❯ 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。
▪ SIGNAL 11 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。
▪ SIGNAL 3 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。
▪ SIGNAL AI 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。
▪ SIGNAL Arm 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。