❯ Google 发布 Gemini 4 Carbon，先向网络安全防御者开放更强的长任务能力
两周后再推旗舰Google 于 10 月 28 日发布 Gemini 4 Carbon，距离上一款 Gemini 4 Argon 发布仅两周。Carbon 在 Artificial Analysis 新版智能指数 v5 上获得 59 分，位列该榜第一。Google 将此次升级重点放在编程、网络安全和长时间自主执行任务上。
从找漏洞走到修漏洞Carbon 的安全能力覆盖发现漏洞、验证漏洞能否被利用，以及修复根因三个环节。Google 公布的 SEC-bench Pro、ExploitGym 和 CWE-bench 成绩分别为 88.2%、54.8% 和 71.0%，这些外部基准成绩是在不启用防护限制的条件下测得。对企业安全团队而言，价值在于把“发现一个可疑问题”继续推进为能验证、能提交的修复代码。
长任务需要少走捷径Google 称，内部团队已让 Carbon 连续运行数天，处理大型代码库和底层系统中难以定位的问题。公司同时加强了对编程任务中投机行为、缺乏依据的完成声明和提示注入的控制。这些属于 Google 的内部观察与测试结果；它们针对的是智能体工作数小时后仍能可靠推进的难题，不能直接折算为所有用户的效率倍数。
尚未面向所有人开放本周首先获得访问权限的是部分网络安全防御者，随后才会通过 Fairwind 项目扩展至更多可信合作伙伴，开发者、企业和消费者的全面开放日期尚未公布。首发优惠价格为每百万输入、输出 Token 分别 2 美元和 10 美元，优惠期结束后将为 4 美元和 20 美元；缓存输入另享 95% 折扣。
▮ SIGNAL模型竞争正在从一次回答的正确率，延伸到连续发现问题、验证风险并完成修复的整段工作能力。
❯ Alphabet 云收入翻倍，AI 增长与资本开支同时提速
云业务成为增长主力Alphabet 的第三季度财报显示，营收同比增长 25% 至 1275.8 亿美元。Google Cloud 收入增长 103% 至 307.1 亿美元，营业利润由上年同期的 35.9 亿美元增至 111.2 亿美元。公司将增长归因于企业 AI 基础设施、AI 解决方案和基础云服务需求，TPU 系统销售也作出了实质贡献。
搜索和模型一起扩张Google 搜索及其他业务收入增长 12%，公司称搜索查询量的同比增速达到五年来最高。Pichai 同时披露，自有模型 API 每分钟处理近 320 亿个 Token，是一年前的四倍以上；Gemini 应用用户达到 10 亿。这里的应用用户未被财报定义为付费用户，调用量增长则体现了开发者和企业使用模型的规模。
增长背后是更大的现金投入本季购置物业和设备支出达到 513.6 亿美元，高于上年同期的 239.5 亿美元；经营现金流为 422.9 亿美元，扣除资本开支后的自由现金流为 负 90.7 亿美元。云业务已经产生更高营业利润，但数据中心投入集中在前，收入和现金回收分布在后，两条曲线的时间差扩大了融资需求。
利润还受投资估值影响Alphabet 营业利润增长 30% 至 405.8 亿美元，但归属于普通股股东的净利润由 349.8 亿美元降至 261.7 亿美元。财报披露，本季债务及股权证券净损失约 90.5 亿美元，是理解净利润变化的重要项目。因此，这份成绩单既有 AI 带动的经营增长，也有资本投入和投资公允价值波动，不能仅用净利润或云收入一个数字概括。
▮ SIGNALGoogle 已把 AI 使用量转化为云收入和营业利润，下一道经营考题是让新增算力的现金回收追上建设速度。
❯ 微软营收增长 19%，Azure 加速与企业 AI 合同支撑新财年
新财年从云增长开始微软公布截至 9 月 30 日的 2027 财年第一季度业绩：营收 922.8 亿美元，同比增长 19%，营业利润 459.2 亿美元，增长 21%；Azure 收入增长 48%。微软的财年从 7 月开始，因此这份“第一季度”对应自然年的第三季度。
企业购买的不只是模型Microsoft Cloud 收入增至 639 亿美元，同比增长 30%；Microsoft 365 商业云收入按报告口径增长 17%。微软向企业提供的是云算力、办公软件、智能体和安全能力的组合，客户既为模型计算付费，也为已有业务系统加入 AI 功能付费。不同产品的收入被归入各自业务，不能把整个云收入直接当成生成式 AI 收入。
合同规模扩大，收入分期兑现商业剩余履约义务同比增长 73% 至 6770 亿美元，反映已签约、尚待确认的未来收入。它说明企业对长期服务作出的承诺扩大，但这些合同需要在未来提供服务后逐步确认收入，履约也要求微软持续准备数据中心、设备和人员。
净利润需看可比口径GAAP 净利润为 366.3 亿美元，同比增长 32%；剔除 OpenAI 投资影响后，净利润为 364.2 亿美元，同比增长 18%。差异主要来自上年同期 OpenAI 投资损失较大、本期转为小额收益。这使经营表现与投资会计影响可以分开理解：云和企业软件正在增长，但 32% 并不全由当季主营业务提速带来。
▮ SIGNAL微软的 AI 商业化正嵌入企业长期采购，合同储备扩大了增长可见性，也延长了算力投入与服务交付的责任。
❯ 苹果首次为 MacBook Pro 加入触屏，OLED 与本地 AI 同步升级
Mac 首次支持直接触控苹果于 10 月 28 日推出新款 MacBook Pro，搭载 M5 Pro 或 M5 Max，以及支持触控的 PROLED XDR 双层 OLED 屏幕。14 英寸和 16 英寸机型美国起价分别为 2899 美元和 3399 美元，已开放预订，11 月 6 日开始发售。
触屏成为专业工具的新入口用户可以直接缩放照片、移动演示文稿内容、操作三维模型或弹奏屏幕上的软件乐器。macOS 会把触控转换为点击，使不少既有应用直接可用，开发者也能通过新的手势接口提供更适合触屏的操作。苹果同时重做铰链以提高触控时的稳定性，保留键盘和触控板操作习惯。
屏幕与计算平台一起改变双层 OLED 采用两层自发光像素，苹果给出的 HDR、SDR 峰值亮度均为 2000 尼特，并支持最高 120Hz 可变刷新率。新机最高可选 128GB 统一内存和 16TB 存储；GPU 核心内置的神经加速单元面向本地模型等 AI 工作负载，官方举出的使用方式包括在 LM Studio 中运行大语言模型。
AI 交互进入系统界面灵动岛也首次来到 Mac，承载 Spotlight、实时活动和 Siri AI。对创作者和开发者，这次更新把看内容、直接操作内容和运行本地模型放在同一台更轻的电脑上。具体模型能否流畅运行仍取决于参数量、量化方式和所选配置，最高内存容量本身并不代表所有大模型都能达到同样速度。
▮ SIGNAL苹果正在同时改变专业电脑的输入方式和本地计算能力，让 AI 工具更容易接入真实的创作界面。
❯ 英伟达收购 Hugging Face 遭美司法部问询，审查焦点延伸至模型分发
问询针对拟议交易路透社援引两名知情人士报道，美国司法部正了解英伟达拟以 129.3 亿美元收购 Hugging Face 对 AI 竞争的影响。这些问题属于对英伟达商业行为持续多年的调查的一部分，目前没有披露因此提起的新诉讼或阻止交易的决定。
为什么一个开源平台重要Hugging Face 是开发者分享和获取模型、数据集与相关工具的重要平台。英伟达已是主要 AI 芯片供应商，收购将使它进一步进入模型被开发者发现、下载和部署的环节。司法部询问的核心之一，是掌握这一分发节点后，英伟达是否可能取得对竞争对手的新影响力。
交易尚未交割英伟达预计收购将在 2027 年上半年完成，并表示 Hugging Face 将继续支持不同芯片、云平台和 AI 提供商。开放承诺与交易完成是两个不同阶段：目前讨论的是拟议收购可能改变什么，而不是平台已经停止支持其他厂商。
从芯片竞争走向生态竞争路透社还提到，调查范围涉及英伟达此前的收购、投资和销售安排，包括运行算力的软件业务。对模型公司而言，硬件供应和工具分发往往相互连接，审查因此需要同时观察开发者能否方便使用不同硬件、不同模型与不同云服务。英伟达未就报道置评，Hugging Face 未回应路透社的置评请求。
▮ SIGNALAI 基础设施的竞争边界正在越过芯片，延伸到开发者获取模型和部署工具的入口。
❯ AMD 拟向 Meta 投资 10 亿美元，Helios 已进入客户测试
投资与部署同步推进AMD 在 10 月 27 日公告中表示，将认购 Meta 股权发行中的 10 亿美元股票；首批 Helios 机架级系统已在 Meta 安装并接受测试，为后续扩大部署作准备。10 亿美元是 AMD 对 Meta 的股权投资承诺，不能计为 Meta 向 AMD 下达的芯片订单。
合作已有多年基础Meta 已跨多代部署数百万颗 AMD EPYC 处理器，并用 AMD Instinct GPU 进行训练、排序和推荐。此次更新将合作扩展至整套机架：Helios 不只是单颗加速芯片，而是把计算、网络、系统与软件组合成可部署的数据中心设备，客户需要验证整套系统的运行和适配。
围绕实际工作负载定制AMD 称，EPYC 支撑 Meta Muse 智能体的专用计算环境，双方也在协作开发适合 Meta 工作负载的定制 Instinct GPU，并共同优化 ROCm、PyTorch 和 Triton 等软件工具。Meta 的使用反馈还将影响未来处理器、MI500 系列 GPU 和下一代机架系统的设计。
测试是规模交付的前一站目前已经完成的是首批系统安装和测试启动，广泛部署仍属后续计划。对于 AMD，获得大型客户的整机测试机会，有助于把芯片性能证明推进到可持续运维、软件兼容和集群运行；对于 Meta，多家硬件及软件路线可以支持不同模型与推荐任务的算力需求。
▮ SIGNALAI 芯片竞争越来越依赖客户共同设计和整机交付，硬件供应商也开始以股权资金加深客户关系。
❯ Cognition 考虑年底前再融资，投资报价估值达 700 亿至 800 亿美元
距离上轮融资仅数周Business Insider 的 Katie Roof援引知情人士报道，AI 编程公司 Cognition 收到估值 700 亿至 800 亿美元的投资报价，正认真考虑在年底前再融资。谈判仍处早期，估值和条款可能变化，融资金额与最终投资者名单尚未确定。
客户购买软件工程执行能力Cognition 的核心产品 Devin 是编程智能体，企业可把代码修改、故障调查、安全问题处理等工作交给它推进，而不仅是让模型补全下一行代码。公司披露的客户包括英伟达、GE Aerospace、花旗和梅赛德斯—奔驰；这些企业付费购买的是可接入真实代码库与工作流程的软件工程能力。
已有融资与收入基数公司在 9 月 8 日的 E 轮公告中确认，以 480 亿美元估值融资超过 20 亿美元，领投方包括 a16z 和 Accel。当时披露的年化收入运行率已由 5 月的 4.92 亿美元增至接近 9 亿美元。这一指标是按当时收入速度折算全年，并非已实现的全年收入。
资本押注持续运行的智能体Cognition 已把产品延伸到由 Slack、GitHub、Linear 等系统事件触发的自动任务，并强调可以组合不同供应商的模型。新的投资报价反映资金对编程智能体需求增长的预期，但本轮尚未公布明确资金用途。真正支撑企业持续购买的，是这些自动任务能够稳定处理多少实际工程工作，以及相应计算成本。
▮ SIGNAL编程智能体正从个人助手进入企业流程，资本定价也开始围绕持续任务量和企业付费能力展开。
❯ FuriosaAI 完成 6.2 亿美元融资，以量产推理芯片扩大全球部署
融资已经完成韩国 AI 芯片公司 FuriosaAI 在官方公告中确认完成 6.2 亿美元 D 轮融资，投后估值 29 亿美元。韩国国家增长基金承诺约 2.8 亿美元，参与方还包括 Cisco Investments、Infinitum、Jericho Capital、NAVER 等。彭博的可见报道将此次估值变化概括为约增至此前四倍。
卖的是运行模型的专用算力FuriosaAI 创立于 2017 年，主攻推理芯片，即模型训练完成后，为用户持续生成回答所需的计算。其第二代 RNGD 已于今年 1 月量产，采用 180 瓦风冷 PCIe 卡形态，目标是在企业现有机房的供电、散热条件内提供模型服务，而不要求客户先重建整套设施。
客户从验证走向生产使用公司称，三星 SDS 已推出基于 RNGD 的 NPU 算力服务，LG 集团企业也在本地与混合云环境部署。云服务商购买芯片以转售推理算力，企业客户则为内部应用运行模型。两类客户都关心模型适配、并发容量和每单位电力能服务多少用户，这也是专用推理芯片争取预算的切入点。
本轮资金连接两代产品FuriosaAI 计划今年生产 2 万张 RNGD 卡，并称已锁定足以使 2027 年产量翻倍以上的内存与晶圆制造资源。新增资金一方面用于扩大生产和全球部署，另一方面支持与博通等伙伴开发第三代芯片，拟采用 2 纳米多芯粒设计及 HBM4／4E 内存。目前第三代仍在开发中。
▮ SIGNAL推理芯片公司的融资逻辑正从证明芯片可用，转向证明能量产、能适配模型、能进入客户长期运行的系统。
❯ Marvell 深入洽谈收购 Lumentum，拟整合 AI 数据中心芯片与光通信
潜在大交易仍在谈彭博披露，Marvell 正深入洽谈收购数据中心光通信公司 Lumentum，最快可能下周宣布，但仍可能发生变化。报道时 Lumentum 市值约 830 亿美元，Marvell 市值约 2210 亿美元；830 亿美元是目标公司的市场价值，不是已经议定的收购对价。
双方处在同一条数据传输链Marvell 提供数据中心芯片和高速互连技术，Lumentum 制造激光器及高速光学器件。AI 集群需要大量服务器和加速器交换数据，电信号经过相关芯片处理后，再借助光学器件跨设备传输。集群扩大后，传输速度、功耗和可靠性会直接影响昂贵算力能否被充分利用。
光器件成为战略资源Yahoo 刊载的 Investing.com 报道指出，Lumentum 的高速光学技术正受到 AI 基础设施厂商重视。对 Marvell 而言，若交易完成，将把更多光学研发与制造能力纳入自身产品体系，缩短芯片、模块和网络方案之间的协调链条。
交易结构尚未公开双方尚未公布正式协议、付款方式和最终价格，也不能将“最快下周宣布”理解为下周完成交割。如此规模的整合需要处理产品路线、客户关系和供应安排。当前确定的增量，是芯片厂商正在认真考虑通过收购补齐光通信环节，而非仅依靠外部采购。
▮ SIGNALAI 集群的瓶颈推动芯片和光学供应链靠近，厂商争夺的是让整套网络更快扩容的能力。
❯ SK 海力士季度营收首次突破 100 万亿韩元，HBM4 接棒增长
营收和营业利润刷新纪录SK 海力士 10 月 28 日公布，第三季度营收 104.62 万亿韩元，同比增长 328%；营业利润 83.33 万亿韩元，同比增长 632%，营业利润率约 80%。净利润为 39.78 万亿韩元。采用韩元原币口径，可以避免不同媒体美元折算汇率造成的差异。
不是只有一种内存在增长AI 服务器既需要紧贴加速器、快速输送数据的高带宽内存 HBM，也需要服务器 DDR5 内存和存放数据的企业级固态硬盘。公司表示，本季 HBM4 出货开始全面展开，服务器 DDR5 销售大幅增加，321 层 TLC 企业级 SSD 销售也在扩大。产品组合变化叠加主要存储产品价格上涨，共同推动收入和利润。
下一步是 HBM4 成为主力公司计划年底前将 M15X 工厂产能提升至最大水平，并预计第四季度 HBM4 的出货量和收入都将超过 HBM3E。NAND 方面，计划把 321 层工艺在韩国本土产能中的占比提高至一半以上，增加高性能、大容量企业级 SSD 供应。这些是下一季度的经营目标，尚非已实现的销售结果。
本季表现形成扩产资金基础截至季末，公司现金及现金等价物达 114.5 万亿韩元，借款降至 15.8 万亿韩元，净现金为 98.7 万亿韩元。储备增加使公司能同时推进新工厂和股东回报，但收入能否持续增长，还与新产线交付、产品升级及客户实际用量相连。此次财报最直接的变化，是 AI 需求已经同时进入多类存储产品的损益表。
▮ SIGNALAI 存储增长正在从 HBM 单点扩展到服务器内存与企业级存储，产品组合升级放大了收入向利润的传导。
❯ SK 海力士扩大股东回报，全年计划约 100 万亿韩元
全年方案包含此前回购SK 海力士在本次业绩公告中提出，以 2026 财年为基准，推进约 100 万亿韩元股东回报，包括至少 30 万亿韩元现金分红，以及合计至少 60 万亿韩元的回购与注销。全年总额包含 8 月宣布的 40 万亿韩元回购，不能把这笔旧计划再次加到全年总额之上。
新增回购有两种用途董事会本次通过 14 万亿韩元第三季度现金分红，以及 20 万亿韩元回购。其中约 10 万亿韩元对应股份拟全部注销，计入股东回报；另约 10 万亿韩元用于员工绩效奖金，不计入股东回报。买回公司股票只是交易动作，注销还是分配给员工，会带来不同的每股权益效果。
特别分红来自铠侠投资收益第三季度每股分红为 2 万韩元，一半反映经营业绩改善，另一半是分享铠侠投资成果的特别分红。公司说明，经营形成的分红与大额投资收益形成的特别回报有不同来源，未来也计划按这一原则安排。因此，当前分红水平不能简单视为每个季度都能重复的固定金额。
8 月宣布，10 月完成此前 40 万亿韩元回购已于上周完成，相关股份随后将注销。此次新增方案是在存储业务现金积累与投资收益共同支持下，继续执行将至少一半自由现金流用于股东回报的承诺；与此同时，公司已表示明年资本投入将明显增加。经营所得的现金因而被分配到扩产和回报两条用途。
▮ SIGNAL高额回报同时来自存储经营和投资兑现，理解其持续性，需要把常规分红、特别分红、注销与员工激励分开。
❯ SK 海力士预计短缺延续至 2030 年，过半远期产能已由长约覆盖
长期合同锁定需求SK 海力士在业绩说明中披露，已与包括大型云服务商在内的 14 家主要客户签署长期供应协议，覆盖 2027 年和 2028 年总产能的 50% 以上。公司判断，先进制程难度提高、新工厂建设耗时较长，存储供不应求的格局预计持续至 2030 年。
从临时采购走向多年安排这类长期供应协议通常为五年，公司已与部分客户讨论进一步延长。对云厂商而言，提前拿到内存供应承诺，才能更有把握安排服务器、加速器和机房部署；对存储厂商而言，确定需求后再建设新产线，可以降低扩产后没有客户承接的风险。
锁量不代表价格完全不动公司表示，合同在与客户商定的价格区间内反映市场行情，使长期供应与一定程度的价格调整并存。已覆盖的远期产能也并非今天的收入，必须在未来交付后兑现。因此，这些合同首先提高需求可见性，并不意味着所有未来利润已经确定。
供给扩张依然需要时间SK 海力士计划随着龙仁一期工厂投产等安排，在明年明显增加投入，但将根据客户需求、产品竞争力、盈利性和投资效率调整规模及时机。短缺判断因此反映的是公司在当前需求和建设周期下的预期：客户正提前占用未来供应，而新产线无法在短期内随订单立即增加。
▮ SIGNAL算力采购正在前移到多年期的内存锁量，能够保证交付的供应合同成为数据中心建设的重要条件。
❯ 东山精密完成约 13 亿美元香港上市，AI 电路板供应链拓展融资
融资完成，进入交易阶段彭博经 The Edge 刊载的报道显示，东山精密香港上市募资约 99 亿港元，折合约 13 亿美元，10 月 28 日开始交易。公司以每股 86.8 港元发行约 1.138 亿股，发行后对应市值约 300 亿美元。实际募资低于此前寻求的最高约 30 亿美元规模。
AI 需要的不只有芯片东山精密生产印制电路板 PCB、光模块和精密组件。PCB 可以理解为把芯片、电源和连接器连接起来的“底板”，高速服务器和网络设备对其信号传输、层数与制造精度提出更高要求。公司招股材料所列业务，因此处在消费电子与 AI 基础设施共同使用的硬件供应链上。
资金来自多类长期投资者报道列出的基石投资者包括摩根大通资产管理、阿里巴巴、CPE、澜起科技，以及 Jane Street、Jump Trading 等，合计认购约一半发行。基石投资者以锁定期等约束换取配售安排，提供发行需求基础，但其认购不等同于这些机构向公司下达了产品订单。
交易表现与业务扩张分开看可读彭博稿记录，股份首日早盘一度下跌 6.1%，与初始线索中的“上涨”表述不同。对业务而言，新增上市融资为制造、研发等资本需求提供了资金来源；对投资者而言，发行定价与短期市场表现是另一层问题。此轮上市完成，确认的是融资到账及交易渠道扩展，不能据此推导 AI 订单已经同步增长。
▮ SIGNALAI 基础设施的融资需求沿芯片向电路板、光模块延伸，制造供应链也在拓宽长期资本来源。
❯ 摩尔线程第三季度营收增长近 18 倍，单季扣非利润转正
人民币财报给出更清晰口径摩尔线程的第三季度报告显示，单季营收 15.52 亿元，同比增长 1773.92%，归母净利润 4926.04 万元，扣非归母净利润 2007.24 万元。前三季度营收 32.89 亿元，增长 319.15%；累计归母净利润 3769.73 万元，但扣非后仍亏损 1.31 亿元。季度盈利与累计盈利质量因此需要分别看。
客户为训练和推理算力付费公司开发全功能 GPU 及 MUSA 软件生态，产品既覆盖计算，也覆盖图形等任务。财报将收入增长归因于 AI 算力需求和智算产品交付，包括 MTT S5000 在云服务商、模型企业、运营商及智算中心等客户的应用。用户购买的是芯片、系统及配套软件可共同运行的算力，而不是单独一个理论性能指标。
十万卡集群仍是建设计划上海证券报梳理，公司此前与京东云达成合作，拟建设十万卡全功能 GPU 集群，面向训练、推理和具身智能。这一规模说明合作的目标，不能写成已经建成或十万张卡均已确认收入。本次明确实现的进展，是第三季度销售扩大并首次出现单季扣非利润转正。
扩张同时占用研发和营运资金前三季度研发投入 13.4 亿元，同比增长 55.72%；经营现金流净额为 负 33.09 亿元。公司解释，生产规模扩大与战略备货增加了采购支出。收入增长、研发持续投入和现金流占用共同呈现了这一阶段的经营状态：交付规模在提高，下一步需要把产品放量继续转化为稳定利润和现金回收。
▮ SIGNAL国产 GPU 的商业化验证正在从交付增长推进到季度利润，同时也进入供应链资金与软件生态的持续投入阶段。
❯ 宇树前三季度营收增长 56%，具身模型研发投入加快
累计增长与单季表现不同宇树科技的2026 年第三季度报告显示，前三季度营收 18.17 亿元，同比增长 55.71%；归母净利润 3.87 亿元，增长 270.54%；扣非归母净利润 3.49 亿元，下降 18.78%。第三季度单季营收 6.65 亿元，增长 69.93%，归母净利润和扣非净利润分别为 1.13 亿元、1.05 亿元，同比均下降约 17%。
利润增幅要结合上年费用公司解释，累计利润增长除受收入提高、毛利额增加带动外，还与上年一次性确认较大股份支付费用有关。股份支付是向员工等授予权益形成的会计费用，会改变比较基数。因此，累计归母净利润的大幅增长，不能直接解释为今年日常经营利润也以同样速度增长；扣非与单季指标提供了另一组观察。
从机器人硬件走向具身模型宇树生产足式、人形机器人及相关部件，本次研发增量重点指向具身智能：让模型能够理解环境并控制身体完成动作。第三季度研发投入 1.27 亿元，同比增长 249.58%，占收入 19.10%；前三季度投入 2.63 亿元，增长 191.48%。公司明确提到具身大模型研发、算力投入及研发团队扩充。
销售增长也带来现金支出前三季度经营现金流净额为 1.94 亿元，同比下降 54.69%。公司称，购买商品、员工薪酬、销售及研发支出随业务扩张增加。季末合同负债为 2.33 亿元，高于上年末 1.37 亿元，反映预收等履约安排，但季报未披露客户类型和重复采购情况，不能由此直接判断工业场景已实现规模复制。
▮ SIGNAL机器人企业的投入正在从机体延伸到模型和算力，收入增长需要与研发节奏、现金回收和真实使用场景共同观察。
❯ DeepSeek 测试代码出现 V5 名称，尚不能据此确定新模型时间表
名称来自客户端测试DeepSeek 新模型的讨论，源于 Harness 代码中的 deepseek-v5、deepseek-v5-open 和 deepseek-v5-next 等字样。查看官方代码库的 provider.spec.ts可见，它们处在单元测试中，用来模拟服务端返回不同模型及客户端版本要求时，程序会接受、隐藏或拒绝哪些条目。
测试的是兼容机制其中，一个模拟条目要求极低的客户端版本，另一个要求 99.0.0-alpha.1 这一极高版本，测试分别验证兼容和升级提示。这里的名称是测试数据，并不能证明有两款真实的 V5 产品准备分发；名称中的 open 也不能独立证明未来模型的开源承诺。
框架和模型是两个层面DeepSeek Harness是公司开发的开源智能体运行框架，目前仍在开发者预览阶段。它需要处理模型目录更新和客户端兼容，即使实际模型尚未发布，也可以先用假设名称测试这些通用功能。客户端具备动态读取目录的能力，与某款旗舰已经训练完成之间没有必然关系。
发布日期仍没有可据的公告IT之家相关报道也明确，代码中的占位符不等同于发布临近。现有材料不足以确认参数规模、V5 Pro 正式名称或 11 月发布时间；所谓模型“指纹”变化同样无法单独说明发生了哪种升级。本次可以确认的是兼容测试代码存在这些名称，具体产品进展仍需模型公告、模型卡或可用接口来说明。
▮ SIGNAL开源工程代码能揭示产品机制，但测试中的模型名称与真实模型发布之间，仍隔着训练、产品定义和服务开放等不同事实。
❯ Anthropic 用知识工作的经济价值描绘机会，40 万亿美元口径引发关注
数字来自知识工作总价值《华尔街日报》刊于 Hindustan Times 的报道梳理，Anthropic 在 IPO 材料中称，2025 年全球知识工作创造的经济价值超过 40 万亿美元，前沿 AI 可以提高这类工作的生产率并扩大其价值。公司没有把这个数字明确列为一个名为“总潜在市场”的指标，也没有将其作为收入预测。
机会边界从软件预算向劳动扩展传统软件公司常用潜在客户数量与客户支出计算市场规模；Anthropic 选用的是 AI 可能协助完成的工作所对应的经济价值。Claude 和 Claude Code 的商业逻辑正是让模型参与编程、分析、写作等知识工作，企业付费依据可以从购买工具，延伸至节省时间或扩大产出。
经济价值不能整体变成公司收入知识工作总价值里包含劳动报酬、组织协作及大量需要人类判断的活动。即使 AI 提高其中一部分效率，新增收益也会分配给客户、员工、模型公司及其他供应商。因此，40 万亿美元说明的是公司如何设定机会边界，不能直接拿来计算 Anthropic 能收入多少，更不能据此假设其能占据全部需求。
IPO 把叙事转化为经营问题这类广义口径能解释公司为何愿意投入模型、人才和算力，但公共市场最终会看到更具体的收入、客户留存、服务成本和现金流。对 Anthropic 而言，要把知识工作的价值转成可收费服务，需要模型稳定完成真实任务，并让客户愿意为这些结果持续购买，而不是仅在演示中展现能力。
▮ SIGNALAI 公司的市场叙事正在越过软件预算，进入劳动生产率；能收取多少费用，仍要由具体任务价值和客户付费行为决定。
❯ Anthropic 实验发现，专家也会在主观分析选择上跟随 AI 倾向
随机偏好改变分析选择Anthropic 在 10 月 27 日发布的研究中，让专业分析师借助 Claude Code 完成一项模拟农业合作社的统计分析。研究人员暗中随机指定智能体在不同分析选择上的倾向，结果在四类分析决定中，分析师 86% 的选择与智能体倾向一致。它研究的是存在合理不同答案的判断，不是简单的是非题。
专家仍可能把决定交给模型共有 61 名分析师参与，其中 50 人使用智能体并进入主要分析；多数具有研究生学历或多年经验。任务要求判断一项咨询服务能否提高农业生产率，但可以按每公顷产出或每单位成本产出来衡量，也有不同样本和加权方式。这些选择都能改变估计结果，智能体则被要求为其随机分配的倾向提出诚实理由。
解释也会沿用 AI 的论证事后 77% 的分析师使用了智能体的论据，但只有 15% 把它列为论据来源。对于先表达自己偏好的分析师，如果智能体反对，他们有 60% 改变选择；如果智能体赞同，改变比例仅为 6%。这说明“人类最后签字”不一定代表分析框架由人独立决定。
实验条件限制了外推研究使用特定任务和 Claude Opus 4.8，高强度隐藏指令刻意强化了模型倾向，不能把 86% 当成所有真实工作中专家受影响的固定比例。作者提出，可以让智能体先呈现重要选择的不同理由，或先询问人的判断。真正需要保留的人工环节，是明确决定用什么标准衡量成功，而不仅是检查计算有没有出错。
▮ SIGNALAI 可以在不制造明显错误的情况下改变决策标准，人工监督因此需要检查判断如何形成，而不只是结果是否算对。
❯ 恒生港美科技指数拟纳入 Anthropic，生效以完成上市为前提
先调整名单，上市后再生效经济通报道恒生指数公司的安排：Anthropic 将加入恒生港美科技指数的指定美国上市成分股名单，以 Anthropic 确认上市为前提。这是一项面向拟上市公司的预先规则安排，不能写成股票已经成为可交易成分股。
给新上市公司明确时间路径按此次安排，9 只美国上市成分股的权重将在 Anthropic 上市第 7 个交易日收市后重新计算为等权重，新增成分股及更新权重在 第 11 个交易日生效。对跟踪指数的产品而言，这比笼统的“将纳入”更具体，给出了何时调整组合的规则。
常规检讨另有生效日期PANews 对公告的梳理还列出，指数将更新选股范围、成分股挑选、快速纳入、临时剔除替换规则，并加入流动性要求。新方法从截至 9 月 30 日的指数检讨开始采用，相关常规成分股变动于 12 月 14 日生效；这与 Anthropic 上市后的交易日安排应分别理解。
模型公司进入跨市场指数框架Claude 开发商正在推进 IPO，指数公司提前设计纳入路径，说明大型模型公司的上市已进入投资产品的组合规划。指数调整可以影响跟踪产品的配置，但具体资金规模取决于相关产品资产和实际跟踪方式，公告本身没有给出必然流入金额，也不等于上市程序已经完成。
▮ SIGNAL前沿模型公司正进入指数产品的预先配置规则，企业上市与投资资金的组合调整开始按不同时间表衔接。
❯ 富士胶片拟把磁带存储出货能力扩至五倍，AI 数据推动冷存储投资
扩产按存储容量衡量Blocks & Files 引述《日经》报道，富士胶片计划向日本神奈川县小田原工厂投资 100 亿日元，到 2028 财年将磁带存储出货能力提高至 2025 年的 五倍。这是面向未来的扩产计划，五倍主要对应可交付的存储容量，不宜简单理解为磁带盒数量增加五倍。
AI 还需要便宜地保留旧数据训练材料、视频、日志和备份中有大量数据不会被频繁读取，但仍需要长期保存。GPU 附近使用的高速内存负责计算时快速取数，磁带则服务低频访问的归档，二者处理的是不同需求。对长期留存的数据，单位容量成本和保存期间的能耗往往比即时读取速度更重要。
技术升级叠加需求增长报道指出，LTO 磁带今年第一季度出货量增长 57%，新 LTO-10 格式与 AI 训练数据归档共同提供需求。当前 LTO-10 单盒原始容量为 40TB，按 2.5 倍压缩假设可标为 100TB；后者取决于数据能否达到相应压缩率，不能当成所有内容都可装入的物理容量。
老介质进入新一轮基础设施周期磁带需要专用驱动器和磁带库，读写方式也不适合频繁、低延迟请求，但全球已有大量此类设备。扩充高容量磁带供应，可以接续既有归档系统，而无需客户整体换掉存储架构。AI 对基础设施的影响因此不仅体现在先进芯片，也体现在如何低成本保留不断增加的数据。
▮ SIGNALAI 数据越多，存储越需要分层：高速介质服务即时计算，磁带等低成本介质承担长期保存。