导语
Poolside AI 近期完成了一笔结构复杂的巨额交易。NVIDIA以60亿美元非独家技术授权费及10亿美元投资（交易前估值120亿美元）获得了Poolside的“模型工厂”技术及109名员工。罕见的是，公司创始人Eiso Kant等人选择留守，Poolside将转向一个尚未公布的全新方向。这笔被创始人称为“非收购、非acquihire”的交易，揭示了AI前沿竞争对资本和算力的极端要求，也引发了对Poolside未来角色的猜测——从AI模型公司转向基础设施提供商的可能性被广泛讨论。
Poolside 120亿美元反向收购：创始人留守，团队转向新方向
Poolside AI 以120亿美元估值获得NVIDIA投资及60亿美元非独家技术授权。交易特殊之处在于，大多数员工（109人）被NVIDIA雇佣，而创始人Eiso Kant等选择留守Poolside，将公司转向全新方向。文章分析了这一罕见的“反向收购”交易结构、Poolside面临的算力挑战，以及其可能转向AI基础设施公司的未来。
大纲与深读 10 章
展开「深读」看每一段讨论的问题与论据。
01
Poolside与NVIDIA达成交易
- Poolside AI以120亿美元估值获得NVIDIA 10亿美元投资
- NVIDIA支付60亿美元非独家授权Poolside的模型工厂技术
- Poolside 109名员工被NVIDIA招聘，占技术团队绝大多数
深读这一段
讨论的问题：Poolside AI与NVIDIA达成了什么形式的交易？
论据 / 案例：NVIDIA向Poolside投资10亿美元（估值120亿美元），并支付60亿美元非独家许可费；Poolside 109名员工被NVIDIA招聘
02
交易结构与公司现状
00:30- 交易被描述为'反向执行雇佣'，创始人留下，员工离开
- 创始人称这不是收购也不是执行雇佣，而是公司方向的极端转变
- 公司未能在6周内筹集20亿美元，失去了GB300集群的获取机会
深读这一段
讨论的问题：Poolside与NVIDIA的交易结构有何特殊之处？
论据 / 案例：这是首次创始人留下而员工获得丰厚报酬离开的'反向执行雇佣'案例；Poolside原计划在6周内筹集20亿美元用于40,000 GB300集群但未成功
03
基础设施与公司分拆
01:30- Poolside基础设施公司(PIC)于2026年1月分拆，仍在建设1.2GW数据中心
- PIC新任CEO两个月前上任，CFO三天前上任
- 公司认为在10,000-20,000 GB300规模下可生产与当前前沿竞争的模型
深读这一段
讨论的问题：Poolside分拆出的基础设施公司(PIC)在做什么？
论据 / 案例：PIC于2026年1月分拆，正在德克萨斯州建设1.2GW数据中心；新CEO两个月前上任，CFO三天前上任
04
AI未来愿景与价值观
02:30- 公司认为人类水平智能将被开源模型完全商品化，而超级智能则不会
- 世界分为两类经济价值问题：智能受限型和实验受限型
- AI的最终价值将来自科学发现引擎，而非知识工作自动化
深读这一段
讨论的问题：Poolside创始人对AI的未来有什么核心观点？
论据 / 案例：创始人认为'AI将成为世界最有价值的科学发现引擎'；经济价值问题分为智能受限型和实验受限型，后者需要真实世界实验反馈循环
05
OpenAI和Anthropic扩展代理产品
03:30- OpenAI推出Apple Messages插件用于ChatGPT Work/Codex，支持桌面消息搜索和起草
- Anthropic推出计算机使用、浏览器工具、Skills API和Files API的通用可用版本
- ChatGPT/Codex正从聊天UI向协作协调平台转变
深读这一段
讨论的问题：OpenAI和Anthropic在代理产品方面有何新进展？
论据 / 案例：OpenAI推出Apple Messages插件；Anthropic推出计算机使用、浏览器工具、Skills API和Files API的通用可用版本；Files API支持1TB/组织限制
06
企业AI部署与开放模型采用
04:30- AT&T 40%的员工AI使用已路由到开放模型，目标达到60-70%
- AT&T编码成本下降56%，质量仅下降2%，日处理450亿令牌
- 开放模型正在吞噬企业需求的大部分，前沿封闭模型保留用于最难任务
深读这一段
讨论的问题：企业在AI部署中如何采用开放模型？
论据 / 案例：AT&T 40%的员工AI使用已路由到开放模型，目标60-70%；编码成本下降56%，质量仅下降2%，日处理450亿令牌
07
多模态与代理基准测试进展
05:30- Meta的Muse Spark 1.2在多模态/代理评估中表现强劲
- 智谱GLM-5.3在代理/代码评估中持续出现，将改变WebDev Pareto前沿
- Gemini 3.7 Flash在成本调整后推理性能上表现突出
深读这一段
讨论的问题：多模态和代理基准测试有哪些重要进展？
论据 / 案例：Muse Spark 1.2在Agent Arena中提升+2.1%；GLM-5.3 Max在Code Arena中达到1597分，$3.65/M；Gemini 3.7 Flash在ARC-AGI-2上达到84.6%，每任务0.25美元
08
基础设施与系统优化
06:30- OpenAI的下一个预训练栈正迁移到NVIDIA Vera Rubin机架
- Cerebras CS-4通过重新设计电源和冷却在不缩小节点的情况下将性能翻倍
- Linux在代理工作负载上明显优于macOS，特别是在文件系统密集型操作上
深读这一段
讨论的问题：AI基础设施和系统优化有哪些关键发展？
论据 / 案例：OpenAI首个NVIDIA Vera Rubin机架已安装并运行训练栈；Cerebras CS-4在相同5nm晶圆上实现250 PFLOPs，43.2 PB/s内存带宽
09
代理记忆与持续学习研究
07:30- Chroma推出Foundation研究预览，用于代理的自改进记忆
- 研究关注提示、记忆、技能和路由规则独立于模型演进的持续学习
- 关键失败模式是'代理级遗忘'：改进一个组件可能默默破坏先前可靠行为
深读这一段
讨论的问题：代理记忆和持续学习有哪些重要研究进展？
论据 / 案例：Chroma推出Foundation用于代理记忆；研究提出'受保护的代理演进'，将更新提案与提交分离，在文本、多模态和开放世界任务中报告>10%的增益
10
本地模型量化与性能权衡
08:30- Qwen3.8-27B量化版本声称在相同模型大小下比其他量化提供者准确率提高>10%
- Qwen3.8-27B在离线事实回忆方面比3.6版本退步，但工具调用和编码更强
- 本地模型在编码评估中表现出与前沿模型意外接近的竞争力
深读这一段
讨论的问题：本地模型量化和性能有什么关键发现？
论据 / 案例：Unsloth Dynamic v3.0 GGUF量化声称>10%更好的top-1准确率；Qwen3.8-27B在知识基准上退步但在工具调用和编码上表现'令人印象深刻'
金句
- "" —— 我们正处在一个个体仍能产生巨大影响的世界。
- "" —— 不到70人构建了这个模型，加上工程和研究团队总人数也少于115人。
- "" —— 这不是一次收购，也不是一次‘acquihire’。
- "" —— 我们确信，一切具有经济价值、科学意义和个人意义的事物，都将由AI作为基础。
- "" —— AI的终极价值将不来自‘智能受限’的问题，而将来自‘实验受限’的问题。