AI 全景情报 0705：科学 Agent、开放模型云和视频融资同时抢预算

过去几天最值得看的，不是又一个模型参数，而是预算正在落到更具体的位置：科学研究工作台、开放模型推理云、视频生成商业化，以及非英语市场的真实使用增长。对 AI 从业者来说，这些信号共同指向一件事：下一轮竞争会更少停留在模型发布页，更多落在「谁能把模型嵌进高价值工作流，并把推理成本压到业务毛利能承受的范围」。

Anthropic 把 Claude Science 放在了和 Claude Code 类似的位置：不是一个聊天入口，而是面向科学家的工作台。官方介绍里，Claude Science 能接入常见科研工具和包，生成可审计的代码、图表与手稿，支持本地 macOS/Linux、远程机器、HPC 登录节点和按需计算资源，还预置了 60 多个面向基因组学、单细胞、蛋白质组学、结构生物学和化学信息学的技能与连接器。1

这件事的重点不在于「Claude 又多了一个垂直版」。真正的门槛是可复现性和审计链：科研团队需要知道某张图、某个数字、某段推理从哪里来，能不能复跑，错了谁来发现。Anthropic 在公告里强调 reviewer agent 会检查引用、计算和图表是否匹配底层代码，这说明它已经把科研 Agent 的卖点从「会写分析脚本」推进到「能不能被实验室信任」。1

OpenAI 的 GeneBench-Pro 则给这条路线泼了一点冷水。这个 benchmark 覆盖 10 个主领域、21 个子领域和 129 个问题，其中 82 个问题经过外部领域专家审查；bioRxiv 摘要显示，GPT-5.6 Sol 在完整题集上的通过率为 28.7%，Pro 运行达到 31.5%，Claude Opus 4.8 为 16.0%。6

这个数字不低，但离「独立接管科研分析」还远。GeneBench-Pro 的失败模式不是模型完全看不懂数据，而是常常能发现局部诊断信号，却没有把这些信号传导到正确的分析决策上。对生命科学、药企和科研软件团队来说，这意味着短期机会不是替代 PI 或核心研究员，而是做更窄的工作流：数据清洗、候选假设筛选、可复现实验记录、批量文献证据表和 HPC 作业管理。

Together AI 这轮融资的含义，不只是「又一家 neocloud 拿钱」。Reuters 报道称，这家公司完成 8 亿美元融资，估值达到 83 亿美元，投资方包括 Aramco Ventures、Vista Equity Partners、General Catalyst、Nvidia、Salesforce Ventures、Pegatron 和 SentinelOne 的 S Ventures。3

它押的是另一条企业 AI 成本曲线：企业不可能把所有请求都用最高价闭源模型跑一遍。Together AI 官方公告称，公司帮助客户在 DeepSeek、Nemotron、MiniMax、Kimi 等开放模型上训练和运行负载，上一季度 annual bookings 超过 11.5 亿美元，并计划在未来五年把算力容量和基础设施规模扩大约 50 倍。7

这对工程和产品团队很直接：AI 成本优化不会只发生在 prompt 层。它会变成一套基础设施采购问题，包括什么时候用前沿模型、什么时候用开放模型、路由失败怎么降级、推理延迟怎么承诺、GPU 容量怎么锁定。谁能把这些抽象成可管控的成本面板，谁就更容易进入企业预算。

对云厂商和模型公司来说，风险也清楚。闭源模型仍然会吃掉最高价值的复杂任务，但长尾、高频、低毛利场景会主动寻找更便宜的推理层。开放模型云如果能证明质量足够、合规可控、容量稳定，就会从「便宜替代」升级成企业 AI 架构里的常驻层。

可灵 AI 的融资信号说明，视频生成已经从 demo 竞赛进入资本密集期。Bloomberg 经 Yahoo Finance 转载报道称，可灵 AI 已获得 20 亿美元初始融资，后续投资者可能加入，融资规模最多约 30 亿美元；交易前估值为 150 亿美元。4

更值得看的是收入口径。报道援引快手说法称，可灵的 annual recurring revenue 已从 1 月的约 3 亿美元增长到 3 月的约 5 亿美元，第一季度收入超过 6.5 亿元人民币，约合 9620 万美元，同比增幅超过 300%。4

这说明视频生成的商业化判断正在变得更务实。单条视频质量仍重要，但资本更关心三个问题：用户是不是愿意持续付费，生成成本能不能被订阅和企业合同覆盖，产品能不能进入广告、影视、短剧、电商和创意工作室的日常流水线。对创业团队来说，单纯做「更炫的模型」会越来越难；更现实的切口是可控剪辑、品牌资产一致性、批量生成、素材管理、版权/水印和团队协作。

Google 的生成媒体更新可以作为旁证。Google DeepMind 6 月 30 日宣布 Nano Banana 2 Lite 面向 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 开放，并称该图像模型面向高吞吐、低延迟场景；Gemini Omni Flash 则进入开发者平台，主打视频生成和对话式编辑。8 生成媒体的竞争正在往「便宜、快、能嵌进工作流」靠拢。

OpenAI Signals 给了一个容易被低估的信号：AI 产品的增长结构正在变。OpenAI 称，基于 0.1% 用户样本，用户注册六个月后每天发送的消息数比注册初期高 50%，累计尝试的任务类型翻倍；按地区看，自 2023 年 7 月以来，Africa 和 Asia 的相对增长最快，低 HDI 国家增速也更快。5

语言结构同样重要。OpenAI 称，以非英语为主要使用语言的用户已经占活跃用户过半，主要非英语语言包括西班牙语、葡萄牙语和阿拉伯语。5 对产品经理来说，这不是一个公关数据点，而是路线图信号：模板、检索语料、语音、支付、价格层、青少年保护和本地监管，都不能再按英语市场默认值外推。

这也解释了为什么低价计划、地区化入口和移动端体验会继续重要。很多 AI 公司在融资叙事里讲企业合同，但真实用户增长可能来自更分散的个人和小团队市场。谁能把低价访问、稳定性能和本地语言体验做扎实，谁就更容易在下一轮采用曲线里拿到增量。

第一，科学 Agent 的产品胜负会落在验证链上。Claude Science 和 GeneBench-Pro 已经把问题说清楚：模型会做一部分研究工作，但不稳定；产品要补的不是更会聊天，而是可复现、可追溯、能接实验室已有工具。

第二，开放模型云会继续和闭源 API 分流。Together AI 的融资说明，企业愿意为「更便宜且可控的推理层」付钱。接下来要看它能否兑现容量扩张、稳定 SLA 和合规能力，而不是只靠开放模型价格差。

第三，视频生成会从模型炫技转向流水线收入。可灵 AI、Google 的开发者模型和同类产品都在回答同一个问题：能不能让创意团队每天用、批量用、付费用。真正的风口不在单次爆款视频，而在可控编辑、资产一致性和低成本批量生产。