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

2026-11-0956 篇

刷新

HOPE:将专家配对交互纳入二次规划,在 50% 剪枝率下保持 MoE 协作组

专题 · MoE专家协作剪枝实质变化
2026-11-09 20:34

Mixture-of-Experts 模型的参数绝大部分被闲置——Qwen3.5-122B 的约 250 GB 显存中 95% 被各层专家 MLP 占据,但每个 token 实际只激活 8 个专家。直接删除不活跃的专家是压缩这一内存瓶颈最简洁的路径:不需要训练,不需要动态加载,还能与量化叠加。难点在于决定删谁。现有的剪枝方法——REAP、MAN、EAN 等——对每个专家独立打一个标量重要性分数,然后砍掉分数最低的那些。作者 Alex M. Tseng(Amazon)指出,这种做法假设每个专家的贡献与其余专家无关,但实验观察表明 MoE 中的专家会形成稳定的协作组,它们被一致地共同激活。独立评分完全忽略了这一点:删掉专家 A 本身看似无害,但如果 A 频繁与高重要性的专家 B 协作,一次删除就拆散了一个协作组。

HOPE 的核心是一个 E×E 的交互矩阵 F。矩阵的对角线衡量单个专家的独立重要性——实际上与 REAP 的排名高度相关,Spearman 相关系数达 0.988——非对角线则捕捉专家 i 和 j 在被共同激活的 token 上的平均门控加权输出乘积。有了这个矩阵,选择剪枝集合就变成一个二次规划:最小化被剪专家之间的总交互强度。求解采用连续松弛后取整,每层耗时 1 到 2 秒,相对于校准前向传播的总开销可忽略。

在 50% 剪枝率下这一机制的优势最为显著。以 Qwen3.5-35B-A3B 为例,HOPE 剪枝后在 SWE-Bench Pro 上得分 42.3,与未剪枝模型的 41.8 持平;而 REAP 在同样条件下降至 36.2,回退了约 13%。作者认为这是因为高剪枝率下大量协作链接面临断裂风险,而 HOPE 的二次规划会自动牺牲一些独立分数高但属于弱协作节点的专家,以保全整体协作结构。

不过,作者也坦承 HOPE 的边界:在 10% 到 20% 的低剪枝率下,一阶方法有时同样具有竞争力,HOPE 的优势缩小;当前实现逐层独立剪枝,未考虑跨层交互;所建模的仅是配对关系,三元组及更高阶交互在组合上难以估计。所有性能数字均为作者团队自测,尚未经独立复现。

信息源:huggingface.co

研究

特斯拉CEO马斯克称Cybertruck订单远超产能,停产前将退还大量定金

实质变化
2026-11-09 18:13

美国电动汽车制造商特斯拉首席执行官Elon Musk于2026年11月9日表示,Cybertruck的订单数量“远远超过”特斯拉在明年该车型停产前的生产能力。Musk在X平台上写道:“我们将尽可能多地生产,直到大约8个月后关闭生产线,但不得不为很多人退还定金。”

这一声明补充了此前关于特斯拉计划逐步停止Cybertruck生产的消息。Musk强调,这并非因为Cybertruck不盈利,而是为了优先扩大其自动驾驶出租车Cybercab的生产规模。他指出,维持Cybertruck复杂的生产线、供应链和工程资源的机会成本,远大于增加Cybercab产量带来的价值。

对于投资者而言,大规模退还定金意味着特斯拉面临直接的短期现金流义务和客户关系压力。尽管具体受影响人数和退款总额未披露,但这一事实证实了特斯拉正加速从传统乘用车业务向人工智能驱动的机器人出行领域转移。此前,特斯拉已宣布停产Model S和Model X以腾出工厂空间用于Optimus人形机器人的生产。

信息源:Business Insider

研究

Semafor商业与金融编辑Liz Hoffman:AI退潮将波及玻璃、暖通等硅谷外公司

专题 · AI泡沫退潮冲击实质变化
2026-11-09 21:27

Semafor商业与金融编辑Liz Hoffman在11月9日的专栏中提出了一个判断:AI交易正在退潮,而它的冲击范围会比市场当前定价的更广。她的核心逻辑不是某只股票跌了多少,而是一个结构性事实——这轮AI热潮把大量硅谷之外的工业公司拉进了同一个叙事框架,退潮时它们无法幸免。

Hoffman用两条线索说明资金环境的变化。OpenAI原本计划募集300亿美元,据称数月前这笔钱几乎可以'闭着眼睛凑齐',如今却很可能大幅缩水。SpaceX作为投资级巨头,在债务市场上被当作垃圾级初创公司来定价。这两件事本身不意味着AI时代终结,但Hoffman认为它们标志着驱动这轮交易的底层心理——FOMO加上'更大傻瓜'理论——正在蒸发。

真正让这篇专栏有增量的是她对'溢出效应'的追踪。Corning在2026年上半年股价翻倍,起因是与Meta达成60亿美元数据中心供应协议;到11月初,这些涨幅几乎全部回吐。Modine原本是一家汽车散热器制造商,今年1月宣布剥离传统业务、转型为'专注高增长数据中心市场的纯气候解决方案公司',如今股价比转型公告前还低。Hoffman还提到涂料供应商Sherwin-Williams和暖通制造商Carrier正处于各自的AI转型过程中。

她的结论是:当市场重新做它该做的事——区分赢家和输家——时,一些输家将是拥有十二位数估值的家喻户晓的名字。而因为AI热潮的触角伸到了玻璃、暖通和涂料行业,退潮也将伸到那里。

需要指出的是,Hoffman列出的'引火点'——数据中心延期触发超大规模客户担保纠纷、失控智能体入侵城市电网、Nvidia CEO黄仁勋承认与疑似中国间谍有染——是修辞性的可能性清单,不是预测模型。专栏没有给出量化框架来界定'退潮'的阈值或持续时间。她的论据是方向性的:资金条件在收紧,非科技公司的AI重估已经出现逆转,这两者之间存在因果联系。这个联系是否构成系统性传染,还是各自独立的公司特有问题,是读者需要自行判断的边界。

信息源:semafor.com

研究

从未写过Swift的创始人William Imoh用Codex做出原生语音应用:1000天Duolingo没教会他挪威语

专题 · Codex原生应用开发实质变化
2026-11-09 21:04

William Imoh移居挪威后,用Duolingo学了1000天挪威语,结果仍然无法进行一次完整的对话。这个具体的挫败感,直接催生了他后来用Codex构建的语音学习应用Mural。

他的背景并不指向一个移动端开发者。化学工程学位,自学编程,做过四年产品经理,从未写过一行Swift。但在Lenny's Newsletter的How I AI播客中,他展示了自己如何用Codex和GPT-Live为iOS和Android构建原生应用。Mural是一个实时语音应用,核心功能是让学习者进行挪威语对话练习。

在播客中,他讨论了设计语言的重要性——一个特定的设计提示让Mural的外观与市面上其他语言学习应用截然不同。他还涉及了GPT-Live-1的每次会话成本和延迟阈值问题,这两个因素决定了语音辅导体验能否成立。这些具体数字在节目中有详细展开,但本摘要仅确认其被讨论。

运营层面,William Imoh用《指环王》主题的角色分配来组织他的Grok Bot代理团队。他把一个独立创始人的各种职责映射到不同角色上,用这套系统辅助管理约25人的团队。节目还涉及他给代理开放了15个标签页的访问权限但保留了一个例外。

他提到,模型改进后仍有一些事情必须由他亲自完成。而让他失眠的不是被替代的恐惧,而是依赖。

这个案例的实际边界在于:Mural是一个语音对话应用,任务结构相对清晰(输入语音、输出语音、评估对话质量),且他本人是目标用户。一个从未写过Swift的产品经理能完成这个项目的条件,未必能直接迁移到需要复杂状态管理、后端架构或大规模用户测试的应用上。他的经验说明的是当前AI编码工具在特定任务类型上的实际能力,而非一个普遍性的开发替代方案。

信息源:lennysnewsletter.com

研究

德国ifo研究所发布AI早期指标:入门级岗位减少与AI关联,年轻人在高暴露职业中就业率下降14%

专题 · ifo AI劳动力指标实质变化
2026-11-09 21:30

德国慕尼黑经济研究所(ifo Institut)于2026年11月9日发布了一项新的人工智能早期指标(KI-Frühindikator),旨在衡量AI普及对劳动力市场的影响。该研究比较了140种职业的就业和新招聘情况,并将其与人类工作被AI替代的可能性联系起来。

数据显示,在AI暴露程度最高的职业中,20至24岁人群的全职就业人数自2022年以来下降了14%,从约279,000人降至239,000人。这些高暴露职业主要包括数据录入和文字处理、软件开发人员、会计师、数据库和网络技术人员以及作家和记者。ifo研究所所长Clemens Fuest表示:“我们目前尚未看到由AI引起的大规模裁员,但刚进入职场的人最先感受到这种变化。”

然而,AI对劳动力市场的影响并非单向负面。研究指出,虽然入门级职位减少,但自2022年以来,AI暴露职业的整体就业人数实际上增长了1.8%,而在非暴露职业中则下降了6.4%。这表明AI正在通过“增强”而非仅仅“自动化”来改变工作性质,提高了现有员工的生产力。共同作者Oliver Falck将年轻人就业岗位的流失视为劳动力市场的早期预警信号。

值得注意的是,研究人员强调该指标并非单一因果解释。人口结构变化和更长的培训周期等因素也可能导致了观察到的就业趋势。此外,即使是高管层也面临风险,因为AI可能迅速处理部分管理工作;而主要依靠手工劳动的职业,如建筑工人、木匠、清洁工和农民,受AI影响最小。

信息源:t3n.de

研究

开源项目 Darling 引入 AI 辅助贡献,成功在 Linux 运行《英雄联盟》

专题 · Darling快讯
2026-11-09 21:02

macOS 兼容层项目 Darling 宣布正式采纳 AI 辅助代码贡献规则。该项目旨在让 Linux 用户能够运行 macOS 二进制文件,过去十余年因开发者资源有限而进展缓慢。团队表示,大型语言模型(LLM)改变了这一局面,使原本难以解决的问题在财务和人力上变得现实可行。

据 Phoronix 报道,Darling 团队利用 AI 生成的补丁,已成功让 macOS 版《英雄联盟》在 Linux 系统上运行。这一突破表明,对于小型开源团队而言,AI 工具可以显著降低复杂兼容性开发的门槛,使其在与苹果生态系统的竞争中更接近“公平起跑线”。

该政策明确将 AI 视为强大工具,但强调其使用需受人类监督。目前,多个拥抱 AI 生成代码的 Darling 分支正在尝试将这些补丁合并回上游主仓库。

信息源:phoronix.com

研究

韩国创意解决方案公司Adoba与腾讯云合作推出AI内容创作平台,支持单次提示比较最多12个模型

专题 · Adoba腾讯云AI平台快讯
2026-11-09 07:58

韩国全球创意解决方案公司Adoba宣布与腾讯云(Tencent Cloud)合作,正式推出集成式AI内容创作服务“adobaRo AIGC Studio”。该平台旨在解决视频和图片创作者需要在多个AI服务之间切换以验证结果的痛点,允许用户通过一个界面完成从生成到选择的全过程。

服务的核心功能是“AI Battle”(AI对战)。用户输入同一个提示词后,系统会同时调用最多12个不同的生成式AI模型,并将结果并排展示。这种设计针对的是不同模型在不同领域表现各异的现状,帮助创作者根据具体需求快速挑选最合适的工具,从而降低选择负担。

Adoba表示,该服务结合了其在协助超过1500个创作者团队进入中国市场以及运营2500多个全球频道方面的经验,并整合了腾讯云的AI技术。Adoba首席执行官An Jun-han指出,在众多AI模型中进行选择和利用已成为创作者的新挑战,该平台旨在减少这种复杂性。腾讯云韩国国家经理Heo Jung-pil强调,将多种生成式AI技术转化为创作者易于使用的实际服务具有重要意义。

信息源:스타트업 생태계의 모든 것 \'플래텀(Platum)\'

研究

谷歌推出两款新TPU芯片,外部客户数接近100家

实质变化
2026-11-09 20:59

谷歌于2026年11月9日宣布在其第八代AI加速器产品线中新增两款系统:用于机密计算的TPU 8tx和用于内存密集型工作负载的TPU 8i Max。这是谷歌首次在一年内交付四款TPU系统,标志着其自研AI芯片战略从内部工具向面向外部客户的竞争平台转变。

TPU 8tx旨在解决数据隐私问题。传统上,数据在存储和传输时加密,但在处理器工作时需在内存中解密。谷歌称,TPU 8tx能在数据处理过程中保持数据和模型权重的加密与隔离状态,适用于处理敏感数据的企业和政府机构。该芯片采用低延迟Boardfly网络,相比TPU 8t可将延迟降低最多两倍。

TPU 8i Max则针对内存瓶颈。当AI代理同时处理大型代码库或长时间视频时,内存带宽成为限制因素。谷歌通过将两个TPU 8i芯片封装在一个包内,实现了在同一机架格式下双倍计算能力、双倍内存和双倍内存带宽,从而提高了数据中心每平方米的算力密度。

除了硬件,谷歌还发布了开源软件TorchTPU,使PyTorch代码能以最小改动在TPU上运行,并支持vLLM和SGLang等流行推理框架。这一举措旨在降低开发者使用TPU的门槛。目前,谷歌拥有近100家外部TPU客户,正日益将TPU定位为Nvidia GPU的替代方案,特别是在日常模型推理领域。

信息源:The Decoder

研究

调查:可穿戴睡眠追踪器未经明确同意使用脑波数据训练AI模型

专题 · 可穿戴脑电AI训练争议实质变化
2026-11-09 20:00

据Tom's Hardware报道,Science杂志与普利策中心AI问责网络的一项最新调查发现,多家消费级神经科技公司正在利用用户脑电波(EEG)数据训练人工智能模型,而在此前并未在隐私政策中明确告知用户这一用途。这些公司积累了数千万小时的EEG记录,即大脑活动产生的电信号数据。

加拿大公司Interaxon是其中一家被点名的企业,其旗下产品Muse是一款用于睡眠和冥想监测的头带。该设备在用户睡眠期间监测大脑电活动及其他生理指标。Interaxon首席营销官Nadia Kumentas表示,该公司已使用约5万小时的EEG录音训练了一个AI模型,并称在使用数据前会移除姓名、电子邮件和地址等身份信息。然而,在与Science接触之前,Interaxon的隐私政策并未明确披露用户的脑部录音可能被用于训练基础模型。Kumentas承认:“我们同意应明确告知用户。”但对于那些数据已被使用的客户而言,这种分类来得太晚,这可能使公司面临潜在的诉讼风险。

另一家可穿戴EEG制造商Emotiv也在部分使用其高端设备用户的录音来训练其“Large Brain”模型。在Science提出质疑后,Emotiv更新了其隐私政策,披露了在用户选择加入(opt-in)同意的情况下,将去标识化的神经数据用于模型训练。

这类AI系统的训练逻辑与大语言模型不同。开发者并非向AI提供海量文本,而是提供大脑电活动的录音。模型随后学习重复出现的模式,以适应识别不同的脑状态或协助特定的研究任务。例如,AI初创公司Piramidal与克利夫兰诊所合作,在其超过400万小时的EEG数据上训练了模型,开发出一套癫痫检测系统,在试点研究中能正确识别十分之九的癫痫发作。不过,这并不意味着消费级头带能读取人的思想,因为大多数可穿戴EEG设备仅使用一到六个电极,远少于临床EEG系统中常见的19到25个电极,且记录通常不够全面。

隐私问题在可穿戴脑技术行业中并非新鲜事。今年二月,一名工程师发现他可以通过购买的智能睡眠面罩访问其他人的脑波录音。此外,调查显示,超过三分之二的受研究公司明确允许在没有用户同意的情况下进行企业间的数据转移。如果一家小型神经技术公司被收购,其积累的录音可能会落入新所有者手中。目前,美国科罗拉多州和加利福尼亚州已修改消费者隐私法以涵盖神经数据,但其他州仍滞后于这一监管需求。

信息源:Tom's Hardware

研究

Score Centering:用加法修正消除RL训练中的梯度漂移

实质变化
2026-11-09 18:33

大规模LLM的强化学习训练通常采用分离式架构:推理引擎负责生成rollout,训练引擎负责计算策略梯度。两者运行在不同硬件上,使用不同的精度、内核和批处理形状,因此对同一个token会产出不同的概率——这就是训练-推理不匹配(TIM)。异步训练进一步加剧了这一问题,因为策略更新可以基于已经过时的rollout进行。

Marek和Ryabinin在论文中的核心贡献不仅是提出修正方法,更是对TIM为何导致不稳定的深入分析。他们证明:在常数奖励设定下,理论上策略梯度应为零(因为所有动作获得相同奖励,没有学习信号)。但引入TIM后,采样器q和训练器p的概率不再抵消,期望梯度变为非零——训练器开始模仿采样器的分布差异,无论奖励是否提供了有意义的信息。这一现象被称为梯度漂移。

更一般地,将策略梯度分解为协方差项后,可以分离出两个部分:漂移项等于期望奖励乘以采样器与训练器概率之比的期望分数;信号项是奖励与分数之间的协方差。漂移项不区分成功与失败的rollout,只依赖奖励的均值。在在线RL中,采样器不断从训练器刷新,漂移会形成反馈回路:TIM导致有偏更新,有偏更新传播到采样器,采样器产生新的有偏rollout——误差逐步累积直至训练崩溃。

Score Centering的做法是:在每个前缀位置,从训练器计算的token级分数中减去采样器下的期望分数。这一减法使得中心化后的分数在采样器分布下期望为零,从而在协方差分解中完全消除漂移项,同时保留信号项不变(因为减去常数不影响协方差)。与重要性采样不同,这是一个加法修正,不引入高方差乘法权重,也不需要截断或掩码来限制极端值。

实际实现中,精确计算采样器在整个词表上的期望分数代价过高(LLM词表通常有十五万token以上)。论文采用top-k近似:只保留采样器概率最高的128个token,用训练器的尾部概率经缩放后近似剩余部分。关键推导利用了训练器自身分布下期望分数为零的性质,使得修正项只需top-k即可计算。实验表明k=128甚至k=32都能达到与全词表近似相当的效果,但漂移消除的保证在近似实现下只是近似的。

在量化引起的轻度TIM下,Score Centering单独使用即可稳定训练。但在严重staleness下(如异步训练中采样器每64步才同步一次),仅靠Score Centering不够——因为学习信号仍在采样器分布下度量,与训练器分布的偏差需要重要性采样来修正。论文建议:当训练器与采样器之间可能出现大幅策略差异时,将Score Centering与截断或掩码重要性采样组合使用。

Cameron Wolfe是Netflix的深度学习研究员,拥有博士学位,其通讯以拆解AI研究论文著称。他在文中引用Nathan Lambert的说法指出:许多前沿RL实验室已在使用这一方法,但此前未公开。

信息源:cameronrwolfe.substack.com

研究

美国电力公司NRG Energy签署协议以40亿美元向LS Power出售六座天然气发电厂,所得用于回购股票及减债

专题 · NRG Energy实质变化
核验于 2026-11-09 20:33

美国电力供应商NRG Energy, Inc.(NYSE: NRG)于2026年11月9日通过提交8-K表格公告,已签署一项最终协议,将其拥有的六座天然气发电资产出售给LS Power的关联公司。交易价格为40亿美元现金,需根据营运资金及其他交割调整项进行常规价格调整。该交易隐含的2027年企业价值/调整后EBITDA倍数为8.0倍。

此次出售涉及总装机容量为4.9吉瓦(GW)的资产,分布在纽约州独立系统运营商(NYISO)、新英格兰独立系统运营商(ISO-NE)和德克萨斯州电力可靠性委员会(ERCOT)区域。具体包括Ravenswood、Ocean State Power、Wallingford、Jack County、Johnson County和R.W. Miller等电厂。交易完成后,NRG在全国范围内拥有并运营的发电容量将从目前的约25 GW降至20 GW,其中在ERCOT和PJM各保留10 GW。

NRG总裁兼首席执行官Robert Gaudette表示,此举旨在从精选资产中释放巨大价值,同时保持PJM和ERCOT地区可靠的供电足迹。交易所得将用于支持公司2027年的资本配置计划,其中包括在2026年和2027年间进行总计30亿美元的股票回购,部分增量回购预计在2026年第四季度结束前启动。此外,NRG计划在交易完成后额外削减20亿美元债务,使2027年总债务削减目标达到30亿美元,以维持当前的杠杆水平。剩余资金将用于资助有合同保障的增长投资或进一步减债。

该交易预计于2027年第二季度完成,但需满足常规交割条件并获得监管批准,包括哈特-斯科特-罗迪诺反垄断改进法案(HSR)、联邦能源监管委员会(FERC)以及纽约州公共服务委员会(NYSPSC)的批准。Barclays担任财务顾问,White & Case LLP担任法律顾问。

信息源:sec.gov

研究

阿布扎比AI公司Dizzaract创始人Ilman Shazhaev:独角兽的真正考验是原价续约,不是纸面估值

专题 · Dizzaract实质变化
2026-11-09 20:00

2026年上半年,250家公司加入Crunchbase独角兽名单,十亿美元估值似乎越来越容易达成。但阿布扎比AI与游戏基础设施公司Dizzaract的创始人兼CEO Ilman Shazhaev提出了一个不同的基准:真正值得关注的不是估值,而是能否维持十亿美元的持续收入,且这些收入来自按原价续约的客户。

他的推理从AI性能定价的结构性变化开始。Shazhaev引用Epoch AI的研究指出,自2023年以来,达到固定AI性能水平的成本每年下降十三倍。这意味着单纯转售模型接入的公司面临残酷的价格竞争——以OpenRouter为例,其1.13亿美元的B轮融资说明开发者已经可以通过一个共享界面在不同模型之间切换。在这样的环境下,ARR数字本身不再说明防御性。

Shazhaev认为真正难以替代的不是底层模型,而是嵌入客户审批流程、记录和日常决策中的软件。他给出的检验方法很具体:客户是否按原价续约?合同是否在扩大?扣除推理成本后利润率是否仍然健康?这三个问题把'收入'从模糊的年化运行率还原为可追踪的商业事实。

文章最有操作性的部分在于对资本结构的讨论。Shazhaev主张创始人应跨越地域融资,因为本地投资者可以同时充当市场入口。他以伦敦和海湾地区公司1001 AI的3000万美元A轮为例:美国风投Lux Capital领投,沙特公共投资基金支持的Sanabil Investments跟投,工程师在伦敦,客户在海湾。这笔交易本身不能证明未来留存率,但它展示了资本、人才和客户可以分布在不同地图上。

更关键的是他对两类资本义务差异的区分。传统风投和主权资本常被简化为'快钱'与'耐心资本'的对立,但Shazhaev认为更实用的区别在于每笔资金附带的义务。风投基金需要在存续期内实现回报,因此关注商业动能和退出规模;主权资本则通常追问用户数据在哪里处理、哪些技术能力留在国内、本地客户多年后能否继续依赖这项服务。一些主权基金甚至将本地发展使命作为与投资回报并列的评估标准。

他同时给出了重要的限定:这些模式并非普遍适用。许多主权基金追求常规财务回报,传统风投也能支持长周期企业销售,政府关联资本也不保证采购合同。创始人的实际工作是阅读细则——治理权、排他性要求、承诺的商业引荐——然后判断投资者的区域触达是否值得这些约束。

Shazhaev的结论是:最好的资本策略跟随客户路径,从可用产品到续约。风投加速开发和销售,前提是商业模式已经跑通;区域战略投资者在新市场的基础设施和采购规则需要本地专业知识时才真正发挥价值。他明确表示,宁愿向投资者展示一小批按原价续约的客户,也不愿展示一份依赖下一轮融资的华丽营收预测。需要关注的数字是净收入留存、生产部署数量和交付成本后的利润率。

这一框架的局限在于作者的利益位置。Dizzaract本身是一家总部位于阿布扎比、中东地区最大的游戏开发工作室、AI基础设施公司,将主权资本的本地化义务描述为优势而非约束,与其融资需求存在方向一致性。此外,13倍性能成本下降的引用来自第三方研究,作者未独立验证该趋势对其所在细分市场的适用程度。但作为评估AI公司资本结构和防御性的检查清单,原价续约、交付后利润率和义务匹配这三个维度具有可操作的具体性。

信息源:Crunchbase News

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系