AI Know 早报

AI 早报｜OpenAI IPO、算力雪崩与"AI 自研 AI"的三重共振

今日三条主线

今日五条核心新闻，看似分散在资本、芯片、产品三个维度，实则围绕三条主线共振：资本面，OpenAI 正式秘密提交 S-1 草案，AI 行业从 VC 烧钱时代进入公开市场定价时代，Anthropic、xAI、Mistral 的 IPO 时间表将被同步压缩；算力面，小米 MiMo 用 8 卡单节点跑出 1000+ tokens/s、苹果发布第三代 AFM，两件事一前一后，标志着"推理成本"和"端侧能力"在 2026 年中同时跨过商业化阈值；范式面，Sam Altman 罕见把 2028 年路线图讲清楚——"大量研究将由 AI 完成"，自动化 AI 研究员从愿景变成公开承诺，对科研范式与人才市场的冲击开始显性化。三条线交汇的真正信号是：AI 不再是技术问题，而是定价问题、成本问题、劳动力问题。

OpenAI 秘密提交 S-1：AI 行业的"成人礼"时刻

现象：OpenAI 同时被自家官方与 Bloomberg 双源证实，已向 SEC 机密提交 S-1 草案。OpenAI 官方以博客形式正式公告，Bloomberg 同步披露"无公开时间表、但已进入正式流程"。两源在 24 小时内交叉印证，意味着这不再是泄露、猜测，而是确凿的上市启动信号。

原因：2025-2026 年 Anthropic 完成 200 亿美元融资、xAI 启动"Macrohard"项目、Mistral 被英伟达入股，AI 头部公司的资本结构已经复杂到 VC 体系难以承载。OpenAI 必须在估值仍处高位、增长故事仍完整时锁定公开市场，否则一旦融资环境收紧或被竞争对手抢先 IPO（Anthropic 已多次暗示），将陷入"估值倒挂"困境。同时，OpenAI 的非营利母体结构、Microsoft 持股、Stargate 算力承诺等复杂条款，也需要 SEC 的标准化披露框架来厘清。

影响：短期看，OpenAI IPO 将成为 AI 行业最大一次"估值锚定事件"——上市首日的市值/收入比将成为所有后来者（Anthropic、xAI、Mistral）的定价参照。Medium-term 看，季度财报的披露压力将迫使 OpenAI 在 ARR、API 价格、毛利率上逐步透明化，竞争对手的"暗数据"优势将消失。Long-term 看，公开市场对 AI 公司估值的核心指标会从"用户增长"转向"单位算力的智能产出"，整个行业的 KPI 体系将被重写。

趋势判断：2026 年下半年至 2027 年上半年，AI 行业将出现一波"扎堆 IPO"潮——Anthropic 最可能紧随其后，xAI 借 SpaceX 关联架构寻求快速通道，印度/中东主权基金加持的 Mistral 也有望在 18 个月内递交。未能在这波窗口上市的公司，将被迫接受二级市场折价或被并购，AI 行业的"独立公司时代"将在 2027 年底前实质性结束。

小米 MiMo 1000 tokens/s：算力雪崩的产业意义

现象：小米 MiMo 团队公布 MiMo-V2.5-Pro-UltraSpeed 推理方案，在单台 8-GPGPU 标准节点上跑 1T 参数 MoE 模型，实现 1000+ tokens/s 持续输出。该方案不依赖晶圆级互联、专用 ASIC 或液冷集群，而是通过模型架构、量化策略、KV 缓存、连续批处理的协同优化达成。

原因：2024-2025 年大模型推理成本的主要瓶颈已从"算力单价"转向"系统效率"——单卡峰值算力已过剩，但端到端利用率仍不到 30%。小米团队的核心贡献是把"推理时延"和"吞吐量"解耦：MoE 架构天然稀疏激活，辅以动态路由与推测解码（speculative decoding），在保持模型质量的前提下把单节点有效吞吐拉到消费级硬件的极限。1000 tokens/s 意味着什么？意味着一个 8000 字的长文生成可在 30 秒内完成，足以支撑实时语音对话、批量任务调度、Agent 多步推理的并发需求。

影响：第一，Agent 产品成本结构改写——以前一个 7×24 小时的 Agent 助手单月 API 成本可能上百美元，按这个吞吐水平可压到个位数美元，"AI 同事"从概念走向大规模商用。第二，国产算力栈的可行性被验证——8 卡标准节点（很可能基于国产或非顶级英伟达卡）跑出顶级效果，证明推理优化而非硬件堆料是下一阶段主战场。第三，闭源模型的"高溢价"窗口收窄——开源+自托管的方案在性能差距 5-10% 的情况下，价格优势可能高达 10-100 倍，企业客户的迁移意愿将在 2026 下半年集中爆发。

趋势判断："1000 tokens/s"将成为 2026 年下半年大模型推理的新基准线。OpenAI、Anthropic、Google 都会被迫在年底前公开对标数据，达不到的模型将在 Agent、企业级 RAG、代码助手等高并发场景中被边缘化。模型厂商的护城河将从"参数规模"转向"推理时单位 token 的边际智能"——一个全新的"推理经济学"正在形成。

苹果第三代 AFM：消费级 AI 的"操作系统"之战

现象：苹果机器学习研究博客正式发布第三代 Apple Foundation Models（AFM），罕见与 Google 在底层架构上合作。AFM 3 旨在为下一代 Siri、系统级写作工具、视觉智能、相机实时识别提供统一基础模型能力，是苹果首次把"基础模型"作为操作系统级组件来发布。

原因：过去两年苹果在生成式 AI 上的"慢动作"让其市值一度被 Microsoft、NVIDIA 反超，市值管理压力陡增。但苹果的真正护城河从来不是模型本身，而是 25 亿台活跃设备的端侧算力——如果 AFM 3 能实现 80% 任务在端侧完成、20% 复杂任务调度 Private Cloud Compute，苹果将把"隐私+延迟+成本"三角一次解决。Google 参与底层架构合作，意味着 Android 阵营也在重新审视"端侧优先"的可行性，跨阵营协同反而成为对抗云端大厂的最优解。

影响：对开发者而言，AFM 3 意味着 iOS/macOS 应用将获得"系统级 AI 能力"——类似当年 Core ML 的升级版，但语义层更通用。对用户而言，AI 将从"打开 App-输入 Prompt-等待结果"演变为"系统级后台协作"，Siri 真正具备"任务委派"能力。对 Google 而言，Pixel/安卓阵营需要快速跟进端侧方案，否则硬件溢价将被苹果拉开。

趋势判断：2026 年下半年，"端侧 AI"将从营销话术变成实际可用的产品能力。苹果 AFM 3 + 高通骁龙 8 Gen 4 + 三星 Exynos 2600 + 联发科天玑 9500 的组合，将让 500 美元以上的中高端手机全部具备本地运行 7B-13B 模型的能力。"App 形态"本身将被改写——很多独立 App 会消失，因为功能被操作系统原生吸收；新的赢家是"模型 × 系统"的整合者。

Altman 2028 路线图：当"AI 自研 AI"进入公开承诺

现象：Sam Altman 在最新博客中罕见把 OpenAI 未来路径讲清楚，核心三条：构建自动 AI 研究员、利用它加速科学和生产、最终为每个人提供 AGI。Altman 明确指出"到 2028 年 3 月，OpenAI 的大量研究将由 AI 完成"——这是头部 AI 实验室首次以公开承诺形式给出"AI 主导研究"的时间表。

原因：OpenAI 当前的内部研究流程已高度 AI 辅助——文献综述、代码生成、实验设计、结果分析等环节，AI 工具的参与度超过 60%。Altman 把这条曲线外推并公开化，既是对竞争对手（Anthropic、Google DeepMind）的战略施压，也是在为 IPO 估值讲一个"AI 加速 AI"的复利故事。背后的商业逻辑很清晰：当 OpenAI 的研究效率以每年 3-5 倍速度提升时，竞争对手的传统人力研发模式将陷入"算力×智能"的复利劣势——这正是 Altman 想让资本市场听到的"非线性增长"叙事。

影响：科研范式层面，2026-2028 年将出现"AI 主导实验室"与"人类主导实验室"的两极分化，前者在芯片设计、材料科学、算法优化、数学证明等"可形式化"领域快速突破，后者继续在需要直觉、跨域联想、长期主义的方向上保留阵地。人才市场层面，AI 研究员的招聘标准将从"发表论文数"转向"能训练 AI 研究员的元能力"，博士培养体系需要 2-3 年内完成根本性重构。资本市场层面，"AI 加速 AI"将替代"用户增长"成为 AI 公司估值的核心乘数。

趋势判断：Altman 的 2028 时间表大概率会被部分提前实现（OpenAI 内部已显示该趋势），但"完全替代人类研究"的承诺会被技术现实反复修正。真正的影响不在于 2028 年是否精确实现，而在于这条路线图已经成为公开的"行业对赌协议"——Anthropic、Google DeepMind、xAI 都会被迫在 6-12 个月内给出自己的版本，整个 AI 研究体系进入"承诺经济"驱动的高强度军备竞赛。

AI Know洞察

反共识观点：今天最重要的新闻不是 OpenAI IPO，而是"AI 公司开始用 IPO 的语言讲 AI 自研 AI 的故事"。当 OpenAI 的估值锚点从"用户数×ARPU"切换到"AI 研究员数量×任务完成数"时，整个资本市场对 AI 公司的定价模型就发生了质变。Anthropic、xAI、Mistral 若不在 IPO 前讲清楚"我的 AI 科学家每小时能完成几个研究单元"，就会被估值压垮。但这里藏着三个被低估的风险：第一，"AI 自研 AI"是自我引用循环，AI 训练的 AI 在分布上会越来越窄，多样性损失可能导致"AI 研究的玻璃天花板"在 2028-2030 年集中显现；第二，资本市场对"承诺"的高度敏感，会让 AI 公司从"技术驱动"滑向"叙事驱动"，类似 Theranos 故事的风险在 2027-2028 年将系统性上升；第三，"AI 加速 AI"的红利不会平均分布，赢家通吃加剧，OpenAI、Google 这种"算力×数据×人才×资本"四重壁垒的公司将把差距拉大到不可追赶，AI 行业的"两超多强"格局会在 2027 年定型，中小公司要么被收编、要么被边缘化。我的判断是：未来 18 个月，敢于承认"我们不打算 IPO、我们做垂直行业深度集成"的 AI 公司，反而可能跑赢"all in 通用 AGI"的对手——选择不参与这场估值游戏，本身就是一种估值。