达拉斯Disruptive募资100亿美元,从单笔SPV转向全权基金投AI与国防

达拉斯投资机构 Disruptive 完成 100 亿美元募资,管理规模翻倍,并从单笔交易的 SPV 模式转向可自主决策的全权基金,重点投向 AI、国防和软件。

达拉斯投资机构 Disruptive 完成 100 亿美元募资,管理规模翻倍,并从单笔交易的 SPV 模式转向可自主决策的全权基金,重点投向 AI、国防和软件。

达拉斯风投Disruptive新募100亿美元基金,计划向约10家AI、国防和软件后期公司各投约10亿美元。它从逐笔SPV转向一只大基金自主决策,反映后期大额融资需求上升。

Anthropic于2026年10月27日提交上市文件,预计11月中旬IPO,而美国中期选举将于明年1月迎来新议员。公司自己把“不断演变且不确定的监管与政治环境”列为重要风险,且这一风险在大选后可能进一步放大。

据路透社报道,中国AI与半导体板块在不到四个月内市值缩水约4800亿美元,跟踪相关龙头的科创50指数大跌40%,被市场人士称为“泡沫破裂”。这轮调整不仅冲击二级市场,还可能拖慢AI公司上市和融资节奏。

据 The Information 报道,Anthropic 的 S-1 文件披露其 2026 年上半年运行自有模型的毛利率为 85%,为“按量付费卖模型不赚钱”的质疑提供了一个可核查的财务参照。

2026年10月21日,Hugging Face Papers 收录的一篇论文针对 AI 训练中视频随机采样导致的解码效率瓶颈,提出“依赖感知稀疏解码 + DDRA 编码”的组合方案。其价值在于:在不牺牲压缩率的前提下,降低视频数据读取的算力与存储开销。

NVIDIA 开发者博客展示了在 DGX Spark 上优化 Ling-3.0-flash MoE 模型推理的三项技术,在特定测试条件下解码吞吐累计提升 21.7%。这为小批量、内存受限场景下的本地大模型推理提供了可复用的调优思路。

前DeepMind研究员Thore Graepel创立Metis Reasoning,提出将知识存入独立“知识账本”、由验证模块逐条核查,以降低大模型幻觉;目前仅为研究计划,尚无可用系统或基准测试。

伦敦初创公司Machenta完成4000万美元种子轮融资,主张不用真实世界数据、只在计算机模拟环境中训练机器人模型,让机器人看一次示范就能学会新任务,与Physical Intelligence等数据驱动的巨头正面竞争。

Anthropic一边警告AI可能带来“灾难性或生存性风险”,一边在2026年10月申请上市、追逐2万亿美元估值,并继续推进递归自我改进。这引发核心质疑:其“向上竞争”的安全策略是否有证据支撑。