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

2026-10-23129 篇

刷新

一思科技联创晁光:AI网球机器人的壁垒不在参数,在「不做」清单

专题 · 一思科技AI网球机器人实质变化
2026-10-23 14:15

2024年巴黎奥运会后,中国网球场预订量短期内翻了数倍。两年后,至少四款中国团队打造的AI球类机器人在Kickstarter上筹得百万美元级资金——庞伯特超募26255%卷走265万美元,SwitchBot的Acemate三十天入账180万美元,Tenniix母公司英汉思动力完成红杉联合领投的三轮超亿元融资,最新收官的AceiiLab单台售价约2000美元、早鸟价999美元,首批量产机正在交付。

但极客公园记者在深圳球场见到AceiiLab A1和它背后一思科技联创晁光后,发现这条赛道连「卖的是什么」都还没说清。在「AI网球机器人」标签下,可以是一台打网球的人形机器人,也可以是便携发球机,甚至是一款手机App。极客公园记者在现场得出的结论是:硬件只是入场券,真正的关键在于把这台机器定位成一件器材,还是一个对手。

这个区分不是修辞。一思科技团队做过割草机器人,他们从中提炼出一个结构性的不同:割草机器人和用户之间是雇佣关系,草割干净就行,用户不关心机器怎么割的,它服务的是结果,价值天花板最多是一份雇工的工资。网球机器人相反,打球的人在乎每一拍的球速、落点和动作标准度,机器每一秒都在感知和回应,它服务的是过程。这个「过程vs结果」的区分,决定了后续所有产品选择。

团队把这些选择写成了一张「不做」清单。不做满场跑的机器人,只沿底线移动;不做接球,只做发球;不服务零基础用户,首先满足2.0到4.0水平的进阶球友。每个「不做」都有具体依据。不做人形,是因为晁光认为「在平整场地上,轮子的效率高于双足,就像人用洗衣机的效率高于手搓」——人形机器人打网球验证的是机器人能力,他们要交付的是打球体验。不接球,是因为发球和接球是两件事,机器为了追求接球会打乱自己的节奏,训练价值打折,而且接球成功率一旦不够高,场面会倒过来变成人在遛机器。只沿底线移动,是因为据行业统计,2.5以上目标用户七八成的击球是底线对拉,守住底线就守住了七八成的体验。

但一台处处克制的机器,为什么偏偏在「移动」上不计成本?团队的回答是:移动是AceiiLab和传统发球机的分界线。一台放在原地的机器,和人的交互一上午只有一次——开机、设置、然后各干各的。一台会移动的机器,一秒就交互一次,你打左它追左,你打右它追右。移动带来了对手感,带来了隔网对拉和球童模式,也带来了一种微妙的情感连接。极客公园记者在现场观察到,所谓「对拉」的真相是:你把球打过网,球还没落地,机器就移动到落点附近,紧接着从落点处发出一颗新球,模拟「接到了你的球」。它从不真正回击你那颗球,但一来一回之间,回合感成立。

在硬件层面,团队的办法是站在成熟产业的肩膀上:底盘直接采用扫地机器人打磨了十年的移动方案,轮子用行李箱的轮子,移动采用类似车道线保持的解决方案。省下来的钱换成了价格空间。但两处选择自己造:一是自研超长基线双目摄像头,团队称球飞出去10毫秒就算出第一个落点,50毫秒整条运动轨迹了然于胸;二是算法团队,目前用户建模仍以规则式为主,把教练经验提炼成步伐、手势等六个维度参数写进规则,已能模拟「纳达尔的左侧上旋球」这样的打法。这两处是这台机器上花钱最大的地方,但真正定义产品的,是上面那张「不做」清单。

飞轮的设计逻辑是这样的:每轮打完,用户看到接球成功率、最高连击、平均球速等训练数据和落点图;机器录制击球视频,从拍面、稳定性、时机、动力链、准备动作五个维度分析;提交AI分析后,系统指出弱点并推送课程。北美路测时一位用户问出「我是不是永远赢不了它?」,团队由此加入闯关模式和机器败北规则——球落地时如果机器没跑进50公分以内就算它输。一台有机会认输的机器,比一台永远正确的机器更像球友。

所有这些数据攒到最后,变成用户离不开机器的理由。AceiiLab相关负责人的说法是:「当机器存着你几年的成长数据,甚至存着你最好朋友的陪练数据,即使竞品便宜500块,你也不会换。」参数可以被追平,模具可以被抄走,唯独用户投入的时间谁也搬不走。中国硬件公司走了三十年的老路——把一个品类做便宜,再被后来者做得更便宜,毛利一代薄过一代——一思科技想走的是另一条:先用被彻底重构的发球体验把机器卖出去,靠量产降本,靠移动和交互留住人,再让攒下的数据变成服务。

这条路能不能走通,现在下结论还早。首批量产机2026年7月才开始交付,订阅续费率、课程完课率、社区活跃度,都要等真实用户给出数字。极客公园记者在现场也注意到,「反应不过来」是早期多位体验者的共同第一感受,这并非一款适合零基础用户无门槛上手的产品,需要用户了解自己的水平并清楚如何设置参数,是一款需要调试配置、相互适应的产品。克制不是保守,而是一种耐心——但耐心能否等到留存数据,只有球场上的用户会给出答案。

信息源:GeekPark

研究

路透:台积电寻稀土零组件替代方案以避中国管制

专题 · 台积电稀土供应链替代实质变化
2026-10-23 08:50

据路透社独家报道,全球最大晶圆代工厂台积电(TSMC)正在寻求其工厂设备中稀土组件的替代方案,目的是降低中国政府出口管制干扰全球最先进芯片生产据点运作的风险。

稀土磁铁普遍用于驱动工业设备活动部件的马达,包括台积电等高度自动化工厂使用的机械设备。若这类特殊组件短缺,恐干扰芯片生产,进而波及智能手机、人工智能(AI)系统、数据中心及国防供应链的客户。

三名听取台积电简报的业界高层透露,台积电已向供应商征询,在工厂自动化设备中采用不含稀土的马达是否可行。其中一人表示,此举出于对中国可能造成供应中断的担忧。

相关讨论仍处于初期阶段,尚未促成不含稀土设备的大规模导入。台积电尚未立即回应置评请求。

信息源:TechNews 科技新報

研究

前OpenAI产品长Kevin Weil创办Warp Sciences,获2.15亿美元融资打造AI自动化药物实验室

实质变化
2026-10-23 13:43

周四(10月22日),前OpenAI产品长Kevin Weil正式宣布成立医药新创公司Warp Sciences,并完成由Lightspeed领投的2.15亿美元A轮融资。据彭博社报道,该公司投后估值达8.65亿美元。Weil于2024年加入OpenAI担任产品长,后转向科学研究,参与开发Prism平台,并于今年4月离开OpenAI创办Warp Sciences并担任首席执行官。

Warp Sciences是一家结合人工智能、机器人与药物化学的新创公司,计划在美国建立逐步导入自动化技术的化学合约研究机构(CRO)。其核心业务是协助生物技术及制药公司合成和测试新药研发所需的分子,初期聚焦于先导化合物优化,即针对有潜力的分子合成不同变体供研究人员筛选。长期目标是建立能够持续学习的自动化实验室,由AI设计实验、机器人执行操作,并将产生的数据用于训练模型以提升效率。

Weil表示,AI已大幅提升软件工程和数学研究的效率,但在需要实际实验验证的化学和生物学领域应用仍有限。Warp希望建立能大量产生实验数据的研究设施,以增强AI在科学研究中的能力。此外,该公司也意在将更多药物化学研究服务带回美国。根据生物技术组织BIO 2024年的调查,74%的受访生技公司与中国企业签有临床前研究或临床服务合约。随着美国于2025年12月签署《生物安全法案》限制联邦政府与特定受关切生技企业的采购,Warp试图通过AI与自动化提供具备速度、品质及价格竞争力的服务,同时加强知识产权保护。

信息源:iThome

研究

身份安全公司1Password年经常性收入突破5亿美元,称AI智能体工具驱动增长

专题 · AI智能体安全实质变化
2026-10-22 21:59

加拿大身份安全公司1Password于2026年10月22日宣布,其年度经常性收入(ARR)已突破5亿美元。这一数字较2025年11月披露的4亿美元有显著增长。公司在新闻稿中指出,增长主要得益于企业客户对开发者及AI安全工具的采用,这些工具的月活跃用户数同比增长了200%。

随着AI智能体在企业工作流中的部署增加,如何安全地授予智能体访问权限成为新挑战。1Password同步推出了“1Password for Agents”平台,允许用户批准AI智能体执行特定任务的访问请求,而无需将底层凭证暴露给智能体或其模型上下文。公司表示,目前已有超过20万家企业使用其服务,其中包括85%的福布斯AI 50榜单公司。

信息源:Belleville Intelligencer

研究

英伟达发布DSX POD模块化AI数据中心,称部署可缩至14天

专题 · 英伟达DSX POD实质变化
2026-10-23 00:05

在2026年10月22日于德国柏林举行的GTC大会上,英伟达(NVIDIA)发布了名为DSX POD的预制模块化参考设计。该方案基于Vera Rubin AI基础设施,旨在通过工厂预集成的集装箱式模块,将AI数据中心的部署时间从传统的约六个月缩短至最快14天。

英伟达首席执行官黄仁勋在主题演讲中强调了这一速度提升的经济意义。他指出,每吉瓦规模的AI数据中心建设成本约为500亿美元,预期年收入可达数百亿美元。如果项目延迟三个月,仅收入损失就高达100亿美元。通过将更多工作转移至供应链前端,DSX POD试图减少算力闲置和未动用的资本支出,从而改善盈利能力。

该设计获得了戴尔科技、HPE、施耐德电气和Vertiv等合作伙伴的支持。英伟达DGX系统副总裁Charlie Boyle表示,这些单元可以部署在现有的工业建筑或棕地(brownfield sites)中,例如废弃仓库,从而在不新建大型园区的情况下快速增加算力容量。此外,该系统采用干冷器而非传统蒸发冷却,意在回应部分水资源消耗关切。

然而,这一发布伴随着明显的社会阻力。在黄仁勋演讲期间,绿色和平组织(Greenpeace)的抗议者闯入会场,展示横幅并质问英伟达技术被用于俄罗斯无人机以及数据中心扩张对环境的影响。绿色和平国际组织大科技公司活动家Benjamin Stephan随后发表声明,批评英伟达正在构建一个“未经同意的AI帝国”,导致全球社区面临水电供应受损和电费上涨的问题。

信息源:DataCenterKnowledge

研究

经济学家Fernández-Villaverde:AI推高实际利率,旁观型经济体面临财政不可持续风险

实质变化
2026-10-23 12:51

AI转型需要天量投资,而让储蓄者愿意为这些投资提供资金的唯一途径,是实际利率大幅上升。这是经济学家Jesús Fernández-Villaverde在其新论文《Saving for the Machines》中提出的核心机制。在他的基准情景中,十年期实际收益率从5.1%跳升至13.6%。对政府而言,这意味着借贷成本急剧攀升。

Fernández-Villaverde设定了一个透明但极端的比较:一个假设政府债务为GDP的100%、此后保持基本预算平衡的经济体,其债务比率变化仅取决于实际利率与增长率之差。他区分两类经济体。第一类是AI采用者(如美国),国内经历AI繁荣,支付新利率的同时也享受更快增长。第二类是旁观者(如西班牙),处于一体化金融市场但不采用AI,支付同样的世界利率,增长仍停留在1.6%的趋势水平。

对采用者而言,局面严峻但有出路。以任务间替代弹性为单位为例,实际利率到2040年升至42%,增长仅从1.6%升至22%,利率与增长之差不仅没有缩小反而扩大,债务在2038年翻倍、2040年达GDP的296%、2045年达907%。但采用者有一条出路:AI使资本份额趋近于1,净资本收入约占GDP的88%,对这一税基征收36%的平坦税即可在极限情况下将债务稳定在GDP的100%。Fernández-Villaverde指出,税率之所以高于名义缺口,是因为它同时压低增速,但并不降低财政部支付的利率——后者由机器的净回报率锁定。痛苦,但繁荣存续,采用者能偿债。

旁观者则没有出路。其资本收入仍只占GDP的三分之一,增长停留在1.6%,而所需的财政盈余在单位弹性下2030年为GDP的11%、2035年为26%、此后永远为44%。Fernández-Villaverde的结论直白:没有税制能筹集到这一水平。在基本预算平衡下,旁观者债务2033年翻倍、2035年翻三倍。更糟的是,长期收益率在冲击时即跳升,发行十年期国债的财政部比模型假设的短期滚动支付更多且更早;同时旁观者的资本流向海外机器,GDP和税基低于趋势。

面对这一算术,Fernández-Villaverde认为旁观经济体的选择是违约、通胀,或最可能的金融压制——即资本管制,阻止本国储蓄者投资于海外机器。他明确声明这是基准情景而非预测,并表达了一定程度的乐观:零采用假设本身极端,ideas是公共品,西班牙可以受益于美国和中国AI带来的科学进展;长期资本供给也可能相当有弹性。但他同时指出,这一算术与一种流行期望相悖——即AI驱动的增长繁荣会自动解决公共债务问题——因为增长伴随的利率是增长的两倍高。

信息源:Marginal REVOLUTION

研究

央视关联账号称DeepSeek与MiniMax获批海外部署,中国AI出口管制拟划边界而非全面限制

专题 · 中国AI出口管制草案实质变化
2026-10-23 12:23

据央视关联社交媒体账号“玉渊潭天”10月22日晚发布的文章,中国人工智能公司DeepSeek和MiniMax已成功完成相关登记程序,并获得开源及授权海外使用的批准。这一表态直接回应了上周中国政府提出的对特定AI工具和服务(包括大语言模型和智能体)实施出口管制的草案提议。

此前,中国商务部和科技部于10月16日就《禁止出口限制出口技术目录》修订公开征求意见,涉及23项AI相关技术。市场曾担忧此举可能阻碍中国AI技术的全球扩张。然而,“玉渊潭天”的文章指出,该目录的核心目的是“划定边界而非简单限制AI技术出口”,并强调自政策公布以来,头部企业迅速完成了合规流程。

文章还披露了重要的豁免条款:即使底层模型受到限制,提供API访问、Web应用或软件即服务(SaaS)功能将不受出口限制约束。这意味着DeepSeek和MiniMax等公司的主要商业模式——通过云端接口向全球用户提供模型能力——在现行草案下仍被允许继续商业化运作。

信息源:The Business Times

研究

Splunk报告:过半受访企业难控AI成本,智能体致账单波动加剧

实质变化
2026-10-22 18:13

据TechRadar报道,Splunk于2026年10月22日发布的《State of Observability 2026》报告显示,随着供应商转向按消耗计费模式以及AI智能体(Agentic AI)的广泛采用,企业发现AI成本正变得愈发难以预测。

报告指出,由于智能体能够独立工作并根据任务复杂度和模型选择产生巨大的Token消耗差异,导致支出波动剧烈。数据显示,超过半数(55%)的受访组织表示无法有效控制其AI成本,另有57%担心其遥测数据的监控成本甚至高于被监控的基础设施本身。

在财务压力方面,60%的受访者表示,AI账单的意外激增比维持一个较高但平稳的固定基线成本造成更大的财务紧张。这表明企业在面对从传统席位制向动态消耗制转型时,预算规划面临显著挑战。

尽管存在成本控制难题,AI也带来了运维协作上的积极变化。81%的受访企业表示,监控AI工作负载促进了可观测性团队与安全团队之间的合作;91%的可观测性领导者声称能够将成本准确归因到特定的模型、智能体或工作负载,这一比例远高于非领导者的69%。Cisco首席产品官Jeetu Patel评论称,该报告反映了可观测性与安全数据正在融合,团队需要比以往任何时候都更紧密地协作。

信息源:TechRadar

研究

网约车平台inDrive拟联合小马智行与英伟达于2027年在哈萨克斯坦测试自动驾驶出租车

专题 · 哈萨克斯坦自动驾驶测试快讯
2026-10-23 12:00

网约车平台inDrive宣布与中国自动驾驶公司小马智行(Pony.ai)及芯片制造商英伟达(Nvidia)签署谅解备忘录,计划于2027年上半年在哈萨克斯坦首都阿斯塔纳开始测试自动驾驶出租车。据TechCrunch报道,初期测试将配备安全员,最终目标是实现完全无人驾驶。

根据提议的计划,小马智行将提供其第七代Robotaxi车辆,由inDrive通过其网约车应用进行运营。英伟达则提供包括Hyperion平台和Halos安全系统在内的AI技术支持。inDrive首席技术官Yuri Misnik表示,该公司采取“轻资本”策略,旨在结合合作伙伴的专业知识以降低成本。

选择阿斯塔纳部分原因在于其严酷的冬季条件,这被视为评估自动驾驶技术在冰雪环境下可靠性的理想试验场。此举也是小马智行全球化扩张的一部分,该公司目标是在2026年底前在全球20多个城市部署超过3500辆Robotaxi。此前,Uber已宣布计划在英国伦敦测试小马智行的自动驾驶车辆。

信息源:TechCrunch

研究

NVIDIA解释专精化与推理搜索的协同设计如何使模型达到竞赛金牌水平

实质变化
2026-10-07 20:45

国际信息学奥赛和国际数学奥赛考察的能力几乎不重叠:前者要求在严格时间和提交限制下写出通过隐藏测试的代码,后者要求构造严谨的自然语言证明。NVIDIA团队在博客中报告,同一Nemotron 3基础模型经过不同的专精化路径,在两项竞赛中都达到了金牌水平——IOI得分535.4/600,超过金牌线361.12和人类最高分498.27;IMO得分30/42,超过官方金牌线29。但团队认为真正值得关注的不是分数本身,而是他们从中提炼的方法论结论。

文章的核心判断是:奖牌不是仅靠微调产生的,也不是仅靠暴力采样产生的,而是来自模型、数据和推理循环的协同设计。这意味着专精化的价值不仅体现在模型自身的直接输出质量上,更体现在它为推理搜索系统提供了更好的候选答案、更好的批评者和更好的修正方向。反过来,推理循环又将这些专精化收益通过多轮反馈放大为更大的整体提升。

这个协同设计逻辑在IOI项目中体现得最直观。团队先对Nano模型(300亿总参数、30亿活跃参数)做了SFT和RL,分数从130提升到291;再叠加GenCorrect迭代生成-评估-修正策略,Nano达到468分,越过金牌线438.3。Ultra模型(5500亿总参数、550亿活跃参数)只做了SFT,配合同样的推理策略就达到502分。一个值得注意的发现是:对于更强的Ultra模型,一个SFT周期就足以在IOI、ICPC和LiveCodeBench Pro上超越经过完整后训练(SFT加RL)的Nano模型。这说明专精化不需要在每个规模上采取相同路径。

IMO项目进一步揭示了不同专精化类型在推理循环中的互补角色。团队从Nemotron 3 Ultra出发,分别训练了SFT专精模型和RL专精模型。SFT语料包含414890个经过质量筛选的样本,覆盖15818道独立证明题,数据不仅教最终答案,还涵盖证明生成、修正、验证和元验证——模型学会了构造论证、识别漏洞、回应批评和判断证明是否完整。RL模型则在9597道接近模型能力前沿的证明题上训练。开发实验中,SFT检查点在搜索第一轮表现最强(提供质量更高的初始候选),RL检查点取得了最佳单检查点综合结果。最终系统将两者与通用模型一起使用:对每道题生成候选证明、评分、产出批评、修正最有希望的尝试,再由一个独立的高计算阶段选出最终提交。

团队特别强调,整个IMO系统完全在自然语言中工作,没有使用形式化证明器、外部工具或互联网访问。这一点排除了工具辅助的混淆因素,使结果更直接地反映模型专精化与推理搜索的交互效果。

需要保留的重要限定:IOI结果是在与人类选手相同的时间、网络访问和提交约束下进行的实时前瞻性运行,但明确标注为非官方、无监督基准,未纳入IOI官方排名。IMO提交的证明则由官方IMO评审员评分。所有数字均为NVIDIA团队自报,尚无独立复现。团队同时发布了模型权重、训练数据集、一个包含200道奥赛级题目的Nemotron-IMO-Bench基准以及可复现的推理管线代码,为后续验证提供了条件。

对从业者而言,这篇文章的实际启示是:当评估是否值得投入更多专精化训练时,不应只看模型在固定基准上的直接得分提升,还应考虑它能否为推理搜索系统带来质量更高的初始候选和更有效的自我批评。专精化与推理时计算不是二选一的投入分配问题,而是需要共同设计的系统问题。

信息源:huggingface.co

研究

三星启动美国泰勒厂后续设备投资,2纳米产能明年下半年达每月2万片

专题 · 三星泰勒晶圆厂实质变化
2026-10-23 10:49

据韩国ZDNet报道,三星电子已启动对其位于美国德克萨斯州泰勒市(Taylor)第一座晶圆厂的后续设备投资。这一举措旨在利用现有厂房的闲置空间,完成核心生产设备的部署。随着新设备的引入,三星计划到2027年下半年将其2纳米(nm)工艺的月产能从目前的水平提升至设计上限的2万片晶圆。

行业消息人士透露,三星近期已订购了能够支持每月6000片晶圆产能的设备,这些设备将被运往泰勒工厂。此前,三星自2025年底以来已执行了规模约为每月1万片晶圆的设备投资。加上初期建立的中试线产能,此次追加投资将使泰勒工厂在2027年下半年达到每月2万片的总产能目标。这标志着该工厂作为三星在美国首条先进制程量产线的关键基础设施建设进入收尾阶段。

泰勒工厂是三星于2021年决定投资建设的尖端代工基地,初始投资额高达170亿美元(约合23.7万亿韩元)。其主要客户包括特斯拉等科技巨头。随着人工智能芯片对性能要求的指数级增长,2纳米工艺已成为决定代工业界未来格局的核心要素。目前,仅有三星、台积电和英特尔等少数企业具备该节点的量产能力。

在完成泰勒一厂的建设后,三星的下一个投资重点将是泰勒二厂。公司计划在2026年底动工,目标是在2030年实现投产。为此,三星已向多家半导体设备供应商提出请求,要求提前获得设备稳定性认证,以加速后续产线的部署进程。

信息源:zdnet.co.kr

研究

MiniMax开源“Space Bunny”真身:428B参数MoE模型M3.1 Flash权重发布,非商用免费

实质变化
2026-10-23 10:59

中国AI公司MiniMax于10月23日在Hugging Face和ModelScope上公开了编码与智能体专用大语言模型“MiniMax M3.1 Flash”的开放权重。此前,该模型以匿名身份“Space Bunny”通过API提供服务,累计处理超过200万亿个token。此次发布揭示了其真实架构:总参数量约428B(4280亿),采用混合专家(MoE)设计,每个token激活23B参数,支持100万token上下文窗口。

在技术改进方面,MiniMax称M3.1 Flash基于6月发布的MiniMax M3架构,主要进行了三项调整:将剩余的3层全注意力层替换为自研稀疏注意力机制以实现全模型稀疏化;引入量化感知训练;以及使用DSpark进行投机解码。官方推荐SGLang、vLLM和TokenSpeed作为本地推理框架。

性能数据均为厂商自测结果。MiniMax声称该模型在BankerToolBench(投资银行业务自动化)得分76.2,与Claude Opus 5持平;在DeepSWE v1.1(代码修复准确性)得分73.7%,高于Kimi K3和GLM-5.3,但低于DeepSeek V4.1 Flash系列及Opus 5。在Automation-Bench v1.0.6中得分为62.2,位列对比的7款模型之首。

许可证为MiniMax Community License。非商业用途免费。商业使用需在产品中显著标注“Built with MiniMax M3.1-Flash”。若相关产品年销售额低于2000万美元,仅需邮件通知一次;若超过2000万美元,则必须事先获得MiniMax的书面许可。

信息源:PC Watch

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系