阅读研究雷达投资体系
登录 / 注册
全部阅读技术产品投资二级市场其他

阅读

2026-10-21154 篇

刷新

DeepSeek开源生产级推理框架DeepInfer,支持英伟达Blackwell与华为昇腾芯片

专题 · DeepSeek推理框架实质变化
2026-10-21 07:11

中国人工智能初创公司DeepSeek于2026年10月20日开源了DeepInfer,这是支撑其自身生产服务的大模型推理框架。该框架旨在解决以合理成本向海量用户提供大模型服务的问题。据DeepSeek称,其一个集群目前每天可处理155万亿个token,在低谷期定价下,每块GPU每小时收入约为38美元。

DeepInfer目前仅支持单一模型DeepSeek-V4.1-Flash,默认加载周末发布的1017版本。该框架兼容英伟达SM100 Blackwell GPU和华为昇腾950神经网络处理器,但不支持Hopper及其他较旧的英伟达架构。两项确保输出一致性的功能仅在英伟达硬件上运行,所有公布的性能基准测试均在英伟达芯片上进行,且数据为DeepSeek自测结果。

在技术实现上,DeepInfer采用了名为DSpark的推测解码系统,由草稿模型一次提出五个token,置信度头预测主模型将接受哪些token,从而减少约30%的草稿token检查量,DeepSeek估计在生产负载下吞吐量提升4%至7%。另一项技术声称可将总预填充计算量减半,仅将每个提示的最后128个token重新通过模型的解码层。

DeepSeek尚未发布其键值缓存管理和负载均衡代码,称这两部分与内部基础设施紧密耦合。此外,将预填充和解码拆分到不同机器的操作也留给用户自行配置。DeepInfer采用Apache 2.0许可证在GitHub上发布,随附的deepseek-recipe库用于将请求转换为token序列。

信息源:siliconangle.com

研究

Modal推出Sticky Sessions:解决无服务器架构下AI语音代理与会话状态的连续性问题

实质变化
2026-10-20 00:00

在构建实时AI应用(如语音转文字模型、对话式智能体或多人游戏)时,开发者面临一个核心矛盾:传统的无服务器计算(Serverless)假设每个请求是独立的,以便灵活扩缩容;但这些应用需要在整个会话期间保持状态连续性,要求用户的每次重连都回到同一个处理容器。

针对这一痛点,云基础设施公司Modal于2026年10月19日推出了Sticky Sessions功能。该功能基于其低延迟的Modal Servers构建,确保同一会话中的所有请求都能固定路由到同一个容器上。开发者只需使用@modal.sessioned()装饰器创建服务器,并通过SDK或HTTP API启动会话即可启用此功能。

Sticky Sessions的核心创新在于将“会话”作为并发单位进行自动扩缩容,而非传统的“请求”。这意味着当活跃会话数增加时,系统会自动准备新容器;当会话空闲时则进行回收。这种机制避免了以往通过设置max_containers=1来强行保证粘性而牺牲扩展性的反模式,同时也解决了WebSocket连接断开后可能路由到新容器导致的状态丢失问题。

对于正在开发低延迟语音代理、共享聊天室或在线游戏的团队而言,这一更新提供了一流的基础设施支持。它允许应用在保持WebRTC信令稳定、内存状态连续的同时,依然享受无服务器架构带来的按需付费和弹性伸缩优势。

信息源:aihot.news

研究

马斯克称特斯拉与SpaceX成立独立委员会探讨合并,需获全体股东半数支持

专题 · 特斯拉SpaceX合并结构性
2026-10-21 06:16

埃隆·马斯克(Elon Musk)在周二举行的SpaceX财报电话会议上表示,特斯拉(Tesla)和SpaceX均已成立由独立董事组成的特别委员会,以讨论潜在的合并事宜。这是投资者迄今收到的关于这两家巨头联姻构想的最详细进展更新。自SpaceX今年早些时候上市以来,市场一直有关于两者合并的猜测。

马斯克同时执掌这两家公司,并持有大量股份。他明确表示自己不能参与这些探索性小组的工作。他在电话会上说:“我认为这是一个好主意吗?是的。但最终,股东必须支持这一决定,特别是在特斯拉方面,我们需要获得所有股份中50%的赞成票,而不仅仅是参与投票的股份。”他将通过这一门槛描述为“相当高的障碍”。

尽管马斯克对合并持积极态度,但他警告投资者不要将其视为必然结果。“我不认为我们应该假设SpaceX和特斯拉的合并是确定的,”他说,“那会夸大其词。”如果两家公司最终决定合并,将进一步整合马斯克的商业帝国,通常被称为“Musk Inc.”。此前,xAI于2025年收购了社交媒体公司X,SpaceX也在今年2月收购了xAI。

马斯克指出,两家公司在人工智能软件、芯片设计、TeraFab制造、机器人技术以及Starlink卫星连接等领域已有广泛合作。受此消息影响,SpaceX股价在盘后交易中上涨约6.6%,特斯拉上涨约1.6%。

信息源:businessinsider.com

研究

Anthropic上半年营收为去年同期15倍、达163亿美元,净亏损达807亿美元

专题 · Claude企业采用率实质变化
2026-10-21 06:48

ETNews转引《华尔街日报》的报道,称后者取得的Anthropic S-1文件涉及该公司今年上半年的财务数据。本文实际读取的是ETNews报道,未读取该文件原文,亦不能据此确认其已向美国证券交易委员会(SEC)正式提交。该报道给出的营收达到163亿美元,是去年同期的15倍,净亏损则高达807亿美元。

据该转引报道,这807亿美元的巨额亏损中,约720亿美元并非来自日常运营支出,而是由于公司为融资发行的可转换债券等金融工具的价值变动所产生的账面损失。该报道区分了非现金账面损失与日常运营支出,但仅凭这项说明不能确定实际现金流状况。

支撑Anthropic高速增长的背后是巨大的基础设施投入。据该转引报道,仅今年上半年,公司在算力和基础设施上的支出就达到90亿美元,已超过去年全年的73亿美元。这两项分别为半年和全年累计支出,不能用这组数值推算同比增速或现金流变化。该报道还称,Anthropic已签署了总额超过4500亿美元的不可解除的未来算力采购合同,主要面向Google Cloud、Amazon Web Services和Microsoft三大云服务商。若加上通过Broadcom租赁Google芯片及其他小型云厂商的合同,其未来基础设施总承诺可能超过6000亿美元。

该报道还称,Anthropic指出其客户集中度较高,约五分之一的收入来自两家客户。公司还提到了技术风险,包括AI模型可能出现“自我保存”行为或生成具有胁迫性质的响应等失控风险。这些转引报道数据可用于了解Anthropic的收入、亏损构成及未来算力合同义务;不能据此确定其实际现金流、IPO估值或整个行业的盈利前景。

信息源:etnews.com

研究

Janus Henderson信用投资负责人John Lloyd认为CoreWeave债券遭过度抛售

专题 · CoreWeave动态实质变化
2026-10-21 06:03

Janus Henderson全球多行业与企业信用主管John Lloyd认为,CoreWeave债券近期的抛售是过度反应。他在接受CNBC采访时说,债券价格下跌、利差扩大、收益率走高,但他看不到生态系统中出现了足以支撑这一跌幅的根本性变化,除了融资成本上升——而他认为CoreWeave可以在这方面发挥创意。

Lloyd的Janus Henderson多行业收入基金持有CoreWeave 2031年到期的9.75%债券,该债券到期收益率目前已达15.97%,较今年4月发行时跳升逾70%。CoreWeave的五年信用违约互换利差报1085个基点,通常1000个基点以上被视为信用困境信号;其股价在过去一周下跌约20%。公司总债务约516亿美元,其中约350亿为票据、债券和贷款;债务权益比从去年同期的290%升至702%。据市场一致预期,CoreWeave今年资本开支约364亿美元,而息税折旧摊销前利润仅75亿美元。

Lloyd的论证核心不在于否认这些数字的严峻性,而在于解释为什么他认为市场给出的价格超出了基本面应有的反应。他提出三条具体机制:第一,CoreWeave可以用GPU资产或租赁合同作抵押进行融资,不必完全依赖高收益债市场;第二,公司可以要求Microsoft、Meta Platforms和OpenAI等最大客户增加预付款;第三,该公司近期没有到期债务,因此短期内不面临再融资压力。他说:

他们大概可以足够有创意,以至于根本不需要回到高收益债市场。

在需求侧,Lloyd认为AI算力供需动态仍然紧张。他提到生态系统内的采用率跑在一致预期需求曲线之上,而芯片和内存供应存在瓶颈,这对CoreWeave构成有利条件。他还指出,如果Anthropic按计划于11月完成IPO、随后OpenAI也上市,前沿实验室的成功上市可能缓解市场对AI需求端的担忧,从而间接支撑新云运营商的信用定价。

需要指出的是,Lloyd本人持有这些债券,他的判断带有利益关联。报道指出CoreWeave仍需说服市场其能应对更高的融资利率并突破融资瓶颈;Lloyd认为公司能渡过难关,但债券修复不会是一条直线。如果AI算力需求增速放缓,或者大客户因自身预算周期调整而减少预付款意愿,他所依赖的多条融资渠道可能同时收紧——而702%的债务权益比意味着任何融资成本的进一步上升都将直接侵蚀股东回报。

信息源:cnbc.com

研究

亚马逊宣布2027年在德国投资超160亿欧元,重点扩建AWS数据中心与AI基础设施

专题 · 亚马逊德国投资计划实质变化
2026-01-14 01:17

美国科技巨头亚马逊(Amazon)于2026年10月20日在柏林举行的“投资德国峰会”上宣布,计划2027年在德国投资超过160亿欧元(约合179亿美元)。这笔资金将主要用于扩展亚马逊云服务(AWS)的数据中心和人工智能基础设施,同时也涵盖其Leo卫星互联网服务、物流升级以及Prime Video的新内容制作。

据亚马逊全球事务与法律首席官David Zapolsky介绍,这是自2010年以来亚马逊在德国累计投资超过1000亿欧元基础上的最新举措。其中,约48亿欧元将专门用于法兰克福地区的AWS云和AI基础设施扩张,以应对日益增长的AI服务需求。此外,亚马逊还将在柏林开设第二个机器人与人工智能实验室。

德国联邦经济事务和能源部长Katherina Reiche对此表示欢迎,称亚马逊的投资是对德国作为未来科技中心的信心投票,有助于加强德国在国际技术竞争中的地位并创造就业。此次宣布发生在德国政府积极吸引高科技投资、试图重振停滞经济的背景下。

信息源:aboutamazon.com

研究

千问办公负责人束骏亮:企业AI赛点在于客户选择,上下文应成为独立基础设施

专题 · 千问办公实质变化
2026-09-27 16:38

在2026年9月云栖大会期间,阿里巴巴旗下新整合的AI办公品牌“千问办公”负责人束骏亮接受了媒体群访。针对当前全球科技巨头在企业办公场景下的激烈竞争,他提出了一系列关于企业级AI落地的核心判断。束骏亮认为,尽管底层技术和用户需求变化迅速,但现阶段真正的竞争赛点并非产品声量,而是企业客户的实际选择与使用深度。

对于阿里将QoderWork、钉钉悟空等团队整合为千问办公的战略动作,束骏亮确认内部正在收敛到统一的能力出口。但他特别强调,千问办公不应被定义为某个固定的桌面智能体或入口,而是一个能力体系。在与传统办公软件钉钉的关系上,双方并非简单的替代,而是双向融合:钉钉沉淀的数据资产和业务逻辑将成为底座,而千问办公则提供更强的自然语言交互和泛化能力。最终是否合并为一个产品,将由用户需求和行业演进决定。

在技术架构层面,束骏亮提出了一个关键观点:“上下文应该跟着主体走,而不是跟着某一个Agent产品走。”他认为,企业上下文应当成为一套独立于具体应用的数据基础设施,归属于企业本身。这意味着,无论企业未来选择自研还是采购其他AI产品,都应当能够从这套统一的上下文中获取能力。这种解耦的设计思路,旨在解决不同AI工具间数据孤岛的问题,使上下文能够像数据库一样成为企业通用的数字资产。

此外,束骏亮深入剖析了企业级Agent与个人助手之间的本质差异。他指出,个人助手通常代表用户本人,操作在个人掌控之下;而一旦Agent进入组织流程,就必须回答“谁把它带进来”、“它能访问什么”以及“出了问题由谁负责”等一系列问题。因此,身份、权限、数据归属、审计和责任构成了企业对AI的基本要求。在产品实现上,千问办公强调事前划定边界、沙箱内执行、高风险操作人工确认以及事后审计,以满足企业的安全合规需求。

尽管全栈AI能力被视为阿里的阶段性优势,但束骏亮保持谨慎,承认竞争刚刚开始,尚无本质差异。他坦言,按结果付费虽是理想方向,但在企业场景中很难标准化衡量。当前的收费模式更多是产业阶段的结果,随着软件同质化的缓解,客户愿意买单的稀缺性将从单纯的模型成本转向真正差异化的软件设计与功能。

信息源:geekpark.net

研究

高盛预计五大科技公司2027年AI基建投入1.2万亿美元

专题 · 五大科技巨头AI资本开支实质变化
2026-09-27 16:17

据彭博报道,高盛策略师Ryan Hammond预计,亚马逊、Alphabet、微软、甲骨文和Meta在2027年将合计投入1.2万亿美元建设AI基础设施。

这一数字比今年约8000亿美元的规模高出逾50%,也超过华尔街1.1万亿美元的共识。高盛称,按占GDP比例衡量,这将是19世纪铁路建设以来最大的投资周期。

但增速在放缓:从2026年的近100%降至2027年的54%、2028年的12%。高盛还指出,支出已超过这些公司经营产生的现金,意味着更多依赖债务融资;要收回投入,每年需要约3000亿美元AI收入,而电力、劳动力和存储芯片的瓶颈可能进一步拖慢节奏。

信息源:the-decoder.com

研究

DeepSeek 梁文锋为何极少署旗舰模型整体报告,只署底层技术论文

专题 · 梁文锋底层技术路线实质变化
2026-09-25 18:48

过去三年,DeepSeek 发布了多个旗舰模型,每个模型的技术报告动辄上百人署名。但如果你去看这些报告的作者栏,会发现一个有意思的现象:梁文锋的名字极少出现在 V3.2、V4、V4.1-Flash 这类整体报告中。相反,他始终出现在另一类论文里——MLA 注意力机制、MoE 路由策略、mHC 网络拓扑、DSpark 推理调度、DSec 沙箱基础设施。这些是构成模型能力的原子技术单元,不是模型本身。

雷峰网作者高允毅把这一观察整理成文,称其为技术狙击路线并统计出梁文锋署名的 11 篇底层论文。这个署名模式本身是可验证的:去 arXiv 查作者列表即可确认。它揭示的信息是,梁文锋个人关注的不是'训出一个更大的模型',而是'找到让模型更便宜或更强的那个最底层瓶颈'。

以 MLA(多头潜在注意力)为例。大模型处理长文本时,需要缓存大量键值对(KV Cache),这直接决定了推理时的显存占用和速度。MLA 的思路是用低秩向量压缩这个缓存,将 KV Cache 体积压缩约 93.3%。这不是在模型层面做优化,而是重新设计注意力机制中一个具体组件的数据结构。类似地,MoE 路由解决的是'每个 token 该调用哪些专家'的调度问题;NSA 解决的是'稀疏计算如何对齐 GPU 硬件电路'的访存问题;mHC 解决的是'超深层网络训练时数值会不会崩'的拓扑约束问题。

这些论文有一个共同特征:它们攻击的都是行业公认存在但尚未被有效解决的基础瓶颈,且解法落在架构或数学层面,而非数据量或算力投入层面。高允毅在文中引用了一个对比:OpenAI 的 GPT-4 级别模型训练成本动辄数亿美元,而 DeepSeek-V3 团队报告称仅用 2048 块 H800 显卡、约 560 万美元完成训练。文章也转述了 SemiAnalysis 的提醒——这 560 万只是纯 GPU 训练的直接电费账单,不含研发亏损、硬件折旧和基础设施总投入。但即便修正口径,数量级差异仍然成立,且这个差异的来源正是上述底层架构选择。

不过,署名模式能说明什么,需要谨慎。梁文锋选择签底层论文而非模型报告,可能是个人研究偏好,也可能是论文贡献度的自然分配——底层技术论文作者少,整体报告作者多。高允毅将其解读为有意识的'狙击'战略,这是一种合理的推断,但并非证明。真正能支撑这一推断的,是这些底层选择确实反复命中了行业瓶颈并产生了可验证的效率差异,而非署名行为本身。

对读者而言,这一观察的实际价值在于:它把 DeepSeek 的'性价比'标签还原为一条可追踪的技术路线。如果你关心 AI 基础设施或模型训练效率,值得关注的不是下一个大模型的参数规模,而是下一个被攻克的底层瓶颈——注意力数据结构、专家调度、网络拓扑约束、推理计算访存对齐、智能体训练环境隔离。梁文锋的署名模式至少提示:这些方向上,有人一直在做。

信息源:leiphone.com

研究

美国财政部金融研究办公室:更新估算称国债回购集中清算规则或使SOFR上升约1个基点

专题 · SEC回购集中清算规则实质变化
2026-10-20 12:00

美国财政部金融研究办公室(OFR)十月发布更新测算,估算显示:在美国证券交易委员会(SEC)要求部分国债回购交易进入集中清算、且参与者行为不变的假设下,SOFR(有担保隔夜融资利率)的日交易量可能增加逾5000亿美元,但利率水平或仅上升约1个基点,波动率大致不变。

SOFR是美元短期融资市场的基准利率,由纽约联邦储备银行每日根据实际国债回购交易计算。SEC的规则要求特定双边国债回购通过FICC(固定收益清算公司)的DVP(券款对付)服务进行集中清算,合规截止日期为2027年6月30日。这意味着原本不在SOFR计算范围内的非集中清算双边回购(NCCBR)将进入FICC DVP段,从而被纳入SOFR的交易量池。

OFR的方法是将SEC规则和纽约联储的SOFR资格标准应用于NCCBR数据,假设所有受清算要求的回购全部通过FICC DVP集中清算,同时假设市场参与者行为不变。与2025年4月基于三天试点数据的初步估算相比,本次使用全年NCCBR数据,将预估新增交易量从约850亿美元提升至逾5000亿美元。尽管交易量大幅增加,OFR测算的假设性SOFR仅比实际发布利率高约1个基点,波动率大致不变。这一结论的前提是SOFR计算细节保持不变。

除集中清算本身带来的交易量变化外,OFR还识别了一个二阶渠道:已处于集中清算体系内的客户可能在不同清算段之间迁移。货币市场基金是回购市场的主要现金出借方,历史上通过Sponsored DVP(担保品代付)清算,但已开始转向Sponsored GC(一般抵押品)。在极端情景下,如果这些基金的全部交易量从Sponsored DVP迁移至Sponsored GC——后者不计入SOFR计算——SOFR可能相对历史水平上移最多2个基点。

OFR明确指出,这是一项回溯性近似分析,不是对市场过渡后的预测。核心假设是参与者行为不变,但现实中受资产负债表约束的交易商可能重新定价,而集中清算的净额结算可能缓解这些约束。因此,实际影响的方向和幅度仍取决于参与者如何选择清算路径。OFR表示将在合规日期临近时持续监测。

信息源:financialresearch.gov

研究

AI智能体云服务商Daytona获6000万美元B轮融资,估值达10亿美元

专题 · Daytona融资动态实质变化
2026-10-20 20:00

旧金山初创公司Daytona宣布完成6000万美元B轮融资,由FirstMark Capital领投,估值达到10亿美元。此轮融资使Daytona的累计融资额增至约9100万美元。投资方还包括Stripe、Shopify、Perplexity等公司的创始人以及高通风投、三星Next和Okta Ventures等战略投资者。

Daytona构建的是“智能体云”,即为AI智能体提供专用的虚拟计算机环境(沙箱)。与传统云服务不同,Daytona声称能在60毫秒内配置好一个沙箱,而AWS或Azure等传统提供商通常需要30秒至数分钟。这种低延迟对于需要并行运行成千上万个智能体的应用场景至关重要。

据Fortune报道,Daytona联合创始人兼首席执行官Ivan Burazin表示,该公司的收入运行率在2026年1月至9月间增长了25倍,平均每月增长50.9%。目前,Anthropic、OpenAI、Nvidia、Cursor、Cognition、Meta和Cohere等领先AI公司已使用Daytona的服务进行模型训练和测试。

Burazin区分了Daytona与CoreWeave等“新云”提供商:后者专注于GPU以训练和运行AI模型,而Daytona专注于CPU以支持智能体执行任务。他预测,随着智能体应用的爆发,未来用于CPU的支出将超过GPU,甚至可能出现严重的CPU短缺。这一观点与AMD CEO Lisa Su此前关于智能体AI增加服务器CPU需求的表态相呼应。

信息源:fortune.com

研究

Meta发布开源权重模型Muse Spark Open,主打长上下文编码与专业智能体工作

实质变化
2026-10-15 08:00

Meta于2026年10月15日发布了名为Muse Spark Open的开源权重模型,并宣布该模型已在Fireworks AI等平台上实现Day-0无服务器调用。这是一个总参数为816亿、每token激活42亿参数的混合专家(MoE)模型,拥有100万token的上下文窗口,专为长周期编程和需要保持连贯性的智能体工作而构建。

根据Fireworks AI发布的基准测试结果,Muse Spark Open在法律和金融等专业领域表现出色。在Vals AI的Harvey法律智能体基准排行榜上,该模型在75个模型中排名第一,通过率为25.4%,接近Claude Opus 5(6.7%)的四倍。在Rogo的Big Finance Bench上,它在每个难度级别都击败了Claude Opus 5.5,并在最难的任务上险胜GPT-6 Astra。此外,其在临床文档任务上的得分也与前沿闭源模型相当,但token价格更低。

除了云端服务,Meta还强调了该模型的本地部署能力。通过与Apple合作,Muse Spark Open经过优化可在两台配备M5 Ultra芯片的Mac Studio上运行,利用统一内存架构支持大模型推理。这种灵活性使得企业可以在私有环境中部署高性能AI,同时满足数据驻留和安全合规要求。

尽管厂商声称这是迄今为止最强大的美国开源权重模型之一,但部分性能数据来自厂商自测或特定合作伙伴的评估。开发者可通过Hugging Face下载权重,或在Amazon SageMaker AI、Google Cloud Model Garden等云平台使用。

信息源:research.meta.ai

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系