彭博社 / 路透社 / 金融时报 / The Information / OpenAI 安全研究报告 / 国家发展改革委 / 世界互联网大会乌镇峰会 / Business Insider / BMI — 2026年11月6日

一张订单和一个集装箱之间的距离:AI 算力的"名义产能"陷阱

700亿美元的订单,1%的到货,60万颗卡在香港的H200,以及每个1279美元的提权漏洞。当能力的边际成本在塌陷、供给的边际成本在爆炸,AI 产业第一次撞上了一个它此前不需要面对的约束——交割

AI算力芯片供应链出口管制AI安全产业分析
过去两年关于 AI 的所有账本记的都是名义口径:签了多少钱、约了多少颗、承诺了多少年。现在名义和实物之间裂开了一条缝——阿里腾讯字节 600 万颗 RTX Pro 5500 的订单未来四个月只能到货 1%,60 万颗 H200 堆在香港等北京放行,甲骨文取消与腾讯的 70 亿美元芯片租赁,SK 海力士的 450 亿美元纽约建厂因为大连设备出口许可被搁置而停摆。同一周,OpenAI 用 121 万美元自动产出 948 个 Linux 内核提权漏洞,单个成本 1279 美元,比三个月前下降 59%。两条曲线在朝彼此走。

引子:同一个 48 小时里的两条曲线

11 月 4 日到 5 日这两天,有两个数字放在一起看会让人很不舒服。

第一个数字:700 亿美元。

据彭博社 11 月 4 日报道,阿里巴巴、腾讯、字节跳动及其他中国 AI 与云计算企业,合计向英伟达订购了约 600 万颗 RTX Pro 5500,按每颗单价超过 1.1 万美元计算,订单总值约 700 亿美元。

第二个数字:1%。

知情人士透露,这些中国企业未来四个月能拿到的芯片只有数万枚,约占订购总量的 1%。

已经确认的交付安排只有两笔:今年年底前首批数千颗,明年 2 月左右再交付数万颗。一家主要买家内部测算,到 2027 年底,中国大型科技公司累计可能收到约 70 万颗——占 600 万颗订单的 11.7%。

同一时间,路透社在 11 月 5 日报道了另一个画面:约 60 万颗英伟达 H200 芯片堆在香港,等待运往中国内地,而北京尚未批准大规模进口。过去几个月中国只采取"小量放行"策略,几家大型互联网企业各获约 1 万颗。价格信号已经很直白:截至 10 月底,一台搭载 8 颗 H200 的服务器在内地黑市报价超过 600 万元人民币,约为一年前的 3 倍;受更严格管制约束的 Blackwell 架构服务器,单台黑市报价已喊破 2000 万元人民币。

然后,在同一周的同一天,OpenAI 发布了它的网络安全研究报告,用 121.34 万美元的 API 额度,自动生成了 948 个可用的 Linux 内核本地提权漏洞利用程序,平均每个 1,279 美元。

把这两个数字放在一起,你会看到一个正在形成的剪刀差:

能力的边际成本在塌陷,供给的边际成本在爆炸。

过去两年,关于 AI 产业的几乎所有账本——数千亿美元的资本开支、1.4 万亿的估值、8954 亿美元的算力采购承诺——都记的是名义口径:签了多少钱、约了多少颗、承诺了多少年。

现在,名义和实物之间裂开了一条缝,而且这条缝不是误差,是结构。

这篇文章想说的是:AI 产业第一次撞上了一个它此前从未需要面对的约束——交割。不是能不能造出模型,而是能不能把算力合法地、物理地、按期地交到机房门口。

一、名义产能的四个口径

1.1 700 亿美元的订单,和 1% 的到货

先把时间线摆清楚,因为这四天里叠了四件事。

时间事件关键数字
11/3SK 海力士大连工厂设备出口许可被美方搁置纽约建厂计划 450 亿美元(未来或达 1000 亿)受阻
11/4彭博:阿里/腾讯/字节合计订购 600 万颗 RTX Pro 5500订单约 700 亿美元,未来 4 个月到货约 1%
11/4FT:甲骨文取消与腾讯的 AI 芯片租赁协议5 年、10 万颗、70 亿美元;腾讯曾预付 30%
11/5路透:约 60 万颗 H200 堆在香港待运入内地北京未批大规模进口;黑市价约一年前 3 倍

这四件事看起来分属四个不同的主体、四个不同的国家、四个不同的政策领域。但它们是同一句话的四个版本:

算力已经变成一件需要审批、需要许可、需要过关、需要等待、需要政治默许才能到达目的地的东西。

1.2 为什么是 RTX Pro 5500,而不是 B300

一个容易被跳过的细节:阿里、腾讯、字节这三家中国最有钱、最能打的云计算公司,为什么抢的是一款工作站显卡?

因为出口管制把整个市场切成了三块:

规格上它并不弱:21760 个 CUDA 核心,84GB GDDR7 ECC 显存,显存带宽约 1398GB/s,最大功耗 600W。中国买家主要拿它做推理——推理对算力的要求低于训练,但需求量极大。

这就是管制塑造出的市场扭曲的典型样本:全球最有钱的一批买家,在排队买一款不是为他们的场景设计的芯片。而更扭曲的是第二层:英伟达不是不想卖,是没产能。它把产能优先分配给 OpenAI、Anthropic 这些能签更大单、毛利率更高的客户,同时和台积电一起把更多产能转向 Rubin 等下一代产品。

一句话:RTX Pro 5500 在中国是"合规边界的次优解",在全球是"产能队列的末位"。 两个原因叠加,把它的到货率压到了 1%。

1.3 60 万颗:货到了关口,也不等于到了机房

H200 的故事更微妙,因为它卡的不是美国,是中国自己的关口。

美国政府已经调整对华出口政策,允许向获批准的中国客户出售 H200。于是货有了。但北京仍在管控进口:过去几个月只有"小量放行",几家大型互联网企业各获约 1 万颗,另有少量通过中间商与间接渠道流入。大规模进口许可至今未发。

这批此前从未披露过的库存规模,暴露的是北京自身的一组矛盾:不希望进一步依赖美国技术,但国内 AI 需求正以周为单位膨胀。于是货停在香港,价格在内地上涨三倍。工信部与发改委均未回应路透置评请求,英伟达、阿里、字节、深度求索、腾讯也都没有回应。

一个值得记下的观察:同一批需求,两个方向上都被审批堵住了。往东走卡在美国出口许可,往西走卡在北京进口许可。芯片在供应链上的"物理可交付性",第一次低于它的"法律可交易性"。

1.4 甲骨文与腾讯:唯一合规的绕道,也被否决了

在所有路径里,曾经存在一条设计得很巧的路:不卖芯片,卖算力。

腾讯与甲骨文在 10 月初签署了一份为期五年的协议,预估价值约 70 亿美元,租用甲骨文分布在东南亚多个数据中心的约 10 万颗先进 AI 芯片——这些芯片在中国境内拿不到,但在境外数据中心用是合规的。这是腾讯迄今规模最大的海外交易。

这份协议有一个副作用:因为约 30% 的预付款,腾讯 2026 年第二季度自由现金流出现 138 亿元人民币(约 20 亿美元)的赤字,为该集团十多年来首次录得季度自由现金流负数。同期腾讯 Q2 资本开支 527.84 亿元人民币,同比 +176%、环比 +65%,创单季历史新高;上半年资本开支 847.2 亿元,同比 +82%,已超过 2025 年全年的 792 亿元。

11 月 4 日,《金融时报》报道:这笔交易已被取消。原因是美国政府官员主动接触甲骨文,对这笔涉及腾讯的交易表达关切。另一端,腾讯总部所在地广东省的高级官员曾到访腾讯,要求公司支持使用中国国产芯片。

一个交易,同时被两个方向的国内政治压力夹住,最后由交易对手方取消。这大概是把地缘政治写进合同条款的一种新方式。

1.5 SK 海力士:管制开始反噬自己

如果要给"美国要芯片回流"这条政策找一个最有说服力的反例,SK 海力士是现成的。

故事的结构是一个完美的循环:

  1. SK 海力士计划由旗下 Solidigm 在纽约州马西市建两座 NAND 工厂,投资约 450 亿美元,后期总额可能达 1000 亿美元;
  2. 钱从哪来?公司认为提高大连工厂的产量、发展更先进的 NAND 制程,既能创造收入,也能为美国建厂计划提供资金;
  3. 大连扩产需要从美国进口芯片制造设备;
  4. 美国商务部至今未批准新的出口许可证。

自 8 月底以来,Solidigm 高管已与商务部官员会晤近 10 次。商务部主管工业与安全的副部长 Jeffrey Kessler 在上周会议上仍坚持,不希望允许更多美国芯片制造设备进入中国用于升级或扩产——但商务部也尚未正式驳回申请。

美中经济与安全审查委员会委员 Leland Miller 的评论是全文最精炼的一句:

"归根结底,如果没有白宫开绿灯,这一切都无法推进。"

这条链条的结构是:要回流,得有钱;钱要在中国挣;在中国生产要美国设备;设备要白宫点头。 管制在四个环节中的任何一个断掉,都足以让 450 亿美元的计划停摆。

这已经不是"美国卡中国"的故事了,这是同一套工具在两个方向上同时生效,并开始产生自我抵消。

二、需求侧还在加速,所以这条缝只会更宽

供给被卡住,会不会让需求降下来?不会。看数据:

11 月 2 日,OpenAI 消费者产品负责人 Adam Fry 在纽约接受 Big Technology 采访时披露:ChatGPT 周活跃用户已达 12 亿,过去 60 天从 10 亿增长到 12 亿,约合每 30 天增加 1 亿;每周生成图片 15 亿张;语音输入与语音对话合计周活 2.5 亿。搜索方面,Fry 称 ChatGPT 处理的搜索类查询量约为 Google 的五分之一。

这里需要立刻加一个口径校准,否则容易把"五分之一"读成"抢走了谷歌 20% 的搜索"。Fry 的定义是"每次提问并联网搜索都计为一次搜索",一次对话可能计入多次搜索;OpenAI 没有公布原始数据、统计时段和方法。

独立估算低得多:搜索数据公司 seoClarity 在 2026 年 10 月估算,ChatGPT 每日搜索活动约为谷歌的 7.5%;Ahrefs 在 2026 年 2 月的估算约为 12%。按 Ahrefs 同期统计,谷歌约占网站引荐流量的 40%,ChatGPT 仅占 0.21%,谷歌送出的访问量约为 ChatGPT 的 190 倍。

但方向是真的,而且口径差异本身就是产能差异:用户真正需要"实时信息 + 购物/比价 + 本地化"的问题时,ChatGPT 必须真的去调用搜索和工具——每一次联网,都要真的落到 GPU 上。写作和编程类请求不触发搜索,因此不消耗额外算力,这恰恰解释了为什么"12 亿周活"和"12% 的独立搜索估算"能同时成立。

把这几组数字并排放:

增长节奏数量级
需求侧(ChatGPT 周活)每 30 天 +1 亿12 亿
供给侧(中国 AI 云订单)到货周期以月/季度计600 万颗的 1%
供给侧(算力设计周期)以年计先进 AI 芯片设计成本约 5 亿美元

需求的节奏是周级的,供给的节奏是季度到年级别的。 这就是为什么裂口不会自行收敛:两边都在加速,但加速度不在一个量纲上。

而在需求侧,最直接的成本压力来自一个我们前几天刚写过的数字:Anthropic 已签署约 8954 亿美元的算力承诺。承诺是名义口径,交付才是实物口径。当 8954 亿美元变成一张交割确认表时,缺口会以什么形式出现?

三、模型的应对:让 AI 去设计 AI 的芯片

面对交割约束,实验室给出的第一条答案是:既然买不到,那就自己设计。

The Information 11 月 3 日报道,Anthropic 新组建的 15 人芯片设计团队,已全面接入 Claude 模型开展定制芯片的工程与设计工作,这些芯片用于训练和运行 Claude 自身。公司称,与英伟达、AMD 等成熟厂商的传统工程流程相比,Claude 能显著缩短芯片设计所需时间。

这里需要保持清醒,因为这个比较的基准本身值得注意:Anthropic 的内部参照系是当前全球最成熟的两条芯片设计流水线(英伟达、AMD),而"显著缩短"没有披露具体比例、任务类型,也没有经过第三方验证。

不过时点很说明问题。Anthropic 8 月已公开确认组建内部团队自研芯片,并曾与三星电子洽谈作为潜在代工厂。设计一颗先进 AI 芯片成本约 5 亿美元——在 Anthropic 收入运行率从 2025 年底约 90 亿美元涨到超过 300 亿美元(据路透 4 月报道)之后,这个数字已经可以被内部消化。而这次把"AI 设计 AI 芯片"拿到 IPO 投资者面前展示,时机距离 Anthropic 计划 11 月下旬正式启动 IPO、估值可能达 1.5 万亿美元,只剩几周。

在路演上讲"我们买了多少 GPU"不如讲"我们用 AI 造 GPU"。 这句话本身就说明了当前的稀缺顺序:能买到卡的人不需要这个故事,需要这个故事的是买不到卡的人。

市场反应很直接:11 月 3 日,EDA 双雄 Synopsys 和 Cadence 股价盘中一度下跌约 4%。两家公司的年度营收预计合计约 160 亿美元。Anthropic 同时在接触多家 EDA 企业,寻求获取其专有芯片设计数据集——它要吃掉的是 EDA 软件这一层。

OpenAI 在同一条赛道上:首席财务官 Sarah Friar 今年 9 月在高盛行业会议上明确表示,芯片设计是公司重点瞄准的新业务赛道,另有金融服务和生命科学两个方向;目前正依托自身前沿模型推进定制芯片 Jalapeño 的研发落地,计划从 2027 年开始实现……(据报道)。

把时间轴摆在一起,是一件很值得琢磨的事:

一个行业正在同时做两件事:用 AI 造 AI 用的芯片,用 AI 造攻破 AI 系统的漏洞。 这两条线用的是同一类模型、同一套智能体编排方法论、同一套成本曲线。而它们遇到的是同一个约束——物理世界的产能与交付。

四、中国的另一条路径:把算力写进法律

同一周,中国的监管侧有一个性质不同的动作。

11 月 3 日,国家发展改革委举行首场"奋进'十五五'"系列新闻发布会。创新和高技术发展司副司长王若蒙在介绍"十五五"时期人工智能发展思路时,明确提出四项重点工作。

其中第一项"健全治理规则体系,明确合规边界"的表述里,有一句话值得单独拎出来:

"系统总结我国人工智能治理经验做法,加快推进人工智能基础性综合性立法,构建人工智能法律法规体系的'四梁八柱'。另一方面,加快完善保障数据、算力、算法等共性要素,以及规范重点应用场景的立法,建立覆盖人工智能全生命周期的安全标准和伦理准则。"

这是一次性质变化。在此之前,算力是产业政策对象——"东数西算"、智算中心建设、地方算力券,解决的是"建不建得起"的问题。现在它被写进立法议程,解决的是"能不能被保障地获得、以及使用它要符合什么规范"。

第二个变化是周期性评估的引入:"考虑到人工智能的快速迭代特性,将对制度实施情况开展周期性评估,及时动态调整不适用的制度内容。"这在行政监管里是相当罕见的自我否定条款——它承认自己写的规则会过期。

第三个是监管沙盒:"支持建设面向不同领域的人工智能'监管沙盒',并同步健全沙盒的申请、测试、使用、退出管理机制,预置风险缓冲方案。"

其余包括:推动模型训练师、数据标注员等 AI 衍生新职业纳入国家职业分类体系;建立就业替代风险的常态化监测预警机制;强化技术溯源能力建设,依法打击利用 AI 实施的违法犯罪;健全防沉迷、防情感依赖的引导干预机制。产业侧的数字是:工业领域累计建成万余家先进级智能工厂;超过 8000 家基层医疗机构接入云端 AI 影像服务。

11 月 2 日至 5 日,2026 世界互联网大会乌镇峰会在浙江乌镇举行,主题是"开源开放 共建共享"。主论坛首次设置"人工智能乌镇对话"环节,并首次发布《携手构建全球开放人工智能行动倡议》,围绕共同推进开放发展、共同维护安全可信、共同参与对话治理、共同坚持互利包容四个方面提出 18 条具体倡议。同期发布《前沿人工智能安全与治理2026:风险认知与协同治理》报告。"互联网之光"博览会吸引 54 个国家和地区的 671 家参展企业,带来 1000 余项新技术新产品,100 多款具身智能机器人现场实景作业。中科曙光把中国首个全国产十万卡 AI 超集群"曙光 8000"真机搬进展会,华为"昇腾 950 超节点"同台亮相。峰会还首次举办了人工智能 OPC(一人公司)嘉年华,结集全球 60 余个 OPC 社区和企业。

把这些和发改委的表述并排看,会发现一个镜像结构:

美国的做法中国的做法
算力的身份出口管制工具(把算力变成限制别人的东西)立法保障对象 + 合规对象(把算力变成需要法律保障、同时需要法律约束的东西)
近期抓手出口许可、逐案审批、外交施压基础性综合性立法、共性要素立法、监管沙盒
受益者已获批准的头部客户有能力做周期评估与合规准备的规模主体
代价管制反噬自身(SK 海力士 450 亿)立法滞后于迭代(周期性评估条款是对冲)

两边在做的是同一件事:把算力从一种商品,升级成一种制度对象。 美国的方式是把它变成武器,中国的方式是把它变成基础设施。两条路都不再把"能不能拿到卡"当成纯商业问题。

而这也意味着,全球 AI 供应链的配置逻辑,已经从"效率最优"被改写成"政治最优"。代价是全局总产能的损失——SK 海力士那个循环里,没有任何一方得到想要的东西。

五、政治变量:连"需求"本身也可能被审查

供给侧的约束已经足够复杂,而 2026 年的美国中期选举又从需求侧加了一层。

11 月 3 日中期选举,民主党横扫参众两院,共和党保留白宫。这一组分立意味着涉及 AI 基础设施的立法会进入一个高度对抗的环境。

BMI 的分析被广泛引用:超过 50% 的超大规模数据中心项目现在面临潜在的监管摩擦。第一次,数据中心成为多个州的选票议题——反数据中心情绪在多个州显著上升,个别县直接通过了数据中心禁令。

风险被归纳为三条:

  1. 监管审查加强:国会可能针对 AI 企业展开更多调查,涉及市场竞争、消费者保护、数据隐私、模型安全;
  2. 数据中心受到更多限制:电力消耗、电网成本、水资源使用、项目审批面临更严格审查,地方社区反对可能推高成本、拖延进度;
  3. 资本开支面临更严格的审视:投资者可能对 AI 基础设施的融资能力和盈利前景提出更高要求。

市场的即时反应是:美东 11 月 4 日纳指上涨 1.4%,大型科技股上涨,但数据中心运营商和半导体股走弱——AI 基础设施投资预期出现分化。亚洲科技股一度承压,韩国股市一度下跌约 4%,日本股市也受到 AI 交易降温的冲击。OpenAI 俄亥俄州项目(5000 亿美元数据中心,超过 1000 亿美元英伟达融资支持)成为众矢之的。

值得注意的是市场的分化而非齐跌:软件、应用、模型层受益于监管不确定性的上升(竞争壁垒提高),而基础设施层受损(审批周期拉长、融资成本上升、回报周期不确定)。这与 11 月 1 日我们讨论过的"AI 从股权时代进入信用时代"是同一条线的延续——基础设施层的现金流现在要被两个方向的审批同时打折:政府审批自己的项目,和政府审批别人的项目。

六、同一天的另一条曲线:1,279 美元一个提权漏洞

现在回到开头那个数字。让我们把 OpenAI 11 月 4 日发布的安全研究报告完整拆开,因为它是理解当前 AI 产业状态最好的样本。

6.1 五阶段链路

OpenAI 称其利用新一代网络安全模型(尚未正式公布),搭建了一套自动化漏洞发现、验证、利用和补丁生成系统。测试于 2026 年 10 月中旬进行,针对 Linux 内核。流程分五阶段:

第一阶段 · 漏洞发现。 系统先用一个智能体筛选内核中具有安全审计价值的代码,再交给另一个智能体分析。共筛选出 5,034 个审计目标,涉及约 280 万行代码,相当于 Linux 内核代码总量的约 7%。分析智能体在 12 小时内生成 2,308 个去重后的候选漏洞,API 调用成本 31.65 万美元。

第二阶段 · 动态验证。 候选漏洞放入隔离虚拟机测试,生成 PoC 并观察实际运行结果。30 小时后,2308 个中有 1,724 个成功复现,占比约 74.7%。OpenAI 表示,剩余问题大多受权限要求、复杂竞争条件或特定触发条件影响,只有 3.1% 属于模型分析错误(即模型假设了实际上不可能发生的条件)。

第三阶段 · 可利用性评估。 在启用 SMEP、SMAP、KASLR、HARDENED_USERCOPY 等常规安全防护机制的 Linux 环境中测试,最终生成 291 个信息泄露 PoC,以及 1,169 个能实现本地提权的漏洞利用程序。

第四阶段 · 变体分析与补丁生成。 最终统计为 948 个不同的本地提权漏洞。

第五阶段 · 人工审核。 输出包括漏洞根因分析、最小化 PoC、候选修复补丁和完整利用程序,供安全研究人员复核并提交上游。

6.2 成本曲线

指标2026 年 7 月(GPT-5.6 Sol)2026 年 10 月(新网络安全模型)变化
发现并利用的本地提权漏洞166948×5.7
API 成本51.37 万美元121.34 万美元×2.36
单个漏洞平均成本约 3,095 美元约 1,279 美元−59%

分解到阶段:漏洞发现 31.65 万美元;漏洞利用开发最贵,77.59 万美元(占全流程 64%)。

值得注意的是 OpenAI 主动加的一句限定:"这些成本反映的是本次测试所采用的模型、目标配置和工作流程,并非优化后的最低成本。通过进一步改进智能体编排和工程设计,实际成本仍有下降空间。"

按漏洞赏金标准估算,948 个利用程序的价值区间为 1890 万至 6630 万美元,是链路成本的 16 至 55 倍。

6.3 两组细节,比总数更重要

第一组:10 种此前未见的利用技术。 研究团队对 166 个漏洞利用样本进行抽查,发现其中至少涉及 10 种此前未见的 Linux 漏洞利用技术,已经交由第三方内核漏洞专家审查,对方也认为具有新颖性。出于安全考虑,完整细节未公开。

第二组:补丁反过来发现了人类补丁的漏洞。 模型最初生成的补丁虽然能修复对应 PoC 暴露的问题,但部分存在代码冗余、潜在性能影响、偏离项目编码规范、未覆盖同类漏洞变体等问题。经增加约束条件和多轮迭代后质量改善,部分研究生成的补丁还帮助发现了人类专家此前编写的修复方案中的问题。

这两个细节合起来才是真正的新闻。第一个说明攻防两侧在同一套模型上同时前进;第二个说明"人类写补丁"这个环节的可靠性假设已经被打破。 过去补丁是安全流程的终点,因为补丁是人写的、人要审。现在补丁是模型写的,而模型在审阅人类补丁时发现了人类的错。

进度(截至扫描后 10 天):61 个相关本地提权漏洞已在 Linux 上游得到修复,43 个获得暂存补丁,299 个正在公开讨论或报告过程中。

在谷歌 kernelCTF 漏洞奖励计划的加固环境中,112 小时、成本约 32,936 美元,获得 25 个信息泄露 PoC 和 21 个本地提权利用程序;若全部通过审核,理论可得约 150 万美元奖励(约 455 倍)。

6.4 一个容易被漏掉的技术细节

OpenAI 还披露了一个我认为对智能体工程更有意义的观察:

在对 GPT-5.5 Cyber 和 GPT-5.6 Cyber 的测试中,后者能更自主地识别和应用 Linux 内核漏洞利用技术。移除额外的技术指导层后,GPT-5.6 Cyber 的表现仍优于采用更复杂编排方案的 GPT-5.5 Cyber。

这和 10 月 30 日那篇讲"模型自己写漏洞链"的文章里说的方向一致,但更精确:复杂的多智能体编排正在从优势变成负债。 更强的模型让"给模型搭脚手架"这件事变得不划算——你精心设计的技术指导层,可能只是在教模型做它已经会的事,同时限制了它去做你没想到的事。

这不是一个关于 AI 能力的故事。这是一个关于流程设计的经济学的故事:当底层模型足够强时,最优的智能体系统可能长得更简单。

6.5 为什么这条曲线和算力曲线放在一起才有意义

单独看,948 个漏洞是一个耸人听闻的技术新闻,和产业分析没什么关系。

但和 1% 的到货率放在一起,它变成了一个产业结构判断:

如果生成一个可用提权漏洞的边际成本是 1,279 美元,那么攻击方的成本曲线是垂直下降的。

如果获得一颗合规 GPU 的边际成本是 4 个月的等待 + 审批风险 + 三倍溢价,那么防守方的资源曲线是垂直上升的。

两条曲线的交点,就是接下来两年 AI 安全与 AI 产业的共同瓶颈。

OpenAI 自己在报告结尾给的方向也印证了这一点:随着网络安全模型能力提升,"前沿模型可能具备发现复杂软件漏洞的能力,甚至能够让能力较弱的模型利用已经公开披露的漏洞"。因此软件维护者需要加快修复,用户和企业应及时安装更新;同时,沙箱、隔离机制、减少不必要的攻击面以及形式化验证将成为提升软件安全性的重要方向。

请注意这个逻辑:当低能力的模型也能复用公开披露的漏洞时,防守方唯一不能被模型化的能力,是"补丁被真正装上了"。 形式化验证和沙箱之所以被点名,是因为它们是"证明"而不是"检测"——检测会被模型绕过,证明不会。

而这里有一个残酷的闭环:防守方要装补丁、要跑形式化验证、要维持沙箱隔离,全部需要算力。而防守方的算力,恰好是供给最紧张、审批最不确定的那一类算力。

七、所以,接下来两年该看什么

如果这篇文章的核心判断是"AI 的瓶颈已经从能力转移到交割",那么可操作的观察指标也应该是交割指标,而不是估值指标。

#观察点时间为什么重要
1阿里/腾讯/字节首批数千颗 RTX Pro 5500 是否在 2026 年底前交付2026-12检验"1%"是不是交期问题还是意愿问题
2第二批数万颗(数万枚)是否在 2027 年 2 月前后到货2027-02已确认的唯一第二笔交付
3到 2027 年底累计约 70 万颗能否兑现(订单的 11.7%)2027-12名义/实物裂口的最终读数
4北京是否批准 H200 大规模进口,60 万颗香港库存的走向持续中国侧最硬的实物约束
5SK 海力士大连设备出口许可 / 纽约 450 亿美元项目持续管制是否自我抵消的试金石
6甲骨文是否另寻路径(东南亚 → 其他辖区),以及腾讯的替代算力来源持续合规绕道是否彻底关闭
7中国"人工智能基础性综合性立法"草案是否出台,算力条款怎么写2027算力从产业政策升格为制度对象的关键节点
8BMI 追踪的 50%+ 数据中心项目的审查结果2027需求侧能不能继续被许可
9948 个本地提权漏洞的上游修复进度(61 已修 / 43 暂存 / 299 讨论中)滚动装补丁的速度追上攻击的成本下降速度了吗
10下一代网络安全模型是否公布,GPT-6 Cyber 在 AWS GovCloud 的开放范围滚动1,279 美元还能再降多少

如果要提炼成一条可以带走的判断:

看订单交付确认率,不看订单金额。看漏洞链路的确认率(74.7%),不看候选数(2308)。

我们过去一年统计的所有 AI 大数字——数千亿 capex、1.4 万亿估值、8954 亿采购承诺、600 万颗订单——都是承诺。而承诺不是能力,是意图。

从 2026 年 11 月开始,真正能区分公司的指标只有一个:已经交割、已经装上、已经跑起来的东西。

结语

回看这一天半里的所有数字:700 亿美元的订单,1% 的到货,60 万颗停在香港的芯片,5 亿美元一颗的设计成本,450 亿美元被自己卡住的建厂计划,121 万美元换来的 948 个提权漏洞,12 亿的周活用户。

它们指向同一个方向,只是从相反的两端。

一边是供给:算力第一次成了需要审批、需要许可、需要过关、需要等待、需要政治默许才能到达目的地的东西。全球 AI 供应链从效率最优被改写成政治最优,代价是总产能的损失——SK 海力士那个四步循环里,没有一方得到了它想要的。

另一边是能力:把一件需要资深安全研究员数周才能完成的工作压到 1,279 美元,让模型去设计 AI 自己的芯片,让模型在审阅人类补丁时发现人类的错。这一边没有减速的迹象,反而在加速。

两条曲线还没有交叉,但它们在朝彼此走。当能力这一侧的成本降到接近零,而供给这一侧的成本高到需要立法和地缘谈判来保障时,AI 产业的真实瓶颈就再也不会是"模型够不够强"。

而这恰恰是最难被 AI 自己解决的问题——因为解决它需要的不是更聪明的模型,是更长的耐心、更硬的关系,和一整套把"承诺"变成"交付"的制度安排。

本文所有数据均来自公开报道与官方文件。截至发稿,部分数字为知情人士口径,未经当事方正式确认。