# 开源的所有文章

在 HTX 新聞中心流覽與「开源」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策，提供權威的加密行業洞察。

中国AI一季度融资超千亿，钱都去哪了？

2026年一季度，中国AI领域融资近600起，总额超1100亿元，同比增长185.4%。资金主要流向大模型和具身智能两大赛道。大模型赛道中，月之暗面、阶跃星辰和DeepSeek是焦点。月之暗面半年融资超39亿美元，估值达200亿美元，其开源模型Kimi K2.5商业化加速。阶跃星辰获手机产业链资本支持，押注万亿参数基座与终端落地。此前未融资的DeepSeek启动首轮融资，估值飙升至450亿美元，大基金有望领投。具身智能赛道一季度融资约200亿元，超10家企业估值破百亿。银河通用、千寻智能、自变量机器人、至简动力等公司获得大额融资，部分产品已进入小批量交付或实际应用阶段，但行业整体面临估值与营收不匹配的挑战。资金去向显示，30%-50%的融资用于算力投入，研发和人才引进也是主要支出。行业呈现五大趋势：资本结构从VC主导转向产业资本与国家队混合；估值天花板快速抬升，马太效应加剧；IPO通道加速打开；开源路线成为差异化竞争手段；具身智能从概念验证进入小批量交付。当前，高额融资支撑着研发与算力军备竞赛，行业竞争日益激烈，现金流和管理能力将成为企业生存的关键。

marsbit05/26 07:06

marsbit05/26 07:06

DeepSeek的十万亿美元之路：用开源撬动万亿硬件生态

DeepSeek的长期战略并非通过应用层（如编程订阅）直接变现，而是致力于通过一系列底层架构创新，重塑AI训练与推理的成本结构，并推动一个规模达10万亿美元的新硬件生态形成。其技术创新始终围绕一个核心：在高端算力受限的背景下，如何用更少的资源跑出更强的模型。例如： 1. **压缩KV Cache**：通过MLA、DSA、CSA、HSA等机制，大幅减少长上下文所需的显存（HBM）。DeepSeek V4在100万上下文长度下仅需约5.5GB HBM，远低于其他主流模型，这使得将KV Cache卸载到SSD/NAND成为经济可行的方案，降低了对紧缺的HBM的依赖。 2. **以内存换计算**：其Engram模块利用LPDDR内存进行高效的O(1)知识查找，用更便宜的内存资源节省昂贵的计算开销。 3. **提升硬件兼容性与效率**：通过MoE架构、权重流式加载、TileLang编程语言等，旨在削弱对特定硬件（如CUDA生态）的依赖，让更多国产及全球的GPU、ASIC、存储和网络芯片能够高效运行AI负载。这些创新若扩散开来，将直接惠及长江存储（NAND/SSD）、长鑫存储（LPDDR）等国内存储厂商，并为众多AI芯片厂商创造机会。DeepSeek的盈利模式可能类似于OpenAI与AMD的合作，通过深度绑定并赋能整个硬件生态，以换取股权等长期回报，从而在推动一个巨大产业形成的同时，实现自身万亿美金估值的终极目标。

marsbit05/25 13:13

marsbit05/25 13:13

Mythos首个报告出炉：全球数十亿设备裸奔，30天挖出10000致命漏洞

Anthropic公司启动的“玻璃翼计划”首月战报公布，其下一代顶级大模型Claude Mythos Preview在30天内联合全球约50家网络及关键基础设施公司，发现了超过10,000个高危或严重软件漏洞。该模型不仅能精准发现漏洞，误报率低于人类专家，还能自动构建攻击链，甚至在一家合作银行成功拦截了一笔150万美元的电诈。报告显示，Mythos对Cloudflare、Mozilla Firefox、OpenBSD等核心系统进行了扫描，发现了大量漏洞，包括在OpenBSD中隐藏27年的旧Bug。在对全球1000多个关键开源项目的扫描中，共发现23,019个漏洞，经第三方复核确认其中1,094个为高危或严重漏洞，准确率达90.6%。一个典型案例是在广泛使用的开源密码库wolfSSL中发现了一个可伪造数字证书的严重逻辑漏洞。然而，漏洞发现速度远超人类修复能力，导致开源维护者不堪重负。为此，Anthropic推出了“防御者工具包”，包括能自动生成修复补丁的Claude Security、面向安全研究员的“网络验证计划”，以及一套开源的自动化漏洞挖掘流水线，旨在用AI修复AI发现的漏洞。由于Mythos能力过于强大且可能被滥用，Anthropic暂未公开发布，强调需先建立更高级别的安全护栏。公司呼吁行业缩短补丁周期、推行强制升级并加强基础安全措施。尽管当前人类开发者面临修复压力，但长远来看，此类AI技术有望极大提升全球软件的安全基石。

marsbit05/25 00:09

marsbit05/25 00:09

DeepSeek永久降价，但梁文锋并不想做「赛博菩萨」

DeepSeek宣布将V4-Pro API的75%折扣永久化，全球同步生效，基础输入/输出价格大幅降低至0.435美元/百万Token和0.87美元/百万Token。在AI行业普遍涨价的背景下，这一逆势降价行动被社区称为“赛博菩萨”行为。但创始人梁文锋并非纯粹做慈善，而是选择了开源普惠的商业模式。当前AI行业正变得越来越贵，微软、Uber等大公司的Token预算消耗远超预期，而Anthropic、OpenAI和谷歌等巨头已在过去六个月内悄悄提价。随着用户习惯建立，AI补贴时代已结束，供需关系反转导致价格上涨。 DeepSeek的持续降价展现了一种反向定价权。其竞争力来源于多个方面：国产昇腾算力支持未来将进一步降低成本；中国相对较低的AI人才成本；最重要的是能源体系优势——中国西部绿电价格仅为欧美的1/5到1/4，且拥有完整的电力结构和“东数西算”等调度能力，电力成本占AI运营成本的60%-70%，这构成了系统性的成本优势。虽然DeepSeek V4与顶尖闭源模型仍有客观差距，且商业收入目前落后于国内其他AI公司，但其极低的推理成本（仅为GPT-5.5的约1%到11%）满足了大量实际商业场景对“勉强能用+足够便宜+足够稳定”的需求。当AI整体越贵，DeepSeek的性价比优势就越突出，其商业价值也由此体现。

marsbit05/24 12:19

marsbit05/24 12:19

GitHub帝国崩塌前夜：源码泄露、18年老粉决裂，微软失去1.5亿开发者

GitHub正面临前所未有的危机。18年老用户、Ghostty终端开发者Mitchell Hashimoto公开宣布离开，批评平台频繁故障导致无法正常工作。近期，GitHub因持续技术问题引发花旗银行、英特尔等巨头不满，微软被迫向企业用户提供补偿。更严重的是，GitHub内部遭遇重大安全事件：一名员工因安装恶意VS Code扩展导致凭证泄露，3800多个内部仓库被黑客入侵，核心源代码甚至被公开叫卖。此前还发现过可能危及数百万代码库的高危漏洞。内部管理同样混乱。前CEO Thomas Dohmke离职后，微软取消了GitHub的CEO职位，将其并入CoreAI团队，导致高管和技术骨干大量流失。现任CTO推动的服务器迁移项目被认为是近期频繁宕机的主要原因。在AI编程工具竞争方面，GitHub Copilot正被Cursor和Claude Code等后起之秀超越，后者提供了更先进的上下文理解和自动化编程能力。甚至有报道称微软内部员工也偏好使用Claude Code。商业层面，GitHub Copilot虽然用户增长，但高昂的AI推理成本使其成为“补贴黑洞”，拖累了微软云业务的利润率。近期GitHub改为“按量计费”模式，进一步引发开发者不满。随着开源社区信任消退、内部文化瓦解以及外部竞争加剧，GitHub这个拥有1.5亿开发者的平台正站在生死存亡的十字路口，其未来已成为微软亟待解决的难题。

marsbit05/22 10:52

marsbit05/22 10:52

英文区Top100 AI影响力名单

XHunt发布全新AI影响力榜单，以“AI KOL Followers”（核心圈关注数）为指标，旨在过滤噪音，识别行业真正的影响力源头。榜单基于2026年5月15日快照，列出了英语区最具影响力的前100位人物。名单显示，英语区AI风暴的中心由科技公司高管、顶尖科学家和核心研究者主导。前10名包括：Eureka Labs创始人、前OpenAI成员Andrej Karpathy；OpenAI CEO Sam Altman；OpenAI总裁Greg Brockman；Google DeepMind首席科学家Jeff Dean；OpenAI前首席科学家Ilya Sutskever；图灵奖得主Yann LeCun；Google DeepMind CEO Demis Hassabis；斯坦福教授Andrew Ng；企业家Elon Musk以及Keras创建者François Chollet。榜单涵盖了从大模型研发、AI安全、开源生态到机器人、投资与政策等各个领域的领军人物。他们通过推文、研究或产品动态，深刻影响着AI技术的发展方向与行业共识。文章指出，英语区生态更侧重于前沿技术与理论探讨，而将于次日发布的华语区Top100名单，则预计会展现更贴近产品应用、商业化和实战的生态图景。

marsbit05/19 05:06

marsbit05/19 05:06

当算力商品化，GPU 期货市场还要等多久？

《当算力商品化，GPU 期货市场还要等多久？》一文探讨了算力（特别是GPU计算资源）发展成为可交易期货市场的可能性。文章基于Variant基金的分析框架，提出了一个稳健期货市场所需的五个先决条件，并对当前算力市场在这五个维度上的成熟度进行了评估。 **核心结论是：目前算力市场尚不具备支撑成熟期货市场的条件。** 以下是基于五个维度的具体评估： 1. **供给端碎片化（评分：🔴 不足）**：市场供给高度集中，四大云巨头（AWS、Azure、GCP、Oracle）控制了全球大部分关键IT电力和高端GPU（如H100）的供应。在垄断格局下，价格发现机制难以形成。 2. **价格波动（评分：🟢 具备）**：GPU价格和算力成本波动剧烈，受供需不确定、芯片迭代、需求激增等因素影响，这满足了期货市场对波动性的基本要求。 3. **实物结算基础设施（评分：🟢 初步具备）**：场外（OTC）经纪商已开始承担聚合供应、清算交易等职能，并发布价格指数（如Ornn、Silicon Data），为实物交割奠定了基础，但远未完善。 4. **标准化（评分：🔴 不足）**：算力缺乏统一、可交易的单位。GPU实例的价格因地区、硬件配置、合同期限等因素差异巨大，尤其是为AI训练定制的硬件难以互换，阻碍了标准化合约的形成。 5. **缺乏替代品（评分：🟡 部分具备）**：大型模型提供商可通过长期协议内部对冲风险，但大量中小型用户缺乏有效的对冲工具，只能承受现货市场波动。 **未来展望与关键变量：** * **供给碎片化**：预计未来1-2年会出现适度碎片化，新云厂商、依托廉价电力的运营商以及服务AI初创公司的经纪平台（如Hyperbolic）将增加市场参与者。 * **标准化路径**：最有可能的突破口是**AI推理算力市场**。与训练不同，推理工作负载对硬件要求相对统一、更同质化，且预计将占据未来AI算力需求的大部分。开源AI模型的广泛采用可能加速推理算力的标准化进程，类似比特币挖矿催生标准化硬件的模式。 * **交易单位**：最终活跃的交易更可能围绕 **“芯片实例小时”** （即已部署并通电的GPU可用时长）展开，类似电力的区域化交易模式。以“Token”（AI模型输出）作为交易单位目前面临模型间差异大、难以标准化的问题。 **总结**：当前算力市场交易主要停留在场外和非标阶段。虽然具备价格波动和初步结算设施，但供给集中和缺乏标准化是主要瓶颈。未来，AI推理需求的增长、开源模型的普及以及随之而来的供给去中心化，可能是推动算力真正成为可交易大宗商品的关键动力。

marsbit05/18 09:09

当grant花光之后，以太坊开发者工具怎么办？

以太坊基金会近期启动了Project Odin计划，旨在帮助已获得大额资助的开发者工具团队建立可持续的资金模式，降低对单一grant的长期依赖。该计划并非直接提供新资金，而是通过为期约12个月的驻场战略顾问陪跑，协助团队提升非技术能力，如筹款、沟通与组织设计，探索多元收入来源，如企业支持合约、服务采购等。文章指出，以太坊生态中许多关键开发者工具（如编译器、网络栈、安全工具）虽被广泛依赖，却因公共属性强、商业化难而面临资金困境。传统模式如大公司开源、商业SaaS等在此场景下均有局限。Odin计划通过梳理现实选项、验证路径与执行支持三个阶段，帮助团队将“项目有价值”转化为可持续的运营能力。案例方面，Vyper智能合约语言成为Odin首个试点，其背后新成立的基金会正探索形式化验证等专业服务变现。而libp2p和L2BEAT则分别展示了底层基础设施的资金压力与多元资金组合的可能性。文章强调，公共品支持应从“捐赠”视角转向“供应链依赖”视角——真正受益的协议与项目应更早参与其依赖工具的可持续设计。Odin计划标志着以太坊公共品讨论进入新阶段：重点从“谁该获资助”转向“重要团队如何摆脱grant周期依赖”。

marsbit05/12 08:35

marsbit05/12 08:35

Y-Combinator CEO的AI使用指南：未来属于会搭建复利型系统的人

本文核心观点：未来竞争力属于能围绕个人知识和工作流，搭建具备“复利”效应的AI系统的人，而非仅仅会使用AI工具的人。 Y Combinator CEO Garry Tan分享了他的实践：他不再将AI视为聊天工具，而是将其构建成个人的“操作系统”和“第二大脑”。这套系统能持续积累并结构化其所有的会议、阅读、人脉和信息，使其相互关联，形成可不断迭代和增强的知识网络。关键实践包括： 1. **书籍镜像**：AI能深度消化书籍内容，并将其核心观点与他的个人经历、职业背景具体关联，生成专属的读书笔记。 2. **技能化**：将重复性工作流抽象为可复用的“技能”，并通过“元技能”不断创造和优化新技能，实现能力积累。 3. **知识库系统**：他维护着一个约10万页的结构化“大脑”，涵盖人物、公司、会议、阅读等所有信息，并能主动为会议等场景提供深度背景准备。 4. **架构理念**：采用“厚技能、厚数据、薄框架”的架构。模型（引擎）可替换，真正的价值在于沉淀个人数据的知识库和封装个人工作模式的技能库。 Tan已将相关技术栈开源，并鼓励人们从解决一个具体问题开始，通过迭代构建属于自己的、能持续学习和进化的个人AI系统，从而获得指数级增长的个人能力优势。

marsbit05/11 06:05