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

2026-11-19129 篇

刷新

OpenAI称其模型为自研芯片及AMD设计带来硅验证的功耗性能面积优化,并宣布与Synopsys合作开发EDA专用模型

实质变化
2026-11-18 08:00

OpenAI于2026年11月18日发布研究进展,称其前沿模型(包括GPT-6 Astra等)已在其首款定制推理芯片Jalapeño以及AMD的旗舰GPU和CPU设计中实现了“硅验证”(silicon proven)的功耗、性能和面积(PPA)优化。这是继今年8月首次公布Jalapeño初步结果后,OpenAI进一步披露的具体工程改进细节。

在Jalapeño的设计中,OpenAI团队估计模型提出的修改使向量单元的标准单元面积减少了约13%,矩阵单元减少了约10%。具体而言,一个乘法器重新设计在综合中减少了约15%的单元面积,同时将延迟从两个时钟周期降至一个;另一个加法器重新设计也减少了约15%的面积但保持了两周期延迟。这些优化已在Jalapeño的硅片调试阶段得到验证。

在与AMD的合作中,OpenAI称其模型通过重写描述电路的SystemVerilog RTL代码,在AMD旗舰GPU IP上实现了相对于高度优化基线高达14%的PPA改进。AMD已将部分更改纳入近期送交制造的设计,并将其他更改添加到生产设计文件中用于未来版本。此外,AMD还验证了OpenAI模型编写的RTL在其下一代旗舰CPU的关键模块中带来了个位数百分比的PPA增益。

为了评估模型能力的演进,OpenAI还在两个开源RISC-V核心(PicoRV32和Ibex)上进行了基准测试。结果显示,GPT-6.2 Astra在约112,000 token的预算下表现最佳,且在从零开始根据规范设计核心时,所有测试模型的表现均优于对现有设计的优化。这表明模型具备探索新处理器架构的能力。

作为下一步计划,OpenAI宣布与电子设计自动化(EDA)巨头Synopsys合作,训练名为GPT-Synopsys的新模型,使其能够像专家一样使用Synopsys的EDA工具进行芯片设计和验证。这一举措旨在将前沿AI能力直接集成到工程师现有的标准工作流中。

信息源:OpenAI

研究

蚂蚁技术研究院与西湖心辰开源双向世界模型Duo v1:虚拟主体可自主决定何时开口或倾听

专题 · Duo v1双向世界模型实质变化
2026-11-18 23:00

智东西11月18日报道,11月17日,蚂蚁技术研究院与杭州大模型公司西湖心辰发布并开源双向世界模型(Reciprocal World Model,RWM)Duo v1。该模型通过Intent(意图)和Realization(实现)两个紧密耦合的模块,将智能主体内化为世界的一部分,使其能够持续接收用户的音视频输入,自主决定何时开口、何时倾听,并实时生成相应的声音和画面与用户进行交互。

传统世界模型通常只模拟光影、材质、动态等物理场景,内部缺少可主动回应的主体。Duo v1则同时覆盖物理现实和智能主体,虚拟主体与世界共享同一交互时空。在每个约0.7秒的时间块内,Intent模块基于用户输入和交互历史,自主决策是选择开口说话还是倾听等待,并同步生成对应的语言内容;Realization模块则结合Intent的隐状态、用户输入和自身生成的历史内容,生成相匹配的音频和视频。

在30组真实交互的人类评估中,Duo v1通过了180项检查中的168项,总通过率为93.3%。其中,语言遵循性、语音可懂度和视觉身份稳定性三项指标的通过率均为100%,但内容响应度为73.3%,内容响应度和长程一致性仍是当前版本的主要挑战。目前,Duo v1的技术报告、训练代码和模型权重均已开放,开发者可以下载模型权重,在此基础上进一步拓展。

信息源:zhidx.com

研究

Databricks推出Unity Gateway Insights自动分析AI代理成本浪费

实质变化
2026-11-19 06:42

美国数据智能公司Databricks于2026年11月18日宣布推出Unity Gateway Insights,这是一款旨在自动分析数百万条AI代理追踪数据以识别成本低效的新功能。该工具利用其AI助手Genie,结合业务数据和本体论,深入企业编码工作流中定位令牌(token)浪费的具体环节,超越了简单的预算上限控制。

据Databricks官方博客披露,内部追踪分析揭示了几个具体的节省机会:修复Model Context Protocol(MCP,一种允许AI模型连接外部工具的协议)服务器中的七个微小bug,估计每年可挽回120万美元的成本。这些bug导致代理在工具调用失败时反复重试,造成大量令牌浪费和工程师等待时间。此外,分析显示简单提示常被路由至昂贵的前沿模型,促使该公司采用Smart Routing将常规任务导向更便宜的替代方案。

Unity Gateway Insights集成在现有的Unity Gateway控制平面中。当开发人员通过ug CLI使用Claude Code或GitHub Copilot等编码代理时,系统会自动捕获OpenTelemetry追踪数据并汇入统一表。Insights随后生成报告,回答哪些工作流消耗了不成比例的令牌,以及哪些重复性工作流可以转化为共享技能。该工具依赖Genie Ontology理解业务背景,确保分析与项目名称和操作细节对齐,同时所有数据保留在受治理的Unity Catalog环境中以保障安全。

信息源:Databricks

研究

Neo4j产品负责人:把git历史加载为图数据库,编码代理才能发现源码中无引用的文件耦合

实质变化
2026-11-19 05:00

FastAPI的security目录下有四个模块:api_key.py、oauth2.py、http.py和open_id_connect_url.py。它们没有互相import,源码里也找不到指向彼此的线索。但git历史显示,api_key.py被修改的28次提交中,oauth2.py跟着改了18次,http.py改了17次,open_id_connect_url.py改了16次。每次有人给一个安全方案加行为——auto_error、description参数、401状态码、WebSocket支持——四个模块一起动。

Neo4j产品负责人William Lyon用Relate的git-to-graph扩展把FastAPI的8102次提交导入图数据库,再用fs-to-graph导入工作树,然后通过MCP以只读方式暴露给编码代理。他让Codex、OpenCode和Pi在两种条件下完成两个任务:给APIKeyHeader加一个可选构造参数,以及给APIRouter.add_api_route加一个关键字参数——每个任务都要求代理先回答需要改哪些其他文件、跑哪些测试、谁来review。仅能读源码树时,三个代理没有一个提到那三个兄弟安全模块;接入图后,三个都找到了,并且给出了具体次数。

这个差距不是个案。Lyon在FastAPI包内查询了所有共变至少五次的文件对,共126对,其中42对——大约三分之一——在两个文件的文本中找不到对方的名称引用。这意味着无论怎样跟随import链或搜索文件名,静态源码树都无法暴露这些耦合。图数据库把历史模式变成了一条Cypher查询可以回答的问题:什么文件和我一起变?以前有人做过这种改动吗?谁最近动过这些文件?

需要保留的边界:这是Neo4j自己构建工具、自己运行实验、自己报告的对照测试,属于厂商自测,没有独立复现。仓库只有FastAPI一个,模型只有gpt-6.1-sol一个。42对的计数基于文件名在文本中的匹配而非真正的import图,Lyon本人也承认这个数字是近似的。它证明的是:对于文件耦合、变更先例和审查人识别这三类问题,答案存在于提交历史中而非代码文本里——源码树结构上无法提供这些信息,不是因为它隐藏了,而是因为代码本身不记录谁和谁一起改过。

信息源:Neo4j Graph Intelligence Platform

研究

Anthropic季度算力支出近100亿美元,约半数流向SpaceX

专题 · Anthropic实质变化
2026-11-18

Anthropic在2026年第三季度花费近100亿美元用于算力和基础设施,年化支出接近400亿美元。这一数字来自该公司为IPO向美国证券交易委员会提交的S-1/A申报文件,首次以逐季度粒度公开了前沿AI实验室的算力支出明细。

更值得关注的是支出结构:Anthropic当季约50亿美元支付给了SpaceX,占其算力总支出的近一半。这一比例由Bloomberg在2026年10月底报道确认——Anthropic占SpaceX第三季度总收入的34.5%,对应约50亿美元。这意味着Anthropic对单一供应商的依赖程度远超外界此前基于年度总量数据的估计。

从增长轨迹看,Anthropic的算力支出从2023年全年的4.33亿美元攀升至2026年第三季度的98.63亿美元(年化394.5亿美元),三年间年均增速约4倍。Epoch AI的对比分析显示,OpenAI同期大致保持每年3倍的增长节奏:2024年全年约58亿美元,2025年约163亿美元,2026年总裁Greg Brockman在5月作证时预计全年支出约500亿美元。

两家公司的绝对规模差距正在收窄。2024年Anthropic年化算力支出约25亿美元,仅为OpenAI的43%;到2026年第三季度,Anthropic年化约395亿美元,已接近OpenAI全年预测的80%。如果Anthropic维持当前季度增速,其年化支出可能在2026年底或2027年初与OpenAI持平。

未来承诺显示竞争不会减速。Anthropic的S-1披露了4475亿美元的算力合同承诺(从2026年9月到2030年底),约合每年1000亿美元。OpenAI方面,据Yahoo Finance报道,其计划在同一时期投入约7500亿美元。这些数字远超当前实际支出,意味着两家公司都在为未来数年的算力扩张锁定供给。

对行业观察者而言,这组数据揭示了一个此前被模糊处理的结构特征:前沿AI实验室的算力支出高度集中于少数供应商,且集中度仍在上升。Anthropic的供应商包括Amazon、Google、Microsoft和SpaceX,但SpaceX一家在2026年第三季度就承担了其近半数支出。Epoch AI指出,Anthropic算力支出增长的相当部分可归因于与SpaceX的交易扩张,而SpaceX本身也在快速进入算力租赁市场。

信息源:Epoch AI

研究

分析师Zeus Kerravala:多可用区防组件故障,防不了整个服务失败

专题 · 泽斯·凯拉瓦拉韧性架构论实质变化
2026-11-19 09:21

2026年11月12日至17日,六天内发生了六次重大IT宕机:微软365全球中断近24小时、Workday连接了灾难恢复环境与生产数据库、美国联邦航空管理局因路由器过载发布全国停飞指令、联合航空因无法获取飞机重量数据延误航班、摩根大通因本地硬件软件缺陷导致客户无法转账、苹果因内部更新影响iCloud和Apple Pay。根因各不相同——休眠的bug、过载的路由器、坏的内部更新、本地硬件故障——但模式完全一致:一个关键依赖失败,业务随之停止。ZK Research首席分析师Zeus Kerravala由此提出核心论点:可用性架构和韧性架构不是一回事。前者在组件失败时保持服务运行,后者在整个服务失败时保持业务运行。大多数公司拥有前者,却误以为拥有后者。

Kerravala指出,云计算让行业遗忘了灾难恢复纪律。在金融服务领域,生产数据中心加灾难恢复数据中心是不可谈判的标准做法。当世界转向云端,人们假设灾难恢复是云提供商的责任,但这实际上是共同责任。可用区和多区域设计能防硬件故障和局部事件,但它们共享软件、控制平面、配置管道和DNS。当一个坏配置或休眠bug传播时,它无处不在——微软的七月网络网关bug正是如此级联到74个国家和地区。

Kerravala以Zscaler的业务连续性云为具体案例说明命运分离需要什么。该环境运行在第三方数据中心而非Zscaler自有设施,使用独立的网络、自治系统号、DNS和云域。软件与威胁情报更新刻意错开,使一个坏的生产发布不会同时落入备份。策略和身份数据单向同步为只读的已知良好状态。它覆盖九个区域,足以在一国被切断时保持国内运营。Zscaler还鼓励客户在日常持续将合成或可信用户流量路由到备份环境,使故障转移路径每天验证而非仅在年度桌面演练中测试。故障转移可自动触发,也可由客户手动触发,确保即使Zscaler本身不可达时仍能工作。

Kerravala的结论面向买方:定义最小可行业务,识别三到五个必须持续运行的工作流及其全部依赖;追问每个关键供应商的连续性架构——如果答案是multiple availability zones那是可用性,不是连续性;持续测试而非年度演练;危机中保持安全能力在线,因为攻击者会在防御松懈时立即行动;在续约时利用买方杠杆,将命运分离的连续性作为合同要求。他同时承认,Zscaler无法让微软的邮箱在线或重启FAA的路由器,其架构只是自身平台的连续性模型,而非万能药。

信息源:SiliconANGLE

研究

Palo Alto Networks调查:逾7成企业允许AI代理修改代码,但不到1成能全面侦测未受管控AI活动

专题 · AI代理身份管理实质变化
2026-11-19 08:00

网络安全公司 Palo Alto Networks(帕洛阿尔托网络)近期公布的《2026年云端安全调查》显示,AI代理在企业软件开发流程中的普及率极高,但相应的安全管理措施严重滞后。几乎所有受访组织都已在软件开发生命周期中使用AI代理,超过70%的组织允许这些代理修改代码、调整持续集成与持续交付(CI/CD)设置,甚至直接对生产环境进行变更。然而,能够在不同云环境中全面自动检测并分类“影子AI”(即未经IT部门批准或管理的AI工具及活动)的受访组织比例不足10%。

随着AI辅助开发的引入,基础设施变更频率显著增加。超过80%的受访组织表示,AI代理导致云端基础架构变更更加频繁,但强制执行人工安全审查的组织不到40%。此外,仅有约30%的组织能够追踪大多数生产工作负载从代码提交到部署执行的完整过程。在基础设施即代码(IaC)方面,超过40%的组织使用AI生成IaC模板,但仅约30%要求在部署前进行强制安全扫描。数据显示,在90天的统计期内,平均近20%的高危或重大应用安全问题最终进入了生产环境,而从发现代码安全问题到修补程序部署的平均耗时超过18天。

AI代理的身份管理成为另一大隐患。近40%的受访组织承认,其AI开发工具或代理可通过开发或部署流程访问生产云环境。更令人担忧的是,超过半数的受访工程师表示,AI代理的操作记录被归因于工程师个人的身份或访问令牌,而非独立的AI代理身份。这使得企业在审计时难以区分人类操作与机器行为,且40%的组织无法还原AI代理曾执行的具体操作,从而无法确认代理是否超出了原定任务范围或访问了敏感资源。

凭证管理同样存在漏洞。30%的受访组织曾在CI/CD流程中发现AI代理使用的凭证未纳入企业统一管理。超过30%的组织表示,在调查安全事件时,难以撤销或轮换AI代理使用的凭证;另有60%的组织在撤销非人类身份(Nonhuman Identity, NHI)的访问权限时仍需人工介入。数据泄露风险也随之上升,约20%的组织直到发生事件或进行审查后才发现影子AI的存在,40%的组织曾发现受管数据被复制到未受控的AI环境,近40%的组织发现敏感或受法规管制的数据未经授权用于AI模型训练或微调。

信息源:iThome

研究

Cloudflare发布开源权重Clairic与Clairic-flash提取模型,采用并行槽位自回归生成架构

实质变化
2026-11-19 06:00

美国云计算公司Cloudflare于2026年11月18日宣布,其Workers AI超级智能团队发布了两个新的开源权重提取模型:更新版的Clairic和全新的轻量级版本Clairic-flash。这两个模型现已在Workers AI平台上托管,并在Hugging Face上提供完整的开放权重下载。

此次发布标志着Clairic从预览版正式毕业。Cloudflare表示,新版本的Clairic采用了重新设计的架构,使用“并行槽位自回归生成”(parallel slot autoregressive generation)取代了之前的单次前向传播。在这种新机制下,每个字段利用已生成的令牌来选择下一个令牌,并在各自的结束标记处停止,所有字段在服务批次中同步推进。这一改变旨在提高文本和图像提取的准确性,同时保持极低的延迟。

除了架构升级,Cloudflare还推出了Clairic-flash,这是一个拥有90亿参数的更轻、更快的版本,专为紧凑部署设计。根据官方发布的内部评估数据,Clairic-flash在多项提取任务中表现强劲,例如在混合输入字段的内部评估中,Clairic-flash得分为213/226,而旧版预览模型仅为156/226。需要注意的是,这些基准测试均为厂商自测结果,尚未有公开的第三方独立复现。

在定价方面,Cloudflare调整了其“系统一”(System One)模型的收费策略。27B参数的Clairic模型定价为每百万输入令牌0.24美元,而9B参数的Clairic-flash定价为每百万输入令牌0.10美元。为了促进迁移,Cloudflare提供限时促销:直到2026年12月1日,两个模型均按0.10美元每百万输入令牌的价格计费。此后,Clairic将恢复原价。

Cloudflare强调,尽管模型架构发生了变化,但API接口保持不变,继续返回置信度分数、字符跨度和概率等结构化信息。该团队表示,发布开源权重是为了鼓励社区基于其理念进行实验和构建,帮助开发者用更小、更快、更便宜的专用模型来补充昂贵的大语言模型使用场景。

信息源:Cloudflare Blog

研究

美菲拟签框架协议在菲律宾建AI芯片与数据中心枢纽

专题 · Pax Silica实质变化
2026-11-19 03:40

据The Verge报道,美国总统特朗普正推动一项名为“Pax Silica”的国际倡议,旨在确保用于AI硬件的芯片和关键矿物供应。面对美国国内日益增长的反对声音,该计划将目光投向了前美国殖民地菲律宾,拟在那里建设芯片制造厂和数据中心。

菲律宾和美国官员预计将在2026年底前签署一份框架协定,共同开发位于菲律宾的“Pax Silica经济安全区”。该项目选址于前克拉克空军基地,占地约1620公顷(4000英亩),计划容纳芯片工厂、关键矿物加工厂以及数据中心。菲律宾基地转换与发展局(BCDA)负责监督此计划,预计将从矿物加工和芯片制造中获得经济繁荣,并可能吸引包括Nvidia、TSMC和Apple在内的科技公司入驻。

这一举措反映了全球AI基础设施布局的地缘政治转变。随着美国民众越来越反对在本国社区建设数据中心和芯片工厂,美国政府正转向招募较不富裕的国家来分担这一负担。通过Pax Silica,美国试图使其自身免受中国在半导体制造和关键矿物加工方面主导地位的影响。至少已有二十多个国家签署了该倡议,特朗普此行预计将施压更多国家加入。

然而,该项目引发了严重的人权和环境担忧。人权观察组织警告称,该计划将迫使原住民Aeta Hungey部落迁移,切断他们赖以生存的水源。部落首领Petronila Capiz-Muñoz表示:“我们不想放弃我们的社区……如何放弃我们的墓地、教堂和生计?”此外,为支持该枢纽巨大的电力需求,一家美国能源公司正在研究建设液化天然气管道和工厂的可行性,尽管液化天然气被宣传为清洁燃料,但其核心成分甲烷是一种比二氧化碳更强的温室气体。

目前,项目细节仍笼罩在不公开协议之中,透明度不足加剧了公众的疑虑。BCDA估计该AI枢纽将创造多达19万个直接就业岗位,但批评者指出,历史上芯片制造业曾将有毒废物和健康风险转移至亚洲等地,此次是否重演历史尚待观察。

信息源:The Verge

研究

微软CEO纳德拉解释6万人买断计划:旨在让员工主动适应AI管理工作流,而非被替代

实质变化
2026-11-19 08:42

微软首席执行官萨提亚·纳德拉(Satya Nadella)在纽约时报Dealbook峰会上首次详细解释了为何向约6万名员工提供自愿离职买断方案。他强调,这一举措的核心目的不是用人工智能取代软件工程师,而是将微软重组为一家“人人使用AI工作”的公司,员工的角色将从直接执行任务转变为管理AI代理。

纳德拉指出,软件工程并未因AI而消亡,反而迎来了新的运营点。他以微软365应用中的AI代理Cowork团队为例,该团队仅由11名开发者组成,他们构建的是“生产产品的软件工厂”,而非直接编写产品代码。这种模式要求员工具备指挥和协调AI的能力,对于部分难以适应这种结构性变化的员工,买断方案提供了一种“拥有选择权”的退出机制。

此前,The Verge等媒体曾报道该计划旨在通过降低人力成本来维持对AI基础设施的高额投资。纳德拉的最新表态补充了组织哲学层面的解释:他承认AI革命带来的焦虑感,并认为必须通过结构性变革让员工重新掌控自己的职业命运。随着微软全球员工总数十年来首次同比下降,这一转型标志着大型科技公司正从劳动密集型增长转向资本与算力密集型、人员精简化的运营模式。

信息源:TechCrunch

研究

Qdrant 团队实测:代码嵌入模型 4B 压缩至 1 比特后,检索质量反超 0.6B 原始精度

实质变化
2026-11-18 08:00

Qdrant 团队对 Papr 发布的 papr-embed-code-1 代码嵌入模型进行了独立于模型卡片的评测。该模型基于 Qwen3-Embedding 在代码检索数据上继续训练,提供 0.6B 和 4B 两种规模,开放权重。评测的核心发现不是代码微调本身有效——在模型未训练过的代码任务(HumanEval、MBPP、FreshStack、WikiSQL)上,两个规模均优于基座模型,4B 平均提升 0.034 nDCG@10,0.6B 提升 0.026——而是量化改变了模型大小的选择逻辑。

4B 模型的向量维度为 2560,float32 存储每向量约 10 KB。使用 Qdrant 的 1 比特 TurboQuant 压缩后,每向量仅需 328 字节,缩小 31 倍。在七个代码检索任务上,1 比特压缩保留了 4B 模型 float32 分数的 99.7%(不重打分),配合 2 倍过采样重打分则保留全部精度。这意味着压缩后的 4B 模型在检索质量上高于未压缩的 0.6B(0.877 对 0.838 nDCG@10),而 RAM 占用仅为后者的十二分之一。作者据此建议:如果嵌入算力允许,选 4B 存 1 比特,开重打分,优先调高 hnsw_ef 而非增加量化位数。

这一结论有明确边界。在散文检索任务上,代码微调反而使两个规模均略低于基座模型(0.6B 降 0.003,4B 降 0.016),TREC-COVID 上 0.6B 甚至降了 0.065。BM25 混合检索在测试的查询类型(问题、描述、代码)上未能带来增益,等权重融合使所有任务下降 0.02 到 0.17,即使将 BM25 权重降至 0.1 也仅接近持平。整个评测由 Qdrant 团队在其自有基础设施上完成,属于厂商自测,尚未经独立复现。

信息源:qdrant.tech

研究

微软CEO纳德拉预测AI代理将重塑互联网经济,警告亚马逊等拒绝者面临竞争劣势

专题 · 微软AI代理经济论实质变化
2026-11-19 06:58

微软首席执行官Satya Nadella在《纽约时报》DealBook峰会上表示,AI代理的兴起将重塑互联网的经济结构,冲击依赖广告和“人类网络”流量的商业模式。

Nadella指出,当前的聚合器若仍以人类浏览量为盈利基础,将面临洗牌。随着流量来源转向AI代理,变现方式可能从展示广告转向按点击付费(CPC)或更直接的交易模式。“如果你不接受代理,别人会接受,”他说。

他以亚马逊为例,提到该公司近期阻止AI代理访问其零售网站。Nadella认为,试图保护现有业务模式的公司可能会输给更愿意拥抱AI代理的平台,例如Shopify。这一观点强调了在AI代理时代,开放性与适应性可能成为关键的竞争优势。

信息源:TechCrunch

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系