🔦 今日速览
9月2日至3日，AI算力需求信号持续爆表：博通把2026财年AI营收指引上调至580亿美元，并首次给出"未来两年连续翻倍"路线图（2027年1150亿、2028年2300亿），Anthropic与OpenAI的定制芯片部署量首次被具体披露。Meta发布最强模型Muse Spark 1.3，编码能力对标Claude Fable 5.1。国内，月之暗面秘密递表港交所，以500亿美元估值冲刺IPO，国产大模型资本化再下一城。
趋势1：定制芯片（XPU）成算力新主线 趋势2：国产大模型IPO潮加速 趋势3：AI消费级商业化破圈
🌍 国际动态
1. 博通上调AI营收指引，未来两年连续翻倍至2300亿美元 ⭐
事件简述：9月2日盘后，博通（Broadcom）公布2026财年第三季度财报并举行电话会，CEO陈福阳把2026财年AI业务营收指引从560亿美元上调至580亿美元，同时首次给出激进的长线路线图：2027财年AI营收翻倍至约1150亿美元、2028财年再翻倍至约2300亿美元。他明确表示已锁定产能供应，"如果产能更多，我们还会上调指引"。 关键数据：Q3营收295.9亿美元（同比+86%）、AI半导体营收167亿美元（同比+221%）；Anthropic将在2027年部署5GW TPU成为博通最大芯片客户，OpenAI首款芯片Jalapeño已于Q3出货、2028年部署5GW成为第二大客户；定制芯片XPU成本约为GPU一半、性能对标英伟达Vera Rubin。 影响分析：这是芯片巨头首次用白纸黑字承诺"AI营收连续两年翻倍"，且客户名单锁定Anthropic/OpenAI/Google/Meta四大超大规模厂商，标志着算力军备竞赛从"GPU独大"进入"定制芯片规模化放量"阶段。 📅9月2日
2. Meta发布Muse Spark 1.3，编码能力对标Claude Fable 5.1
事件简述：9月2日，Meta发布迄今最强模型Muse Spark 1.3，专为延长智能体工作流与增强编码能力设计。首席AI官Alexandr Wang称其编码能力超越OpenAI的GPT-5.6 Sol，与Anthropic的Claude Fable 5.1旗鼓相当。相比前代，模型工具调用减少20%、相同任务Token消耗降低25%，并能在单一线程中协作处理多个工作流、主动澄清模糊指令。 关键数据：定价维持不变——输入1.25美元/百万Token、缓存命中0.15美元、输出4.25美元；将逐步整合进Instagram、Facebook及Meta AI助手；大型模型Watermelon开发按计划推进。 影响分析：Meta在"不涨价"前提下靠Token效率换取实际成本下降，把竞争重心从通用对话转向实用型Agent开发，也进一步坐实"三巨头模型能力趋同"的格局。 📅9月2日
3. Nscale获Anthropic 450亿美元订单，合同收入翻倍至1030亿美元
事件简述：据The Information 9月3日报道，英伟达支持的英国AI云服务商Nscale告知潜在投资者，其总合同收入已增至约1030亿美元，主要得益于与Anthropic达成的450亿美元算力协议。此前Nscale披露的合同收入仅510亿美元，新增合同平均期限5.7年、年化约180亿美元。 关键数据：合同收入从510亿翻倍至1030亿美元；Anthropic订单450亿美元；Nscale最早可能本月启动IPO。 影响分析：继Lambda 350亿美元协议后，Anthropic再签450亿美元算力大单，其"算力饥渴"正把一批专用AI云服务商推向IPO，算力供给格局从"自建数据中心"转向"绑定第三方云"。 📅9月3日
4. 特朗普政府介入纽约时报诉OpenAI版权案，支持AI训练属合理使用
事件简述：美国政府本周在《纽约时报》诉OpenAI版权案中提交利益声明，支持OpenAI"AI训练属于合理使用"的核心论点。政府律师称，若过度限制合理使用将阻碍科学进步与美国繁荣。该案于2023年12月提起，纽约时报指控OpenAI未经授权使用其文章训练模型并索赔数十亿美元。 关键数据：诉讼索赔金额达数十亿美元；这是美国政府首次在头部媒体与AI公司的版权诉讼中明确站队。 影响分析：此案可能为整个媒体与AI行业的版权纠纷设定先例——若"训练数据合理使用"获司法背书，将显著降低大模型训练的合规成本；反之则可能重塑AI公司的数据授权成本结构。 📅9月2日
5. 微软首次按季度披露Azure营收，业务部门精简为两个
事件简述：微软宣布将首次按季度披露Azure云业务的美元营收，以提供与AWS等对手竞争的更清晰视图。作为报告结构调整的一部分，运营分部将从三个精简为两个，Azure将不再包含GitHub云服务、Security Copilot等业务，使其更纯粹反映消费型平台与基础设施业务。 关键数据：这是微软2015年以来首次调整业务分部结构；公司同时给出了新结构下的业绩指引。 影响分析：Azure是AI算力需求的主要受益者，首次单独披露季度营收让投资者能更准确评估其云业务在AI浪潮中的真实表现，也为市场提供了又一个观测AI基础设施景气度的透明指标。 📅9月3日
🇨🇳 国内动态
1. 月之暗面秘密递表港交所，500亿美元估值冲刺IPO ⭐
事件简述：据晚点LatePost报道，大模型公司月之暗面（Kimi）已于本周以保密形式向港交所递交A1文件，正式启动港股IPO流程，官方回应"不予置评"。与此同时，公司正以500亿美元投前估值推进新一轮融资，极可能是上市前最后一轮私募。若进展顺利，有望在2026年底至2027年第一季度挂牌。 关键数据：今年7月刚完成超35亿美元F轮融资（投后估值350亿、认购超额3倍）；ARR"三级跳"——3月突破1亿、6月中旬突破3亿美元；K3发布后企业ARR出现数倍增长；创始人杨植麟持股51.83%，社保基金、人民日报、阿里、腾讯均已入驻股东名单。 影响分析：在智谱、MiniMax已于1月相继登陆港股18C通道后，Kimi的递表意味着"AI六小虎"头部公司集体资本化，国产大模型正式从"按梦想定价"转向"按收入质量定价"的公开市场检验。 📅9月2-3日
2. 天猫上线AI空间站，大模型服务像充话费一样买
事件简述：9月3日，天猫正式上线"AI空间站"充值中心，首次将阿里云、智谱、Kimi、MiniMax等头部大模型厂商的订阅服务接入主流电商平台。用户只需在淘宝搜索"token"或进入充值中心入口，即可像购买手机流量一样选购Token Plan、Coding Plan或按量付费套餐，支持卡密与直充两种交付方式。 关键数据：此前一天智谱开设天猫旗舰店，首日搜索量环比暴涨40倍；除虚拟服务外，天猫还密集上架预装Agent的智能电脑、千问学习机、AI眼镜等硬件。 影响分析：AI服务从开发者直销走向国民级电商货架，大幅降低个人与小微企业的使用门槛；"软硬一体"的一站式AI消费场景正在成形，也让国产大模型的商业化渠道从B端向C端延伸。 📅9月3日
3. 百度基础模型部人事大换血，文心多模态迎关键升级窗口
事件简述：百度基础模型研发部（BMU）近日完成重要人事布局：从北美某Frontier Lab引入资深研究员武钦强化预训练底层能力，原DeepSeek研究员魏浩然出任文心多模态算法负责人。此次调整正值孙天祥7月执掌BMU后推动文心大模型全面升级的关键期，意在对齐国际顶尖实验室的研发节奏。 关键数据：百度近年迭代密集——2025年6月开源文心4.5系列、9月推X1.1（事实准确性+34.8%）、11月发布2.4万亿参数原生全模态文心5.0。 影响分析：从外部"抢人"补强预训练与多模态，反映百度在文心落后于DeepSeek、千问的竞争压力下的追赶决心；但"换血"能否转化为真实场景的模型能力跃升，仍需看后续产品表现。 📅9月3日
📄 今日论文
1. Post-Training Language Models for Gold-Medal Performance in Coding Competitions
作者：Aleksander Ficek, Sean Narenthiran, Mehrzad Samadi et al. | 机构：NVIDIA 核心贡献：提出端到端的"后训练专业化"流水线——大规模题目采集+合成推理轨迹+SFT+强化学习，用22000道精选题训练出Nemotron-3-Nano-CC（30B-A3B）与Nemotron-3-Ultra-CC（550B-A55B），并引入反馈驱动的测试时计算策略GenCorrect，迭代生成、执行并修正候选解答，冲击IOI/ICPC级别竞赛的金牌表现。 为什么重要：竞争编程是推理能力的极限试炼场，该工作把"金牌级编程"从产品特性变成可复现的训练方法论，对下一代编码模型的训练有直接借鉴意义。 📄 arXiv:2609.02849 📅9月2日
2. Discriminative World Models for Web Agents
作者：Kelvin Li, Dhruv Pendharkar, Anish Pahilajani et al. | 机构：UC Berkeley / MIT / IBM 核心贡献：指出当前Web Agent的世界模型用"下一状态预测"训练，目标与下游排序器错位；提出predicted-state matching新目标，让预测状态在候选动作间更具判别性，从而让排序器/PRM在测试时更准确地选动作。 为什么重要：Web Agent靠世界模型做动作选择正成为主流范式，修正训练目标对齐排序器，有望在不增加模型规模的前提下显著提升自主网页操作的可靠性。 📄 arXiv:2609.02885 📅9月2日
3. Language Models Can Control Their Own Attention
作者：Namgyu Ho, Huzama Ahmad, Woosung Koh et al. | 机构：KAIST / MIT / IBM 核心贡献：模型在1M-token上下文中仍须扫描整个KV缓存，现有"代理分数预选"仍是O(N)。作者反其道而行：让模型内在地控制自己的注意力——训练模型直接预测哪些token与当前生成相关，把长上下文生成成本大幅降低。 为什么重要：长上下文推理的成本瓶颈直接制约Agent落地，若模型能"自行聚焦"而非外挂打分器，长对话与超长文档场景的推理效率将迎来数量级改善。 📄 arXiv:2609.02737 📅9月2日
4. Untangling the Mechanisms of Misleading Context in Medical Question Answering
作者：Robin Linzmayer, Noémie Elhadad | 机构：Columbia University 核心贡献：在MedMisBench（8627道经临床医生审核的医疗问答）上注入"伪造证据"等两类误导性上下文，系统剖析模型对误导上下文的易感性、是否主动披露、推理被污染机制及决策可监控性。 为什么重要：医疗LLM已具专家级答题能力，但误导性上下文可悄无声息地腐蚀其判断；该研究首次把"上下文误导"从现象拆解为可测量的机制，为医疗AI的可信部署提供关键依据。 📄 arXiv:2609.02754 📅9月2日