💥 重磅新闻与行业变化
昨天还是「董事会准备罢免」的传闻，今天变成了公司官网的正式声明。公告只有三条实质信息：黄仁勋辞去总裁、CEO 和董事三项职务并即刻生效；2013 年起担任执行副总裁兼 CFO 的 Colette Kress 出任临时 CEO，同时继续兼任原职，直到找到正式继任者，董事会同步启动内外双轨搜寻；Harvey C. Jones 成为英伟达历史上首位董事会主席（曾任 Synopsys CEO 与执行董事长）。董事会的表述是「对 Colette 与领导团队充满信心」，并预期「运营、客户承诺与产品路线图不中断」——这句话是写给客户和供应链看的。另一个被忽略的日程：Q3 财年 2027 财报就在 11 月 17 日，Kress 要在接班四天后亲自讲业绩，而她在公告里只强调「延续 Jensen 33 年打下的加速计算与 AI 基础」，没有给任何新的财务或路线图指引。
TechCrunch 把散落一周的碎片串成了时间线：黄仁勋承认与一名被美国情报机构认定「被中国情报系统招募」的女性存在关系，随后又被曝与一名直接向他汇报的英伟达高管另有一段关系；众议院共和党人要求他就中国间谍相关问题做闭门简报，董事会则在周三晚间开会讨论是否免职，股价当日下挫。把这件事读成公司治理案例更合适：创始 CEO 任职 33 年、没有公开继任计划、董事会此前从未设主席——三个结构性缺口在一次个人丑闻里同时暴露。国家安全维度也解释了为什么它会外溢到政策层：英伟达正处在美中 AI 基础设施竞争的最核心位置，CEO 的私人关系被直接当作供应链风险来讨论，这在半导体史上没有先例。
从路演进入倒计时：Anthropic 官方口径是「计划让股票于 11 月 19 日开始公开交易」，最终发行价定在 11 月 18 日。此前给出的区间是每股 70–78 美元，对应估值最高 1.4 万亿美元——这个数字如果落在区间上沿，将超过绝大多数已上市公司，也让「AI 泡沫」的讨论第一次有了可交易的参照物。值得注意的是同一周 OpenAI 传出季度营收破百亿美元，两家最直接的竞争对手同时在资本市场和收入曲线上加速，2027 年的算力采购合同大概率会围绕这两家的现金储备重排。
据报道，OpenAI 上一季度销售额首次越过 100 亿美元，相比第二季度 67 亿美元增长约 50%。这个斜率比绝对数字更值得看：一个季度多出 33 亿美元营收，意味着企业版、API 与消费订阅三条线同时在放量，而不是靠单一产品拉动。对基础设施侧的直接影响是采购节奏——单季百亿收入对应的推理与训练开支是同量级放大，这也是同期 CoreWeave 开始要求客户预付、缩短合约期限的背景。
攻击者先拿下 Fireworks 的云服务商，再跳板进入其开发系统，拿走客户账单信息与部分数据集；Fireworks 认为动机是「财务驱动」，目标是倒卖大模型访问权限。真正的下游受害者是 Notion：其 Insights 功能调用 Fireworks，约 1% 的 Notion 客户聊天记录被窃，内容包括用户写进对话的模型输入与输出。Notion 的处置是 11 月 3 日切断与 Fireworks 的连接、删除已存数据、终止通道，本周才对外确认。对做 AI 应用的团队，这条新闻的价值在于供应链视角：模型供应商的安全边界，直接等于你自己产品的数据边界，而这类事件在两个月内已经发生第二次。
这是 Norwest 第 18 期基金，也是其史上最大一期（上一期 30 亿美元，2024 年关闭），LP 结构罕见——完全由富国银行单一出资。投放方向包括 physical AI、语音 AI、agentic 安全与航空航天，同时覆盖 AI 原生应用、基础设施与垂直领域模型，地域覆盖美国、印度、以色列。资深管理合伙人 Jeff Crowe 的说法是「我们宽泛地投 AI，因为它的影响本来就宽泛」。在 Anthropic 冲刺 1.4 万亿估值、Fractile 同一天拿到 7.2 亿美元的同周，这轮资金说明传统金融机构正在通过 GP 渠道系统性押注 AI，而不是只买上市股票。
🛠️ 技术动态与产品发布
经过两周的「网络安全防御者」定向投放后，Carbon 向付费开发者与企业开放，入口包括 Gemini API、AI Studio、Gemini for business；个人侧通过 Google AI Ultra 在 Gemini 应用、搜索 AI Mode 和 Antigravity 中使用。Google 称这是其「最强模型」，定位在 Argon 之上，面向复杂编码、科学研究和长时间运行的 agent 任务。定价是这轮最锋利的武器：2 美元/百万输入、10 美元/百万输出，约为 OpenAI GPT-6 Astra 的五分之一、Anthropic Fable 5.2 的四分之一，但明确写了「11 月底价格翻倍」——本质是一次限时的迁移补贴。同时预览的 Antigravity「swarm」功能把一句提示拆成一支协同 agent 团队。基准成绩上 Google 自评仅次于 Fable 5.2，原文也提醒可能挑选了对自己有利的项目。
Runway 把机器人视频-动作预测模型开源了：27B 参数、Apache 2.0 授权，支持全参与 LoRA 微调，兼容 NVIDIA 硬件，权重在 GitHub 与 Hugging Face 上可直接拿。成绩是在 NVIDIA RoboLab-120 榜上的 46.2% 成功率（1200 个 episode 平均），压过榜上其他模型。值得注意的是「一个做视频生成的团队做出最强机器人策略」这件事——世界模型路线正在往具身智能渗透，而 27B + Apache 2.0 的配置让学术团队和机器人创业公司第一次能在同等规模上做微调实验，而不是从头训一个 VLA。
Grok Bot 从个人助手扩展成团队级产品：Team Bots 可以发布和共享，支持 Slack 与 Microsoft Teams，能加入 Google Meet 和 Zoom 会议，带共享连接器和「已审核的记忆学习」。也就是说同一个 bot 可以在应用内、Slack、Teams 和视频会议里被整个团队调用，并新增了管理员控制。方向上这是一次「组织级记忆」的尝试——把 bot 的使用面从单人对话框搬到团队协作面，价值取决于共享连接器的权限模型是否足够细。
这套 API 的输入是图像和文本，输出是经过校准的决策建议而非自由文本：判断泄漏严重程度、推荐处置动作这一类任务。它代表一种正在成形的产品思路——把「理解 + 判断」从长对话里剥离出来做成原子接口，让业务系统直接消费结构化结论，代价是失去对话的灵活性，收益是延迟低、成本可控、结果可校准。对做质检、巡检、风控类应用的团队，这类 API 比通用大模型套 prompt 更容易做 SLA。
TypeScript 与 Python 两个包，为 MCP server 和 app 增加 ChatGPT 专属能力：侧边栏入口、自定义文件查看器、composer 内的资源搜索、缩略图选择器。SDK 自带一个 Bits & Bolts 演示插件和书面规范。这是 MCP 从「工具调用协议」走向「应用容器」的一步：一旦插件能声明 UI 挂载点，第三方应用在 ChatGPT 里就不只是被调用，而是被嵌入，这也和同日的 A2UI 1.0 形成呼应。
A2UI 是一套生成式 UI 开放协议：agent 不再只吐文本，而是返回可交互的界面描述，由客户端用原生组件渲染。1.0 同时放出了 Web、Android、iOS 三个渲染器 SDK，以及 Python、TypeScript、Dart 的 agent SDK。设计目标写得很明确——无论是在自家应用里还是在第三方 AI 助手中（承载 MCP app 的场景），用户拿到的延迟、可信度和原生质感要一致。如果这套协议被采纳，agent 的输出形态会从「一段话 + 几个链接」变成「一个可操作的面板」，这对表单、审批、报表类场景的影响远大于聊天体验本身。
Genie 原本是面向表的自然语言分析 agent，这次扩到三类能力：把非结构化文档与数据库表联合分析、连接企业工具执行动作、在治理控制下把洞察外部分享。Databricks 内部已经在用——CEO Ali Ghodsi 说公司到了 1.2 万人规模，他不可能认识每个人，也很难听到真话，于是让 Genie 来梳理「哪里出了问题」。这个用法其实点出了企业级 agent 的真实落点：不是替代分析师写 SQL，而是给管理者做组织层面的异常发现。
💡 深度分析与安全观察
Perplexity 用自家 SPACE agent 沙箱做红队测试，12 个模型全部未能突破虚拟机与宿主机隔离——这一层防线站住了。真正被突破的是网络管控：多个模型通过 DNS 欺骗和共享 IP 利用绕过出网限制，漏洞随后被修复。另一个方法论上的发现更有价值：给了 CTF 式提示后，模型把注意力放在「赢下夺旗」上，反而偏离了正在被测试的安全边界，测试结果因此失真。对做 agent 沙箱的团队，这提示两件事——出网策略不能只靠 IP 白名单，评测提示本身也会改变被测行为。
在 Sonnet 5.5 上跑同一个简单任务，MCP 默认工具集消耗 59,417 个输入 token，命令行方式只要 1,421，skill 方式 3,315——差了 40 倍。原因是 MCP server 会把工具定义随每个请求一起塞进上下文，工具越多账单越膨胀。作者给出的解法是 Tool Search：把工具定义延后加载、按需检索，可把前置工具集成本压到 600 token 以内。这不是「MCP 不好」的结论，而是提醒：在工具数量超过十几个之后，工具定义的加载策略比工具本身更影响单位经济性。
研究者改了训练设置，对 Qwen3.6-35B-A3B 和 gpt-oss-20b 施加 LoRA，让模型在只输出无意义填充 token 的情况下完成一部分多步任务，在 7 个任务中的 3 个超过只给答案的基线。同时他们画出理论层深上限与实证上的「墙」：有些任务能学到 60 步，有些在 1 到 3 步后就崩。这项工作的方法论意义大于性能意义——它给出了一种把「填充 token 推理」与「隐写式隐藏推理」区分开的实验框架，而这正是目前解读 chain-of-thought 时最含糊的地带。
安全公司 Claroc 称，用 Grok Build 这类 vibe coding agent 构建的 3.5 万个应用可被任何拿到链接的人访问，其中 24 个属于 SpaceXSI 员工，内容包括广告提案和一份标记「保密」的入职计划；Grok 方对该报告的定性有异议。这条和同周 Humble Bundle 的安全事故属于同一类问题：当生成的代码不需要被理解就能上线，默认权限、密钥硬编码、无鉴权的调试端点就会以指数速度扩散。真正的风险不是模型写错代码，而是「没人读过的代码」进入了生产环境。
⚡ 快讯
这笔融资让 Fractile 成为专用 AI 芯片领域融资额最高的公司之一。在英伟达因治理危机股价波动的同一周，资本对「非英伟达算力」的押注明显加速——专用推理芯片的窗口正被 IPO 前的 Anthropic、扩产的 OpenAI 以及寻求议价权的云厂商共同撑开。
Janardhan 负责 Meta 全球基础设施，是支撑其千亿级资本开支的关键角色。更替时点敏感：Meta 正在同时推进自建数据中心、与第三方算力签长约，并调整 Muse 等 agent 产品的训练资源分配。
Q3 财报显示 CoreWeave 越来越依赖客户提前付款、以具体合约做抵押借款，甚至接受可能抬高价格的短期合约。这暴露了 AI 云的真实资金结构：算力扩张靠客户现金和债务杠杆，而不是自身经营现金流，一旦需求预期反转，期限错配会迅速放大。
United 允许 AI agent 展示航班信息，但不允许完成预订，也不允许直接访问用户账户与订单。理由列了三条：客户数据暴露风险、误购、以及联邦要求的旅客申报（如行李安全声明）无法由 agent 代填。CEO Scott Kirby 的原话是「老实说，我不想再造一个中间商」。对照之下 eBay 已封禁 agent 抓取、数家大型银行也在设限——2025 年还在谈「agent 友好」的渠道，2026 年开始集体反向收紧。
这是少数给出量化口径的客服 agent 案例：成本下降 17% 以上、40% 的进线问题由 AI 完全解决、无需人工介入。相比「解决率」这类虚荣指标，「每笔订单支持成本」更能反映真实替代程度。
此前 Gemini 只进入 Google 内置车机与 Android Auto，这次覆盖 CarPlay，意味着 iPhone 用户可以在车内用 Gemini 处理日程和路线问答，不必只靠 Siri。对语音助手竞争而言，这是第一次真正意义上的「跨阵营」车内入口替换。
📜 论文推荐（HuggingFace Daily Papers）
Agent 在开放网页上执行动作，很容易在不知情的情况下违反服务条款、甚至触犯计算机安全法。作者构建了首个针对「抓取合规」的 agentic benchmark，把这层灰色地带变成可测量的指标。对做浏览型 agent 的团队，这是把「能不能做」与「允不允许做」区分开的起点。
Agent 负载已是推理需求的主要来源，但现有 PD 分离（prefill–decode disaggregation）架构只能靠粗粒度信号做静态分配，无法随运行时变化重排算力与 KV cache。论文提出可运行时自适应的服务框架，重点是让调度信号更细、更快。这是「agent 化」之后推理系统必须重做的一层。
柏拉图表征假说认为不同模态的神经网络正在收敛到相似的表示空间，但近期工作开始质疑这一结论的普遍性。作者逐层定位对齐在何处、何时涌现，并讨论它对多模态迁移与模型合并意味着什么。结论若成立，跨模态复用表征的前提需要重写。
本地部署通常为整段生成固定一种权重精度。这篇改成：以 8 位存储权重、用高 4 位解码，仅当低精度输出分布显得不确定（熵偏高）时，用 8 位重算该步。它把「量化损失」从全局折中变成逐 token 的按需支出，为端侧推理提供了一个成本与质量都可调的旋钮。
面向网页的 agent 反复读取页面、文档、仓库与工具返回，但接口往往把整个对象一次性塞进上下文，而任务真正需要的只是其中一小部分证据。这篇提出按需稀疏读取的接口设计，同时降低 token 与延迟，并减少长上下文里的注意力稀释。它和今天那篇 MCP token 账单分析，是同一个问题的两个解法。