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

2026-10-22168 篇

刷新

荷兰代尔夫特理工大学研发MonoRace:AI无人机凭单摄像头时速破百击败人类冠军

实质变化
2026-10-22 07:20

荷兰代尔夫特理工大学(Delft University of Technology)的研究团队近日公布了一项突破性成果:他们开发的名为“MonoRace”的人工智能无人机系统,在2025年阿布扎比自主无人机竞速联赛中击败了人类职业飞行员。相关研究已于2026年10月14日发表在《科学·机器人学》(Science Robotics)期刊上。

MonoRace系统的核心优势在于极低的硬件依赖。它不依靠GPS、外部动作捕捉系统、立体摄像头或预先输入的赛道地图,仅通过一个前置滚动快门摄像头和惯性测量单元(IMU),配合机载小型计算机,即可实时感知环境并控制飞行。在决赛中,该系统以16.56秒完成两圈包含11个门标的赛道,最高时速达到约102公里,超越了所有参赛的人类冠军选手。

这一性能的实现得益于基于强化学习的训练方法。由于实际飞行中的数百万次试错成本过高,研究人员在模拟环境中进行了大规模训练。论文共同作者、代尔夫特理工大学教授Guido de Croon指出,系统从零开始学习飞行技巧,初期专注于避障和基础导航,随后逐步提升速度和复杂性。为了增强泛化能力,训练过程中随机调整了无人机的重量、电压、空气阻力及传感器噪声等参数,确保神经网络能适应不同硬件的物理差异。

在实际部署中,MonoRace搭载于重966克的小型无人机上,其内部运行的微型神经网络每秒发出500次电机控制指令。这一成果不仅展示了人工智能在高速动态环境下的实时决策能力,也为“物理AI”的发展提供了重要实证:即在有限的传感器和算力资源下,机器人依然可以实现超越人类的精准运动控制。

信息源:zdnet.co.kr

研究

Gartner预测:至2030年逾3.5万亿美元AI基础设施投资恐面临减值

专题 · AI基建投资与营收缺口结构性
2026-10-22 13:52

研究顾问机构 Gartner 于 2026 年 10 月 14 日发布预测指出,人工智能产业正面临巨大的投资回收压力。Gartner 以 12% 的投入资本报酬率(ROIC)作为投资门槛,估算截至 2030 年,AI 数据中心运营商需要累计创造 8.5 万亿美元营收,才能支付已宣布的资本支出、融资成本并达到这一回报率。然而,同期可归因于 AI 数据中心的企业与消费者 AI 收入,预估最多只有 3.6 万亿美元,两者相差 4.9 万亿美元。

Gartner 资深总监分析师 Will Sommer 表示,2026 年 AI 企业预计将投入近 1 万亿美元建设 AI 基础设施,并在 2027 年至 2030 年间再投资 6 万亿美元。但由于多数 AI 原生企业采用轻资产运营模式,拥有大量 AI 基础设施的企业所取得的 AI 收入将不到一半。根据分析,到 2030 年,AI 软件、服务与消费性产品的总营收预估只有 4.4 万亿美元,其中最多只有 30% 能用于回收底层的资本投资。

Gartner 警告,若 AI 企业维持目前的资本支出速度,到 2030 年底,超过 3.5 万亿美元的 AI 基础设施支出可能面临资产减值风险;若投资持续依目前轨迹发展,到 2032 年,面临减记风险的资产价值可能超过 4 万亿美元。此外,Gartner 预测到 2030 年,成本压力与缺乏差异化的商业模式,将迫使超过 80% 的 Neocloud(以 AI 运算为核心的新型云端服务供应商)停止独立运营,市场将在 2030 年前走向整并。

信息源:TechOrange 科技報橘

研究

Meta暂停Muse AI分享功能:安全公司称DNS漏洞曾暴露数千条机密对话

实质变化
2026-10-22 10:10

美国科技公司Meta已暂时停用旗下AI助理Muse的对话分享功能。此前,安全公司Claroc发布研究报告指出,Muse的分享链接生成机制存在设计缺陷,可能导致原本受限的私密对话内容通过公开可查的DNS历史记录被外部人员发现和访问。

根据Claroc的研究,Muse在创建分享页面时,会将对话标题直接嵌入URL的子域名中。虽然系统附加了随机识别码,但一旦有人访问过这些页面,相关的主机名称就可能被被动DNS系统记录。研究人员表示,他们仅通过一次查询就发现了约6,800个此类分享链接(被称为“GhostShares”),并成功打开了其中数百个页面。

尽管并非所有页面都包含敏感信息,但Claroc称其中不少涉及个人与企业机密,包括内部营收审查、小企业贷款申请、CEO专用收入报告以及为与AI实验室高层通话准备的笔记等。Meta证实已暂停该功能,并表示正在评估如何调整链接的可发现性。公司强调受影响的是用户主动分享的链接,而非所有私人对话。不过,Claroc提醒,即使页面已关闭,部分主机名仍可能留存在DNS历史中,隐私风险未必完全消除。

信息源:TechNews 科技新報

研究

前OpenAI研究长创办AI制造公司Arda,获2.3亿美元融资估值15亿

专题 · Arda融资动态实质变化
2026-10-22 08:10

据科技新报报道,OpenAI前研究长Bob McGrew创办的AI制造软件初创公司Arda于10月20日首度曝光,宣布完成2.3亿美元融资,估值达到15亿美元。本轮融资由Altimeter Capital、Accel和Khosla Ventures共同领投。

Arda开发结合用户界面与AI代理的软件,旨在自动化制造流程中的部分环节。McGrew表示,该产品对制造工程师的作用类似于Claude或Cursor之于程序员。当武器或无人机等产品设计变更时,传统方式调整自动化设备需三至六个月,而Arda软件可帮助工程师更快建置组装产线。国防科技公司Anduril已在使用Arda的AI模型。

技术层面,Arda结合自研模型、开源模型与少数尖端模型。联合创始人包括曾任Google与Meta工程师、参与创立Adept的Augustus Odena,以及两位前Palantir工程师Alex Mark与Jakob Frick。McGrew透露机器人将是公司的下一步发展方向。

尽管基础模型逐渐普及,但工厂AI需处理传感器数据、机器人系统及供应链变量,复杂度远高于网络文字训练。过去不少工业AI初创卡在试点阶段,Arda能否顺利走向量产部署将是检验其15亿美元估值的关键。

信息源:TechNews 科技新報

研究

亚马逊因电力瓶颈囤积数十亿美元英伟达GB300机架,致自由现金流转负

专题 · 亚马逊AWS电力瓶颈实质变化
2026-10-21 16:30

据《商业内幕》(Business Insider)引述亚马逊内部文件与AWS员工会议录音报道,美国云服务商亚马逊网络服务(AWS)正面临严重的电力供应瓶颈。尽管亚马逊每月引进价值数十亿美元的英伟达(NVIDIA)最新GB300机架系统,但由于数据中心缺乏足够的已连接电力,大量设备无法如期上架,只能暂时囤积于中间仓库。

为在激烈的AI芯片竞争中抢占先机,亚马逊于2026年8月启动了“早期机架接收”(Early Rack Receipt)新流程,当月即引进约50亿美元的设备,后续预计每月购入约30亿美元的GB300机架。这一模式改变了以往完成安装后才付款的传统,形成了资金先支出、收益延后进入的财务结构。AWS供应链团队坦言,目前尚无将机架装入数据中心的明确路径。对此,亚马逊回应称,在电力就绪前完成设备部署属于业界常态。

这种积压对财务状况产生了直接影响。在9月的内部会议中,AWS首席财务官John Felton与AI基础设施负责人Prasad Kalyanaraman讨论了公司自由现金流(FCF)转负的情况。Kalyanaraman表示,AI业务面临巨大的现金流亏损,预估未来约两年将维持负值。数据显示,截至2026年第二季度,亚马逊过去12个月的自由现金流亏损达76亿美元,而2026年的资本支出高达2,200亿美元。亚马逊原先预计2027年可解除短缺情况,如今预测至2027年需求仍将超越部署容量。

由于积压在仓库中的GPU无法产生算力,市场上真正稀缺的是已通电的运算资源,这进一步推高了租赁价格。高盛(Goldman Sachs)数据显示,英伟达B200按需租赁价格指数已从2026年1月的低点4.29美元升至每GPU小时6.01美元,涨幅约40%,逼近3月创下的历史高点。这表明大量前期资本投入需数月乃至数年才能转化为实际产出,供需失衡状态短期内难以缓解。

信息源:TechNews 科技新報

研究

OpenAI称GPT-6系列在COBOL等老旧代码迁移测试中准确率升至97.9%

实质变化
2026-10-21 14:40

美国人工智能公司OpenAI于10月19日宣布,其最新一代模型在COBOL、Fortran和Visual Basic等训练数据较少的老旧编程语言上表现显著提升。这些语言虽然现代开发者较少使用,但仍支撑着全球金融和政府的关键基础设施。

据TechNews报道,OpenAI设计了两项内部评测。第一项MultiLangBench要求模型用20种不同语言从零构建兼容SQLite的数据库引擎。结果显示,GPT-6 Astra在最高推理设置下的平均通过率达到87.4%,远高于前代GPT-5.6 Sol的26.8%。其中,COBOL的通过率从10.9%提升至72.1%,Fortran从21.4%升至83.5%,Visual Basic从27.5%升至89.4%。

第二项评测聚焦代码迁移,要求模型将COBOL程序改写为C++、Java、Kotlin、Python或Rust,同时保持原有行为不变。OpenAI表示,此类任务需保留原始计算逻辑与商业规则,因此采用隐藏测试检查输出是否逐字节一致。数据显示,GPT-6.1 Sol在低推理设置下准确率为86.6%,较GPT-5.6 Sol的5.4%大幅提高;提高推理强度后,准确率进一步升至97.9%。

OpenAI指出,低成本版GPT-6 Luna在MultiLangBench中的平均通过率也达到40.3%,且每测试样本的预估API成本低于前代。不过,该公司强调这些成果仅代表测试环境中的进步,若要实际用于生产系统,仍需专家审查并针对具体业务规则与依赖关系进行仔细验证。

信息源:TechNews 科技新報

研究

美国半导体公司 Allegro 推 48V 电源管理芯片,称可使人形机器人相关系统成本降五成

专题 · Allegro机器人芯片快讯
2026-10-21 15:03

随着人形机器人加速发展,美国半导体公司 Allegro MicroSystems 于 2026 年 10 月 21 日宣布扩大其机器人产品布局,推出针对人形机器人关节控制与功能安全需求的 48V 电源管理芯片(PMIC)及高精度位置传感器。其中,新款 A81481 电源管理芯片被厂商称为可将相关电源系统的占用空间及物料成本降低约 50%。

相较于固定式工业机器人,人形机器人需要在极其有限的物理空间内整合大量马达、传感器及控制元件,这对供电效率与零组件尺寸提出了更高要求。随着 48V 供电架构逐步导入以降低线缆重量及电力传输损耗,Allegro 推出的 A81481 可直接从 48V 汇流排提供系统所需电源,无须额外配置前级稳压器,从而简化电路设计。该芯片采用 6×6 mm 封装,整合了两组降压转换器(Buck)、五组低压差稳压器(LDO),以及支援 ASIL-D 等级功能安全设计的三重看门狗(Watchdog)诊断机制。

除了电源管理,Allegro 也推出了用于肩部、髋部等高扭矩关节的电感式位置传感器,以及用于手掌和手指精细动作控制的穿隧磁阻(TMR)与霍尔效应角度传感器。在应用合作方面,Allegro 已与机器人业者 Sarcomere Dynamics 合作,将上述控制器、传感器及电源管理芯片整合至 Scorpion 机器人夹爪,并计划进一步扩大至具备 24 个自由度的下一代 ARTUS Dex 机器人手掌。

信息源:TechNews 科技新報

研究

谷歌开源TorchTPU:PyTorch代码可免改写运行于TPU,挑战英伟达生态

专题 · 英伟达AI生态垄断实质变化
2026-10-21 11:54

美国谷歌公司于2026年10月21日在北美PyTorch大会上宣布,正式开源名为TorchTPU的项目。这一工具允许开发者现有的PyTorch人工智能应用程序直接在谷歌自研的张量处理单元(TPU)上运行,而无需重写底层代码。此举被视为谷歌加入亚马逊等竞争对手行列,试图打破英伟达(NVIDIA)长期主导的AI硬件与软件生态壁垒的关键一步。

PyTorch是目前最流行的开源机器学习框架之一,据资料显示约有85%的人工智能应用程序基于此构建。由于PyTorch最初由Meta在2016年开发时主要面向英伟达GPU设计,其许多功能默认依赖CUDA生态。TorchTPU通过提供原生支持,使得现有采用PyTorch的应用能够轻松移植到TPU及谷歌云服务中,开发者仅需更改简单的配置即可达成目标。

值得注意的是,就在两天前的10月19日,美国亚马逊也推出了类似工具TorchNeuron,旨在让AI应用无需重新编写即可移植到其自研芯片Trainium及AWS平台上。两家科技巨头相继行动,表明AI芯片的竞争已从单纯的硬件效能与成本,延伸至软件生态系统的主导权。过去英伟达凭借CUDA和PyTorch的深度绑定建立了深厚的护城河,如今谷歌与亚马逊正试图通过降低移植门槛来吸引更多工作负载转向自研芯片。

除了基础兼容性,谷歌还强调其与Meta、Hugging Face以及vLLM和SGLang的开发团队紧密合作,确保TorchTPU的功能库能与原版PyTorch顺利协作。此外,谷歌还发布了TPU agent suite辅助工具,帮助开发者在迁移过程中修复错误并优化性能。尽管这一举措降低了技术门槛,但实际生产环境中的性能表现和稳定性仍需经过更广泛的独立验证。

信息源:TechNews 科技新報

研究

英伟达定制HBM基础晶粒委托台积电代工,专家称或筑新护城河

专题 · 英伟达NVHBM标准化实质变化
2026-10-22 11:15

据韩国《首尔经济日报》报道,英伟达(NVIDIA)正推动其下一代高带宽内存(HBM)定制化方案NVHBM。该方案要求三星电子、SK海力士和美光科技三家主要动态随机存取存储器(DRAM)制造商统一采用当前最先进的第6代制程技术生产DRAM核心颗粒。同时,作为方案的一部分,三星将首次在其HBM制造阶段引入外部晶圆代工伙伴,由台积电(TSMC)使用3纳米制程为英伟达代工生产HBM的基础晶粒(base die)。

半导体行业专家指出,这一安排并非三星主动向台积电下单,而是英伟达直接委托台积电代工,旨在降低不同供应商HBM产品之间的效能差异与验证负担。过去,SK海力士和美光曾与台积电合作生产基础晶粒,而三星多采用自家制程。此次英伟达强制统一制程并指定台积电代工基础晶粒,意在通过标准化控制GPU与DRAM之间的数据流互动效率。

分析认为,在全球AI需求导致内存严重供不应求的背景下,英伟达凭借其在数据中心生态系中的主导地位,能够迫使三大内存厂配合其定制化方案。若NVHBM用量增大,可能会排挤超微(AMD)、英特尔(Intel)以及特殊应用芯片(ASIC)等其他阵营获取HBM产能的空间。这种对上游产能和制造标准的深度绑定,被专家视为英伟达在应对竞争对手进逼时可能构筑的一道新竞争护城河。目前相关细节仍属媒体报道与专家推测,尚未获得英伟达官方的全面技术披露。

信息源:TechNews 科技新報

研究

马斯克曾试图收购台积电晶圆厂遭拒,其芯片制造计划Terafab转向合作模式

专题 · Terafab芯片项目实质变化
2026-10-21 15:10

据韩媒THEELEC报道,特斯拉与SpaceX首席执行官Elon Musk在推进其野心勃勃的Terafab芯片制造计划前,曾试图直接收购英特尔(Intel)、台积电(TSMC)和美光(Micron)的晶圆制造设施。在遭到拒绝后,Musk转向寻求全球半导体大厂的合作模式。

目前,英特尔已直接与Terafab结盟,将透过其Intel 14A制造技术协助该计划。然而,Terafab与台积电的合作存在立场分歧。先前有报道称Musk正与台积电洽谈合作,但Musk随后澄清,台积电在该计划中最多仅能担任“分包商(subcontractor)”的角色。对此,台积电总裁魏哲家于法说会上证实曾与Musk进行讨论,但强调台积电必须“亲自营运晶圆厂”,双方的合作才能成立。

Terafab计划预计在2030年前达到每月10万片的初期芯片产能,最终目标则是实现每月100万片晶圆的规模。作为对比,光是台积电一家,预计在2026年底前其顶尖的2纳米制程月产能即可达到12万片。业界观察指出,尽管Terafab规划了庞大的产能目标,但在全球芯片制造业中占比仍相当有限。

Musk构建Terafab的核心目的是确保特斯拉的全自动驾驶车辆(FSD)、Optimus人形机器人等前沿计划获得足够的芯片供应。这一事件揭示了AI巨头在垂直整合供应链时面临的现实约束:即使拥有资金和明确需求,也难以绕过传统代工厂对运营控制权的坚持。

信息源:TechNews 科技新報

研究

前OpenAI安全透明度负责人David Robinson离职撰文:公司安全文化已崩坏

专题 · OpenAI安全文化争议实质变化
2026-10-05 19:50

前OpenAI安全透明度负责人David Robinson在任职三年多后离职,并在《大西洋月刊》发表文章称该公司安全文化已“崩坏”。他批评OpenAI采取反应式安全策略,仅在问题出现后才进行修复,这种立场实际上保证了失败的发生。

Robinson援引了2026年7月HuggingFace遭AI模型攻击以及近期AI“终止开关”未能阻止失控智能体等事件,指出硅谷缺乏“对关怀人类意味着什么的理解”。他认为,这一时刻需要一种谦逊,而这对于通过极度自信取得成功的人来说并不自然。

他主张AI行业应依赖核工程或航空等领域已有的安全专家。这些行业通过数百起事故和数千条生命的学习,建立了关于安全、冗余和规划的体系与程序,确保单一机器故障或人为错误不会导致悲剧。Robinson认为,OpenAI和其他实验室在部署前沿AI时,其冗余性和严谨性远低于这些传统行业,尽管不可逆失控造成的危害可能比任何单次熔毁都大。

Robinson并未聚焦于规则和监管,而是直指安全文化的核心缺失以及OpenAI对“迭代部署”(即试错)的偏好。他表示,自己本应留在公司内部推动思维的根本转变,但由于初创公司发展速度过快,这几乎不可能,因此他选择从外部解决这个问题。

信息源:Tom's Hardware

研究

美国《华尔街日报》AI工具Doppler:从民调数字到公众话语语境

实质变化
2026-10-22 12:57

2024年美国总统大选结束后,传统民调再次被证明无法准确捕捉公众的真实关切。电话访谈和自动语音应答的抽样偏差、无应答群体持续扩大,加上媒体对'谁领先几个百分点'的赛马式报道,共同构成了一个结构性盲区:人们实际上在讨论什么、在什么语境下讨论,这些无法通过一道选择题获得答案。

美国《华尔街日报》(WSJ)在2026年中期选举前推出的AI分析工具Doppler News AI,试图从另一个方向切入这个问题。Doppler不向选民提问,而是直接进入人们日常对话的场所——社交媒体和播客——构建一个话语数据库。据ZDNet Korea转述Nieman Lab的报道,该数据库收录了超过2500万条TikTok视频、50万期播客节目,以及Instagram视频和有线电视广播的音频内容。

技术核心是向量嵌入(Vector Embedding):将文本和视频中蕴含的情绪与主题映射到高维数值空间。这不同于关键词搜索——关键词只能找到显式提及某个词的内容,而向量嵌入可以捕捉语义上的聚合与分歧。Doppler由此构建了一种新的可视化方式,展示公众话语在哪里、以何种方式聚集。

一个具体案例揭示了这种方法能发现什么。WSJ用Doppler追踪'反对AI监控摄像头'这一议题,分析了400万条TikTok视频和播客数据。结果显示,讨论这一话题的内容创作者在通常政治议题上的分歧率为12%,是一般政治话题分歧率的三倍。换言之,在AI监控这一议题上,平时立场对立的人群反而表现出异常一致的反对态度。传统民调的赞成/反对比例无法呈现这种跨党派共识的形成。

另一个案例涉及物价。特朗普曾将'购物车物价危机'斥为假新闻,但Doppler对超过3000小时语音数据的分析表明,右翼播客主播近期讨论物价问题的频率已经接近左翼播客主播。政治人物的精心措辞和标准化问卷无法捕捉这种'生活贴近型民意'的流动。

Doppler最值得注意的设计选择,或许不是技术本身,而是它并非自主代理。据ZDNet Korea转述,AI分析最大的问题是幻觉与误差,而Doppler通过人类介入和透明设计来克服这些结构性局限。WSJ的Doppler不会自动撰写并发布文章,而是由数据记者、机器学习工程师和政治部记者共同构成的协作系统:每周他们一起提出假设,决定向数据问什么问题,并持续调整模型的分类标准。用Nieman Lab报道中的概括来说,'AI的有用程度取决于你提出问题的水平'。

透明度是另一项关键设计。WSJ在每篇使用Doppler的报道末尾,明确列出算法原理、数据提取方式和AI模型的已知局限。这不是装饰性的免责声明,而是方法论本身的一部分:当分析工具从'测量'转向'探索'时,读者需要知道探索的边界在哪里,才能判断结论的可信范围。

需要指出的是,以上所有具体数字——2500万条视频、50万期播客、12%分歧率、3000小时音频——均来自ZDNet Korea对Nieman Lab文章的转述,原始Doppler系统的embedding模型选择、聚类验证方法和样本定义未经独立核实。Doppler目前处于实验阶段,服务于2026年中期选举报道,其方法论能否推广到其他领域尚待观察。

但Doppler实验至少说明了一件事:AI在公共话语分析中的价值,不在于替代人类判断,而在于将人类从'数人头'的测量模式中解放出来,转向理解人们为什么在意、在意什么、在什么语境下达成或失去共识。前提是人类仍然负责提出正确的问题。

信息源:zdnet.co.kr

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系