周一,OpenAI 宣布获得由软银领投的创纪录 400 亿美元融资,这一出人意料的消息震惊科技界。此轮融资使 OpenAI 估值飙升至空前的 3000 亿美元,创下私募投资历史新高。
这笔具有里程碑意义的投资不仅凸显了 AI 日益增长的重要性,也预示着企业技术格局的转变。有了如此雄厚的资金实力,OpenAI 在为企业提供先进生成式 AI 解决方案的竞争中将更具持久力。该公司不仅要与 Google 和 AWS 等巨头抗衡,还需要谨慎处理与合作伙伴 Microsoft 的关系,同时还面临着 Anthropic 和 Elon Musk 的 xAI 等强劲对手的挑战。在此轮融资完成之前,市场一直质疑 OpenAI 是否有足够的资本继续在顶级赛场上竞争。
根据研究公司 Gartner 的数据,预计今年企业在生成式 AI 上的支出将达到 6440 亿美元,较去年增长 76%。这也解释了为什么大公司都在争相抢占市场份额。
OpenAI 在公告中表示,目前周活跃用户数达到 5 亿,较一个月前公布的 4 亿有显著增长。如此迅猛的增长态势使得公司迫切需要资金来建设服务器等基础设施以满足需求。这也表明,尽管面临激烈竞争(Google、Anthropic 甚至中国公司 DeepSeek 等竞争对手提供的 AI 模型在功能上往往可以媲美 OpenAI 的领先模型),但 OpenAI 的增长势头并未放缓。
周一,OpenAI 还宣布了另一个重大决定:计划推出开放权重推理模型,并允许开发者在自己的硬件上运行,这与 OpenAI 迄今为止以云订阅模式为主的营收模式形成鲜明对比。
融资详情深度解析
对于正在应对这一快速变化环境的决策者来说,理解 OpenAI 最新融资举措的影响至关重要。据 CNBC 报道,这笔 400 亿美元的融资主要来自软银,Microsoft、Coatue、Altimeter 和 Thrive Capital 也参与其中。根据 OpenAI 的公告,这笔资金将用于 AI 研究、计算基础设施建设以及增强包括广受欢迎的 ChatGPT 在内的 AI 工具套件。值得注意的是,其中 180 亿美元将投入到 Stargate 项目——这是 OpenAI、软银和 Oracle 合作开发大规模 AI 基础设施的联合项目。
报道还指出,此轮融资将分多个批次进行,部分资金的到位取决于 OpenAI 能否在今年年底前转型为营利性公司。
尽管 OpenAI 目前仍在亏损,但公司预计将在 2029 年实现收支平衡,之后开始获得可观利润。
CEO Sam Altman 周一早间在推特上表示,公司"在过去一小时内新增了 100 万用户",这与 26 个月前 ChatGPT 刚推出时五天内新增 100 万用户形成鲜明对比。最新一波用户激增得益于 OpenAI 上周对其图像生成技术的重大更新,该更新将图像创作的便利性和精细程度提升到了新的高度——消费者们疯狂地制作吉卜力工作室风格的自拍。值得注意的是,OpenAI 周一宣布恢复允许免费用户访问新的图像生成技术,此前由于服务器负载过重,该功能曾在上周暂时关闭。
虽然 OpenAI 在消费者端持续引发热潮,但对企业技术领导者而言,这轮融资也具有重要意义:OpenAI 增强的资源将有助于加速开发面向企业的先进 AI 模型和产品,使其在日益激烈的竞争中保持领先地位。企业应该预期会出现持续不断的新型 AI 驱动解决方案,这要求企业持续保持警觉,紧跟这些新产品的发布步伐,以保持竞争力。
好文章,需要你的鼓励
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。