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

机器人初创公司Eka获1.5亿美元A轮融资,估值14.5亿美元

专题 · Eka机器人融资实质变化
2026-10-21 08:13

美国机器人灵巧性初创公司 Eka Robotics 宣布完成1.5亿美元的A轮融资,估值达到14.5亿美元。本轮融资由 Andreessen Horowitz(a16z)和 F-Prime Capital 领投,Obvious Ventures 和 E14 Fund 参投。至此,该公司累计获得约1.61亿美元的投资。

Eka Robotics 的核心产品是一种“视觉-力觉-动作”人工智能模型,用于机器人操作。与传统仅依赖摄像头图像的机器人不同,Eka 的定制夹爪内置力传感器,能够实时感知抓取力度。这使得机器人在执行任务过程中,若检测到物体滑动,可以动态调整握持方式。公司声称,其当前机器人每小时可处理约1,500次非训练集内的物体抓取,而人类基准约为600次。

尽管技术指标亮眼,但行业专家对其实际部署能力仍持保留态度。伊利诺伊大学厄巴纳-香槟分校教授 Kris Hauser 表示,Eka 的演示具有“惊艳因素”,能无需重新训练即可适应多种物体,但他质疑该系统能否在装配线上连续运行一年而不发生故障。此外,Eka 目前仅在未公开的工业客户中进行试点,主要涉及拾取放置和电线处理工作。

此次融资反映了资本市场对具身智能(Embodied AI)领域的持续热情。Eka 计划利用新资金将模型扩展到更多任务类型,并加快客户部署速度。随着AI从纯软件向物理交互延伸,具备精细操作能力的机器人正成为一级市场的重要投资标的。

信息源:siliconangle.com

研究

高通骁龙峰会:从芯片供应商到智能体基础设施的架构重构

专题 · 高通智能体架构转型实质变化
2026-09-28 17:15

在2026年9月的美国茂宜岛骁龙峰会上,高通公司总裁兼CEO安蒙(Cristiano Amon)抛出了一个核心判断:智能手机体验的起点正在从“应用”转向“意图”。这不仅是交互方式的改变,更意味着芯片设计的底层逻辑必须重构——过去围绕单设备性能优化的思路,正让位于服务于跨终端流动的个人智能体。

为了支撑这一转变,高通发布了第六代骁龙8至尊版与超级至尊版双旗舰平台。其关键变化不在于主频的简单提升,而在于计算单元的重新分工:CPU被定位为智能体的“规划器”,主频首次突破5GHz;而Hexagon NPU则通过扩大50%的共享内存,旨在减少对外部DDR的频繁访问,从而支持最高300亿参数的MoE模型在端侧高效运行。这种架构调整直接回应了智能体需要长上下文、多任务并发以及低延迟响应的需求。

除了手机SoC,高通还将这一逻辑延伸至PC和可穿戴设备。搭载骁龙X2系列的PC被视为“智能体生产力节点”,具备本地长时间运行复杂推理的能力;而第二代骁龙音频平台至尊版则试图将耳机从播放设备转化为智能体的“常驻感知入口”,通过集成Wi-Fi 6E和低功耗AI算力,实现环境上下文的实时获取。安蒙强调,未来的竞争不再是单项算力的比拼,而是谁能以更低功耗将感知、推理、规划和执行组织成一套持续运行的系统。

这一战略转型标志着高通试图从一家提供处理器的半导体公司,演进为覆盖终端、边缘和数据中心的“智能体全栈解决方案”提供商。通过收购Modular补齐软件能力,并预告HBC高带宽计算协处理器进入移动端,高通正在构建一条贯穿不同设备形态的计算连续体。然而,这一愿景的实现仍面临挑战:尽管硬件能效显著提升,但实际场景中智能体的可靠性、电池续航表现以及用户是否真正需要如此复杂的跨设备协同,仍有待市场验证。

信息源:geekpark.net

研究

马斯克:SpaceX与特斯拉合资芯片厂Terafab拟2028年量产,坦言时间表极具挑战

专题 · Terafab芯片项目实质变化
2026-10-21 08:08

埃隆·马斯克在当地时间周二的SpaceX电话会议上表示,由SpaceX与特斯拉合资成立的芯片制造企业Terafab计划在2028年第三季度实现量产。该项目旨在每年产出1太瓦算力,供给人工智能与机器人业务使用。马斯克坦言这一时间表“极具挑战性”,并称:“我给这个目标预留了很大的误差区间,因为我们不确定最终能否如期达成。”

Terafab规划设在得克萨斯州的综合厂区,将在同一园区内完成先进逻辑芯片与存储芯片的制造、封装和测试。作为中间里程碑,马斯克透露内部目标是明年5月或6月前后,在奥斯汀的研发基地产出首款采用静态随机存取存储器(SRAM)电路的测试芯片并实现正常工作。芯片厂商通常先制造SRAM电路以打磨生产工艺。

报道指出,在美国建设一座前沿逻辑芯片工厂通常需要三年甚至更久,而马斯克的计划快得“近乎离谱”。此外,Terafab面临从荷兰阿斯麦(ASML)、应用材料(Applied Materials)等供应商处采购足量精密半导体设备的难题。当被问及是否已向阿斯麦下单极紫外光刻(EUV)设备时,马斯克未直接回答,仅感谢供应商加快交付。英特尔已于4月宣布加入该项目,双方尚未披露具体合作落地方式。

信息源:ithome.com

研究

美光科技宣布投资纽约关键矿物加工,与铟公司签订长期供应协议

专题 · 美光美国供应链投资实质变化
2026-10-20 14:32

美光科技(Nasdaq: MU)于2026年10月20日宣布,将向材料科学公司铟公司(Indium Corporation)提供战略资金,支持其在纽约州罗马市(Rome, New York)扩大精炼和制造业务。此举旨在重启美国国内对先进半导体制造至关重要的关键矿物加工能力。

根据协议,双方将建立长期供应关系,使美光获得高纯度矿物的稳定来源。这一行动是美光今年7月宣布的最高达30亿美元美国供应链投资计划的一部分,目标是加强本土生态系统并确保关键制造材料的可靠供应。

美光高级副总裁兼首席采购官Ben Tessone表示,先进内存制造依赖于可靠的矿物供应,通过与铟公司合作,可以扩大美国的关键矿物生产能力,为美国半导体制造构建更具韧性的供应链。该举措也被视为应对国家安全优先事项、减少对集中全球精炼产能依赖的重要步骤。

此次公告正值美光年度供应商奖活动期间。纽约州州长Kathy Hochul和美国参议员Charles E. Schumer均对此表示欢迎,称这标志着纽约州作为美国半导体“超级高速公路”的地位进一步巩固,并将带动莫霍克谷地区的就业和投资。

信息源:investors.micron.com

研究

前360安全研究院院长顾赫加入智谱AI,公司称GLM模型助发现微软23个漏洞

专题 · 智谱GLM漏洞发现争议快讯
2026-10-20 19:30

中国人工智能模型公司智谱AI(Z.ai)宣布聘请知名网络安全研究员Yuki Chen(网名“顾赫”)。Chen此前曾担任奇虎360漏洞研究院院长,后成为独立研究者,是白帽黑客社区中的领军人物,曾多次获得微软“最有价值安全研究员”称号及Pwnie奖。

智谱AI在声明中表示,Chen近期利用该公司旗舰GLM模型协助发现了微软Windows操作系统中的23个网络漏洞,且这些发现已得到微软的确认。然而,该公告未详细说明在识别这23个漏洞的过程中,人类参与的程度以及模型的具体贡献比例。

这一招聘发生在全球对AI辅助网络攻击和自主智能体越界行为担忧加剧的背景下。智谱AI正试图展示其GLM系列模型在漏洞发现方面的能力,此前该公司称GLM-5.3在CyberGym基准测试中得分84.5%,优于Anthropic和OpenAI的部分模型,但这些结果均为厂商自测数据。

信息源:scmp.com

研究

OpenAI称其模型攻克冷门编程语言,COBOL迁移准确率飙至97.9%

实质变化
2026-10-21 07:45

OpenAI于10月20日发布研究报告,宣布增强GPT-6 Astra等模型在COBOL、Fortran和Visual Basic等“低资源编程语言”上的构建与迁移能力。这类语言虽然公开代码和文档较少,却广泛支撑着银行、ATM、天气预报和核安全分析等关键系统。

为衡量这一能力,OpenAI推出了两项评测:MultiLangBench要求模型用20种语言从零构建兼容SQLite的数据库引擎;另一项评测则要求模型在保持原有业务行为不变的情况下,将COBOL程序迁移至C++、Java、Python或Rust等现代语言。

结果显示,GPT-6 Astra在MultiLangBench的20种语言中平均测试通过率达87.4%,较上一代GPT-5.6 Sol的26.8%大幅提升。其中,COBOL通过率从10.9%升至72.1%,Fortran从21.4%升至83.5%,Visual Basic从27.5%升至89.4%。成本更低的GPT-6 Luna平均通过率为40.3%,估算API成本较GPT-5.6 Sol降低约78%。

在更具挑战性的COBOL迁移评测中,GPT-6.1 Sol在低推理强度下准确率达86.6%,远高于GPT-5.6 Sol的5.4%,成本降低39%;在更高推理强度下,准确率达到97.9%,接近评测上限。

OpenAI表示,这项进展有助于企业维护老旧系统、修复缺陷并推进软件现代化。不过,公司也强调,将AI迁移结果用于生产环境仍需专家审查,并结合具体业务规则和依赖关系进行测试。

信息源:ithome.com

研究

高盛:2030年全球数据中心电力需求将增170%,美国电网延迟成AI扩张最大瓶颈

专题 · AI数据中心电网瓶颈实质变化
2026-10-21 07:15

高盛在10月19日发布的报告中警告,电力基础设施的扩展速度无法跟上人工智能产业的快速增长,这已成为AI行业发展的主要瓶颈。报告预测,全球数据中心的电力需求将在2025年至2030年间激增170%,其中超过60%的增长来自美国。

目前,美国约有2600吉瓦(GW)的发电和储能项目正在等待接入电网,这一规模是现有发电容量的两倍以上。然而,从申请连接到实际商业运营的中位时间长达5年。此外,高压输电线路的建设速度大幅下降,且环境评估等许可程序耗时3至4年,大型变压器供应也面临3至5年的延迟。

当地居民的反对也是关键障碍。自今年1月以来,已有86个相关项目被取消或严重延误,其中76个直接归因于社区对噪音、交通拥堵、用水量增加及电价上涨的担忧。高盛估计,2026年至2031年间,AI计算、数据中心和电力基础设施领域的总投资将达到约7.6万亿美元。若电力供应持续受限,巨额投资的回收周期将被迫延长。

信息源:etnews.com

研究

微软CEO纳德拉:用Excel智能体追问公式、模拟情景以评估资本回报

专题 · 英伟达微软本地AI硬件快讯
2026-09-28 13:29

微软CEO萨提亚·纳德拉在最新一期Sources Podcast节目中,详细描述了他在日常工作中如何使用Cowork和Excel智能体。与他以往强调的宏观愿景不同,这次他聚焦于具体的微观操作:他不只是接受模型给出的结果,而是“操作它、追问它,并围绕这些结果继续推理”。

纳德拉举例说,当数据中心团队发来一份复杂的电子表格时,他会打开表格,定位到一个单元格,让Excel智能体查看该单元格内使用的公式,并要求其生成5个包含不同情景的工作表。他将这种依靠推理完成分析的能力称为“因果推理”,认为这是微软现有AI系统实现的重要进展之一。

除了内部表格分析,纳德拉还提到了将企业环境与全球环境结合的第二个进展。他在Microsoft Fabric中部署了一个“数据运行器”,自动获取美国证券交易委员会(SEC)发布的云服务提供商数据,将其导入语义模型,并由编程智能体整理成仪表板。这使得他能够实时查看各层级的投入资本回报率(ROIC),将外部公开文件与内部分析持续汇集在一起。

这一自述为观察企业级AI落地提供了一个独特的高层视角。它表明,对于大型科技公司而言,AI的价值不仅在于自动化生成内容,更在于作为交互式的分析伙伴,帮助决策者在复杂的数据环境中进行假设检验和因果推断。然而,这也仅是纳德拉个人的使用体验,实际效果仍取决于产品的稳定性与准确性。

信息源:ithome.com

研究

集邦咨询:AI需求致供应紧张,预估2026Q4内存合约价环比涨20%

专题 · AI内存涨价冲击实质变化
2026-10-21 07:17

市场调查机构集邦咨询(TrendForce)援引多方报道称,预估2026年第四季度DRAM合约价格将环比上涨约20%。这一涨幅相较于第二季度(约80%)和第三季度(约40%)呈现明显的增速放缓态势,但DRAM市场整体依然处于价格高位,供应紧张与需求强劲的周期特征未变。

推动价格上涨的核心因素被归结为人工智能推理需求的持续扩张。更大规模的模型、更长的上下文窗口以及不断增长的KV缓存需求,正在拉动服务器DRAM和企业级SSD的容量与带宽需求。与此同时,主要存储器厂商将产能优先投向高带宽内存(HBM)等高端产品,进一步加剧了传统DRAM的供给紧张。

涨势放缓的现实原因包括前期价格基数已经较高,终端市场购买力有所减弱,以及部分长期采购协议中的价格上限正逐步生效,限制了价格的进一步快速上涨。在HBM方面,由于供应吃紧,据媒体报道,英伟达(NVIDIA)正考虑将其下一代GPU Rubin Ultra的HBM堆叠层数从12层降至8层。若其他条件不变,单颗GPU的HBM容量将减少约33%,但同样的DRAM芯片供应理论上可支持多50%的GPU出货。不过,8层HBM因基础裸片成本占比更高,预计2027年每Gb成本反而比12层高出10%至20%。

信息源:ithome.com

研究

英特尔与AMD宣布合作优化PyTorch的oneDNN库,AMD将ZenDNN改进并入上游

专题 · TorchTPU开源项目实质变化
2026-10-21 00:50

美国半导体公司英特尔(Intel)与超威半导体(AMD)于2026年10月20日联合宣布,双方将在深度学习神经网络库oneDNN上进行协作,旨在简化x86架构CPU上的AI开发流程。根据公告,AMD将其专有的下游分支ZenDNN中的性能优化代码合并回开源项目oneDNN,使其成为PyTorch等主流AI框架在x86平台上的默认加速库。

此前,英特尔长期主导oneDNN的开发以适配其硬件,而AMD则维护API兼容但针对Zen处理器设计的独立分支ZenDNN。这种分裂导致开发者需针对不同厂商进行额外调优。此次合作意味着两家竞争对手在软件栈上走向融合,AMD还将加入由英特尔、三星、高通等支持的UXL基金会并担任指导成员,共同推动开放标准。这一举措有望降低AI应用部署的工程复杂度,提升跨平台兼容性。

信息源:phoronix.com

研究

Anyscale与谷歌云宣布Ray原生支持PyTorch在TPU上运行

专题 · TorchTPU开源项目实质变化
核验于 2026-10-21 07:26

2026年10月20日,计算平台公司Anyscale与谷歌云(Google Cloud)联合宣布,开源分布式计算框架Ray现已原生支持在谷歌张量处理单元(TPU)上运行PyTorch工作负载。这一集成基于谷歌去年推出的TorchTPU项目以及KubeRay on Google Kubernetes Engine (GKE),旨在为平台工程和机器学习团队提供统一的控制平面,使其能够跨GPU和TPU调度和管理分布式训练、vLLM推理及强化学习任务。

长期以来,在Ray上使用TPU需要适应主要为JAX设计的单程序多数据(SPMD)执行模型,即每个主机虚拟机仅由一个Ray工作进程管理所有连接的TPU芯片。此次更新引入了“单设备每工作进程”的原生PyTorch体验:每个Ray工作进程请求一个逻辑TPU设备,类似于在GPU上设置num_gpus=1。Ray会自动通过TPU_VISIBLE_CHIPS隔离并分配单个TPU设备给工作进程,开发者只需将代码中的设备字符串从“cuda”改为“tpu”,并将通信后端从“nccl”切换为“tpu_dist”,即可实现现有PyTorch代码的平滑迁移。

针对大规模训练场景,Ray Train的TorchTrainer现在支持自动配置TPU切片。通过指定use_tpu=True及目标拓扑(如“4x4”)和加速器类型(如“TPU-V6E”),系统会自动预留原子TPU切片,确保所有训练工作进程被共同调度到物理上连续的高速互连TPU切片上,防止资源碎片化。此外,结合vLLM-TorchTPU插件,开发者可以使用相同的声明式API在TPU切片上部署兼容OpenAI接口的在线推理服务。

信息源:anyscale.com

研究

中国工商银行行长刘珺:AI部署的问责应绑定受益决策者

专题 · 工行AI受益证明机制实质变化
2026-10-21 07:00

全球资产规模最大的商业银行中国工商银行行长刘珺在上海外滩金融峰会的圆桌讨论中,提出了一个关于AI部署责任分配的具体判断:商业银行与央行在AI风险面前处于不对称位置。央行专注于监督与政策,而商业银行一旦大规模部署AI,承担的是直接的财务和法律责任。刘珺的原话是:'如果工商银行把AI工具部署到不同业务线,所有收益都归入IT部门的资产负债表和利润表,那就意味着我承担AI部署的责任。如果出了事,我要赔偿受害者,还要给市场一个交代。'

同一场圆桌中,随着银行开始采用agentic AI(能够规划和执行多步任务的系统),香港金融管理局副总裁余伟文呼应了刘珺关于问责的关切,并给出一个具体观察:金融机构通常把一个应用拆分给6至8个agent,但如果每个agent和人类监督者只负责其中一部分任务,'没有人对整体负责'。刘珺也提到,工商银行已部署数百个AI模型,在数据密集型工作中给予它们更多自主权,但在面向客户的岗位上保留人类团队。

针对这一断裂,刘珺介绍工商银行引入了一套名为'受益证明'的框架:将问责直接绑定到从AI系统中获取财务收益并做出独立决策的人。其逻辑是,谁受益谁担责,而非在开发者、部署者和使用者之间模糊分摊。余伟文则透露,港金管局上周发布了以问责、韧性和信任为核心的更新版AI治理框架,并将就agentic AI的监管发布讨论文件,探索将问责与意图绑定、建立重要AI agent登记册以及干预方式。余伟文表示,香港特区政府希望营造让金融机构安全'快速试错'的环境,'作为监管者,我们变得更促进而非更监管'。

需要指出的是,'受益证明'框架的具体运作细节——如何界定'受益'、如何认定'独立决策'、在agent自主执行时如何追溯决策链——在报道中并未展开。港金管局的治理框架已经发布,关于agentic AI监管的讨论文件仍待出台,尚未形成约束性规则。刘珺和余伟文均指出了责任归属的困难,但解决方案的实际有效性仍有待验证。

信息源:scmp.com

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系