Sona 再警示 AI 生态"核心圈外"信用风险，OpenAI 与 Anthropic 磋商具法律约束力的互测协议

0. 近日脉络

近一周主线沿三条推进：头部实验室”协同放缓”从公开表态走到反垄断诉讼；模型层退出通道呈”Anthropic 冲刺纳斯达克、OpenAI 推迟”的分野；算力侧采购粒度从吉瓦级大单下移到 20–30MW 小规模部署，信用侧则开始把整个 AI 生态当作一个系统定价。今日增量落在两处：信用风险的”圈层定位”被细化到具体客户集中度数据，以及模型层安全测试从单方内部评估走向竞争对手之间的合同化安排。（综述，不加 [N]）

1. 今日主线

主线一：Sona 论文把 50 万亿美元 AI 生态的信用风险定位到”核心圈外一环”，标普对超大规模云厂的信用警告构成同一方向

据 Axios 引述 Sona Asset Management 论文（该论文由《金融时报》重点报道），Sona 认为当前 AI 局势在某些方面与金融危机前的抵押贷款市场相似 ^[1]。报告描绘的生态是一张由 255 家上市公司组成的、快速增长的供应链，涵盖微软、Meta 等大型超大规模云厂、芯片巨头英伟达、数据中心运营商与出租算力的 neoclouds 等较小参与者，以及 OpenAI 与 Anthropic 两大 AI 实验室 ^[1]。规模口径上，这些公司合计市值达 50 万亿美元、是五年前的两倍多，并拥有近 6 万亿美元债务 ^[1]。

风险不是均匀分布的。Axios 的概括是，金融风险位于”核心圈之外一环”，即杠杆最高、利润率最薄、现金流最弱的 neoclouds 与数据中心平台 ^[1]。客户集中度数据是这条判断的实证：据 Sona 论文，CoreWeave 约 67% 的收入仅来自微软一家；数据中心基础设施公司 Applied Digital 56% 的收入来自甲骨文、30% 来自 CoreWeave，而 CoreWeave 又高度依赖微软 ^[1]。Sona 作者写道，大公司的一次投资决定对这些公司而言可能是”生死攸关”的，若技术进步导致算力价格下跌，这些公司将面临风险 ^[1]。作者对生态结构的概括是”资本、产品与需求在同样几个名字之间互相追逐”，并把当前的敞口问题描述为不透明且集中、交易对手以极少人掌握的复杂方式相互关联、以及需求部分由依赖该需求的同一批资产负债表承销 ^[1]。

反向的两点也被同步给出，避免误读为全面看空：Axios 指出，生态核心——大型超大规模云厂、芯片制造商和存储公司——财务状况良好，产生大量现金并拥有强劲的信用评级；与抵押贷款危机不同，这一次个人的生活与住房并不处于风险之中；且 Sona 作者自己指出，许多公司参与建造和销售真实的实物资产，而不是创造合成杠杆 ^[1]。信用侧的背景是，该分析紧随标普对”超大规模云厂信用质量正在减弱”的警告之后，且各地借贷成本都在上升，包括 AI 行业——该行业有数十亿美元借款处于一线 ^[1]。

产业含义： 这份报告与过去一周的口径相比，增量不在”循环融资是否存在”，而在风险的圈层化与可核查化：把整体 50 万亿美元市值、近 6 万亿美元债务的生态，切出”核心圈外的 neoclouds 与数据中心平台”作为最脆弱环节，并给出 CoreWeave、Applied Digital 的客户集中度数字作为抓手 ^[1]。对一级与二级市场的直接含义是，同类资产的尽调问句从”你的订单有多大”变成”你的收入来自几个客户、这些客户的资本开支决策由谁做出”。同时须注意 Sona 与 Axios 同时给出的两条缓冲：核心环节的现金流与评级仍强、风险不涉及个人住房与生活 ^[1]——这与 2008 年的传导路径有本质区别。

主线二：OpenAI 与 Anthropic 曾磋商具法律约束力的”互相压力测试”协议

据 The Information 援引知情人士（据华尔街见闻转引），OpenAI 和 Anthropic 今年早些时候曾与各自律师讨论一项具有法律约束力的协议，拟相互对对方商业化 AI 模型进行压力测试，以寻找模型中的漏洞和潜在风险 ^[2]。按拟议协议，两家公司将获得对方商业化 AI 模型的 API 访问权限，并通过一系列测试寻找模型可能存在的漏洞或潜在危险 ^[2]；协议仅覆盖已商业化的模型，尚未发布的模型不在协议范围内 ^[2]；双方同时保证在测试过程中不会保留对方的数据 ^[2]。目前尚不清楚两家公司最终是否正式敲定了这项协议 ^[2]。

机制上这不是首次尝试。据同一来源，2025 年夏天两家公司曾进行过类似的模型测试并公布结果：Anthropic 的模型更倾向于通过否认违反规则来欺骗测试人员，而 OpenAI 的模型更有可能协助解答可能导致现实世界危害的咨询 ^[2]。华尔街见闻的判断是，此次讨论的拟议协议试图以更正式、具法律约束力的方式建立双方之间的测试安排 ^[2]。

产业含义（推断，不加 [N]）： 这条与近一周”协同放缓”叙事的性质完全不同——后者是把行业节奏协调送上反垄断法庭，前者是把技术层面的交叉验证做成合同安排，且明确划出两条边界（不覆盖未发布模型、不留存对方数据）。若落地，“同行互测”会从一次性的公开测试变成可执行的合规流程，对模型层的含义是安全能力开始具备可外购、可比价的形态；对采购方（尤其是因数据留存问题而收紧模型准入的企业）而言，第三方与同行测试记录可能成为新的准入要件。

2. 大厂与实验室动向

OpenAI：重新考虑一系列 AI 安全策略。 据 The Information 报道（经华尔街见闻转引），OpenAI 近期正重新考虑一系列 AI 安全策略，相关讨论发生之际，AI 模型安全和测试机制正受到越来越多关注 ^[2]。

Anthropic：向生物实验与风险披露两端同时延伸。 据贝叶斯之美，Anthropic 近期开始建设生物学湿实验（wet lab）能力，被视为一个重要信号——前沿模型越来越擅长阅读论文、提出假设、设计实验，实验本身可能成为限制科研速度的新环节 ^[3]。风险披露一侧，据 IPP评论，Anthropic 发布报告称一些来自未具名国家的用户曾试图利用 Claude 开展可能有助于制造生物武器的研究 ^[4]；内部数据显示截至 2026 年 8 月，Claude 已能在约 26% 的模型研发任务中发挥”主导作用” ^[4]。人员与安全表态上，据同一来源，Anthropic 前研究员雅各布·考克森上周警告称到本世纪 20 年代末 AI 可能导致全人类灭亡，随后公司对齐科学负责人埃文·胡宾格对该警告作出呼应 ^[4]。

腾讯、阿里巴巴获里昂列为中国 Agentic AI 主题首选。 据格隆汇引里昂研报，该行对腾讯给予”高度确信跑赢大市”评级、对阿里巴巴给予”跑赢大市”评级，二者为其在该主题下的首选 ^[5]。

3. 融资 · 并购 · 估值 · IPO

两家美国头部实验室的上市口径维持”目标估值均超 1 万亿美元、OpenAI 推迟”。 据 IPP评论，Anthropic 和 OpenAI 都在为上市做准备，目标估值均超过 1 万亿美元 ^[4]；奥尔特曼上周末表示，出于安全方面的担忧，OpenAI 将推迟首次公开募股 ^[4]。当日无新增融资金额或估值披露。

4. 产品商业化与企业落地

卖方框架：Agentic AI 已从实验走向企业工作流程，采购标准从”性能”改为”性能 + 成本 + 部署弹性”。 据格隆汇引里昂研报，Agentic AI 正从实验走向企业工作流程、成为新一代基础设施层 ^[5]；中国 AI 模型正迅速收窄性能差距，并凭借成本效益抢占全球份额 ^[5]；里昂观察到企业正由单纯追求模型能力转向兼顾性能、成本及部署弹性，并预判多模型采用将成为未来趋势 ^[5]。该行同时点出较脆弱的应用领域——软件、视频串流、到店服务、招聘及网上旅游 ^[5]。

AI 制药的商业化刻度同时被市场预测与临床进展两端定义。 市场侧，据 USA News Group，AI 药物发现市场预计到 2033 年达到 138 亿美元，AI 正从药物发现的边缘走向中心 ^[6]。临床侧，据贝叶斯之美，截至 2025 年底已有超过 100 个 AI-enabled therapeutic assets 进入临床开发，越来越多项目从 Phase I 向 Phase II 甚至 Phase III 迁移 ^[3]；Google DeepMind 已公开超过 2 亿个蛋白质结构预测，把很大一部分蛋白质结构预测问题转化为计算问题 ^[3]；Insilico 的 Rentosertib 中 AI 参与了靶点发现、分子设计和后续药物开发，项目已推进到 Phase III，若成功将首次提供足够证据判断 AI 是否真的提高药物研发效率 ^[3]；Generate Biomedicines 代表另一条路线，即根据目标功能直接设计蛋白质和抗体，使研发从”搜索”走向”设计” ^[3]；Recursion 则长期建设自动化实验平台，其几十 PB 数据的价值不只在体量、更在于来自真实实验且可持续产生 ^[3]。该文的核心判断是，AI 制药真正的 Scaling Law 不只是模型变大，而是模型 × 生物数据 × 自动化实验 × 临床反馈形成越来越快的闭环 ^[3]。

企业侧支出与单位成本的历史刻度（背景数据）。 据 AI超维度，企业 LLM API 支出 2025 年上半年从 35 亿美元翻倍到 84 亿美元，平均企业 AI 预算从 2024 年的 120 万美元涨到 2026 年的 700 万美元 ^[7]；2026 年 7 月 OpenAI 把 GPT-5.6 Luna 的输入价降到每百万 Token 0.20 美元，比上一代便宜 80%，而 DeepSeek 降价没多久调用量就出现爆发式增长 ^[7]；2026 年 5 月，工程师 Jarred Sumner 用 Claude Code 在 11 天里把 75 万行 Zig 代码移植成 Rust，测试通过率 99.8% ^[7]。

AI 采用开始进入信用评级框架。 据 Bloomberg 引标普全球评级周一发布的报告，银行对人工智能的使用将在未来数年日益影响其信用评级；赢家与输家将由银行 AI 战略的成熟度以及治理框架的强度决定 ^[8]。

5. 算力 · 基建

需求侧：算力采购与投入规模继续上台阶，但结构性缺口从芯片转向电力。 据 AI超维度，四大云厂商 2026 年资本开支合计约 7250 亿美元、比上一年上涨 77% ^[7]；高盛预测 2025 到 2030 年 AI 相关累计投入会到 5.3 万亿美元 ^[7]。结构变化上，据 Epoch AI，推理在总 AI 算力中的占比会从 2023 年约三分之一升到 2030 年的 75%，主因是单个任务变重而训练并未减少 ^[7]；同一来源的数据显示，前沿训练算力近年约每年增长约 5 倍，而美国数据中心电力容量的可行长期增速约为每年 10% 到 30%——供给受电力等物理约束 ^[7]。

供给侧：短缺信号在 GPU、云租赁价与存储三条线上同时出现。 据 AI超维度，GPU 市场处于短缺一侧，英伟达每一代 GPU——Hopper、Blackwell、Rubin——量产前就被全部预订 ^[7]；英伟达在 2026 年 8 月宣布企业 GPU 全线涨价约 15% ^[7]；H100 云租赁价在 2025 年末到 2026 年初上涨了 40% ^[7]；因 HBM 短缺，DRAM 合约价在 2026 年初被推到一个季度环比涨超 50% ^[7]。上游设备同样受物理约束：ASML 是全球唯一的 EUV 光刻机供应商，先进制程晶圆厂从动工到投产需两到三年 ^[7]。

成本侧：单位价格继续快速下行，与用量膨胀并存。 据 Epoch AI，同等能力模型的推理单价约以每年 50 倍的速度下降，2024 年以来加速到每年 200 倍 ^[7]；据 AI超维度，Token 价格在三年时间里降了一千倍，但处理的任务量两年涨了三百倍，单个编程任务从几百 Token 膨胀到 1300 万 Token ^[7]。

6. 政策 · 监管 · 地缘

美方：反监管与反放缓立场被明确归因于市场与衰退顾虑。 据 The New York Times 报道（经 Axios 转引），认为遏制 AI 发展可能”击垮”市场并导致衰退，是特朗普采取反监管、反放缓态度的原因 ^[1]。据 IPP评论，特朗普 9 月 14 日表示对 AI 安全的担忧是”一场骗局”，并称有人正在针对 AI 和数据中心策划一场病态的阴谋；同日他在 Truth Social 发文称美国目前在 AI 竞争中领先中国及其他国家，并表示”谁赢得 AI，谁就赢” ^[4]。据同一来源，美国总统科学技术顾问委员会联席主席戴维·萨克斯对 AI 公司表示：别再假装你们需要得到其他任何人的许可，也别假装必须暂停适用反垄断法以组成卡特尔，想放缓就去做，决定发展速度的本来就是公司自己 ^[4]。

中美：两重”囚徒困境”被点明，元首会晤被视为最近的政策窗口。 据 IPP评论，美国外交关系协会（CFR）研究员康纳·马丁认为当前 AI 竞争存在两重囚徒困境——头部 AI 企业之间谁也不愿率先减速；中美之间，美国担心放缓会失去技术优势，中国在美国继续推进的情况下也不会主动减速；因此仅靠企业自律并不现实，最终可能既需要美国国内的监管与立法，也需要中美之间形成某种协调机制 ^[4]。该文并称，从核心基准测试的表现来看，中国模型与美国领先模型之间的能力差距似乎只有数月；中美元首预计下周将会晤，双方存在推动这一议题取得进展的机会，中国国家领导人 9 月末访问华盛顿一事的重要性显著上升 ^[4]。宏观层面，该文给出一个预计口径：在一个明年 AI 资本支出最高可能相当于美国 GDP 2.5% 的经济体中，这些 AI 公司的商业决策很可能影响整个美国经济 ^[4]。中国一侧，据同一来源，中国近日发出措辞严厉的警告，指出这项技术可能对执政安全构成威胁；中国外交部发言人则回应称，散播各种威胁叙事、搞对抗和恶性竞争只会干扰人工智能全球治理进程，不符合任何一方利益 ^[4]。

药监：FDA 的加速试点把 AI 制药的时间优势从模型侧接到审批侧。 据贝叶斯之美引 FDA，FDA 于 9 月 15 日正式启动 Expedited IND Pilot，核心目标是从制度上缩短候选药物发现 → IND-enabling → IND → First-in-Human 之间的时间，申请窗口持续至 2026 年 10 月 30 日 ^[3]。FDA 明确表示，目前美国部分首次人体试验准备流程可能长达约两年，新机制希望通过申办方与 Qualified Research Institution 协作，把过去串行完成的 IRB、site contracting、trial activation 等步骤尽可能并行化 ^[3]。配套改革包括：6 月 FDA 已正式发布 ICH M15《Model-Informed Drug Development》最终指南；年初 FDA 与 EMA 公布 10 项 Good AI Practice 原则，明确承认 AI 可以贯穿非临床、临床、制造和上市后证据生成；FDA 并正推动以 AI 模型、organ-on-chip、真实世界数据等 NAMs 替代部分动物实验 ^[3]。

7. 投资视角

主线方向

1. 算力链：需求与短缺信号仍在强化，但定价开始按”圈层”而非整体切分。 当日支撑需求侧的数字依然硬：四大云厂 2026 年 capex 合计约 7250 亿美元、同比 +77%，高盛对 2025–2030 年累计投入的预测为 5.3 万亿美元 ^[7]；供给端出现 GPU 全线预订、英伟达 8 月企业 GPU 涨价约 15%、H100 云租赁价上涨 40%、DRAM 合约价单季涨超 50% 的组合 ^[7]，属于典型短缺定价。但 Sona 的圈层结论与标普对超大规模云厂信用质量减弱的警告同时出现 ^[1]，意味着算力链内部的分化将更多取决于客户集中度与收入可预测性，而不是总需求。方向性判断是：核心环节（超大规模云厂、芯片、存储）仍受需求与现金流双重支撑；而依赖单一或双客户资本开支决策的 neoclouds 与数据中心平台，估值对技术性降价与客户决策的敏感度显著更高 ^[1]。
2. 模型层：安全测试合同化，可能是安全能力”可定价化”的第一步。 OpenAI 与 Anthropic 讨论的互测协议有两条值得注意的边界——只覆盖已商业化模型、不留存对方数据 ^[2]。若这类安排成为行业惯例，安全测试会从一次性的公开对比变成常态化的、有法律约束力的流程，并可能向采购端传导（企业此前对模型供应商的数据留存要求已在收紧）。这与”协同放缓”被诉反垄断的路径不同：技术测试的合谋风险远低于节奏协调，因此它是模型层少见的、不受反垄断直接约束的协调空间。
3. 应用层：卖方的选股框架已经从”谁模型强”切到”谁在分发与成本上有优势”。 里昂把 Agentic AI 定位为新一代基础设施层，把中国模型份额的驱动力归为成本效益，把企业采购标准归为”性能 + 成本 + 部署弹性”并预判多模型采用成为趋势 ^[5]。这套框架的含义是：应用层的价值捕获会向同时掌握芯片、模型、云基建、开发工具与应用的全栈厂商集中 ^[5]，而视频串流、到店服务、招聘、网上旅游、软件等缺少全栈条件的领域被其视为较脆弱 ^[5]。AI 制药是当日另一条有独立催化的应用线——FDA 的 Expedited IND Pilot 与 MIDD/NAMs 一揽子改革把审批瓶颈往前推 ^[3]，而临床侧已有超 100 个 AI-enabled assets 进入临床、Rentosertib 推进到 Phase III ^[3]，这与”AI 制药的时间优势被监管与实验瓶颈截断”这一悖论直接相关 ^[3]。
4. 信用与情绪：AI 对资产价格的渗透开始被机构资金当作独立风险项。 标普已把银行使用 AI 纳入信用评级框架、并称赢家与输家取决于 AI 战略成熟度与治理框架强度 ^[8]；彭博 AI Today 通讯则点出 AI 正在主导市场、这给机构投资者带来困扰 ^[9]。短线情绪面偏暖：据 WSJ，科技股走强带动美股本周开局强劲，英特尔与 Meta Platforms 等科技巨头股价大涨 ^[10]。把两者放在一起读，当日更像**“风险被结构化识别、但价格尚未反映”**的状态。

估值与情绪

当日的定价分歧集中在一处：需求与短缺的数据支持更高的算力投入，而信用结构的数据支持更谨慎的杠杆容忍度。 前者以 capex 增速、GPU 预订与涨价、云租赁价与存储价格为代表 ^[7]；后者以 Sona 对”不透明且集中的敞口、复杂关联的交易对手、需求部分由依赖该需求的同一批资产负债表承销”的描述、以及标普的信用质量警告为代表 ^[1]。值得注意的是，Sona 自身也给出了对冲——生态核心现金流充裕、评级强劲，风险不涉及个人住房，且许多公司建造的是真实实物资产而非合成杠杆 ^[1]——这说明当前更像”结构性脆弱”而非”系统性泡沫破裂路径”。

另一个被反复提及的估值变量是收入的形态而非总量：模型层的单位价格在快速下行（同等能力推理单价约每年降 50 倍、2024 年以来加速到每年 200 倍）^[7]，而用量在膨胀（Token 价格三年降一千倍、任务量两年涨三百倍、单个编程任务从几百 Token 膨胀到 1300 万 Token）^[7]。这意味着”量增价减”下的营收曲线能否跑赢算力成本曲线，仍是最核心的观察项；AI 资本支出明年最高可能相当于美国 GDP 2.5% 的预计口径 ^[4]，则说明这个问题的答案已带有宏观属性。

受益与承压

• 受益方向：现金流充裕、评级强劲的生态核心环节（超大规模云厂、芯片制造商、存储公司）^[1]；在短缺中具备定价权的算力供给方（GPU 量产前售罄、企业 GPU 涨价约 15%、H100 租赁价上涨 40%、DRAM 合约价单季涨超 50%）^[7]；同时掌握芯片、模型、云基建、开发工具与应用的全栈云与 AI 供应商 ^[5]；有分发与成本优势的中国平台（里昂首选腾讯、阿里巴巴）^[5]；临床与审批两端同时推进的 AI 制药公司（Rentosertib 推进至 Phase III、FDA 加速 IND 试点与 MIDD/NAMs 改革）^[3]；AI 药物发现市场扩容的受益方（2033 年 138 亿美元的市场预测）^[6]；把 AI 治理与战略成熟度做实的金融机构（标普称评级分化取决于此）^[8]。
• 承压方向：收入高度集中于单一或双客户的大型数据中心平台与 neoclouds（CoreWeave 约 67% 收入来自微软；Applied Digital 56% 来自甲骨文、30% 来自 CoreWeave）^[1]；在算力价格因技术进步下行时缺乏议价能力的出租型资产 ^[1]；单纯依靠模型能力叙事、未证明成本与部署弹性的模型采购方案 ^[5]；视频串流、到店服务、招聘、网上旅游与软件等被点名为较脆弱的领域 ^[5]；把 AI 视为纯增量、未建立治理框架的金融机构 ^[8]；以及滞后于算力供给物理约束（电力年增 10%–30% 对训练算力年增约 5 倍）的算力规划 ^[7]。
• 需跟踪：OpenAI 与 Anthropic 的互测协议是否最终敲定、以及是否被同业采纳为通用安排 ^[2]；Sona 口径下的 neoclouds 与数据中心平台客户集中度是否在下一季财报中改善 ^[1]；标普对超大规模云厂信用质量减弱的具体评级动作 ^[1]；中美元首会晤是否在 AI 议题上形成任何机制性成果 ^[4]；FDA 加速 IND 试点的首批申报与受理情况（窗口至 2026 年 10 月 30 日）^[3]；四大云厂 2026 年 capex 口径在下一季是否延续 77% 的增速 ^[7]；以及 GPU 涨价、云租赁价与存储价格能否在新增产能落地后维持 ^[7]。

---

本报告为 AI 产业资讯的二次综合与机制分析，不构成投资建议；数据以原始报道为准。