（386期）KunlunMeta日报| 今日十大行业动态，速览

10 月 26 日，OpenAI 公布三项由内部 AI 模型得出的数学与物理结果：一是「局部光滑猜想」在任意维度成立，若确认将连带推进 Kakeya 猜想；二是给出包括量子色动力学在内的四维量子场论存在性证明，与千禧年大奖难题 Yang-Mills 相关；三是最受关注的一篇——论证计算机科学中沿用近三十年的「指数时间假设」（ETH）不成立。若最终坐实，大量以 ETH 为下界的复杂性结论都将被改写。验证安排相当谨慎：ETH 原提出者 Impagliazzo 与 Paturi 将带队联合 MIT 的 Ryan Williams 审阅，物理部分由诺奖得主 David Gross 牵头核查。值得一提的是，OpenAI 今年 10 月曾因符号错误撤下三篇数学论文——AI 生成的「证明」仍需人工逐行核对，形式化验证工具是把核对成本压下来，而不是取代核对。从「解出已知答案」到「进攻无人攻克的猜想」，前沿模型正在换赛道。

DeepSeek V4.1 Flash 本周正式接入 Cursor 编程环境，在 CursorBench 基准上单个编码任务成本仅 0.60 至 0.98 美元，各努力档位均处于成本前沿，成为预算敏感型编码场景的新默认选项。另一组数字更能说明问题：据金十数据 10 月 27 日消息，DeepSeek 新版模型单周调用量已登顶全球首位，环比暴增 801%。「能用、便宜、跑得快」的组合拳，正在改写全球开发者对国产开源模型的采购习惯。此前 DeepSeek 十天内两换模型指纹、V4.1 Flash 灰度上线却始终不发官方公告，「憋大招、闷声跑量」的打法让竞品很难预判其节奏。开源阵营的竞争已从「刷榜」进入「抢工作负载」的深水区。

Liquid AI 于 10 月 27 日发布新一代液态基础模型家族 LFM3 并开源：六款模型（文本、视觉、音频、全模态、决策）全部从同一个 LFM3-1.7B-Base 微调而来，预训练消耗 22T tokens。新架构采用 tri-hybrid 混合结构，官方称 LFM3-1.7B 效果超过上一代 LFM2.5-2.6B，参数却少 35%；LFM3-1.7B 支持 256K 上下文，LFM3-VL-2B 支持视频输入。2B 级别、约 1GB 体积即可跑全模态，意味着耳机、摄像头、可穿戴这些算力窘迫的端侧设备第一次拥有了「一个模型管所有感官」的选项。当云端旗舰卷参数、卷价格时，端侧小模型的竞争焦点是「单位参数的能力密度」——这正是液态架构路线的护城河所在。

小米于 10 月 27 日披露面向工业场景的仿生灵巧手：21 个自由度、26 台电机混合驱动，全掌布有 1500 个高密度触觉点，指尖触觉分辨率达 1 毫米且支持更换维护。设计并非凭空而来——它基于小米中试中心 1827 个真实作业 SOP 提炼，数据集覆盖 70.8% 以上的典型制造工序，以柔性制造为原点验证仿生手在真实产线的通用性。与实验室里「会叠毛巾、会抓杯子」的灵巧手不同，小米把落点直接压在自家工厂的工位上：触觉密度决定抓握可靠性，可维护性决定停机成本，工序覆盖率决定数据飞轮能否转起来。手机厂商的制造底蕴，正在成为其切入机器人硬件的独特筹码。

10 月 26 日，旧金山初创公司 Bedrock Robotics 披露完成 6 亿美元 C 轮融资，由谷歌系 CapitalG 与 Emergence Capital 联合领投，投后估值 41 亿美元，累计融资接近 10 亿美元。它的路线在具身赛道里颇为「另类」：不造人形本体，而是给承包商现有的工程机械加装自主作业系统，从挖掘机切入。据投资方披露，装配该系统的挖掘机自今年 8 月起已在真实工地执行付费工作，本轮资金将用于美国工地部署与现场服务体系扩张。当大量人形机器人公司还在为「演示到交付」的发愁时，「给存量设备装大脑」直接跳过了本体制造的重资产环节。具身智能的落地路径之争，正在从「造什么形态」转向「钱从哪里赚」。

10 月 27 日，Meta 正筹划规模至多 950 亿美元的普通股发行，用于支撑其快速膨胀的 AI 基础设施开支——这将是公开公司历史上数一数二的巨额定增。消息一出，投资者担忧稀释，Meta 股价当日下挫约 7%。更值得注意的是认购名单的结构：英伟达计划投入 30 亿美元、AMD 投入 10 亿美元，这轮 250 亿美元发行首日即获约 5 倍超额认购。芯片厂「用股权锁定采购方」的玩法被摆上台面——供应商收入与客户资本开支深度绑定，行业景气时双赢，退潮时风险也会双向传导。超大规模厂商的 AI 账单已经大到连巨头都要回头向公开市场要钱，算力军备的融资模式正在被重新定义。

10 月 28 日，英伟达与甲骨文联合宣布：把搭载 Vera Rubin NVL72 系统的甲骨文云（OCI）超级集群扩展至数吉瓦级，并正式开放该系统与 Vera CPU 的云服务，另计划推出搭载 8 颗 Rubin GPU 的 HGX Rubin NVL8 面向推理与中小规模微调。双方把卖点放在「利用率」上——在同一批芯片上，电力、网络、散热与调度共同决定能挤出多少有效算力。当集群规模从「万卡」改用「吉瓦」计量，扩建的约束已经从采购预算转移到电力接入与变电站排期，这也是云厂商近年频繁披露「已锁定电力容量」的原因。AI 算力的比拼，正在从芯片性能竞赛变成基础设施工程与能源资源的竞赛。

10 月 27 日，微软确认向约 6 万名副总裁及以下级别员工提供「自愿离职计划」，覆盖美国、加拿大、印度和英国，涉及 Xbox、Windows、Copilot 与财务等多个团队——约占其 22.3 万总员工数的四分之一以上。微软将此表述为「为 AI 时代重塑劳动力」并避免大规模裁员；此前针对临近退休员工的一轮类似方案中，超过 30% 的人选择接受。与直接裁员相比，自愿方案代价更高但舆论成本更低，也给了 AI 工具大规模进入日常工作流后的岗位收缩一个缓冲带。当 AI 重组的不只是 IT 支出而是组织结构本身，「人往哪里去」正在成为所有科技公司 CLO 议程上最贵的一道题。