精华简报¶

TL;DR¶

Poolside 与 NVIDIA 达成一笔总额约 120 亿美元的“反向 execuhire”交易：NVIDIA 授权 Poolside 的 Model Factory 并雇佣其 109 名技术员工（占绝大多数），创始人留下并获得约 10 亿美元，员工离开获得约 60 亿美元，同时分拆出的 Infraco 新云计划扩展至 7GW。这笔交易折射出前沿模型训练已进入“资本需求垂直上升、物理数据中心空间与签约算力双重稀缺”的阶段。文章后半部分还梳理了企业 AI 混合路由、开放模型商品化、智能体产品面扩展、闭源模型定价压力以及 AI 价值向科学发现转移等关键趋势。

核心观点与洞察¶

1. Poolside–NVIDIA 交易：反向 execuhire 与算力悬崖¶

此前 Latent Space 刚在播客中介绍 Poolside 的 Model Factory，Eiso Kant 提到“不到 70 人构建了这个模型，工程和研究人员加起来不到 115 人”。
Jensen Huang 从 Poolside 的投资者转为授权其 factory 并雇佣 109 名员工，这占 Poolside 技术员工的绝大多数。
创始人明确表示这“不是收购，也不是人才收购”。此前 Windsurf-Google、Character-Google、Scale-Meta、Instacart-OpenAI 等交易被称为“execuhire”，通常是高管离开、员工留下、公司存续；这次是第一次反过来：创始人留下，员工离开。
交易本质是创始人将公司极其剧烈地转向新方向，同时为投资者和员工找到“极其舒适的金色降落伞”，让他们继续原有使命或留在新方向。
Poolside 曾有一个 6 周窗口期筹集 20 亿美元，用于支付 40,000 个 GB300 集群，但未能及时完成融资，失去了该集群。这成为算力竞争残酷性的直接注脚。

2. 算力资本化与 Infraco 7GW 新云¶

Poolside 创始人指出：过去三年半方向正确，但资本需求直线上升；当前前沿模型配方所需的算力正在垂直上升，且随着递归自我改进加速，这一趋势只会更明显。
他们知道 10,000–20,000 个 GB300 就能训练出媲美当前前沿的模型，但明年前沿模型需要的集群规模“远不止大一个数量级”。
制约因素不仅是资本，还包括物理数据中心空间和已签约算力。
2026 年 1 月分拆出的 PIC infraco 计划扩展至 7GW neocloud，显示基础设施层正在成为独立的价值载体。

3. 智能受限 vs 实验受限：AI 价值重心转移¶

创始人提出一个关键框架：世界上有两类具有经济价值的问题——智能受限（intelligence bound）和**实验受限**（experiment bound）。
智能受限问题可通过扩展智能解决，例如构建软件、做会计、证明数学定理；实验受限问题则需要现实世界实验反馈循环，例如攻克癌症——即使聚集 10 万个最聪明的大脑，没有实验反馈也无法取得进展。
他们判断：人类水平的智能能力将被开源模型完全商品化，而超级智能很可能不会。
因此，AI 的最终价值不会来自智能受限问题（那将变成低利润商品），而会来自实验受限问题。AI 将成为“世界上最有价值的科学发现引擎”，其数据护城河来自现实世界实验。

4. 企业 AI 混合路由：开放模型吞噬中间地带¶

AT&T 成为最清晰的公开案例：40% 的员工 AI 使用已路由到开放模型，目标是 60–70%；编码成本下降 56%，质量仅下降 2%，每天处理 450 亿 token。
这支持了一个日益普遍的观点：前沿闭源模型保留给最困难的任务，而“足够好”的开放模型吃掉企业需求的广阔中间地带。
有评论者明确将此视为 OpenAI/Anthropic 企业护城河的警示信号。

5. 智能体产品面扩展：从聊天界面到协调界面¶

OpenAI 推出 Apple Messages 插件，支持从桌面应用搜索、起草和发送消息；ChatGPT Sites 增加协作编辑，Codex 管理 git/CI；共享只读对话链接和 PR 上下文共享进一步推动 ChatGPT/Codex 成为协调界面，而非单纯聊天 UI。
OpenAI 的 Computer History、跨应用记忆、Record & Replay 在欧洲经济区、英国和瑞士上线，指向“在设备上捕获用户工作流，将重复操作转化为可复用技能”的产品策略。
Anthropic 宣布 computer use、browser tool、Skills API、Files API 全面可用。Skills API 增加版本化可复用流程；Files API 支持过期控制、速率限制提高 5 倍至 500 RPM、每组织 1 TB；并发布 AG-UI adapter，将聊天线程映射到托管会话，流式传输文本、工具调用和思考。

6. 定价压力与使用上限：闭源模型的经济可持续性难题¶

GPT-5.6 Sol 通过 Router 提供五折优惠，GitHub Copilot / VS Code 用户也获得临时折扣。
用户情绪显示供应约束正以使用上限而非质量下降的形式显现：有用户抱怨 200 美元/月的 OpenAI Pro 计划可能在重度使用 Codex 的一天内耗尽；也有用户指出达到规定上限后仍可继续消耗大量 token。
这反映出实验室仍在寻找高端模型访问与经济可持续的智能体使用之间的产品边界。

7. 开放权重与多模态基准进展¶

Kimi K3 已向超过一半订阅用户推出，提供美国/欧盟托管和零数据保留；Gemma 下载量超过 10 亿次。
Meta 的 Muse Spark 1.2 在多模态/智能体评估中表现强劲：Agent Arena 净改进 +2.1%，Bash Recovery +11.4%；DesignArena 将其评为 Video-to-Website 第 1、Image-to-HTML 第 2、Image-to-Frontend 第 3，并指出其位于价格-偏好帕累托前沿。
Zhipu 的 GLM-5.3 在智能体/代码评估中持续出现。

启发与影响¶

前沿模型训练进入多重约束阶段：资本、物理数据中心空间、签约算力三者同时稀缺，独立实验室面临融资窗口风险。Poolside 失去 40,000 GB300 集群的案例表明，即使方向正确，融资节奏失误也可能导致战略被动。未来可能看到更多反向 execuhire、垂直整合或基础设施分拆。
开源模型加速企业替代闭源模型：AT&T 的数据显示，开放模型在成本大幅下降的同时质量损失极小，混合路由将成为企业 AI 架构的主流。闭源模型必须证明其在最高难度任务上的不可替代溢价，否则企业护城河将持续收窄。
智能体竞争从“对话”转向“工作流捕获”：OpenAI 和 Anthropic 都在将产品从聊天 UI 推向协调界面，记忆、技能复用、跨应用操作、协作编辑成为新战场。谁能将用户重复行为转化为可复用技能，谁就能锁定工作流入口。
AI 价值叙事向科学发现迁移：Poolside 创始人的“智能受限 vs 实验受限”框架为行业提供了清晰的价值判断：知识工作将被开源模型商品化，真正的长期价值来自需要现实世界实验反馈的科学发现。这解释了为何 AI for Science 成为热点，也暗示数据护城河将来自实验而非单纯规模。
闭源模型定价模式面临压力：使用上限与高端定价的矛盾暴露了闭源模型在智能体工作负载下的经济模型不成熟。实验室需要在高端访问、可持续定价和用户预期之间找到平衡，否则可能加速用户向开放模型迁移。