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

2026-11-1673 篇

刷新

英伟达CUDA护城河:AI代码移植如何动摇软件锁定效应

实质变化
2026-11-16 19:00

英伟达过去十年最坚固的竞争壁垒不是芯片本身,而是CUDA——一套让开发者能够方便地为英伟达硬件编写程序和构建AI模型的软件架构。开发者一旦在CUDA上投入大量工程时间,迁移到其他硬件平台的成本极高,这构成了所谓的'护城河'。WIRED高级撰稿人Will Knight在2026年11月16日的分析中指出,这条护城河正被英伟达自己推动的技术浪潮侵蚀:AI模型已经足够擅长阅读和编写代码,以至于能在数小时内将AI模型移植到竞争对手的芯片上运行。

这一机制的具体体现是一家名为Wafer的初创公司。Wafer的CEO Emilio Andere表示,每当一个重要的开源权重模型发布,Wafer能在数小时内让它在AMD硬件上以至少80%的效率运行。Andere称,AI已经强大到他的工程师几乎不需要编辑或审查代码。这意味着过去需要数周甚至数月的人工移植工作,现在被AI自动化大幅压缩。对依赖CUDA锁定效应的英伟达而言,开发者迁移的摩擦成本正在急剧降低。

与此同时,AI智能体的兴起使推理——即运行已经训练好的模型——变得更加重要。MoorInStrat首席分析师Patrick Moorhead指出,AI智能体的兴起使推理变得更加重要,而这恰恰是英伟达相对超大规模云厂商和初创公司优势较弱的领域。谷歌、亚马逊和微软都在开发更专业化的芯片来驱动AI模型的训练和推理服务,各自都获得了类似的市场份额增长。英伟达虽然在2025年12月收购了一家名为Grok的专用芯片初创公司,但在推理和通用CPU领域仍面临结构性短板。

英伟达在中国市场的萎缩构成了另一重压力。根据英伟达自身文件,中国收入占比已从2024年的20%降至2026年的8%。华盛顿限制最先进芯片对华出口,北京则推动本土芯片产业发展。华为已开发出利用大量芯片协同工作的新型超级计算机,中国AI公司Z.ai声称已完全使用华为芯片训练其模型。如果中国的开源权重模型在其他国家获得采用,可能为华为芯片创造海外市场。

不过,这些压力是否构成存在性威胁仍存争议。Moorhead承认英伟达同样拥有AI工具,在AI芯片设计方面并不落后。Yorkville Ives合伙人Dan Ives在致投资者的备忘录中表示,英伟达仍领先最近竞争对手约2至3年,其战略路线图由4.2万名员工驱动,不会因创始人离开而改变。但芯片行业分析师Dan Hutchinson将英伟达当前处境比作英特尔的'Bob Swan时刻'——2019年工程导向的CEO Brian Krzanich因员工关系丑闻辞职后,CFO Bob Swan接任,公司重心转向销售,官僚膨胀,收入下滑。Hutchinson认为'英伟达现在是一个等待发生的英特尔'。

AMD的市场份额从2022年的2%攀升至2026年的7%到10%,英伟达仍占据AI加速器市场80%的销售额。英伟达的收入从2022年1月的269.1亿美元增长到2026年1月的2159.4亿美元。这些数字说明英伟达的领先地位依然巨大,但CUDA护城河的松动、推理负载的转移和中国市场的萎缩,是在黄仁勋个人风波之前就已运作的结构性力量。

信息源:WIRED

研究

SolidWorks CEO Manish Kumar:AI生成越多设计,验证正确性就越有价值

专题 · SolidWorks实质变化
2026-11-16 17:44

达索系统SolidWorks CEO Manish Kumar在2026年11月接受韩国记者团采访时,给出了一个关于AI与工程师关系的明确判断:AI会让设计制作变得极其容易,但制作物越多,证明哪个结果是正确的就越重要。他认为,这正是工程师价值显现的地方。

这个判断不是空泛的'AI不会取代人类'。Manish Kumar给出了具体的机制。他以REACT(Reasoning and Acting)框架为例解释AI如何在设计流程中工作:当用户请求一张工程图纸时,AI面对的是视图选择、尺寸标注位置、剖面图安排等近乎无限的可能性组合。AI不是直接输出一个答案,而是通过推理模型决定'为什么把尺寸放在这个视图',执行后观察结果,再根据需要调整。这个过程本身是迭代的、自主的。

但关键转折在这里:AI可以执行这个迭代过程,前提是人告诉它要什么。Manish Kumar用了一个割草机机器人设计的例子。假设一个工程师接到任务:在不增加成本的前提下把机器人重量减轻15%,同时保持疲劳寿命不变。这需要修改设计、运行仿真、遵守成本约束。他说,大多数工程师都知道怎么做,只是需要大量命令、点击和流程步骤,所以耗时。

AI能接管这些步骤。但Manish Kumar认为,工程师的核心价值从来不在'点击命令',而在'找到正确的意图'——定义目标、设定模型应该做什么和不应该做的约束条件、然后基于AI给出的结果评估利弊。

他把这个关系比作司机和引擎:工程师坐在驾驶座上,AI是引擎。引擎让车动起来,但方向和目的地是司机的责任。

这一论点有一个具体的产品背景。达索系统今年将SolidWorks的生成交互AI推进到'agentic AI'层级:不是简单问答,而是人给出具体任务,多个专业AI agent在后台按学习到的流程完成工作。这套系统包含三个'虚拟同伴'——Aura、Leo、Marie——分别对应不同专业领域。Leo拥有机械设计、性能分析、机械编程等'能力'(Competency),每个能力下再细分'技能'(Skill),如概念设计、详细设计、制图等。

商业层面,达索系统对过去两年购买SolidWorks的用户提供每人2100个Blue Token用于AI功能。每个Token定价5美分,按执行技能和产出价值而非文本量扣减。Manish Kumar称商业化五个月内客户已使用数百万Token,并提到一个客户用生成式绘图功能将数据集生产性提升了50-60%,目标六个月内达到90%。

这些数字来自厂商自报和单一客户案例,没有公开可复现基准。但Manish Kumar的核心论点不依赖这些数字成立:当生成成本趋近于零时,稀缺资源从'能做出设计'转移到'能判断哪个设计是对的'。这个逻辑对任何使用AI生成工具的工程领域都适用,无论具体产品如何。

需要保留的边界是:Manish Kumar是SolidWorks产品的CEO,他的论述同时是技术观点也是商业定位。他说'AI使设计更容易'的前提是自家工具确实能做到这一点——目前尚无独立验证表明生成式AI在复杂工程约束下的可靠性已达到全面替代人工执行的程度。他的论点描述的是一个方向,而非已经完成的事实。

信息源:바이라인네트워크

研究

净零承诺的减排效果:1200家大公司三年数据尚不显著

专题 · 净零承诺减排效果实质变化
2026-11-16 15:01

2019年底,全球约2000家大型公司中只有70家承诺了长期净零目标。到2024年底,这一数字已超过1200家,占样本总市值的三分之二。净零承诺的扩散速度惊人,但承诺本身是否带来了可测量的减排?西蒙·迪茨和尼古拉·哈斯特赖特2026年发表的研究对此进行了统计检验。

研究者比较了公司在采纳净零目标前后的绝对排放和排放强度变化。方向上,结果令人鼓舞:采纳目标三年后,平均绝对排放下降了约15%,平均排放强度下降了近10%。趋势确实朝着正确的方向移动。然而,这一变化幅度不足以在统计上达到显著水平。换言之,我们不能排除这些下降是由随机波动或其他同期因素驱动的。

对投资者而言,这意味着当前企业净零承诺的环境效果尚缺乏严格的统计证据支持。承诺的扩散本身不能等同于实际减排。当然,这一结论有明确的时间边界:净零目标通常设定在2040至2050年,而研究只观察了采纳后三年的数据。正如作者约阿希姆·克莱门特所指出的,随着减排幅度随时间增大,统计显著性可能改变;但至少就目前而言,我们无法得出净零承诺已显著减少温室气体排放的结论。

信息源:klementoninvesting.substack.com

研究

“大空头”Michael Burry警告投资者在黄仁勋辞职后卖出英伟达股票

实质变化
2026-11-16 18:16

以《大空头》闻名的投资者Michael Burry于2026年11月16日公开警告投资者卖出英伟达(Nvidia)股票,认为真正的暴跌尚未开始。据Finbold报道,Burry指出,随着前首席执行官黄仁勋的辞职,推动芯片高需求的关键因素已被移除。他声称,领导层的变动将使客户首次能够放缓交易、重新谈判条款或转向竞争对手。

此外,Burry引用了Culper Research的报告,该报告声称英伟达至少20%的年收入来自中国市场,这与黄仁勋此前关于英伟达在中国市场份额接近零的说法相矛盾。鉴于英伟达股价自10月6日高点以来已下跌31.93%,市值蒸发1.84万亿美元,Burry认为这一基本面变化叠加潜在的出口管制规避调查,可能引发灾难性的连锁反应。

信息源:Finbold

研究

Greenpeace活动家Benjamin Stephan:AI扩张问责为何指向Nvidia

专题 · 绿色和平问责英伟达实质变化
2026-11-16 18:00

AI数据中心的扩张正在遭遇越来越强烈的社会阻力。Data Center Knowledge报道指出,居民、本地抗议团体和大型组织都在对数据中心表达不满。Greenpeace选择了一条不同于一般社区反对的路径:直接问责芯片供应商Nvidia。其国际大科技活动家Benjamin Stephan在接受Data Center Knowledge采访时,完整阐述了这一策略选择的逻辑。

Stephan的论证起点不是'数据中心消耗太多电力'这一泛泛批评,而是Nvidia在AI基础设施经济链条中的特殊位置。他指出,Nvidia现在不仅卖芯片,还在组织融资模式,让大型科技公司更容易获得资金来建设新数据中心并购买其芯片,这进一步助长了不受约束的数据中心扩张。在Stephan看来,这意味着Nvidia已经从单纯的供应商变成了扩张的推动者和受益者,因此成为可问责的节点。

问责链条的另一环来自供应链。Stephan指出,Nvidia的供应链主要运行在化石能源之上,这加剧了气候危机,同时给台湾社区带来显著困难——Nvidia依赖台积电制造其芯片。他认为,以Nvidia的利润规模,将供应链转向可再生能源只需花费其中一小部分。

第三环是军事用途。Stephan援引报道称Nvidia芯片出现在部署在乌克兰的俄罗斯自主无人机中,认为这不可接受。他要求Nvidia在所有全球分销商、子公司和第三方供应商中实施独立审计,确保没有Nvidia技术被用于侵犯人权或被转用于军事装备和自主武器。

这三条线索汇聚于一个具体事件:台北承诺。Stephan回忆,此前在台北的GTC大会上,Greenpeace东亚活动家送给黄仁勋一个顶部插着风力涡轮机的五层蛋糕,借用他'AI是五层蛋糕'的比喻指出AI和Nvidia缺少可再生能源这一层。黄仁勋当时对'能否与台湾供应商一起投资可再生能源'的问题给出了肯定回答。Stephan说:'我们在柏林是为了追究他的责任,因为什么都没有发生。'

柏林抗议的具体经过也印证了这种问责逻辑。Stephan本人作为发言人在场,他在黄仁勋离开会场后在车旁等待,告知安保人员黄仁勋曾在台上说'稍后谈',但车辆空驶离开,对话未发生。Stephan强调这不是他组织的行动,他作为常驻柏林的活动家只是以发言人身份寻求直接对话。

基于这一论证,Stephan提出了两项具体诉求:第一,Nvidia需承诺2030年前在供应链和数据投资中实现100%可再生能源,停止依赖化石能源和核能;第二,在全球范围投资新增可再生能源产能,特别是在台湾等关键供应商地区以及东南亚等Nvidia大量投资的地区。

这一问责逻辑的边界也值得注意。Nvidia在2026年可持续发展报告中称已连续第二年实现全球用电量100%清洁匹配,并表示正在设计Vera Rubin等平台使强大计算与可持续性并进。对于芯片流入俄罗斯无人机一事,Nvidia称相关产品是面向学生、开发者和初创公司的消费级系统。Stephan的论证将Nvidia视为整个AI生态的瓶颈节点,但芯片供应商对下游客户如何部署基础设施的实际控制力存在争议——这正是其问责框架中最容易被反驳的一环。

Stephan表示,柏林抗议只是Greenpeace新全球大科技运动的一部分。就在GTC抗议几天后,Greenpeace活动家加入了Stop Dirty Data Centres联盟,在欧洲和全球进行了为期两天的地方性抗议。他明确表态:'和平抗议和非暴力直接行动是Greenpeace的DNA。'

对AI行业而言,这份访谈的价值不在于记录了又一场抗议,而在于呈现了一个具体的问责框架:当一家公司同时是技术供应商、融资推动者、供应链组织者和公众承诺者时,环保组织选择将压力集中于单一节点而非分散到整个产业链。这一策略选择本身,是理解AI基础设施社会接受度问题的一个切口。

信息源:DataCenterKnowledge

研究

YC合伙人Ankit Gupta:AI时代技术训练的价值不是写代码,而是会问模型更有意思的问题

实质变化
2026-11-16 17:40

YC合伙人Ankit Gupta近期在台湾参加Y Combinator创业学校活动并接受INSIDE专访,系统阐述了他对AI时代创始人能力要求的看法。他的核心判断是:AI正在改变新创与大型企业之间的竞争条件,而这种改变对受过扎实技术训练的人格外有利。

Gupta认为,拥有数千名员工的大型企业很难为了充分发挥AI模型的能力而彻底改变既有营运与决策流程。有些企业虽然为员工提供了ChatGPT账号,却未必真正重新设计了工作方式。相比之下,两三名熟悉AI工具的技术人员,如今就可能快速开发出过去需要更长时间才能完成的复杂产品。他认为部分大型企业执行长现在担心的竞争者,未必是另一家大型公司,而是能以全新方式解决问题的小型技术团队。

这个判断背后的机制是什么?Gupta对「技术型」给出了一个比学历更宽泛但比「会用工具」更严格的定义:不是指你念过计算机科学,而是你脑中想到的东西,你做得出来。以前要做到这点得是工程师,现在也许会vibe coding就够了。但他紧接着补充了一个关键观察:受过扎实技术训练的人,平均来说能问模型更有意思的问题。

他进一步解释为什么仍然推荐计算机科学等硬学科:学校教的基本观念不是软件工程——那多半是在工作中学习的——而是教你怎么思考。修资料结构和算法这类课程,会学到有逻辑地思考、把东西做出来,也知道电脑底层怎么运作,进而知道可以做什么。他的建议是把这两件事都做好:扎实的学科训练加上实际使用模型动手做东西。

不过Gupta也明确承认这不是绝对规则。他说YC也投资很多非技术背景的人,他们常有很深的领域知识,能用AI模型做出吸引人又真正有效的东西。他希望AI最终能拉近差距,让更多人把想法做出来成为很好的创始人。

在商业模式层面,Gupta以自己过去创办AI药物公司的经验说明了一个更具体的变化:与其开发软件、试图说服大型制药公司改变既有研发流程,新创也可以直接利用AI开发产品。他认为AI正在让创业者有机会跳过部分传统软件销售模式,直接进入既有产业竞争。

同一场创业学校活动中,YC普通合伙人Jon Xu从另一个角度补充了寻找创业机会的方法:除了观察市场需求,也可以研究目前AI模型还不擅长完成哪些工作。他特别提到现阶段模型在硬件设计和芯片验证等基础技术任务上仍有不足,对熟悉这些领域的工程师而言,这些限制可能就是值得探索的创业机会。YC总裁兼执行长Garry Tan则针对资金需求较高的硬科技新创,建议从最终目标往回推,找出可以先完成的技术里程碑,透过阶段性成果争取后续资金。

Gupta的整套论述对AI产业投资有一个直接含义:评估一个AI新创团队时,「会不会用AI工具」可能不是最关键的筛选标准,「能不能向模型提出有深度的问题」才是。而后者与创始人的技术训练背景存在统计上的正相关,尽管不是充分条件。

需要指出的是,这些都是YC合伙人的归因观点,不是独立验证的研究结论。Gupta没有提供量化数据来支持「技术训练让人问出更好问题」这一观察的效应大小,也没有说明在哪些具体任务上这种优势最明显。他的竞争动态判断同样基于YC投资组合的定性观察,而非系统性的跨行业比较。

信息源:INSIDE

研究

Ambarella技术营销工程师Cicalese:感知报告需显式保留位置、时间、不确定性与溯源

专题 · Ambarella实质变化
2026-11-16 14:09

Ambarella技术营销工程师Pietro Antonio Cicalese提出了一个仓库巡检场景:一台机器人报告十四号通道有一个倒下的纸箱,二十秒后另一台机器人从通道另一端接近,报告入口附近有一个障碍物。服务器现在面临一个尴尬的问题——两台机器人看到的是同一个箱子吗?如果按两个障碍处理,可能关闭过多通道;如果合并为一个,可能把实际存在的第二个障碍漏掉。Cicalese指出,两种描述都可以是准确的,但协调器仍然无法做出有用的区分。

他认为问题的根源在于从感知到应用的信息交接方式。“十四号通道有一个倒下的纸箱”这句话对瞥一眼警报的监工来说是有用的,但对需要比较两份报告的协调器而言,留下了大量未解决的问题:箱子在通道的哪个位置?它占据多大空间?第二台机器人是最近看到的,还是它的报告在等待连接时已经过时?一幅配图可以帮助回答部分问题,前提是接收方能解读其几何关系和采集条件;语言模型也可以提取更丰富的描述。但Cicalese强调,这些方法都不会自动提供一个共享位置,也不会建立两次观察涉及同一对象的关系——这些关系需要被显式表示和评估。

因此,交接需要一个双方约定的规范:提供哪些信息,信息不完整时预期什么行为。软件工程师通常称之为接口契约。其价值是实际的:接收应用应当能够在不猜测发送方意图的情况下区分有效位置和未知位置。对仓库而言,报告需要保留对象在命名坐标框架中的位置与占据面积及所声明的单位,还需要采集时间、分维度的不确定性指示,以及将报告追溯到其源观察的方法。一份可读摘要可以与之并列,供监工快速浏览。

位置转换本身携带误差。检测器通常在相机图像中定位箱子,那些像素坐标描述的是箱子在图像平面上的位置。协调器需要的是仓库地图上的位置,而转换远不止知道机器人站在哪里。需要距离测量或有效的几何约束(如已标定的地面平面)将相关点定位到三维空间;机器人在采集时刻的估计位置和朝向允许那些点被变换到地图框架。箱子的范围也需要合适的几何信息,仅凭图像中的表观宽度无法确定它在地面上占据的空间。

Cicalese援引ROS项目的REP 103标准,指出不一致的单位和坐标约定正是造成集成错误的原因。相机的光学框架和机器人的机体框架使用不同的轴朝向;命名框架并记录变换关系可以防止两个组件将同一组数字解读为不同的物理位置。一旦两台机器人都以共享地图框架报告,服务器就可以比较估计的占据区域。位置重叠和兼容的尺寸为共同障碍提供了证据,但它们支持的是一个关联假设,而非身份证明。两个相似的箱子可能彼此靠近,或者一名工人在两次观察之间移动了其中一个。当证据不足以证明合并时,协调器应保留未解决的替代方案。

时间同样需要区分。采集时间告诉接收方场景何时被观察;处理完成和消息到达描述的是管道中的后续事件。它们对诊断延迟有用,但将到达时间当作观察时间会让旧场景看起来是当前状态。跨机器人比较采集时间需要具有已知关系的时钟。如果时钟误差相对于所分析的事件过大,表面的时间差异可能具有误导性。契约应明确时间参考,并定义观察何时对特定决策而言已经过旧——一份障碍报告可能在不再适合判断窄通道当前是否畅通之后,仍然对调度有用。

不确定性也需要比单一分数更丰富的表达。系统可能确信对象是一个纸箱,同时对其距离估计很差;精确的深度读数可能伴随不确定的对象标签;眩光可能影响图像的一部分而不使所有测量失效。将这些条件合并为一个置信度值,会让接收应用无法对它们的不同后果做出响应。对库存盘点,这一区分尤为具体:货架标签可以确定哪个SKU属于某个位置,但无法揭示被障碍物遮挡的纸箱。计数应覆盖机器人实际观察到的内容,未观察到的部分保持为未知,可能需要另一次观察或人工盘点来完成任务。

溯源使这些问题变得可调查。报告可以标识机器人、传感器和源观察,以及产生它的处理版本。在访问和保留规则允许的情况下,一个引用可以指向图像裁剪或录制帧。该证据不必随每条消息传输,但其可用性和最终过期应被接收方理解。

当更多传感器加入时,需要调和的测量也增多。相机可能提示对象类型,而雷达贡献距离和径向速度。这些读数只有在适当的空间标定、时间对齐以及是否涉及同一目标的评估之后才能合并。没有可靠相机匹配的雷达回波可以保持为类型未知的对象;凭空编造一个标签会掩盖分歧。融合可以在不同阶段进行,取决于下游任务需要什么以及各处理器能处理什么。Cicalese举出Jason Huang描述的Ambarella雷达演示为例:CV3片上系统在前雷达单元处理来自五个Oculii雷达头的数据,然后将合并的点云发送到区域控制器进行传感器融合。点云以三维空间中的位置表示各个检测,这一设计将多雷达处理集中在一起,并为下一阶段提供空间表示。其他融合任务可能需要不同的边界,取决于接收阶段需要哪些测量。

最后,Cicalese提出接口契约应当通过已知场景的报告回放来测试:先用两次对同一箱子的观察,再用两个外观相似的相邻箱子;引入一份旧报告在新报告之后;移除距离估计、改变坐标框架、模拟时钟偏移。预期结果应包括协调器在每种情况下如何处理不确定性。一个有用的测试检查下游决策:如果两份报告无法被自信地关联,协调器应保留该歧义并遵循规定的调度行为,例如请求另一次观察。缺失的距离不得变为零,相机看不到的区域不得变为畅通空间。仅通过消息解析器验证,确立的内容远少于这些。

当两台机器人从十四号通道的两端报告时,服务器应当拥有足够证据做出有根据的关联——或者拥有足够信息认识到需要另一次观察。协调器的分配仍然是一个由机器人应用运行时评估的提案,运动仍然受机器单独验证的保护控制约束。设计良好的报告改善协调,而不接管这些职责。

信息源:Ambarella

研究

独立科技行业分析师Richard Windsor:Megaspeed调查难以构成英伟达实质监管风险

实质变化
2026-11-16 14:51

独立科技行业分析师Richard Windsor在Radio Free Mobile发表判断:Megaspeed调查不太可能给英伟达带来直接的监管打击。他在11年野村证券全球科技股覆盖经历后创立了这家独立研究机构,目前持有英伟达半仓并计划加仓。

Windsor的核心论点是法律层面的:当前美国出口管制并未禁止中国公司租用部署在中国邻国的海外数据中心算力,只要满足四个条件——数据中心非中资所有、中国租户不取得数据中心所有权、芯片不随后被运入中国、训练的AI不用于军事目的。在这个框架下,一家马来西亚电信公司拥有的数据中心升级英伟达芯片后向阿里巴巴出售算力,是完全合法的。

他援引Megaspeed、Inspur、英伟达内部审计以及彭博2025年调查的结论指出:没有证据表明售予Megaspeed的13.6万颗芯片被转运至中国。存在迹象、不一致和传闻,但没有硬证据。Windsor承认确实有少量被禁英伟达设备流入中国,但主要是可拆解携带的DGX小型方案,而非体积巨大的NVL72系统。SuperMicro等公司曾被起诉或认罪走私英伟达芯片,但Megaspeed不在此列。

Windsor认为媒体在备忘录泄露后对英伟达的集体围攻带有偏见,使客观评估变得困难。他判断唯一可确认的违法行为是泄露机密备忘录本身,其余均属推测。如果存在大规模成功的走私行动,中国就不需要采取租用海外数据中心这一复杂且有风险的路径。

对英伟达的实际影响,Windsor的推理链条是:Megaspeed调查的结果决定了英伟达是否会被拖入合规泥潭。如果Megaspeed被认定参与走私,英伟达和CEO黄仁勋将被视为失职,监管负担将损害其快速推出新产品的能力——而这正是其长期竞争力的基础。但他认为概率天平偏向不会受到直接处罚,最可能的结果是芯片出口限制进一步收紧、海外数据中心租赁规则加严,而非针对英伟达本身的执法行动。

Windsor将这一判断与估值联系:股价在160美元时,这一风险已被充分定价,英伟达至少有一年时间应对任何规则变化,财务表现不会立即受损。他同时指出黄仁勋独特的管理风格是英伟达竞争优势的根基,这一人事风险依然存在,但属于另一层问题。

该分析区分了海外算力租赁与芯片走私在现行规则下的不同法律地位,而非仅凭股价波动或媒体情绪做判断。其局限也很明显:作者持有仓位,且其结论完全依赖当前法律框架不被追溯性收紧或重新解释。Windsor本人也承认,中国手中握有稀土和农产品采购等谈判筹码,最终出口管制走向仍不确定。

信息源:radiofreemobile.com

研究

Sierra发布个人代理协议Poppy 1.0,Shopify全量接入与Meta Muse支持

实质变化
2026-11-16 15:29

开发企业级AI代理的公司Sierra于2026年11月13日宣布,正式公开发布“个人代理协议”(Personal Agent Protocol,简称Poppy)的1.0版本。这一开放标准旨在规范个人AI代理如何代表用户与企业的网站、API及企业侧代理进行安全交互。据gihyo.jp报道,电商巨头Shopify已实现其平台上的所有商店自动支持该协议,而Meta推出的AI代理Muse也已向所有用户开放Poppy功能。

Poppy协议的核心在于解决AI代理访问企业服务时的身份验证与权限控制难题。根据发布的1.0版规范,企业需在其域名下的/.well-known/poppy.json文件中公开可供代理连接的端点及功能描述。个人AI代理读取此文件后,可选择通过网页操作、API调用(支持MCP和OpenAPI标准)或与企业自有代理对话等方式完成任务。在涉及账户访问时,协议基于OAuth标准,允许用户明确授予代理只读或写入权限,并可在事后撤销。

此次更新还引入了扩展机制,其中与Shopify共同制定的“通用商务协议”(UCP)扩展尤为关键。该扩展将Poppy的连接发现功能与UCP的商品搜索、购物车管理及支付处理相结合,使AI代理能够在无需登录的情况下以访客身份完成购物,或在获得用户授权后使用个人账户进行操作。此外,Sierra还提供了面向企业的实施工具包,包含用于指导编码代理进行系统改造的技能文档及验证测试工具。

除了Shopify和Meta,金融服务公司Mercury、土耳其航空(Turkish Airlines)以及Synchrony等也已开始采用Poppy。例如,Muse用户现可通过该协议查询Mercury账户余额或分类支出,但执行转账前仍需经过银行规则审批;土耳其航空则允许用户通过代理查询航班状态及会员里程升级选项。目前,参与制定该标准的合作企业已超过100家,包括OpenAI、Stripe、Visa、Walmart和Salesforce等。

信息源:gihyo.jp

研究

AI基础设施初创公司Mount Thor获4500万美元融资,建设面向智能体的Mac数据中心

专题 · Mount Thor实质变化
2026-11-16 09:05

AI基础设施初创公司Mount Thor宣布已完成4500万美元的股权融资,用于构建专门运行苹果计算机的数据中心,以支持人工智能智能体(AI Agents)的开发与部署。该公司由前OpenAI员工Peter Voell创立,总部位于美国旧金山。

随着AI智能体越来越多地需要操作桌面应用程序、管理文件并执行依赖特定操作系统环境的任务,传统的Linux云服务器往往无法满足需求。Mount Thor提供的服务允许研究人员和企业远程访问完整的macOS环境,从而避免了自行维护大规模Mac机队的成本和复杂性。

本轮融资包括种子轮和A轮融资,由CRV和Conviction共同领投A轮,Chad Byers和Offline Ventures共同领投种子轮。CSC Leasing、Enea Capital、Long Journey Ventures和Upper90也参与了投资。此外,公司还获得了非股权融资以支持硬件采购。

Mount Thor表示,其首个数据中心已在六个月内部署完毕。新资金将用于扩大计算容量、招聘人员以及建立实验室,测试针对苹果处理器优化的开源AI模型推理能力。公司认为,苹果在无障碍功能和人机交互方面的长期投入,使得macOS成为需要人类监督的AI智能体的理想平台。

信息源:TechRadar

研究

美联储报告:AI数据中心债务发行量三年增五倍,表外承诺超3万亿美元

专题 · AI基建债务风险结构性
2026-11-16 15:36

美国联邦储备委员会(Fed)于2026年11月13日发布了半年一度的《金融稳定报告》。纽约联储在9月至10月期间向券商、银行和投资基金等23位市场人士征询意见,结果显示人工智能(AI)是被点名最多的风险因素,近九成受访者提及AI,而春季调查中这一比例约为五成。报告强调,这部分内容反映的是受访者的看法,不代表美联储的官方立场。

报告专门拆解了为先进计算(advanced computing)基础设施发行的债务问题。数据显示,2026年1月至10月,此类债务发行额已超过6800亿美元,约为2023年全年1300亿美元的5倍。这类借款占非金融投资级企业发债的比重,也从2023年的不到6%上升至今年约31%。截至10月,与先进计算相关的公开市场未偿债务估计已超过1.1万亿美元。

除了账面债务,报告还揭示了规模更大的表外承诺。统计显示,包括亚马逊、Alphabet、Meta、微软、甲骨文、博通和英伟达在内的7家科技巨头,其尚未起租的长期租约未折现金额超过1万亿美元;照付不议合约、残值保证等其他承诺也超过2万亿美元。这些承诺将信用评级高的大型企业与信用较弱的中小开发商及GPU厂商紧密联系在一起,形成了复杂的“循环融资”动态。

在风险承担方面,大型共同基金、退休基金和保险公司主要持有超大规摸业者和GPU公司的账面债务。然而,风险较高的次顺位债和股权部位则由高收益债基金、寿险公司和商业发展公司(BDC)等持有。此外,美国最大型银行控股公司对大型科技公司、数据中心开发商及相关特殊目的实体(SPE)的敞口接近1万亿美元,这些敞口将在年度监管压力测试中接受评估。

信息源:TechOrange 科技報橘

研究

日本BtoB营销调查:三分之一持续使用AI代理,成功者将时间用于客户理解

快讯
核验于 2026-11-16 16:38

日本市场研究机构PRIZMA于2026年11月16日发布了针对1,007名日本BtoB营销从业者的调查报告。数据显示,33.4%的受访者正在持续使用AI代理(AI Agent),若包含曾尝试后停止使用的群体,约40%的人在工作中接触过该技术。

在AI代理的使用效果方面,情况呈现分化。在有过使用经验的受访者中,33.2%表示有效商谈数量有所增加,而48.1%的人认为“几乎没有变化”。这表明单纯引入工具并不必然带来业务增长。

调查揭示了导致结果差异的关键因素在于时间的再分配。与商谈量持平或减少的群体相比,商谈增加的群体更倾向于将AI节省下来的时间用于“客户访谈与市场理解”(31.3%对9.1%)以及“独家信息与案例制作”(44.5%对25.9%)。相反,未获得显著增长的团队更多将时间用于现有活动的执行量提升。

该调查由日本视频内容营销公司Mujin旗下的PRIZMA实施,样本为拥有10名以上员工的企业中的营销相关人员。数据反映了日本BtoB领域在生成式AI应用初期的一种实践趋势:技术带来的效率红利需转化为对客户认知的深度投入,才能体现为商业成果。

信息源:プレスリリース・ニュースリリース配信シェアNo.1|PR TIMES

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系