❯ DeepSeek 年化收入运行率达 10 亿美元，正筹集约 75 亿美元

据 The Information 援引知情人士报道，DeepSeek 的年化收入运行率达到 10 亿美元，几个月前还不到 5 亿美元。年化运行率是按眼下的收入速度推算一年，并不是已经赚到的全年收入。公司没有公开财务报表，因此目前还不知道这笔收入主要来自哪些客户和产品。

DeepSeek 开发大语言模型，既有面向普通用户的聊天产品，也向开发者提供 API，让其他软件接入它的模型来写代码、回答问题或处理文档。其官方定价页显示，API 按输入和输出的 Token 数量收费，可以理解为按模型处理的文字量计费。调用规模因此会直接影响 API 业务的收入，公司的具体收入构成尚未公开。

收入增长的同时，DeepSeek 希望在 10 月底前敲定约 75 亿美元融资。它还在筹资阶段，最终估值、投资者名单和具体资金用途尚未公布。对模型公司而言，研发新模型和持续响应用户请求都需要算力；经营收入与外部融资共同决定了它能投入多少资源。

对采用 DeepSeek 的开发者来说，公司若能形成稳定收入并获得新资金，就更有条件长期维护模型和服务。对投资者来说，收入增长提供了需求证据，但模型使用得越多，服务成本也可能上升。判断商业化进展时，既要看客户是否持续付费，也要看增加收入时要多花多少算力成本，不能只看年化收入的增长速度。

▪ SIGNAL模型公司的商业化要同时证明两件事：有人愿意持续付费，而且每增加一笔收入，不必付出同样多的算力成本。

❯ Anthropic 拟让七名创始人掌握过半投票权，为潜在上市保留控制权

The Information 援引知情人士称，Anthropic 正请股东批准一项安排：只要七名联合创始人中至少三人保有规定的最低持股，创始团队就能掌握 50.1% 的投票权。方案还没有通过，具体持股门槛和完整条款也未公开。

Anthropic 是 Claude 的开发商，向个人和企业提供 AI 助手、Claude Code 编程工具，以及让开发者把模型接入自己产品的服务。它需要持续投入模型研发和服务算力，因此融资与公司治理紧密相关：资金引入得越多，创始人的普通股份通常就越容易被稀释。

这项方案试图把持股比例与决策权分开。即使创始团队以后不再持有多数股份，只要满足方案规定的条件，仍能保留多数投票权。报道将其与潜在 IPO 联系起来，并称结构类似 Palantir，但 Anthropic 尚未公布上市时间表。最低持股门槛、适用事项和失效条件，还要看最终批准的文件。

对创始团队而言，这能减少外部股东在短期回报压力下改变公司路线的可能。对后续投资者而言，投入资金并不一定带来相应的决策影响力，因此董事会监督、股东保护和权利终止条件会更加重要。特别投票权如何设计，影响的不只是上市后的表决，也包括公司长期研发投入由谁拍板。

▪ SIGNALAnthropic 要争取的是融资后仍能坚持自己的研发路线，而投资者会要求控制权与监督机制一起说清楚。

❯ TypeSafe 种子轮后洽谈逾 10 亿美元融资，目标估值超过 100 亿美元

TypeSafe 上周刚宣布 4000 万美元种子轮，现在又在讨论超过 10 亿美元的新融资。据 The Information 报道，新一轮目标估值超过 100 亿美元；PitchBook 给出的种子轮估值约为 2 亿美元。新融资还在洽谈，目标价并不是成交价。

TypeSafe 面向软件开发者提供 AI 决策模型，首款产品是 Jev。按公司产品介绍，开发者可以把问题、可选答案和当前状态交给模型，拿回程序可直接使用的判断与概率。例如，客服软件可以据此决定问题该交给哪个团队，应用也可以判断一段内容是否符合要求。这类产品的客户为反复调用模型付费，公司已公布按输入 Token 计费的价格。

Jev 已开放早期访问。它主要追求快速、固定格式的判断，不以生成长篇文字为核心。TypeSafe 想解决的是：许多软件需要少量判断能力，却没有必要每次都调用一个完整的聊天助手。从早期产品到百亿美元目标估值，TypeSafe 面临的是把开发者尝试转为企业持续使用的考验。

如果这种模型能以更低成本完成大量小决策，软件开发者就可能把 AI 放进搜索排序、客服分流、内容检查等更多环节。TypeSafe 面临的考验是，这些判断能否足够可靠，让企业放心接入正式系统，并在反复使用中形成稳定收入。融资如果完成，会给产品开发更多资源；至于资金具体投向哪里，仍须以公司的披露为准。

▪ SIGNALJev 的机会在于让 AI 判断像普通软件功能一样被频繁调用，估值最终要由调用背后的真实业务需求来支撑。

❯ Modal Labs 洽谈新融资，目标估值约 150 亿美元，为四个月前的三倍

Bloomberg 援引知情人士称，Modal Labs 正洽谈新融资，目标估值约 150 亿美元，约为四个月前的三倍。公司拒绝置评，拟募金额和最终条款没有公布，这仍是谈判中的价格。

Modal 成立于 2021 年，做的是面向开发者的 AI 云基础设施。它的官网提供模型运行、训练、批处理和代码运行环境等服务。开发者写好任务后，可以让平台安排 GPU 或普通处理器，并随需求增减资源；客户购买的是运行任务所需的计算能力和管理服务，省去自行准备整套服务器的工作。

这轮融资讨论发生在企业开始把更多 AI 功能投入实际使用的时候。模型训练完成后，每一次回答、生成图片或执行智能体任务，仍要消耗算力。Bloomberg 报道指出，开放模型增多也让企业更愿意自己部署模型，从而需要 Modal 这类平台帮助运行。平台要承接增长，同样需要资金取得芯片和计算资源。

对客户来说，按需使用资源能降低自己建设和管理基础设施的负担；对 Modal 来说，扩容速度、服务稳定性和价格都决定客户会不会留下。估值快速上升，反映投资者看好这种需求，但公司必须避免先准备了大量算力，客户用量却没有跟上。资源采购与客户用量能否匹配，会直接影响扩张后的回报。

▪ SIGNAL推理需求可以带来收入，也会带来算力账单；Modal 的优势要体现在让更多客户共享资源后，服务仍快而且成本可控。

❯ Baseten 洽谈新融资，目标估值约 260 亿美元，较 6 月翻倍

据 Bloomberg 援引知情人士报道，Baseten 正洽谈新融资，目标估值约 260 亿美元，是今年 6 月 130 亿美元估值的两倍。公司拒绝置评，融资额和条款尚未公布。本轮融资仍处于洽谈阶段。

Baseten 成立于 2019 年，为其他公司提供运行 AI 模型的软件和计算资源。它服务的客户往往有模型或应用需求，却没有大型 AI 实验室那样的基础设施团队。例如，一家创业公司想把开放模型接入自己的客服产品，就需要让模型持续响应请求、应对高峰流量，并处理运行故障；Baseten 提供的正是这类部署和运维能力。

开放模型越来越多，企业有了更多选择，但“拿到模型”和“把模型稳定做成服务”之间仍隔着不少工程工作。Baseten 因此能承接模型使用需求，融资也能帮助它获得更多算力。与此同时，它必须与云厂商和其他推理平台竞争，不能只靠模型行业增长来保证客户增长。本轮资金的具体用途尚未公布。

对采用 AI 的企业来说，专业平台可能缩短产品上线时间，减少自建团队的投入；但价格、响应速度和服务可靠性仍要逐一比较。对 Baseten 而言，客户业务增长会增加调用量，也会增加算力开支。新估值要得到长期支持，平台就得在客户愿意持续付费的同时，把这些请求处理得足够高效。

▪ SIGNAL模型越容易获得，企业越需要有人把它稳定运行起来；Baseten 的价值取决于能否把这份工程工作做成可持续的服务。

❯ 小米公开 MiMo-V3 核心架构，称读入百万 Token 所需计算量降至约五分之一

小米 MiMo 负责人罗福莉在 X 公布了下一代 MiMo-V3 将采用的核心架构 HySparse 2。团队称，与 MiMo-V2.6 的架构相比，处理 100 万 Token 输入时，读入内容所需的计算量降至原来的约 1/5.02，生成回答时占用的 KV 缓存缩小 4.5 倍，长文本检索测试成绩也更高。这些是团队公布的测试结果，MiMo-V3 模型本身尚未发布。

这套架构主要针对长对话和智能体任务。智能体处理复杂工作时，会不断积累文件、对话和工具结果；模型每次继续工作，都可能需要读取这些历史内容。把长内容读进去的计算叫“预填充”，生成答案时保留的中间信息则放在 KV 缓存中。两者分别影响等待时间和显存占用，也是百万 Token 长任务容易变贵的原因。

HySparse 2 尝试更细致地选择和复用信息。按团队介绍，它把选择单位从一整块内容细化到单个 Token，并调整近期内容的保留方式，让局部与全局信息共享缓存；还使用 KV 桥接和重用等机制。直观地说，模型希望少做重复计算，同时保住完成任务需要的信息。具体效果目前来自团队测试，不能直接推算成所有用户的费用都降低相同比例。

如果这些改进能在真实任务中成立，长文档分析和需要反复调用工具的智能体，就可能用更少显存、更短等待时间完成工作。但省下资源的同时，也要确认模型没有漏掉关键细节。因此后续应一起比较完成任务的准确性、耗时与成本，才能判断架构变化对用户是否有用。

▪ SIGNAL长上下文竞争正在延伸到“读得起、用得稳”：能装下更多信息，还要能以合理成本找到其中真正有用的部分。

❯ 谷歌拟在 10 月 1 日将四颗 TPU 送入轨道，测试太空 AI 算力

据 《纽约时报》 报道，谷歌计划于 10 月 1 日借 SpaceX 火箭发射 Project Suncatcher 实验卫星，搭载 四颗 TPU，在轨测试约一年。发射计划仍可能调整，这也不是已经运营的太空数据中心。

TPU 是谷歌用于 AI 计算的专用芯片。地面上，它依靠机房里的供电、冷却和网络工作；送入轨道后，这些条件都要重新验证。芯片能否承受辐射和温度变化，卫星能否持续供电、带走热量并传回数据，都会直接影响计算能否完成。四颗 TPU 的试验规模不大，但可以取得地面模拟无法完全替代的在轨数据。

这项计划的最新进展是准备发射实验设备，距离大规模部署还很远。卫星入轨后，真正要看的结果是能否在预定时间内稳定运行，而不是仅仅完成一次发射。即使单颗卫星测试成功，未来更多设备如何协同、网络怎样连接、故障怎样处理，仍需要后续试验。

对 AI 基础设施行业来说，Suncatcher 提供了探索新计算环境的机会，却暂时不能替代地面数据中心。未来如果要形成商业服务，还须把发射、通信和维护都计入成本，再与地面算力比较。它对当前行业的主要影响是积累技术证据，而非短期增加可购买的算力。

▪ SIGNAL太空算力首先是一道可靠性和成本题；卫星飞上去只是起点，能长期稳定完成计算才是下一步的价值。

❯ Google DeepMind 称 Gemini 4 进入后训练，可能在年底前发布

据 The Information 转述，Google DeepMind 负责人 Koray Kavukcuoglu 说，Gemini 4 已进入后训练阶段，可能在年底前推出。谷歌还没有公布发布日期、规格或上线范围，“年底前”也不是确定承诺。

“后训练”指的是大规模基础训练之后的调整阶段。模型已经学到大量知识和语言规律，研发团队还要继续改善它回答问题、进行推理、调用工具和处理不安全请求的方式。随后还涉及评测与产品接入，因此进入后训练说明研发往前走了一步，并不等于已经准备好向所有用户开放。

对开发者来说，这一进度可以作为规划产品测试的时间参考，但暂时不足以决定迁移现有系统。是否值得换用 Gemini 4，还要比较正式版本在具体任务里的效果、速度、价格和 API 可用性。对其他模型厂商而言，年底前可能有新产品加入竞争，不过性能排名和市场影响仍要等实际产品，而不是只看发布时间窗口。

▪ SIGNAL新模型的研发进度能改变市场预期，真正让客户更换模型的仍是可验证的效果提升和迁移收益。

❯ Anthropic 用内部 AI 优化 Claude，称常用操作两周内提速约三倍

Anthropic 在工程复盘中说，团队 8 月用了两周改善 Claude.ai 和桌面应用最常用的操作。公司测试显示，网页从打开到能输入由 3.1 秒降至 0.55 秒，Claude Code 会话启动由 0.8 秒降至 0.3 秒，Cowork 云会话加载由 2.6 秒降至 0.73 秒。变快的是界面与加载过程，不是模型生成答案的速度。

这次工作从用户最常等待的地方入手，而不是先增加新功能。团队拆出需要测量的操作，让内部 AI 模型协助找原因、改代码和建立测试，再由工程师判断哪些改动值得保留。对长回答的显示过程，团队还借助逐帧测试找出界面停顿。AI 因此参与了发现问题、修复和验证的一整轮工作。

Anthropic 称重点优化的四条路径覆盖约 95% 的用户活动。“快三倍”描述的是选定操作的总体结果，用户自己的网络、设备和对话长度仍会影响体验。对软件团队来说，这个案例的借鉴之处是先把“慢”变成能测量的问题，再让 AI 帮忙处理；对用户来说，能否长期保持流畅，比一次优化报告更有实际意义。

▪ SIGNALAI 编程工具的收益不只在多写了多少代码，还在能否持续减少用户真正遇到的等待、卡顿和故障。

❯ 贝索斯累计向蓝色起源投入 300 亿美元，公司首轮外部融资估值达 1400 亿美元

《华尔街日报》 援引文件称，贝索斯自 2000 年起已向蓝色起源投入约 300 亿美元。公司首次向外部投资者募得约 100 亿美元，估值约 1400 亿美元；贝索斯本人也在本轮投入 20 亿美元。长期累计投入和本轮出资属于不同口径，不能简单相加。

蓝色起源是一家商业航天公司，研发火箭、发动机及相关太空设施。它面向需要发射服务、航天设备和任务执行能力的客户。这样的业务要先花大量资金完成研发、制造与测试，能够稳定交付后才更容易持续获得收入，投入和回款之间往往相隔多年。

贝索斯长期出资，让公司有条件持续推进研发。首轮外部融资则把更多投资者带进来，为公司增加资金来源；他本人继续参与，也说明创始人资金与外部资本在同一轮中共同投入。本轮资金的具体投向尚未公开。

对公司而言，资金增加有助于承受长期项目的投入，但也会带来更明确的商业回报要求。对新投资者而言，需要判断研发成果能否转化成足够的发射频率、订单交付和收入。1400 亿美元估值体现的是交易定价，未来能否支撑这个价格，还要靠具体业务持续兑现。

▪ SIGNAL航天公司能否吸引长期资本，最终要把一次次技术成功变成可以重复交付、持续收款的业务。

❯ 腾讯推出 TenPayGo，访华游客可用国际银行卡在微信商户付款

腾讯推出面向访华游客的独立支付应用 TenPayGo。据 Bloomberg 援引腾讯声明报道，游客可通过 Visa、Mastercard 和 Apple Pay，在微信支付网络的数千万商户付款。商户仍使用现有收款方式，变化主要是游客多了一个接入中国支付场景的入口。

中国许多日常消费场景以二维码付款为主，入境游客即使带着国际银行卡，也需要一个能连接本地收款网络的工具。TenPayGo 的作用就是把游客熟悉的境外支付方式与微信商户连接起来。它能接入大量现有商户，比要求每家店安装新的收款设备更容易推广；具体适用的国家、卡种和费用仍以产品规则为准。

对游客来说，产品好不好用取决于第一次注册、绑卡、验证和付款是否顺畅，出现失败或退款时能否处理清楚。对商户来说，支付更方便可能减少因无法收款而流失的交易。对腾讯而言，独立应用多了一个争取入境支付用户的入口，也会与蚂蚁集团的相关服务竞争；能否留住用户，需要由实际付款体验证明。

▪ SIGNAL入境支付的优势最终体现在游客能否顺利付出第一笔钱，广泛的商户网络还需要简单可靠的使用流程来兑现。

❯ 扎克伯格称 Meta 早已着手开发无摄像头 Ray-Ban 眼镜，上市时间未定

扎克伯格在 Joanna Stern 的专访中说，Meta 早在带摄像头眼镜引发隐私争议之前，就已着手开发无摄像头 Ray-Ban 眼镜。他谈的是研发方向，不是宣布新产品上市；价格、功能与发布时间都未公布。

摄像头是现有智能眼镜的重要输入：它可以把眼前场景交给 AI，让用户询问物体、文字或环境，也可以用来拍摄。问题是，旁人未必知道自己何时进入镜头，因此它同时影响了产品能力和社会接受度。扎克伯格强调研发早于争议，是在解释这条产品路线的来历；采访没有给出无摄像头款的完整规格。

如果无摄像头版本最终推出，可能更适合不方便拍摄的场合，也可能降低一些人的隐私顾虑。不过，用户能够使用的视觉功能会不同，不能直接把它理解为现有眼镜的全面升级。对 Meta 和其他智能眼镜厂商来说，如何让佩戴者获得便利，又让周围的人清楚设备能做什么，将影响产品能进入多少日常场景。

▪ SIGNAL智能眼镜走向大众，需要同时服务佩戴者与旁观者；少一个传感器，有时可能换来更多可使用的场合。

❯ 美国考虑在海外推广美元稳定币，或与企业合资推动落地

Bloomberg 援引知情人士称，特朗普政府正在考虑推动美元稳定币在海外使用，其中一种方案是与私营企业合资。目前只是政策讨论，合作对象、目标市场和实施文件都没有公布。

美元稳定币通常承诺与美元保持相对固定的兑换关系，并用现金、国债等资产作储备，使用者可以在区块链网络上转移它。与传统跨境银行转账相比，它提供了另一条转移美元价值的渠道，但实际到账、兑换成本和可用范围取决于具体服务。报道把政府的讨论与扩大美元海外使用、增加美国国债需求联系起来。

如果海外使用规模扩大，稳定币发行人可能需要增加储备，支付企业也可能获得新的交易需求。但这种影响以真实使用增长为前提，并不由一项政策设想自动产生。海外政府还会考虑本币使用、资金流动和监管责任，消费者则要判断能否可靠兑换。美国与企业如何合作、哪些市场愿意接受，都会影响计划能走多远。

▪ SIGNAL稳定币能扩大美元的数字支付渠道，但跨境普及仍要同时赢得当地监管的许可和用户对储备的信任。

❯ 月之暗面 Kimi K3.1 传出 10 月发布计划，官方尚未确认

最近流传的消息称，月之暗面可能在 10 月推出 Kimi K3.1，提供 Low、High、Max 三档推理强度，以及 Agent、Swarm 等模式。月之暗面尚未正式公布 K3.1，发布时间和功能配置仍未获官方确认。

月之暗面是 Kimi 的开发商。其官方文档显示，现有 Kimi K3 已支持 100 万 Token 上下文和原生视觉理解，面向长程编程、知识工作等任务。长上下文允许一次放入更多材料，视觉能力则让模型处理图像；这些能力构成了后续版本需要进一步改进的基础。

传闻中的三档推理强度，若最终实现，通常会让用户在思考投入、等待时间和效果之间做选择；Swarm 则涉及多个智能体分工处理任务。但模式名称本身不能说明完成任务的质量。对准备接入 Kimi 的开发者而言，目前应以已发布产品作决策，等官方公布 K3.1 的价格、接口和测试结果后，再判断是否值得迁移。

▪ SIGNAL模型多几个模式并不自动增加使用价值，升级要落实到同一件工作是否做得更好、更快或更省。

❯ AI 短剧承制商卷入价格战，竞争焦点转向剧本与 IP

AI 短剧的制作价格正受到越来越便宜的生成工具和不断增加的供给挤压。围绕这一行业的观察提到，部分标准化项目半年内报价大幅下降，制作团队开始转向定制内容和长期经营 IP。项目的时长、画质和修改要求不同，标准化制作与定制项目承受的降价压力也有差别。

传统短剧要为拍摄、演员、配音、剪辑等环节配置人手，AI 工具则让其中一些工作能由更小的团队完成。制作门槛下降后，更多公司能够交出相似的成片，客户也更容易比较价格。过去依靠工时和专业设备形成的收费空间，可能随之缩小，技术节省的一部分成本最终被更低的报价让给客户。

但成片做出来，只完成了生意的一部分。故事是否吸引人、版权是否清楚、修改是否失控、花多少钱获得观众，以及平台如何分成，都会影响收入。只接制作订单的团队更容易遇到比价，拥有独特题材、稳定客户或可反复开发 IP 的团队则更有机会议价。这也解释了为什么一些从业者尝试从承制转向内容运营，而不是单纯增加出片量。

对平台和观众来说，供给增加会带来更多内容选择，也让筛选好作品变得更重要。对制作公司来说，工具效率需要与剧本、审美、客户需求和发行能力一起考虑，否则产量增加未必带来利润。同样的工具可以把制作成本降下来，却无法保证每部作品都能吸引观众、收回投入。

▪ SIGNAL当“能做出来”越来越容易，短剧公司的定价权会更多取决于能否做出有人愿意看、客户愿意持续买的内容。