Anthropic把牛吹到了30万亿美元,接近美国全年GDP30万亿美元。
这是Anthropic准备写进IPO招股书的TAM数字——总可寻址市场,翻译成人话就是"假设我把这门生意百分之百垄断,一年最多能收多少钱"。
美国全年GDP大约32.4万亿。一家成立五年、员工不到四千人的公司,把自己的营收天花板画到了跟整个美国经济差不多大。
三个月前,SpaceX刚在招股书里写下28.5万亿,自称"人类历史上最大的可操作市场",其中26.5万亿来自AI。纪录还没捂热,就被Anthropic一脚踩了过去,还多垫了1.5万亿。
好比两个人比谁嘴大,一个说我能吞下太阳,另一个说我不仅吞太阳,还得加颗火星。
这把尺子,早就被拉断了
TAM这东西,科技公司上市都要报,也历来是最不用负责的那一项。Uber在2019年报6万亿,口径是全球所有私家车里程加公共交通;WeWork在那次最终流产的IPO里报了3万亿。这两个数字当年都被嘲笑过。
到了AI时代,尺子直接崩了。
标普1500里191家科技公司去年营收合计2.4万亿美元。Anthropic画出的30万亿,是它们全部加起来的12倍。
纽约大学估值教授Aswath Damodaran,人称"估值院长",SpaceX上市前他就对华尔街日报说过,28.5万亿"已经到了合理范围的尽头,还在往外推"。现在面对30万亿,他大概眼镜当场落地。
数字怎么算出来的?答案是:把AI模型未来能完成的所有工作,全部算进去。编程、写作、客服、法律、金融分析、医学诊断……凡是人干的,只要AI有可能接手,全部打包贴上价签。
这已经不是在给某个行业估市场规模了,这是在给人类可以交出去的全部认知劳动整体标价。
营收确实猛,但离30万亿差着一千个Anthropic
先别急着说纯吹牛,Anthropic的增长数据是真的炸裂:
2025年底年化营收约90亿美元;
2026年2月140亿,4月破300亿,5月470亿,7月超650亿;
Q2单季营收116亿美元,同比增长约14倍;
更关键的是,Q2调整后营业利润5.59亿美元——头部大模型公司首次实现单季度经营性盈利。
谷歌累计投了约30亿,到去年10月账面价值已超1240亿,40倍回报;亚马逊砸了130多亿还绑了十年算力合作;微软、英伟达、美光、三星、SK海力士全带资入场。
但拿650亿ARR去除30万亿TAM,渗透率只有0.22%。就算Anthropic自己预测2028年营收做到1900亿到2000亿,那也才占30万亿的0.67%。
所以它递给投资人的故事是:这个市场大到我只吃掉千分之六,就能撑起两万亿美元估值。这不像商业计划书,更像一道数学题——只要分母足够大,分子多小都显得合理。
2万亿估值对应的是约43倍当前年化营收。华尔街投行的定价逻辑已经跳过了今天,直接拿2028年的预期营收来锚定。这跟SpaceX把预测延伸到2029年是一个套路。
旗舰模型卖不动,是个隐患
增长神话之外,有个数据值得警惕。
据Ramp对美国7万家企业消费数据的分析,Anthropic最新旗舰模型Fable5上线两个多月,销售额仅占公司整体产品销售额的11.4%。Fable5输入输出定价每百万Token 10/50美元,基准测试70.5分;而上一代Opus5价格只有一半,测试得分70.0分,单次任务成本8.23美元,比Fable5的17.32美元便宜一半多。企业客户用钱包投票,Opus5的支出占比已经反超Fable5。
这说明一件事:模型能力的边际提升,跟客户愿意付的价格正在脱钩。当"便宜一半的旧模型够用",靠旗舰模型拉高ARPU的故事就没那么好讲了。
这也解释了Anthropic为什么急着把TAM画到30万亿——单靠卖API和模型订阅,撑不起2万亿估值。它必须让投资人相信,AI会像水电一样渗透到所有工作环节,而Anthropic收的是"认知劳动税",不是软件订阅费。
一家公益公司,做着史上最大的资本梦
最有讽刺意味的是Anthropic的身份。它是一家公益公司(Public Benefit Corporation),章程写明不能只为股东利润最大化,价值观声明里写着"归根结底,使命是我们所有人在这里的原因"。
CEO Dario Amodei个人身家约155亿美元,和妹妹Daniela等七位联合创始人承诺捐出80%财富,按当前估值超过860亿美元。
但就在IPO冲刺阶段,据Axios报道,Anthropic在文化面试里直接问候选人:"如果公司有一天出于安全考虑放弃AI野心,股价跌到零,你怎么想?"一个候选人老实回答"不会开心",面试官似乎并不满意。
一边把全人类能交给AI的工作打包成30万亿递给华尔街,一边把同一场IPO做成面试题问员工"归零你还干吗"。一边是使命高于利润的公益章程,一边是人类史上最大规模的IPO之一。
上市之后,每个季度的财报电话会、分析师对毛利率的追问、股东对回报的要求,都会跟"使命"这两个字正面相撞。SpaceX上市后股价从225美元跌到104美元又弹回135美元发行价附近,波动已经预演了一遍这种撕裂。
结语:故事可以宏大,定价终要兑现
从Uber的6万亿到SpaceX的28.5万亿再到Anthropic的30万亿,TAM的膨胀史就是资本市场对"赛道天花板"定价逻辑的演变史。十年前6万亿的故事值几百亿估值,今天30万亿的故事锚定的是2万亿。
Anthropic预计9月或10月初挂牌,募资最高1000亿美元,估值约2万亿,可能抢在OpenAI前面成为第一家上市的前沿大模型公司。S-1公开文件最快本月底面世,届时毛利率、客户集中度、云算力承诺、自由现金流这些私募市场里一直模糊的数字,都将被摊在阳光下。
30万亿TAM是一面旗帜,不是一张财报。它能把2万亿估值讲得好像只是"万分之六的市场份额",但它回答不了一个朴素的问题:AI完成的工作越多,单位任务的推理成本就在下降,Anthropic到底能从这30万亿里截留多少利润?
纽约大学那位教授说得对,数字已经越过了"合理范围的尽头"。华尔街最终会不会买单,9月招股书见。
Bolt 创始人 Markus Villig(马库斯·维利格):如何在资本劣势下击败 Uber,并展望自动驾驶未来撰文:Techub News 整理
在欧洲乃至全球的共享出行战场,Bolt 是一个无法被忽视的名字。这家从爱沙尼亚走出的公司,在巨头 Uber 的阴影下,不仅生存下来,更在众多市场成为领先者。2026 年 4 月,Bolt 创始人兼 CEO Markus Villig(马库斯·维利格)做客 a16z 的深度对话节目,分享了公司从零到一、从一到百的曲折历程,以及对行业未来,特别是自动驾驶和“超级应用”战略的深刻思考。这场对话揭示了在资本并不占优的情况下,如何通过创新、效率和对本地市场的深度理解构建持久竞争力。
从爱沙尼亚到全球:效率与本地化的胜利
Markus Villig(马库斯·维利格)的创业故事始于一个许多硅谷创业者难以想象的起点:19岁,在仅有百万人口的爱沙尼亚,几乎没有风险投资生态。受到 Skype 等本土成功故事的鼓舞,Villig 很早就投身科技领域。他最初的想法很简单:用一个应用连接乘客和出租车司机,取代传统低效的调度系统。
早期,Villig 试图与出租车公司合作,甚至开发了车队管理软件作为“诱饵”,希望将其引入网络。但现实很快给了他教训。“当我试图在塞尔维亚签约当地最大的出租车公司时,我清楚地意识到,这些人就是黑手党。他们根本不在乎用户体验。”Villig 回忆道。这次经历促使 Bolt 果断转向,直接与个体司机合作,从而掌握了提供优质用户体验的主动权。
然而,真正的挑战在于扩张。凭借约100万美元的种子轮融资,年轻的团队雄心勃勃地试图同时进军十几个国家,结果几乎在六个月内让公司破产。“我们当时不知道哪些市场会成功,也不知道如何规模化。”Villig 承认。惨痛的教训让他们转向“顺序扩张”策略:集中全力攻克一个市场(他们选择了邻国拉脱维亚),摸透运营模式,形成可复制的“剧本”,再推向下一个。这种极度专注和务实的方法,成为了 Bolt 日后全球扩张的基石。
与筹集了240亿美元才上市的 Uber 相比,Bolt 的总融资额约为20亿美元。Villig 认为,资本的约束反而迫使 Bolt 变得极其创新和高效。“当你作为一个19岁的年轻人在一个小国家创业,周围几乎没有VC生态时,你显然必须比竞争对手聪明10倍或100倍才能活下去。”这种“节俭基因”深深植入了公司文化。他们无法在补贴大战中与 Uber 正面硬扛,于是转而深耕本地化:在非洲市场,他们更注重安全功能和本地支付方式;在欧洲各地,他们更快速地适应各城市的法规和用户习惯。Villig 指出,一旦建立了高效的单元经济模型,后来者很难追赶,因为“当公司已有数千名员工时,改变思维和文化几乎是不可能的”。
COVID-19 大流行是行业的至暗时刻,Bolt 的收入一度暴跌85%,但也成为了关键的转折点。Bolt 迅速利用其现有的出行网络,在4个月内将食品配送服务扩展到16个国家,迅速实现了超过10亿欧元的总预订额。同时,他们密切关注各地解封动态,并提前积极投入。“当一切顺利时,很难在比赛中超越别人;但当下雨时,你可以超越很多车。”Villig 用这个比喻说明,他们在疫情后市场份额增长了两倍,因为他们是用户回归时最先想到的应用。
欧洲创业生态:挑战、优势与未来
作为欧洲成功的科技创业者,Villig 对欧洲的创业生态有着辩证的看法。他认为,从爱沙尼亚这样的小市场起步,迫使公司从第一天起就为全球化设计技术架构和运营模式,这是一种优势。“你必须拥有出色的产品飞轮,能够快速理解当地情况并整合本地化需求。”这不同于在印度或美国这样庞大单一市场起步的公司。
但劣势同样明显。Villig 指出,在具有强网络效应和规模经济的消费互联网行业,历史轨迹往往是美国公司最终主导全球。原因在于,美国市场同质化高,公司增长更快。三到五年后,美国玩家的规模可能是欧洲同行的两倍,从而能够凭借资本优势碾压对手。“你需要业务具备非常独特的特性,才能避免被更大规模的玩家消灭。”
当被问及为何爱沙尼亚能诞生如此多成功的科技公司(如 Skype、Wise)时,Villig 总结了三点:雄心、顶尖的软件工程师和数字优先的国家环境。爱沙尼亚的数字化程度极高(如在线投票已实行20多年),这培养了国民对数字服务的高期望,也让科技创业成为很自然的职业路径。在人才方面,Villig 认为东欧拥有世界上最好的软件工程师之一,但寻找具备规模化运营经验的商业领袖则相对困难,不过这正在随着地区经济繁荣而改善。
对于欧洲如何与硅谷竞争的问题,Villig 直言不讳地指出,监管经常被当作借口,但更深层的原因是文化,尤其是在西欧。“我认为人们已经失去了雄心。他们不认为自己能与美国竞争,有一种宿命论。人们不想努力工作,在某些社区,赚钱甚至是一种禁忌。”他观察到,欧洲新的成功创业公司更多地来自东欧或北欧,这些地区保留了更强的创业文化。
自动驾驶、超级应用与AI赋能:Bolt的未来蓝图
Villig 对自动驾驶的未来持有与当前主流叙事不同的“逆向”观点。他认为,自动驾驶软件领域不会出现“赢家通吃”的局面。首先,驾驶所需的智能门槛并不像大语言模型(LLM)那样“无限”,达到一定的安全性和性能后,边际收益会急剧递减。其次,所谓“数据飞轮”效应在自动驾驶领域并未被实证——拥有更多车辆和数据并不直接等同于更好的驾驶性能。因此,他预测将出现多元化的玩家。
基于此判断,Bolt 选择与一家中国自动驾驶制造商合作,旨在成为欧洲自动驾驶出租车(Robotaxi)的领导者。Villig 解释说,大多数传统汽车制造商(包括欧洲的)都缺乏开发自动驾驶软件的文化,而中国公司正在全球快速扩张。同时,进入门槛已大幅降低:训练模型的算力成本、数据收集成本和传感器(如激光雷达)成本都比15年前下降了数个数量级,这为新的创业公司创造了机会。
Bolt 的自动驾驶战略并非取代现有网络,而是构建一个“混合网络”,在长达10-20年的过渡期内,让自动驾驶汽车和人类司机共存。这既能应对出行需求高达20倍的峰谷波动,也能弥补自动驾驶汽车在地理覆盖上的初期局限。
在业务层面,Bolt 正在构建一个围绕“取代私家车”使命的“超级应用”生态,涵盖网约车、食品杂货配送、滑板车、电动自行车、汽车租赁等。Villig 认为,这不仅能提升用户体验(一站式服务、统一支付、个性化推荐),更能带来巨大的商业优势:通过跨业务导流,可以大幅削减吸引用户所需的高额补贴营销费用,从而在单元经济上远超单一业务玩家。但他强调,扩张必须保持纪律,只进入有清晰路径成为市场第一或第二的领域,因为“在这些市场平台业务中,第三名价值为零”。
至于为何“超级应用”模式在美国不常见,Villig 的直觉是:美国市场足够大,专注于一个细分领域就能打造千亿美元公司,无需多元化。
人工智能正在深刻改变 Bolt 的内部运营。Villig 分享道,AI 已帮助公司自动化了超过50%的客服交互,且速度和用户满意度(NPS)更高。在软件工程领域,新模型极大提升了生产力。更令人兴奋的是,AI 使非技术人员能够进行复杂的数据分析或构建自定义工具,自动化那些原本不会被优先处理的工作流程。Villig 预计,这能让公司在营收高速增长的同时,保持甚至逐步减少总人数,进一步巩固其成本优势。
尽管 Bolt 的主要市场在欧洲和非洲,但 Villig 出人意料地指出,美国出行市场是“世界上竞争最不激烈的”,因为价格高企,现有玩家从客户和司机那里抽取了高额利润。这正是在华盛顿特区试点滑板车业务,并观察更大机会的原因。
展望未来,Villig 将 Bolt 的发展分为两幕:第一幕是在“人类驾驶时代”构建全球最佳的出行平台,这部分仍有巨大增长空间;第二幕则是引领欧洲和非洲的自动驾驶出行。“我认为这甚至比人类时代更符合我们的DNA,”他解释道,“因为大多数硅谷公司并不擅长成本效率、节俭和现实世界运营,而这正是我们的基因所在。”他相信,自动驾驶是 Bolt 将业务规模再扩大100倍的机会。
在访谈最后,Villig 给年轻创业者的建议简单而有力:立刻开始行动。他认为现在是创业的最佳时机,软件构建的门槛从未如此之低。而他从12年创业历程中总结出的最痛教训是:招错人。他建议未来要更加关注人才与公司文化、信任度、责任心的契合,而不仅仅是智力或解决问题的能力,因为与能给你能量的人共事,在漫长的创业路上至关重要。Signadot 瞄准编码代理“验证循环”…在 Kubernetes 上推出自动重新验证功能微服务测试企业Signadot推出了新功能"/signadot-validate",使编码代理编写的代码能够在与实际运营环境相似的Kubernetes环境中自行验证。此次发布针对的是:虽然代码编写能力迅速提升,但在复杂的云原生系统中,验证代码是否真正"正常运行"的步骤仍然高度依赖人类开发者。
该功能支持Claude Code、Codex、Cursor等编码代理将修改后的服务与实际依赖系统连接进行测试,读取失败原因并重新修改后再次验证的流程。Signadot将其描述为代理开发的"验证循环"的完成。
单元测试无法发现的分布式系统问题
Signadot指出的核心问题是分布式系统的特性。即使只修改一个微服务,也可能对数据库、消息队列、缓存以及下层服务整体产生连锁影响。但编码代理在了解自身未触及领域的波及效果方面存在局限,仅靠一般的单元测试或模拟集成测试难以充分捕捉此类回归错误。
据公司说明,现有替代方案也存在明显局限。本地Docker Compose环境容易与实际运营环境渐行渐远,为每个代理复制独立环境则会增加速度与成本负担。多个开发者共同使用的预发布环境常出现冲突与不稳定性,而当大量代理同时推送变更时,此类问题会进一步加剧。
正因如此,最终开发者不得不重新审查代码差异、手动运行集成测试、直接调试下层服务故障,扮演着"最终验证者"的角色。
通过MCP服务器与CLI实现验证自动化
"/signadot-validate"通过两种路径将编码代理连接到Signadot平台。一个是为控制域操作提供支持的模型上下文协议(MCP)服务器,另一个是用于本地开发流程的命令行界面(CLI)。
代理通过MCP服务器查找集群、识别待修改的工作负载,并在无需硬编码名称的情况下查询所需端口。随后,创建一个仅包含已修改服务的Signadot沙箱。其余组件共享基础集群,并通过分配用于流量隔离的唯一路由键,确保不会与其他任务混杂。
环境准备就绪后,代理在本地运行修改后的服务,并与实际依赖系统(包括PostgreSQL、Kafka、Redis以及集群内的下层服务)连接进行验证。日志也会实时返回,使代理无需每次重新构建容器镜像即可反复修改与验证。
失败则重新修改,通过则移交审查
验证方式也可预先选择。包括按语言区分的集成测试、Playwright或Cypress等端到端测试框架,以及浏览器自动化方式等。每个请求都包含相同的路由键,使测试流量指向修改后的服务,而非基础服务。
验证失败的结果会再次传递回代理。代理据此修改代码后,在同一环境中重新执行。由于路由键保持不变,之前已固定的测试也能继续运行。验证全部完成后,该环境会保留原样,供开发者进行最终确认。
该结构在提升编码代理生产力的同时,重点在于提高与实际运营环境相似条件下的验证准确性。市场上,虽然生成式人工智能在"代码编写"阶段迅速普及,但外界正关注"验证自动化"未来可能成为开发工具竞争的新主轴。
获得风险投资的Signadot,目标扩大企业客户
"/signadot-validate"目前直接面向使用Signadot的团队提供。Signadot是一家由Redpoint Ventures和Y Combinator等投资方投资的初创企业,迄今为止已筹集415万美元,按韩元计算约为61亿8227万韩元。
在AI编码工具快速渗透企业开发现场的背景下,能够解决实际服务级验证问题的企业获得关注的可能性正在增大。Signadot的此次发布不仅仅是增加了一项测试功能,更可被视为将编码代理提升为"可投入实战的开发辅助工具"这一趋势的延伸。
TP AI注意事项
本文使用基于TokenPost.ai的语言模型进行了摘要。正文主要内容可能被遗漏或与事实不符。防止AI扩散的不是模型而是基础设施……Kubernetes的“统一运营”作用日益凸显AI扩散的瓶颈不在模型,而在“基础设施”——这一诊断正日益扩大。
在最近举行的“KubeCon+CloudNativeCon欧洲”大会上,人工智能(AI)竞争的核心已不再仅仅是模型性能这一点变得清晰。分析指出,企业在将AI实际部署到服务的过程中,最大的卡点在于无法将分散在云端、边缘和本地部署的系统像单一整体一样运营的结构性限制。
新研究表明,绝大多数AI项目未能达到实际运营阶段,失败原因也更多地集中在集成和运营执行问题上,而非模型本身。TheCube Research首席分析师保罗·纳沙瓦蒂指出:“AI正在揭示企业基础设施的根本缺陷”,“云、边缘和本地部署的全面碎片化已成为运营型AI的最大障碍”。
“主权”问题使AI基础设施更加复杂
这种碎片化最近被冠以“主权”之名。这是因为数据主权、地区法规和企业内部政策相互交织,使得数据和 workloads 难以集中在一处。其结果,AI系统正被迫转变为并非单一堆栈,而是跨多个环境进行分布式运营的结构。
红帽的混合平台部门副总裁兼总经理迈克·巴雷特以各业务部门使用不同大型语言模型的情况为例,解释说企业客户想要的是并非针对特定环境的工具,而是企业层面的“水平平台”。为解决此问题,红帽正专注于构建一个基于Kubernetes的、跨所有环境统一管理AI workloads 的控制层,即“AI控制平面”。
Kubernetes正超越编排,演变为“运营一致性”工具
Kubernetes原本并非为AI推理而设计的技术。其原始角色更接近于容器的部署和管理。但随着AI推理迁移至实际服务环境,地域间一致性不足、延迟波动、资源争用以及策略漂移等“日常运营”问题开始全面显现。
红帽工程总监罗伯特·肖提到了开源推理框架“llm-d”,并解释说用户不仅希望构建尖端性能系统,还希望一并解决后续运营阶段的复杂性。这意味AI系统出现不稳的时机,并非训练阶段,而是实际服务运营阶段。
云原生计算基金会(CNCF)管理委员会副主席扬·梅伦也提出了类似的问题意识。他分析指出,虽然云原生已发展为全球性开源协作,但AI正使得建立在“全球一致性”之上的系统与地区性法规和分布式环境的现实发生冲突。
TheCube Research首席分析师罗布·斯特雷查伊评价道:“代理型AI的本质不是模型问题,而是平台架构问题”,未来竞争力将更多地取决于构建更好的基础设施,而非选择更好的模型。
平台工程正崛起为AI运营的现实解决方案
问题在于,Kubernetes对于所有团队而言过于复杂,难以直接处理。红帽AI部门首席技术官布莱恩·史蒂文斯表示,目前有不少创建AI的数据科学家需要同时承担执行基础设施的责任。弥合这一差距的方式正是平台工程。
斯特雷查伊解释说,随着碎片化工具、人员能力差距和运营复杂性成为实际瓶颈,业界正转向以平台工程和Kubernetes为中心的统一控制结构。在这种趋势下,红帽OpenShift AI肩负着以可重复的方式,跨越混合环境抽象化学习、部署、服务和推理的职责。
虚拟机也正在进入Kubernetes
企业基础设施不会一次性全部现代化。像计费系统、数据库等核心遗留资产,常因风险管理而留在原有环境。这导致虚拟机(VM)和容器长期以二元化方式运营。
调查显示,84%的IT决策者在单独管理虚拟机和容器环境方面遇到困难。红帽的丹尼尔·梅塞尔表示:“虚拟化和容器不应保持孤岛状态,它们应该位于同一个平台之上”。在CNCF内已进入成熟阶段的KubeVirt,是一个允许在Kubernetes内同时运行虚拟机和容器的扩展项目。
这被解读为一种并非消除遗留系统,而是将现有系统也纳入同一控制层,整合运营界面的战略。
也有人指出,“便利性”并不等同于控制权
尽管主权型AI看似一种替代方案,但也有观点指出它实际上伴随着更多限制。各国法规限制数据移动,企业政策阻碍集中化。其结果是,无论企业是否做好准备,都不得不将 workloads 分配到云端、本地部署和边缘。
EnterpriseDB的加布里埃尔·巴尔托利尼强调,如果不保证数据库的可移植性,就没有真正的主权。他特别划清界限,指出托管服务的“便利性”并不意味控制权。扬·梅伦同样表示,在主权讨论中需区分“代码主权”和“部署主权”,代码可以作为全球开源资产存在,但实际部署直接受法律和政策影响。
在这一点上,Kubernetes的角色变得更加明确:它将全球共享的代码,连接成一种能够适应具有不同地区性限制的运行环境的形式进行运营。
### 胜负最终取决于生态系统
单一企业无法独自承担AI基础设施。要使AI用Kubernetes控制平面发挥作用,需要的不是替换多种系统,而是连接它们。使这成为可能的是由标准、API和上游开源项目构成的“生态系统”。
纳沙瓦蒂评价称,红帽不仅是商业平台提供商,更是CNCF整个生态系统中贡献最活跃的企业之一。这种上游工作不仅仅是简单的镜像管理,更是防止各厂商的Kubernetes实现出现差异、维持一致性的核心机制。红帽还与英伟达合作推进“红帽AI工厂”,着手构建结合OpenShift与英伟达加速计算的可扩展企业级AI基础设施。
纳沙瓦蒂表示:“考虑到高达75%的企业因碎片化系统而经历两位数的AI失败率,瓶颈已经转移到了基础设施。”这意味着问题不在于功能不足,而在于系统之间无法协同工作的结构性难题。
### Kubernetes作为AI时代的生产层崛起
与其说AI是击垮某个特定点,不如说
TP AI注意事项
使用TokenPost.ai基础语言模型对文章进行了摘要。本内容的主要部分可能被遗漏或与事实不符。Aranya 推出面向AI推理瓶颈的“ClusterdOS”……降低Kubernetes运维负担在人工智能(AI)推理需求激增的背景下,Aranya 公布了大规模集群操作系统 "ClusteredOS"。该公司强调,该产品降低了复杂 Kubernetes 的运营负担,使得即便没有专门的平台团队,也能快速构建达到 AI 超级计算机级别的基础设施。
成立于 2025 年的 Aranya Inc. 是一家致力于开发面向"下一代超级计算机"需求的集群规模操作系统的初创公司。在正式发布的同时,该公司还宣布了与 Nvidia 的云合作伙伴、在裸金属部署方面具有优势的 Hydra Host 的主要合作关系。裸金属是一种无需虚拟化层、直接利用物理服务器资源的方式,是高性能 AI 推理环境中备受关注的架构。
Aranya 提出的核心是 AI 基础设施的"运行"问题。该公司分析认为,迄今为止,要将高性能模型部署到实际服务中,大规模专职平台组织几乎是必不可少的。反之,没有这类组织的企业只能依赖托管云服务,但据其说明,这种方式初期引入虽然容易,然而在大规模扩展阶段,成本负担和控制权限制会显著增加。定制化基础设施虽然灵活,但难以确保能够运营它的高级工程人才也被视为一个瓶颈。
降低 Kubernetes 复杂性,提出"48 小时构建"
ClusteredOS 被介绍为一款基于开源、弥合 Kubernetes、分布式系统和 AI 基础设施之间差距的分布式操作系统。其目标是将原始计算资源直接转化为可投入生产环境的 AI 超级计算机形态,并以较低的运营负担处理从集群引导到维护、升级的整个生命周期。公司还解释说,其设计允许通过简单的上层功能标志方式,添加分布式云原生应用并进行版本管理。
据 Aranya 称,Hydra Host 在引入 ClusteredOS 后,将生产用集群的构建时间从原有的 2 到 6 周缩短至 48 小时以内。公司方面声称,他们还构建了能够抵消反复发生的数据中心故障的定制化架构,将集群停机时间降低了 90%。
Hydra Host 联合创始人兼首席执行官 Aaron Ginn 表示:"越来越多的客户不仅需要简单的基础设施,更希望获得一条更快、更可靠地进入生产环境的路径。Hydra Host 的裸金属计算和运营支持与 Aranya 的 Kubernetes 专业知识相结合,得以提供更完善的解决方案,能够以更低的复杂性部署和扩展实际工作负载。"
运营超过 1700 个 GPU……AI 基础设施竞争的新战场
Aranya 表示,在正式发布之前,合作伙伴已经利用 ClusteredOS 在超过 1700 个图形处理器上部署并运营着大规模的核心推理管线。公司补充说,该产品还提供 24 小时监控、安全补丁和定制化集成功能,从而减少了对单独平台团队的需求。
不过,公司并未在发布时公开投资者及其具体的融资细节。根据公开记录,该公司应已获得了初期阶段的风险投资资金。
从市场角度来看,此次发布显示出 AI 竞争的焦点正从模型性能本身转向"运营效率"。随着推理需求的增长,企业不仅关注 GPU 的获取,也开始更加重视能够将 GPU 稳定整合并连接到服务阶段的软件层。特别是推理成本的优化、故障应对以及部署速度,这些因素直接关系到 AI 服务的盈利能力。
Aranya 认为,未来当 AI 助手深度融入日常工作时,单个开发者所需的计算资源可能接近过去一个团队的水平。在这种情况下,集群操作系统很可能不再是可选品,而是必备的基础设施。归根结底,Aranya 的胜负手在于,它能否在实际场景中充分证明其"让任何人都能轻松驾驭大规模推理集群"的承诺。
TP AI 注意事项
此文章使用基于 TokenPost.ai 的语言模型进行摘要。正文主要内容可能被遗漏或与事实不符。Uberdoc完成反向并购上市… 去“矿”加速向数字健康转型UberDoc Health Technologies ($ESVNF) 正在接连完成董事会变动和上市程序,加速企业转型。有评价称,这使得以矿产资产为主的上市公司向数字医疗平台企业转型的趋势变得更加清晰。
公司于4月24日宣布,杰弗里·霍根已从董事会辞职。霍根为了专注于其于2026年1月共同创立的医疗咨询公司Judy Group,决定辞职。他在雇主提供的医疗保险和福利战略领域拥有40年的经验,曾为UberDoc在企福市场中推行"成本透明化"和"直接就诊"模式做出贡献。公司方面解释称,在雇主们寻求比传统保险结构更能明确确认成本的诊疗体系这一趋势中,霍根发挥了重要作用。
同一时期,创始人保拉·穆托博士被任命为美国国家卫生统计委员会 (NCVHS) 的委员。该委员会是一个向美国卫生与公众服务部以及医疗保险和医疗补助服务中心 (CMS) 提供健康数据、隐私保护、医疗标准相关咨询的机构。穆托博士目前仍以血管外科专家的身份继续行医,同时兼任UberDoc的首席医学顾问和董事会成员。公司计划以此为契机,致力于扩大美国境内的直接付费式专科诊疗网络。
UberDoc的资本市场整顿也已完成。公司自3月19日起,在加拿大证券交易所 (CSE) 任命了Independent Trading Group (ITG) 作为其做市商。其目的是形成合理的市场和改善流动性。合同以一个月为期限自动续约,可通过提前30天通知终止。ITG不会获得股票或股票期权作为报酬。
此前,UberDoc于3月13日完成了与ROV Investment Partners的三角合并,并于3月18日起以"APPT"股票代码在加拿大证券交易所开始交易。合并后,股权结构调整为原公司股东占12.3%,ROV股东占87.7%。在此过程中,公司筹集了约301万24.15加元,并发行了可在两年内以每股0.50加元行权的认股权证。
这笔交易的根源在于Sera Energy Metals ($ESVNF) 推进的反向合并结构。Sera原本是一家持有采矿资产的公司,但通过纳入ROV及其子公司、位于美国特拉华州的数字医疗平台UberDoc,改变了其业务重心。根据最初公布的条件,合并后ROV股东将获得约88%的控制权,而Sera股东则保留约12%的股份。该交易还包括至少100万加元的私募融资,以及Sera向ROV提供的50万加元过桥贷款。
在此次转型之前,Sera于2025年1月9日实施了10比1的合股。已发行股票数量从约6511万股减少至651万股,现有股票期权的数量和行权价也按相同比例进行了调整。合股后获得了新的CUSIP和ISIN代码,但在加拿大证券交易所的公司名称和交易代码当时保持不变。
与此同时,现有采矿业务的清理工作也在并行推进。Sera将其位于澳大利亚的Myrtleford和Beaufort项目80%的股权出售给Advance Metals,并构建了一个在未来48个月内,以总计价值300万加元的股票作为对价的架构。交易完成后,Sera将保留该合资项目20%的股权,以及金矿产出的1%冶炼净利润权利金。这与逐步剥离采矿资产、重组为以UberDoc为核心的医疗保健业务的战略方向相一致。
总体而言,UberDoc近期的举措已超越简单的人事任免。从董事会重组、创始人加入公共卫生咨询机构、签订做市协议、完成反向合并,到清理现有资产,作为"上市数字医疗保健企业"的框架已基本成型。不过,有分析认为,新的治理结构和商业模式能否转化为实际的营收增长和投资者信心,将取决于未来美国医疗费用削减的需求以及直接付费诊疗市场的扩张速度。
TP AI 注意事项
本文使用基于 TokenPost.ai 的语言模型进行了摘要。正文的主要内容可能被遗漏或与事实不符。“主权架构”崛起……企业正重新设计AI控制权与Kubernetes网络随着监管压力增大以及地缘政治不确定性动摇整体技术采购,企业正加速确保对整体基础设施的“控制权”。特别是在虚拟机迁移、Kubernetes网络现代化以及AI治理问题同时涌现的背景下,“主权架构”正作为新的运营标准崛起。
SUSE公司的产品管理负责人Troy Topnik在最近的“SUSECON 2026”上强调,“可持续的解决方案是涵盖全栈的统一架构”,并指出需要能够通过一个直观的界面来管理复杂的基础设施。他解释说,SUSE正专注于通过Rancher,让用户能够在相同的用户环境中同时运营SUSE虚拟化集群和基于裸机的RKE2集群。
此次讨论表明,企业正将VMware迁移、Kubernetes运营优化以及AI控制体系的构建视为一个整体问题,而非孤立的任务。其背后的逻辑是,对于一般的IT组织而言,网络重新设计的规模越大,将它们整合在一致的结构下管理,而非各自为政,就更为现实。
扩大Traefik默认搭载… 由NGINX Ingress终止所引发的转变
SUSE的轻量级Kubernetes发行版K3s和强化安全的企业版RKE2,目前默认使用Traefik作为Ingress控制器。这使得从边缘环境到企业核心系统,都可以构建起相对一致的网络层。
这一变化是在去年Ingress NGINX控制器宣布停止支持后加速推进的。Topnik当时分析称,许多企业对这一突如其来的变化感到措手不及,迫切需要一条能够替代他们使用多年的网络组件的“迁移路径”。关键基础设施组件之一的缺失,不仅仅意味着产品替换,更促使企业重新审视自身对架构依赖性的掌控程度。
AI治理亦成“主权”之争… 关注控制位置、策略可移植性与数据驻留
Traefik Labs的首席执行官Sudeep Goswami解释说,AI主权不应被简单视为“有或无”的概念,而应从多个维度进行评估。他提出的“AI主权成熟度模型”指出,需要同时考量控制平面的位置、策略可移植性、数据驻留以及是否执行代理型护栏。
例如,即便控制平面部署在内部,如果实际的策略执行发生在云端,就难以被视为完整的“主权架构”。Goswami指出:“即使控制平面达到了最高标准,但如果策略仍需发送到云端执行,那就算不上真正最高水平的主权。”他强调,主权是一个由多种能力组合而成的“频谱”。
市场研究机构IDC也赞同这一趋势。IDC预测,到2028年,60%有数字主权需求的企业将把敏感工作负载迁移到新的环境中。对于企业而言,这已超越了单纯引入AI的阶段,进入了需要同步设计数据在何处处理、由谁执行策略以及模型在何种环境下运行的新局面。
核心在于“统一运营”… 大转型期,企业IT战略的评判标准正在改变
此次讨论表明,企业基础设施战略的重心正从“性能”转向“可控的架构”。VMware迁移、Kubernetes现代化和AI治理看似是不同的项目,但在实际场景中,业界愈发认为只有在一个统一的运营框架内处理它们,才能有效降低成本和风险。
归根结底,“主权架构”并非某个特定的技术流行语,而更像是一个务实的解决方案,旨在同时解决监管、安全、数据控制以及多云运营等问题。未来企业的基础设施重组,其关键标准很可能不再取决于使用了何种技术,而在于能在多大程度上直接控制这些技术。
TP AI注意事项
本文基于TokenPost.ai的底层语言模型进行摘要。正文中的主要内容可能被省略或与事实存在出入。[题材股] LIG AQUBER,5G SA扩散·目标价上调走强LIG Nex1凭借5G独立组网(SA)扩展预期和目标股价上调而呈现强势。
据韩国交易所数据,LIG Nex1较前一日上涨13.93%,交易价格为54800韩元。盘中一度升至62500韩元,呈现急涨态势。
股价走强的直接背景被认为是5G SA商用化扩大前景及证券界预期上调。韩亚证券将LIG Nex1目标股价从原先水平上调33%至8万韩元。
证券界认为,若今年美国、明年国内市场的新频段投资与5G SA服务正式启动,LIG Nex1有望成为通信设备板块的领涨股。特别是随着6月美国频段拍卖带来新终端供应和设备投资增加,测试设备销售额也有望扩大。
业务结构重组也是支撑股价的因素。此前公司于3月将商号从Innowireless变更为LIG Nex1,并宣布将从原有移动通信主业向人工智能、卫星通信、国防、车联网(V2X)、移动出行等领域拓展业务范围。
公司正在推进AI模型学习数据管道构建、AI无线接入网性能验证、非地面网络直连设备现场测试自动化、新一代车载紧急呼叫验证系统开发等项目。
市场分析指出,虽然公司目前仍处于净利润亏损状态,但中长期来看,新业务拓展与基本面改善情况将成为股价走势的关键。开源,作为企业AI·Kubernetes运营的“控制层”崛起……攻势在于为Rancher搭载AI代理开源平台正迅速崛起成为企业基础设施运营的核心。特别是随着人工智能(AI)与Kubernetes协同管理的"控制层"作用日益增强,分布式基础设施的运营方式本身正在发生变革。
这一变革的中心是SUSE。SUSE正以基于Linux的云原生战略为先导,不断扩大其平台范围,涵盖AI工作负载、容器管理和虚拟化。TheCube Research首席分析师Paul Nashawaty评价道:"《财富》500强企业中超过72%的核心业务运行在Linux上,约90%的公有云工作负载依赖于Linux。开源平台已不再是节约成本的替代方案,而成为企业IT的基石。"
SUSE Rancher Prime扩展AI代理运营
SUSE近期发布的"SUSE Rancher Prime"正是展示这一战略的典型案例。该平台搭载了基于AI的助手"Liz"。Liz能够理解自然语言指令,处理多步骤的运营任务,并支持基础设施故障排查或Kubernetes管理等复杂工作。它还包含帮助用户轻松理解艰深的Rancher或Kubernetes概念的功能。
Nashawaty分析称:"随着大企业的Kubernetes采用率超过70%,SUSE以Rancher为中心的战略正成为实现多集群和混合云运营的核心支柱。"
SUSE云原生部门总经理Peter Smails解释说,Liz并非简单的聊天机器人,而是整合多个代理的统一接口。企业可以连接自己的代理,Liz则扮演协调这些代理的中心枢纽角色。SUSE计划通过这种架构,将Rancher发展成更"智能"的基础设施平台。
虚拟机与容器整合…同时强化VMware替代方案
除了Rancher,SUSE也在加强"SUSE Virtualization"。该平台是作为VMware替代方案提出的现代化虚拟化产品,设计用于在单一环境中管理虚拟机和容器。它还增加了多实例GPU支持和实时存储迁移功能,以支持在数据中心、公有云和边缘环境中一致地运营工作负载。
核心在于"开放性"。Smails表示:"客户需要选择权和灵活性。""其基础是开源,供应商也必须保持开放性,客户才能拥有控制权。"在减少对特定供应商依赖(即所谓的"供应商锁定")需求日益增长的背景下,这一理念正获得更多共鸣。
企业IT焦点从成本节约转向"控制权"
市场评价也类似。Nashawaty将"韧性"和"数字主权"列为SUSE的优势。他指出,企业如今不再仅仅满足于采用云原生技术,更希望直接控制其数据、基础设施和运营权限。解读认为,SUSE的多平台及开源战略正契合了这一需求。
最终,SUSE的方向是明确的。其判断是,在AI时代,企业基础设施正变得更加复杂,但运营体系反而需要更简单、更灵活。SUSE正通过基于开源、将AI、虚拟机和容器管理融为一体的方式提供解决方案。这显示出,企业IT的下一个竞争力,将不再仅仅取决于技术引入本身,而更在于能在谁的控制下、以多大的灵活性来运营这些技术。
TP AI 注意事项
使用基于TokenPost.ai的语言模型对文章进行了摘要。正文的主要内容可能被省略或与事实不符。KubeVirt,为Kubernetes与虚拟化集成开启全新飞跃KubeVirt在持续尝试整合虚拟化的同时,进一步强化了现代企业基础设施中Kubernetes的重要性。KubeVirt使得容器与虚拟机能够在单一控制平面上运行,从而引领创新,并作为开源项目通过与众多厂商协作推动自身发展。随着近期1.8版本的发布及首次线下活动的举办,该项目朝着Cloud Native Computing Foundation(CNCF)毕业阶段更近了一步。这标志着KubeVirt已成为可供商业使用的成熟产品。
红帽公司KubeVirt负责人Andrew Burden与Luboslav Pivarč表示,CNCF毕业将有助于明确KubeVirt的成熟度。该项目于2019年提交至CNCF,并在2022年中期进入孵化阶段。在此期间,来自不同行业的贡献者陆续加入项目,其中芯片制造商如英伟达、英特尔、AMD以及IBM等技术企业已成为主要合作方。
微软也通过主导多虚拟机管理程序功能的开发,为KubeVirt的发展做出了贡献。透明的增强提案流程使得各类外部贡献者能够提议并协商新功能。Burden强调,项目因具备更成熟的Kubernetes改进流程而实现了顺畅协作。
更多详情可通过SiliconANGLE对KubeCon + CloudNativeCon欧洲大会的报道了解。30万亿美元。 这是Anthropic准备写进IPO招股书的TAM数字——总可寻址市场,翻译成人话就是"假设我把这门生意百分之百垄断,一年最多能收多少钱"。 美国全年GDP大约32.4万亿。一家成立五年、员工不到四千人的公司,把自己的营收天花板画到了跟整个美国经济差不多大。 三个月前,SpaceX刚在招股书里写下28.5万亿,自称"人类历史上最大的可操作市场",其中26.5万亿来自AI。纪录还没捂热,就被Anthropic一脚踩了过去,还多垫了1.5万亿。 好比两个人比谁嘴大,一个说我能吞下太阳,另一个说我不仅吞太阳,还得加颗火星。 这把尺子,早就被拉断了 TAM这东西,科技公司上市都要报,也历来是最不用负责的那一项。Uber在2019年报6万亿,口径是全球所有私家车里程加公共交通;WeWork在那次最终流产的IPO里报了3万亿。这两个数字当年都被嘲笑过。 到了AI时代,尺子直接崩了。 标普1500里191家科技公司去年营收合计2.4万亿美元。Anthropic画出的30万亿,是它们全部加起来的12倍。 纽约大学估值教授Aswath Damodaran,人称"估值院长",SpaceX上市前他就对华尔街日报说过,28.5万亿"已经到了合理范围的尽头,还在往外推"。现在面对30万亿,他大概眼镜当场落地。 数字怎么算出来的?答案是:把AI模型未来能完成的所有工作,全部算进去。编程、写作、客服、法律、金融分析、医学诊断……凡是人干的,只要AI有可能接手,全部打包贴上价签。 这已经不是在给某个行业估市场规模了,这是在给人类可以交出去的全部认知劳动整体标价。 营收确实猛,但离30万亿差着一千个Anthropic 先别急着说纯吹牛,Anthropic的增长数据是真的炸裂: 2025年底年化营收约90亿美元; 2026年2月140亿,4月破300亿,5月470亿,7月超650亿; Q2单季营收116亿美元,同比增长约14倍; 更关键的是,Q2调整后营业利润5.59亿美元——头部大模型公司首次实现单季度经营性盈利。 谷歌累计投了约30亿,到去年10月账面价值已超1240亿,40倍回报;亚马逊砸了130多亿还绑了十年算力合作;微软、英伟达、美光、三星、SK海力士全带资入场。 但拿650亿ARR去除30万亿TAM,渗透率只有0.22%。就算Anthropic自己预测2028年营收做到1900亿到2000亿,那也才占30万亿的0.67%。 所以它递给投资人的故事是:这个市场大到我只吃掉千分之六,就能撑起两万亿美元估值。这不像商业计划书,更像一道数学题——只要分母足够大,分子多小都显得合理。 2万亿估值对应的是约43倍当前年化营收。华尔街投行的定价逻辑已经跳过了今天,直接拿2028年的预期营收来锚定。这跟SpaceX把预测延伸到2029年是一个套路。 旗舰模型卖不动,是个隐患 增长神话之外,有个数据值得警惕。 据Ramp对美国7万家企业消费数据的分析,Anthropic最新旗舰模型Fable5上线两个多月,销售额仅占公司整体产品销售额的11.4%。Fable5输入输出定价每百万Token 10/50美元,基准测试70.5分;而上一代Opus5价格只有一半,测试得分70.0分,单次任务成本8.23美元,比Fable5的17.32美元便宜一半多。企业客户用钱包投票,Opus5的支出占比已经反超Fable5。 这说明一件事:模型能力的边际提升,跟客户愿意付的价格正在脱钩。当"便宜一半的旧模型够用",靠旗舰模型拉高ARPU的故事就没那么好讲了。 这也解释了Anthropic为什么急着把TAM画到30万亿——单靠卖API和模型订阅,撑不起2万亿估值。它必须让投资人相信,AI会像水电一样渗透到所有工作环节,而Anthropic收的是"认知劳动税",不是软件订阅费。 一家公益公司,做着史上最大的资本梦 最有讽刺意味的是Anthropic的身份。它是一家公益公司(Public Benefit Corporation),章程写明不能只为股东利润最大化,价值观声明里写着"归根结底,使命是我们所有人在这里的原因"。 CEO Dario Amodei个人身家约155亿美元,和妹妹Daniela等七位联合创始人承诺捐出80%财富,按当前估值超过860亿美元。 但就在IPO冲刺阶段,据Axios报道,Anthropic在文化面试里直接问候选人:"如果公司有一天出于安全考虑放弃AI野心,股价跌到零,你怎么想?"一个候选人老实回答"不会开心",面试官似乎并不满意。 一边把全人类能交给AI的工作打包成30万亿递给华尔街,一边把同一场IPO做成面试题问员工"归零你还干吗"。一边是使命高于利润的公益章程,一边是人类史上最大规模的IPO之一。 上市之后,每个季度的财报电话会、分析师对毛利率的追问、股东对回报的要求,都会跟"使命"这两个字正面相撞。SpaceX上市后股价从225美元跌到104美元又弹回135美元发行价附近,波动已经预演了一遍这种撕裂。 结语:故事可以宏大,定价终要兑现 从Uber的6万亿到SpaceX的28.5万亿再到Anthropic的30万亿,TAM的膨胀史就是资本市场对"赛道天花板"定价逻辑的演变史。十年前6万亿的故事值几百亿估值,今天30万亿的故事锚定的是2万亿。 Anthropic预计9月或10月初挂牌,募资最高1000亿美元,估值约2万亿,可能抢在OpenAI前面成为第一家上市的前沿大模型公司。S-1公开文件最快本月底面世,届时毛利率、客户集中度、云算力承诺、自由现金流这些私募市场里一直模糊的数字,都将被摊在阳光下。 30万亿TAM是一面旗帜,不是一张财报。它能把2万亿估值讲得好像只是"万分之六的市场份额",但它回答不了一个朴素的问题:AI完成的工作越多,单位任务的推理成本就在下降,Anthropic到底能从这30万亿里截留多少利润? 纽约大学那位教授说得对,数字已经越过了"合理范围的尽头"。华尔街最终会不会买单,9月招股书见。
