纳维-斯托克斯存在性与光滑性问题提出以来，人类用了将近一百年没能拿下。
9 月 8 日，OpenAI 用 1 万个智能体并行、总计 88 小时，宣布解出了这道千禧年大奖难题。论文 165 页，烧掉约 1,300 亿 token。AI 开始拓展人类知识的边界。
而完成这项工作的 AI 研究员们做的第一件事，是吵架。NYU 的 Tristan Buckmaster 和 Anthropic 的 Levent Alpöge 在这道题上合作了将近一年，9 月 7 日公开论文，Terence Tao 的评价是 remarkable。第二天，Buckmaster 发出四页声明，披露在与 OpenAI 的 Sébastien Bubeck 沟通时，对方希望署名里不要出现 Alpöge，理由只是他任职于 Anthropic。
几天后，这两家还在为署名拉扯的公司，不约而同地开始讨论人类命运。$NVDA
安全是体面的说法
时间倒回一个多月前。7 月底，1,200 多名 AI 实验室员工联署，起因是 OpenAI 的 GPT-5.6 Sol 与一个未发布模型发生逃逸，在无外部指令的情况下进入公网，又黑进了 Hugging Face 的生产系统。
9 月 12 日，Anthropic 的首席执行官 Dario Amodei 发了一篇长文《We Must Pace the Frontier》，主张放慢模型能力提升的速度。Sam Altman 的评价是"我同意，给独立评估者员工级访问权限是个好主意，我们也会这么做"。马斯克跟了一句"Dario is right"。
Dario 的论据基于 AI 递归自我改进能力的加速。自 2026 年夏季以来，AI 系统帮助设计、训练和改进下一代模型的能力显著增强，这种反馈循环可能让能力提升速度远超人类理解和控制的速度。AI 在未来导致人类灭绝并非绝无可能。
从证明 AI 能拓展人类知识边界，到宣布应该慢下来，只隔了 4 天。
安全确实是个问题。但它来得也正是时候——刚好给了这些公司一个体面的台阶。
这场 AI 军备竞赛，大家已经比累了。
新模型投入的边际效应
过去四年，行业规则只有一条：谁先推出更聪明的模型，谁就赢。现在这条规则变了。
ARK Invest 的数据显示，前沿模型发布的中位数间隔从 2023 年的 37.5 天压缩到 2026 年的 11 天。训练成本同期一路往上：GPT-4 约 8,000 万美元，Gemini Ultra 接近 2 亿美元，2026 年单次前沿训练已经进入 2 亿到 5 亿美元，2027 年可能达到数十亿美金。
（数据来源：[AI 模型发布节奏统计](https://dailyaiworld.com/blogs/day-model-release-cadence-115-ai-models-per-year-break)、[前沿训练成本估算](https://deluair.com/consultancy/insights/frontier-ai-training-cost-2026)）
然而，收入端没有跟上。Ramp 根据企业支付数据调查显示，Anthropic 最贵的旗舰模型 Fable 只占企业 AI 支出的 11%，绝大部分的 Token 消耗源于更便宜的旧模型。需求端也在同向改变。OpenAI 的财务官公开表示，企业客户已经从 tokenmaxxing 转向关注单位有效产出的成本。B 端客户不再比谁用的 token 多。
（信息源：[Ramp AI Index](https://ramp.com/data/ai-index-august-2026)）
在模型训练上的钱越花越多，但拉开代差的能力在下降。开源和闭源的性能差距在过去两年始终维持在 5 个月左右，并没有因为训练投入的指数级增长而显著扩大。换句话说，多花一倍的钱，买到的是更短的领先窗口，而不是更深的护城河。
与此同时，Anthropic 整体推理毛利率从 38% 升至 70%-85%，二季度调整后营业利润转正。
训练是一次性的、边际收益递减的投入。而推理是可持续的、成本随规模递减的盈利。在利率上行、融资趋紧的环境里，把算力从训练侧挪到推理侧是财务上的更优选。而这份 Dario 的声明把这次转向包装成了负责任地选择。
产业链影响
过去两年，AI 产业链的利润主要被上游半导体行业拿走。英伟达数据中心业务在 2023 财年营收 150 亿美元，到 2026 财年膨胀到 1,937 亿美元。训练侧算力吃的是尖端高性能显卡、HBM 和高速互联，是半导体行业护城河最深、利润最高的一段。
模型迭代放缓，下一代算力的需求增速就会减缓，订单下滑沿半导体产业链的传导将会非常迅速。
云厂商也无法置身事外。模型公司每赚 100 美元，有 35 到 40 美元流向云厂商，对应 35% 到 45% 的营业利润率。这原本是一门舒服的收租生意。但收租的特权是被动获得的：下游还在抢高端训练算力的时候，云厂商才有定价权。一旦下游不再追求模型能力快速迭代，议价权就会反过来压制它自己。
市场的第一反应已经给出定价。9 月 14 日，全球半导体和 AI 算力硬件产业链总市值蒸发超 5,000 亿美元，费城半导体指数下跌近 6%。
反转：AI 竞争下的多方博弈
一份没有具体执行和落地机制的“小作文”，凭什么蒸发了 5,000 亿美元？
它本身没有那么大的力量。半导体股票自六月高点已经经历多次回调测试，市场的疲软远远早于这篇小作文。四大科技巨头 2026 年合计指引约 7,250 亿美元，还在往上调。但在当前这个敏感的节点，任何的突发信息都会被市场过分解读。
理解这件事，得看四方的立场。
发起方是模型厂商。 他们呼吁的是行业转向，理由是安全、评估、共同标准。核心驱动力是体面地缩减新模型研发投入，为军备竞赛降温。
美国政府率先唱了反调。 川普第二天就怼了回来："美国不会放缓 AI，whoever wins AI, wins"。白宫前 AI 顾问 David Sacks 的回应更直接：你们想慢就慢，"停止假装减速的动机是纯粹利他的"。
半导体行业是既得利益者。 持续高端算力、半导体设备的需求，才能让半导体企业的正向飞轮持续运转。产能规划周期也以年为单位，一座工厂投产之后不可能因为一篇小作文停下。
而中国是唯一不在场、却决定结果的一方。 中国领先的 AI 模型与美国最先进模型之间的差距，只有 3 到 6 个月。黄仁勋用"纳秒之遥"形容这场竞争。在这个差距下，没有人会先停手。
所以这场共识是临时的。没人在被约束，大家都在等别人先动。更要紧的是它可能反噬提出者。如果中国模型以更低的成本追平前沿，美国 AI 公司的竞争压力反而会更大。到时候最先推翻"减速共识"的，就是提议减速的人。
我的仓位判断
这个倡议短期已经对半导体行业造成利空了，但是美国政府的介入将会在表面让这个协议变得毫无意义。能够预料的是，未来一两周我们能看到白宫股神发出的各种 AI 利好消息。
然而根本性的矛盾并没有解决。训练是一次性的、边际收益递减的投入。这个客观事实是不随叙事而改变的。在不能有效解决这个问题前，一切表面上的利好都是扬汤止沸。即使美国政府强调要推进 AI，真金白银投入的企业在现状面前也只能把票投给放缓研发。
看空半导体产业链。 美国政府的站台能在短期提振市场。但毫无疑问，算力需求的增长曲线很快会出现拐点。直接受影响的是半导体，以及靠算力收租的云服务商。半导体将首当其冲，因为订单量的变化是最显而易见的。
中期看多模型公司。 理由在估值方式本身：训练支出占收入的比例在往下走，推理的成本随规模往下走。两条曲线同时向下，利润率是被两头推着抬起来的。
Anthropic IPO 会把这两个指标变成公开数字。财报中我们将有机会看到更加细分的数据。这个时候减缓研发专向提升赚钱能力，其实是给市场信心。对真正在赚钱的模型公司，这是加分。对只靠能力叙事撑估值的公司，渡过这一关会很困难。
AI 公司竞争的内核也潜移默化发生改变。分发渠道和成本控制会成为下一阶段的分水岭。模型和 token 本身正在变成一种 AI 时代的原料（如同电气时代的电力），而原料不值钱，值钱的是把原料送到客户手里的管路。这个行业正在逐渐变成一门渠道生意：谁能捕获足够多的共识，把同样的模型卖得更便宜，送到更多企业手里，谁就能成为赢家。
结语
Anthropic 十月上市，募资可能高达 1,000 亿美元，估值近 2 万亿。
AI 会不会毁灭人类，暂时没人知道。可见的是另外两件事：岗位正在被替代，财富继续向资本倾斜。
有了 AI，失业和不平等会更剧烈。没有 AI，会丧失竞争力。
不必有人选。也没有人能选。
数据来源已在文中标注。本文不构成投资建议。