【AI前沿】20260818 DeepSeek万亿模型峰谷定价·Stripe 70亿收购OpenRouter·英伟达CPO硅光量产·宇树科创板人形机器人第一股
title: 【AI前沿】20260818 DeepSeek万亿模型峰谷定价·Stripe 70亿收购OpenRouter·英伟达CPO硅光量产·宇树科创板人形机器人第一股 description: 8月18日AI前沿速递：DeepSeek V4-Pro峰谷定价正式生效高峰涨1100%；Stripe超70亿美元收购OpenRouter创AI工具并购纪录；英伟达Spectrum-X CPO硅光交换机量产功耗降5倍；宇树科技8月19日科创板挂牌成A股人形机器人第一股；OpenAI解散Preparedness安全团队ARR破400亿；苹果联合阿里训练中国专属AI模型 tags: - AI前沿 - DeepSeek - OpenRouter - 英伟达CPO - 人形机器人 - OpenAI安全 - Apple Intelligence
【AI前沿】20260818 DeepSeek万亿模型峰谷定价·Stripe 70亿收购OpenRouter·英伟达CPO硅光量产·宇树科创板人形机器人第一股
本期主线：2026年8月18日，AI行业同时经历四条主线交汇——国产模型从"低价换采用"走向"按算力成本合理定价"、AI基础设施并购创纪录、硅光互连技术量产重构算力底座、人形机器人量产元年正式开启资本化进程。OpenAI安全架构崩塌与苹果入华构成另一组暗线。
一、DeepSeek V4-Pro峰谷定价正式生效：国产模型商业化定价拐点
8月17日0时，DeepSeek API峰谷定价新规正式生效。V4-Pro结束预览转为正式商用，同步启用峰谷分级定价——高峰时段价格最高较此前上涨约1100%，空闲时段直接打五折。这是2026年以来DeepSeek第四次价格调整，也是国产大模型从"公测低价"走向"正式商用定价"的标志性事件。
1.1 峰谷定价规则一览
高峰时段为北京时间9:00-12:00、14:00-18:00，其余为空闲时段。完整定价如下：
| 模型 | 时段 | 输入(缓存未命中) | 输出 | 缓存命中输入 |
|---|---|---|---|---|
| V4-Pro | 高峰 | 9元(+200%) | 27元(+350%) | 0.3元(+1100%) |
| V4-Pro | 空闲 | 4.5元 | 13.5元 | 0.15元 |
| V4-Flash | 高峰 | 3元(+200%) | 9元(+350%) | 0.1元(+400%) |
| V4-Flash | 空闲 | 1.5元 | 4.5元 | 0.05元 |
注：以上价格单位均为元/百万tokens，括号内为较旧价涨幅
V4-Pro参数规模1.6万亿、激活49B、上下文1M tokens，是目前国产调用量最大的模型。据OpenRouter数据，8月10-16日当周全球大模型调用75.3万亿token，其中中国模型36.84万亿，连续16周超过美国；DeepSeek-V4-Flash连续两周位居全球第一（周调用11.2万亿token）。
1.2 为什么是"峰谷"而不是单纯涨价
工程师视角的关键洞察：这不是临时起意的涨价，而是"模型能力就位→算力入口铺开→计费侧收紧"三步走的收口。8月12日V4-Pro正式版上线，国家超算互联网同步上线DeepSeek V4 Pro及智能体框架DeepSeek Harness，此后计费侧随之收紧。
选峰谷而非一刀切的核心逻辑是调用量已大到需要调度。白天高峰算力挤兑严重，用价格信号把可延迟负载从高峰挪到空闲，本质是"电力调度"思维在AI算力上的应用。
1.3 开发者控本三条铁律
# DeepSeek API 峰谷定价控本策略示例
import datetime
class DeepSeekPricingOptimizer:
"""DeepSeek峰谷定价优化器"""
PEAK_HOURS = [(9, 12), (14, 18)] # 高峰时段
def is_peak(self, dt=None):
"""判断当前是否高峰时段"""
now = dt or datetime.datetime.now()
hour = now.hour
for start, end in self.PEAK_HOURS:
if start <= hour < end:
return True
return False
def select_model(self, task_complexity, can_delay=False):
"""根据任务复杂度和延迟容忍度选择模型"""
if can_delay and not self.is_peak():
# 空闲时段 + 可延迟任务 → 用Pro档省一半
return "deepseek-v4-pro", "idle"
elif task_complexity == "simple":
# 简单任务用Flash
return "deepseek-v4-flash", "peak" if self.is_peak() else "idle"
elif task_complexity == "complex" and not self.is_peak():
# 复杂推理 + 空闲时段 → Pro档
return "deepseek-v4-pro", "idle"
else:
# 复杂推理 + 高峰时段 → 评估是否可延迟
return "deepseek-v4-flash", "peak" # 降级用Flash省钱
def estimate_cost(self, tokens_input, tokens_output,
cache_hit_ratio=0.3, model="v4-pro", period="peak"):
"""估算调用成本(元/百万token)"""
prices = {
"v4-pro": {"peak": {"in": 9, "out": 27, "cache": 0.3},
"idle": {"in": 4.5, "out": 13.5, "cache": 0.15}},
"v4-flash": {"peak": {"in": 3, "out": 9, "cache": 0.1},
"idle": {"in": 1.5, "out": 4.5, "cache": 0.05}}
}
p = prices[model][period]
cache_miss = 1 - cache_hit_ratio
cost = (tokens_input * cache_miss * p["in"] / 1e6 +
tokens_input * cache_hit_ratio * p["cache"] / 1e6 +
tokens_output * p["out"] / 1e6)
return round(cost, 2)
# 使用示例
optimizer = DeepSeekPricingOptimizer()
model, period = optimizer.select_model("complex", can_delay=True)
print(f"推荐模型: {model}, 时段: {period}")
# 月调用2亿token，50%错峰后的成本对比
peak_cost = optimizer.estimate_cost(120e6, 80e6, model="v4-pro", period="peak")
idle_cost = optimizer.estimate_cost(120e6, 80e6, model="v4-pro", period="idle")
print(f"全高峰成本: {peak_cost}元 | 全空闲成本: {idle_cost}元 | 节省: {(peak_cost-idle_cost)/peak_cost*100:.0f}%")
控本三条铁律：
- 错峰：批处理、离线embedding、日志摘要等SLA在"小时级"的任务，用cron/消息队列排到18:00后或9:00前，单价直接减半
- 缓存：把系统提示、长文档、Few-shot示例等稳定前缀走cache，命中后输入按0.15元(空闲)/0.3元(高峰)计费，远低于未命中
- 换模型：简单分类/抽取走V4-Flash，复杂推理和长链路Agent才上V4-Pro
以月调用2亿token的Agent产品为例，50%流量错峰到空闲时段，可省约810元，降幅25%。
二、Stripe 70亿美元收购OpenRouter：AI网关赛道最大并购案
支付巨头Stripe以超过70亿美元完成对AI网关初创公司OpenRouter的收购，这是生成式AI领域规模最大的开发者工具收购案之一。Stripe计划将实时支付结算能力嵌入OpenRouter API调用流程，解决自主智能体场景下的token计费摩擦问题。
2.1 交易核心逻辑
┌─────────────────────────────────────────────────────────────┐
│ Stripe + OpenRouter 融合架构 │
│ │
│ ┌──────────┐ ┌──────────────┐ ┌──────────────────┐ │
│ │ AI Agent │───▶│ OpenRouter │───▶│ 多模型路由层 │ │
│ │ (GPT/Claude│ │ AI Gateway │ │ (200+模型聚合) │ │
│ │ /Gemini) │◀───│ │◀───│ │ │
│ └──────────┘ └──────┬───────┘ └──────────────────┘ │
│ │ │
│ ┌──────▼───────┐ │
│ │ Stripe支付层 │ │
│ │ • 实时token计费│ │
│ │ • 自动结算 │ │
│ │ • 用量审计 │ │
│ └──────────────┘ │
└─────────────────────────────────────────────────────────────┘
OpenRouter成立于2023年，聚合了200+个AI模型，提供统一的API入口和自动模型切换能力。本次收购的核心价值在于：AI Agent在自主运行时需要实时、按token粒度的支付结算能力，传统按月/按量的计费模式无法支撑Agent的自动化调用场景。
2.2 工程师视角：统一模型入口模式获资本重估
| 维度 | 收购前(OpenRouter独立) | 收购后(Stripe+OpenRouter) |
|---|---|---|
| 计费模式 | 预付费充值余额 | 实时支付结算，token级计费 |
| Agent适配 | 需手动管理API Key和余额 | 支付能力原生嵌入API调用 |
| 模型切换 | 200+模型自动路由 | 同上 + 支付路由 |
| 企业级能力 | 基础审计 | Stripe级合规与财务审计 |
| 估值逻辑 | 开发者工具 | AI基础设施 + 金融基础设施 |
工程师点评：这笔收购揭示了一个被低估的趋势——AI Agent的商业化不仅需要模型能力，还需要完整的支付基础设施。当Agent可以自主完成"调用模型→生成价值→完成交易"的全链路时，支付层就成为了新的关键基础设施。这对做Agent创业的开发者意味着：你的架构设计需要提前考虑token级实时计费能力。
三、OpenAI解散Preparedness团队：安全架构的崩塌与商业化狂奔
OpenAI于7月底解散了内部"风险防范(Preparedness)"团队，相关职能被拆分并入核心安全与研究线。该团队成立于2023年10月，专职评估"AI模型是否可能造成严重或灾难性风险"——如模型失控、入侵生产系统等极端场景。
3.1 安全团队逐个消失时间线
| 时间 | 事件 | 状态 |
|---|---|---|
| 2024年5月 | 超级对齐团队解散，两位创始人离职 | 创始团队出走 |
| 2025-2026年 | AGI筹备团队、任务对齐团队相继解散 | 安全架构瓦解 |
| 2026年7月末 | Preparedness团队解散 | 早期安全架构最后一块拼图消失 |
| 2026年8月初 | Astra模型因网络安全风险达"关键"阈值紧急叫停 | 一边叫停风险模型，一边解散风险团队 |
与此同时，OpenAI年化收入(ARR)突破400亿美元（约为2025年末的两倍），企业板块同比+32%。IPO时间表推迟至明年，年内已有约13名高管离任。近期离职的包括伦理主管、首席未来学家、安全主管和首席营收官。
3.2 工程师视角：安全让位于商业化
工程师点评：这不是孤立事件，而是一条清晰的轨迹。2024年离职的安全负责人Jan Leike说"安全正在让位于光鲜产品"——这句话在两年后成了OpenAI的注脚。8月初Astra模型因网络安全风险达"关键"阈值被叫停，但紧接着评估风险的团队就被解散。对开发者而言需要关注的是：你使用的ChatGPT背后的安全评估机制正在变化。在Agent场景下，安全边界不应该依赖模型供应商的内部团队，而需要在自己的Agent架构中内建安全控制层。
# Agent安全控制层架构示例
agent_safety_framework:
# 不依赖模型供应商，自建安全控制
layers:
- name: "输入安全过滤"
type: "guardrails"
rules:
- "禁止注入式攻击指令"
- "敏感信息脱敏(PII/财务数据)"
- "代码执行沙箱隔离"
- name: "输出内容审计"
type: "output_validation"
rules:
- "生成代码安全扫描(SAST)"
- "有害内容检测"
- "事实性验证(hallucination check)"
- name: "行为边界控制"
type: "action_guardrails"
rules:
- "工具调用白名单"
- "预算上限硬编码(非系统提示词)"
- "提交权限分级(只读/可编辑/可执行)"
- "人工确认触发条件"
- name: "持续监控与日志"
type: "observability"
rules:
- "全链路调用日志"
- "异常行为告警"
- "安全事件回溯审计"
四、英伟达Spectrum-X CPO交换机量产：硅光互连重构算力底座
英伟达宣布全球首款200G/lane CPO以太网交换机Spectrum-X Ethernet Photonics进入全面量产阶段。该产品针对AI工厂与GPU集群从"万卡"推向"十万卡"规模带来的数据传输高功耗、散热瓶颈设计，实现激光器数量减少4倍、功耗降低5倍的突破。
4.1 CPO技术原理
CPO（Co-Packaged Optics，共封装光学）的核心逻辑是将原本插在交换机面板上的光模块，直接"焊"在交换芯片旁边，缩短电信号传输路径，突破传统可插拔光模块的功耗与带宽上限。
传统方案: 交换芯片 ─── PCB板(电信号长距离) ─── 可插拔光模块 ─── 光纤
↑ 高功耗、高延迟、端口密度受限
CPO方案: 交换芯片 ─ 光引擎(共封装) ─ 光纤
↑ 电信号→光信号转换在芯片侧完成
↑ 功耗降5倍、激光器减4倍
4.2 产业链价值分层
| 产业链环节 | 代表企业 | 价值量占比 | 技术壁垒 |
|---|---|---|---|
| 整机集成 | 工业富联 | 65%-70%(交换机总装) | 英伟达唯一代工/集成商 |
| 光引擎 | 天孚通信 | 核心增量环节 | 1.6T光引擎量产，良率>90% |
| 光芯片 | 源杰科技/仕佳光子 | 上游"卖水人" | EML激光器供需缺口>30% |
| 先进制造 | 台积电/矽品 | 制造底座 | 硅光芯片工艺+光电合封 |
工程师点评：CPO量产标志着AI算力竞争的焦点从"单卡性能"转向"集群互连效率"。当GPU集群规模突破万卡时，网络互连的功耗和延迟成为比GPU本身更关键的瓶颈。高盛预测到2028年CPO渗透率将达29%。对AI基础设施工程师而言，CPO时代的网络架构设计需要从"可插拔模块思维"转向"共封装光学思维"——带宽规划和散热模型都需要重构。
五、宇树科技8月19日科创板挂牌：人形机器人量产元年第一股
宇树科技(688836.SH)将于8月19日在上海证券交易所科创板正式挂牌，发行价150.80元/股，本次发行4044.64万股，占发行后总股本10%，总市值约610亿元。A股首个人形机器人整机标的即将正式登场。
5.1 上市背景与产业热度
- 机构抢筹：95家公募机构旗下5117只产品参与申购，网下申购获配资金超18.2亿元
- 量产能力：人形机器人累计下线约18000台
- 行业地位：智元机器人2026H1出货8400台居全球第一（占全球44%市场份额），宇树紧随其后
- 同期盛会：2026世界机器人大会8月19-23日在北京举行，第二届世界人形机器人运动会8月22-26日接棒
5.2 人形机器人产业融资全景
本周人形机器人赛道密集融资，资本热度持续升温：
| 企业 | 融资额 | 领投方 | 方向 |
|---|---|---|---|
| 原力无限(INFIFORCE) | 近10亿元(A轮+A+轮) | 敦鸿资产/国资 | 具身大脑+因果世界模型 |
| 桥介数物 | 亿元级(Pre-A+++轮) | 中国移动链长基金 | 通用机器人操作系统 |
| 戴盟机器人 | 数亿元(战略轮) | 蚂蚁集团 | 触觉智能+物理交互脑 |
| 潜界科技 | 数亿元(种子轮) | 高瓴创投 | 物理世界具身基座模型 |
| 觅蜂科技(智元拆分) | 数亿元 | 中国电信 | 具身智能数据采集与训练 |
此外，LG电子与英伟达签署MOU，基于Isaac GR00T与Jetson Thor联合开发双足人形机器人，计划2027年第一季度发布，瞄准家庭与服务场景。
工程师点评：宇树上市不仅是一个公司的资本化，更是人形机器人从"实验室原型"走向"量产交付"的产业拐点。2026上半年中国卖出约2.3万台人形机器人，但真正走进工厂生产线不到5%——这说明量产能力已经具备，但场景适配和ROI验证才是下一阶段的核心挑战。沙利文白皮书指出资本注意力已从"押注技术"转向"商业化闭环"，这对具身智能创业团队意味着：不能只讲技术故事，必须证明机器人在特定场景下的真实生产力替代价值。
六、苹果联合阿里训练中国专属AI：Apple Intelligence入华在即
据路透社报道，苹果正联合阿里巴巴为中国市场训练专属AI模型，Apple Intelligence有望借此登陆中国。苹果技术开发（上海）有限公司的"Apple智能"大模型已于2026年7月8日完成备案，适用场景为苹果手机。
6.1 入华技术路径
| 维度 | 全球版Apple Intelligence | 中国版Apple Intelligence |
|---|---|---|
| 模型基础 | Apple自研 + OpenAI GPT | Apple自研 + 阿里通义千问 |
| 合规路径 | 无需特殊备案 | 已完成大模型备案(7月8日) |
| 技术合作方 | OpenAI | 阿里巴巴(技术支持) |
| 落地设备 | iPhone/iPad/Mac/Vision Pro | 同上(国行版) |
| 上线时间 | 已在多地区上线 | 预计数月内随iOS更新 |
苹果将成为首家获准在华提供自研AI模型的境外企业。阿里通义千问和百度相关技术将集成进国内版iPhone、iPad、Mac以及Vision Pro。
工程师点评：苹果选择与阿里合作而非自建全套中国模型，体现了"全球统一框架+本地化模型接入"的务实策略。对国内AI开发者而言，Apple Intelligence入华意味着端侧AI推理的生态将从"App级"升级为"OS级"——这为端侧模型优化、本地推理框架(MNN/MLC-LLM)和AI应用集成带来了新的分发渠道。
七、本周投融资动态全景扫描
7.1 海外重大融资
| 公司 | 融资额 | 估值 | 领投方 | 核心方向 |
|---|---|---|---|---|
| Databricks | 50亿美元 | 1900亿美元 | Coatue/黑石/MGX | 数据与AI平台 |
| Lovable | 4亿美元(C轮) | 133亿美元 | Menlo Ventures | AI编程(vibe coding) |
| River AI | 11亿美元(种子+A轮) | ~50亿美元 | General Catalyst | 开源模型LoRA/RL微调 |
| Vals AI | 4000万美元(A轮) | - | a16z | 第三方AI评估基准 |
| Cognition | 洽谈中 | 400亿美元 | - | AI编程智能体Devin |
7.2 黄仁勋5000亿美元AI基建基金
英伟达与Apollo、BlackRock、Blackstone、Brookfield、高盛和KKR签署合作备忘录，计划建立独立的AI算力融资平台，长期动员超过5000亿美元第三方资金用于建设AI基础设施。黄仁勋携手六大华尔街资管巨头共同为"将AI算力打造为独立资产类别"背书，高盛正推动英伟达动员超5000亿美元资金投入AI基础设施建设。
工程师点评：算力资产化是2026年最值得关注的宏观趋势。GPU和AI数据中心正在被包装成一种可投资、可融资的长期基础设施资产。这能缓解客户购买算力的资本压力，但也加剧了市场对循环融资和基础设施泡沫的担忧。对中小开发者而言，算力资产化可能带来更灵活的算力租赁模式，但也需警惕算力价格被金融化操作推高的风险。
八、工程师视角：趋势研判与行动建议
8.1 本周五大趋势总结
| 趋势 | 关键事件 | 工程师行动建议 |
|---|---|---|
| 国产模型商业化定价 | DeepSeek峰谷定价 | 立即实施错峰调度+缓存优化 |
| AI支付基础设施化 | Stripe收购OpenRouter | Agent架构预留token级计费接口 |
| 安全控制内生化 | OpenAI解散Preparedness团队 | 不依赖供应商安全团队，自建Agent安全控制层 |
| 硅光互连量产 | 英伟达CPO交换机量产 | 关注CPO时代网络架构重构 |
| 人形机器人资本化 | 宇树科技科创板挂牌 | 关注量产场景适配和ROI验证 |
8.2 本周值得关注的论文前沿
- BrainWAM：语义先验与预测动力学的动作空间协同自动驾驶框架，NAVSIM v1达89.5 PDMS，全面超越单一VLA或WAM方案（arXiv:2608.12854）
- G0.5：单一自回归流统一机器人推理与动作，跨7个基准全面超SOTA，真实机器人微调76.7%（arXiv:2608.11739）
- FACT：把失败动作变为合法训练目标，抑制成功偏置幻觉，将失败轨迹转为监督信号（arXiv:2608.10860）
8.3 下周关注焦点
- 宇树科技8月19日科创板挂牌表现 → 人形机器人板块估值锚定
- 世界机器人大会8月19-23日 → 量产级产品发布密集期
- DeepSeek峰谷定价执行首周 → 开发者迁移到私有化部署的速度
- Anthropic IPO进展 → 估值或超2万亿美元，预计10月启动
文末引导
以上就是2026年8月18日的AI前沿速递。从DeepSeek的峰谷定价到英伟达的硅光量产，从Stripe的AI支付基建到宇树的人形机器人第一股，今天的AI行业正在经历一场从"模型能力竞争"到"基础设施重构"的范式转移。
如果你想深入理解这些技术趋势背后的工程实践——从Agent安全控制层的设计、推理引擎的选型决策、到RAG架构的演进路线——欢迎关注我的付费专栏【大模型工程师修炼手记】，那里有更多从原理到代码的系统性深度解析。
上一篇：【AI前沿】2026.08.17 SpaceX 600亿收购Cursor·DeepSeek V4 Pro万亿开源·人形机器人生态全面爆发
本文由AI辅助信息整理与创作，技术解读和工程师视角点评为原创内容。 数据采集时间：2026-08-18 | 数据来源：WebSearch多源搜索 + WebFetch详情抓取
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
1
0- 0
已为社区贡献8条内容
所有评论(0)