【AI观察】2026-11-16 18:09 — 英伟达芯片流向中国再曝光:Megaspeed 经手近 120 亿美元订单

  本轮采集时间:2026-11-16 18:09 | 来源:OpenAI、THE DECODER、AlphaSignal、华尔街日报、彭博社、量子位、smol.ai | 新增条目:8

  导语:本轮最值得优先读的是两条互相咬合的线索。其一,《华尔街日报》查阅的文件显示,与黄仁勋关系密切的 Megaspeed 在 2024 年 3 月至 2025 年 6 月间为中国公司经手了近 120 亿美元英伟达高端芯片订单,而英伟达官方披露的中国收入占比仅 7%、做空机构估计超过 20%——出口管制的「账面口径」与「实际流向」之间的差距被摆上台面。其二,Anthropic CEO Amodei 在 IPO 前公开承认「明年会发生什么存在巨大不确定性」,公司算力承诺已近 9010 亿美元、约 710 亿美元在 2027 年 9 月前到期,资本市场正在为这场算力豪赌定价。产品侧,Claude Fable 5.2 用 Python 代码在虚拟画布上「画」出照片级图像,把语言模型的逐步规划与自我修正能力推进到半物理动作空间;LVMH 媒体部门与 OpenAI 的战略合作,则意味着「内容换工具」的绑定扩展到欧洲主流新闻编辑室。

产业与商业

LVMH 媒体部门与 OpenAI 达成战略合作:ChatGPT Enterprise 进入 17 家媒体品牌新闻编辑室

11 月 16 日,LVMH 集团媒体部门(Groupe Les Echos-Le Parisien)与 OpenAI 宣布签署战略合作协议。该部门旗下拥有 Les Echos、Le Parisien、Challenges、Paris Match、L’Opinion 等 17 个媒体品牌,员工约 1800 人、其中近 700 名记者,每月触达法国读者超过 2700 万人。协议内容包括在全媒体部门部署 OpenAI 工具与 ChatGPT Enterprise,支持记者做文献检索、文档比对与初步翻译;作为交换,其内容将以摘要与摘录形式进入 ChatGPT,回答相关提问时标注来源并附原文链接。对 OpenAI 而言,这是继多家美国媒体之后又一家欧洲大型媒体集团把 AI 助手正式纳入采编流程;对传统媒体而言,这也是在「被 AI 摘要分流」与「用 AI 提效」之间重新选边。

来源:OpenAI | Les Echos-Le Parisien

工具与产品

Claude Fable 5.2 不生成图像,而是用代码「画」:70 万笔刷堆出照片级画面

Anthropic 的 Claude Fable 5.2 不调用外部图像模型,而是用 Python 代码在虚拟画布上逐笔模拟绘画:包括刷毛纹理、颜料附着,以及「画错了再盖掉」的修正过程。开发者 Jake Eaton 让它生成一张停车场购物车场景,用了约 70 万笔模拟笔触;Anthropic 工程师 Michael Graczyk 的「日出画鸟」示例只用 111 条坐标指令、21 秒成型,模型还故意加入约 7 像素的抖动来模仿人手的不完美。在 Anthropic 内部 RoboDojo Sim 基准上,Fable 5.2 得 64.9%,OpenAI 的 GPT-6 Astra 为 29.8%;但真机测试中 Astra 动作更快,且目前只有它成功把多米诺骨牌立起来。意义在于,语言模型的逐步规划与自我修正能力正从文本/代码空间迁移到物理与半物理动作空间,这比「会不会画」本身更值得关注。

来源:THE DECODER | Jake Eaton | Michael Graczyk

Whisper large-v3 打包为 GGUF:最小 997MB 本地运行,无需 Python

OpenAI 15 亿参数的 Whisper large-v3 被重新打包为 GGUF 格式,配合新运行时 transcribe.cpp(基于 ggml),最小的 Q4_K_M 量化版仅 997MB,可在 Metal、Vulkan、CUDA 与 CPU 上本地运行,不需要 Python 环境或托管 API。官方数据显示,F16 版在 LibriSpeech test-clean 上词错率为 1.81%,优于 OpenAI 自报的 2.01%;从 F16(3.11GB)到 Q4_K_M(997MB)五种量化,词错率跨度仅 0.05 个百分点。模型库在 Hugging Face 上已录得超过 82.9 万次下载、约 3100 次点赞,采用 Apache-2.0 许可,支持约 100 种语言、自动语种识别、时间戳与任意语种译英。对硬件有限的团队来说,高质量离线语音转写又多了一个几乎不占空间的选项。

来源:AlphaSignal | Hugging Face | transcribe.cpp

Databricks 推出 Publish to Power BI:Unity Catalog 指标视图直接变 Power BI 语义模型

Databricks 发布「Publish to Power BI」(目前为私有预览),把 Unity Catalog 的指标视图(metric views)直接转换为 Power BI 语义模型:指标视图变成表、维度变成列、度量自动翻译成 DAX 表达式,查询通过 DirectQuery 直接打到 Databricks 执行,并保留 Unity Catalog 的行过滤、列掩码与 ABAC 访问策略。Lakeflow Jobs 中的 Power BI 任务可定时把上游变更同步进语义模型;同步是单向的,Power BI 侧的本地改动不会回写。它瞄准的是大型组织里同一 KPI 在财务、销售、市场与高管报表中口径打架的老问题——把指标定义收敛到湖仓侧,再分发到员工已经在用的 BI 工具里。

来源:AlphaSignal | Databricks | Microsoft Learn

学术与前沿

Appear2Meaning 基准:主流视觉语言模型读不懂博物馆文物

英国曼彻斯特大学、武汉大学人工智能学院与美国盖蒂保护研究所联合构建了跨文化基准 Appear2Meaning,并在 ACM 多媒体国际会议(ACM MM ’26)发表(arXiv:2604.07338)。该基准用于评估主流视觉语言模型从文物图像中推断结构化文化元数据的能力——产地、年代、作者、工艺等,这些判断需要结合器型、釉色、纹饰与深厚的历史知识。结果显示当前模型在这类「看物识史」任务上表现糟糕,甚至连「美国制造」这类基础信息也常认错,暴露出多模态大模型在专业视觉知识与跨文化语境上的明显盲区。对做垂直领域多模态应用的团队来说,这是一个提醒:通用基准上的高分并不等于专业场景可用。

来源:AlphaSignal | arXiv | 腾讯新闻

政策与治理

英伟达芯片流向中国再曝光:Megaspeed 经手近 120 亿美元订单,中国收入占比遭质疑

《华尔街日报》查阅的文件显示,Megaspeed 在 2024 年 3 月至 2025 年 6 月期间为中国公司经手了近 120 亿美元的英伟达高端芯片订单,涉及数十万颗受美国出口管制限制、本应阻止流入中国的芯片,收货方多与中国本土科技巨头保持长期业务往来。Megaspeed 由黄仁勋的前任恋人 Alice Huang 所有,并因阿里巴巴这一大客户而获得英伟达云合作伙伴的优先供货。英伟达官方披露近六个财季中国收入 124 亿美元、占总收入 7%,而做空机构 Culper Research 估计其上一财年中国客户贡献超过 20%——两者差距意味着相当规模的中国业务可能经由间接渠道完成。Megaspeed 已回应称 Huang 于 2025 年 8 月 30 日离职、公司从事合法业务,并已聘请外部律师开展内部调查。在英伟达 CEO 更替与国会质询的背景下,这笔旧账把「出口管制执行」与「英伟达自身渠道管理」推到了同一张桌面上。

来源:THE DECODER | 华尔街日报 | Reuters

观点与思考

Amodei 承认「明年会发生什么存在巨大不确定性」,Anthropic 算力承诺近 9010 亿美元

在 Anthropic 计划 11 月 19 日 IPO 前几天,CEO Dario Amodei 在纽约一场 JPMorgan 投资者活动上表示「明年会发生什么存在巨大不确定性」,并把算力称为公司「最深的商业困境」:算力必须提前一到两年购买,没人知道届时收入能否覆盖成本,买少了会影响客户与新技术投入、买多了则可能财务透支。据彭博社报道,Anthropic 已承诺近 9010 亿美元、主要投向算力与芯片,其中约 710 亿美元将在 2027 年 9 月前到期;公司计划通过 IPO 募资最高 644 亿美元、另加约 260 亿美元私募,以建立足够的现金缓冲来穿越「算力买多或买少」的错配风险。他还提到,Anthropic 会保留现货市场加购的灵活性,把「少押前置、留足余量」当作一种保险。

来源:THE DECODER | Bloomberg

《No AI Slop 宣言》:开发者反对「大量生成、很少负责」

在 AIE Code Summit 2026 上,一群开发者借用《敏捷宣言》的体例发布了《No AI Slop 宣言》,给「slop」下了一个准确的定义:你在生产时省下的力气,转手让接收者加倍补上。宣言承认 AI 可能是多数人用过最有价值的工具之一,但问题在于产出变得太便宜、审阅与理解的成本没有同步下降,于是「大量生成、很少负责」的内容涌入代码、文档、方案与沟通。它给出的应对也很务实:先想清楚再让模型动手;凡是能被 lint、类型系统与自动化检查拦下的问题,别留给人肉兜底;同类错误第二次出现就修系统与护栏,而不是只修那一次输出;对 AI 生成但要外发的内容,必须说明并核查关键部分。宣言同时承认 one-shot prompt 与 vibe coding 仍有高杠杆场景,判断标准是是否伤害结果、可维护性与团队的时间——它反对的不是 AI,而是把思考外包、把责任下放、把别人的注意力当廉价资源。

来源:AI News(smol.ai) | AIE Code Summit 报道

发表评论