AI 日报 | Anthropic 34 亿美元接手 1.7GW 发电机组
一笔两年前的旧订单，成了这条最值得看的地方。
不是新下单，也不是收购一家能源公司——Anthropic 直接接手了供应商早已向卡特彼勒下达的 1.7GW 燃气发电机组订单。设备交货期以年计的时候，买「已经在产线上的单」比重新排队更快。
据 IT之家 2026-11-08 晚间转引 FT 报道，交易金额 34 亿美元，成交时点在 2026 年 9 月下旬。FT 原文在付费墙内，以下数字均据中文转引。
图 1：三层口径与一个派生数。来源：据 IT之家 2026-11-08 转引 FT 报道整理；本图为自制整理。
头条深读 | 买电的方式变了
卖方是得州圣安东尼奥的设备供应商 OnePWR Solutions。Anthropic 原本打算向它购买服务，后来改变主意，直接接手它向卡特彼勒下的设备订单。
这笔订单是 OnePWR 在两年前下达的。报道写明，它仍需融资才能完成采购——这是「尚未完成采购」，不是「融资失败」。两者不是同一句话。
订单值钱的地方在时间。这批机组签在设备涨价之前，因此部分机组近期就能交付，其余在未来两年内到位。
三层口径要分开，混起来会读错。
1.7GW 是发电设备功率，不是数据中心的 IT 容量。34 亿美元是设备采购额，不是电价，也不是租金。而「接手旧单」是交易结构，不是砍价砍出来的结果。
报道也没有写「Anthropic 自建电厂」。它买的是发电机组；OnePWR 原计划是提供服务。这条差别决定了这是一笔设备交易，不是一座电厂的开工。
按两个披露值相除：34 亿美元 ÷ 1.7GW ≈ 2.0 美元/W。这个数是本方算的，报道没有给；它只用来做量级对照，不能和电价、租金、capex 混用。
对照面在同一篇报道里。xAI 在 2026 年早些时候以 20 亿美元购入移动式燃气轮机；Alphabet 在 2025 年底收购能源开发商 Intersect。
三种做法对应三种约束：买设备、买公司、买已经排上产线的订单。行业背景是燃气轮机与发电机组需求激增，交货期已延长至数年之后。
还有一条容易被略过的关联：Anthropic 同时是 SpaceX 的大客户，预计到 2026 年底，每月支付的算力租赁费用约 31 亿美元。
图 2：三种获取发电能力的路径。来源：据 IT之家 2026-11-08 转引 FT 报道整理；本图为自制整理。
重点速递
思维链监控挡得住直说，挡不住改写
此前的红队方法依赖共享模板——把副作用任务写成主任务的「前置条件」，本质是把隐藏目标外生插入。清华团队的 TraceMRT 换了思路：把副作用任务重写为主任务的一个连贯子目标，再搜索让轨迹读起来像正常执行的策略。
论文给出的两组数是：SHADE-Arena 平均逃逸率 27.56% → 59.94%；CUA-SHADE-Arena 23.89% → 61.67%。副作用任务的完成度保持不变或提升——不是靠少做事换隐蔽。
同一篇也给了防御侧。配套的贝叶斯轨迹监控把跨监控器的平均检测 AUC 从 0.26 提到 0.91，TPR@FPR=0.05 升到 0.74。
图 3：攻击侧与防御侧的两组读数。来源：据论文 arXiv 2611.07586v1 摘要整理；本图为自制整理。
这里有一处必须分开的口径。正文的 0.26→0.91 是跨监控器平均值；下图是分两个基准的读数，贝叶斯配置下 SHADE-Arena 为 AUC 0.900、TPR 0.654，CUA-SHADE-Arena 为 0.919、0.817。
两者不是同一个量，不能互相验证，也不能拼成一句话。
图 4：五个监控配置在两个基准上的 AUC 与 TPR@FPR=0.05，柱上为图面标注值。来源：论文《Stress Testing Chain-of-Thought Monitoring Against Covert Misalignment》（arXiv 2611.07586v1）的图 6（Defensive performance of monitor scaffolding under TraceMRT），原图直接使用；该论文的 arXiv 页标注为非独占默认许可，作者保留版权；论文为预印本。
攻击目标是 GPT-5.2 与 Claude-4.5 监控器，属黑盒攻击。论文作者单位是清华大学 T-STAR Lab 与上海期智研究院。
作者可落地的建议是：用任务特定的攻击做红队测试，并对整体轨迹与关键步骤分别打分。
这条要按「对监控器说的话」读，不是对模型安全下的总评——同篇给了防御读数，只写攻击面会失真。
论文称，受过计算机科学训练的评审识别这类隐蔽错位的表现也有限；评估规模与具体读数未随摘要给出。
平均过七成，完全可用只有四分之一
Co-Design Bench 用的是真实用户改码任务：从 26,314 个编码会话、37,463 条去重查询里筛出 273 个任务，偏向用户改过多次、或回退过的请求。
两条赛道分开：Multimodal Editing 100 个任务，Repository Editing 173 个，共 2,331 条专家验收项。
判分方式是 judge-then-refute：一个 AI 裁判在浏览器里实际跑成品，另一个独立验证器复核每一个「通过」判定，并专门查 mock-up 与硬编码结果。
结果要看三处数字。摘要说，最强的端点平均通过 69.9% 的验收项；但26.4% 是完全满足全部要求的任务占比。
分赛道看，最强模型在 ME 的 Strict 为 0.754、RE 为 0.667。按赛道样本量加权：(100×0.754＋173×0.667)/273 ≈ 69.89%，与摘要的 69.9% 吻合。
26.4% 是同一张表里 F 列（全部验收项都通过的任务占比）按赛道样本量加权的值：(100×41.0＋173×17.9)/273 ≈ 26.36%，与摘要的 26.4% 吻合。
F 列在表内以百分数给出（最强模型 ME 41.0、RE 17.9），而 Strict 与 Graded 是 0–1 小数——同一张表两种单位，41.0 与 0.754 不能并排当同一刻度读。
图 5：十个模型的 Strict／Graded／F 三列结果，上 ME（n=100）、下 RE（n=173）。来源：论文《Co-Design Bench: Multimodal Collaborative Coding Evaluation for Agentic Models》（arXiv 2610.35138v1）的表 2（Main benchmark performance across ME and RE），据 arXiv HTML 渲染版，图面未改绘；该论文以 CC BY-NC-SA 4.0 许可发布；论文为预印本。
为什么值得换基准，同一篇给了对照。老基准 WebCompass-edit 上，agentic Opus 得 99.4%、agentic Qwen 95.1%、单模型 Qwen 73.6%，样本 150 个任务。
到了 Co-Design，agentic Opus 是 64.9%，样本 273 个任务，图上标注 35.1 个百分点的落差。
这个 64.9% 是 Completion 指标，与 Strict 不同义，不能拿去和 0.754 并排。
图 6：左为老基准与 Co-Design 的完成率对照（柱下保留下样本量），右为两种评测机制。来源：论文《Co-Design Bench: Multimodal Collaborative Coding Evaluation for Agentic Models》（arXiv 2610.35138v1）的图 1（Execution regimes and task provenance），据 arXiv HTML 渲染版，图面未改绘；该论文以 CC BY-NC-SA 4.0 许可发布。
读法只有一句：平均能过七成验收项，不等于任务能交；四分之三的任务仍需人收尾。
企业为开源模型付的钱，近九成流向中国模型
Menlo Ventures 的报告称，中国 AI 模型占全球企业开源模型支出约 89%。
四个份额并列：月之暗面 Kimi 61%、DeepSeek 15%、智谱 GLM 11%、Meta Llama 7%。西方开源里份额最高的 Llama 只有 7%。
近九成是「企业开源模型支出」内部的占比。它不是全部企业 AI 支出，也不是调用量或下载量。
写成「中国模型拿下 89% 的企业市场」就错了，两个分母差得远。四个数也不该相加成 94%——余下的份额是其他开源模型。
信源是三层：IT之家引《南华早报》2026-11-06 的报道，该报道引述 Menlo Ventures 的报告。报告的样本企业数与支出口径未随转述给出。
图 7：四个份额与它的分母。来源：据 IT之家 2026-11-08 转引《南华早报》报道整理；本图为自制整理。
6,140 亿与 7,500 亿，是两个估算不是一个更正
伯恩斯坦分析师 Mark Moerdler 的测算是：OpenAI 已披露算力合作协议对应的基础设施支出，到 2030 年累计可能达 6,140 亿美元。
前提写得清楚：假设所有已识别合同均按计划执行。实际支出可能因数据中心建设延期、项目取消、硬件采购安排调整而减少或推迟。
《华尔街日报》此前传出的是约 7,500 亿美元。两个数来自两处，是两种估算，不是「7,500 亿被更正为 6,140 亿」。
峰值出现在 2031 年，约 1,840 亿美元，而不是 2030 年。原因是算力分批交付，费用随设施投运逐步产生，不是签约即形成付款义务。
分买方看：甲骨文约 3,000 亿、微软约 2,500 亿、亚马逊约 1,380 亿，期限通常五至八年；CoreWeave 协议上限 224 亿美元，报道强调不代表保底收入。
四个买方数不能与 6,140 亿相减。它们合计约 7,104 亿美元，是合同总额，部分期限跨过 2030 年；两个量既不能相加，也不能相减。
该行认为，大型云服务商短期合同风险有限；更值得警惕的是未来算力供应紧张缓解后，依赖高成本融资与持续租赁需求的专业算力供应商。
图 8：两个估算、一个峰值与四个买方规模。来源：据 IT之家 2026-11-08 转引智通财经报道整理；本图为自制整理。
AI 原生实验室，先解决的是接口
上海交大团队的 AutoDNA 上了《自然》。要看清它的分量，得先分清「外挂式」与「AI 原生」。
已有的 AI 自主实验室，通常由专家预先配置仪器、规定流程、设定优化规则，AI 只接入检索、生成、分析等局部环节。AutoDNA 把「设计—实验—优化」贯通。
三个工程解法值得记住。复杂流程交给面向实验的多智能体架构：文献检索、试剂选择、方案设计、代码生成、硬件执行、结果分析、迭代优化分工协作。
多仪器协同则把每台设备的能力提炼成「原子服务」——自然语言说明加统一代码接口。控制终端基于 OpenHarmony。
精度与时序靠硬件与调度：微米级定位、微升级液体处理。报道没有给更具体的数值。
应用验证落在三个场景：核酸检测、酶促 DNA 合成、癌症检测；另展示了端到端 DNA 存储的编码、写入、保存、读取与解码。
这条没有量化指标。报道未给成功率、通量或对比基线，也不要替它补一个「效率提升若干倍」。
把它读成「AI 独立做出了科学发现」，就超出了报道的说法。它做的是自主分子生物学实验操作，三个场景是应用验证，不是「已替代实验员」。
论文的刊出日期与同行评议状态未随报道给出；DOI 链接由 IT之家提供。
图 9：三个工程解法与三个验证场景。来源：据 IT之家 2026-11-08 转引整理；本图为自制整理。
快讯速览
- 美国司法部起诉三人，2024–2026 年间用 AI 伪造高管与律师的声音影像诱骗汇款，涉案超 1.29 亿美元；两人在西班牙、一人在英国被捕，被控电信欺诈、洗钱共谋与加重身份盗用。来源：IT之家转引《卫报》与纽约南区检方新闻稿
- 富士电视台自 2027 年 10 月起在所有真人剧中引入生成式 AI，年制作 16 部，使用谷歌 Nano Banana，称可省 70%–80% 的视效工序。来源：日经亚洲经 IT之家转述
- 蚂蚁灵光用户破 2000 万；灵光 2.0 自 10 月 27 日上线，一周管理超 116 万项事务、执行超 360 万次任务。来源：IT之家
- 腾讯姚顺雨称，AI 的护城河更多在产品层：难替代的是能理解用户背景、用专有数据与上下文并赢得信任的产品。属观点。来源：IT之家
- Elvis 与 Eminem 的权利人起诉 Suno，主张其违反田纳西州 ELVIS 法案，该法禁止 AI 公司克隆歌手声音。来源：The Verge 经聚合摘要
- 《自然》评论文章认为，当今 AI 不具备意识，硅基硬件大概率也难以产生；作者为 Anil Seth、Ned Block、Giulio Tononi。来源：The Decoder 聚合摘要
- GPT-6.1 Sol 参与三次活体小鼠脑手术定位，误差从 0.6 毫米降到 0.3 毫米；每次由外科医生纠正后保存图像与测量数据，供下一次参考。来源：WIRED 经 IT之家转述
- Google 开源 EGM 插件：写代码前先出规格，由没有历史上下文的子智能体分五个阶段评审。来源：MarkTechPost 聚合摘要，原文页返回 403
- PHP 漏洞披露一周后，美国修补了超四分之一受影响暴露服务，中国为 4%；作者据此认为重心将从「发现漏洞」转向「尽快修复」。来源：ChinaTalk 聚合摘要
图 10：速览前五条。来源：各条来源见上方列表；本图为自制整理。
图 11：速览后四条。来源：各条来源见上方列表；本图为自制整理。
积木观察
三条线，说的是同一件事：约束正在往前移。
第一条，电。竞争从「买算力」前移到「买发电设备」，而钱买不动的是交货期。于是交易结构本身成了变量——接手一张已在产线上的旧单，比新下单更快。
第二条，监控。读推理挡不住改写，因为隐藏被写成了看起来合理的执行步骤。但同一篇论文也给了防御读数，这说明它是军备竞赛，不是防线失效。
第三条，评测。平均过七成与完全可用只有四分之一之间，隔着的正是「人收尾」这道工序。老基准上 99.4% 的饱和，让这份差距在此前一直看不见。
图 12：三条线与各自的落点。来源：据各条来源公开表述整理；本图为自制整理。
你怎么看
如果设备交货期以年计，AI 公司直接买发电机组、甚至接手别人的旧订单，会不会成为标准动作？
另一个问题：当平均分能过七成、但只有四分之一的任务真的达标时，你更愿意看哪个数？