ESMFold2、Cognition 25亿美元估值与SK海力士1.061万亿市值：AI开始同时重写科研、软件与算力
如果把今天的 38 篇文章放在一起看，最清楚的变化不是“AI 又更聪明了一点”，而是它已经在三个更硬的层面落地：先进入科学发现与生物计算，再进入企业愿意付费的编码代理市场，最后把红利传导到真正供给算力和存储的硬件公司。
深度解读
1. ESMFold2 把蛋白质预测从“结构生成”推向“世界模型”：6.8亿序列和1.1亿结构背后，AI科研开始有自己的基础设施
ESMFold2 发布，表面上看是一篇蛋白质模型更新，真正值得注意的是它把蛋白质 AI 从“预测一个结构”推进到“构建一个可以被反复检索和设计的生物世界模型”。文章给出的数字非常硬：团队发布了一个覆盖 6.8 亿蛋白质、包含 1.1 亿预测结构 的数据库，而模型本身并不是靠人工标注堆出来的，而是继续沿着大规模序列数据上的 Transformer 无监督学习路线往前走。
为什么重要？因为这意味着生命科学里最贵的那部分环节，正在被重新软件化。AlphaFold 时代证明了结构预测能做出来，但 ESMFold2 更进一步的地方在于，它把“预测、设计、发现”放进了一个统一引擎中。只要数据库规模足够大，研究者面对的就不再只是单次推理，而是一个能支持相互作用预测、候选筛选和功能探索的工作台。
更关键的细节是，报道明确提到它在部分任务上已经超过 AlphaFold3，尤其是在蛋白质相互作用预测上表现亮眼。这类任务的难点不只是“单个分子长什么样”，而是“分子之间怎么作用”，这直接关系到药物发现、抗体设计和工业酶工程的真实价值。如果说生成式 AI 在文生文、文生图阶段解决的是内容供给问题，那么蛋白质模型解决的就是实验假设供给问题：先用计算把可行空间缩小，再把真正昂贵的湿实验资源集中到更可能成功的候选上。
今天同一批文章里还有 Google Co-scientist 这类多智能体科研系统讨论，和 ESMFold2 放在一起看，信号就更完整了：一边是“生成假设的代理系统”，另一边是“承接这些假设的大规模科学世界模型”。AI 在科研里的角色，正在从助手变成实验前端的认知压缩层。
2. Cognition 年营收4.92亿美元、估值25亿美元，Anthropic/OpenAI又改按量计费：编码代理终于开始长出清晰商业模型
今天关于 AI 编程最值得看的，不是哪个 demo 更炫，而是商业化口径突然变得具体了。Cognition 获超 10 亿美元融资，给出的数字包括 25 亿美元估值、4.92 亿美元年营收、Devin 使用量月增 50%，客户名单里还有奔驰和 NASA。另一边，Anthropic 与 OpenAI 企业定价转向 API 按量付费，则说明头部厂商已经不想再用“高配订阅”模糊代理真实成本，而是开始把价值直接绑定到调用量和任务结果。
这件事重要，是因为它意味着编码代理第一次出现了接近 SaaS 之外的新计费逻辑。传统订阅制的问题很简单：重度用户会把模型成本打爆，轻度用户又不足以撑起高估值。按量计费虽然更像云服务，但对企业来说反而更可接受，因为它能和明确的产出挂钩——修了多少 bug、跑了多少任务、替代了多少人力时间。
| 信号 | 今天的数据 | 背后说明 |
|---|---|---|
| Cognition | 融资超10亿美元，估值25亿美元，ARR 4.92亿美元 | 企业愿意为编码代理支付真钱，而不只是试用预算 |
| Anthropic/OpenAI | 企业方案从订阅转向 API 按量 | 代理成本和价值都开始被精细化核算 |
| NVIDIA Polar / ForgeTrain | 训练框架和强化学习工具继续补底层 | 编程代理竞争已从前端产品卷到训练与工程栈 |
再看今天其他文章，这条线被补得更完整。NVIDIA Polar 试图在不改现有代理软件的前提下，把 Codex、Claude Code、Qwen Code 这类系统接进强化学习；ForgeTrain 则强调自己是由 AI 编写、在 H100 上训练速度超过 Megatron 10% 的生产级训练框架。这说明“谁能做出好用的编码代理”已经不只是产品问题，而是训练效率、工程栈和推理成本一起决定的系统工程。
所以今天真正的行业变化是：编码代理不再停留在“工程师喜欢不喜欢”，而是走到 CFO 会开始问 ROI 的阶段。能不能赚钱，开始比能不能写出一段漂亮代码更重要。
3. SK海力士市值冲到1.061万亿，光轮智能单季新增订单5.5亿元：AI 红利正在向“卖铲子”和数据工地外溢
SK 海力士市值突破 1.061 万亿美元，这是今天最能提醒人保持现实感的一条新闻。市场上当然还在讲模型、代理和应用，但真正把钱赚得最扎实的，往往是 HBM 供应商。报道提到，SK 海力士凭借 HBM3 和 HBM3E 领先，一季度净利润同比暴增 400% 至 40 万亿韩元。这说明 AI 基础设施竞争里，存储带宽已经不是附属变量，而是决定训练和推理上限的核心资源。
与这条线呼应的，是 光轮智能新融资。它不是芯片公司，而是做物理 AI 的数据与评测基础设施，但新闻里给出的数字同样扎眼：2026 年第一季度新增订单 5.5 亿元。这说明具身智能和世界模型火起来之后，资本不仅在投“脑子”，也在投“喂脑子的材料”和“检验脑子的考场”。
为什么这件事重要？因为它改变了我们理解 AI 投资回报的方式。过去大家更关注模型公司估值是不是又翻倍，但今天的信号是，红利链条已经往更下游、更重资产、也更难替代的环节传导。没有 HBM，高性能训练跑不起来；没有仿真数据、评测平台和世界模型底座，机器人和物理 AI 很难从 demo 走向交付。
再把 AWS Field Advisor 这类多智能体企业系统放进来一起看，产业图景就更明确：上层是代理和应用，中层是训练框架与平台，下层是显存、数据、评测和部署栈。AI 红利已经不只属于模型发布会，而是越来越属于那些能把瓶颈资源规模化供应出去的公司。
快讯
AWS Field Advisor 统一 20 多个销售代理入口：AWS 用 AgentCore 做请求路由、上下文记忆和人机协作，说明企业内部已经开始从“做单个 Agent”转向“管理 Agent 群”。
微软 Webwright 用约 1000 行代码把 GPT-5.4 推到 60.1%：核心不是让模型预测点击，而是直接生成并执行 Playwright 脚本，浏览器代理开始从 GUI 模仿转向程序化执行。
阿里云 Blade AI 把混沌工程流程改成自然语言：从故障定位到安全校验再到注入执行都交给 AI 编排，传统运维工具也开始被 Agent 化。
YouTube 将自动标记显著拟真 AI 视频：平台不再只依赖创作者自报，而是主动检测并加注标签，生成式内容的治理正在从“声明义务”走向“平台识别”。
Humanoid 预购订单达 3.4 万台：人形机器人公司开始把故事从炫技切到 ROI，但大额预购能否真实转化仍需时间验证。
Robinhood 测试 AI 代理交易与支付：允许 AI 分析投资组合并发起支付，但最终下单仍需用户确认，金融场景里的“半自动代理”正在先行。