入，老股东 Maverick Silicon 继续跟投。它做的是机柜里替代铜缆和光纤的第三条路——射频信号走塑料波导，芯片与有源线缆两头都做，面向机柜到加速器之间太比特级的连接。这家圣何塞公司的股东里还有英伟达、联电旗下 UMC Capital 与博世创投。

为什么是现在本轮是分段完成的扩展轮，Arm 是在扩展段才进来的，此前不在名单上。促成时点的是机柜内互连的路线之争尚未定案：铜缆到了当前速率拉不动距离，光模块又太耗电、太贵，产业界这两年一直在找第三条路。老股东名单里同时站着英伟达、连接器厂商 Molex 与博世，说明它此前拿到的钱大多带产业属性；本轮加上 Arm，等于把机柜内互连的另一端也接上了。

凭什么是它e-Tube 平台已经铺出三类形态：直接替换线缆的有源射频线缆、贴近加速器的近封装模块，以及与处理器共封装的方案。公司给出的对比很具体：相较铜缆，传输距离 10 倍、重量降到 5 分之 1、线缆体积减半，成本相当；相较光纤，功耗与成本各降约 3 分之 2，延迟低 1000 倍，且不必承担激光器的可靠性风险。这几组数字直指数据中心最痛的三件事——机柜里塞不下线、电费下不来、光模块坏了要停机。Arm 亲自入股的含义也在这里：它关心自家架构落进机柜时的互连方案，此时下注说明这条路线已进入被认真评估的阶段。

资本在买什么1.36 亿美元买的是一张尚未发牌的技术路线彩票。铜与光的边界正在被重新划，谁能吃下中间那段距离，谁就拿到未来几代机柜设计的默认位置。产业资本扎堆而财务资本谨慎，也说明这笔钱的性质更接近战略卡位而非收益投资。要盯的是它能否进入某家大厂的量产机型——在互连这行，没进主力机型的方案等于不存在。

▪ SIGNALArm 亲自入股一家做塑料波导的公司，等于承认机柜内互连的技术路线还没定案。

❯ AI 制药公司 Aureka 完成 1 亿美元 B 轮

这轮怎么融的AI 制药公司 Aureka Biotechnologies 完成 1 亿美元 B 轮，亚洲基金 Granite Asia 独家出资第一批次，一家未具名的战略投资方领投后续批次，高特佳旗下 HighLight Capital 参与。它平台与管线两头都做：一头训生物基础模型 AuraIDE，一头用自有实验平台做单细胞功能筛选与高通量验证，产出抗体分子。公司 2023 年成立，在上海与加州 Laguna Hills 两地设点，累计融资接近 2 亿美元。

分批到账的一轮这轮的结构值得看：资金分两个批次交割，第一批由单一机构独家吃下，战略方在第二批才进场。成立不到三年，它已把 AuraIDE 的开源版本 OpenDDE 放出，据报道其抗体建模表现优于 AlphaFold 3；商业上则与多家跨国药企达成合作，公司称过去两年录得数千万美元收入。在 AI 制药融资普遍降温、多数公司靠里程碑付款续命的这一年，能谈成 1 亿美元并留出战略段位置，靠的正是这两件可被外部核对的东西，而不是单纯的管线故事。

凭什么是它AuraIDE 的训练数据来自公司自建的蛋白质共进化数据集，学的是序列、结构、演化与功能之间的关系，覆盖结构建模、分子生成、生物分子相互作用与功能预测。它和多数同行的区别在于不靠公开数据库训练——共进化数据是自采的，这决定了模型上限，也是它敢开源却不担心被复制的原因。另一层是实验闭环：模型给出设计，自有平台跑单细胞功能筛选与高通量验证，结果回流继续训练。成果落在最难的靶点上——公司称已产出针对 GPCR 的差异化抗体和双靶点抗体，这类分子用传统方法命中率极低。本轮资金主要投向下一代模型的大规模训练。

资本在买什么这笔钱定价的是数据资产与迭代速度，而不是某一条候选药物的读数。管线估值要等临床，周期以年计；模型能力却可以按季度被外部检验，Aureka 开源 OpenDDE 正是把这个检验做在明处，再用药企合作把它换成现金。中美两地建队、模型开源、资金分批交割，三件事叠起来构成了一套针对地缘与研发双重不确定性的风险结构。对同行，参照系已经从”有几条管线”换成了”模型在公开基准上排第几、药企愿不愿意付钱”。

▪ SIGNAL中美两地建队、模型开源、资金分批到账，AI 制药的融资结构本身就是一次风险定价。

OUTLOOK

跨条合流这十笔合起来同时指向一件事。合计约 90 亿美元，其中 Valar Atomics、Lumilens、Volta 与 Point2 四家占去 21.4 亿，分别做电、光、云容量和机柜布线，客户画像高度重叠。这一周资本几乎没有为智能本身出价，它在为智能的电费、线材和机位出价。 例外只在两端：Databricks 守着数据底座，River AI 押注企业要把训练权拿回去。受益的是握着交付时间表的硬件与能源公司，承压的是仍在讲模型能力故事的中间层。接下来最该盯的是估值倍数——Databricks 这轮倍数没扩张，若基础设施的长约兑现慢于扩产，先被压回去的会是那批 50 亿美元起跳的硬件估值。