跳到正文

#NVIDIA

今日 0 条
11月15日周日
  1. 人人都是产品经理51

    OpenAI 再度撤销独立机器人团队,机器人研发并入通用模型研究

    OpenAI 向《财富》确认撤销独立机器人团队,将相关人员转入核心研究和应用部门,把机器人研发与通用模型研究进一步整合。英伟达 10 月公布的 RoboLab-120 仿真测试中,GPT-6 Astra 直接生成机器人动作成功率为 66.3%,接入保留计划、动作和反馈历史的智能体系统后升至 74.8%,页面列出的专用策略参照为 51.0%。

    决策要点

    OpenAI 的组织调整把机器人定位成通用模型的落地形态,机器人研发重心正从单独训练动作模型转向模型加智能体编排加安全控制层。

    • 影响做机器人自动化或相关投入的团队需要重估技术路线,通用模型加智能体编排可能压缩专用动作模型的独立空间;模型输出不能直接驱动硬件,确定性安全层仍是刚性需求;数据采集、仿真验证和硬件安全依旧是主要成本所在。
    • 参考可考虑把感知、推理、控制、任务四层指标拆开记录,避免只看任务成功率;值得为每次执行保存图像、状态和动作意图日志,用于定位失败原因;仿真通过的策略再分级限速迁移到真机。
11月13日周五
  1. 36氪·AI59

    30倍的数据缺口,谁来给具身智能续命?

    2026年全球具身智能创业公司已获得110亿美元风险投资,行业竞争正从硬件本体转向训练数据。Generalist称其50万小时预训练数据将任务成功率从64%提升到99%,若对标GPT-3约30倍的数据扩张,下一阶段可能需要1500万小时,而接触与力反馈仍是视觉数据难以覆盖的缺口。

    决策要点

    具身智能的竞争重心正从硬件本体转向训练数据,数据规模、有效信息密度与采集成本成为下一阶段的分水岭。

    • 影响机器人厂商的成本与壁垒重心从硬件转向数据生产,采集效率成为竞争关键;拥有真实劳动和部署场景的企业多出一条数据变现路径;行业尚无统一数据配方与任务标准,各家投入方向差异明显。
    • 参考可考虑盘点自身业务中可采集的操作视频与部署日志,评估对外供应或自用训练的价值;值得跟踪头部公司人类数据预训练加少量真机适配的做法,再决定是否自建采集能力。
11月11日周三
  1. 36氪·AI57

    具身智能数据采集转包调查:40元接单20元雇人、合格率50%、利润为负

    36氪发布的「电厂」调查发现,NVIDIA两篇论文带动第一视角(Ego)数据采集成为具身智能行业共识,2026上半年国内具身智能融资322笔共935亿元,其中25家数据创业公司合计获投超170亿元(IT桔子数据)。

    决策要点

    具身数采转包门槛低但利润上限被上游锁定,价格战已起,末端二包承担技术路线未定带来的试错成本。

    • 影响采集供给短期充裕、报价半年内从百元级滑向几十元,采购方议价空间变大;二包盈亏取决于下游有效率判定,亏损案例已出现;智元等头部自建数采平台,中间商空间被两头挤压。
    • 参考考虑入场的团队可先按最低有效率倒算盈亏平衡点再决定是否报价;采购方可对照单目20-30元、双目40-50元的放单报价评估供应商价格;有长期数据需求的企业值得评估自建数据网络与外采的成本差。
11月6日周五
  1. 钛媒体64

    孤立的特朗普,失控的AI

    美国中期选举共和党失去国会两院控制权,特朗普表示准备以否决权(Mr. Veto)应对民主党国会,AI成为他争取经济成绩的关键筹码。文中提到2026年三季度微软、Alphabet、亚马逊、Meta单季资本开支合计约2020亿美元,较上年同期翻倍有余;圣克拉拉市数据中心用电占全市约54%,多个州的选举出现限制数据中心建设的议题。

    决策要点

    AI竞赛的约束条件正在改变,决定扩张速度的不只是资本开支,还有电力、审批和地方社会的接受度,政治与社区已经进入AI的成本账本。

    • 影响对依赖算力的企业,云容量扩张节奏与电力成本的不确定性上升;资本方开始按回报兑现检验AI投入,融资和估值逻辑随之收紧;在数据中心落地地区,电价与基础设施成本分担会成为新的经营变量。
    • 参考可考虑把供应商的电力供应和项目审批进度纳入算力采购评估,分散单一区域依赖;值得先算出自家AI投入与收入兑现的周期,为回报检验期预留调整空间;在数据中心集中地区经营的企业可关注电价与电网扩容成本分担政策。
  2. 钛媒体50

    货币资金仅11.79亿元,游族网络拟投42.25亿元采购GPU

    游族网络11月3日晚公告,全资子公司上海游族信息技术与A公司签署销售合同,采购型号PRO5500(PCIe)的GPU产品,总金额42.25亿元,约为公司2025年全年营收14.02亿元的3倍,资金来源为自有资金、银行授信、金融租赁等组合。

    决策要点

    营收萎缩的百亿市值游戏公司以数倍于营收的合同押注AI算力转型,本质是一次依赖杠杆资金的高风险下注。

    • 影响概念刺激下股价公告后两日上涨,转型叙事对市值有短期支撑;采购额远超货币资金,授信与金融租赁组合会把债务风险推到执行期;游戏主业占营收超99%,算力业务短期难有收入贡献。
    • 参考持有其股票或计划与游族算力业务合作前,可先算货币资金与授信对42.25亿元合同额的覆盖率;值得跟踪分批交付公告和对手方A公司资质披露,再评估履约与资金链风险。
11月5日周四
  1. TechCrunch · AI41

    Box 基于 Nvidia Nemotron 嵌入模型推出面向智能体的内容检索系统

    Box 在开发者大会发布 Box Content Retrieval,把 Nvidia Nemotron 嵌入模型接入产品核心,让智能体检索企业内容更快、更准、更省。Nvidia 副总裁 Kari Briski 称查询预计快 4 倍、错误减少 20%、token 用量减少 90%(官方口径,暂无独立验证);功能面向所有 Box Enterprise Advance 客户,明年初推出。

    决策要点

    嵌入向量语义检索正成为企业智能体的基础设施,Box 用自家元数据与权限控制叠加开源嵌入模型,形成难以从零复制的组合。

    • 影响对要在内部文档上部署智能体的企业,检索错误率和 token 开销是直接成本项,嵌入检索正好对应这两处;内容平台选型时检索与权限绑定的深度影响更换成本,迁移难度会随使用加深。
    • 参考可考虑先算出当前文档智能体的查询错误率与 token 开销作基线,再对照嵌入检索的收益估算;已在 Box 上的团队值得核对 Enterprise Advance 档位范围与明年初的上线节奏。
  2. 钛媒体59

    面壁智能造出了那台「造AI的光刻机」吗?ForgeKernel 同登昇腾与英伟达榜首

    面壁智能的无人 Agent ForgeKernel 在 22.5 小时直播中,不参考 DeepSeek 源码将 FlashMLA 算子写快 9.8%,最终耗时 472 微秒对 FlashMLA 的 518 微秒,只用一块英伟达 B200,代码随后开源。

    决策要点

    AI 在底层算子这类高门槛工程上跑赢了人类标杆,并在中美两套生态官方榜单同时登顶,RSI 叙事开始出现可检验的交付物。

    • 影响算子和训练框架这类高成本工程若可由 AI 接管,研发人力与周期预算需要重算,按文中 Gartner 口径算力效率每 1% 约对应 148 亿美元支出;国产芯片软件短板的补齐节奏可能加快,影响芯片选型与适配投入的考量。
    • 参考可考虑先复跑已开源的 ForgeKernel 代码并核对官方榜单评测细节,再选一个国产芯片适配或算子优化场景做小规模 POC;值得盘点自研训练框架和算子调优的人力投入,对照 AI 生成路线重算周期与预算。
  3. TechCrunch · AI33

    Hugging Face 首席政策官谈基于开源 AI 构建的成本、风险与权衡

    TechCrunch Equity 播客对话 Hugging Face 首席政策官兼战略高级副总裁 Irene Solaiman,讨论企业、政府和创业公司基于开源 AI 模型构建时的成本、风险与权衡。

    决策要点

    开源模型正从省钱选项演变为涉及价值捕获、生态安全与中美竞争的战略选型问题,访谈给出的是权衡框架而非结论。

    • 影响采用开源模型可降低成本并获得更多控制权,但安全维护与价值捕获的不确定性由使用方承担;并非所有场景都需要最强模型,选型要按场景取舍;若中国开源模型成为全球默认选项,企业技术栈会多一层地缘与合规考量。
    • 参考可考虑在开源选型时把节省的模型成本与安全维护投入合并测算总账,并按业务场景判断是否真的需要最强模型;值得评估核心链路所依赖开源项目的地缘与合规风险,预留替代方案。
11月4日周三
  1. 钛媒体56

    游族网络披露42.25亿元GPU采购合同,跨界AI算力生意

    游族网络11月3日晚披露,全资子公司游族信息与A公司签署42.25亿元(含税)GPU采购合同,采购PRO5500(PCIe)产品,金额约为2025年全年营收14.02亿元的三倍。

    决策要点

    游族这笔42亿合同本质是采购义务而非到手的生意,公司正从游戏内容商转向GPU供应链中间角色,成败取决于货源、交付与回款而非合同金额。

    • 影响游戏公司跨界硬件会显著改变资产结构,存货、借款与现金流压力同步放大;GPU供应紧张下拿到订单不等于锁定货源,资金占用周期可能拉长;42.25亿元为含税采购额,能否形成利润取决于交付与回款安排。
    • 参考可考虑评估类似算力贸易机会时先算清资金占用规模与客户回款周期;值得核查上游货源渠道是否稳定、合法、可验证;观察游族后续交付进度、毛利与现金流数据作为同类跨界案例的参照。
  2. IT之家·人工智能36

    英伟达称 AI 重塑芯片工厂,仿真提速最高 35 倍,工程师决策从数天缩至数分钟

    英伟达 11 月 3 日发文称,AI 正推动半导体晶圆厂进入 AI 定义工厂阶段,借助加速仿真、学习型物理模型、AI 智能体和数字孪生,许多原本以天计的芯片制造分析任务可压缩到分钟级。

    决策要点

    英伟达把 AI 定位成晶圆厂决策链的提速工具,实质是用虚拟筛选替代部分昂贵的真实产线试错。

    • 影响对芯片及先进制造企业,工艺分析与良率问题的分析周期可能明显压缩,影响研发排期与试错成本;仿真软件与 GPU 加速深度绑定,选型时需评估对单一算力生态的依赖。
    • 参考可考虑先梳理研发流程中耗时最长的仿真环节,对照案例口径测算提速空间;采购仿真软件时值得把 GPU 加速版本的实测数据写入选型对比;数字孪生可从单条产线试点,不必直接建全厂模型。
  3. The Decoder:AI News26

    AI 智能体接管 SETI 的 Allen 望远镜阵列,实时扫描地外文明信号

    SETI 研究所的 Allen 望远镜阵列启用 AI 智能体实时操控望远镜并分析射电信号,背后是 Nvidia 的 Holoscan 平台。团队称过去需数周的数据处理现在数小时完成,并称首次实时探测到蟹状星云脉冲星;Nvidia 称硬件吞吐最高 2.4 terabits per second。团队下一步计划测试可在边缘本地运行的开源方案,目标包括月球背面的未来传感器,研究人员目前仍需手动输入指令。

    决策要点

    AI 智能体从离线分析延伸到实时操控科学设备,这套实时信号处理架构的落地经验比搜寻结果本身更有参考价值。

    • 影响需要实时处理海量流数据的业务可参考智能体加实时平台的组合,分析周期从数周压缩到数小时;效率与吞吐数字均来自 Nvidia 和团队口径,暂无第三方验证;科研场景与商业环境的约束条件差异较大。
    • 参考可考虑盘点自身有哪些实时信号或流数据处理瓶颈场景,评估边缘端本地开源方案的可行性;也值得跟踪 Holoscan 这类平台在天文之外行业的复用进展。
11月3日周二
  1. 钛媒体63

    推理时代,算力产业需要换一套账本

    AI算力的价值衡量正从训练时代的峰值算力转向推理时代的Token效率,采购验收从卡的型号数量和峰值FLOPS转向吞吐、延迟稳定性、能耗运维等业务能力指标。

    决策要点

    算力的账本正从峰值FLOPS换成每Token成本,采购实质从买设备参数转向买可持续运行的业务能力,交付与运维成为新的分水岭。

    • 影响智算采购验收标准需从卡的型号数量转向吞吐、延迟稳定性和能耗运维;DeepSeek百万Token成本已降至3元以下,应用部署成本随之走低;智能体任务Token消耗可达普通聊天的数倍甚至上百倍,用量预算需前置。
    • 参考可考虑把算力验收拆成设备健康、集群兼容性、业务负载验证、连续运行四层逐项把关;值得按自身模型的上下文长度和并发需求先算出每Token成本,再横向比对供应商;部署智能体类产品可预留数倍扩容预案。
11月1日周日
  1. 36氪·AI57

    Agent改写算力账本,CPU不再是AI服务器的配角?

    TrendForce集邦咨询预测,随着各厂商密集推出AI Agent应用,AI服务器CPU出货2026年将年增31%,2027年有望再年增逾40%。英特尔CEO陈立武在财报电话会上称AI负载重心从训练转向推理,CPU与GPU配比正从1:8向1:1转变;KeyBanc分析师表示AMD EPYC 2026年产能近乎售罄,高端型号交期拉长至8–10周。

    决策要点

    Agent负载把CPU从AI服务器配套件抬升为独立采购科目,AI算力预算正从只买加速卡转向配齐一整套机柜算力。

    • 影响采购方需要把CPU、内存、网络、供电纳入独立核算的预算科目,TCO结构随之改变;芯片与整机供应商获得增量市场,整机厂有机会向方案设计角色回归;这条增长目前仍停留在预期层面,依赖Agent商业化等假设兑现。
    • 参考可考虑把AI基础设施预算从GPU单项改为整机柜整体核算,单列CPU、内存、散热科目;规划Agent推理集群时值得先测算主机侧资源开销与配比;选型时可对比x86存量兼容与云厂商Arm方案两条路线的迁移成本。
  2. 36氪·AI70

    算力的尽头是电力?从第一性原理看AI基础设施

    「算力的尽头是电力」只说对了一半,文章认为真正卡住 AI 扩张的是发电、电网、变压器、散热、封装与资本整条链条的速度差异,瓶颈已从 GPU 迁移到 HBM 与先进封装,如今轮到变压器、燃气轮机和并网排队。

    决策要点

    AI 基础设施的约束已从单点技术转向能源、制造、金融与许可构成的系统链条,最慢环节决定扩张速度。

    • 影响算力扩张节奏由电力供应链和许可决定,规划 AI 容量不能只看芯片可得性;美国 PJM 容量电价从每兆瓦·日 28.92 美元涨到 329.17 美元,用电成本压力会向算力价格传导;建设投资依赖资本市场,节奏对融资环境敏感。
    • 参考可考虑把电力成本与交付周期并入算力预算模型,先算出单位 Token 的电费占比;评估自建或托管容量时,值得核对目标地区的并网排队、燃气轮机排期与社区反对风险。
10月31日周六
  1. 人人都是产品经理66

    Hermes 产品分析:开源 Agent 如何把能力变成可被拥有的基础设施

    作者拆解 Nous Research 的开源 Agent Hermes:护城河不在模型能力,而在一行命令的可安装性与技能记忆沉淀,2400 万次 clone 对应 2026 年 9 月年化约 3600 万美元收入(月流水乘 12 的推算口径),变现仍在早期。

    决策要点

    开源 Agent 的胜负手不在模型能力,而在安装门槛与用户资产沉淀;Hermes 用开放内核换分发、再向企业治理收钱,路径已跑通一半。

    • 影响开源 Agent 渗透快但责任界面不清,企业引入前要先补 SSO、审计与配额等治理缺口;高权限加技能即代码已引发监管与平台收紧,部署前需审计暴露面与技能来源。
    • 参考可考虑参照文中博思的改造清单,盘点企业采购必答的 SSO、审计、配额与版本锁定四项;评估此类工具时值得把技能版本、失效检测与回归测试纳入验收,并先测算多 Agent 并行的账单波动。
10月30日周五
  1. TechCrunch · AI48

    Runware 计划像造汽车一样量产 AI 数据中心,目标 2028 年日产 30 兆瓦

    AI 基础设施公司 Runware 计划像造汽车一样用流水线量产模块化数据中心,目标 2028 年在罗马尼亚工厂达到日产 30 兆瓦、约每月 1 吉瓦,接近全美今年预计新增的约 10 吉瓦数据中心电力。

    决策要点

    AI 数据中心正从工地施工转向工厂流水线制造,交付速度成为算力建设的新竞争点,Runware 试图复制汽车量产模式。

    • 影响若产能兑现,自建算力周期有望从数年缩至数月,给企业绕开超大规模云商多一个选项;但目标均为公司计划,产能爬坡、资金和供应链的不确定性高。
    • 参考可考虑将工厂预制舱与租用算力一并纳入算力扩容方案的比价清单,先选小规模站点验证交付周期;值得盘点自有场地的电力与接入条件是否达标。
  2. 36氪·AI74

    AI数据中心挤占内存产能,2026年三季度PC与手机出货量分别下滑20.1%和22.0%

    AI数据中心对HBM、服务器DRAM和企业级SSD的需求激增,挤占消费级内存供应,IDC数据显示2026年三季度全球PC出货量同比下降20.1%、智能手机下降22.0%,均创历史新低。

    决策要点

    AI数据中心的内存需求正在从成本端挤压消费电子,PC和手机的暴跌是产能被挤占的结果,而非终端需求自然衰退。

    • 影响内存涨价直接抬高换机与采购成本,Omdia称DRAM和SSD已占PC组件成本约40%;低价机型涨价、停产会推高入门配置门槛,换机周期被动拉长;IDC预计低迷延续至2027年,若AI投资放缓存储价格也有大幅回落风险。
    • 参考可考虑把包含存储涨价的新一轮换机预算重算一遍,将必须更新的设备与可延后的采购分开排期;值得盘点存量设备延寿和分批下单方案,避免低价机型停产后被动高价补货。
  3. 钛媒体51

    预制数据中心突然火了,英伟达、华为比拼机房交付速度

    英伟达推出DSX POD预制方案,把7个Vera Rubin机架连同线缆在工厂预装成集装箱,在外部配套就绪条件下现场部署目标最短14天,戴尔、HPE、联想等参与,计划2027年初交付。

    决策要点

    AI算力的交付瓶颈正从芯片制造转向机房建设,预制化成为厂商缩短数据中心上线周期的共同路线。

    • 影响机房工期从半年级压向周级,算力扩容的项目排期和资本开支节奏可以随之调整;工厂集成占比提高后,交付质量更依赖合作伙伴的制造能力;机房建设慢会拖累新一代设备的上线节奏。
    • 参考可考虑在规划算力扩容时单独核算机房建设工期,对比传统建设与预制方案的上线时间差;选用国产芯片的客户值得先评估CUDA迁移方式和各厂商软件栈适配范围再定平台。
10月29日周四
  1. 36氪·AI63

    中国大模型训练如何突破算力瓶颈

    经济观察报发文诊断中国大模型难以反超的根源在训练算力,提出短期以系统工程和模型提效弥补并用好进口芯片,中期补产能与软件生态,长期攻关光刻机等核心设备。文章引斯坦福2026年AI指数称中美最佳模型性能差距已缩至约2.7%,但Epoch AI估算训练计算量仍相差一个数量级,DeepSeek-V3用2048张H800把训练成本压至约560万美元的提效路线存在天花板。

    决策要点

    中美模型差距的实质是训练算力体系差距,提效只能追近难以反超,竞争核心是把数万张卡连成一台机器的成体系能力。

    • 影响国产算力现阶段主要用于推理,前沿能力仍依赖进口芯片或外部模型;稀缺环节握有定价权,存储等成本上涨会传导至算力采购价格;训练体系集中于华为一家,技术选型需计入路线集中风险。
    • 参考可考虑把训练与推理分开规划算力,推理和中等规模任务先在国产体系验证并积累迁移经验;值得评估进口芯片获批空间,前沿需求优先投向经过大规模验证的方案;可跟踪政府对国产体系前沿规模训练的奖励与保障采购政策。
  2. 钛媒体50

    果链企业的AI时代

    蓝思科技拟以2500万美元(约合人民币1.72亿元)收购PMG 59.78%股权,间接控制元拾科技加码服务器机柜及液冷业务,立讯精密、工业富联、歌尔股份等果链企业也在多路径扩大AI相关业务。

    决策要点

    果链企业的AI转型实质是用同一套精密制造能力在算力硬件、AI眼镜和机器人市场反复变现,以摆脱对单一客户和存量手机业务的依赖。

    • 影响液冷组件单套价值约5万美元,远超手机零件,同一套手艺换市场回报更高;AI眼镜整机组装净利率仅3%到5%,利润更多在零部件环节;机器人市场仍处早期,兑现隔着认证和量产爬坡。
    • 参考可考虑盘点自身精密加工、散热、光学等能力在算力硬件、AI眼镜、机器人三个市场中的价值差异;值得测算各市场的客户认证与量产爬坡周期,优先承接已放量的需求如液冷组件。
10月28日周三
  1. 36氪·AI66

    特斯拉Optimus量产线开工,人形机器人从展台演示走向量产上岗

    特斯拉在三季度财报中宣布Optimus人形机器人已在加州弗里蒙特工厂的量产线开工,产线由Model S和Model X旧线在46天内拆除改造而来,马斯克称设计年产能100万台。

    决策要点

    人形机器人正从展会演示转入量产与真实上岗阶段,产业分化为美国主攻大脑、中国主攻身体的格局,价值兑现可能先落在核心部件。

    • 影响工厂、物流等场景将更早面对可部署的人形机器人,政策已要求2026年底在代表性场景完成应用验证和常态部署;零部件环节订单先行,但放量后单价会持续被压低;仅有框架协议、估值跑在业绩前面的标的存在回落风险。
    • 参考制造企业可考虑从质检、搬运等固定流程岗位中筛选试点场景,对照2026年度实景实训专项行动的场景要求;产业链企业值得评估减速器、丝杠、传感器等环节的切入空间;投资判断可先核对订单与主业现金流,区分框架协议与实质收入。
  2. 量子位32

    无问芯穹登顶英伟达SOL-ExecBench算子优化榜,235道题拿下88项第一

    无问芯穹(Infinigence AI)在NVIDIA Research推出的GPU算子优化榜单SOL-ExecBench上先后登顶L1基础算子、L2融合算子、Quant量化算子与FlashInfer-Bench推理算子四大赛道。

    决策要点

    这场竞逐的实质是GPU底层算子优化从专家手工调优转向Agent自主探索,算力效率正成为AI基础设施竞争的焦点。

    • 影响量化与推理算子效率直接关系大模型推理的性能与成本,是Token生产链条的关键环节;Agent自动化优化基建的能力若延续榜单势头,企业推理成本结构可能随之变化;文中亦提示局部优化转化为实际生产力仍需更多技术探索。
    • 参考可考虑先测算自身推理负载在低精度量化(FP8、NVFP4)上的适配空间与成本收益;值得评估Agent自动化算子优化这类能力以工具或服务形态进入基建选型时的适用场景。
10月27日周二
  1. 36氪·AI51

    硅谷初创租GPU跑DeepSeek等开源模型卖Token,月营收超百万美元

    硅谷一批初创公司租用英伟达GPU部署DeepSeek、Kimi、GLM等开源模型按Token售卖,Menlo Ventures投资人Deedy Das称部分公司数月内做到月营收超100万美元;其测算每小时8美元的B300租金在效率足够高、订单足够多时可产出价值10到20美元的Token。

    决策要点

    这类生意的实质是缺乏护城河的中间商套利,月入百万是营收口径而非利润,同行共用同一批开源权重最终只能比拼价格。

    • 影响Token价格战让推理采购成本短期持续下探,用量的企业可直接受益;但低价供应方多为无自有模型的小团队,停服风险需计入;巨头发力推理后,小服务商可能批量出清。
    • 参考采购方可考虑借价格战对推理负载重新比价,并保留多供应商或自部署备份;想入局者值得先算清8美元租金、电费与平台抽成后的真实毛利再决定。
  2. 36氪·AI63

    野村研报:全球机器人ChatGPT时刻即将到来

    野村研报判断全球机器人仍处AlexNet时刻之后、GPT-2之前的加速期,机器人大脑尚未达到GPT-2水平,真正的ChatGPT时刻需由运营指标和数据飞轮确认,而非由发布会宣告。

    决策要点

    机器人爆发的实质门槛在数据飞轮和工厂运营指标,而非模型发布,当前处于GPT-2之前的加速期。

    • 影响机器人采购决策可用五项运营指标作验收线,目前全部远低于工厂要求,精度差距预计三到五年缩小;硬件价值正向灵巧手和执行器转移,制造业供应链存在机会;绑定机型的遥操作数据长期价值受限。
    • 参考可考虑把连续运行时长和操作精度写入机器人试点验收清单,先算出自身场景精度与行业60%水平的差距;制造业相关企业值得盘点灵巧手与执行器供应链。
  3. 36氪·AI49

    清华、NVIDIA 等机构推出 StreamEval 评测榜,38 个实时交互视频模型暴露指令短板

    清华大学、NVIDIA、CMU、UC Berkeley、Princeton、NUS 等海内外机构联合发起实时交互视频生成评测基准 StreamEval(https://streameval.ai),覆盖数字人对话、虚拟人表演、世界生成、指令编辑、参考编辑五类任务,共 300 个测试用例、38 个模型,代码、数据集与评分规则全部开源。

    决策要点

    在连定义都未统一的实时交互视频赛道,清华与 NVIDIA 等机构先把公开、可复现的评测标准立了起来。

    • 影响企业选型实时交互视频模型有了统一对照标尺,画面稳定与听懂指令被分开计分;各模型短板公开可查,甄别演示效果与真实交互能力的成本下降;榜单每月更新,能力对比结论需要定期重看。
    • 参考可考虑在采购数字人或实时编辑模型前,先按五类任务找到对应榜单,用指令跟随和状态一致性得分核查候选模型;自研团队值得接入 StreamEval 跑一遍自家模型,再决定补短板还是调整技术路线。
  4. 钛媒体56

    英伟达宣布在欧洲追加近 100 亿美元投资,德国工业巨头押注 AI 进工厂

    英伟达宣布在欧洲追加近 100 亿美元投资,投向德国机器人与医疗 AI 初创公司,并与西门子、奥迪捆绑推广物理 AI。德国总理默茨在柏林会见黄仁勋,西门子、奔驰、奥迪等工业巨头代表到场。

    决策要点

    这场博弈的实质是 AI 从数字世界蔓延到物理世界,工业数据与制造场景成为新的争夺点,欧洲试图用老工业资产换新位置。

    • 影响AI 竞争的下一阶段指向产线与设备层,工业数据成为争夺对象;与英伟达系统深度捆绑可能形成平台依赖,替换成本会随时间累积;工控协议不统一和数据孤岛让落地先卡在基础数字化而非算力。
    • 参考可考虑先盘点自家产线的工控协议与数据采集接口现状;在引入工业仿真或机器人平台前,值得测算对单一计算体系的依赖和未来替换成本。
10月26日周一
  1. 36氪·AI56

    AI 超节点走红一年后,“算力不够就加机器”的扩张逻辑正在被改写

    超节点正在改写 AI 算力“算力不够就加机器”的扩张逻辑,竞争焦点从采购多少芯片转向如何组织芯片,紧耦合系统规模已从 72 卡扩至 384 卡、1024 卡。

    决策要点

    超节点表面比的是卡数,实质比的是芯片协作效率,算力采购的评价标准正从规模数字转向模型实际跑出的性能。

    • 影响新增芯片能否换来相应性能,要在真实业务负载下验证,否则硬件投入难以转化为有效算力;采购价之外还有供电、散热、机房改造和运维等长期成本;只能满配演示却难承接日常负载的大域,规模优势可能变成闲置成本。
    • 参考可考虑先定目标模型、精度、上下文、并发和时延要求,再用接近真实业务的请求测高峰尾部时延,倒推所需规模;值得逐步加资源验证新增芯片的边际收益,若无明显吞吐提升则评估资源分区或多实例。
  2. 36氪·AI52

    开源社区解锁英伟达 GPU 隐藏算力,RTX 4090 特定运算吞吐率翻倍

    开源开发者通过修改 GPU 启动阶段的寄存器配置,解除部分 GeForce 显卡 Tensor Core 的指令发射速率限制,不改官方驱动、不换硬件即可生效,RTX 4090 在 FP16/BF16 输入。

    决策要点

    GeForce 显卡的部分算力上限来自寄存器速率配置而非硬件本身,开源工具正在把这块余量交到用户手里。

    • 影响存量 RTX 20/30/40 系显卡在预填充等矩阵密集环节有三成上下的免费性能空间;逐 Token 生成等受显存带宽限制的环节收益有限;方案依赖固件漏洞改写受保护寄存器,稳定性和保修合规风险需自行评估。
    • 参考可考虑在非生产机器上复现开源项目的基准测试,先算出自有负载的实际收益;值得盘点现有 20/30/40 系显卡的数量与用途,优先在离线批处理或预填充场景小范围试点。
10月23日周五
  1. 36氪·AI54

    丘栋荣称AI对资本回报是破坏性的,与黄仁勋回应AI泡沫论并非同一件事

    丘栋荣时隔两年公开路演,称AI生意资本投入大、盈利模式脆弱,对资本回报是破坏性的力量,建议保守者不投、激进者找机会做空。他同时否定自己擅长的低估值策略,称低估值资产通常有问题,并转向看空煤炭石油等传统能源,相对看好未大规模投入AI的拼多多。同期黄仁勋回应AI泡沫论称AI需求仍远超供给,消化期未来两三年未必出现;文章认为两人讨论的分别是产业需求与股东资本回报两个不同问题。

    决策要点

    丘栋荣与黄仁勋看似对立,实际一个回答AI产业需求是否真实,一个回答巨额投入后股东能否拿到回报。

    • 影响巨额AI资本开支的回报模式尚不清晰,投入能否转化为股东利润存在很大不确定性;新技术同时冲击成长行业回报和传统行业利润池,资产估值逻辑需要重估。
    • 参考可考虑用能否持续创造现金流、隐含回报率是否够高两条标准复核企业AI相关预算;值得评估自身行业利润池是否正被AI效率提升侵蚀。
  2. 钛媒体44

    丘栋荣称AI对资本回报是破坏性的,与英伟达黄仁勋之争实为两个问题

    2024年7月离开中庚基金的丘栋荣在两年来首次系统发声的路演中称,AI投资非常差、非常危险,AI对资本回报是破坏性力量,保守者不应投入、激进者可寻找做空机会;他还否定低估值投资,称低估值资产通常有问题、就是雷,看好美元定价的中国资产和未大规模投入AI的拼多多,并转向看空煤炭石油天然气。

    决策要点

    这场争论的实质是产业问题与投资问题的错位,算力供不应求不等于投入的资本能变成股东回报。

    • 影响AI需求旺盛与投资回报不佳可以同时成立,企业立项需把技术前景与资本回收分开测算;新技术的效率提升可能侵蚀传统业务的利润池,传统能源等被看空方向提示了风险所在。
    • 参考可考虑把AI相关预算按独立投资逐项测算回收周期和利润影响,而非默认跟进投入;主业依赖传统利润池的企业,值得先盘点哪些环节最可能被新技术效率替代。
  3. 量子位41

    达瓦科技Scenes AI获NVIDIA半程展示卓越企业奖,单张5090实时运行34B世界模型

    重庆达瓦科技凭借实时世界模型Scenes AI获得2026 NVIDIA创业企业展示半程展示卓越企业奖,本届赛事共580多家科创企业报名、30家入围。

    决策要点

    实时世界模型正在从逐帧生成画面转向维护可持续运行的世界状态,稀疏计算让单张消费级显卡实时运行成为可能,该路线已获NVIDIA创业生态奖项认可。

    • 影响影视短剧与直播电商的实时场景改写有了单卡本地部署的官方演示样本,本地运行可减少对云端算力的依赖;结构化世界状态数据成为训练世界模型的关键资源,拥有真实拍摄流程的团队更具数据优势;各项效果数字均为达瓦官方口径,选型时需与自测结果对照。
    • 参考内容与电商团队可考虑把直播间实时换景、短片预演列为试点场景,先算清单张RTX显卡加本地主机的部署预算;有影视拍摄能力的企业值得盘点自有拍摄过程的机位、灯光与动作数据,评估其作为世界状态数据的积累价值。
  4. 36氪·AI62

    NVIDIA与光锥智能对谈Token经济学,企业AI投入从算力账转向产出账

    光锥智能创始人王一粟与NVIDIA中国区工程和解决方案副总裁赖俊杰对谈Token经济学,核心是企业如何把AI投入从算力核算转向产出核算。文中引用国家数据局数据,中国日均Token调用量从2024年初的1000亿升至2026年3月的超140万亿,NVIDIA内部测试称一个智能体任务可能涉及50到500次连续模型调用。

    决策要点

    Token正从技术计量单位变成经营指标,企业AI投入的核算逻辑正在从买多少算力转向换回多少业务回报。

    • 影响AI投入需要CFO和CIO共同管理,消耗量级催生专门管理AI资源的岗位;智能体多轮调用让Token需求难以预测,缺预算规划的企业可能出现突发大额账单;行业计量标准与智能体协作协议尚未统一。
    • 参考可考虑按基础、增长、峰值三套口径编制Token预算,先算出未来12个月月均消耗;值得把任务完成率、节省时间、业务回报等指标纳入AI投入评估,替代只看消耗量的做法。
  5. TechCrunch · AI48

    Uber 竞争对手 inDrive 联合 Pony.ai 与 Nvidia 计划 2027 年在哈萨克斯坦测试 Robotaxi

    网约车平台 inDrive 宣布与 Pony.ai 和 Nvidia 签署谅解备忘录,计划 2027 年上半年在哈萨克斯坦首都阿斯塔纳启动 Robotaxi 测试,初期配备安全员,最终目标为全无人驾驶。

    决策要点

    打车平台不自研技术,靠组合整车与芯片供应商以轻资产方式进入自动驾驶,新兴市场在监管配合下成为美中之外的新试验场。

    • 影响Hyperion 这类整体方案把进入门槛拉低,自动驾驶出行在价格本就低的新兴市场也要拼成本;监管开放程度直接决定测试与落地节奏;与 Uber 的多市场布局重叠,区域出行平台竞争会更直接。
    • 参考可考虑把冰雪等极端路况场景作为筛选自动驾驶方案的测试条件;涉及出行业务的企业值得先摸清所在市场的监管与道路测试规则,再评估与技术供应商以轻资产方式合作的成本结构。
  6. 钛媒体66

    NVIDIA与光锥智能对谈Token经济学,企业AI投入从算力账转向产出账

    光锥智能创始人王一粟与NVIDIA中国区工程和解决方案副总裁赖俊杰对谈Token经济学,核心是企业如何把AI投入从算力投入口径转为产出口径核算。国家数据局披露,中国日均Token调用量从2024年初的1000亿增至今年3月的140万亿,两年增长超千倍;文中还提到一家超市连锁企业用AI谈供应商合同,成本节省3%、ROI达4倍、付款账期延长35天。

    决策要点

    AI投入的核算逻辑正从买卡建站的投入口径转向任务产出的经营口径,Token从技术计量单位变成需要CEO与CFO共同管理的经营指标。

    • 影响智能体使Token消耗难以按用户数简单预估,成本波动风险加大;AI管理正从CIO独管转向CFO介入,企业或需新设管理AI资源消耗的岗位;办公智能体可能成为企业Token消耗第一大场景。
    • 参考可考虑按基础、增长、峰值三套预算规划Token容量并预留峰值余量;值得把任务完成率、节省时间、自动化率等指标纳入AI评估,先算清单个场景的成本收益再扩大投入。
10月22日周四
  1. IT之家·人工智能48

    西门子医疗与英伟达达成合作,用 AI 开发下一代自适应放射治疗

    西门子医疗与英伟达于 10 月 22 日宣布合作,共同开发融合智能体与机器人智能的下一代自适应放射治疗技术,将影像和肿瘤学专业知识与加速计算及仿真结合。首批开发确定三个方向,包括治疗规划中的智能体 AI、利用患者特异性数字孪生的患者仿真、帮助肿瘤团队应对患者状况变化的实时自适应计算。

    决策要点

    西门子医疗把英伟达的加速计算引入放疗工作流程,AI 在医疗的竞争从影像诊断延伸到治疗执行环节。

    • 影响放疗流程朝个性化、实时调整方向发展,临床决策支持是合作核心;设备厂商与 AI 算力方绑定加深,医院选型需把 AI 生态纳入考量;项目尚在方向确定阶段,落地时间未公布。
    • 参考医疗机构可考虑跟踪三个开发方向的进展,评估对现有放疗设备与流程规划的影响;医疗 AI 相关企业值得研究智能体切入临床工作流的机会。
10月21日周三
  1. 钛媒体52

    AI集群瓶颈从算力芯片转向互连,网络通信占训练耗时30%到50%

    AI数据中心的瓶颈正从算力芯片转向互连,中国信通院数据显示大规模分布式训练中网络通信耗时占比达30%到50%。华为副总裁王雷称国内Token实际流通效率仅60%;众星微高管拆解GB300与VR200称互连芯片约占整机价值8%到9%,据此估算国内互连芯片年市场约1000亿元。

    决策要点

    AI集群竞争正从比拼算力转向比拼数据搬运效率,互连决定昂贵GPU的实际产出,也是国产芯片绕开英伟达封闭生态的切口。

    • 影响GPU有近半时间在等数据,继续堆卡而不改网络难以提升产出;网络仅占集群部署成本8%到10%却影响九成训练效率,投入重心可重新权衡;选型时互连生态开放与否影响长期依赖。
    • 参考可考虑先测算自家训练集群的通信耗时占比与GPU空转率,再决定扩卡还是升级网络;评估800G网卡与整机功耗、散热预算时,值得把光模块功耗(单只约30W)纳入成本模型。
  2. TechCrunch · AI24

    前Nvidia产品营销、现风投Amulya Vishwanath称物理AI仍处乐高积木时代

    前Nvidia产品营销人士Amulya Vishwanath称,机器人行业还没有迎来自己的ChatGPT时刻,目前处于重新搭建基础模块的乐高积木时代,她创办了专注物理AI的风投Techable Ventures。

    决策要点

    机器人与物理AI仍处底层模块搭建期,资深从业者的判断是爆发点未到,相关投入更像长周期布局而非短期风口。

    • 影响底层软硬件方案尚未定型,现在进入者需接受模块被重构的不确定性;人才向Anthropic、Nvidia等大公司集中,中小团队招聘难度会加大;回报节奏更接近基础设施周期而非产品爆发周期。
    • 参考可考虑先盘点自身业务中可被通用或专用机器人替代的环节并估算投入产出;值得把机器人相关岗位薪酬对标Anthropic与Nvidia等大公司后再决定自建还是外采。
10月20日周二
  1. 36氪·AI68

    GPU 算力租金剧烈波动,CME 算力期货遭监管延审,国内企业靠长协锁价避险

    CME Group 与 Silicon Data 挂钩英伟达 H100、B200 租赁价格的算力期货因产品“新颖或复杂”被 CFTC 延长审查至 11 月 9 日完成,上市时间待定。

    决策要点

    算力租金正在被尝试金融化定价,但国内缺公开价格基准,企业现阶段对冲波动主要靠合同和库存等实体手段。

    • 影响租金单边上涨可侵蚀项目毛利,文中大模型公司测算影响达 3 到 5 个百分点;重资产智算中心要同时面对收入不达预期和硬件残值下跌;国内金融对冲工具尚未落地,短期成本管理仍靠采购结构。
    • 参考可先测算租赁算力占比和租金波动对项目毛利的影响,区分训练与推理卡敞口;长协锁基础量加弹性额度的做法值得参考;重资产自建前值得评估租金下行与残值下跌两类风险。
  2. 36氪·AI43

    哈佛、英伟达等团队推出开源框架RAX,让机器人智能体自主探索写代码学技能

    哈佛大学、英伟达、加州大学伯克利分校、麻省理工学院和斯坦福大学的研究团队近日推出开源框架RAX,让会写代码的智能体在真实或仿真环境中自主探索,把有效经验转化为可反复运行的程序,论文称仿真实验中平均表现比最强基线高37.4%。

    决策要点

    RAX代表的探索式路线试图用智能体写代码替代遥操作示范数据采集,为机器人技能获取提供示范训练之外的选项。

    • 影响机器人相关企业若走示范数据路线,可能多一条减少遥操作采集的备选路径;目前成绩集中在仿真环境,真机效果与探索成本原文未给出部署数据;框架已开源,技术团队可低成本跟进试验。
    • 参考可考虑让机器人或自动化团队在仿真环境复现RAX,对比自家任务与既有策略的表现;值得盘点产品线中依赖遥操作数据采集的环节,评估这条路线的替代空间。
10月19日周一
  1. TechCrunch · AI39

    Laplace Intelligence 在机器人和自动驾驶汽车上路前用 AI 做红队测试

    Laplace Intelligence 为机器人和自动驾驶等物理 AI 提供自动化红队测试,用 AI 智能体在高保真仿真中主动寻找故障点和极端场景。其仿真环境基于 Nvidia Cosmos 后训练改造,可结合街景、地图数据和实时路况重建真实场景,并用语言提示实时改动。

    决策要点

    用 AI 测试 AI 正成为物理 AI 安全测试的一条新路线,Laplace 把人工找边缘场景换成智能体在仿真中主动施压,并已有付费客户。

    • 影响部署自动驾驶或机器人的企业多了一个测试供应商选项,极端场景测试可以搬进仿真完成;卖方目标是让仿真证据获得客户、保险和监管信任;赛道上已有 Applied Intuition 这类融资 12 亿美元、投后估值 150 亿美元的对手。
    • 参考可考虑把仿真压力测试列入机器人或自动驾驶上线前的验收清单;值得对比 Laplace 与 Applied Intuition 的场景生成方式和项目制计费差异;先算清目前人工设计边缘用例花费的时间和成本。