英伟达财报炸裂破810亿，OpenAI首证数学猜想，GPT-4.5通过图灵测试

英伟达Q1 FY2027：816亿美元营收再创纪录，Vera Rubin确认下半年出货

5月28日盘后，英伟达发布FY2027 Q1财报，各项指标全面超出华尔街预期：

• 营收816亿美元，同比增长85%，环比增长12%，远超市场一致预期780亿美元
• 数据中心营收752亿美元，同比增长93%，其中Blackwell架构贡献超60%
• Q2指引910亿美元（±2%），暗示全年营收有望突破3500亿美元
• Vera Rubin：下一代GPU架构确认2026年下半年出货，首批客户为云厂商和主权AI集群
• Blackwell Ultra：全面量产，良率持续爬升，HBM4内存供应改善
• 毛利率72.4%，环比小幅回升，HBM成本压力正在缓解
• 回购与分红：宣布额外500亿美元股票回购计划

CEO黄仁勋在电话会中表示：“AI基础设施支出才刚起步，全球每一家企业都在从通用计算迁移到加速计算。“CFO Colette Kress透露，推理工作负载已占数据中心营收的超过50%。

编者评： 816亿美元的季度营收意味着英伟达单季进账已超过绝大多数国家GDP。但更值得关注的是两个信号：一是推理营收首超训练，标志着AI行业从”建基础设施”转向”跑应用”的拐点；二是Vera Rubin确认下半年出货，意味着英伟达的产品节奏已从两年一代加速至一年半——当客户还在消化Blackwell时，下一代已经排期了。对国内算力厂商而言，910亿美元的Q2指引意味着全球AI资本开支仍在加速而非见顶，国产替代的窗口期正在拉长。

OpenAI自主推翻Erdős单位距离猜想：AI数学证明的里程碑

OpenAI研究团队宣布，其AI系统自主证明了保罗·埃尔德什（Paul Erdős）于1946年提出的单位距离猜想（Unit Distance Conjecture）为假——这是AI首次独立证明一个重大数学开放问题。

Erdős单位距离猜想是组合几何中的经典问题，涉及平面上n个点之间单位距离出现次数的上界。该猜想80年来一直未被解决。OpenAI的AI系统在无人干预的情况下，构造出了一组反例配置，严格证明了猜想在一般情况下不成立。

Fields Medal得主、剑桥大学教授Tim Gowers评价：“这是一个里程碑。不是因为它解决了一个猜想，而是因为它展示了AI可以在没有人类提示的情况下，独立完成从问题理解到策略选择再到严格证明的全过程。”

OpenAI表示该证明已通过形式化验证系统Lean 4的验证，确保每一步推导的逻辑正确性。

编者评： 这比AlphaFold的意义更深一层。AlphaFold是”AI解决人类已知的结构预测问题”，而Erdős猜想的推翻是”AI在人类未知领域发现了新真理”。从问题理解、策略规划到严格证明，整个链条完全自主完成——这意味着AI已具备了数学研究的”品味”和”创造力”，而不仅仅是计算能力。当AI可以自主发现数学真理，距离AI自主发现科学真理还有多远？这可能是本周最值得深思的新闻。

GPT-4.5通过最严格图灵测试：73%裁判将其误判为人类

加州大学圣地亚哥分校（UCSD）的一项研究发表在《美国国家科学院院刊》（PNAS）上，显示GPT-4.5首次通过了严格条件下的图灵测试。

研究设计：

• 三轮对话，每轮5分钟，裁判与一个人类和一个AI同时对话
• 无预设人设：AI未被告知要”扮演”特定角色，仅使用默认配置
• 结果：GPT-4.5在73%的对话中被裁判误判为人类，显著超过50%的图灵测试阈值
• 对比：GPT-4o通过率为56%，ELIZA（1960年代规则系统）为22%

研究者指出，GPT-4.5的成功并非因为它”更聪明”，而是因为它的语言风格更接近人类——包括使用口语化表达、偶尔的犹豫和不完美回答。当GPT-4.5被指示”尽量表现得像人”时，通过率反而下降，因为它开始过度模拟人类特征而显得不自然。

编者评： 图灵测试通过的意义不在技术突破，而在社会影响。73%的误判率意味着在真实对话场景中，普通人几乎无法区分GPT-4.5和人类。这直接挑战了”AI只是工具”的直觉——当一个系统能在5分钟内让大多数人相信它有意识，我们需要重新审视AI在社会中的角色定位。但也要警惕：图灵测试测的是”像人”而非”有意识”，GPT-4.5通过测试恰恰是因为它能模拟人类的”不完美”，而非真的拥有人类的体验。

OpenAI本周提交IPO申请：估值8520亿美元，AI史上最大上市

据路透社报道，OpenAI预计将于5月22日向美国证券交易委员会（SEC）提交S-1注册声明草案，启动IPO进程。

关键信息：

• 估值：8520亿美元，超过Meta上市时的估值，将成为AI行业史上最大IPO
• 主承销商：Goldman Sachs和Morgan Stanley
• 收入：据披露，OpenAI年化收入已突破200亿美元
• 上市时间：预计2026年Q3正式挂牌，纳斯达克交易所
• 背景：马斯克诉讼败诉后，IPO最大法律障碍已清除；公司已完成从非营利到营利的架构转型

这将是继Arm（540亿美元）和Stripe（700亿美元）之后，近年来科技界最受关注的IPO。

编者评： 8520亿美元估值对应200亿美元年化收入，市销率超过40倍——这是典型的”信仰定价”，市场在为AGI的可能性买单。但OpenAI的IPO也把AI行业最尖锐的矛盾推到了公众面前：一个以”确保AGI造福全人类”为使命的非营利组织，转型为全球估值最高的上市公司之一。当利润与安全发生冲突时，上市公司的治理结构能给出什么样的答案？IPO不是终点，而是这场博弈的新起点。

SpaceX S-1招股书披露Anthropic 450亿美元三年算力协议

SpaceX旗下AI基础设施公司提交的S-1招股书中，披露了一项重磅信息：Anthropic已签订3年450亿美元算力服务协议，月均支出约12.5亿美元。

这是迄今公开披露的最大规模AI算力合同，揭示了AI军备竞赛的真实规模：

• 协议规模：450亿美元/3年，月均12.5亿美元
• 算力来源：SpaceX的Colossus 2超级集群，配备超过100万张H100等效GPU
• 对比：OpenAI同期与微软的算力协议估算为年均200亿美元，Anthropic的支出约为OpenAI的1/4
• 影响：SpaceX AI基础设施业务营收预计将因此超过300亿美元/年

这一披露也让市场重新审视AI公司的成本结构——仅算力一项，头部AI公司的年支出就在百亿美元级别。

编者评： 450亿美元的三年合同意味着Anthropic每月要”烧”掉12.5亿美元在算力上——这还不包括人力、运营和其他成本。按Anthropic当前收入估算，算力支出可能占收入的60-70%。这种”先烧钱再收割”的模式与早期亚马逊如出一辙，但AI公司的赌注更大：如果下一代模型训练失败或竞争对手抢先发布，这些沉没成本将无法回收。算力军备竞赛的本质是”赢者通吃”——而赢家尚未确定。

Sapient Intelligence发布HRM-Text：10亿参数类脑模型，千分之一训练量追平GPT-4

Sapient Intelligence发布了HRM-Text（Hierarchical Recurrent Model），一款基于类脑架构的语言模型，以极小的参数量和训练成本实现了惊人的性能：

• 参数量：10亿（1B），相当于GPT-4参数量的约1/1000
• 训练数据：仅用千分之一于GPT-4的训练token
• 训练成本：约1,000美元（对比GPT-4训练成本估算超过1亿美元）
• 性能：在多个基准测试中达到GPT-4级别表现
• 架构创新：层次化循环架构，模拟大脑皮层的层级处理机制，替代传统Transformer的注意力机制
• 完全开源：模型权重、训练代码、数据配方全部公开

研究团队表示，HRM-Text的核心突破在于循环连接使得模型可以在固定参数量下实现”无限上下文”，同时层次化结构让不同层级负责不同抽象粒度的信息处理。

编者评： 如果HRM-Text的结果经得起复现，这将是Scaling Law叙事的真正挑战者。“千分之一参数、千分之一数据、十万分之一成本”达到GPT-4级别——这意味着当前主流的”大力出奇迹”范式可能不是唯一路径。类脑架构的优势在于其天然的时间序列处理能力和参数效率，这对Agent场景（需要长程记忆和推理）尤其重要。1000美元的训练成本也意味着个人研究者和小团队可以参与最前沿的模型研发，AI民主化的可能性又近了一步。

Forge开源护栏框架：8B模型Agent任务正确率从53%飙至99%

Forge发布了开源Agent护栏框架（Guardrails Framework），通过结构化验证和自动回滚机制，将8B参数模型在复杂Agent任务上的成功率从53%提升至99%。

核心机制：

• 结构化计划验证：Agent执行前先生成计划，由验证器检查逻辑完整性和安全性
• 自动回滚：检测到执行偏离时自动回滚到最近的正确状态
• 渐进式执行：复杂任务分解为原子步骤，每步验证后再继续
• 轻量级：护栏本身开销不到主模型推理时间的5%

在测试中，Llama 3.1 8B + Forge护栏在SWE-Bench Lite上的通过率从53%跃升至99%，甚至超过了未加护栏的GPT-4o（89%）。框架支持任意LLM后端，已适配OpenAI、Anthropic、本地模型等。

编者评： 这条新闻的启示比表面更深远：当8B小模型+护栏超越裸跑的GPT-4o时，说明当前AI Agent的主要瓶颈不是模型能力，而是执行可靠性。大模型的”幻觉”和”跑偏”问题在长链Agent任务中被指数级放大，而护栏框架用工程手段而非模型规模的手段解决了这个问题。这暗示Agent产品的竞争格局可能从”谁有最强模型”转向”谁有最可靠的执行框架”——对中小团队和开源社区来说是重大利好。

Mistral AI收购Emmi AI，联手ASML进军工业物理AI

法国AI公司Mistral AI宣布收购物理仿真AI初创Emmi AI，同时宣布与半导体设备巨头ASML建立战略合作。

关键信息：

• Emmi AI：专注物理现象的高精度AI仿真，核心技术是将偏微分方程求解与神经算子结合，可在GPU上实现比传统FEM/CFD快1000倍的物理仿真
• ASML合作：将Emmi的物理AI技术应用于极紫外（EUV）光刻机的等离子体建模和光学系统优化
• 战略意图：Mistral从纯语言模型公司向”AI+物理”平台转型，瞄准工业AI千亿级市场
• Mistral现状：估值约60亿欧元，近期推出的Mistral Large 3在多语言和企业场景表现优异

这是AI公司首次深度介入半导体制造的核心物理层，标志着AI从”文本智能”向”物理智能”的扩张。

编者评： Mistral收购Emmi AI是一个信号：欧洲AI公司开始走差异化路线。与其在通用大模型上与OpenAI/Google硬碰硬，不如在工业AI垂直领域建立壁垒。ASML是全球最关键的半导体设备供应商，EUV光刻机是芯片制造的”咽喉”——如果AI可以加速EUV的物理建模和工艺优化，其商业价值远超任何聊天机器人。物理AI的挑战在于它需要严格的数值精度和物理约束，容错率远低于文本生成，但一旦攻克，壁垒也远高于通用AI。

编者按

本期声浪的底色可以用两个关键词概括：验证和破界。

英伟达816亿美元的季度营收是对AI产业化进程最硬的验证——推理收入首超训练意味着”AI替人干活”不再是愿景而是正在发生的现实。GPT-4.5通过图灵测试则是对”AI像人”的验证，73%的误判率让图灵的原始预言在75年后得到了实证回应。而OpenAI推翻Erdős猜想，则是对”AI能否独立创造知识”的终极验证——答案是肯定的。

破界同样在多个维度同时发生：Sapient Intelligence用1B参数+千分之一训练量追平GPT-4，是对Scaling Law的破界；Forge护栏让8B模型超越裸跑GPT-4o，是对”大模型万能”的破界；Mistral联手ASML进军物理AI，是对”AI=文本”的破界；Anthropic三年450亿美元算力协议，则是对”AI烧钱上限”的破界——资本市场的赌注远比我们想象的更大。

当AI可以在数学上自主发现真理、在对话中让大多数人相信它是人类、在工业中替代物理仿真，我们正在见证的不是某个能力的突破，而是智能形态本身的多样化扩张。未来最有趣的问题不是”AI能不能做X”，而是”还有什么X是AI做不到的”——这个集合正在以超预期的速度缩小。