H100 Group 宣布，公司 CEO Eirik Grøttum 通过关联公司 Kode Oslo AS 买入 407,163 股 H100 股票，总金额约 62.19 万瑞典克朗，平均价格为每股 1.53 瑞典克朗。交易完成后，与 Grøttum 关联的公司合计持有 5,399,464 股 H100。H100 是一家在 NGM Nordic SME 上市的瑞典科技公司，并执行比特币财库策略，目前资产负债表持有 3,506 BTC；公司称其为北欧首家及规模最大的上市比特币财库公司。

吴说获悉，H100 Group 宣布任命 Eirik Grøttum 为 CEO。Grøttum 此前担任 Moonshot AS CEO，H100 对 Moonshot 的收购已于 8 月 10 日完成。公司称，Grøttum 具备科技、金融科技、系统化交易及数字资产领域经验，并曾参与管理此次收购涉及的比特币资产。Sander Andersen 将继续担任执行董事长，Peter C. Warren 继续担任首席投资官，Johannes Wiik 则回归担任首席运营官。

吴说获悉，H100 官方披露，公司已完成此前宣布的收购交易，以每枚约 62,900 美元收购 2,455.4 枚 BTC，使持仓增至 3,506 枚。交易全部以 H100 股票支付，无现金对价；完全摊薄后每股 sats 数量从 288 枚增至 303 枚，增幅约 5%。

吴说获悉，H100 Group 董事会主席 Sander Andersen 在 X 发文表示，H100 股东已批准完成收购 Moonshot AS 与 Never Say Die AS 所需授权。H100 此前公告显示，该交易为全股票交易，按 bitcoin-for-bitcoin 原则执行；交易完成后，H100 的 BTC 持仓预计将从 1,051 枚增至约 3,500 枚。根据 H100 此前股东大会通知，公司董事会需获得授权，向 Moonshot AS 与 Never Say Die AS 的卖方发行对价股份。该交易预计于 2026 年 8 月完成。

瑞典上市公司 H100 Group 联合创始人兼执行董事长 Sander Andersen 表示，公司股东将于 6 月 23 日投票决定下一阶段比特币战略，包括授权完成 Moonshot 交易，使 H100 BTC 持仓增至约 3,500 枚，并扩大股票发行授权以继续推进 BTC 储备策略。

据 Bitget 官方公告，Bitget 上线 H100USDT、B200USDT 算力盘前永续合约，分别追踪 NVIDIA H100 和 B200 GPU 的小时租赁价格。两项合约均以 Silicon Data 发布的 GPU Rental Price Index 为定价基础，报价单位为美元/GPU·小时，采用 USDT 结算，最高支持 10 倍杠杆及 7×24 小时交易。Bitget 称，这是面向零售市场首批与 GPU 租赁价格指数挂钩的永续合约。该产品交易的是 GPU 租赁价格指数敞口，并不代表用户实际持有、租用 NVIDIA GPU。CME 此前也宣布计划推出追踪同一类 H100、B200 租赁指数的传统期货产品。

8 个 AI Agent，8 块 H100，一句指令，2430 次实验全自动跑完。 港大团队开源了 ClawTeam，一个让 AI Agent 从单打独斗进化到群体协作的 CLI 工具。 现在的 Agent 已经很强了，但问题是它们各自为战。 遇到复杂任务，你得手动协调多个 Agent、来回切上下文、拼凑碎片结果。 ClawTeam 的做法是：给 Leader Agent 一个目标，它自己 spawn 子 Agent、分配任务、监控进度、动态调整方向。 每个子 Agent 有独立的 Git Worktree 和 tmux 会话，并行工作互不干扰。 和现有框架的最大区别： → 使用者是 AI Agent 本身，不是人类写编排代码 → pip install 加一句提示词就能启动，不需要 Docker、Redis、消息队列 → 支持任意 CLI Agent：Claude Code、Codex、OpenClaw、Cursor 全兼容 能做什么： → 自主 ML 研究：8 个 Agent 各占一块 GPU，并行搜索超参数 → 全栈开发：自动拆分架构师、前后端、测试，写完自动合并 → AI 对冲基金：7 个分析师同时从不同维度分析股票，风控 Agent 汇总决策 5400+ Star，MIT 协议。 🔗链接：

一篇不错的解读：《META出租H100与购买先进算力并不矛盾》 Meta 做 NeoCloud 与继续租 Crusoe 1.6GW，并不矛盾 昨天盘前，Meta 被报道正在考虑把多余 AI 算力对外商业化，甚至做成类似 NeoCloud 的业务。市场第一反应非常剧烈：Meta 盘前上涨接近 6%，但 AI算力和 neocloud 相关股票则受到负面 Narrative 影响, 市场担心的是：如果 Meta 也开始把 GPU 算力对外卖，是否会直接导致算力过剩？ 这个反应可以理解，但我们认为市场把问题想简单了。 首先，Meta 这件事本质上不是“AI 算力需求见顶”，也不是“Meta 不需要继续买算力”。相反，Meta 同时还在继续锁定非常大规模的新算力。根据 Bloomberg/Reuters 报道，Meta 最近与 Crusoe 签署了新的 AI computing capacity 协议，将从 Crusoe 位于 Texas Childress 和 Missouri Warrenton 的两个数据中心获得合计约 1.6GW 的容量。 同时，Meta还在向其他Neocloud购买算力。我们在去年3Q25 META Preview中就提到过META正在向NeoCloud寻求购买3GW算力。 所以表面上看，这里确实有一个矛盾：如果 Meta 自己已经有多余算力，为什么还要继续向 Crusoe 租 1.6GW？ 我们的理解是，这不是矛盾，而是算力代际切换。 过去两年，Meta 已经采购和部署了大量 H100/H200。这些 GPU 不是没价值，恰恰相反，它们对 inference、fine-tuning、企业模型服务、图像/视频生成、传统 ML workload 仍然非常有价值。但对于下一代 frontier model training，尤其是 3T+ 参数规模的 MoE、长上下文、多模态和 RL-heavy post-training，H100/H200 的训练经济性会明显下降。 关键不是 H100 不能训练，而是单位有效 token 成本变差。 当模型进入 3T+ 规模后，瓶颈不再只是单卡 FLOPS，而是 HBM 容量/带宽、GPU 间通信、scale-up 网络、checkpoint/restart、expert routing、sequence parallel、pipeline bubble、以及大规模 collective communication。H100 集群当然还能跑，但训练 wall-clock 更长，通信开销更高，集群利用率更难维持，最终表现为同样训练一个 frontier model，成本和时间都不如 GB200/GB300，未来更不如 Vera Rubin。 因此，Meta 现在面对的是一个很典型的资产配置问题： 最先进的 GB200/GB300/Rubin，要优先留给下一代模型训练；上一代 H100/H200，则应该尽量转成 inference 或外部商业化收入。 这也是为什么“做 NeoCloud”和“继续租 Crusoe 1.6GW”可以同时成立。 Meta 继续向 Crusoe 锁定 1.6GW，本质上是在为更长期、更先进、更大规模的 AI infrastructure 做准备。这种资源对于 Meta 来说，更多是未来 GB200/GB300/Rubin 时代的战略性产能，而不是简单补 H100 的缺口。 另一方面，Meta 既然已经买了大量 H100/H200，就不可能让这些资产在 frontier training 代际切换后闲置。Meta 内部当然有广告、推荐、内容排序等大量推理 workload，但这和 OpenAI/Anthropic 那种直接面向外部客户卖 token 的 LLM inference 业务并不完全一样。Meta 如果没有足够多可以直接 monetization 的外部 token demand，把 H100/H200 做成 cloud capacity 或 hosted model API 对外销售，是非常合理的资本回收方式。 这其实和 xAI / SpaceX 的思路有相似之处。xAI 今年公开宣布与 Anthropic 达成 compute partnership，向 Anthropic 提供 Colossus 1 算力；xAI 官方称 Colossus 1 包含超过 22 万张 NVIDIA GPU，包括 H100、H200 和 GB200，并可支持 training、fine-tuning、inference 和 HPC workload。(xAI) 这说明即使是 frontier AI 公司，也可能把一部分已有 GPU fleet 对外出租，同时把最新、最稀缺、训练效率最高的下一代集群保留给自己的 frontier model。 所以今天市场担心“Meta 进入 NeoCloud 会打垮所有 NeoCloud”，我们觉得有些过度。 更准确的判断应该是： AI 算力市场正在从单一的 GPU shortage，进入多代 GPU 分层定价和分层使用阶段。 第一层是最新训练算力：GB300、Rubin，以及后续更大 scale-up domain 的系统，主要服务 frontier model training。这部分供给仍然稀缺，客户仍然会向 Crusoe、CoreWeave、Nebius、Oracle、Microsoft 等各类供应商锁产能。 第二层是上一代高端算力：H100/H200/部分 GB200，更适合 inference、fine-tuning、enterprise AI、hosted model、agent workload 和中小模型训练。这部分不是没有需求，而是从“最稀缺的训练资源”变成“可以规模化商业化的推理资源”。 第三层是更通用的 GPU cloud 和 long-tail enterprise workload，对价格更敏感，但需求弹性也更大。 在这个框架下，Meta 的行为其实很合理：它不是停止建设 AI infrastructure，而是在把不同代际的 GPU 放到最适合的经济用途上。 因此，我们不认为这是 AI infrastructure 的大问题。真正重要的判断是：下一代 frontier model training 对 GB200/GB300/Rubin 的需求仍然非常强；同时，H100/H200 这类上一代 GPU 也不会被废弃，而会进入 inference monetization 和外部算力销售阶段。 这对整个 AI supply chain 的含义反而是： GPU fleet 开始变成多代际资产，而不是一次性训练工具。旧 GPU 不归零，新 GPU 继续稀缺。Meta 做 NeoCloud，不是需求崩了，而是算力资产终于开始金融化和商业化。