Posts

据金融界十月九日报道，总部位于上海的迈富时（02556.HK）交出一份 2026 年半年报：总收入十九点六亿元，同比增长 111.2%；其中 AI 应用业务收入十一点二八亿元，同比增长 123.7%；期内净利润二点零三亿元，同比增长 466.1%。这家公司原本做营销 SaaS，这两年把自己重新包装成「全栈 Token 工厂」，把模型、平台、Agent 拆成不同收费包卖给企业。在一大票 AI 公司还在烧钱换收入的当下，一家港股上市公司真把 AI 业务做到净利润翻四倍，样本意义非常强。 十一点二八亿 AI 收入是怎么收上来的？ 迈富时的做法不是做一个通用大模型去和 DeepSeek、通义拼 API 价格，而是把模型能力装进已有的营销 SaaS 客户群里。企业客户本来就在买它的营销自动化系统，现在多买一层「AI 客服加 AI 投放加 AI 内容生成」模块，按席位加调用量收费。这种「老客户加新模块」的模式，销售成本极低，毛利率自然高。这是典型的 SaaS 交叉销售打法，不是从零获客。 四点六六倍净利润增长靠的是什么？ 净利润增速远超收入增速，说明两件事：第一，AI 模块的边际交付成本很低，模型调用成本已经被规模摊薄；第二，公司在销售侧没有大规模扩招，老销售团队直接卖新模块。对比那些为了做 AI 业务临时组建几百人销售团队的公司，迈富时的利润表干净得多。但也要看到：基数低（去年同期净利润只有三千多万），四倍增速听起来吓人，绝对额并不大。 对其他 SaaS 公司有什么可复制性？ 迈富时的样本告诉市场：AI 不一定要靠从零做模型赚钱，把已有行业客户群加一层 AI 模块，是最快变现的路径。这条路的门槛不在模型，而在你原本有没有付费客户群。那些手里握着制造业、零售业、医疗行业客户的传统软件公司，未来两年都会被市场重新估值一次——不是因为它们技术多强，而是因为它们有现成的收钱通道。对创业者而言，与其做一个通用 Agent，不如找一个有客户群但缺 AI 能力的行业软件公司谈分销。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

据 SiliconANGLE 与 AI Insight Journal 十月九日报道，企业自动化公司 Automation Anywhere 已达成协议，收购对话式语音 AI 公司 Boost.ai，把 Agent 自动化平台从屏幕流程扩展到语音通话场景。Boost.ai 原本主打银行、保险、公共部门的智能客服对话，Automation Anywhere 则是传统 RPA（机器人流程自动化）巨头。两家合在一起，故事就变成：让一个 Agent 既能在后台点按钮、查数据库，又能在电话里和客户自然对话，把整个客服中心一次性接管。 为什么 RPA 公司必须买语音 AI？ 传统 RPA 的收入天花板是「帮企业省人力」，但客服中心的人力成本一大块在电话坐席。过去五年，语音 AI 一直被单独做成产品，和 RPA 系统割裂。客户的痛点是：电话里聊了半天，系统还是要人工在后台查订单、改地址、退款。把语音 AI 和 RPA 合到一个平台，Agent 听到客户说「我要改地址」就能直接调用后端 RPA 流程把地址改掉，全程不需要人工介入。这是一个完整的「通话加操作」闭环。 这笔交易的客户价值怎么算？ 银行和保险呼叫中心一个坐席年成本大概在八到十五万元人民币。一个能解决六成话务量的语音 Agent，替代一个坐席就能省出六到九万元。对一家一千坐席的银行，一年省几千万是看得见的账。Automation Anywhere 把 Boost.ai 的模型能力装进自己的企业销售渠道，本质是在卖「每个坐席席位的替代率」这个新 SKU。客户买单的决策标准很简单：你的 Agent 能不能在三十秒内解决问题、能不能在监管录音里留痕。 对国内客服 SaaS 有什么启示？ 国内做客服 SaaS 的公司，过去两年一直在被大模型能力压价。Automation Anywhere 这笔交易给出的范式是：不要只做对话界面，要把后端流程执行权也拿下来。单纯做一个会聊天的客服机器人，客单价一年几万块；把聊天加执行打包，客单价一年几十万块。这也是为什么国内一些做「AI 客服加 RPA」的公司最近估值明显跑赢纯对话机器人。场景闭环，才是客单价的护城河。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

据 IT 之家十月九日报道，小米发布 MiMo-V2.5-Pro 模型下线通知，建议开发者切换到 V2.6 系列。V2.6 沿用 V2.5 的 API 定价：Flash 档每百万词元输入一元、输出二元；Pro 档输入三元、输出六元，并提供 99% 缓存折扣。官方口径称，在同等智能水平下，这套价格仅为海外模型的二十分之一到六十分之一。这是一个非常典型的国产模型定价样本：用极致低价把开发者先圈进来，再靠缓存折扣与企业版升级赚钱。 一元钱一百万词元是怎么算出来的？ 这个价格对应的单位经济是这样的：假设一张 H 系列加速卡一小时能跑几千万词元推理，硬件折旧加电费加机房成本摊到每百万词元大概在几毛钱到一元钱之间。Flash 档定价一元，意味着毛利极薄甚至贴着成本线；Pro 档三元到六元，才有真正的利润空间。99% 缓存折扣则是把重复上下文（系统提示词、长文档前缀）的边际成本压到几乎为零，鼓励开发者把高频业务流量绑过来。这套结构和早期云厂商卖对象存储几乎一模一样。 为什么要下线 V2.5 而不是并存？ 模型版本并存会让开发者在两条线路上维护两套 Prompt，增加工程负担，也让小米自己要多养一套集群。强行下线旧版，是把用户逼到新版上，集中算力资源。对开发者而言，这意味着必须在 V2.6 上重新跑一遍评测集，确认旧 Prompt 不会因为新版模型分布漂移而出错。这种「强制升级」在国产模型圈已经成为常态，开发者的适配成本正在成为隐性税。 对应用创业者意味着什么？ 一元一百万词元的价格，让很多过去算不过来账的 C 端应用突然可以做了。比如一个每日调用百万次、每次输入两千词元的应用，API 成本一个月只要几千元人民币，这在两年前是不可想象的。但要注意：低价模型的能力天花板也低，复杂 Agent 任务还是得切到 Pro 档或调用海外模型。聪明的做法是做模型路由：简单意图走 Flash，复杂意图走 Pro，把平均成本压到最低。小米给的 99% 缓存折扣，就是在奖励这种路由设计。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

据格隆汇十月九日晚间公告，阜博集团（03738.HK）直接全资附属公司 Vobile Investment Holdings 与卖方 Li Ye 订立购股协议，有条件收购安晴国际有限公司全部已发行股本，代价七千五百万港元全部以代价股份方式偿付。安晴国际主营方向是 AI 辅助的内容制作与海外发行。这笔交易金额在十亿级 AI 并购榜单上毫不起眼，但它的结构很有信息量：用上市公司股份，而不是现金，买下一家轻资产 AI 内容团队。在港股 AI 板块流动性偏紧的当下，股份收购正在成为中小 AI 资产证券化的主要通道。 为什么用股份而不是现金？ 现金收购需要上市公司真金白银流出，而阜博这类中型港股科技公司现金流并不宽裕。用代价股份支付，卖方拿到的是可以在二级市场逐步减持的股票，买方保住了现金。对卖方而言，这相当于把一家没利润的初创公司换成上市平台的流动性；对买方而言，这相当于用未来可能稀释的股权，换一个能并入报表收入的团队。两边都在赌上市公司股价未来不会跌。 七千五百万港元贵不贵？ 安晴国际没有公开财务数据，估值完全靠双方谈判。参考 AI 内容公司通常按团队规模与过往项目收入倍数定价，七千五百万港元大概对应一个数十人团队、年流水几千万港币的盘子。这个价格不算便宜，但对上市公司而言，重要的不是买贵买便宜，而是能不能把并表收入做起来，给二级市场讲一个「AI 内容出海」的故事。故事讲成了，股价涨，双方都赢；讲不成，股份变成筹码，卖方也被套。 这背后是一种什么退出范式？ 当一级市场融资变冷、港股 IPO 排队变长，中小 AI 团队的退出路径正在从「独立 IPO」转向「被上市公司以股份收购」。这其实是九十年代互联网泡沫之后美股走过的老路：创业公司不再追求独立上市，而是成为上市公司并购矩阵中的一块拼图。对未来两年的 AI 创业者而言，毕业选项里要加上一条：把公司卖给一家有故事的港股上市公司，用股份换流动性。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

据新浪财经十月九日晚间报道，中共中央、国务院印发《关于发展新质生产力的意见》，部署十九项重点举措，涵盖大力推进科技创新、推动科技创新和产业创新深度融合、推进发展方式创新、体制机制创新、人才工作机制创新等五个方面。文件明确把人工智能、数字经济、机器人列为重点方向。在十月九日晚间这个时点释放这份顶层文件，叠加二级市场对 AI 算力板块的持续关注，政策信号意义明显：下一阶段财政、税收、地方政府专项债与产业基金的投放方向，会进一步向这几条主线集中。 这份意见和以往文件有什么不同？ 以往产业政策多以部委文件或地方试点形式推出，这次是中央与国务院联合署名，层级更高。更关键的措辞是「科技创新和产业创新深度融合」，意思是不能只做实验室论文，要让模型、芯片、机器人真的跑进工厂、医院、港口、农田。对 AI 公司而言，这意味着 To G（面向政府）与 To 国资的订单通道会进一步打开，但同时也要接受更强的合规与数据安全要求。 对一级市场估值有什么影响？ 顶层文件落地之后，地方政府引导基金的出资节奏会加快。可以预期的未来几个月，各地会出台配套方案，把算力券、模型采购补贴、机器人首台套保险这些工具打包。对已经在港股排队的大模型公司而言，这是一个利好，但不是直接利好：政策不会给你订单，只会给你市场。真正能拿到钱的，是那些已经在制造业、能源、医疗场景跑出标杆案例的公司，而不是只会做通用聊天机器人的团队。 普通从业者该盯哪些信号？ 第一看发改委与工信部后续的配套细则，尤其是算力券的发放规模与申领门槛。第二看地方国资云是否会把国产大模型作为默认选项写进采购清单。第三看机器人与具身智能方向的首台套补贴比例。政策红利不会均匀洒下来，会向有场景、有数据、有交付能力的公司集中。对个人而言，这也是一次职业选择的信号：远离纯概念，靠近有真实行业数据的岗位。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

据财迅通十月九日晚间报道，纳斯达克上市公司 XMax Inc.（NASDAQ: XMAX）发布新闻稿，宣布已签署正式股份购买协议，拟收购美国企业 Hexa Creation Inc.（简称 HexaGaN）百分之百已发行及流通股权。HexaGaN 专注于一千二百伏垂直氮化镓（GaN）功率半导体技术，研发方向直接面向下一代 AI 数据中心电力基础设施。这笔收购规模虽然在 AI 融资榜单上排不上号，但它指向一个被市场长期忽略的瓶颈：当算力机柜功率从几十千瓦冲到上百千瓦，硅基 IGBT 已经不够用，电力电子正在成为新的成本曲线主战场。 为什么 AI 数据中心突然需要 GaN？ 传统数据中心配电用硅基 MOSFET 与 IGBT，开关频率低、损耗大、机柜功率密度上不去。当 GB300 NVL72 单机柜功率冲到上百千瓦，八百伏直流母线成为新标配，一千二百伏 GaN 器件能在更高电压下以更高频率开关，把转换损耗从几个百分点压到一个点以内。别小看这一个点，一个吉瓦级园区一年省下的电就是几千万美元。这就是为什么英伟达、博通、以及一众新云运营商都在悄悄布局功率半导体。 XMax 为什么要在这个时点出手？ XMax 本身是一家在纳斯达克上市的小型半导体公司，单独靠 GaN 器件打市场，渠道与产能都不够。HexaGaN 手里有垂直 GaN 的专利与样品，但缺资金、缺大客户、缺制造伙伴。两者合在一起，故事就变成了：一家有上市平台融资能力的公司，吞下一家有核心技术但缺商业化的初创，把 AI 数据中心电力这个赛道包装成可投资标的。这是典型的「上市壳加技术资产」组合，本质是资本运作，不是产品收购。 对供应链意味着什么？ 信号很清楚：AI 算力的下一个瓶颈不是 GPU，而是电。谁能把配电损耗再压一个百分点，谁就能在同等电网容量下多塞几个兆瓦的机柜。未来两年，SiC、GaN、垂直 GaN、固态变压器这些过去被视为小众的功率半导体方向，会突然出现在每一份数据中心招标文件里。XMax 这笔收购虽然体量不大，但它是一个公开的风向标：电力电子已经正式进入 AI 供应链的主叙事。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

据三十六氪与新浪财经十月九日复盘，欧洲 AI 基础设施厂商 Nscale 以十六点五亿美元（约合人民币一百一十亿元）收购旧金山 AI 分布式计算初创公司 Anyscale，是今年已披露价格的 AI 并购中最大一笔。Anyscale 是开源 Ray 分布式计算框架背后的商业公司，团队约两百人，长于把 GPU 集群上的训练与推理任务编排得更高效。Nscale 本身正在冲刺美股 IPO，拟募资最高三十亿美元，最大客户 Anthropic 已签下四百五十亿美元算力长约。这一笔收购的本质，是把「裸金属算力」升级为「软硬一体的全栈云」。 为什么 Nscale 要买 Anyscale？ 裸卖 GPU 小时数的生意越来越薄。当 CoreWeave、Oracle、Lambda 都在卖同一种 GB300 NVL72 机架，客户真正纠结的不是每卡多少钱，而是任务提交上去能不能高效调度、能不能跨区域故障切换、能不能把闲置容量转成竞价实例。Anyscale 的 Ray 恰好是这一层的事实标准。Nscale 把它收进来，等于在自己的机柜上预装了一套客户已经会用的编排层，客户迁移成本直接下降一档。 十六点五亿美元买的是团队还是收入？ Anyscale 本身收入规模远撑不起十六点五亿，这笔钱大头买的是 Ray 的生态位与那两百个工程师。对 Nscale 而言，这相当于花一笔战略费用，把开源社区的势能变成自己的护城河。风险在于：Ray 是开源项目，公司被并购后社区是否还会继续贡献插件、是否会分叉，是未来两年最大的不确定性。如果核心维护者流失，十六亿的估值会瞬间蒸发一截。 对 IPO 路演意味着什么？ Nscale 在招股书里需要回答投资人一个问题：为什么不直接用 CoreWeave？答案从「我更便宜」升级为「我有 Anyscale 的全栈编排，你的工程师搬过来不用重写调度代码」。这是一个更值钱的故事，但也把 Nscale 推到了与 AWS、GCP 正面竞争的位置——而那两家手里握着更便宜的电力与更深的企业销售渠道。全栈是必经之路，但全栈也是烧钱之路。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

据 Thai Times 十月九日报道，软银集团已与美国数字基础设施投资公司 DigitalBridge Group 达成最终协议，以约四十亿美元估值收购后者，加码下一代 AI 所需的数据中心与连接资产。这是软银在 Stargate 美国四十吉瓦计划之外，又一笔把 AI 基础设施直接装进合并资产负债表的动作。与传统 LP（有限合伙人）出资不同，软银这次走的是整体收购路径，意味着 DigitalBridge 旗下的数据中心 REIT、光纤资产与能源投资组合将直接并入软银的 AI 基建版图。 为什么要整体收购而不是继续 LP 出资？ 过去几年，软银通过 Vision Fund 以 LP 身份投了一堆数据中心项目，但问题是：LP 只拿被动收益，没有控制权，也不能把客户合同与电力牌照整合进自己的 Stargate 叙事。整体收购 DigitalBridge，软银拿到的是一个成熟的资产管理平台，手上握着已经在运营的资产与正在开发的 pipeline。这相当于把「投资 AI 基建」升级为「拥有 AI 基建」，资产负债表上的长期合同可以直接支撑 Stargate 的融资杠杆。 四十亿美元的定价贵不贵？ DigitalBridge 作为一家上市的数字基础设施资管公司，传统定价用 EV/AUM（企业价值/管理资产规模）与分派收益率来衡量。四十亿美元估值对应其管理的全球数据中心、光纤与边缘资产组合，溢价并不夸张，真正贵的是协同期权：软银可以把 OpenAI 的算力长约直接灌进 DigitalBridge 的资产包，把 REIT 的现金流和 Stargate 的需求锁定在一起。这是一个「资产加客户」的打包价，而不是单纯的资产管理公司估值。 对行业意味着什么？ 信号很明确：AI 基建的下一轮整合不是新建数据中心，而是把已经建好的资产、牌照与电力合同重新打包。对中小数据中心运营商而言，要么自己成为被收购标的，要么必须接入超大云厂的长约网络，否则电力成本与空置率会在两年内把现金流吃掉。软银这一笔，等于在告诉市场：AI 基建的货币化已经从「谁建得快」切换到「谁持有的资产包更完整」。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

据 GMT Eight 十月九日援引知情人士消息，Moonshot AI（月之暗面）已完成最后一轮私募融资，最新估值约五百亿美元，并推进明年第一季度在香港首次公开发行的计划。公司本月已开始与潜在投资者进行初步接洽，试探认购意向。报道同时指出，相关讨论仍在进行，IPO 时间表存在调整可能。在 Manus 赴港、智谱、MiniMax 排队的港股 AI 队列里，Moonshot 是少数已经把估值推到五百亿美元档位的中国大模型公司。 五百亿美元估值靠什么撑住？ Moonshot 的核心资产是 Kimi 系列模型与长上下文能力。五百亿美元估值背后，市场看的不是当下收入，而是三条曲线：第一，企业级 API 在金融、法律、研发场景的渗透；第二，C 端订阅在高净值用户中的留存；第三，长上下文与 Agent 编排带来的调用量单价溢价。问题在于，这三条曲线目前都还在加速期，尚未到利润释放阶段。五百亿本质是一个「把未来三年增长一次性贴现」的价格。 为什么选香港而不是美股？ 地缘折价已经在过去一年被反复讨论。对中国大模型公司而言，美国上市路径面临数据安全审查、VIE 结构问询与中概股审计三重摩擦；香港虽然估值倍数低于美股，但审批路径更短、客户与供应链都在同一片时区，更容易讲清楚「主权可控」的故事。Moonshot 选择港股，等于主动放弃一部分估值倍数，换取退出确定性。这与 Anthropic、OpenAI 坚持美股的路径形成鲜明对照。 二级市场会买账吗？ 真正的考验在一季度招股书披露那一刻。机构会盯着三个数字：ARR 增速、毛利率、以及前五大客户集中度。如果企业 API 收入占比超过五成且前两大客户不超过三成，五百亿估值能站住；如果收入高度依赖少数互联网大厂合同，港股二级市场大概率会给出一个明显的折让。Pre-IPO 的五百亿只是一级市场内部价，二级市场的开盘价才是真实定价。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

据彭博十月九日晚间报道，AI 初创公司 TypeSafe AI 完成约八点七亿美元新一轮融资，由风险投资机构 a16z（Andreessen Horowitz）领投，公司估值达到七十五亿美元。这是十月第二周单笔规模最大的代码方向 AI 融资。TypeSafe AI 主打的标签是类型系统与形式化验证，核心叙事是让模型写出的代码在编译期就能被类型检查器与证明工具约束住，而不是靠事后测试兜底。在 Agent 自动写代码、自动合并 PR 的时代，这种「让编译器当裁判」的思路突然变得非常值钱。 为什么代码可信突然变成硬需求？ 过去两年，编码 Agent 已经把「写得快」这件事卷到极致，但企业不敢把关键业务交给一个会幻觉出错误类型签名的系统。TypeSafe 的赌注是：与其让模型事后自我审查，不如把类型系统与证明助手直接嵌进生成回路，让模型在吐代码之前先通过类型检查。当 Anthropic 的 Claude Code、OpenAI 的 Codex、以及 GitHub Copilot 都在抢企业付费席位，企业真正愿意为「不闯祸」付溢价，而不是为「写得多」付溢价。 七十五亿估值锚的是什么？ 七十五亿美元对应到一家成立时间不长的代码公司，PS 倍数远高于传统 DevTools 公司。这背后的估值锚其实是两个：第一，企业级代码 Agent 的 ARR 增速正在以季度翻倍的方式跑；第二，形式化验证被视为监管与合规场景下的必需品，尤其是金融、航空、医疗软件这类一旦出错就要赔偿的行业。a16z 愿意领投，是因为他们看到 TypeSafe 有机会成为编码 Agent 时代的「税务级合规层」，而不是又一个 Copilot 套壳。 对开发者与创业者意味着什么？ 对普通开发者，这意味着未来半年 IDE 里会多一个「类型安全档位」，你可以选择让模型慢一点但每一行都过类型检查。对创业者，信号很明确：单纯做一个模型套壳的 Coding Agent 窗口已经关闭，下一波机会在验证、审计、回滚、权限这些「让 Agent 敢在生产环境跑」的中间层。八点七亿美元砸下来，中间层正式从配菜变成主菜。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论