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

虚拟孪生案例:机器学习如何同时优化DRAM制造中的八种系统性缺陷

快讯
2026-11-19 16:03

半导体制造中,良率爬坡阶段最棘手的不是随机缺陷,而是系统性缺陷——那些由多个工艺模块之间复杂交互驱动的失效模式。它们不像随机颗粒污染那样容易通过统计方法定位,往往需要大量晶圆实验才能逐一排查,成本高、周期长。

Lam Research的工艺工程团队在《Semiconductor Engineering》发表了一项案例研究,展示了如何用校准虚拟孪生和机器学习来绕过这一瓶颈。方法的核心思路是:先在虚拟环境中复现制造过程,再把每种缺陷翻译成可测量的几何条件,最后用机器学习同时搜索能让所有缺陷通过率都最优的工艺参数组合。

具体操作分三步。第一步,用SEMulator3D构建DRAM工艺序列的虚拟模型,并在过程中设置虚拟量测点,捕捉关键结构的几何状态。第二步,用机器学习将模型校准到真实硅片数据上,使虚拟环境能够复现观察到的制造行为。第三步,在模型中嵌入八种已知系统性缺陷——包括短路、断路和关键DRAM结构之间的重叠缺陷——并为每种缺陷定义对应的虚拟量测条件。

方法论上的关键选择是同时优化而非逐缺陷处理。工程团队没有分别解决八种缺陷中的每一种,而是让优化算法在所有八种缺陷的失效率上同时搜索,寻找使整体通过率最高的工艺目标。文章原文描述了这一思路:优化例程同时评估多种工艺变更的影响,搜索能改善整体通过率的工艺目标。

在名义工艺条件下,该模型的预测总良率仅为0.1%。经过机器学习优化后,预测良率升至78.5%,八种缺陷的失效率均显著下降。分析还将优化方案转化为可操作的产线工艺目标,帮助工程师识别哪些工艺和结构参数应当调整。

需要明确的是,这些数字全部来自虚拟孪生环境中的预测,文章未报告在真实晶圆上的验证结果。八种缺陷由作者自行定义并嵌入模型,因此优化方案的有效性取决于这八种模式是否覆盖了实际产线中真正制约良率的失效机制;若存在未被纳入的缺陷类型,预测的良率提升幅度未必能在硅片上复现。

信息源:semiengineering.com

研究

区块链基础设施公司수호아이오 CEO 박지수:AI代理要代替用户完成下单付款,需先满足四项验证条件

实质变化
2026-11-19 21:20

一位店主对AI代理说:'帮我订60箱牛奶,确认到货后付款。'代理能理解这句话,也能规划步骤——查库存、下单、等配送、确认收货、触发支付。但问题是:它凭什么替店主做这些决定?做完之后谁来核实每一步确实发生了?如果出了错,责任归谁?

区块链基础设施公司수호아이오的CEO 박지수在2026年11月19日首尔서초구举办的'스테이블코인 이슈 브리핑 2026'活动上,针对这类场景提出了四项基础设施条件。第一项是代理身份确认(KYA,Know Your Agent):系统必须知道哪个代理正在行动、它受谁的委托、权限边界在哪里。第二项是自然语言到可执行条件的转换:'订60箱牛奶并付款'这样的模糊请求,必须被拆解为数量、价格、交付确认标准、支付触发时点等可验证的执行参数,并且保留转换过程的记录,以便出错时追溯原因。第三项是独立验证:代理声称已完成支付时,不能只凭它自己的报告,必须核对实际审批记录和原始数据是否一致。第四项是交易状态管理:从发单、交付确认、审批到支付,系统必须能追踪当前处于哪个阶段。

박지수认为,这四项条件缺一不可,否则交易出问题时就无法界定原因和责任。他举了一个反面例子:如果商家仅凭代理'我已经付了'的说法就发货,而实际支付并未完成或金额有误,商家就可能承担风险。

他的论证逻辑有一个清晰的类比来源:韩国开放银行。过去,用户要查不同银行的余额或转账,需要分别对接每家银行的接口。开放银行把这些接口统一成公共标准,任何有权限的应用都能用同一套方式访问多家银行的数据。박지수认为,代理交易面临同样的碎片化问题——POS终端、ERP系统、配送平台、金融服务各自为政,代理要完成一笔交易就得逐一适配。如果把这些执行层服务也标准化,代理就能像调用开放银行API一样调用它们。

不过,这个类比有其边界。开放银行解决的是数据访问的标准化,代理交易涉及的是多步骤执行和跨系统状态协调。一笔'下单-配送-确认-付款'的交易,比'查询余额'复杂得多,中间任何一个环节的状态不一致都可能导致错误。박지수本人也承认,即便条件预设正确,如果发单或配送信息本身有误,交易仍会失败。

수호아이오目前参与韩国电子通信研究院(ETRI)总括的四年研究课题,将营收库存信息、发单系统、物流和结算服务连接起来,实证验证代理交易能否从头到尾贯通。박지수在活动上说,他们的目标不只是画一张公共基础设施的蓝图,而是先把具体的交易跑通。

对于关注AI代理商业应用的读者,这四项条件提供了一个具体的评估框架:当任何代理交易方案声称'安全'或'可信赖'时,可以追问它是否具备身份确认、条件转换记录、独立验证和状态追踪这四项能力。缺少任何一项,问责链条就会断裂。

信息源:바이라인네트워크

研究

开源项目LiberNT分叉ReactOS,利用AI加速开发以兼容Windows 11

快讯
2026-11-19 20:56

据Phoronix报道,一个名为LiberNT的新开源项目已经出现,它从ReactOS代码库分叉而来,并明确利用人工智能来快速迭代开发,目标是实现Windows 11的兼容性。

LiberNT旨在创建一个免费的NT操作系统,支持amd64、arm64和riscv64等64位平台,可在裸机或虚拟机上运行。项目的AGENTS文档显示,其AI迭代的“真相来源”包括官方Windows SDK和WDK头文件、Windows 11公共符号以及在Windows 11上的黑盒测试,同时也像ReactOS一样利用Wine代码。开发者对使用AI保持透明,称这是他们推动新项目改进的主要方式。

信息源:phoronix.com

研究

OpenAI发布内部报告:研究员日均Token成本超薪资,但复杂工程任务成功率仅25%

实质变化
2026-11-19 21:08

OpenAI于2026年11月19日发布第二份内部研究加速报告,披露了其开发新模型过程中AI代理的深度嵌入情况。数据显示,内部工具如Codex和Dots的使用量近期激增。按常规API列表价格计算,2026年10月中位研究员每日消耗价值2,400美元的Token,较上月增长62%;前10%的用户这一数值翻倍至每日23,000美元。

报告指出,这些代理的运行时间相当于每位研究员每个日历日完成5.7个工作日的任务量,在预训练和后训练团队中约为8个工作日。超过三分之二的被追踪研究员在峰值使用时并行运行至少四个代理。值得注意的是,该理论API等效成本在9月份已是研究员常规薪资成本的两倍(不含占总薪酬70%-80%的股权包)。

尽管采用率高,AI代理的能力边界依然明显。根据Epoch AI的分类法,系统在简单任务上表现良好:自主完成训练运行监控的成功率为79%,独立回答技术问题的成功率为72%。然而,在更复杂的工程工作中,构建评估和强化学习环境成功率仅为29%,编写推理和服务系统代码的成功率为25%。

内部调查显示,研究员对工具的依赖程度极高。在一项针对101名员工的非代表性调查中,中位数受访者表示,宁愿放弃团队40%的人员或30%的计算能力,也不愿在没有当前编码代理的情况下工作三个月。另一项针对28名员工的快速投票显示,27人更喜欢最新的内部模型而非中级人类工程师。

定性访谈揭示了过度使用的缺点:模型缺乏对好研究想法、代码和数据质量的“品味”,常产生“AI垃圾”代码和无用数据工件,需要密切的人类监督以避免浪费计算周期。GPT-6 Astra的关键概念创意完全来自人类。OpenAI警告称,目前收集的人机协作数据可能不会线性外推,并指出深度学习研究本身可能出现类似数学领域的突然突破。

信息源:The Decoder

研究

AI初创公司LATO获470万美元种子轮融资,用智能体自动化私募尽调访谈

快讯
2026-11-19 17:50

Y Combinator 2026年夏季批次孵化的AI初创公司LATO宣布完成470万美元种子轮融资,由Air Street Capital和Axiom Partners联合领投。其他投资方包括Y Combinator、Montis VC、Inception Fund,以及Paul Graham和ElevenLabs、Vercel、Snowflake等公司的联合创始人等天使投资人。

LATO开发了一套基于AI智能体的系统,旨在加速私募股权投资者的商业尽职调查。传统上,投资团队需要花费数周时间寻找并安排与目标市场客户及行业专家的跨国访谈,以评估市场需求、竞争格局和定价假设。LATO的AI智能体能够自动寻找受访者,使用受访者的母语进行访谈,并将对话内容与公开信息及基金内部数据结合分析,使投资团队能在数小时内获取一手市场数据。

据该公司称,自2026年7月底启动首个研究项目以来,其AI智能体已在超过35个国家完成了1000多次专家访谈。公司还报告称,在首次研究后约100天,其年化收入运行率已超过100万美元。目前,Verdane、Blume Equity和North Island等投资基金已采用该平台。新资金将用于扩大工程、研究和销售团队,并扩展AI智能体可独立运行的研究范围。

信息源:Tech Funding News

研究

M&A交易中的LOI:为什么签署后卖方基本拿不回谈判主动权

实质变化
2026-11-19 20:31

在M&A交易中,大多数人把注意力放在最终协议签署和公告上,但真正决定卖方拿到多少钱的节点往往更早——LOI(Letter of Intent,意向书或条款清单)签署的那一刻。OnlyCFO博客的作者是一位有并购实操经验的CFO,他在2026年11月发布的M&A全流程解析中,将这一判断作为核心论点:LOI签署后,条款基本不会再改善,因为排他性条款已经把谈判主动权交给了买方。

这个机制的逻辑并不复杂。LOI中的排他性条款通常要求卖方在15到90天内不得评估或寻求竞争性报价。买方之所以要求这一条款,是因为尽职调查成本高昂,他们不愿意在投入大量资源后发现还有其他人在谈。排他性条款一旦签署,谈判力量就发生了根本性转移:卖方失去了用竞争性报价施压的能力,而买方则获得了充分的时间和信息优势来重新审视交易条款。

作者特别强调,虽然LOI中的价格条款本身不具有法律约束力,但实际效果几乎等同于锁定。他在文中写道:"条款(尤其是价格)在LOI签署后基本不会再改善。"如果其他事项在LOI阶段没有写清楚——比如什么算债务类项目——买方在最终协议阶段通常会利用这种模糊性来争取更有利的条件。"买方通常在LOI后赢得那些没有明确写下来的东西。"

因此,LOI阶段真正需要花精力谈判的不是价格数字本身,而是那些会在最终协议中被重新解释的定义和边界。作者给出了几个具体的谈判要点:

第一,债务类项目的范围。这是最容易在事后被买方扩大解释的类别。作者建议,如果买方试图把某些项目归入债务类从而压低股权对价,必须在LOI阶段就把清单写死,不留模糊空间。

第二,递延收入的归属。部分买方会推动将递延收入计入债务类项目,这意味着全额从对价中扣除。作者认为卖方应该争取将递延收入归入营运资金而非债务类项目。如果买方坚持不让步,折中方案是按服务成本计算(递延收入乘以销货成本比例)。对于毛利率较高的公司,这个折中方案远比全额扣减有利。

第三,营运资金与债务类项目之间的重复计算。买方有时会把同一笔款项同时算进营运资金调整和债务类扣减,作者提醒卖方务必在LOI阶段确认没有重复计算。

除了这些技术性条款,作者还引用了Brex CFO Erica Dorfman在Capital One收购案中的经验,来说明价格之外真正值得争取的条件。Dorfman表示,Brex与Capital One双方都认同,收购后保持运营独立性——包括自有品牌、产品路线图和领导团队——"和任何金额数字一样重要。"Brex的CEO Pedro Franceschi在交易完成后继续担任CEO,团队保留和客户的连续性被列入了核心谈判条件。

作者还提到了一个常被忽视的实操建议:在签署排他性条款之前,确认买方已经做了足够的尽职调查来对交易感到有信心。否则,卖方在排他期内面临的最大风险不是条款被压低,而是交易直接破裂——排他期内卖方既不能找替代买家,又可能发现买方最终放弃。

总结起来,LOI是整个M&A流程中卖方谈判杠杆的最高点。一旦签署排他性条款,卖方的议价能力就进入不可逆的下降通道。在这个窗口期内把定义、边界和关键条件写清楚,比在最终协议阶段试图重新谈判要有效得多。正如作者所说:"不要因为LOI在价格上不具约束力就忽视它——它是整个流程中最重要的阶段之一。"

信息源:onlycfo.io

研究

AI主权分析师Govrin:所有超大规模云商对美国CLOUD Act均无解

实质变化
2026-11-19 20:24

在SC26超级计算大会期间,theCUBE Research主权AI首席分析师、Agentcy Labs首席执行官Amit Eyal Govrin公布了一项覆盖七家超大规模云商、40个产品方案、五个区域的评估结果。最令Govrin意外的发现并非某家供应商表现差,而是所有供应商面对同一个法律风险时均无解:美国CLOUD Act。

Govrin的核心论点是,AI主权不是一个复选框,而是一叠需要逐层审视的控制层。他将主权拆为五个支柱:领土(数据中心物理位置)、运营(日常运维与事件响应的管辖归属)、技术(模型与数据的实际处理位置)、法律(适用的司法管辖)和金融(成本与合同约束)。其中领土层最容易满足,供应商只需在目标区域建一个数据中心即可宣称合规。但Govrin指出,运营层远比表面复杂。

他举了AWS法兰克福区域的例子:作为德国客户,数据确实存储在欧盟境内,AWS也在勃兰登堡设有主权区域。但如果该区域发生故障,PagerDuty告警可能不会路由给德国境内的运维人员,而是发往西雅图或海得拉巴。数据的地缘归属与实际控制权的归属是两回事。

在法律层,Govrin认为各国法律差异太大,不适合用通过或不通过的二元判定,因此单独评估。这引出了CLOUD Act问题:该法案允许美国法院向美国管辖范围内的企业发出数据调取令,无论数据物理存储在哪个国家。Govrin说,如果一家欧洲企业使用美国云商的AI服务,而美国法院发出生产令要求该云商交出数据,此时没有抗辩余地,数据就成了美国政府的数据。

这项评估使用17项是否判定,法律层单独处理,引用超过300个来源和数百次买家访谈。Google的隔离方案得分相对较好,但CLOUD Act问题对所有供应商一视同仁。

需要指出的是,这一框架来自Govrin本人领导的theCUBE Research,其商业利益与主权AI咨询方向一致。此外,所有供应商均无解这一判断可能部分反映了评估框架的设计选择——云商可能认为CLOUD Act合规属于法律事务而非技术控制问题,因此不在其主权承诺范围内。但从买家视角看,如果没有任何供应商能回答这一层,它确实构成了一个系统性的评估盲区。

信息源:SiliconANGLE

研究

澳大利亚设计软件公司Canva新增生成式AI关闭开关

快讯
2026-11-19 20:30

澳大利亚图形设计软件公司Canva已添加一项新设置,允许用户关闭其生成式AI功能。此开关可禁用Magic Expand照片扩展和通过Canva聊天机器人生成图像等工具。然而,它并未移除所有AI能力;背景移除器和Magic Grab等功能仍然可用,因为它们仅处理设计中已有的元素而不生成新内容。

此次更新还引入了在Canva内容库中减少查看AI生成内容的选项。启用后,该设置会在搜索结果中优先显示人类创建的模板和图形。Canva表示,其库中仅有“一小部分”由AI生成的元素组成,这些元素将在元数据中标注为AI生成。这些控制选项对免费和付费用户均开放。

信息源:The Verge

研究

调查显示:九成美国雇主拒收疑似AI简历,半数却使用AI面试

实质变化
2026-11-19 20:00

招聘系统公司Greenhouse的最新数据显示,美国就业市场出现了一种矛盾现象:90%的雇主表示曾因为申请看起来像是由AI生成而拒绝了真实的候选人,与此同时,半数受访企业正在使用AI语音技术进行早期面试,以便接触更多候选人。

报告指出,随着求职者越来越多地使用AI润色简历,雇主难以区分真正的人才与自动化提交的内容。86%的雇主因此调整了招聘流程,其中57%增加了额外的人工面试环节。此外,81%的雇主观察到申请人尝试通过隐藏文本或夸大技能等方式绕过AI筛选器。

尽管对AI生成的申请材料持怀疑态度,雇主们仍转向AI来应对海量的申请。Greenhouse称,40%使用AI面试的企业发现了原本可能错过的优秀候选人。在求职竞争激烈的环境下,仅7%的美国申请人表示会拒绝AI面试,这表明许多求职者更看重获得面试机会本身,而非面试官的身份。

信息源:ZDNET

研究

海洋科技初创企业融资额创历史新高,前三季度近100亿美元超越去年全年

专题 · 海洋科技初创融资实质变化
2026-11-19 20:00

根据Mind the Bridge与Crunchbase合作发布的《重新思考蓝色经济》报告,海洋科技(Blue Tech)初创企业在2026年前三季度的融资总额已接近100亿美元,这一数字不仅超过了2025年全年的62亿美元,也标志着该行业在全球风投放缓背景下逆势增长的强劲势头。

推动这一融资激增的主要力量来自具有海事应用背景的国防和基础设施巨头。报告显示,Anduril Industries在2026年筹集了50亿美元,Helsing筹集了18亿美元,这两笔巨额交易占据了总融资额的很大一部分。这表明投资者正将资本集中投向那些能够解决地缘政治不稳定、能源价格上升及气候韧性等关键挑战的技术领域。

从技术成熟度来看,人工智能、机器学习以及机器人和工业自动化是“变革性技术”,拥有超过200家规模企业和200亿美元的累计投资。相比之下,清洁推进、可持续燃料以及供应链技术等“高潜力颠覆性技术”虽然目前投资密度较低(约50家企业和30亿至50亿美元),但被视为未来的重要增长点。

港口作为这些技术的试验场和汇聚点,正在成为新的创新枢纽。报告指出,巴塞罗那、鹿特丹和洛杉矶等全球主要港口正在通过开放创新工具加速技术落地,例如巴塞罗那港的BlueTechPort项目。这种由港口驱动的生态系统正在重塑物流、能源管理和海洋资源利用的方式。

信息源:Crunchbase News

研究

特斯拉Cybercab订阅费致五年持有成本超Model 3,马斯克称定价过高

实质变化
2026-11-19 18:47

特斯拉(Tesla)的Cybercab自动驾驶出租车虽然以29,990美元的起售价成为其首款低于3万美元的车型,但其强制性的每月299美元“自主性订阅”(Autonomy Subscription)费用显著推高了长期持有成本。根据Business Insider的计算,在第45个月时,Cybercab的总拥有成本将超过配备每月99美元FSD(监督版)订阅的基础款Model 3。到第五年,Cybercab的成本将达到47,631美元,比Model 3高出3,160美元,甚至比更大的Model Y也贵出160美元。

首席执行官埃隆·马斯克(Elon Musk)在X平台上回应科技评测博主Marques Brownlee(MKBHD)时承认这一定价存在问题。他表示每月299美元的费用“太高”,应接近其他车型FSD和连接服务的成本,即每月约115美元。这一表态暗示特斯拉可能调整订阅策略,以缓解消费者对高昂持续费用的抵触。

该订阅费用不仅包含自动驾驶软件,还涵盖道路救援及部分维护服务,如轮胎、挡风玻璃更换等。然而,对于普通消费者而言,Cybercab目前仍受限于德克萨斯州小范围区域的地理围栏运营,且面临美国国家公路交通安全管理局(NHTSA)的安全审计调查。尽管特斯拉计划于12月开始向受邀客户交付个人用车,但高昂的月度固定支出与受限的使用场景之间的张力,可能延缓其大规模普及进程。

信息源:Business Insider

研究

Appian CEO Calkins:AI未触及严肃业务,宣布推出企业控制平面

专题 · Appian控制平面实质变化
2026-11-19 19:42

Calkins的核心判断是:AI革命之所以"奇怪",是因为它不像以往任何技术革命那样从最有需求的用户开始。第一批买手机的人正是最需要移动设备的人,第一批用电灯的人照亮的是最需要的街道。但AI恰恰相反——它从个人生产力和小额成本节省这些低价值场景起步,而真正拥有最宝贵高频流程、最低容错率的大型组织——银行、制药公司、公共部门——几乎没有采用AI。

Calkins认为原因很直接:严肃组织永远不会信任未经过滤的概率性AI。这些组织花了几十年时间标准化、集成和治理复杂运营,以达到大规模工作所需的重复性、可靠性和控制力。它们不会仅仅因为有人承诺AI潜力巨大就动摇这一切。

他的处方是:AI不是独立技术,它的不确定性需要确定性的软件基础设施来约束。Calkins提出四项能力必须包裹在AI模型周围,才能让它参与严肃的企业工作:确定性流程编排(保持边界)、分布式数据编织(保持接地)、执行层面的治理基础设施(监控和约束行为)、以及根据任务类型选择执行方式的自由度(前沿模型、小模型、RPA机器人或人)。

Appian据此宣布正式进入控制平面市场,并以beta推出产品。Calkins说:"控制平面是一个新兴术语,有些公司在使用它或类似的说法。我们今天宣布进入这个市场,我们有产品,今天以beta推出。"

控制平面的核心架构原则是:智能体不应直接调用其他智能体,而应通过确定性层中转。Calkins说:"我们认为智能体应该调用一个确定性层,这个层再调用智能体,智能体再调用确定性层。"这意味着企业可以把AI的裁量权限制在单个任务上,而不交出整个操作的控制权。

Calkins进一步指出,控制平面真正的价值不只是追踪和约束,而是生成一个数据集:记录每个智能体在何时、在流程的哪个环节被调用、整个序列是否导向成功。有了这个数据,组织才能优化智能体的部署方式——比较它们的成本、可靠性和对整体流程结果的贡献,从而判断某项任务是否真的应该交给AI。

报道作者Ian Thomas在肯定这一论证的同时提出了一个值得注意的反面:Calkins的集中式协调架构与早期企业应用集成(EAI)的hub-and-spoke模式有结构相似性,只是应用对象从应用系统变成了运营模式。当智能体能力持续增强时,集中控制与分布式代理之间的平衡可能需要重新调整。组织可能最终会发现自己需要超越Calkins所描述的那个渐进式起点。

信息源:diginomica

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系