美东 10 月 26 日，OpenAI 宣布内部模型产出三项基础研究成果：证明所有空间维度下的局部光滑化猜想并由此得到挂谷猜想相关结果；给出统治理论计算机界近 30 年的指数时间假设（ETH）的次指数时间反证；完成四维纯杨-米尔斯理论存在性的 Lean 形式化证明。三项成果均已或即将交由提出者级别学者牵头核查，自然语言文稿与 Lean 证明在 GitHub 公开。值得注意：挂谷证明从 AI 产出到机器形式化只用了一天，但"次指数"不等于"多项式"，P 与 NP 并未被解决。
谷歌 DeepMind 美东 10 月 27 日以研究预览形式发布 Genie 4：用户可在模拟进行中用自然语言实时改写场景，画面与原生音频（音乐、环境音、对话）同步生成，最长连续模拟约 2 分钟（上代两倍），由 Gemini Omni 锚定真实世界外观。先期只对受信任测试者和 Google AI Ultra 用户开放——它仍是研究预览，不是可量产产品，但世界模型的产品形态第一次清晰到可以被讨论。
注：SK 海力士 Q3 营业利润率接近 80%，公司判断内存供不应求将持续至 2030 年；数据口径见各事件卡片。
HBM 和先进制程是资金、时间、良率堆出来的硬壁垒，全球只剩两三家能玩，所以可以锁产到 2030、拿走 80% 利润率；而推理算力一旦标准化，云厂商立刻用多供应商压价。算力产业链正在像原油产业一样分层：上游勘探开采（HBM/制程）寡头垄断赚暴利，中游炼化（云/推理）充分竞争拼成本。判断一家 AI 基础设施公司值不值钱，先看它站在哪一层。
它来自最大受益者本人，服务于长协签约和股东回报叙事。内存行业过去三十年每一次"这次不一样"的长期短缺宣言，最终都被产能周期和需求证伪——2018 年、2022 年殷鉴不远。真正该跟踪的是两个反向指标：一是 Terra 这类效率模型让单位智能 Token 消耗下降的速度，二是长协客户在 2027 年是否出现转让或违约。如果 HBM4 在 Q4 如期双超 HBM3E 且长协履约率保持满格，短缺叙事才算被持续验证。
甲骨文把推理芯片摆上货架、开源权重吃下 72% Token 份额，推理价格的中长期方向只有向下，做 Agent、做应用、做行业模型微调的团队应敢于按推理成本继续下降来设计商业模式（重推理、轻订阅费）。反过来，前沿训练的门槛继续抬高——HBM 被配额、先进算力被管制、万卡集群的资金量以千亿计。结论是：国内"训练国家级基座"的玩家会进一步收窄到少数有国资和云厂商支撑的公司，绝大多数团队的最优解是用开源权重+廉价推理做深场景，而不是自训基座。
TorchNeuron 一句 .to('neuron')、TorchTPU 原生 PyTorch、甲骨文统一上架——它们的共同点是让开发者不换代码就能换芯片。这才是对 CUDA 生态的实质性侵蚀，和过去十年"性能对标英伟达但没人迁移"的国产芯片故事有本质区别。对国产算力链的启示很直接：与其追求单卡跑分再高几个点，不如把 PyTorch/vLLM/SGLang 适配、主流开源模型（DeepSeek、Kimi、Qwen）的开箱即用和云市场上架这三件事做到零摩擦。生态位的窗口，就在这两年大厂自己动手解绑英伟达的过程中。