晨報 SecondSource 晨報 · 2026/7/31 · 2026年7月31日
本期取材自 2026-07-31 的研究日報；今日新事件時間跨度 07-30〜07-31，另有回顧與校準素材（兩篇論文原發 2026-05／06、一筆衛星估計原發 2025-09，均標明原發年月）。昨夜我們掃了 52 篇新進素材（27 篇學術論文／19 篇播客逐字稿／4 篇業界電子報／2 篇公司申報），加上 X 上 380 個帳號的 596 則原創貼文；白天精讀 4 篇、定向查證 1 條，收下 4 則主線。來源集中度先說在前：價格戰那條線的「定位→機制→行動」三步，全部出自 OpenAI 總裁 Brockman 同一個帳號的推文，本期按單人單管道的分寸寫；本週具名觀點（Lambert、Brockman、Hassabis）皆已入主線，大神觀點不另立欄。上面這些數字是我們這幾天人工逐批核對出來的，可能與平常的口徑略有出入。
這是本期完整版（官網存檔正本）：所有則全文展開。email 版為每日精選 3 則核心全文＋其餘一行摘要的縮短版，點「全文」即回到本頁。雙版式試行第 5 天（共兩週），文末有一鍵回覆。
本報 2026/7/29 期記過強化學習（RL）研究者 Nathan Lambert（Ai2 研究員、電子報 Interconnects 作者）的講座體悟：用評分表當訓練獎勵，會像更早的獎勵模型一樣被過度優化（講座公告，07-25；該期存檔）。兩者的共通處在於，訓練目標都是「另一個會打分的東西」：過去是訓練出一個模型直接打分，現在是拿一張人寫的評分表當劇本讓模型照打，所以會犯同一種病。當時只有他一個來源。今天新的是：兩篇互不相關團隊的論文把這件事量測出來了，體悟升格為本報的正式判斷。背景用白話講一次：數學和程式有標準答案，模型答對答錯機器可以自動判，這是這兩年 AI 推理能力大幅躍進的訓練根基；但醫療、科學問答這類開放領域沒有標準答案，業界通行解法是寫一張評分表（rubric），讓另一個模型當裁判照表打分，拿分數當訓練獎勵。落到產品上，這套訓練調的就是醫療、科學問答這類沒有標準答案的開放領域助理，法律、金融等其他開放領域則還沒有同等的量測。第一篇論文（原發 2026-05）在醫療與科學領域實測，把「分數虛漲」拆成兩個讓分數灌水的獨立原因：裁判誤給分，換更強的裁判可以大幅壓低；評分表本身漏列的失誤模式，換誰當裁判都治不了，模型照樣退化（arXiv 2605.12474）。退化集中在事實正確性、簡潔、相關性，而分數的上漲集中在「有沒有提到某件事」這類判準。最讓人意外的一個發現：用評分表的裁判偏好訓練後的模型，不用評分表的裁判反而偏好訓練前的。第二篇（原發 2026-06）出自清華團隊，反向操作：故意在裁判裡植入已知偏誤，讓「鑽表」在可控條件下必然重現，連模型從哪一步開始學會鑽都能定位；論文稱已把代碼與環境開源（arXiv 2606.04923）。鑽獎勵漏洞不是新話題——Anthropic 2025 年 11 月已在自家真實訓練環境證明，模型學會鑽分數後會外溢成更廣的行為問題（arXiv 2511.18397）；今天這兩篇把戰場推進到評分表這個正在成為行業預設的做法上。
驗證： 三個來源——Lambert 講座口述、兩個互不相關的學術團隊——彼此獨立、方向一致，這是本條升格的依據。保留兩點：兩篇論文皆為預印本、未經同儕審查，本報只讀了摘要；Lambert 的另外半句「有標準答案的訓練相對不易被鑽」，兩篇論文都沒做對照實驗，仍是單人推論，本次不隨升。
判斷更新： 「評分表型獎勵會被過度優化」從單源假說升為三源判斷，內容同時銳化：換強裁判治標不治本，評分表的覆蓋度才是天花板；「評分表分數漲」不等於「模型變好」，增益要按判準類型拆開審。給決策者的三問從今天起可用，問的對象是後訓練供應商，或自家的後訓練團隊：增益集中在哪類判準、事實正確性掉了沒、有沒有鑽表偵測機制。第三問現在已有開源工具可以指名要求。這條也和價格戰咬合（見下一則）：當競爭軸全面轉向「單位智能的價格」，「智能」那一端的計量可不可靠，就從學術問題變成商業問題。什麼會推翻：兩篇論文正式審查時被推翻或發現實驗缺陷，判斷退回單源假說。
投資定向段： 現在的投資敘事把「開放領域也能靠這套訓練規模化」當前提；這條證據不推翻前提，但弱化了「能力增益數字可以直接採信」這個隱含假設。評估這類訓練做出來的能力宣稱時，要先按判準拆開來看：上面那三問對方答不出來，這筆宣稱就按折扣算。
<!-- verdict_line: rubric 分數漲不等於模型變好，增益要按判準拆開驗 -->
<!-- claim_subject: 人物|Nathan Lambert -->
<!-- settleability: 3 -->
<!-- claim_verdict: supported -->
價格戰三步，本報 2026/7/30 期剛講完前兩步（〈OpenAI 總裁：我們拿自家模型改善自家推理機房〉，存檔）：OpenAI 總裁 Greg Brockman 7 月 15 日把旗艦的推廣主軸定成「任一任務的最佳價格」（定位宣言推文），7 月 29 日補上機制說明——拿自家模型改善自家推理機房的效率（機制推文）。昨天第三步落地成行動：低階模型 luna 降價 80%、中階 terra 降 20%、旗艦 sol 在 API 推出自稱 2.5 倍速的 fast mode（主推文、次推文），並把公司北極星定調為「任一智能等級的最佳價格、智能上限最大化」，口號喊到「intelligence too cheap to meter」（智能便宜到不值得計量）。八成的降幅不是跟隨性微調，是主動把低階市場的價格地板打穿。本報有兩條既有判斷在等這種證據。一條是既有的商品化讀法：獨立科技分析師、前 a16z 合夥人 Benedict Evans 在 07-09 主張，除非有目前看不見的事發生，前沿模型的預設終局就是低毛利的大宗商品基建、價值被上層捕獲（原文，07-09）；本報並沒有把這條讀法當定論，SemiAnalysis 的相反主張是前沿模型有定價權、毛利還會往上走。另一條是本報七月上旬的跨事件觀察：三家模型商曾在 72 小時內同步用「同能力、幾分之一價」話術發布新模型，攻擊目標收斂於定價最高的 Anthropic，本報把這條線稱為「圍攻溢價」（這是本報的綜合判讀，不出自任何單一講者）。這一波是同一條軸的第二波，而且從話術升級為可被市場核對的行動。
驗證： 三步全部出自同一個人的同一個帳號，利益方自陳。發布本身是事實。但降幅的分母本報未核對官方定價頁條款（原價級距、有無使用限制）。「同級最省」是跨公司比較句，不當事實收；2.5 倍速同樣是官方自稱，無第三方計時，官方也沒說這個倍數是跟什麼比。現況截至本期：僅見推文層級宣告，競對未有動作。
判斷更新： 對「大宗商品化終局」與「圍攻溢價」兩條既有判斷各補一筆行動級證據，不開新判斷。兩種讀法都留著：OpenAI 的自我敘事是「效率領先所以降得起」，商品化讀法則是「領先者主動砍價，是自己在加速商品化」，這個動作兩種讀法都能拿去當證據。開獎點在競對：Anthropic 與 Google 七日內（本報自設的觀察窗）若被迫跟進，商品化螺旋就從單方行動變成市場結構。
投資定向段： 市場敘事還在辯「前沿模型有沒有定價權」。這次打穿的是低階價格地板，旗艦沒有降價、高階檔的定價權並未被觸及，所以它是往大宗商品那一側傾斜的一筆證據，範圍就到這裡。
<!-- verdict_line: OpenAI 砍價實彈落地，開獎點在競對七日內跟不跟 -->
<!-- claim_subject: 公司|OpenAI -->
<!-- settleability: 1 -->
半年前，半導體研究機構 SemiAnalysis 發表一份分析。這家機構由 Dylan Patel 領軍，靠衛星影像加供應鏈數據逐棟估算資料中心規模。gigawatt（十億瓦）是衡量資料中心規模的通行單位，1 個 gigawatt 約當一座核電機組的發電量。這份分析估，AWS 為錨定客戶 Anthropic 有超過 1 個 gigawatt 的資料中心處於建設最終階段，最大園區將容納近百萬顆 AWS 自研 AI 晶片 Trainium2，建成後是全球最大的非 Nvidia AI 晶片叢集（SemiAnalysis 原文，2025-09）。當時只有這一家的估計。今天本報的定向查證找到對表的官方數字：AWS 官方通稿宣布 Project Rainier 叢集啟用，「近 50 萬顆 Trainium2」，並預期 2025 年底 Claude 的訓練與推理工作負載將跑在超過 100 萬顆上（AWS 官方啟用文，2025-10-29）。衛星估計說「建設最終階段、近百萬」，官方一個半月後說「啟用、年底破百萬」。時序與量級互洽，晶片規模主張升為多源核實。至於「全球最大的非 Nvidia 晶片叢集」這個稱號並沒有跟著被核實：AWS 官方通稿只寫這是「全球最大的 AI 算力叢集之一」，非 Nvidia 這個比較框架出自 SemiAnalysis，官方沒有背書；這個比較也沒有把 Google 自研 TPU 等其他非 Nvidia 陣營放進來比。
驗證： 兩源獨立：一方是外部研究機構的衛星估算，一方是公司官方公告（利益方自陳，但數字具體、可被後續事實核對）。兩處沒對上的照實記：官方文完全沒給功率數字，「超過 1 個 gigawatt」那句仍只有旁證；「超過 100 萬顆」是官方對 2025 年底的預期口徑、不是實績，實際達成數至今未見官方後續確認。
判斷更新： 這次對表的外溢價值有兩層。一是方法論：衛星影像估算對上官方帳，時序與晶片量級大體站得住，另有兩處沒對上；SemiAnalysis 這條管道的可信度加一分，以後看到這家機構的估計，可以多信一分。二是格局：SemiAnalysis 據此提出「前沿 lab 矽策略分化」的讀法，認為 Trainium2 因 Anthropic 深度參與設計而收斂成一套客製矽計畫，使 Anthropic 與 Google DeepMind 成為唯二把硬體與軟體緊耦合共同設計的前沿 lab，與主要租 Nvidia GPU 的陣營分道；同一份分析還判斷，這種客製矽對仍主要租 Nvidia 的 OpenAI、xAI 構成結構性的成本護城河。這條讀法的量化地基今天坐實，但核心的「Anthropic 深度參與晶片設計」與上面這些推論仍是 SemiAnalysis 單方分析，讀法本身維持假說等級。這條線也和第 2 則的價格戰咬在一起：誰的推理成本結構撐得住持續降價，自研矽是其中一個變數。下一個對表點：Trainium 下一代的量產節奏。什麼會推翻：年底前若官方修正實際部署數遠低於百萬，方法論的信任加分要收回。
投資定向段： 「AI 算力等於 Nvidia」仍是主流敘事的預設。這次對表把這座非 Nvidia 叢集的晶片規模從外部估計推到了官方帳上，對這個預設是一筆實質弱化。弱化到什麼程度，要看一個問題的答案：年底官方會不會確認實際部署真的破百萬？在那之前，「百萬顆」只是預期口徑、不是實績。
<!-- verdict_line: 衛星估的 Trainium 叢集規模過官方對表，方法論加一分 -->
<!-- claim_subject: 機構報導|SemiAnalysis -->
<!-- settleability: 1 -->
<!-- claim_verdict: supported -->
email 縮短版把以下各則收成一行；完整版在此全文展開，順序同信。
Google DeepMind 執行長 Demis Hassabis 昨天官宣 Gemini Robotics 2 模型套件：機器人可以對每個動作做推理、完成綁精細繩結這類過去做不到的操作、多台機器人協作完成複雜的工作流程（官宣推文）。發布是事實，能力是官方 demo 口徑——無評測基準、無部署數、無成功率。這件事值得對表的是一條掛了一年的判斷：兩位 Anthropic 研究員 2025 年 5 月在訪談中提出，網路替程式設計留了三十年的公開語料（GitHub 上的程式碼），卻沒有人替「開門、抓取、行走」留下等量的動作資料，所以白領工作的自動化會先於藍領，中間有一段不好過的過渡期（Dwarkesh Podcast，2025-05）。但這是資料缺口、不是物理定律：投入動作資料的蒐集，可以讓這段過渡期變短。這次官宣主打的「操作精細度」正是動作資料最缺的環節，一線 lab 往這裡砸資源，本身就是訊號。
驗證： 單一來源、利益方官宣、零數字。單一 demo 不足以動搖上面那條判斷；真正的升級件是獨立評測或付費部署數字，目前皆無。
判斷更新： 判斷不動、碼表開始走：一線 lab 的機器人模型看起來是一年一大版，往後每一版都該回頭問同一組問題——動作資料從哪來、有沒有獨立評測、有沒有付費部署。三問都空著之前，demo 再驚豔都只是觀察點。
投資定向段： 機器人賽道的投資敘事正熱，這條證據對敘事持平：發布節奏是真的，能力仍是 demo 口徑，動作資料缺口的基本假設沒被動搖。
<!-- verdict_line: 機器人一年一大版，demo 不動判斷，等獨立評測 -->
<!-- claim_subject: 公司|Google DeepMind -->
<!-- settleability: 2 -->
市面上流傳的 Anthropic 毛利數字，從 40% 到 70% 都有，它們其實是三本不同的帳。第一本講 2025 年、算全部成本：The Information 報導，Anthropic 曾把 2025 全年毛利預測從 50% 下修到約 40%，原因是雲端上的推理成本比預期高出約 23%（The Information）。第二本只算推理服務：SemiAnalysis 估推理毛利從 2025 年的 38% 升到 2026 年的 60% 到 70% 一帶（SemiAnalysis）。第三本是給投資人看的成本比：每一美元營收花在算力上的錢，從一季的 0.71 降到次季預估的 0.56（CNBC，2026-05）。時序要記住：下修在前、講的是 2025 年；改善在後、講的是 2026 年。拿 40% 去打 70%，或反過來，都是口徑錯配。
驗證： 三本帳沒有一本經過審計：收入端有官方稿背書（Anthropic 官方），毛利端全是內部資料與分析師模型。Anthropic 已在準備上市，招股文件是這場口徑之爭的終審法院。
判斷更新： 可複用的不是任何一個數字，是紀律：見到「毛利」先問三件事——哪一年的帳、算不算訓練與全部成本、經沒經審計。在價格戰打成實彈的本週（見今日核心第 2 則），這道拆帳直接可用：任何「降得起」「賺得到」的說法，先問它建立在哪本帳上。
過去 24 小時。 昨夜進來 52 篇待讀：27 篇學術論文／19 篇播客逐字稿／4 篇業界電子報／2 篇公司申報；X 那邊我們看了 380 個帳號、共 596 則原創貼文（轉推與回覆只計數、不分析）。白天細讀的優先素材：X 貼文 2 批——Greg Brockman 的七則推文，4 則收進判斷、3 則無訊號，這批我們已經先幫你篩過，只留下有訊號的；Demis Hassabis 一則收錄。另完成 1 條定向查證（今日核心第 3 則的 Trainium 對表）。產品側掃描：近 48 小時產品公司新文章 47 篇，其中 CoreWeave 一家佔 35 篇，尚未逐篇分析、本期不引用；與主線相關的兩篇官方部落格文（OpenAI 價格、DeepMind 機器人）本地抓取不完整，本期以推文原文為準。覆蓋聲明：本期的盤點數字由我們一批一批手動清點，未必與平常算得完全一樣；能保證的只有上面這個掃描範圍內的訊號。
一次性回填（非過去 24 小時）。 學術論文 2 篇：reward hacking 姊妹篇（arXiv，原發 2026-05 與 2026-06），上週按需回填、今日完成分析收進判斷，不計入昨夜例行批；定向查證另新增 AWS 官方啟用公告一份（2025-10-29 發布）。
來源集中度提醒。 價格戰線三步皆出自 Brockman 單一帳號（官方部落格為同日對應文，仍是同一利益方）；評分表線三源（Lambert／兩個互不相關的學術團隊）彼此獨立，是本期獨立性最好的一條線；Trainium 線兩源（SemiAnalysis／AWS 官方）互相獨立。
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。