芯界光核应莺:光互联取代铜缆,超节点3个月融资数亿

资讯 腾讯网 作者:腾讯网 全文 7572 字 · 约 19 分钟读完 分类合作融资大模型算力

编辑 | 子钺图源 | 芯界光核AI越来越强,而限制它进一步发展的,不再是算力,而是算力之间传数据的那根线——线不好,算力可能只能发挥30%的作用。AI大模型需要几百上千颗算力芯片不停交换数据,数据交换的效率高不高,直接决定整个系统的计算能力。以前,这根线一直是铜的,可铜对于AI而言有个致命缺陷,它走不远,超过2米..

所属频道 模型发布算力与芯片融资与资本合作与生态

图源 | 芯界光核

AI 性能越来越强,卡住它继续往前走的,已经不在算力本身,而在算力之间传数据的那根线。线不行,算力也许只能发挥出 30% 的作用。

大模型跑起来,要靠几百上千颗芯片来回交换数据,交换效率高低,直接决定整套系统能算多少。这根线过去一直是铜的,问题是铜走不远,信号一过 2 米就糊掉。芯片越做越大,机柜越排越密,这个毛病也就藏不住了。

行业里有个公认的方向,叫“光进铜退”,就是让光来接替铜,扛起越来越重的数据搬运。

这场“换挡”,中国的紧迫感比美国更强。

单颗芯片的算力比不过美国,国内就更急着用光把几百颗芯片“焊”成一个整体,让它们像一颗超级芯片那样协同计算,也就是业内说的超节点,单一计算逻辑系统。

眼下国内外芯片公司都在做超节点。英伟达一个超节点能装下 72 个 GPU;国产 GPU 卡算力不够,要凑出同样的算力就得堆几百张卡、铺好几个机柜。机柜一多,芯片之间就只能靠光来连,铜缆在高速信号下衰减严重,跨机柜必须换光。光互联因此成了刚需。

单卡算力越弱,要堆的卡就越多,对光互联的需求也就越大。所以国内超节点上光互联的决心,比海外更足。

这根“数据线”有多值钱,看看博通就知道。这家市值数千亿美元的巨头,在铜传电信号的年代做以 SerDes 为代表的交换芯片,定下了芯片间的连接标准,高利润赚了几十年,在全球商用交换机芯片市场拿下约 70%-80% 的份额。

这么看就明白了:AI 时代,谁能定下芯片之间怎么连,谁就攥住了 AI 基础设施里最肥的那块。

芯界光核要做的,就是光互联时代的“博通”,而且只盯超节点内部的光互联。公司规划了两条产品线,覆盖其中最核心的“连”和“交换”。

一条是超节点内的光引擎,把电信号翻译成光信号。当前主流形态是可插拔光模块,中际旭创等上市公司已有布局;芯界光核选的是光引擎 CPO,采用 3D 光电共封,计划 2027 年初向潜在客户送样,之后再往下做下一代产品 OIO。

另一条是超节点内的光交换芯片 OCS,让光路在芯片之间灵活切换,走的是目前国内少数人采用的硅光集中式大矩阵技术路线。

在应莺设想的终局里,光在超节点内彻底取代电。把超节点内的数据通信比作新修高速公路:现在主流的可插拔光模块,是把路修在城郊;下一代光引擎 CPO 修到市区;终局设想的光引擎 OIO 则修到每家每户。这说的是“连”。而高速路每个枢纽上的立交桥,就是 OCS,这是“换”。连和换合在一起,就是她眼里全光互联的终局。

芯界光核成立于 2026 年 1 月,不到一年就完成了两轮亿元级融资,投资方包括元禾璞华、毅达资本等。公司的底气,来自一支“产学研”配置完整的团队。

联合创始人应莺和史博是北大计算机系的同窗,一个懂战略,一个懂供应链,都在产业界摸爬了二十多年,曾任职于 IBM、赛灵思等国际公司;技术班底来自上海交大光子传输与通信全国重点实验室——陆梁军教授主攻光交换,李雨副教授主攻光引擎,实验室副主任、长江学者周林杰负责把握前沿方向。

他们的定位说得很清楚:从终局看,要做光互联时代的博通。

中国光互联的需求比国外更强

创业邦:你们的创始团队其实有 5 位,其中一位对外提得比较少,是吗?

应莺:对,还有一位周老师,也算我们的创始成员。他叫周林杰,是我和史博的本科同学。我们三个本科都念的北大计算机系。周老师现在是上海交大光子传输与通信全国重点实验室的副主任。

创业邦:你们和上海交大是怎么搭上合作的?

应莺:靠周老师,我们和交大建立了合作。陆梁军和李雨老师,都是周老师课题组里的人。周老师目前也是公司的首席科学家。

创业邦:你们说核心团队的价值观匹配,具体体现在哪?

应莺:我们每个人合作性都比较强。像这样优势互补、合作紧密,是团队的优势。

创业邦:投资人投第一笔钱,看中的是什么?

应莺:当初投资人最先看的就是团队,觉得我们这几位老师技术底子硬,也认可我和史博在商业化上的经验,认为我们做事能落地。说白了,整个团队给投资人的印象是:既敢想,也能干。

创业邦:投资人认为你们能够脚踏实地的原因是什么?

应莺:我和史博都是从产业界出来的,二十多年经验,很多事想得比较明白。一是懂得取舍,只干自己擅长、又顺应产业方向的事,不什么都插一脚;二是大客户怎么打、生态位怎么卡、供应链怎么整合、产品节奏怎么推,这些在公司成立之前我们就盘算好了。

创业邦:是什么让你认定,创业这件事值得在去年下场做?

应莺:这波AI浪潮肯定要带火AI大基建,也就是数据中心。美国“七姐妹”和国内头部云厂商,一年往数据中心里砸上千亿甚至上万亿元。市场够大,利润也够厚,数据中心里单个产品的毛利普遍在50%以上。

创业邦:数据中心这么大,为何选了光互联这一块,而且是下一代?

应莺:这条大赛道还在早期。数据中心现在的卡点不光是算力,很多时候卡在互联上。互联以前靠铜,铜线一过两米,信号完整性就出问题;光不一样,传得再远损耗也很小。所以“光进铜退”是公认的方向。可插拔光模块属于上一代,我们做的CPO(共封装光学)密度更高、带宽更高、功耗更低,是来替代可插拔光模块的下一代光互联产品。

创业邦:这是一个宏观趋势,但有没有什么具体的信号,让你觉得现在必须干?

应莺:两个原因。一是英伟达这两年在美国猛推CPO,信号很明确;二是我们自己对中国市场的判断——国内对光互联的需求,可能比海外还强。

创业邦:国内对光互联的需求,怎么会比海外还强?

应莺:驱动力有两股。第一股,是技术上的短板反过来逼出了需求。现在智算服务器的主流方案里,信号从GPU出来要过两颗很难的芯片。一颗是SerDes,负责把信号高速送出去,全球高端市场基本被博通垄断,海外能做到单通道400G,我们还在100、200G;另一颗是DSP,光模块离GPU有二三十厘米,信号在铜线上衰减得厉害,全靠它来补偿。这两颗芯片,正好都是国内的两大短板。

创业邦:那么你们研发的第一代光引擎是CPO,是否可以绕过这两大短板?

应莺:对。CPO的好处,是从架构上把DSP这颗短板芯片绕过去。光引擎直接和GPU封装在一起,距离压到5毫米以内。距离一短,两件事同时发生:铜走线没了,信号不衰减,DSP就用不着了;传输距离短了,对SerDes性能的要求也跟着降,本来不够用的SerDes,在这个方案里反倒够用了。竞争焦点于是从“谁的SerDes快、谁的DSP强”,转到“谁能把光引擎做好”——这是一个全新的战场,大家的起跑线更接近。对国内来说,CPO不只是个技术选择,更是一次换道超车的机会。

创业邦:第二股呢?

应莺:第二股是超节点。我们单卡算力比英伟达差很多。英伟达一个机柜就能做一个超节点,NVL72一个柜里放72个GPU;国内华为推出的超节点Matrix384,384卡要十几个机柜,那就必须上光互联,铜到不了。所以华为也好,其他带头企业也好,在超节点内部都坚决上光互联。

创业邦:旭创、新易盛这些大厂,已经做了可插拔光模块,它们也在做下一代光互联光引擎CPO,为什么有机会给到创业公司?

应莺:这里有个很关键的点。旭创这一代,核心能力在光模块这个层面,但到了底层器件,这些大厂并不占优势。它们早期很多供应链是海外来的,由客户指定——英伟达指定光芯片用谁的、DSP用谁的,它们只管把这些精密组件高质量地集成到一起。

创业邦:那这种"大厂难转身"的背后,本质是什么?

应莺:传统光模块厂商擅长器件集成,但硅光PIC芯片自研、3D光电合封架构定义属于新能力,转型有挑战。打个比方,新能源车都是创业公司做起来的,宝马、丰田为什么转得慢?因为从燃油车转电动车,等于革自己的命。

创业邦:你们判断国产超节点会比国外发展得更快么,依据是什么?

应莺:我们觉得国产超节点有可能比国外快,这是有戏的。依据是几件事叠在一起:一是SerDes和DSP的双重驱动,前面讲过了;更关键的是,我们GPU算力不够,只能靠堆板卡数量。板卡一多,就成了大规模超节点,必须上光互联。所以国产超节点上CPO、上光互联的动力反而更强。

创业邦:有意思的是,英伟达做超节点,好像是为了一个相反的原因?

应莺:对。英伟达是算力太强,强到单颗GPU旁边的内存跟不上了,它做超节点是为了解决内存不够,搞内存池化。我们正好反过来,算力不够,堆板卡。所以两边超节点里看重的东西不一样:他们更看重内存扩展,我们更看重板卡数量。板卡一多,互联需求就上来了,铜互联又不如光互联,国内对光互联的需求可能比海外还多。

创业邦:这个“需求更多”,究竟多到什么地步?能不能落到一个明确的判断上?

应莺:有些场景、有些模型下,算力只跑得出30%,剩下70%都是互联不够被白白浪费掉的。这么看,互联的价值量相当大,某些场景下甚至可能高过GPU本身。

“连”和“交换”得一起做,这才是行业终局

创业邦:你们做的究竟属于光互联的哪一层?

应莺:我们盯的是超节点内部的光互联。这里有个前提要先说清:超节点是刚冒出来的下一代场景,形态是把大量计算芯片用互联连成一个单一逻辑系统。我们的两条产品线,光引擎和OCS,都落在这一场景里,不是数据中心顶层那种网络——不是把一台台已经建好的机器再用交换机连起来。

创业邦:光引擎和OCS不能当成两个独立产品来看,为什么非得一起做?

应莺:先讲明一点,这两样东西其实可以各自独立成产品。眼下不少创业公司,有的只做OIO(GPU侧CPO的下一代产品),有的只做OCS,都活得下去。可要是放在一起设计,优势就更明显。

光从这颗芯片传到那颗芯片,途中损耗是沿途几段叠加起来的,这里的芯片指超节点内部的GPU、NPU等计算芯片。只做其中一段,就只能管好自己那一段;两段合起来做,才能在中间统一调配,把整条链路的损耗压到最低。

光引擎和OCS的具体设计思路虽然完全不同,可它们底层的器件结构、制造工艺平台、封装技术以及部分设计IP,通用程度很高。

创业邦:这种“两边一起设计”的协同,是不是也指向你们更远的终局?

应莺:对。我们设想中的未来是超节点内“全光互联”:中央机柜交换机用OCS,GPU与GPU、GPU与存储、GPU与OCS之间全部走OIO。在我们对未来终局的一些方案里,比如用微环做OIO,再用微环做OCS,这是一整套技术方案,必须一起做,拆不开。全光互联最核心的两件事就是“连”和“交换”——连归光引擎,交换归OCS。“连”和“交换”,合起来就是“全光互联”的全部。

创业邦:你们提的“全光互联平台”,可以理解成一套“技术全家桶”——把光互联要用的核心部件做成能灵活组合的整体,客户可以单要光引擎或OCS,也可以要整套超节点互联方案。最早的灵感来自哪里?

应莺:来自海外一家叫Celestial AI的公司。它今年年初被Marvell以55亿美元的对价收购。它做的其实就是“全光互联平台”式的概念:手里握着一系列光互联技术,既做光引擎,也做OCS。Marvell肯花这么大价钱买它,看中的就是这套东西。我们最初“全光互联平台”的想法,正是受它启发。

创业邦:它的结局是被收购,你们的终局呢?

应莺:我们想做上市。

创业邦:光引擎的商业化会比光交换来得早。既然商业化有先后,研发精力是怎么分配的?

应莺:我们判断,短期内能真正进入量产的,是GPU侧的CPO光引擎。OCS离大规模商业化还远,说实话,甚至可能比CPO下一代产品OIO还晚。研发投入上因此有轻重,光引擎拿大头,OCS眼下大约占三成研发力量,更多是提前布局。

创业邦:先聊光引擎这条线。按我的理解,你们的节奏是第一代先推一个能尽快落地的产品,2027年初送样3D光电合封CPO,之后再往更高密度的下一代OIO走。那第一代为什么选更成熟的MZ路线,而不是不少人看好的微环?

应莺:我们的技术路线其实是有争议的。很多人认为微环是未来的终极方向,会问“你们为什么还要走中间这一段MZ路线”。答案就是量产性。

这里先解释一句:MZ和微环,指的都是光引擎里负责把电信号“翻译”成光信号的那个核心器件。MZ是老路线,成熟,做得大,但稳、好量产;微环是新一代,体积小、功耗低,可难做——它对工艺精度的要求高到离谱,稍差一点,光信号的波长就跑了。

所以我们的判断是:微环两三年内很难做到大批量量产,而我们现在要做的,正是一个两三年内就能量产的产品。这不是我们一家的判断,整个产业界都这么考虑。

有意思的是,北美大厂此前一直在推微环方案,英伟达也一样,但实际到英伟达下一代CPO,它也开始改用MZ了。为什么退回来?说到底还是量产性,理论上再“最优”,到了量产面前也得让路。

但对我们公司来说,光引擎产品线的第一代产品CPO会采用MZ路线,之后研发第二代产品OIO,会采用微环路线。

创业邦:外界有种说法,说你们如果做出来,会是国内第一家做出这种3D封装结构CPO光引擎、并且可量产的方案公司。这个“3D”的分量在哪?

应莺先做了澄清:这个说法有个前提——“如果做出来”“希望成为”,产品尚未问世,团队不会把话说满。不过方向确实如此,2027年初会向客户送样。

她解释说,此前行业主流走的是2D或2.5D路线,把光电从并排改成垂直堆叠之后,密度提升、功耗下降,散热表现也更好,这是一条面向下一代、可持续迭代的路径。国内目前在这块还是空白。

按她的设想,产品落地后,国内超节点能多一个互连选择,不必依赖海外封闭体系。国内超节点靠堆板卡数量,卡与卡之间必须互连;互连跟不上,算力有六七成发挥不出来,某些场景下互连的价值量甚至可能高过GPU本身。

创业邦问:芯片和光引擎的配比现在是什么情况?

应莺回答:眼下一般是1:2或1:4,一颗GPU对应两个甚至四个光引擎。将来会不会走到1:1,她表示不好说——算力在涨,光引擎的密度和带宽也在涨,关键看谁涨得更快。她的判断是光引擎这边可能更容易一些:算力提升受制裁制约,光引擎的带宽提升空间反而更大。因此未来比例可能趋向1:1,也就是单个光引擎就能把单个芯片计算的数据进出全部包下来。

创业邦把话题转到OCS这条线:你们选了硅光集中式大矩阵这条路线,国内创业公司里走这个方向的主要就是你们。为什么不做分布式,或者像其他家那样做MEMS?

应莺先摆出数据中心的解决方案:不管国内还是国外,主流都是集中式大矩阵。分布式方案其实没多少应用案例。

创业邦追问:MEMS今天已经有需求了,你们却选了硅光?

应莺承认,做MEMS的OCS现在就有需求。但要分清两个场景:MEMS用在数据中心顶层,插损比较低,可它做的是慢光交换,切换速度慢、成本又高,所以适合放在顶层做全域调度。他们做的是快光交换,适合用在超节点内部。

创业邦问:走这条技术路线,最硬的技术挑战是什么?

应莺说,最主要的问题是插损——光在里面每拐一次、每过一个节点,都会损耗一点,这是天生的物理特性决定的。这个开关的工作原理,注定了光要穿过很多个节点才能完成一次交换,穿得越多损耗越大,最后可能弱到没法用。这是这类技术最头疼的地方,很难根治。

只能想办法缓解。她列了三条路:一是把结构调得更优;二是在开关单元上换新材料,让损耗小一点;三是像海外同行那样,在链路里加“补光”的放大器。具体他们用哪种办法,应莺表示是技术机密,不便透露,但这几条是研发界都在考虑的方向。

创业邦问:你们目前正研发32端口的OCS芯片,32端口这个规模,难到什么程度了?

应莺给出数字:一颗32端口的芯片上有2000个开关单元。在物理层面把“严格无阻塞”做出来已经很难——意思是任何一条空闲通道随时都能连上,不用先把别的连接拆掉。但这只是第一步。真正难的在后面:十几二十条光路同时开着的时候,怎么让它们互不干扰、不打结,这要靠算法去调度。所以芯片、控制系统和调度算法,都是他们自己做的。

创业邦问:既然OCS落地比光引擎还晚,为什么现在就要做?

应莺说这是布局。硅光OCS这条路线全球都还在比较早期,没有成熟的大厂在做,全是创业公司,海外那几家也是高校院所出来的。现在就开始布局,先把位置占住。至少两年以后才会有一些小批量。

要做光互联时代的“博通”

创业邦问:竞争对手前有中际旭创这样的大厂,后有不断冒出来的新创业公司,你们把自己放在哪个位置?

应莺说,有人会拿他们跟中际旭创比,这个对标其实不太合适。长期来讲,他们对标的是博通这样的大厂——互联领域的头部玩家。只是博通是在电互联时代做交换、做互联,他们做的是光交换时代,想做光交换时代的博通。

创业邦问:你们跟一些创业公司都宣称支持开放生态,这种开放生态该怎么理解?

应莺说他们肯定支持开放生态。但坦白讲,生态不一定有大家想象的那么开放。她举了个最简单的例子:光模块已经是接口最标准化、生态最开放的品类了,可实际上每家光模块厂都有自己的头部大客户,这个头部大客户就买某家公司的,不买别人家的。

创业邦问:那你们的客户具体是哪一类?华为这种全闭环的,是不是你们的目标客户?

应莺回答:华为偏向闭环,不是他们的客户。他们找的是开放生态的、想做超节点、但自己又不做光互联的GPU或者CSP自己的GPU厂商,这些才是客户。有意思的是,谷歌反而可以是。大家说谷歌也是闭环,但它自己并不生产OCS,会开放一部分生态给外面。所以闭环和闭环也不一样。

创业邦问:你们有光引擎和OCS这两条产品线,具体怎么卖出去?

应莺说,光引擎这条线起步阶段卖的就是GPU侧的光引擎。客户拿到光引擎后,会把它跟自家的GPU合封成一颗CPO——合封这一步由客户完成,因为GPU攥在客户手里。他们提供的光引擎只有指甲盖大小,却能顶替好几个可插拔光模块。不过这是按客户需求定制的,并非通用件。

她接着讲OCS这条线,情况完全不同。国内眼下还没有需求,能开放送样机会的只有谷歌、英伟达这类厂商。他们的做法是先把芯片流片出来、把系统设计出来,芯片、控制系统和调度算法都由自己做,再找整机厂做成整机,先送给北美客户,送样之后才谈得上联合研发、做定制化。

创业邦问:那终局呢?

应莺回答:到了终局,两条产品线才会合成一整套解决方案——客户必须同时用上他们的光引擎和OCS。但物理上并不会把这两样装进一个盒子交付,而是由他们提供核心组件给服务器厂商,服务器厂商再做成机柜。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 端侧AI芯片抢的不是算力:收费站搬家,云端收银台何去何从

    (本文作者为 韩工观察,钛媒体经授权发布)文 | 韩工观察11月4日,两条被分开报道的新闻,藏着同一个变化:AI的收费站,正在搬家。一条是乌镇峰会上《智能体发展自律公约》发布,本质是给跨设备的智能通行定一套统一的ETC规则;另一条是后摩智能宣布数十亿元B轮,它做的存算一体端侧芯片,就是装进每台设备、可以本地放行...

    来源 腾讯网
  2. 蚂蚁灵波开源LingBot-Touch:触觉基础模型让机器人摸得更灵敏

    【TechWeb】11月10日消息,蚂蚁灵波科技开源触觉基础模型LingBot-Touch,为机器人大脑补齐关键的触觉感知能力。该模型基于近5000小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类主流传感原理,可将不同信号转化为同一套触觉表征,供不同灵巧手和动作模型使用,让机器人在“看得清楚、想得明白”的同时,进

    来源 腾讯网
  3. 蚂蚁灵波开源LingBot-Touch:近5000小时数据补上机器人触觉

    11月10日,蚂蚁灵波科技开源触觉基础模型LingBot-Touch,为机器人大脑补齐关键的触觉感知能力。该模型基于近5000小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类主流传感原理,可将不同信号转化为同一套触觉表征,供不同灵巧手和动作模型使用,让机器人在“看得清楚、想得明白”的同时,进一步补齐精细操作所需的

    来源 AI 开发者社区
  4. 蚂蚁灵波开源LingBot-Touch:近5000小时触觉数据预训练

    蚂蚁灵波科技开源触觉基础模型LingBot-Touch,为机器人大脑补齐关键的触觉感知能力。该模型基于近5000小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类主流传感原理,可将不同信号转化为同一套触觉表征,供不同灵巧手和动作模型使用,让机器人在“看得清楚、想得明白”的同时,进一步补齐精细操作所需的触觉感知。

    来源 TechWeb
  5. 蚂蚁灵波LingBot-Touch开源:近5000小时触觉数据,任务成功率最高90%

    蚂蚁灵波科技开源触觉基础模型LingBot-Touch,为机器人大脑补齐关键的触觉感知能力。该模型基于近5000小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类主流传感原理,可将不同信号转化为同一套触觉表征,供不同灵巧手和动作模型使用,让机器人在“看得清楚、想得明白”的同时,进一步补齐精细操作所需的触觉感知。

    来源 TechWeb
  6. 中科星云合肥揭牌:16方出资15亿建太空算力网

    《科创板日报》11月10日讯(记者 余诗琪)一场原计划200人的发布会,最终扩到了500多人。后排没有空位,从头到尾站得满满当当。此前交流的一位商业航天创始人迟到了几分钟,连座位都没剩下,干脆靠在墙边听完整场。散场间隙的交流中,她对记者表示,规模超出了他们预期,“投资人来了,合作伙伴来了,供应链上下游也都来了...

    来源 腾讯网
  7. 英伟达首尔 AI Day 全面出击:携手韩国政府及三星、LG、现代等巨头达成多项重磅合作

    人工智能芯片巨头英伟达于11月9日在韩国首尔正式举办了备受瞩目的 NVIDIA AI Day 活动。在本次大会上,英伟达一口气公布了与韩国科学信息通信技术部(MSIT)以及三星、LG 电子、现代汽车集团等韩国本土顶尖企业和研究机构的多项深度合作,引发科技界广泛关注。 深化主权 AI 生态建设,全面赋能本地大模型与基础设

    来源 AI 开发者社区
  8. 领益智造回应北美AI机器人客户能否披露:受保密协议约束

    有投资者向领益智造(002600.SZ)提问,请问本次调研提到的新增海外客户整机ODM预研项目,合作的北美头部AI及机器人大厂是否可以披露客户名称?11月9日,公司回答表示,公司因与所有客户签署了商业保密协议,具体合作信息受到商业保密协议的约束不便披露,敬请谅解!公司是多家北美头部AI大模型/机器人巨头的核心供应商,为

    来源 腾讯网
  9. Anthropic 34亿美元购入1.7吉瓦发电机,IPO前自建电力

    Anthropic于2026年9月与OnePWR Solutions签署34亿美元合同,购入1.7吉瓦重型燃气发电机及工程安装能力。该交易在IPO前夕披露,是已知AI实验室最大单笔自建电力采购。公司已承诺到2045年算力支出接近9000亿美元,此举标志其从依赖合作方转向能源自主。媒体报道聚焦AI竞赛向能源主权延伸,反映

    来源 AI 科技快讯
  10. Anthropic 34亿美元买1.7吉瓦发电机,AI算力竞争转向自备电源

    Anthropic于2026年9月与OnePWR Solutions签署34亿美元合同,购入1.7吉瓦重型燃气发电机及工程安装能力。该交易在IPO前夕披露,是已知AI实验室最大单笔自建电力采购。公司已承诺到2045年算力支出接近9000亿美元,此举标志其从依赖合作方转向能源自主。媒体报道聚焦AI竞赛向能源主权延伸,反映

    来源 AI 行业观察
  11. Anthropic上市路演:估值砍三成至1.4万亿,英伟达百亿认购

    出品 | 网易智能·今日硬核 作者 | 小小 编辑 | 王凤枝 估值目标砍了三成,Claude背后的公司还是要顶风上市。 美国当地时间11月10日,Anthropic启动IPO路演,将发行价区间定为每股70至78美元。按上限计算,其完全摊薄估值约为1.4万亿美元,比此前媒体报道的2万亿美元目标低了约三成。哪怕近期AI股

    来源 AI 行业观察
  12. 英伟达拟向Anthropic投资100亿美元,IPO估值瞄准1.4万亿

    Anthropic启动IPO投资者推介,目标估值最高1.4万亿美元,英伟达计划在IPO完成后立即投资约100亿美元。此前Anthropic因算力需求转向英伟达和微软,双方于去年11月签署首批重大协议,关系从保持距离走向紧密合作。

    来源 凤凰科技
  13. 联想张家口发布万全混合词元工厂,2027年建1.5万P算力集群

    11月10日,联想集团(0992.HK)在张家口发布万全混合词元工厂品牌,配套的母本工厂落地张家口。发布会上,联想集团与张家口市政府签署合作协议。 按联想披露的计划,2027年,联想将在张家口建成1.5万P的异构算力集群和约100兆瓦的智算中心,年词元产量超过2000万亿个。

    来源 华尔街见闻
  14. 蚂蚁灵波具身大模型挑战赛15强出炉:11月14日上海真机48小时决赛

    11月6日,首届蚂蚁灵波具身大模型挑战赛决赛晋级战队正式出炉:15支战队、59位选手从全球1855支队伍、3252位选手中脱颖而出,锁定线下决赛资格。 (图:首届蚂蚁灵波具身大模型挑战赛决赛入围名单) 15强集结,48小时真机黑客松决战 本届挑战赛聚焦具身大模型与物理世界的交互能力,吸引了全球13个国家、648所高校、

    来源 AI 开发者社区
  15. SpaceX向SINGULUS采购太阳能产线,供Starmind卫星AI算力使用

    SpaceX与SINGULUS TECHNOLOGIES签署供应合同,首条异质结太阳能电池产线订单金额超6000万欧元,计划2027年上半年交付,产品用于Starmind AI卫星。该卫星将利用太空太阳能为AI计算载荷供电,并通过高速激光链路与Starlink网络传输数据;双方还计划长期支持超过100GW规模的设备需求

    来源 凤凰科技
  16. 美团LongCat-2.5开源:1.6万亿参数,四项测试登顶

    智东西(公众号:zhidxcom) 作者 | 孙小雯 编辑 | 程茜智东西11月10日报道,昨晚,美团LongCat团队开源原生多模态模型LongCat-2.5。据OpenCode公开数据,截至今日上午12时,LongCat-2.5在该平台的累计Token用量约1090亿,独立用户约4700名,已完成约5万次会话。▲L

    来源 腾讯网
  17. 蚂蚁灵波开源 LingBot-Touch 触觉模型:26 项真机测试成功率最高 90%

    IT之家 11 月 10 日消息,今日,蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,为机器人大脑补齐关键的触觉感知能力。IT之家从官方介绍获悉,基于近 5000 小时真实触觉数据预训练,LingBot-Touch 覆盖磁触觉、视触觉和压阻式三类主流传感原理,可将不同信号转化为同一套触觉表征,让积累的“手感

    来源 腾讯网
  18. Anthropic IPO估值下调至1.2万亿,模型能力已跨出软件开发边界

    据媒体报道,Anthropic计划于11月10日启动IPO路演,最早在11月19日上市交易。路演前夕,Anthropic发布了Claude Fable 5.2和Mythos 5.2两款新模型,为公司带来了新的技术进展。但Anthropic的资本市场前景却仍然面临争议。从9月市场讨论的约2万亿美元,到10月的1.5万亿美

    来源 腾讯网
  19. AI研发AI冲出逃逸速度:Anthropic Model 4让研究员提速10倍

    哪怕明天全人类拔掉所有新数据中心的电源,也拦不住超级智能了! 就在刚刚,硅谷「AI自己研发AI」的真实进度条被彻底掀开。 哈佛物理学家兼计算机科学家Alex Wissner-Gross在最新播客中直言,AI如今已经越过了「超级智能逃逸速度」。 在他看来,单凭目前掌握的算法洞见与机房里现成的存量算力,就已经足够一路推向超

    来源 AI 行业观察
  20. 红帽曹衡康谈AI落地:平台给选择权,智能体要围栏

    【TechWeb】AI从试点走向生产,企业最怕什么?可能不是模型不够强,而是刚搭好的工作流,明天就可能因为一个新模型、一张新GPU卡而推倒重来。 AI技术快速迭代,模型、算力、云平台和智能体层出不穷。对于企业而言,如何避免被单一技术路线绑定,在保持系统稳定与安全的同时,持续拥抱创新,已经成为一道重要课题。 红帽给出的答

    来源 AI 行业观察
  21. 红帽曹衡康谈AI落地:三个C、四个A,把选择权还给企业

    AI技术快速迭代,模型、算力、云平台和智能体层出不穷。对于企业而言,如何避免被单一技术路线绑定,在保持系统稳定与安全的同时,持续拥抱创新,已经成为一道重要课题。红帽给出的答案是提供一个能够承载过去、现在与未来的稳固平台,把选择权交还给企业。

    来源 TechWeb
  22. 红帽AI平台战略:三个C四个A,支持任意加速器与模型

    AI技术快速迭代,模型、算力、云平台和智能体层出不穷。对于企业而言,如何避免被单一技术路线绑定,在保持系统稳定与安全的同时,持续拥抱创新,已经成为一道重要课题。红帽给出的答案是提供一个能够承载过去、现在与未来的稳固平台,把选择权交还给企业。

    来源 TechWeb
  23. xAI数据中心噪音扰民,美国AI投资热遭遇地方反弹

    表面上,其导火索是11月3日美国中期选举结果带来的冲击。但从另一面看,在商业无法有效闭环,竞争对手以开源措施紧跟不放,以至于美国国内基础建设与需求日渐脱节的前提下,市场对整个体系进行不破不立的重新估值,也是情理之中。

    来源 华尔街见闻
向下滚动自动加载更多