AI的三道裂缝,三种崩塌:工具的崩塌、算力的崩塌、信任的崩塌.

当AI开始淘汰人类发明的工具、把超级智能塞进桌面、让合作伙伴变成竞争对手——我们正在见证的，不是技术的进步，而是整个AI产业链的重组。

首即是尾，开始与终结互为镜像。乱世繁华的起点，就是崩塌的终点。

三岔路口：进化、分发与信任的裂缝

这两周，AI行业同时裂开了三道缝。

10月14日，Anthropic被曝内部代码提交量四个月暴涨12倍——从每天2,500次到30,000次。人类发明的版本控制系统Git，被AI写代码的速度直接压垮。Anthropic用7个人和5个月，造了一套全新的代码管理系统Scion，取而代之。而Fable 5.5——那个可能由AI自己"写"出来的新模型——已经在Azure目录中悄然上线，100万token上下文，128K输出，用代码5小时生成一款完整的MMORPG，2.5小时"拍"出一部王家卫风格的诗意动画。

10月16日，Meta联合苹果发布Muse Spark Open——816B参数的开源巨兽，两台Mac Studio就能跑。这是Meta收购Scale AI后的第一波开源重拳，也是超级智能第一次从云端数据中心被搬到个人桌面。

10月15日，微软亮出MAI-Base-2——2.8万亿参数MoE模型，16000块GB200训练38天。微软AI主管苏莱曼当众宣称：性能超越OpenAI的GPT-5.6，训练算力只有对方的四分之一。这是对合作伙伴最直白的"背刺"。

三道裂缝，三种崩塌：工具的崩塌、算力的崩塌、信任的崩塌。当AI开始淘汰人类发明的工具、把超级智能塞进桌面、让合作伙伴变成竞争对手——我们正在见证的，不是技术的进步，而是整个AI产业链的重组。

一、Anthropic"AI造AI"：Git死了，Scion万岁，Fable 5.5是AI自己写的？

小妖怪程序员的代码风暴：Git在背后崩塌

10月14日，Anthropic发了一篇工程博客，标题平淡无奇：《重新设计源代码控制》。

但读完全文，你会脊背发凉。

因为这篇博客透露了一个事实：在Anthropic内部，AI写代码的速度已经快到把人类的工具链逼死了。

四个月，代码提交量暴涨12倍

2026年5月，Anthropic平均每天合并约2,500个代码变更。

到9月，这个数字暴涨到了每天30,000次。

四个月，12倍。

变化不是人类工程师变勤快了——是Claude变强了。Claude作为自主智能体，开始7×24小时不停写代码、做实验、优化自己。它能自主迭代研究循环、对复杂程序进行微优化、从头构建新服务。

人类遭遇的瓶颈是什么？博客原文写得很直白：

"现在的瓶颈是为'人类'（而非智能体）规模设计的开发者基础设施：比如源代码控制（Git）、构建系统和CI。"

翻译成人话：人类发明的Git，扛不住AI每天3万次的高强度合并，直接崩溃了。

废弃Git，7人5个月造出Scion

Anthropic做了一个极其激进的决定：不再给Git打补丁，直接造一套新的。

新系统叫Scion。7个工程师，5个月，从零搭建。秘诀？当然是Claude深度参与开发。他们用一个内部早期模型把工程师手写的数据迁移管道重写了一遍，最终做到内存占用降到原来的1/20，速度快了4倍。

Scion的设计完全为AI而生：

• • 虚拟化checkout：AI改哪个文件夹，只拉取哪个文件夹；程序读到某一行时，数据才从缓存流式传入
• • 砍掉本地打包和全局锁：提交耗时只跟改了多少行有关，跟代码库几百G没关系
• • 云端原生：AI不需要在本地存100GB历史记录，发个API请求就行

Anthropic自己总结了一句颇有哲学意味的话：

"这是一场奇妙的闭环：正是Claude强大的写代码能力把他们逼到了系统崩溃的绝境，也正是靠着Claude疯狂写代码，这7个人才能在5个月内造出这套高并发的分布式系统。"

Fable 5.5：可能是AI"进化"出来的模型

就在博客发布的同时，Fable 5.5泄露了。

10月14日，开发者发现Azure East US 2区域目录中，claude-fable-5-5已上线，状态为"Generally Available"。规格参数：

• • 上下文窗口：1M Tokens
• • 最大输出：128K Tokens
• • API定价：输入$10/百万Token，输出$50/百万Token

128K的超长输出意味着什么？一次性吐出一本完整小说，或者直接生成一个中型项目的全部代码库。

更炸裂的是已经暴露的实测能力：

• • 5小时，一键生成完全可玩的MMORPG（地图、角色、交互全有）
• • 2.5小时，"拍"出一部王家卫风格的诗意动画——全代码驱动，艺术指导全由AI自主决定
• • 用代码渲染3D动画解释OpenAI的199页"准黎曼假设"证明
• • 整理了人类40000年艺术史动画——评价是"最厉害的动画团队也没法在一两个月内生成"
• • 做了一部完整音乐剧，人声、3D画面、音效同步，对标《汉密尔顿》

网友惊呼："图像/视频生成时代已经结束了。"

批判性反思：当AI淘汰了人类用了20年的工具

第一个反直觉决策：废弃Git。

Git统治了编程世界20年，是几千万程序员的空气和水。Anthropic说废就废了，理由是"它是为人类设计的，不是为AI设计的"。

这个逻辑本身没问题——但推演下去很恐怖：如果AI的速度已经让Git成为瓶颈，那么下一个被AI判定为"人类尺度设计"的东西会是什么？ 项目管理？产品设计？法律合同？整个软件工程的工具链，是不是都会被重新发明一遍？

第二个反直觉决策：让AI参与造自己的基础设施。

Scion是Claude写的。代码迁移管道是Claude重写的。Fable 5.5大概率是Claude迭代出来的。

这意味着Anthropic正在形成一个完全自举的AI开发飞轮：AI写代码 → 代码改进AI → AI写出更好的代码 → 更好的AI写出更好的AI……

人类工程师在这个飞轮里的角色，已经从"创造者"退化为"审批者"——甚至可能连审批都跟不上速度。博客里提到，每天3万次合并，人类根本审不过来。

第三个反直觉决策：进化速度本身就是风险。

四个月12倍的代码提交增长，这不是线性的。这是指数级的。

而Anthropic的估值从2万亿下调到1.5万亿——投资者开始怀疑："AI造AI"的故事，到底是在加速增长，还是在加速失控？

当Fable 5.5的架构里包含了人类无法完全理解的设计决策时——不是因为人类不够聪明，而是因为迭代速度已经超过了人类的审查能力——我们面对的不仅是一个黑箱模型，而是一个黑箱式的模型创造过程。

你无法审计一个你看不懂的AI，更无法审计一个由你看懂的AI设计出来的、但你没来得及看完的AI。

AI水晶球中的自我进化：人类工程师站在球外，手足无措

二、Meta × 苹果：816B开源巨兽下桌面，超级智能摆上了书桌

Meta与苹果的世纪联手：桌面超级智能时代

10月16日，Meta发布了Muse Spark Open。

官方定位极其霸道："美国迄今为止最强大的开源权重模型"。

这是Meta以143亿美元收购Scale AI、任命创始人汪滔（Alexandr Wang）掌舵AI研发以来，交出的第一份开源答卷。

硬指标：六边形战士

• • 总参数：816B（8160亿），激活参数42B——典型MoE架构
• • 上下文：1M Token
• • 原生多模态：文本、图像、视频、音频
• • 专攻：编码任务 + 复杂多步推理 + Agent工作流

HuggingFace直接下载，主流API平台同步上线。

和苹果的世纪联手

最震撼的不是参数——是两台Mac Studio就能跑。

Meta和苹果，这两家硅谷宿敌，居然握手言和了。

扎克伯格在Instagram上直接@苹果新CEO John Ternus："多亏了与John Ternus和苹果的合作，Muse Spark Open在新的Mac Studio上运行得棒极了！"

技术原理：M5 Ultra芯片让每台Mac Studio拥有512GB统一内存，两台线连就是1TB。1.2TB/s内存带宽足够读取每个token所需的微小切片。在苹果MLX框架加持下，四台Mac Studio集群每秒生成超过36个token。

Meta还全面适配了SGLang、vLLM、TensorRT-LLM、llama.cpp等主流推理引擎。在四张Blackwell GPU上使用投机解码，单GPU每秒超5万token。

端侧Agent的终极形态

Meta展示了两个本地Agent工作流：

1. 1. 向开源Mastodon客户端Ice Cubes交付真实的iOS改动——修复缺陷、新增功能、完整构建
2. 2. 端到端驱动DaVinci Resolve，由模型逐帧审看素材，找出最具表现力的瞬间并竖屏裁剪

汪滔的定义："你不再是工具的使用者，而是智能体的包工头。"

批判性反思：桌面AI的三重悖论

第一个悖论："开源"定义的悄悄收窄。

Meta的Muse Model License授予运行、修改、微调、蒸馏和再分发的权利——但有条件：当许可方及关联公司在任意连续12个月内总营收超过2000万美元时，如要将模型作为服务提供，须通知Meta并签署书面协议。

这不是Llama时代的"完全开源"了。这是"对大多数开发者免费、对大企业收费"的有条件开源。

Meta正在学习OpenAI和Anthropic的商业模式——用免费吸引开发者生态，用付费墙在大企业端收割。开源从"理想主义运动"变成了"获客策略"。

第二个悖论：隐私安全的表面文章。

本地运行意味着数据不上传云端——推理时的隐私确实得到了保障。但这个模型是在1GW级超算集群上、用互联网规模的数据训练出来的。

你的数据不离开桌面，但模型的知识来自你无法审计的训练集。这是一种"推理时隐私"——只管出口，不管源头。

第三个悖论："两台Mac就能跑"的成本真相。

两台512GB满配M5 Ultra Mac Studio，售价超过4万美元。

4万美元的"个人桌面AI"——这已经不是给"每个人"的了。这是给"每个有钱的开发者"的。Meta说"让每个人都有运行高级模型的自由"，但这个"每个人"的门槛，大约是人民币29万。

汪滔说"很高兴看到父母再次和好"——Meta和苹果确实和解了。但和解的受益者，是买得起两台Mac Studio的人。

小怪物坐在桌面上，面前的小屏幕里是一整个宇宙

三、微软MAI-Base-2：2.8万亿参数的"背刺"，OpenAI最大的投资人成了最大的对手

暗处铸剑：微软在阴影中锻造自己的武器

10月15日，微软发布了MAI-Base-2。

数字先摆出来：

• • 总参数：2.8万亿（2,800,000,000,000）
• • 激活参数：800亿
• • 架构：混合专家（MoE）
• • 训练：16,000块NVIDIA GB200 GPU，历时38天
• • 训练数据：比上一代MAI-Base-1多36%，全部自有数据，不用蒸馏

微软AI主管穆斯塔法·苏莱曼在员工大会上的发言，堪称本周最炸裂的"背刺"：

"我们现在拥有一个更强大的预训练基础模型，其性能超过了目前驱动GPT-5.6 Sol的模型。事实上，我们训练这个模型所使用的算力，只有OpenAI训练其模型所用算力的四分之一。"

效率数字：4.2倍到12.3倍

微软声称MAI-Base-2在四项评估中，训练计算效率比DeepSeek-V4-Pro-Base高出4.2到12.3倍。

具体做了什么？

• • MoE内存管理方式优化：模型运算利用率从24%拉到35%
• • Muon优化算法 + 梯度调整技术，降低大规模训练的不稳定性
• • 不使用蒸馏（不用其他AI模型的回答当教材），全用自有数据

MAI-Base-2还是一款视觉语言模型（VLM），能同时处理文本和图像——文档分析、图表理解、空间推理、计算机操作都能做。

从合作伙伴到竞争对手

微软向OpenAI投资了上百亿美元，持股价值可能超过1000亿。Azure向企业客户提供OpenAI模型。Copilot用OpenAI模型驱动。

但现在，微软开始把自研MAI模型塞进Excel、Outlook、GitHub Copilot。

CEO纳德拉在7月财报会上说了一句耐人寻味的话："每个模型都是可替换的。"

苏莱曼则被调任至超级智能部门，专注构建微软自己的模型。今年3月，微软为Copilot组建了联合团队，开始认真推进"去OpenAI化"。

微软不是要抛弃OpenAI——2032年前的IP许可协议还在——而是在构建一个随时可以换掉OpenAI的备选方案。

批判性反思："1/4算力"声明背后的三个问题

第一个问题：效率声明的信息不对称。

苏莱曼说微软模型"超越了OpenAI"，同时暗示微软能获取关于OpenAI模型表现的特殊信息。

这就好比考试时，你不仅能看到自己的分数，还能偷偷看到同桌的答题卡——然后宣布你考得更好。

微软确实拥有这种"特殊信息"，因为OpenAI的模型跑在Azure上。但这也意味着，"1/4算力超越GPT-5.6"这个说法，建立在一种不公开的对等信息优势之上。第三方无法独立验证。

第二个问题："效率革命"的杰文斯悖论。

MAI-Base-2号称"只用了1/4算力"。但训练一个2.8万亿参数的MoE模型，用了16000块GB200跑38天——总能耗依然是天文数字。

这就是经典的杰文斯悖论（Jevons Paradox）：当技术提高了资源利用效率时，总消耗反而会增加，因为你会用得更多。

AI行业正在完美复现这个规律：每一代模型都宣称"更高效"，但整个行业的GPU采购量、数据中心规模、电力消耗，每年都在翻倍。效率革命不是省电，而是让你有理由建更大的电厂。

第三个问题：合作伙伴关系的终局。

微软和OpenAI的关系正在走向一个微妙的平衡：合作但不依赖，投资但准备替代。

纳德拉说"每个模型都是可替换的"——这句话既是说给投资者听的（别担心供应商锁定），也是说给OpenAI听的（你们不是唯一选择）。

更深层的逻辑是：在AI产业链中，没有永远的盟友，只有永远的算力。

谁拥有最高效的预训练能力，谁就拥有定价权。微软正在用MAI-Base-2告诉OpenAI：你的价值不在于你是唯一选择，而在于你暂时还够用。

效率革命的真相：小妖怪拼命往炉子里铲煤，炉子越来越大

三个信号，一个方向

把这两周的三个事件放在一起看，一个清晰的图景浮现出来：

三个事件的共同指向是：AI产业链的每个环节——从开发工具、到部署形态、到供应关系——都在被AI自身的进化速度重新定义。

Anthropic的估值从2万亿降到1.5万亿，不是因为它做得不好，而是因为市场开始意识到：当AI进化的速度快到人类无法审计时，"可控"和"增长"就变成了不可兼得的两端。

你要么选择让AI慢下来以便人类审查，要么选择让AI全力奔跑但接受失控的风险。

到目前为止，所有玩家都选择了后者。

首即是尾。

Anthropic让AI自己写AI，效率暴涨12倍——但人类正在失去理解自己创造物的能力。这是进化的终点，也是失控的起点。

Meta把816B塞进桌面，两台Mac就能跑——但4万美元的门槛，让"人人可用的AI"变成了"有钱人的AI"。这是分发的民主化，也是分层的加剧。

微软用1/4算力超越合作伙伴——但信息不对称和杰文斯悖论让"效率革命"变成了"更大电厂"的借口。这是信任的重建，也是信任的瓦解。

乱世繁华的起点，就是崩塌的终点。而我们，正站在这条线上。

长城日落：三个塔楼在身后崩塌，小妖怪走向新的数字日出