每日科技简报 — 2026年3月14日
要点速览
Anthropic宣布Opus 4.6和Sonnet 4.6的100万token上下文窗口以标准价格全面开放，打破行业长上下文溢价惯例。与此同时，SemiAnalysis创始人Dylan Patel在最新播客中深度剖析AI算力扩张的三大瓶颈——逻辑芯片、内存和电力，揭示了一个令人震惊的事实：到2030年，全球AI算力的终极瓶颈将落在ASML的EUV光刻机上，每台售价3-4亿美元，年产仅约70台。Meta的下一代AI模型"Avocado"因性能不及竞品而推迟发布，甚至考虑临时授权使用Google的Gemini。
主要报道
Anthropic百万token上下文全面开放：长上下文从奢侈品变为基础设施
Anthropic悄然移除了大模型使用中最后一道实际障碍——价格壁垒。Opus 4.6和Sonnet 4.6的完整100万token上下文窗口现以标准价格提供，不收取任何长上下文溢价。
这一举措直接冲击了竞争对手的定价策略。OpenAI的GPT-5.4在超过272,000 token后收取额外费用，Google的Gemini 3.1 Pro在200,000 token后开始加价。正如Simon Willison所指出的，Anthropic实际上在说：长上下文不应该是高端功能，而应该是默认能力。
为什么重要： 此前我们多次报道过AI行业的模型能力竞争，但这次的竞争维度是定价架构。开发者现在可以将整个代码库、法律合同或研究文献集塞入单个提示词，而无需担心token成本阶梯。这意味着原本只有资金充裕的企业才能负担的用例，现在独立开发者和研究者也触手可及。预计竞争对手将面临即时的跟进压力——长上下文溢价可能撑不过这个季度。
AI算力扩张的终极瓶颈：一台光刻机撑起500亿美元数据中心
SemiAnalysis创始人Dylan Patel在Dwarkesh Podcast上进行了一场长达两小时的深度对话，系统性地拆解了AI算力扩张面临的三大物理瓶颈。这是我们此前报道的"AI算力危机"话题的最新、最深入的分析。
核心发现令人震惊： 生产1吉瓦的AI芯片数据中心容量，需要约3.5台ASML的EUV（极紫外光刻）光刻机。每台售价3-4亿美元，但它支撑的数据中心经济价值约500亿美元。目前ASML年产约70台，到2030年即使在极力扩产的情况下也仅能达到略超100台。
内存危机已经到来。 Patel透露，2026年大型科技公司资本支出的约30%将流向内存——在6000亿美元的总支出中，这是一个惊人的比例。HBM（高带宽内存，一种将多层DRAM芯片垂直堆叠以获得极高数据传输速度的技术）每单位面积产出的比特数仅为普通DRAM的四分之一，这意味着智能手机和PC内存价格可能继续翻倍。Patel预测智能手机出货量可能从目前的11亿部降至5-6亿部，iPhone的物料成本可能因内存涨价增加约150美元。
关于AI实验室的竞争态势： Anthropic目前的年化收入已达约200亿美元，仅2月就新增了60亿美元ARR（年度经常性收入）。但Anthropic在算力储备上面临困境——由于此前CEO Dario Amodei的保守策略，其算力签约量明显落后于OpenAI。Patel估计Anthropic需要在年底达到约5吉瓦容量，但不得不转向"质量较低的供应商"来弥补缺口。OpenAI则因更激进的签约策略，在年底将拥有略多的算力。
太空数据中心？这十年不行。 针对Elon Musk提出的太空GPU计划，Patel直言：在芯片产能受限的世界中，最重要的是让芯片尽快产出token。将芯片送上太空会增加数月的部署延迟，这在算力最为稀缺的当下是不可接受的代价。
Meta AI模型"Avocado"折戟：可能临时授权Google Gemini
纽约时报报道，Meta代号为"Avocado"的下一代基础AI模型在内部测试中表现不及Google、OpenAI和Anthropic的领先模型。虽然它超越了Meta此前的模型和Google去年3月的Gemini 2.5，但未能匹敌去年11月发布的Gemini 3.0。
John Gruber敏锐地指出了一个矛盾：Meta将发布推迟至最早5月——仅两个月后——却同时讨论临时授权Gemini。如果真的只差两个月就能发布，为什么需要授权竞品？这暗示Avocado可能是一次根本性的失败，Meta可能距离拥有自己的竞争力模型还有一年甚至更久。
为什么重要： Zuckerberg已将Meta的未来押注在AI前沿。公司今年计划支出高达1350亿美元，几乎是去年720亿的两倍。如果最终还是要像Apple一样从Google授权Gemini，那这数千亿美元的投入将面临严峻的回报质疑。
快讯
SaaS行业深层危机： Ed Zitron发表万字长文论证，所谓"AI颠覆SaaS"的叙事实际上掩盖了更根本的问题——SaaS行业增长放缓与私募股权过度杠杆化。2018-2022年间30-40%的PE交易涉及软件公司，而这些公司的增长假设如今已站不住脚。IBM、Adobe、Salesforce等巨头的AI收入占比均为个位数百分比。(Where's Your Ed At)
用Qwen 3.5做OCR： 开源模型Qwen 3.5-9B在文档OCR任务上表现出色，通过OpenRouter批量处理1000页仅需约12美分和1分钟。对历史文献数字化和敏感文档的本地处理具有重要意义。(Martin Alderson)
软件"本体感觉"： 一篇精彩的设计分析文章探讨了软件如何感知自身硬件维度——从iPhone侧键的Siri动画到灵动岛，再到MacBook Neo因两个USB-C口性能不同而应该"指向而非描述"端口位置。(Unsung)
HTTP User-Agent时代终结： 网站根据User-Agent返回不同内容已成常态。RSS阅读器服务因使用多个User-Agent获取结果而遭遇问题，Anubis等反爬虫工具使情况更加复杂。(Chris's Wiki)
Windows 11体验报告： 一位使用macOS二十年的用户详细记录了切换到Windows 11的体验——WSL表现不错但问题频出，键盘绑定差异令人痛苦，UI存在至少六种不同的设计语言混杂。最终还是买回了Mac。(Rakhim's blog)
值得关注
Anthropic算力瓶颈与收入增长的赛跑： 月增60亿美元ARR的速度下，Anthropic能否在年底前获得足够的算力来满足需求？如果不能，可能被迫"通过价格摧毁需求"——这将直接影响开发者使用体验和API可靠性。
内存价格对消费电子的连锁反应： 如果DRAM价格如Patel预测继续翻倍，智能手机和PC市场将面临显著萎缩。这可能加剧公众对AI的反感情绪——"猫咪跳舞视频导致你买不起新手机"的meme可能从玩笑变成现实。
Meta的AI战略十字路口： Avocado模型的失利可能迫使Meta重新评估其"自研前沿模型"的战略。在OpenAI和Anthropic收入暴增、Google Gemini表现强劲的背景下，Meta是否会转向更务实的路线？
大家好，欢迎来到2026年3月14日的 YOMOO 每日AI快送。
我跟你说，今天这期节目信息量非常大，我们要聊三件大事，每一件都可能深刻改变AI行业的格局。先给你抛一个数字感受一下：一台机器，售价3到4亿美元，年产量全球只有70台，但它支撑起来的经济价值是多少呢？500亿美元。你没听错，一台机器，500亿。这台机器是什么？它为什么能卡住整个AI行业的脖子？别急，咱们一会儿细说。
先说第一件事，Anthropic干了一件非常漂亮的事情。他们把Opus 4.6和Sonnet 4.6的100万token上下文窗口完全开放了，而且重点来了，不加价。你想想这意味着什么。以前你要用大模型处理一整本书、一整个代码库、一份几百页的法律合同，token一多，价格蹭蹭往上涨。OpenAI的GPT-5.4超过27万token就开始加钱，Google的Gemini 3.1 Pro超过20万token也加价。这就好比你去吃自助餐，前面几盘随便吃，吃到第五盘突然告诉你，不好意思，后面每盘加50块。
Anthropic现在说的是什么？我这儿不设门槛，100万token，标准价，随便用。Simon Willison说得好，长上下文不应该是高端功能，它应该是默认能力。这话说到点子上了。以前只有大公司大团队才用得起的场景，现在一个独立开发者、一个研究生，也能把整个项目塞进去让AI帮忙分析。你说竞争对手慌不慌？我估计长上下文溢价这个东西，可能撑不过这个季度了。
好，咱们说回今天的重头戏，也是我开头提到的那个话题。SemiAnalysis的创始人Dylan Patel，在Dwarkesh Podcast上做了一期将近两个小时的深度访谈，把AI算力扩张的瓶颈问题拆得明明白白。
你看啊，大家都在说AI发展快，模型越来越强，但很少有人认真想过一个问题：算力从哪来？芯片从哪来？芯片又是用什么造出来的？Patel告诉你，追到源头，最终卡脖子的是一台叫EUV光刻机的设备，全世界只有一家公司能造，就是荷兰的ASML。
我给你算一笔账。要建一个1吉瓦的AI数据中心，大概需要3.5台EUV光刻机来生产里面的芯片。每台光刻机3到4亿美元，但它支撑的数据中心价值大约500亿美元。这个杠杆率简直惊人。问题是，ASML现在一年只能造大约70台，就算拼了命扩产，到2030年也就勉强超过100台。你想想，全世界的科技巨头都在疯狂建数据中心，微软在建、Google在建、Meta在建、字节跳动也在建，但源头就这么点产能，你说怎么分？
还没完，内存也出问题了。Patel透露了一个数据，2026年大型科技公司资本支出的大约30%要花在内存上。为什么？因为AI芯片需要的HBM高带宽内存，每单位面积产出的比特数只有普通内存的四分之一。这意味着什么？意味着生产AI芯片的内存，挤占了手机和电脑内存的产能。Patel预测，智能手机出货量可能从现在的11亿部降到5、6亿部，iPhone的物料成本可能因为内存涨价多出150美元。你想想，以后你换手机越来越贵，不是因为手机本身变高级了，是因为内存都被AI数据中心抢走了。网上那个段子怎么说来着？"AI生成猫咪跳舞视频导致你买不起新手机"，这个玩笑可能真要变成现实了。
说到竞争格局，Patel还透露了一个很有意思的细节。Anthropic现在年化收入已经到了大约200亿美元，光2月份就新增了60亿美元的年度经常性收入，增长速度非常猛。但是呢，Anthropic有一个隐忧，就是算力储备不够。因为之前CEO Dario Amodei比较保守，签约算力的动作慢了，现在不得不找一些质量没那么好的供应商来补缺口。反观OpenAI，因为签约更激进，年底算力会多一些。所以你看，这场竞争不光是模型能力的比拼，还是算力资源的争夺战。谁手里有芯片，谁就有话语权。
对了，有人问太空数据中心行不行？马斯克不是提过把GPU送上太空吗？Patel直接泼了一盆冷水：在芯片产能这么紧缺的情况下，最重要的是让芯片尽快开始干活、产出token。你把芯片送上太空，光部署就多花好几个月，这个时间成本在当下是完全不可接受的。所以太空数据中心这个事儿，这十年就别想了。
好，说第三件大事。Meta的下一代AI模型，代号"Avocado"，翻车了。纽约时报报道，这个模型在内部测试中表现不如Google、OpenAI和Anthropic的领先模型。虽然比Meta自己之前的模型强，也比去年3月的Gemini 2.5强，但打不过去年11月发布的Gemini 3.0。
这里有一个非常微妙的细节，是Daring Fireball的John Gruber发现的。Meta一边说把发布推迟到最早5月，也就是两个月以后，一边又在讨论临时授权使用Google的Gemini。你想想，如果真的只差两个月就能发布自己的模型，为什么还要花钱去授权竞争对手的产品？这说明什么？说明Avocado可能不是简单的"还差一点"，而是一次根本性的失败。Meta距离拥有真正有竞争力的前沿模型，可能还要一年甚至更久。
这个问题有多严重呢？扎克伯格已经把Meta的未来押在AI上了。今年计划支出高达1350亿美元，几乎是去年720亿的两倍。如果花了这么多钱，最后还是要像苹果一样去找Google授权Gemini，那股东和投资者肯定要问一个尖锐的问题：这几千亿花哪儿去了？回报在哪里？
除了这三件大事，再快速说几条值得关注的消息。Ed Zitron发了一篇万字长文，说所谓AI颠覆SaaS的故事，其实掩盖了SaaS行业本身增长放缓和私募股权过度杠杆化的深层问题。IBM、Adobe、Salesforce这些巨头，AI收入占比都还是个位数。另外，开源模型Qwen 3.5在文档OCR上表现出色，批量处理1000页只要12美分和1分钟，这对历史文献数字化来说是个好消息。还有一篇很有意思的设计文章讨论了软件的"本体感觉"，就是软件怎么感知自己运行的硬件，比如iPhone灵动岛的设计思路，推荐感兴趣的朋友去看看。
所以你看，今天这些消息串在一起，其实讲的是同一个故事：AI行业正在从"模型能力竞赛"进入"基础设施争夺战"。谁有算力、谁有芯片、谁能把成本降下来，谁就能赢。Anthropic用价格策略打开市场，但自己面临算力瓶颈。Meta砸了天量的钱，模型却不达标。而整个行业的命脉，最终握在荷兰一家光刻机公司手里。这个局面，说实话，比任何科幻小说都精彩。
如果您觉得我们的节目对您有帮助，请帮忙分享、转发给您的朋友，也欢迎直接回复邮件给我们提建议。好了，今天就到这里，我们明天见！