AI账单炸了！豆包视频冲到30秒

今天这波，AI 不是「又变聪明了」这么简单。

更像是账单开始拍门：美股芯片链被砸，Oracle 把 2.1 万个岗位写进 AI 重组，Anthropic 去锁内存供应，Groq 拿钱续命，字节则在视频、图像、音频、大模型上同时加速。

一句话：模型大战还在继续，但真正变紧的是 钱、电、芯片和可控成本。

这条最刺眼。

Oracle 不是小公司，也不是缺 AI 叙事的公司。它一边给 OpenAI、xAI、AMD、Nvidia、Meta 这类客户扩 Oracle Cloud Infrastructure，一边在年度文件里交代：过去一年全职员工减少 2.1 万，降幅接近 13%。2

文件里的话更直接：AI 技术在公司运营中的采用和部署，已经导致、也可能继续导致员工减少。2

另一边，钱也在烧。CNBC 报道称，Oracle 上一财年资本开支增长 162%，达到 557 亿美元；自由现金流为负 237 亿美元。2 Ars Technica 进一步梳理称，Oracle 2026 年计划融资 450 亿到 500 亿美元扩张云基础设施，其中约一半来自债务。7

这就是今天的核心矛盾：AI 云业务看起来需求很猛，但建机房、买芯片、接电力的速度也很猛。账不好算时，员工先变成调节项。

资本市场在怀疑 AI 账单时，产品层还在提速。

The Decoder 报道称，ByteDance 在火山引擎 FORCE 大会上推出 5 个新模型，主角是 Seedance 2.5：单段视频最长 30 秒，不需要后期拼接；还能一次处理最多 50 个参考输入，包括参考图、音频等。3

这比「能生成一个短视频」更进一步。关键是参考输入数量和后续编辑能力。创作者真要拿 AI 视频干活，最怕的是每一条都像盲盒：角色脸变、风格漂、节奏断。50 个参考输入如果能稳住，会直接影响广告、短剧、影视预演的工作流。

同时，Seedance 2.0 升级到原生 4K、10-bit 色深；火山引擎还宣布了 Doubao 2.1 Pro 语言模型、Seedream 5.0 Pro 图像模型和 Seed-Audio 1.0 音频模型。The Decoder 转述公司说法称，Doubao 2.1 Pro 成本约比 Claude Opus 4.6 低 80%。3

别小看这个「低 80%」。今年模型能力差距在缩小，企业客户更关心的是：同样一个客服、投放、代码、内容生产任务，到底每月少花多少钱。

模型公司现在不只抢研究员，也抢供应链。

Micron 官方公告显示，它与 Anthropic 的合作不只是「供货」。协议包括四层：内存和存储 AI 架构设计、供应协议、Claude 在 Micron 内部的采用，以及 Micron 对 Anthropic Series H 的战略投资。4

Anthropic 联合创始人兼首席计算官 Tom Brown 在公告里说，Claude 的训练和服务效率取决于「把堆栈每一层都做好」，内存和存储是核心。4 翻成行业话就是：GPU 很贵，但 HBM、DRAM、SSD 也不能临时再买。模型越大，推理越多，底层 I/O 越会卡脖子。

Groq 这边，故事也很硬。

这家公司刚宣布 6.5 亿美元新增长资金，用于扩张 AI 推理云。官方称 Groq 已在北美、欧洲、中东和亚太运营 13 个数据中心，服务 500 多万开发者和数千家 AI 原生公司，每周处理数万亿 tokens，并计划到 2027 年底扩到约 200MW。5

TechCrunch 给了一个更有意思的背景：去年 12 月，Nvidia 与 Groq 签署非独家技术许可，并挖走创始人兼 CEO Jonathan Ross、总裁 Sunny Madra 等核心人员；Groq 此后转向 neocloud 推理云业务。8

这事儿很有代表性：AI 芯片创业公司不一定非要卖芯片，可能最后卖的是「便宜、快、稳定的推理」。训练是军备竞赛，推理是日用品生意。谁能把日用品做便宜，谁就有机会活下来。

Menlo Ventures 今天也抬了一脚油门。

这家老牌 VC 宣布募得 30 亿美元新资金，分成 Menlo Ventures XVII 和 Menlo Inflection IV 两只基金，覆盖 Seed 到 Series A，以及 Series B 之后的成长阶段。官方说，资金会投向 AI 基础设施、前沿模型，以及企业、医疗、消费领域的 AI 原生应用。6

Crunchbase 补充称，这是 Menlo 50 年历史上最大募资；Menlo 也特别强调了早期投资 Anthropic 这件事，称那是它「all in AI」的旗点。9

这说明两件事可以同时成立：公开市场在质疑 AI 支出，一级市场的钱还在找 AI 项目。区别是，2023 年讲「我有一个大模型」就够性感；现在要回答更尖的问题：成本怎么降，客户怎么留，供应链怎么稳，数据和分发从哪里来。

还有一条更偏企业端，但值得放进今天的主线里：Databricks Data + AI Summit 后，AtScale 创始人 Dave Mariani 复盘称，Databricks 今年把故事压到四个词上：Context、Control、Cost、Choice。10

其中最像企业真实需求的，是 Unity Catalog AI Gateway：它包含 agent 注册、策略和预算控制、agent tracing、可观测性，以及按任务难度选择低成本模型的 smart routing。10

这不是最炸的发布，但很关键。企业现在不缺「接一个模型 API」的能力，缺的是控制面板：谁在调用，花了多少钱，出了问题怎么追，简单任务能不能别上最贵模型。

AtScale 还提到，Databricks 内部 benchmark 称 Genie Ontology 准确率达到 84.5%，明显高于朴素 text-to-SQL 方法常见的 20%-25%。10 这个数字不必神化，错一次六次左右，对企业数据问答来说仍然不够安心。但方向很清楚：企业 AI 的下一步，不是把回答写得更像人，而是把上下文、权限、成本、追踪全拴住。

今天的 AI 行业，像同时踩油门和刹车。

油门在产品侧：字节的视频模型继续拉长、参考输入继续变多，企业数据平台也在把 agent 接进工作流。刹车在成本侧：Oracle 裁员，芯片股回撤，Anthropic 去提前锁内存，Groq 和 Menlo 的钱都在押「更便宜、更可控、更能规模化」。

所以别只盯模型榜单了。接下来真正决定胜负的，很可能是这四个问题：谁拿得到芯片，谁接得上电，谁把推理价格压下来，谁能让企业放心开闸。