WuBlockchain 发布的《白线日报》汇总了当天四条 AI 相关动态,涉及视频生成平台融资与商业化进展、AWS 算力预订情况、存储厂商业绩,以及大模型安全限制。
Higgsfield 扩展 B 轮融资,新增 NVIDIA 与 TCV
美国 AI 视频与图像生成平台 Higgsfield 于 10 月 23 日宣布扩展 B 轮融资,新增投资者包括 NVIDIA 和科技投资机构 TCV。此次追加融资金额及最新估值未披露。
公司表示,平台用户已超过 4,000 万,覆盖 238 个国家和地区。9 月年化收入运行率突破 10 亿美元,距离产品推出约 18 个月。Higgsfield 同时披露,企业业务收入环比增速超过 100%,企业客户合同收入自 6 月以来增长 10 倍,平台每月处理约 12 万亿 Token,完成约 1.5 亿次内容生成。
在基础设施方面,Higgsfield 正将算力基础设施扩展至 NVIDIA Vera Rubin,并使用 NVIDIA Dynamo 优化推理部署。报道同时提示,年化收入运行率基于近期收入推算,不代表过去一年实际实现的营收。
《白线日报》认为,Higgsfield 企业客户合同收入自 6 月增长 10 倍、每月完成约 1.5 亿次内容生成,说明商业需求已形成一定规模,但视频生成量持续上升,也会带来更高的推理算力需求。
AWS:2026 年大型客户容量基本售罄,2027 年大部分已被预订
Amazon CEO Andy Jassy 在 Andreessen Horowitz 的播客访谈中表示,AWS 2026 年面向大型客户的云计算容量已基本售罄,2027 年大部分容量也已被预订,2028 年相当一部分容量已有客户承诺。
Jassy 表示,需求主要来自 AI 实验室及企业客户。与此同时,Amazon 仍为 EC2、Bedrock 等按需服务保留部分容量。公司此前计划 2026 年资本开支约 2,200 亿美元,Jassy 称,即使增加投入,也可能获得合理回报。
他还提到,AWS 可在客户需求变化时调整服务器及网络设备采购。Amazon 预计于 10 月 29 日公布第三季度财报。
《白线日报》指出,长期预订降低了新增算力闲置的风险,但客户承诺并不等于已经产生收入,合同付款条件和实际投运时间,将决定巨额资本开支能以多快速度收回。
Western Digital 第一财季收入增长 55%,毛利率升至 57.8%
美国硬盘存储制造商 Western Digital 在 2027 财年第一季度财报中披露,截至 10 月 2 日的季度收入为 43.81 亿美元,同比增长 55%,环比增长 17%。
财报显示,GAAP 毛利率由去年同期的 43.5% 升至 57.8%,提高 14.3 个百分点;营业利润达到 20.46 亿美元,同比增长 158%;营业利润率则由 28.1% 提高至 46.7%。
公司表示,存储容量出货增长及产品价格改善共同推动了业绩,季度自由现金流达到 13.8 亿美元。对于下一季度,Western Digital 预计收入为 50 亿至 52 亿美元,非 GAAP 毛利率预计进一步升至 60% 至 61%。
《白线日报》提到,Western Digital 每 TB 平均售价同比上涨 28%,说明盈利改善不只是来自出货增长;高容量硬盘的定价能否继续提高,将直接影响后续毛利率。
月之暗面发布 Kimi K3.1 Pro,并主动限制网络攻击能力
中国 AI 公司月之暗面于 10 月 24 日发布 Kimi K3.1 Pro,将其定位为公司目前能力最强的 3 万亿级参数开放权重模型。该模型支持 100 万 Token 上下文,并推出推理速度约为标准版 2 至 3 倍的 Highspeed 版本。
公司表示,在训练过程中主动移除了部分网络安全相关数据及强化学习任务,以降低模型被用于漏洞攻击的风险。根据内部测试,模型在代码漏洞发现与利用任务中的得分,由未采取限制措施版本的 90.5% 降至 81.0%,但仍高于上一代 K3 的 33.3%。
新模型已通过 Kimi 产品和 API 提供服务,完整模型权重计划于 11 月 4 日前发布。报道同时说明,上述安全测试结果来自公司内部评估,尚未经独立验证。
《白线日报》认为,K3.1 Pro 在主动削减网络攻击能力后,内部漏洞利用测试得分仍达到 81.0%,较上一代 K3 的 33.3% 明显提高,通用编程能力的进步也带来了更复杂的安全风险。
今日主线:经营兑现程度并不相同
《白线日报》总结称,Higgsfield 的企业客户开始形成收入,AWS 提前锁定未来算力需求,Western Digital 已通过存储产品提价改善盈利。三者之间的差别在于,客户付费、容量预订和实际利润,分别对应不同程度的经营兑现。
对于 Kimi K3.1 Pro,报道提出的另一个问题是,在模型能力持续提高后,开发商能否在开放权重的同时有效限制高风险用途。


