AI 日报 2026-11-08：AI 开始动手做手术，算力账单被重新算清

今天这一天，AI 行业把两件事同时摆在了桌面上。一边是模型开始动手——GPT-6.1 Sol 连续三次参与活体小鼠脑部手术，把定位误差从 0.6 毫米压到 0.3 毫米；另一边是账本被翻开——分析师把 OpenAI 的算力合同一张张摊开，算出到 2030 年累计 6140 亿美元。能力在往前拱，成本在往上顶，这两条线的夹角，就是 2026 年年底整个行业的真实处境。

一分钟速览

• GPT-6.1 Sol 连续三次参与活体小鼠脑手术，定位误差减半，靠的是上下文学习而不是重训。
• 伯恩斯坦测算 OpenAI 到 2030 年算力支出约 6140 亿美元，低于传闻的 7500 亿，峰值在 2031 年。
• Menlo Ventures 报告：中国模型占全球企业开源模型支出 89%，Kimi 61%、DeepSeek 15%、GLM 11%，Llama 仅 7%。
• 世界模型赛道急速降温，头部基金能投的项目一只手数得过来。
• 三名男子用 AI 伪造高管与律师声音影像，从全球多家企业骗走 1.29 亿美元。

今日头条：AI 从「看」走到了「做」

最值得记的一条，是 Exin Therapeutics 披露的那台小鼠脑立体定位手术。GPT-6.1 Sol 负责在摄像头画面里识别 Bregma 与 Lambda 两个解剖标志，连续三轮之后，识别耗时从 169 秒降到 86 秒，定位误差从 0.6 毫米降到 0.3 毫米，人工纠正次数从 4 次减到 2 次。

关键细节在于进步方式：模型没有重新训练，只是把上一轮医生纠正过的图像、测量和修正记录带进下一轮上下文。这条路径的意义远大于 0.3 毫米这个数字——它意味着给 AI 适配一个新任务，可能不需要标注数据集和训练集群，只需要一份结构化的错题本。

但要看清边界：切口、开颅、缝合仍由持证兽医完成，不可逆步骤必须人工批准，设备还设了运动范围、剂量上限和急停。研究负责人也承认，三次样本量太小，不足以下结论。AI 进了实验室，但手术刀还握在人手里。

算力：账算清了，风险也换了人

伯恩斯坦的测算把 OpenAI 的账单拆成了几块：甲骨文约 3000 亿美元、微软约 2500 亿美元、亚马逊约 1380 亿美元，CoreWeave 上限 224 亿美元但不保底。合同期限五到八年，算力分批交付，费用随设施投运逐步产生，年度支出预计 2031 年见顶于 1840 亿美元。

这份测算最有价值的判断是风险归属：大型云厂商短期合同风险有限，真正危险的是靠高成本融资建集群、再把算力租给少数大客户的专业供应商。当先进封装产能爬坡、各国数据中心陆续投产，算力稀缺的溢价会退潮，留下的是折旧和利息。

同一天的其他算力消息也在印证这条主线：谷歌以 17 亿美元接盘 Crusoe 在怀俄明的烂尾数据中心，说明交付能力本身成了瓶颈；英伟达掏数十亿美元帮日月光扩产 CoWoS，台积电则否认要做 3D DRAM；富士胶片投 100 亿日元扩产磁带，一盒能装 40TB——在冷数据这件事上，最古老的技术反而在复活。

开源：企业用钱包投了一次票

Menlo Ventures 的报告给出了一个会被反复引用的数字：全球企业花在开源模型上的支出，89% 流向中国模型。Kimi 61%、DeepSeek 15%、GLM 11%，Llama 只剩 7%。

这个结果与下载量、榜单声望都不完全一致，却与账单高度一致。企业采购只看三件事：单价能不能压住、许可证够不够清楚、下一代还能不能平滑迁移。开源的名声换不来收入，只有把部署成本和开放程度同时做好，才换得来。

国内这边，移动云与智谱签下合作协议，共建 Token 联合发展中心，GLM 接入移动云 MoMA 平台，并锁定金融、政务两个行业。运营商有算力和合规通道，模型公司有推理优化能力，这种组合能不能跑通，要看一年后有没有可验证的吞吐数据和标杆案例。

资本：世界模型的夏天结束了

今年 7 月 WAIC 上，世界模型还是全场最亮的词。四个月后，多位一线投资人给出的说法变成了「不投世界模型了」，头部基金愿意出手的项目一只手数得过来。

降温的原因不在技术被证伪，而在定价方式变了。上半年机构担心错过明星公司，极早期就完成布局，有人民币基金出手频率创成立以来同期新高，有美元基金上半年就花光全年 AI 预算。随后宇树科技上市，股价从 1100 元一路调整到 404 元，给所有具身智能项目提供了一个残酷的公开市场参照。

下半年的融资新闻看着仍热闹，但业内普遍压三个月才官宣，热闹是上半年的回声。热钱退潮之后，能换钱的只剩两样：可验证的技术路径，和已经付费的客户。

人才：顶尖实验室的光环在被重新估值

十几天里，Claude Code 团队走了三个人：产品负责人 Cat Wu 加入 OpenAI 核心产品团队，工程师 Thariq Shihipar 与桌面版负责人 Anthony Morris 同日离职。

Thariq 在播客里说了句反直觉的话：顶尖 AI 实验室正在成为「人才黑洞」，聚拢了大量聪明人，却不存在让人突然变成天才的魔法。他自己创办过一家融资约 1500 万美元、团队只有七八个人的游戏公司，最后关闭并把钱退还给投资人。他的结论是：融资成功和做出有市场需求的产品，是两件不同的事；勇气比天才更稀缺。

安全与落地：AI 的两副面孔

美国司法部起诉的三名男子，用 AI 伪造企业高管和律师的声音、影像，先以「敏感财务交易」为由联系员工，再冒充国际律所律师指示汇款，两年间从医院集团、银行、共同基金、宠物食品公司和一家英国科技公司手里骗走超过 1.29 亿美元，赃款换成加密货币洗白。

这类案件提醒企业：防线不能建在识别伪造技术上，因为伪造技术永远在进步。大额付款回拨独立号码核实、敏感交易双人复核、把声音和视频降级为弱证据——这三条笨规矩，比任何检测模型都管用。

落地侧也有扎实进展：索尼用视觉语言模型给智驾做了三级接管预警，还顺手缓解了坐车看视频的头晕；Hitch Open 物理智能开源平台在进博会发布，上海交大与上海创智学院团队让机器人靠自主决策和人类对拉乒乓 142 拍，刷新世界纪录。百毫秒的反应窗口，是物理智能最诚实的考场。

趋势洞察：三条线正在收窄

第一条是成本线。算力合同的期限是年，模型迭代的周期是月，这个错配会在 2027 年前后集中暴露。今天的 6140 亿测算，本质是市场开始用工程口径而不是情绪口径给 AI 基础设施定价。

第二条是能力线。AI 正从分析数据走向操作设备，评价标准也随之从「回答得像不像」变成「手稳不稳、错一次代价多大」。这会倒逼整个行业把安全流程做成产品的一部分。

第三条是信任线。深度伪造让「听到」「看到」失去证据效力，身份验证必须回到密钥、凭证和线下核实。谁能把这件事做成企业默认流程，谁就拿到了下一轮企业市场的入场券。

结语

今天没有单一的重磅发布会，但有一条清晰的暗线：AI 的能力边界、成本边界和信任边界，正在同一天被重新丈量。真正决定下一阶段胜负的，不是谁的模型多刷了一分，而是谁能把这三条边界管住。