∞ 70亿美元买100多名人才 NVIDIA要搞全球最强开源模型
NVIDIA不仅是全球最赚钱的AI硬件公司，现在也把重点放在大模型开发上了，为此不惜砸了70亿美元招人，要开发全球最强的开源大模型。美国媒体报道，NVIDIA要跟AI初创公司Poolside达成一项合作协议，会以120亿美元的估值向公司投资10亿美元，同时花费60亿美元购买该公司的技术产权及部分研发人员。
这个合作模式跟NVIDIA去年底与LPU芯片公司Groq的合作相似，不是直接收购这家公司，而是重金获得技术授权及人才，公司还会继续独立运营。
Poolside公司大约100多名员工将会加入NVIDIA公司，参与的则是NVIDIA自己开发与的大模型Nemotron，旨在帮助该系列大模型成为全球最强。
众所周知，NVIDIA是强烈支持开源大模型的，之前也对中国的DeepSeek、Kimi等开源大模型表示赞许，该公司自己的Nemotron大模型也是开源开放的，只不过性能不算出众，达不到DS V4、Kimi K3等中国开源大模型的水平。
NVIDIA作为全球最大的AI GPU供应商，而且利润丰厚，在资金及算力资源上优势独特，现在又招揽了一堆人才，Nemotron未来的性能跻身一线是很有希望的。
NVIDIA自己下场开发最强的AI大模型，对OpenAI、Anthropic等VIP客户来说不是好事，但老黄这也是以彼之道还施彼身罢了。
因为OpenAI、Anthropic两家公司也在大笔购买NVIDIA GPU之外的AI算力，包括Google及亚马逊，并且还在开发自己的AI芯片，他们不想依赖NVIDIA的芯片，NVIDIA自然也不能把大模型的希望都放在他们身上。
对NVIDIA来说，自己开发最强的开源AI还有别的好处，美国迟早要对中国的开源AI下黑手的，NVIDIA的大模型未来有机会抢这部分市场，他们是不希望DeepSeek、Qwen、Kimi、GLM等中国开源大模型成为美国公司使用的主要大模型。
∞ 中国卖20万、德国卖47万 国产奥迪价格翻一倍卖还是比德国便宜
据Carscoops报道，奥迪与上汽专为中国市场打造的两款电动车AUDI E5 Sportback和E7X，近日通过平行进口商Auto China登陆德国市场销售。即便算上运费、认证等一系列成本，价格直接翻倍，依然比奥迪在德国本土销售的同级电动车便宜一大截。
具体来看，E5 Sportback在德国售价59980欧元，约合人民币47万元，而它在国内的起步价仅20.59万元。尺寸更大的E7X SUV德国起售价72900欧元，约合57万元，国内起售价则是26.98万元。
进口商Auto China负责在中国采购车辆、运抵德国并完成当地认证上牌，这家公司的业务还包括小米、理想和上汽系车型的平行进口。
价格翻倍之后，这两款车的性价比依然能打，E5 Sportback搭载双电机，最大功率776马力，而奥迪自家的S6 Sportback e-tron起步价99500欧元，动力却只有543马力。
定位接近E7X的奥迪SQ6 e-tron起售价93800欧元，无论豪华感还是价格都不占优。要知道，E5 Sportback全系标配800V平台、激光雷达和59英寸贯穿屏，还拿过中国年度车大奖，产品力是经过全球最卷市场验证的。
不过这桩买卖并非没有风险，奥迪完全可以诉诸法律阻止此类销售，2023年就有先例，德国一家进口商引入20辆中国版大众ID.6，经过漫长的法律程序后被勒令全部销毁。
并未，即便奥迪不出手，车主也很难获得官方售后和维修支持。
有意思的是，过去十几年平行进口车的方向一直是把欧美市场的便宜豪车运进中国，如今彻底反了过来。德国人造的车在中国研发、中国生产，再被德国人自己花双倍价钱买回去，哪怕翻倍还比本土便宜。这一幕，才是德国汽车工业最不愿看到的现实。
∞ 蔚来李斌：中国汽车进入“最残酷决赛阶段” 三五年尘埃落定
8月22日，在2026中国首席经济学家复旦管院科创论坛上，蔚来创始人、董事长、CEO李斌针对中国新能源汽车产业发展，发表了自己的看法。李斌称：“今年对于新能源汽车是非常重要的一年，整体竞争非常激烈，中国汽车行业也在进入四个新阶段。”
第一，最残酷决赛阶段。接下来三五年，最后的玩家差不多就会尘埃落定。一家车企到底能不能跟上？会不会被甩下？最近两年会是非常重要的一个时期。
第二，纯电渗透率加速爬升阶段。今年中国车市所有动力形式，其实只有纯电在增长，插混、增程包括纯燃油都在下跌。背后最根本的原因，还是因为纯电技术包括充换电基础设施数量都到了一个拐点。去年，李斌曾提出“纯电拐点论”，今年的销量数据证明了他的判断。
第三，从品牌混沌期进入品牌澄清期。过去，消费者购买新能源车更多是比较各种参数，但此刻随着技术逐渐收敛，产品实际体验愈发同质化，品牌的重要性开始提升。
在李斌看来，越来越多的用户选车开始先选品牌，也逐步接近过往汽车行业的一个规律。
第四，从单点竞争进入体系竞争阶段。站在李斌的角度，过去靠一招鲜、一个长板赢得胜利，在今天的车市大环境下已经失效。相比之下，现在的竞争是研发、供应链、制造、质量、销售、服务甚至资本市场等维度的全面竞争。像极了泥泞路上的马拉松，就看谁能挺下去。
∞ Anthropic把员工入职第一课给公开了
Anthropic把自家员工入职培训的那套课程，原样搬到了网上。免费。就在昨天，Claude Academy正式上线。289个资源：课程、教程、真实用例全在里面，从“AI到底是什么东西”一路到Claude Code、API、MCP、agents和生产级部署。
最重要的是，注册一个免费Claude账号就能看，学完发结业徽章，可以公开验证，也能挂到LinkedIn上。
按照博客上的说法，本来这些内容原本是给新员工入职培训上的。
从零通关Claude Code
Anthropic 表示每天有数百万人跑到他们的官网上学习怎么使用 AI，公司为此还专门养了一支教育团队。
Claude Academy就是这支教育团队的总入口。
零基础的可以先搞清楚 AI 能干什么，然后上手对话、Cowork这些。
想写代码的更直接。Claude Code从入门到实战课都摆在那儿，再往后就是API、MCP、agents，一路到把东西部署上线。
课程还按人群分了岔路，写代码的、老师的、搞公益的、开店的，各走各的。底下有一门通识课大概14节，相当于整个体系的地基，不管你是谁都建议先过一遍。
装上Claude Academy Skill，它还会照着你的习惯和进度，直接告诉你下一步该看哪个。
最硬的一块：入职第一天学的4D框架
整个Academy最核心的东西，是Anthropic和Rick Dakan、Joseph Feller两位教授一起开发的 AIFluency 4D框架。
简单说就四件事：
Delegation——哪些活交给AI，哪些自己干。
Description——把需求和过程说清楚。
Discernment——挑剔地检查AI交回来的东西。
Diligence——用得负责任，并且告诉别人AI在里面做了什么。
Anthropic 的新员工入职第一天就要学习这个框架。它练的不是怎么写 Prompt，而是怎么判断哪些活该给 AI，哪些要自己干。还要学习 AI 最容易在哪些地方犯蠢，免得被带到沟里。
入职之后这些培训也不会停，他们管这叫“ever-boarding”。说白了就是没有“结业”这回事，因为AI的能力边界一直在变，人的认知也得跟着刷新。
活到老，学到老。
教育团队讲了一件挺反常识的事：具体技巧正在快速贬值。
以前你得先告诉Claude这份东西是写给法务同事看的，现在它自己就会来问你了。模型在进化，昨天的最佳实践今天可能就是多余动作。
所以他们把重心从教动作挪到了“养心智”，翻来覆去就这两句话——
今天的AI，是你这辈子会用到的最差的AI。
按风险高低决定验证力度。
课程还专门提醒，别把自己在意的本事全交出去，那会使技能萎缩。
比如，敏感的内容还是要自己写，汇总幻灯片丢给AI；探索性的数据分析交给Claude跑，但最后的核对还是要自己来。
这已经不是教你怎么使用工具那么简单了。这是在学习如何跟一个越来越强大的非人类队友相处、配合。
竞争已经换了赛道
官方@claudeai那条帖子发出去几小时，点赞过万，转帖上千，浏览量冲到百万级。
网友@hiro44_pino连夜写了长帖，说289个资源不用全啃，每天看一点，立刻拿来实践。先用官方免费教材就够了，比买高价课划算得多。
实用派给了更短的路线：先看7分钟的The 4 Properties of AI，再拿手上的活试一个具体的场景，卡住了再回来补长课程。
有网友表示课程还是很实用的，自己连续 6 个月每天使用 Claude，还是能在高级课程中学习到新的技巧。
开发者 Kadam 认为，这种免费资源是一种巨大的胜利。像 Claude Code 这样的工具教程对优化很有用。
当然也少不了阴阳怪气的声音，说这是教你如何更高效地被AI取代自己。
模型在往前跑，人得跟上
这件事真正值得琢磨的地方在于：它动摇的不只是AI培训市场，而是整个“学习”这件事的逻辑。
传统教育体系是先花四年打基础，再用经验慢慢长。但AI的能力边界每几个月就刷新一次，你半年前学的prompt技巧可能下个版本就内置了。
知识的保质期从没这么短过。
Anthropic的解法是，不教你记招式，教你练心法。不教你按哪个按钮，教你判断什么时候该按、什么时候该自己来。
4D框架的底层逻辑说穿了就一句话：人要永远比工具多想一步。
Anthropic把新人第一天的课免费放出来，其实是在说一件事：光是模型变强没用，用的人跟不上，白搭。
那句“今天的AI是你这辈子会用到的最差的AI”，反过来读更扎心：
它明天一定会更强，而大多数人的用法，还停在昨天。
∞ Anthropic“巴拿马计划”曝光 数百万旧书被切脊喂给ASI
Anthropic“巴拿马计划”曝光了！2024年4月13日，Anthropic内部传阅了一份文档。里面有这么一句：我们用一个“软代号”，因为不想让人知道我们在做这件事。代号叫巴拿马计划（Project Panama），这件事，是破坏性扫描全世界所有的书。
两年后，秘密曝光，这句话彻底失效了。
2026年1月，法官下令解封四千多页诉讼文件，外媒直接把备忘录原文登了出来。
人类写的书籍
正被拆解为ASI的数据集
“巴拿马计划”真正疯狂的地方，其实不只是切掉了多少本书。
它正在把几百年来，人类写进书里的知识、经验和思想，一页页拆成下一代AI的训练数据。
一个作者花十年写下的一本书，一位学者穷尽半生整理出的知识，一整个时代留下的语言、观念和叙事，进入扫描流水线之后，都会被OCR、切碎、Token化，最终汇进模型的参数。
对于正在向ASI狂奔的硅谷大厂来说，书架其实是一座还没被彻底开采的“人类知识矿山”。
尤其是2022年以前出版的纸书，经过作者、编辑、出版社层层筛选，长文本结构完整，又几乎没有AI生成内容污染。
互联网越被AI文本淹没，这批“纯人类语料”反而越稀缺。
所以，当Anthropic说要拿到“世界上所有的书”，它想收集的其实是一份尽可能完整的、人类文明训练集。
接下来发生的一切，也就顺理成章了。
一开始
Anthropic根本没打算买
2021年，公司成立第一年的Anthropic，压根没想过花钱买书。
联创Ben Mann先下载了Books3，约18.3万份；同年6月从LibGen拿走至少500万份；2022年7月，Pirate Library Mirror再拿至少200万份。
三笔加起来，超700万份盗版电子书。毕竟，拿，比买省事。
判决书里，CEO达里奥直言：本来有很多地方可以买，但走正规采购要面对一堆法务、实操和商务上的麻烦。
2024年2月，Anthropic把Tom Turvey招了进来，任务便是拿到“世界上所有的书”，还得绕开那堆麻烦。
他没再谈授权，直接从图书分销商和零售商手里批量买货：数千万美元，数百万本，很多是二手的。
书运到之后是固定的三步。
液压切纸机削掉书脊，高速扫描仪把散页扫成可搜索的PDF，纸张进回收车。
判决书第15页写得很清楚：剥离装订、裁切书页、扫描，然后丢弃每一本纸质原件。
斥资15亿美元，换来一张“通行证”
去年6月，法官William Alsup的判决把这件事拆成三块。
用书训练模型：合理使用。买来的纸书一对一转成不外传的数字副本：也是合理使用——一本进，一份出，原件已经销毁，副本总数没有变多。
从盗版站下载还永久留存，不受保护，为此Anthropic赔了15亿美元。
判决书第15页：Anthropic及其供应商剥离装订、裁切书页，扫描后丢弃每一本纸质原件。
对照Anthropic现在9650亿美元的估值，这笔钱占0.16%。
更要紧的是它放行了什么：不是“切书”，是“买来的一本，换成一份”。原件必须消失，这套论证才成立。
也就是说，切，是这条链的承重墙，不是图省事。
硅谷大厂跟风
开始买旧书
过去十年，AI公司抢的是网页、代码、图片，抢完原件还在。
现在抢的是纸书，切一本少一本，最核心的因素是“干净”。
语料里最稀缺的是没被AI写过的字，行业里流行的说法是，2022年前出版的纸书不可能混进大模型生成的内容。
《华盛顿邮报》拿到的文件里还有一层：Anthropic偏爱纸书，是因为出版物文笔好，不带那股“低质量互联网腔”。
解封文件里另有一条采购要求：优先买“不那么常见”（less common）的书。
不常见，往往就是绝版、印量小、市面难找。
需求烧到了大西洋另一头。
英国旧书商，最先感觉到了异常。他们这几个月是真赚到钱了。
诺森伯兰郡Barter Books的Stuart Manley告诉BBC，他平时一周卖两三千本，最近一笔来自加拿大公司的订单，一单就抵得上一周。
干了30年二手书生意，他说没见过这种事。
今年7月，图书数据服务商ISBNdb挂页面对AI公司喊话：
世界上最好的AI训练数据正躺在书架上，可承接1000本到100万本的订单，为买家保密身份。
页面上还有一句自白：观感问题是真实存在的，“某AI公司销毁两百万本书”不是一个能博得同情的标题。
就在最新404 Media报道中，公布了另一条线。
一位书商在旧书平台Biblio接到一笔约1000本的匿名订单，书目毫无关联，买家不还价。他在其中一本书里夹了一枚苹果AirTag。
追踪器从加州出发，最后停在拉斯维加斯的亚马逊LAS8设施。
那栋楼平时干的是按需印刷——有人下单，这里印一本新书发出去。
北端有块叫VGT3的区域，门上贴着一只霸王龙，爪子抠进书里。一名员工在内部论坛写：我们的任务就是扫书，有人负责切书，有人负责收货扫条码。
亚马逊拉斯维加斯LAS8设施VGT3区域的入口标志，一只红色霸王龙爪子扣进书里。（图源：404 Media）
同一栋楼，南边印新书，北边毁旧书。
谁来负责把书留下来
同样是扫书，互联网档案馆的目的正好相反：不为训练，只为把书留下，让所有人都能读到。
它用的是Scribe扫描仪，一页一页人工翻。
他们试过机器人翻页，但对稀有书行不通，最后还是靠人手。
一位操作员十年扫了大约一万八千本书，是七十名Scribe工人中的一个。整个档案馆用了二十年，扫到第二百万本。
互联网档案馆的Scribe扫描工作站，书放在V形托上，人工逐页翻拍。全球约70名Scribe操作员，一台一台这样干了二十年。（图源：Wikimedia Commons）
同样是扫书，亚马逊VGT3的流水线刚上了工时定额。
一边二十年扫了两百万本，一边恨不得一天清掉一卡车。
销毁与存留之间的速度差，十分刺目。
但真正的问题不在快慢，而在于切下去的是哪本书。
爱丁堡McNaughtan's书店的Derek Walker心中有一笔账。
一本只印了100册、其中75册已经进了图书馆的学术书，市面上确实罕见，但毁掉一本，谈不上多大的损失。
可他店里也卖出去过18世纪的某个版本，全世界只此一本。它们如果进了切纸机，性质完全不同。
Barter Books的Stuart Manley说得实在。
世界确实不再需要五百万本《达芬奇密码》，那些书堆在库房里二十年卖不掉，现在有人整批拉走，对他是好事。
但Walker卖出的18世纪唯一孤本，一旦切开就没了。
更可怕的是，AI公司只按ISBN收货，是畅销书还是孤本，对于它们并没有什么区别，在那些匿名订单里是不做区分的。
如果真有一本孤本进了切书机，我们大概率永远不会知道。