教皇首发AI通谕Magnifica Humanitas，Anthropic 300亿美元融资估值超OpenAI，Cohere开源Command A+挑战大模型封闭生态

教皇利奥十四世发布史上首份AI通谕《Magnifica Humanitas》，Anthropic联合创始人Olah同台

教皇利奥十四世于5月25日正式发布通谕《Magnifica Humanitas》（壮丽的人类），这是罗马天主教历史上第一份专门针对人工智能的教皇通谕。

关键信息：

• 通谕名称：Magnifica Humanitas（壮丽的人类），取自中世纪赞美人类创造力的传统
• 核心关切：AI对人类尊严、劳动意义、知识主权和人际关系的影响
• Olah发言：Anthropic联合创始人Christopher Olah作为唯一AI行业代表受邀在梵蒂冈发布会上发言，强调”AI安全不是技术问题，而是人类选择问题”
• 历史背景：利奥十四世选择以”利奥”为名号，正是致敬1891年发布《新事通谕》应对工业革命的利奥十三世——本次AI通谕被视为数字时代的《新事通谕》
• 时机选择：G7峰会前夕发布，意在影响全球AI治理政策走向

这是一份具有里程碑意义的文件。1891年利奥十三世的《新事通谕》定义了天主教会对工业革命的立场，影响了此后一个世纪的社会政策；利奥十四世显然希望《Magnifica Humanitas》对AI时代产生同等分量的影响。邀请Olah而非Altman或其他AI公司CEO发言，信号明确：梵蒂冈更关注”做AI安全的人”而非”做AI最大的人”。

编者评： 教皇发AI通谕，这可能是2026年最出圈也最被低估的AI事件。梵蒂冈的13亿信徒意味着这份文件的传播力远超任何技术白皮书。Olah而非Altman被选为发言人也值得深思——这是对”AI安全优先”路线的制度性背书，而非”AI增长优先”。但真正的问题是：一份没有执法力的道德训导，能否在3000亿美元/年的AI军备竞赛中产生实质影响？《新事通谕》花了50年才改变劳动法——AI不等人。

Anthropic完成300亿美元融资，投后估值9000亿美元超越OpenAI

Anthropic正式完成300亿美元融资，投后估值达到9000亿美元，超越OpenAI成为全球估值最高的AI公司。

关键数据：

• 融资规模：300亿美元，AI领域历史最大单轮融资
• 投后估值：9000亿美元，超越OpenAI（约8520亿美元IPO估值）
• 领投方：Sequoia Capital、Dragoneer、Altimeter Capital、Greenoaks联合领投
• 资金用途：主要投向算力基础设施（训练集群扩容）和下一代模型研发
• 营收背景：Anthropic Q2预计营收109亿美元，首度实现季度盈利5.59亿美元

这笔融资的深层意义不仅是数字：Anthropic在盈利节点拿到历史最大融资，说明资本市场正在重新定义AI公司的估值逻辑——从”烧钱换增长”转向”盈利能力+增长空间”。9000亿美元估值意味着市场认为Anthropic的长期价值至少相当于1.5个英伟达或3个Meta。

编者评： 300亿美元是什么概念？这比OpenAI IPO募集的资金还多，比2024年全年AI领域融资总额的1/3还多。而Anthropic在融资的同时已经盈利——这在AI公司中是极其罕见的。Sequoia等四家顶级基金联合领投，信号是：硅谷资本正在下注”AI安全路线也能赚大钱”。但9000亿美元估值也意味着，市场预期Anthropic未来10年的累计营收需要超过2万亿美元——这是一个令人眩晕的数字。当一家公司的估值超过大多数国家的GDP时，问题不再是”能不能赚到”，而是”这种集中是否健康”。

Cohere开源Command A+：218B MoE模型Apache 2.0协议，Transformer联合作者挑战封闭生态

Cohere正式开源Command A+模型——一个218B参数的MoE架构大模型，采用Apache 2.0协议，向GPT-5.5和Claude Opus 4.7的封闭生态发起挑战。

技术要点：

• 模型规格：218B参数MoE架构，激活参数约46B，支持128K上下文
• 开源协议：Apache 2.0——最宽松的主流开源协议之一，允许商用、修改、分发
• 性能定位：对标GPT-5.5和Claude Opus 4.7，在多个基准上接近前沿水平
• 创始人背景：Aidan Gomez是”Attention Is All You Need”论文联合作者，Transformer架构的共同发明人
• 企业定位：Cohere专注企业市场，强调数据主权和私有化部署，与OpenAI/Anthropic的消费端路线形成差异化

Command A+的Apache 2.0开源在当前”伪开源”风气中是一股清流。Llama系列虽开源权重但限制商用，Grok开源但附加条款——Apache 2.0意味着企业可以真正自由地使用、修改和商业化，无需担心法律风险。

编者评： Aidan Gomez做了一件他的Transformer联合作者们都没做的事——把一个真正的前沿模型以最宽松的协议交给了世界。当OpenAI从”Open”走向封闭、Anthropic从不公开走向半公开、Llama用”开源”之名行”源可用”之实时，Apache 2.0的Command A+是真正的开源。但开源的代价也很现实：Cohere的营收远不及OpenAI和Anthropic，资本市场是否愿意为”理想主义”买单？在AI领域，开源从来不只是技术选择，更是商业模式选择——而历史证明，开源赢生态，闭源赢利润。

Claude Code网络沙箱逃逸漏洞曝光：SOCKS5空字节注入，静默修复5.5个月

安全研究人员披露Claude Code的网络沙箱存在严重逃逸漏洞，可通过SOCKS5代理空字节注入绕过网络隔离。

漏洞详情：

• 漏洞类型：SOCKS5代理空字节注入（null-byte injection）
• 影响范围：攻击者可绕过Claude Code的网络沙箱，访问本应被隔离的外部网络服务
• 发现时间：漏洞存在约5.5个月后才被修复
• 修复方式：Anthropic静默修复，未主动公开披露漏洞细节
• 安全问题：静默修复意味着在此期间使用Claude Code的企业客户可能已在不知情的情况下暴露于风险中

这个漏洞的严重性不仅在于技术细节——SOCKS5空字节注入是一个经典的代理协议绕过手法，理论上应该在安全审计中被发现——更在于Anthropic的响应方式：静默修复而非公开披露。在AI安全领域，“Responsible Disclosure”（负责任披露）是行业共识，5.5个月的沉默期让用户无法评估自身风险。

编者评： 这是一个让”AI安全旗舰”Anthropic尴尬的漏洞。当一家公司以”安全优先”为核心品牌时，静默修复安全漏洞5.5个月而不公开披露，这本身就是对品牌承诺的违背。SOCKS5空字节注入不是什么高级攻击——这是代理协议安全101的内容。更令人担忧的是：如果连Claude Code的网络沙箱都存在如此基础的漏洞，那么更复杂的Agent安全架构又能让人放心多少？AI安全的真正考验不是发布原则，而是在漏洞被发现时的行为。这次Anthropic的表现，不及格。

Verkor Design Conductor：AI自主设计RISC-V CPU，219词需求→7nm GDSII仅需12小时

Verkor发布Design Conductor系统，AI首次从自然语言需求自主完成RISC-V CPU的全流程芯片设计。

核心突破：

• 输入：仅需219词的自然语言需求描述
• 输出：7nm工艺GDSII版图文件（可直接交付晶圆厂流片）
• 耗时：从需求到版图仅需12小时，传统流程通常需要6-18个月
• 自动化程度：全程无需人类工程师干预，包括架构设计、逻辑综合、物理设计、DRC检查
• 芯片类型：RISC-V开源指令集，规避了ARM/IP授权壁垒

Design Conductor的意义远不止”AI做芯片”——它改变了芯片设计的根本经济学。传统芯片设计的NRE（Non-Recurring Engineering）成本动辄数千万美元，这是小公司无法进入芯片行业的最大壁垒。当AI能在12小时内完成从需求到版图的全流程，芯片设计的边际成本趋近于零，这意味着”定制芯片”可能从奢侈品变成日用品。

编者评： 219词→12小时→7nm GDSII，这个数字组合如果是真的，将彻底改写半导体行业的经济学。传统芯片设计最大的成本不是流片，而是人力——一个SoC设计团队可能需要上百人工作两年。当这个过程被压缩到12小时，“为每个应用定制芯片”就从梦想变成了现实。但冷静思考：GDSII只是流片的起点，不是终点。后端的工艺优化、良率提升、测试验证仍然是AI尚未攻克的领域。Design Conductor是芯片设计自动化的里程碑，但距离”AI取代芯片工程师”还有相当距离——它更像是一个超级高效的”初版生成器”。

BitCPM-CANN：首个国产昇腾NPU三值LLM，1.58-bit量化6倍显存压缩

清华大学与华为联合发布BitCPM-CANN，首个在华为昇腾NPU上成功运行的三值（1.58-bit）大语言模型。

技术亮点：

• 量化方案：1.58-bit三值量化（权重仅取-1、0、+1三个值），替代传统16-bit浮点
• 显存压缩：实现6倍显存压缩，8B参数模型可在单卡昇腾910B上运行
• 性能保持：量化后模型性能接近全精度模型，关键基准损失控制在3%以内
• 硬件适配：专门针对昇腾NPU的CANN计算架构优化，非简单移植
• 生态意义：证明国产AI芯片在极低比特推理上的可行性，为国产替代提供技术路径

三值量化是LLM推理的极端优化方向：当权重只有-1、0、+1三种值时，矩阵乘法退化为加法，理论上可实现数十倍的计算加速。但此前三值量化几乎只在NVIDIA GPU上验证过，在昇腾NPU上实现需要解决完全不同的底层优化问题。

编者评： BitCPM-CANN的价值不在于模型本身——8B参数在2026年不算大模型——而在于它证明了一件事：国产昇腾NPU不仅能跑大模型，还能跑极限优化的大模型。1.58-bit量化+6倍显存压缩意味着，同样的硬件可以服务6倍的用户或跑6倍大的模型。在中美AI芯片博弈的背景下，这种”用算法补硬件”的路线具有战略意义。但也要看到：三值量化的性能损失在8B模型上可控，不代表在100B+模型上同样可控——规模效应可能放大量化误差，这是下一阶段需要验证的关键问题。

DeepMind AlphaProof Nexus解决9个Erdős猜想+44个OEIS猜想，LLM+Lean形式化验证

Google DeepMind发布AlphaProof Nexus，将LLM的数学直觉与Lean形式化验证相结合，一次性解决了9个Erdős开放猜想和44个OEIS猜想。

关键成果：

• Erdős猜想：9个此前未被证明的Paul Erdős提出的开放数学猜想得到完整证明
• OEIS猜想：44个在线整数序列百科全书（OEIS）中记录的猜想得到验证
• 方法论：LLM生成直觉性证明思路，Lean 4形式化验证器严格验证每一步推理的正确性
• 成本：每个问题约数百美元，远低于传统数学研究的人力成本
• 可靠性：Lean验证确保每一步证明都经得起机器检查，不存在”看起来对但其实有漏洞”的问题

AlphaProof Nexus的方法论是”LLM直觉+形式化验证”的完美互补：LLM擅长发现模式和提出猜想，但不擅长严格验证；Lean擅长逐步验证，但不擅长发现新思路。两者结合，既有创造性又有可靠性。

编者评： 9个Erdős猜想+44个OEIS猜想——这不是在考试，而是在拓展数学的边界。Erdős一生提出了1500多个猜想，其中大部分至今无人问津，因为传统数学家的人力有限。AlphaProof Nexus用”数百美元/问题”的成本批量解决猜想，本质上是在做”数学猜想的大规模工业化验证”。但更深层的问题是：当AI可以批量证明Erdős猜想时，人类数学家的角色是什么？可能是提出更深层的猜想——Erdős本人就是这样，他最大的贡献不是证明，而是提出那些引导整个数学方向的猜想。AI目前还做不到这一点。

编者按

本期声浪的底色可以用一个关键词概括：主权。

教皇的AI通谕是精神主权的宣示——当13亿信徒的道德权威介入AI治理，“AI该不该做”不再是工程师能单独回答的问题。《Magnifica Humanitas》之于AI时代，正如《新事通谕》之于工业革命——它不会直接改变技术路线，但会改变社会对技术的容错边界。Olah而非Altman被选为发言人，更是一个明确信号：在”做什么”和”怎么安全地做”之间，梵蒂冈选择了后者。

Anthropic的300亿美元融资和9000亿美元估值是资本主权的加冕——当一家AI安全公司的估值超越OpenAI，市场正在用真金白银投票：安全路线也可以是最赚钱的路线。但9000亿美元估值也意味着，Anthropic被期望在未来10年创造超过2万亿美元的价值——这种期望本身是否可持续？

Cohere的Apache 2.0开源是技术主权的民主化——当Command A+以最宽松的协议开放，Aidan Gomez在说：前沿AI不应该被三家公司垄断。但开源的代价同样明显：Cohere的营收远不及封闭生态的竞争对手，“理想主义”的商业模式能否持续？

BitCPM-CANN是算力主权的突围——1.58-bit三值量化+昇腾NPU的组合，本质上是”用算法补硬件”，在中美AI芯片博弈的大背景下具有战略意义。当H200的供应不确定时，“更高效的算法”就是最可靠的替代方案。

Claude Code沙箱漏洞则是对安全主权的拷问——当Anthropic静默修复漏洞5.5个月而不公开披露，它违反了自己”安全优先”的承诺。安全不仅是做得好，更是被发现时做得对。

从教皇到创业者，从算法到芯片，从数学证明到安全漏洞——本期声浪的主题是：AI时代的主权争夺正在从”谁跑得最快”转向”谁定义规则”。当速度不再是唯一指标时，制定规则的人才是真正的赢家。