Riot 昨晚的一笔 91亿美元大单，可能正在改变这个BTC这个估值框架。 Riot Platforms 刚刚宣布，与一家全球领先的 Frontier AI Lab 签下了一份 20年、191MW AI数据中心租赁协议。 基础合同价值约 91亿美元；如果两个5年续约全部执行，潜在合同价值甚至可以达到 161亿美元。 而 Riot 现在的市值只有大约 67亿美元。 注意，我觉得真正值得研究的是这里： 一个原本靠“挖比特币”赚钱的公司，开始把电卖给AI了。 而且不是简单卖电。 Riot提供的是已经并网的电力、土地、机房、冷却、工程建设，以及可以承载高密度GPU集群的数据中心。 以前这些东西是矿场。 现在换个客户，它们就变成了 AI Infrastructure。 这也是为什么我一直觉得： 未来几年最稀缺的AI资产，可能根本不是GPU，而是“能让GPU插上电的地方”。 芯片可以买。 但几百MW电力接入、变电站、土地、审批、冷却系统和数据中心，不是你今天有钱，明天就能建出来的。 Riot这次191MW项目预计2027年底开始交付，2028年中全部上线；公司预计基础20年租约累计 NOI 可以达到约 73—82亿美元。 这意味着它未来越来越像： Bitcoin Miner ↓ Power Owner ↓ Data Center Developer ↓ AI算力基础设施运营商 而这并不是第一次验证。 今年1月，AMD已经先租了Riot Rockdale园区25MW，随后又扩到50MW；目前第一批25MW已经交付，第二批正在建设。 更有意思的是，AMD最近又和 Anthropic 签下了巨额AI算力合作：Anthropic计划部署最高 2GW AMD Instinct MI450 算力，AMD还计划根据里程碑向Anthropic投资最高50亿美元。 所以我现在看这条线，不会只看 RIOT 一家公司。 我更关注一个大的产业链迁移： AI实验室疯狂要算力 → AMD/NVIDIA卖芯片 → 数据中心疯狂找电 → 原本拥有巨量电力资源的BTC矿企突然变成稀缺资产。 这才是 AI × Crypto 真正有意思的交叉点。 以前市场认为矿工最大的资产是矿机。 以后市场可能慢慢发现： 矿企真正值钱的资产，一直都是电。 当然这里也有一个非常大的风险。 91亿美元是未来20年的合同收入，不是今天一次性拿到91亿美元；191MW项目也需要建设、融资、按期交付。 所以不能简单拿“91亿合同 ÷ 67亿市值”就说 RIOT 被严重低估。 真正决定下一阶段股价的，是市场愿不愿意把 RIOT 从： BTC Mining估值 逐渐切换成： AI Data Center估值。 这也是我觉得最适合放到 @42space 上交易的问题。 如果让我设计预测盘，我会盯三个： ① Riot这家神秘Frontier AI客户最终是不是Anthropic？ ② RIOT未来12个月还能不能拿到第二笔100MW+ AI数据中心订单？ ③ 到2027年底，BTC矿企最大的收入来源，会不会开始从Mining转向AI/HPC？ 因为真正值得交易的，从来不是新闻发生之后涨了多少。 而是： 当“矿工变AI地主”这条逻辑还没有完全Price in之前，你愿意给它多大的概率？ 这才是预测市场最有意思的地方。 @42space #AI# #Bitcoin# #RIOT# #Anthropic# #AMD#

SpaceX 上市首日，散户净买入 1.17 亿美元，占当天全美散户股票买盘的 56%。Vanda Research 据此在上周日的报告中抛出一个新概念：用 FAB 10 替代沿用多年的「七巨头」。 FAB 10 是 Frontier AI & Big Tech 10 的缩写，在原有七巨头基础上加入 SpaceX、OpenAI 和 Anthropic。后两家尚未上市，市场预计今年晚些时候登陆资本市场，估值可能达到数千亿美元乃至万亿美元规模。 Vanda 在报告中写道，「如果过去几年市场由『七巨头』主导，那么上周五可能是最明确的信号，投资者正开始聚焦我们所称的 FAB 10。」 有意思的是，把超大科技股打包成十巨头，Vanda 不是唯一的玩家。美国银行首席策略师 Michael Hartnett 此前提出过一个 AI Big 10 组合：七巨头加上博通、AMD 和美光，更偏向半导体硬件。 两套名单的分歧，本质上是对「下一个十年由谁定义」的不同下注：一边看好造芯片的，一边看好做模型和发火箭的。 Vanda 研究人员同时指出，SpaceX 的火爆可能正在从芯片股吸走资金。FAB 10 内部也未必雨露均沾，新晋成员的吸金效应，可能以老成员的回调为代价。

Pi Agent 的 Sub-agent 我一直在用，最近我又拿 Apodex 1.1 跑了一轮多 Agent 搜索。 它处理资料对比的方式，和普通 Deep Research 不太一样。 Pi Agent 本身没有内置 Sub-agent，需要通过插件扩展。你可以让 scout 搜资料，researcher 整理信息，再交给 reviewer 检查。每个角色使用什么模型、开放哪些工具和权限，都能自己配置。 这种方式很灵活，适合喜欢自己搭 Agent 工作流的人。 这次我给 Apodex 1.1 的任务，是核对 Pi Agent、Codex CLI、Claude Code 和 FrontierAgent 的多 Agent 能力。 这些工具更新都很快。同一项功能可能在旧文档里没有，最新版本已经加入，也可能只是插件支持，最后却被写成官方内置。 所以我从一开始就限制了资料范围，只接受官方文档、GitHub 仓库和版本更新记录。 Apodex 会根据问题拆分搜索路线。多个 Agent 分头查不同工具，阶段结果持续汇总到同一个任务中，最后再集中比较。 我这次想看的，是它能不能把一个资料多、版本杂的任务持续做完，并把每条结论的来源留下来。 最终表格会单独区分官方内置和插件实现。不同官方页面出现冲突时，它会列出各自的来源和更新时间。官方没有明确说明的地方直接标成未知，不会为了填满表格补一个答案。 交付结果还会经过 Statement Review。关键结论与生成过程分开检查，遇到证据不足、引用不匹配或资料冲突时，会留下对应的检查记录。 两种多 Agent 的使用方向也很清楚。 Pi Agent 适合自己组建团队。角色、模型和权限都能深度调整。 Apodex 更适合多路搜索，把分散的资料放到一起比较，再交付一份可以继续核查的结果。 如果你经常需要确认某项能力究竟是官方支持、插件提供，还是目前没有明确资料，这种工作方式会比较实用。 FrontierAgent 是开源的单机 Agent harness，支持 ReAct 和 Agent Team。macOS、Linux 可以一条命令运行，无需强制预装 Docker。觉得有用可以去 GitHub 点个 Star。 Apodex 1.1 mini 是开放权重的 35B 模型，可以本地部署，也能搭配 FrontierAgent 使用。 Apodex 1.1 在线工作台已经上线。注册新用户有 credits，可以上传自己的文档、数据或表格跑一次。API 平台目前免费两周。

吴说获悉，IREN 2026 财年第四季度营收 1.372 亿美元，基本符合预期；调整后 EBITDA 为 1,920 万美元，较预期低约 53%。AI 云服务收入环比由 3,360 万美元增至 7,050 万美元，比特币挖矿收入由 1.112 亿美元降至 6,670 万美元。公司目前运营 ARR 约 10 亿美元，2026 年容量已基本售罄，对应合同 ARR 约 40 亿美元，并新签一家 frontier AI lab 的多年期合同。近期三年期合同每 IT MW 收入超过 2,000 万美元，部分洽谈价格约 2,500 万美元。IREN 计划将累计 IT 容量由 2026 年约 0.3GW 提升至 2027 年约 0.8GW；现有现金、已承诺 GPU 融资及客户预付款合计约 140 亿美元。

这么一说，真正拉开差距的不是“能读长文档”，而是“读完后还能沿着同一份材料把任务往下推”。 641页数学书从结构分析到改版建议，全程不需要用户当中间人复制粘贴，这已经从“问答工具”变成了“工作流执行器”。 尤其欣赏过程透明那块——能看到它怎么读文件、怎么拆解、怎么搜索补充，而不是黑盒吐字。 本地部署 + FrontierAgent 的多Agent协作，接下来会更有意思。

自从 DeepSeek Harness 开源之后，我便一直在纠结要不要将其接入到自己的产品当中。 于是想调研一下，被我发现了一款非常好用的 AI 产品：Apodex 1.1。 地址： 与传统 Deep Research 工具有所不同，它不光整理资料出报告，还会动手执行任务，一路干到交付。 其配套的 Agent 执行框架 FrontierAgent 是开源的，无需安装 Docker，一条命令即可运行。 GitHub： 他们还开源了 Apodex 1.1 mini（35B）模型，官方评测里，专业、金融、科研几项都能摸到前沿系统同一档的水平。 模型权重： 正想做 Deep Research 产品的朋友，可以本地部署 mini 模型，套上 FrontierAgent 就能自己搭一个。 这次调研，我是直接在它的 Web 端上实测的，效果出乎意料的好。 在发送需求后，它立马拆分任务，创建不同角色的子 Agent，并分配任务开始执行。（如图 1） 右侧显示的任务看板全程可见，每个任务做到哪一步、哪个 Agent 在干活都清清楚楚。 最实用的是，它在执行任务过程中，我们还能随时给它补充信息或者需求。（如图 2） 我补充要求它与其他工具进行横向对比，并调研一下现在 dsh-plugin 插件生态如何。 还留意到在交付报告前，它还会进行数据、内容、来源等 116 项查证，给人增加不少信任。（如图 3） 最后完整的结论（如图 4），一句话总结：目前 DeepSeek Harness 迭代速度非常快，正式接入建议再等等，个人可以先装着玩玩。

AMD + Anthropic合作的意义 如果 AMD 获得 Anthropic 的 GW 级部署，这意味着产业竞争逻辑开始发生变化：过去决定领先优势的是模型，今天越来越取决于谁能够持续获得、部署并利用更多计算资源。准确地说，不是 GPU 数量，而是 Effective Compute。 Frontier Model 已经成为资本密集型产业。单次训练成本进入数十亿美元时代，而 Agent、长上下文、持续学习和推理规模扩张，使 Inference 正逐渐成为比 Training 更大的长期资本开支。 这意味着 Compute 正逐渐成为 AI 能力增长的第一约束。领先模型之间的差距，不再只是论文和算法，而是谁能够持续获得数 GW、数十 GW 甚至更大的计算资源，并把这些资源快速转化为智能产出。 Anthropic 如果能够在 AMD 平台上部署大规模生产负载，将更近一步确定 Frontier AI 不再绑定单一 GPU 平台。 frontier lab的角色也因此发生变化。Anthropic 并不需要自己建设几十 GW 数据中心，它可以购买不同厂商的Compute。 Google、Oracle、CoreWeave 等云厂商甚至包括frontier labs自身，都开始扮演 Compute Broker 的角色，真正竞争的不再只是 GPU，而是谁能够最快交付 GW 级算力。这也是 Hyperscaler 持续上调 CapEx 的底层原因。市场购买的不只是服务器，而是未来几年 AI 生产能力。 云厂的客户，企业们，最终购买的不是 GPU，而是智能产出。NVIDIA 的优势来自系统效率，包括软件生态、通信、互联、利用率；AMD 如果能够以更低成本提供接近的有效算力，同样能够提高每美元获得的智能；Anthropic、OpenAI、Google 等模型公司则不断通过算法、RL、Agent 和推理优化，提高每一个 FLOP 的智能产出。 未来 AI 的竞争可以归结为一个简单的公式： Effective Intelligence = Compute × System Efficiency × Algorithm Efficiency Compute 决定能力上限，System Efficiency 决定硬件释放多少有效算力，Algorithm Efficiency 决定每一单位算力能够产生多少智能。算法仍然重要，但随着基础模型逐渐成熟，持续获取并高效利用大规模计算资源，正在成为 Frontier AI 最核心的竞争优势。AI 行业也因此开始从模型驱动，进入计算资源驱动的新阶段。

很多人觉得 AI 的护城河是数据、GPU、模型，但越来越觉得不是 真正的护城河可能变成是 Research Culture + Research Leadership 大厂们频繁抢人背后是深深的焦虑 John Jumper（AlphaFold 核心负责人，2024 诺奖得主）离开 Google DeepMind 加入 Anthropic Noam Shazeer（transformer 作者之一，Gemini 核心负责人）离开 Google 加入 OpemAI Jonas Adler（Gemini Coding）和 Alexander Pritzel（Gemini Training）预计加入 Anthropic 因为 Frontier AI 已经进入下一个阶段，目前也不一定可以做出来，有 GPU 也不一定知道怎么训练。 真正稀缺的是那些踩过无数坑，又知道 scaling law 在哪里失效、知道 RL、pretraining、post training 每一步怎么调的人 就很像 NBA，球员（研究员）比球队（公司）更值钱

七巨头已经不够使用了，现在叫 “FAB10” 长期以来，由苹果、微软、英伟达、Alphabet、亚马逊、Meta和特斯拉组成的“科技七巨头”（Magnificent Seven）一直主导着美国股市和全球科技产业的发展方向。 但研究机构Vanda Research认为，这一组合已经无法完全反映人工智能（AI）时代的竞争格局。 该机构近日提出“FAB10”（Frontier AI& Big Tech10）概念，将SpaceX、OpenAI和Anthropic纳入原有七巨头阵营，认为这10家公司将共同塑造未来十年的科技产业。 在新增的三家公司中，SpaceX无疑最受市场关注。随着上市后股价持续上涨，SpaceX周二再涨约5%，市场预计其股价将首次突破200美元。按照这一价格计算，公司市值将超过2.9万亿美元，接近微软约2.95万亿美元的市值规模。 Vanda Research认为，SpaceX成功上市不仅是资本市场的一次重大事件，也意味着投资者正将目光转向下一代前沿科技企业。 如果以目前估值计算，SpaceX已跻身全球最有价值企业行列。而若将SpaceX与马斯克旗下另一家公司特斯拉合并计算，两家公司总市值已达到约4.2万亿美元，接近苹果目前的市值水平。

FT 9月13日报道，Anthropic告知少数股东，本季度将录得连续第二季正的调整后营业收入，毛利率超过80%。Q2收入$115亿，同比14倍。7月底年化收入$650亿。10月Nasdaq上市，目标估值$2万亿以上。 数字虽然很漂亮，但是实际情况需要仔细分析一下。 第一，"调整后营业收入"剔除了股权激励(SBC)。对一家IPO前夜的公司，SBC是最大的非现金支出项之一。Anthropic成立至今从未公开披露过GAAP口径盈亏，2021至2025年累计净亏损的第三方估算在$100-150亿区间。这次报道对GAAP是否盈利同样一个字没提。而且这个"盈利"本身可能也很脆弱。Anthropic签了一份约$150亿/年的算力合约，Q2恰好覆盖了一个ramp-up折扣期，Q3起全价生效后成本结构会有明显变化。Anthropic自己在投资人沟通中也承认"may not remain profitable for the full year"。 第二，80%毛利率的计算排除了两项最大的成本：付给Amazon等云分销商的收入分成，以及模型训练费用。第三方估算2026年算力总支出在$100亿量级，其中训练约$41亿。这个80%衡量的是跑推理有多赚钱，但跟能不能用自身收入支撑下一代模型的训练是两回事。 第三，也是最关键的会计问题：收入确认方式。Anthropic将通过AWS、Google Cloud、Azure的收入按总额法(gross basis)确认，客户付$100，Anthropic记$100收入，云服务商分成记为费用。OpenAI对Microsoft采用净额法(net basis)，先扣约20%再报top line。今年3月ARR还只有$190亿时，Bank of America估算这个口径差异已达$64亿。如今ARR $650亿，这个缺口只会更大。OpenAI更直接，公开指控Anthropic虚增约$80亿。DA Davidson分析师Gil Luria的判断：先上市的公司将定义frontier AI labs在公开市场的财务报告标准。 Anthropic目前所有的PR节奏和公开动作都在为四季度IPO服务。安全叙事强化品牌溢价，盈利数据给投资人信心，竞争对手主动退出同一个资本窗口。Frontier AI labs第一个IPO，定义的是会计准则、信息披露标准和估值倍数的规则。Anthropic抢的是话语权和规则制定权，上市身位只是副产品。