本期一眼

• 一位研究員、一位分析師、兩位新創執行長，本週各自獨立指向同一個方向：便宜又夠強的開放 AI 模型，會把利潤從「賣模型」擠向「賣算力、賣工作流、賣裝置」。四條都還是單一來源的判斷，但同時出現這件事本身就是訊號。
• 一家美國健康保險公司讓跑在 Anthropic 模型上的 AI 員工（agent），從研究談判對象到簽出具法律效力的合約全程自理：老闆自報每份合約成本從約 $1,500-2,000 降到約 $70，還說「模型漲價五倍都划算」。不過，供應商也聽得到這句話。
• 資料與 AI 平台公司 Databricks 官方宣布以 $188B 估值募資，五個月前它的估值還是 $134B。一級市場繼續替佔住位置的公司加價，而且這輪錢明說要拿去做 AI 收購與 agent 產品。

本期素材：2026-07-19 的研究日報；材料主體是 07-18 發生的事，另有四則 7 月上旬的播客訪談本批才讀到，各條標明事件日；昨夜掃 155 篇新內容 → 本期 19 條帶連結的收據。集中度先講：訪談類素材有五集出自同一個播客 The Cognitive Revolution（Nathan Labenz 主持的 AI 深度訪談節目），來賓五組互不相同，但選題經同一位主持人，各條已標明、同源不互證。另外，今日主線 3（Sacks 的監管辯論）與主線 5（Chamath 的基建數字）同引自 All-In 07-18 的同一集，不是兩個獨立來源，已逐條標明。

今日主線

1. [今日] 開放模型逼近前沿之後，錢會流去哪？本週湧出四個獨立答案，方向相同。 本報 2026/7/17 期寫過：中國 AI 公司月之暗面（Moonshot AI）的開放權重模型 Kimi K3 第一次擠進最強梯隊、價格還開得很低。今天新的是「然後呢」。西雅圖非營利 AI 研究機構 Ai2 的研究員 Nathan Lambert 07-18 公開判斷：中國實驗室「資本效率高得多」；如果智能大致與有效資本（能買到的算力、資料、人才）成正比，這可能是 AI 產業所能擁有的最大優勢(X / @natolambert，07-18)。倫敦科技趨勢分析師 Azeem Azhar 同日在電子報給出反直覺的一步推導：便宜的開放模型是「壓力，不是替換」。理由是對 AI 的用量需求有彈性，價格一降用量會放大，結果整個產業的營收池被推向算力層，反而強化蓋機房的投資回收論；被壓縮的只是「靠獨占最強模型收溢價」這一種生意(Exponential View #593，07-18)。兩位執行長在本批補收的訪談裡，各自用商業模式對同方向下注：開源影片模型公司 LTX 的執行長賭閉源「按用量收過路費」的模式撐不住兆元估值，改走「小客戶免費、大客戶談多年授權、可在自己的素材上訓練」，鎖定的是娛樂、動畫、VFX 工作室，痛點正是不想在專案完成前，自己的風格被別人拿去訓模型（訪談 07-08，The Cognitive Revolution）；裝置端模型公司 Liquid AI 的執行長則主張手機、車用這類裝置端市場被前沿敘事遮蔽，本身就是獨立的大生意，典型客戶是手機、車廠、穿戴裝置，已具名的有 Mercedes-Benz 車內系統與 Shopify 生產環境（訪談 07-04，The Cognitive Revolution）。 驗證： 四條全是單一來源的判斷：Lambert 是公開的開放模型倡議者，兩位執行長賣的就是自家故事，Azeem 相對中立但同樣未附一手財務數據。本報全部先當待驗判斷記著，沒有一條列入正式判斷；對立判斷也還在帳上：「價值最終被最強的閉源實驗室拿走」，兩邊都留，等各家定價與財報開獎。 判斷更新： 真正值得記的是型態：四個位置（研究、分析、影片模型、裝置端）互不引用、同日或同週指向「值錢的位置在移動」。如果方向為真，錢的落點是算力（誰有電和機櫃）、工作流（誰把 AI 包裝成能做完整件事的員工）、授權模式（誰讓客戶在自己的資料上跑）。要盯這條移動是不是真的在發生，一個具體科目是 hyperscaler 的 AI 營收占比與模型商毛利率的時序走向：前者續升、後者被壓，就是利潤層位移的訊號。這仍是本報的候選判斷、尚未升格，只點方向、不押對答案日。

2. [今日] AI 員工的成本帳，第一次有了「簽約級」的數字：每份合約 $1,500 變 $70。 美國健康保險公司 Curative 的共同創辦人兼執行長 07-18 在創投訪談節目 20VC 自述：跑在 Anthropic 模型 Claude 上的內部 agent「Gwen」，已在正式營運環境做完整的醫療院所簽約流程：自己上網研究對象診所、查其他保險公司付多少錢、找到聯絡人、多輪往返談判、修改合約條款。最後打開電子簽署服務 DocuSign 按下按鈕，落款是執行長本人的簽名，合約即刻法律生效(20VC 訪談，07-18)。他給的數字（全為自報）：一份合約的處理成本從人工時代的約 $1,500-2,000（母體是自家人工流程的平均）降到約 $70；產能從每週約 100 份升到每天約 100 份；過去 8 週 agent 單獨簽了 3,500 份，超過整個 45 人團隊去年一整年的 2,300 份。公司沒有裁員，團隊轉去談需要面對面的大型醫院合約。 驗證： 全部是當事人自報的營運成效，無第三方核對；本報按既定規矩把這類數字當「當事人對外的宣稱」保守打折看待，先看方向、數字待獨立核。 判斷更新： 與今日主線第 1 點合看——那邊說模型層的利潤被擠壓，這邊的買家卻說「模型商漲價兩到五倍，用取代人力的帳來算仍然划算」。兩件事可以同時為真，分界線在該工作負載的單位經濟還有多少空間。這條「成本崩→需求放量→用量爆增」的鏈，與本報長期追蹤的「agent 常駐化會引爆用量」機制互相印證，但仍是單一公司案例，還不夠格當本報的正式判斷。給營運主管的實務準則：最值得 agent 化的不是便宜的工作，是「單位成本高、需求被成本壓抑、可端到端自動化」的工作；也記得供應商聽得到「漲價仍划算」，議價窗口不會永遠開著。

3. [今日] 「該怎麼管 AI」的辯論一週內成形：提案拿到第二個獨立來源，反方也具名登場。 本報昨日 2026/7/18 期第 5 點介紹過 DeepMind 執行長 Demis Hassabis 的提案：美國政府組建一個仿 FINRA 的 AI 監管機構。FINRA 是美國金融業的自律監管組織，由政府背書、業界出資、獨立技術專家運作。今天新的是兩件事。第一，提案拿到第二個獨立來源：矽谷投資人圓桌播客 All-In 07-18 整段討論它，轉述的骨架與昨日引的週報彙整一致：聯邦監督、業界出資、前沿模型發布前 30 天送審、初期自願後轉強制，公開背書的名單也對得上(All-In Podcast，07-18)。第二，反方登場：圓桌成員 David Sacks（現任白宮 AI 顧問）反對，理由是主動向政府要監管等於開價，政府只會層層加碼；業界若要接受，就該換到「聯邦優先權」（擋下各州各自立法）這類白紙黑字的保障，否則自願送審「只是開場價」。同日，OpenAI 安全研究者、哈佛教授 Boaz Barak 公開反對以資安為由限制開放權重模型：「這類限制只會影響防守方」。攻擊者本來就不守法規，被綁住的是想用強模型自衛的人(X / @boazbaraktcs，07-18)。 驗證： 週報彙整與 All-In 轉述彼此獨立、骨架互證，本報正式解除對這條提案「目前只有單一來源」的保留。但 Sacks 是高度利益相關的反對者（白宮職位加個人立場），Barak 反對「經濟動機限制」的理由推文被截斷、本報不腦補其完整論證；Hassabis 的提案原文本報仍未直讀。此外，本則的 All-In 轉述與主線 5 出自同一集，非兩個獨立來源。 判斷更新： 辯論結構在一週內長齊：提案有跨源一致的骨架，反方有兩種具名立場：政治上的討價還價論、安全上的攻守不對稱論。下一個看點不在共識、在條款：自願轉強制怎麼寫、聯邦優先權是否入文。對做產品的人還有一層：若「發布前 30 天送審」寫進監管框架，規劃前沿模型發布的團隊，時程上就得多留一個 30 天的送審視窗。

4. [本週]（事件日 07-16）Databricks 以 $188B 估值募策略輪：五個月估值漲四成，錢全押 AI。 資料與 AI 平台公司 Databricks 官方新聞稿（07-16）宣布以 $188B 估值進行策略性募資，美國成長型基金 Coatue 領投，投資條件書已簽、預計夏末完成交割，錢還沒到帳；規模約 $3B 出自二手報導，並非官方新聞稿內容所載(Databricks 官方新聞稿，07-16)。今年 2 月它的上一輪估值是 $134B，五個月估值漲四成。新聞稿自述的用途全押 AI：多模型治理閘道（管理企業內部同時用多家模型的存取與稽核）、名為 Genie 的 AI 同事、為 AI agent 打造的資料庫，以及未來的 AI 收購。這幾項都面向 Databricks 既有的企業資料與分析團隊客戶群。 驗證： 這是本批唯一「傳言走到官宣」走完全程的故事：昨夜上游只掃到 AI 產業電子報 Latent Space 一句「恭喜」(Latent Space，07-18)，今天直核官方新聞稿確認。保留一格：條件書已簽不等於交割完成；外界叫它「Series M」，官方自稱策略輪。 判斷更新： 本報昨日 2026/7/18 期第 4 點記下判斷雛形：AI 資本的錢從「講故事的」流向「有位置的」；今天多了一個最新刻度：一級市場繼續給佔住資料與 AI 工作流位置的公司加價，而且這輪錢明說要拿去買 agent 化的彈藥。接下來值得盯的一個問題：Databricks 是否真完成它說的 AI 收購、下一輪估值溢價是否續擴，這是「位置溢價能不能持續」的檢驗點；條件書已簽、夏末才交割，關帳前都還沒定論。

5. [今日] 「40% 的資料中心專案被封存」：基建線拿到兩個狠數字，一個待核、一個具名。 矽谷投資人圓桌播客 All-In 07-18 給了基建線一個待核的狠數字：投資人 Chamath Palihapitiya（自持資料中心資產）稱約 40% 的資料中心專案正被封存或停建，「今天就能通電」的資產因此貴到定價曲線最前端；談到紐約州的資料中心暫停令時，他判斷實質是「至少 5 年」才可能有新資料中心在該州通電，遠長於官方說的一年(All-In Podcast，07-18)。成本面同日有具名數據對上：投行 Lazard（其年度均化能源成本報告是能源業的標準參考）2026 年版顯示，美國太陽能每 MWh（千度電）的交付成本從 2021 年的 $38 升到 2026 年的 $69，天然氣從 $60 升到 $90，都是美國全國平均口徑，兩者五年來都在漲，但太陽能的升幅明顯比天然氣大，實際倍率讀者看這兩組數字即知（經 Azeem Azhar 電子報轉引，Exponential View #593，07-18）。弔詭處：太陽能面板本身還在變便宜，漲的是利率、併網、土地、輸配這些「把電送到門口」的環節。 驗證： 40% 與 5 年出自單一利益相關圓桌，母體未定義（是全美還是全球、哪類專案，講者未說），未經一手核對；Lazard 數字具名可查，但本報經轉引、尚未回原始報告逐值核對。圓桌同場把停建歸因於外部勢力影響美國輿論，那是他們縫的敘事框架，本報只記「有人這樣說」，不當事實收。 判斷更新： 本報昨日 2026/7/18 期第 6 點寫過紐約按下資料中心暫停鍵；今天補上產業側讀數與成本面：「可即時通電」的電力資產有稀缺溢價，而且溢價有成本上漲的底。資料中心選址的競爭，正從地價轉向電價與併網速度。

也發生了

• [今日] 兩位資深工程師分別記錄 OpenAI 的寫程式 agent Codex 自主完成真實工程任務：一位看它自己開瀏覽器操作網頁、只為上傳一張圖，另一位讓它五分鐘完成自稱人工要數小時的網路設備設定；兩則皆為一手自述、非基準量測(X / @steipete，07-18、X / @sundeep，07-18)
• [本季]（事件日 07-07，主持人轉述）前英國 AI 安全研究所首席科學家 Jeffrey Irving 的新研究組織 Resolution，獲公益資助基金 Coefficient Giving $160M（$108M 無條件、$52M 視招聘與算力達標），投向「用 AI 自動化研究工作本身」，轉述待官方公告核實(The Cognitive Revolution，07-07)
• [本週]（論文 07-15）2,991 個 GitHub 開源專案的實證研究：專案首次採用 bot 之後，重複協作變多、衝突連鎖變少、產出更有特色也更容易彼此區別；作者的說法是「bot 是契機，社會組織才是機制」(arXiv，07-15)
• [本季]（訪談 07-01，本批補收）工程模擬公司 Neural Concept 稱其 AI 替代模型（surrogate，用神經網路近似昂貴物理模擬、非本文其他段落的 agent）把一次物理模擬從數天縮到數分鐘、英國車廠 Jaguar Land Rover 每日可評估的空力設計從約 50 個升到約 1,500 個（賣方自報）；同訪談披露一級方程式（F1）車隊的模擬算力按前一年名次反向分配，是「算力配額當競爭平衡工具」的真實先例(The Cognitive Revolution，07-01)
• [本季]（訪談 07-07）預測服務公司 Future Search 執行長稱多套 AI 系統已在公開預測基準 ForecastBench 超過人類頂尖預測者的中位數，為賣方自陳；他自己也補一句：這些佐證（公開預測基準、Metaculus、預測市場損益）都不算很可信(The Cognitive Revolution，07-07)

大神觀點

• Sebastian Raschka（機器學習教科書作者、電子報 Ahead of AI 主理人），07-18。 他逐份比對六家開放權重模型的技術報告，發現「可調推理力度」（讓使用者決定模型答題前想多久、想多深）的訓練配方已趨於同一套三段框架，正式從研究特性變成出廠標準(原文)。一個具體數字：Kimi 的做法在自家模型上減少約 25-30% 的生成用量，而在 Kimi 自報、未具名的內部評測上跑分幾乎不掉（經 Raschka 轉述）。這支持本報 2026/7/16 期「OpenAI 讓新一代模型漲價 2 倍」那期背後的判斷線：模型能力與成本，越來越取決於推理當下投入多少算力；現在「模型多大」與「想多久」是兩個獨立的採購旋鈕，小模型調高力度有時能追平大模型。註記：他的綜述橫跨六份一手報告，但對本報而言仍是單一來源，具體數字待回各家原始報告。

模型觀點(學術與技術)

• [本週]（論文 07-15）一個 bug 如何製造出「可複現、統計穩健、還有機制解釋」的假發現。 先講結論：用 AI 生成的資料來評測 AI，有個結構性盲點：沒有機械方法逐題驗證資料本身是對的。單一作者研究者 Serkan Ballı 給了親歷案例：他建多語評測語料時，兩段程式共用的一個解碼長度參數，把某組「錯誤答案」截成幾個字，於是憑空製造出「某 AI 裁判準確率暴跌 32 分」的效應。這效應樣本從 50 題放大到 500 題依然成立、配有三層機制解釋、還有對照實驗佐證，然後全是假的：修掉那個參數，效應歸零。只有人工閱讀原始生成內容才抓得到，任何統計層面的檢查都抓不到(arXiv，07-15)。單篇親歷報告，但對任何用「AI 當裁判」的評測管線都是一記警鐘：「可複現」不等於「可信」。可帶走的一句：如果評測的錯誤答案是 AI 生成的，先問有沒有逐題機械驗證；沒有，就人工抽讀。
• [本週]（論文 07-15）讓模型自己教自己：多數決從「篩答案」升級成「逐字教材」。 對沒有標準答案的題目，讓模型抽多個解、取多數共識的答案，再讓模型逐字學習「能走到那個答案的解法」。研究團隊（Gkountouras、Jukić、Titov）自報：在作者自選的數理推理基準上（pass@1 口徑），最高提升 12 分，用約七分之一的算力比無標註的強化學習（讓模型靠試錯自我調整的訓練法）多 6 分，且訓練後能解出先前 32 次嘗試都解不出的題。這句是衝著老質疑來的：「模型自我學習只是把已經會的變得更確定」(arXiv，07-15)。單篇自報、無第三方複現；「AI 不靠人類標註自我改進」這條研究線，值得持續盯。
• [追蹤更新] agent 的「記憶」該放哪裡：把樹攤開看。 本報昨日 2026/7/18 期模型觀點介紹過 UCLA 系團隊的 MemCon——讓 agent「何時讀寫記憶」從手寫規則變成可學習的決策(arXiv，07-15)。把它放進本報追蹤的趨勢樹，位置更清楚：

本報已裁的判斷：這場「記憶之戰」未定局，當前證據傾向 context 側。這裡的 context 指模型當下讀得到的工作視窗；顯式記憶本質上就是把重要的事持續放回這個視窗的工程。最直接的機制證據是：目前把事實直接寫進模型權重的天真做法極不穩定，寫進去的東西會被後續訓練沖掉，而同樣的事實放回 context 就幾乎完整可用。什麼會推翻它（門檻是本報自設的追蹤標準、非外部設定）：未來 12 個月內，若有兩家以上前沿實驗室把「權重級記憶寫入」真正用上正式服務，這個判斷作廢轉向；對答案日 2027-07-14。

過去洞見

缺電不是一個點，是一條鏈（本報深度研究，2026-07-04）。 「AI 缺電」常被講成一個數字，本報七月初的深度研究把它拆成一條鏈：發電 → 併網（把電廠接上電網的審批與工程）→ 機房配電 → 散熱。結論是：瓶頸不是固定的，會沿著這條鏈遷移，而且最卡的環節從來不是「發電量」，是「併網與可即時通電的機房」。對立觀點當時就同場保留：NVIDIA 執行長黃仁勳 2026-03 受訪主張，美國電網平均只用到峰值的六成、99% 的時間有大量閒置容量；卡住的不是電，是「客戶要求絕不斷電 × 資料中心不肯降級運轉 × 電力公司不賣分級供電」的三方僵局(Lex Fridman Podcast，2026-03)。兩邊的和解點是本報當時的綜合判斷：電的「品質」（隨叫隨到、絕不中斷）比電的「總量」更稀缺，平均閒置救不了一陣猛一陣停的 AI 負載。今天主線第 5 點那句「可即時通電的資產貴到定價曲線最前端」，就是這條兩週前的判斷在市場端的回聲。

來源與盤點

過去 24 小時。 昨晚 21:30 我們掃到 155 篇新內容：X 貼文 100，取自 305 個追蹤帳號的原創貼文，未跑全網掃描；部落格 36；播客逐字稿 10，本期主用的 The Cognitive Revolution 五集、All-In 與 20VC 在列；學術論文 6，來自 arXiv；電子報 3，含 Exponential View 與 Ahead of AI。這批全數順利收錄、無漏抓；前日連線逾時的總經數據源 FRED 本輪恢復正常，但昨夜無新的官方數據發布，本期無總經段。夜裡先以較保守的標準處理了排在最前面的 32 篇（播客逐字稿、學術論文、X 原創、電子報四類）；白天另讀學術長尾 5 篇，收 3 篇、濾掉 2 篇；濾掉的是無新訊號的窄領域方法論文，幫讀者省時間；並對 Databricks 融資做了當日官方查證。今日無新增追蹤來源、無一次性回填；四則 7 月上旬的訪談屬例行播客抓取中較舊的集數，事件日已逐條標明，不冒充今日新聞。覆蓋聲明：本期只能保證上述 155 篇範圍內的訊號。

我們追蹤的來源。 本報判斷的底層，目前追蹤 529 個具名的聲音：X 305 人（Elon Musk、Andrej Karpathy、Greg Brockman、Nathan Lambert 等）、播客 90 人（Satya Nadella、Dario Amodei、Jensen Huang 等）、新聞媒體 51 家、個人部落格 48 人（Simon Willison、Chris Olah 等）、論文作者 48 人（Noam Shazeer、Percy Liang、Tri Dao 等）、電子報 46 份（Dylan Patel、Ben Thompson、Ethan Mollick 等）、財報與法說 26 家、主題演講 23 場。

本報不是新聞摘要：我們從每天的 AI 資訊流裡捕捉真正重要的洞見與值得長期追蹤的行家判斷，並交代每一條是怎麼驗證的 — 重點永遠是「哪條判斷變硬了、誰說得準」，不是今天發生了什麼。

—— SecondSource·由研究系統自動生成 · 16 個來源 · 回信給我們，就是最好的意見回饋

繁 中文版|EN English edition →