李飞飞苏姿丰CoRL同台:AMD千亿级机遇与公共算力缺口

资讯 雷峰网 全文 7987 字 · 约 20 分钟读完 配图 9 张 分类AMD并购算力机器人

一场横跨科研、经济、AI、社会话题、算力未来的女性对话。

所属频道 算力与芯片融资与资本机器人与具身智能
李飞飞对话苏姿丰:AMD 收购后首次同台,CoRL 现场谈算力、机器人与「这个时代最大的失误」
这场对话横跨科研、经济、AI与社会议题,也谈到了算力的未来,主角是两位女性。

2026年11月,奥斯汀,CoRL 2026的台下坐满了机器人领域的研究者。

台上摆着三把椅子,坐着两位嘉宾:左边是即将出任AMD首席科学家的李飞飞,右边是AMD CEO苏姿丰。AMD收购World Labs的消息传出后,这是两人头一回公开同台;李飞飞也是以“AMD首席科学家”的身份,第一次站到整个机器人学术社区面前。

客套话没说太久。李飞飞很快把话题带到敏感处:公共部门缺算力,是“这个历史最重要时刻最大的失误之一”。大学和非营利机构拿不到卡,下一代研究者靠什么训练?由好奇心驱动、冲着蓝天去的研究又该怎么做?她转头问苏姿丰:AMD正在建“以吉瓦计”的算力,学术界能不能真分到一杯羹?

苏姿丰的回应是:“把一部分专门留给长期研究、留给大学,绝对是我们工作的一部分。”不过她也划了边界:机器人不是靠一个端到端大模型就能啃下来的,将来需要“各种形态、各种规模”的算力,硬件、软件、系统得协同优化。

这场对话涉及的不止这些。机器人会不会被基础模型一口吃掉?AGI真的只差“一分钟”了吗?在一个连PhD都要被AI重新定义的时代,做学术还有没有意义?

以下是AI科技评论带来的完整对话实录。

李飞飞对话苏姿丰:AMD 收购后首次同台,CoRL 现场谈算力、机器人与「这个时代最大的失误」

图中从左往右依次是李飞飞、苏姿丰(Lisa Su)和主持人Peter Stone

李飞飞对话苏姿丰:AMD 收购后首次同台,CoRL 现场谈算力、机器人与「这个时代最大的失误」

01


物理 AI 能带来多大机会:数千亿美元量级

Peter Stone:谢谢二位,Lisa、Fei-Fei,来到CoRL。演讲很精彩,那段视频(Atlas最新成果)我们明天都等着看,大家现在都坐不住了。接下来大约半小时,问题从Slido(现场提问平台)上取,我也会掺一些事先准备好的。

Lisa、Fei-Fei,你们现在和机器人学习社区同台。AMD收购World Labs的事(正在进行中)我们已经听说了,Fei-Fei刚才也讲了世界模型和前方的巨大机会。Lisa,我先问你:AMD一直从数据中心到边缘和嵌入式系统,在整个AI栈上投资。

Peter Stone:放眼机器人和物理AI,你觉得AMD最大的机会在哪?World Labs又怎么融入这个更大的战略?

苏姿丰:谢谢Peter,也谢谢大家让我来。Fei-Fei邀请我来“蹭会”,希望没关系。欢迎大家来到奥斯汀。

要我说,AI 现在这个阶段太让人兴奋了。回头看我们已经走完的路,其实还只是可能性的很早期阶段(very early innings)。物理 AI,特别是机器人,机会大得惊人——对我们而言,未来几年就是数千亿美元级别的盘子。前提是你得把物理、模型和整个环境真正吃透。所以 Fei-Fei 和 World Labs 团队能加入 AMD,我们特别高兴。

苏姿丰:她不光是超级明星——咱能不能干脆就说她是超级明星?(全场笑)在这个行当里,硬件优化得做好多年,你对负载摸得越透、越清楚它往哪儿走,结果就越好。我老讲的硬件、软件、系统协同优化,搁到机器人上格外成立。未来 5 到 10 年,这块会极其关键。还有更要紧的一层:对 AMD 整个生态来说,我们很想把 AMD 的开放生态铺到在座整个机器人社区里去。谢谢大家给我这几分钟。

Peter Stone:太好了。她是超级明星这点我们都看得出来,她是Yuke和Roberto的博士和博后导师,正是他们帮忙促成了这届大会,除此之外她还有很多成功的学生。

Fei-Fei,换你。从你的角度看,加入AMD会怎样扩展World Labs能做的事?你刚阐述了世界模型的愿景,这个结合让你们接下来能构建什么?对机器人社区意味着什么?

李飞飞:首先,来到奥斯汀太好了。我在台下跟朋友说,我知道我以后会常来奥斯汀。

我跟 Lisa 认识好多年了,说到超级明星,我俩大概是十年前结识的。这十年她为 AMD、为计算世界干了多少事,再走到眼下这个 AI 时代,想想真让人叹为观止。建模和计算之间的关系,在 AI 里已经发生了根本性的变化。

如今我满世界跑,普通人——不是座各位——会问我:AI 到底是个啥?我答:AI 就是计算,计算就是 AI。世界模型也好,语言模型也罢,说实话,单模态和多模态模型正在大量走向融合。就像 Lisa 讲的,这就要求硬件和软件协同设计、协同演化。这个机会太有意思了。

我还想跟台下的博士生、硕士生、本科生说几句:搞科学的路子也在变。AI 不光是一个等着解决的问题,它还是工具。我们正处在“团队科学”(team science)让人兴奋的年代。把 World Labs 的本事和 AMD 的本事合到一块儿,用团队科学的办法推着计算和 AI 往前走,这对谁来说都够激动人心。

李飞飞对话苏姿丰:AMD 收购后首次同台,CoRL 现场谈算力、机器人与「这个时代最大的失误」

02


机器人到底靠什么驱动:

端到端,还是分层组合

Peter Stone:确实是缠在一起的。机器人也在变,什么都在变。我在台下跟二位聊过:这次我们设了个“最新突破论文”(late-breaking papers)专场,反差特别明显——六个月前投到会上的,和一个月前投的,就这么短的时间,技术已经完全不是一回事了。

这个问题交给两位。LLM基础模型用在机器人上,效果已经不错,最近一批新模型也相当惊艳;视频生成模型同样被搬到了机器人上。那未来机器人靠什么驱动?还是分层组件各管一段,还是基础模型端到端,把机器人问题一口气全包了?

李飞飞:这件事得诚实地面对(intellectually honest)。前沿实验室拿出的结果,包括这次会议上公布的一些,确实令人叹为观止。我们正处在转折点的早期,很多事还有待探索。VLM/LLM驱动的机器人,角色会越来越重。

但系统性问题,我不认为已经解决。机器人、物理AI里还堆着不少问题,有没有根本性的解法,并不清楚。所以变化还会继续,明年的CoRL会非常不一样。

过去两周我们一直在审BEHAVIOR挑战赛的结果,变化的速度让人叫好,而我不认为已经看到尽头。作为研究者,我个人是踮着脚尖的:该押哪个方向,多少有点让人神经紧绷;同时也无比兴奋,因为现在从多个方向都看到了信号,还有机会把这些潜在方法组合起来。

苏姿丰:我只补一点:很多垂直应用里,我们看到的趋势是,不会只有一个模型,也不会只有一个方向。现实中的应用各式各样,你实际需要的是一组非常广泛的用例和不同类型的模型。前沿LLM会在一些地方表现很好,但我设想,另一些地方更专门的模型会更省成本、更省功耗,最终对很多应用还有更好的延迟。

李飞飞对话苏姿丰:AMD 收购后首次同台,CoRL 现场谈算力、机器人与「这个时代最大的失误」

03


算力饥饿:公共部门缺卡,

是“这个时代最大的失误”

Peter Stone:很好。至少机器人确实是拉动芯片、计算和token需求的因素之一。在座很多学生和学者,出于Fei-Fei刚说的原因,对算力极度渴望。AMD怎么看机器人所需的芯片与算力?训练模型要巨大的算力;机器人一旦部署,还要实时感知、推理、行动,功耗约束往往还很严苛。那是不是意味着,机器人本质上是个系统问题?你们怎么把计算、内存、软件和整个系统放在一起设计?

苏姿丰:我能说的最好的一句话是:在座有人需要算力吗?(全场笑)

眼下的局面是:算力就是根基,很多时候它本身就等于智能。各种规模的算力都缺不了,这也正是让我觉得带劲的地方。我在计算这一行干了30年,跟各位比起来算得上老资格了。可事实摆在眼前:时机从没像现在这么好,分量也从没像现在这么重。

算力得铺到每一层:云端要用来训练那些超大模型;企业和边缘侧也要,机器人在这儿的分量越来越重;再往外还有物理世界。我的看法是,模型会有各种规模,算力同样得有多种规模。说到底这是个解决方案的事——把硬件、软件、系统凑到一块儿优化,用尽量高的效率把问题解决掉。

李飞飞:我很喜欢这个说法。看机器人的进展:它过去慢,是因为它难,也因为它连接物理世界。但我们现在看到的拐点是真实的。斜率会是多少,我没有确切预测,但我们肯定处在上升趋势中。这会极大地驱动各种形态的算力需求,不只是训练端。

Peter Stone:边缘端也算在内。我想再追问一下Fei-Fei。你看这个问题的角度很少见,是复合的:教授、在学术界为算力资源奔走的人、拿到融资的初创公司创始人,马上还要出任AMD首席科学家。我们之前说过,挑战之一就是拿到做前沿研究所需的算力。你觉得要发生什么,才能让先进的机器人开发对研究者、初创公司和学生都更容易够得着?像AMD这样的公司能起什么作用?

李飞飞:Peter,你和我一直是推动公共部门获得算力的同事和伙伴。早在那几年,我们很多人推动过NAIRR,国家AI研究资源法案(National AI Research Resource)。

我就把话直说了:没有给公共部门配足资源,是这个历史上最重要时刻里最大的失误之一。

换个说法,公共部门必须拿到资源,大学里的研究者、非营利机构都算,因为创新第一阶段就在这里。这个国家的创新引擎,起点就是公共部门里那种蓝天式的、好奇心驱动的研究。我们同时也在培养学生,他们是下一代的发明者和劳动力。可如今在AI领域,公共部门的算力“饥饿”相当严重。

这个问题我认为非解决不可,它是对未来的投资。负责任AI的需求也摆在眼前,不管是谈安全还是安保,公共部门都得挑大梁:理解AI的行为、给它立基准,向公众讲清楚,向政府说明这些模型好在哪、坏在哪、难看在哪儿。所以公共部门绝对关键。没错,算力我们需要更多。

Peter Stone:我完全同意,显然全场也同意。Lisa,AMD能在这方面扮演什么角色,帮助它发生?

苏姿丰:我有个很好的主意,你们应该去问AMD的首席科学家。(全场笑)

先说一句,她讲的我都同意,100%。机会在哪儿?我们正在建规模巨大的算力,论吉瓦算。说实话,需求确实远远超过供给。但从中划出一块专门留给长期研究、留给大学,让下一代创新者真的能用上算力,这绝对是我们该做的事,也是行业领导者的责任。跟这个社区打交道的过程中,我们很希望把这件事落实下去。

刚才那话不全是玩笑——我这么起劲地请Fei-Fei来当科学家,是有原因的。AI走了很远,LLM也做到了这个地步,可我们还是处在很早期。现在的问题变成了:怎么保证这些技术真的让世界变好?机器人就是我认为我们“离得近、但回报还没真正拿出来”的领域之一。我很愿意帮这个承诺落地,我相信业界其他人也有同样的劲头。

李飞飞对话苏姿丰:AMD 收购后首次同台,CoRL 现场谈算力、机器人与「这个时代最大的失误」

04


AMD的机器人团队:

没有哪家公司能独做一切

Peter Stone:这个态度我们很欢迎。下面看Slido上几个高赞提问。不少人都想知道:AMD会建机器人团队吗?我们先假设AMD还没有。不过看样子,这事可能没外界想的那么鲜为人知?

苏姿丰:其实我们早就有一支物理AI与机器人方向的研究队伍,规模还不小,只是仍处在很早期的阶段。看看计算栈里将来要进入机器人的那些环节:嵌入式组件我们有很多,FPGA、嵌入式处理器、AI引擎,眼下不少机器人就靠它们控制,工业场景里能看到的就是这类。

不过各位手头正在做的事情,我觉得还非常早期。这也正是Fei-Fei在AMD新岗位上要承担的重头戏:往机器人研究里大幅投入,同时把整个生态的关系做起来。我始终认为没有哪家公司能单干。说到底,今天初创公司之所以做了这么多,原因就在这儿。你有工业实验室,有大学,也有大公司,真正要的是把各方的长处凑到一起。在这样一个世界里,开放的生态、过硬的硬件、能在不同层面汇合的软件、不同实验室各做各的,我觉得这就是把机器人发展的速度和节奏提上去的办法。

李飞飞对话苏姿丰:AMD 收购后首次同台,CoRL 现场谈算力、机器人与「这个时代最大的失误」

05


读博还有没有必要:PhD 图的是好奇心

Peter Stone:下一个问题。在座很多人正站在职业生涯的起点:作为博士生,哪些问题最重要、最有趣?反过来说,哪些问题你们会建议别碰、别拿来当毕业论文题目?这两方面我都想听。另外,这次大会上不少人问我,我想大家也会关心:未来几年,PhD的角色是什么?它还是通往研究的正确路径吗?

李飞飞:Peter和我在台下聊过几句。这是个变革的年代。我不装:台上我们三个人,都有点羡慕你们大多数人,你们多年轻,你们是生在AI革命里的人,而我们是以成年人的身份走进这场革命的。

要不要读博、读博期间做什么,我自己的答案在变,我跟你们说实话。我不认为PhD适合所有人,尤其在AI时代:学习工具和软件工程变化这么大,成为研究者、创新者、产生影响的路,已经不止一条。这不是说读博不行,读博依然很好,我热爱它,我相信Peter和Lisa也热爱。但路多了,你得审视自己的内心(soul-searching)。

那读PhD到底图什么?我心底里还是认一个答案:为了好奇心。那段日子是你人生黄金期里受保护最周全的一段时间,可以放手去追那些最大胆、最古怪、也最盼着能做出影响的问题。

有一点我从来没动摇过:AI再先进,人类智能照样金贵,甚至可能越来越稀缺——但金贵是肯定的。眼下确实有海量token在跟我们的脑电波抢地盘,可我觉得,我们正在建的文明离不开人类智能,离不开那种不怕天高地厚的好奇心。所以,对心里烧着一团火、憋着一股好奇的人,我确实觉得PhD仍是条好路,前提是你得有那份信念,敢用最无畏的方式去追问题。

Peter Stone:我觉得这真是个很好的回答。

苏姿丰:我换个角度说。当年读博的时候,我真没觉得自己想要那个学位。我爸妈讲:“哎呀,你能干嘛呀?你还太小了,留在学校吧。”(全场笑)

结果那真真切切是我人生最好的四年,原因正是她刚说的那点:关键不在你做的那个具体题目。题目会变,今天变得尤其快。关键在于你有了机会,真正成为某个领域里最好的、或者最好的人之一,因为你有本事去探。

所以我的看法是,只要有机会,读博是件很美的事。人生那么长,博士学位谁也拿不走。你会一直揣着那份认知:你曾经咬住一个问题,一路解到了领域的顶端。

李飞飞对话苏姿丰:AMD 收购后首次同台,CoRL 现场谈算力、机器人与「这个时代最大的失误」

06


AGI 真就差一分钟?

研究什么,怎么研究

苏姿丰:你问“大家该研究什么”,这事我态度很鲜明。眼下围绕AGI有一整场争论:我们离AGI到底多近?有时候听同行和业界的人讲:“太近了,就差一分钟。”我其实不信。

为什么?看看我们在AI上的进展,确实惊人。可它能好到什么程度,取决于我们给它出什么题、怎么带它。所以,把AI当工具用,当然要用世上最好的工具;但说到底,你还是靠自己那点专业知识、自己那点直觉吃饭。

我常讲,招人的时候你分得出来,谁对自己这行有真直觉,谁只是死读书,或者搁在这个年代,只是会用AI耍小聪明。你得找到自己足够上心的问题,把那种直觉养出来,这样工具怎么换都不打紧,因为你对自己这行吃得透。这能让你一直把领域往前推,而业界很难做到这点,因为业界没耐心。我是说,我们都没耐心。我们盼着产品早点上市,盼着下一个模型早点出来。大学环境的不同就在这儿。对,我这是在替你们说话。是的,我只是换个说法告诉在座的学生:注意,Lisa刚才说的是她人生中最棒的四年,她可没说六年或七年。

Peter Stone:好……刚才讲得很好。其实我想追问你,飞飞。你说过人类智能依然非常特别、让人振奋。有时候别人问我这个问题,我有个回答是:现在AI很多方面跟数据中心绑在一起,意味着大量算力、大量能源、大量数据。但我常讲,人脑耗的功率少得多,从少得多的数据里学东西。所以眼下AI模型的训练方式,跟我们已经知道可能做到的样子之间,还差着点什么。所以我经常答,试着用更少的资源,同样的性能但更低的功耗,把这事做成,我认为这是个重要的研究方向,虽说这大概跟多卖芯片的目标相冲突。不过我想听听你们俩怎么看,这该不该算进今天学生的研究议程里。

苏姿丰:这绝对很要紧。回到刚才的话,计算没有一刀切。物理世界不是单一尺寸的,对吧?它各是各的。而具备这种能力——这就是为什么我觉得我们还处在非常早期的阶段,因为你说得对,有这些大型数据中心,有这些规模定律。但说到底,计算会无处不在,而且要求更强的性能、更高的效率、更长的寿命、更低的延迟,这些全得优化。

李飞飞还提醒,别把人脑那20瓦的功耗,直接拿去和训练模型耗费的巨大能量做对比。进化本身代价高昂,我们的大脑是数十亿年演化的产物,整个动物界为此消耗了多少能量,她表示自己还不知道怎么算。这两件事不该混为一谈。

她同时强调,脑科学是一门科学,理解大脑、记录大脑、复制大脑,有助于解决脑部疾病。AI科学同样是一门科学,未必只以复制大脑为目标——从写代码到生成模拟再到赋能机器人,那些要解决的计算问题,有些方面已经超出人类能力。

李飞飞对话苏姿丰:AMD 收购后首次同台,CoRL 现场谈算力、机器人与「这个时代最大的失误」

07


话题转到了分歧、焦虑与临别赠言:去解最难的问题

Peter Stone说时间快到了。Slido上有个问题一个赞都没拿到,他还是想试试。他先打了预防针:两位还在蜜月期,这问题可能有点冒犯——你们之间有分歧吗?有没有什么是你们……

李飞飞接话:气候。不过她也爱奥斯汀。玩笑开完,她认真答:看得出来还没发现分歧,两人没吵过,第一架还没来。

Peter Stone随后给两人各一次总结发言的机会。他说从提问能看出来,今天的学生对AI又焦虑又兴奋。换成你们站在他们的位置,会怎么看当下?想给在座的人留下什么临别赠言?

李飞飞说,对很多学生来说,现在是最动荡的时代,因为这是个变革的时代。你知道人生要变,因为你还在求学,而你所在的领域也在变。整个技术文明正处在转折点。她想对所有学生说:变革的时代,去找那些永恒的价值。就像Lisa讲的,人生很长,很多事会变,问题会变,挑战会变,机会会变;但怎么过上你想过的生活,靠的不是变化本身,而是那些不变的东西。就她自己而言,这段旅程教会她,永恒的价值是好奇心、正直,以及无畏地追求真理、探寻真理,在智力上敢冒险、保持诚实。

苏姿丰则鼓励大家有雄心、非常乐观,因为你们正处在最好的时代,手上有不可思议的工具,面前机会多得是。很多人找她讨职业建议,问她该做什么。这建议来自她早年在IBM做年轻工程师的时候,大概工作两年后,有人问她:你长大后想做什么?她说不太确定。当时有个岗位叫IBM Fellow,是深度研究型的,再就是IBM副总裁。她心里想,IBM Fellow估计当不上,自己不够聪明,副总裁也许可以。她决定去问问,对方给了她一句建议:永远奔向最难的问题。当时她不太懂这话什么意思,但这句话跟了她很多年,也成了她给别人的建议。

苏姿丰接着说,说到底,作为工程师、科学家、研究者,工作就是解决问题——解决非常有趣、非常重要、非常令人兴奋的问题。快乐从中来,成功从中来,世界也因此往前走。所以要做,就去做最难的问题,并且相信自己能在里面产生巨大影响。她觉得当下之所以有趣,正在于你们手上的工具,能去解那些也许几十年都没解出来的最有趣的问题。这难道不好玩吗?她认为这是开启职业生涯的非凡时代,也希望各位将来某个时刻考虑一下AMD。她还补了一句:顺便说,招聘经理会是李飞飞。最后她谢了CoRL的邀请。

Peter Stone收尾:好,谢谢大家。

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. 苏姿丰与李飞飞CoRL首次同台:82亿美元收购后聊了什么

    编辑|Panda「台下有谁需要算力吗?」主持人 Peter Stone 刚把学术界的算力焦虑摆上桌面,AMD 董事长兼 CEO 苏姿丰就用一句反问接了过去。台下坐着的,是一屋子做机器人学习的学生和教授,他们大概是今天全世界最缺 GPU 的一群人。这是 11 月 12 日下午,机器人学习顶会 CoRL 2026 在美国奥

    来源 腾讯网
  2. AMD 82亿美元收购李飞飞公司:世界模型为何成AI新战场?

    飞象原创(高靖宇/文)世界模型,已经成为今年AI行业最热闹的赛道之一。AMD宣布以约82亿美元收购李飞飞创办的World Labs,谷歌发布新一代世界模型Genie 4,百度Apollo World世界模型亮相——巨头们接连出手,一场通往物理AI的竞赛就此开启。为什么世界模型突然成了焦点?行业里一个普遍的共识是:语言模

    来源 腾讯网
  3. 开源证券研报:AMD三季度收入133.8亿美元,美国AIDC落地风险升温

    近日,开源证券发布了一篇综合行业的研究报告。AI硬件:通用算力需求提速,英伟达变局或催生供应链替代新机遇业绩指引超预期,通用算力再提速。AMD三季度收入133.8亿美元,同比增长45%;非GAAPEPS为2.09美元,同比增长74%,均超市场预期。数据中心收入增长97%,占比约64%;四季度收入指引中值170亿美元,超

    来源 腾讯网
  4. AMD十月亚马逊显卡出货量超NVIDIA:RX 9070 XT成销冠

    据TechEpiphany分享的亚马逊美国站10月显卡销售数据,AMD单月出货9200块,以47.67%的份额反超NVIDIA的8900块(46.11%),拿下GPU出货量第一,Intel以1200块占据6.22%份额。三家公司合计出货19300块。

    来源 TechWeb
  5. DeepSeek App与网页版设使用限额:长对话7天不活跃不再保留

    有用户在使用DeepSeek时被提示因“算力不足,不再支持超过7天不活跃的长对话”,并对单次输入文字的上限进行了调整,缩短至4万字左右。值得注意的是,截至发稿,DeepSeek尚未就此次限额发布单独的正式公告,也没有给出额度恢复的时间表。对于依赖DeepSeek进行日常工作的用户而言,明确额度规则和恢复预期,与获得算力

    来源 TechWeb
  6. DeepSeek App与网页版设使用限额:长对话7天不活跃即失效

    有用户在使用DeepSeek时被提示因“算力不足,不再支持超过7天不活跃的长对话”,并对单次输入文字的上限进行了调整,缩短至4万字左右。值得注意的是,截至发稿,DeepSeek尚未就此次限额发布单独的正式公告,也没有给出额度恢复的时间表。对于依赖DeepSeek进行日常工作的用户而言,明确额度规则和恢复预期,与获得算力

    来源 TechWeb
  7. DeepSeek App与网页版限额:长对话超7天不活跃不再保留?

    【TechWeb】11月16日消息,据多名用户在社交平台发帖反馈,DeepSeek已对App与网页版的长对话功能实施了使用限额。有用户在使用DeepSeek时被提示因“算力不足,不再支持超过7天不活跃的长对话”,并对单次输入文字的上限进行了调整,缩短至4万字左右。此外,还会限制每日的对话额度,当用户日使用量达到上限时,

    来源 腾讯网
  8. 从256核嵌入式x86处理器,看AMD的另一条增长曲线

    AMD正在迎来一个新的增长阶段,在数据中心业务一路狂奔的同时,AMD的第三大业务——嵌入式业务也正在急速成长之中。11月3日,AMD公布2026Q3财报,营收达到133.77亿美元,同比增长45%,再创季度纪录。其中,数据中心业务营收85.46亿美元,同比增长97%,占总营收63.9%;嵌入式业务营收11.09亿美元,

    来源 腾讯网
  9. 星舰第15飞:B22助推器返场未果,S42将试塔捕?

    11月14日消息,美国中部时间2026年11月13日下午,SpaceX“星舰” 第15次试飞成功升空。此次任务使用超重型助推器 B22 号和飞船 S42 号,原计划首次实现助推器与飞船双双返回发射场并由发射塔机械臂实施空中捕获回收,同时部署 26 颗第三代星链卫星。但任务并未完全按计划推进。助推器未能按计划返回发射场,

    来源 TechWeb
  10. 星舰第15次试飞:B22与S42首演双回收未成,墨西哥湾落幕

    11月14日消息,美国中部时间2026年11月13日下午,SpaceX“星舰” 第15次试飞成功升空。此次任务使用超重型助推器 B22 号和飞船 S42 号,原计划首次实现助推器与飞船双双返回发射场并由发射塔机械臂实施空中捕获回收,同时部署 26 颗第三代星链卫星。但任务并未完全按计划推进。助推器未能按计划返回发射场,

    来源 TechWeb
  11. SpaceX星舰第15次试飞升空:双回收未全达成,飞船返航待验证

    【TechWeb】11月14日消息,美国中部时间2026年11月13日下午,SpaceX“星舰”(Starship)第15次试飞成功升空。此次任务使用超重型助推器 B22 号和飞船 S42 号,原计划首次实现助推器与飞船双双返回发射场并由发射塔机械臂实施空中捕获回收,同时部署 26 颗第三代星链卫星。 但任务并未完全按

    来源 AI 行业观察
  12. AMD Zen 6,架构师深度揭秘

    Zen 6究竟有哪些变化?相比Zen 5,AMD新一代CPU在微架构层面做了哪些调整?Zen 6与Zen 6c为什么要采用不同的设计思路? 近日,Chips and Cheese在AMD ....

    来源 腾讯网
  13. 英伟达机器人学习工程师戴士钦宣布辞职:“黄仁勋离职让我格外失望”

    IT之家 11 月 16 日消息,英伟达机器人学习工程师戴士钦(Darrell Dai)昨日发文,宣布将离开公司。 戴士钦表示,他眼中的黄仁勋不只是英伟达 CEO,他钦佩黄仁勋投资那些一下子看不到明确前景的未来技术。在深度学习热潮到来之前,黄仁勋就已投入 CUDA,并在人工智能成为所有人关注焦点之前布局 AI 领域。这

    来源 AI 行业观察
  14. Anthropic花34亿美元买发电机:AI算力争夺战打到电力端

    据英国《金融时报》11月8日报道,Anthropic在9月下旬与位于德克萨斯州圣安东尼奥的设备供应商OnePWR Solutions完成一笔交易,以34亿美元(约合人民币227亿元)锁定1.7吉瓦重型发电机供货,用于数据中心的电力供给。 更早之前,AI基础设施公司Crusoe于4月向密苏里州ProEnergy订购13台

    来源 AI 行业观察
  15. 中科曙光万伟:超大规模智算集群,高速互连是关键

    中科曙光高速网络互联产品部总工程师万伟在会上分享超大规模智算集群高速网络架构设计与工程实践,提出高速互连是算力基础设施实现规模扩展的关键。中科曙光将超节点内部互连与超节点之间的组网相结合。大会期间,中科曙光还获评“2026中国算力领军企业”,scaleFabric高速网络入选“2026中国算力应用典型案例”。超大规模集

    来源 TechWeb
  16. SpaceX星舰第15次试飞升空:飞船入轨,助推器未返场

    【TechWeb】11月14日消息,美国中部时间2026年11月13日下午,SpaceX“星舰”(Starship)第15次试飞成功升空。此次任务使用超重型助推器 B22 号和飞船 S42 号,原计划首次实现助推器与飞船双双返回发射场并由发射塔机械臂实施空中捕获回收,同时部署 26 颗第三代星链卫星。但任务并未完全按计

    来源 腾讯网
  17. 黄仁勋离任引不满:英伟达机器人工程师辞职

    【TechWeb】11月16日消息,英伟达机器人工程师Darrell Dai(戴达瑞)已通过个人X账号宣布辞职。他在帖子中解释,离职的核心原因是对公司前CEO黄仁勋(Jensen Huang)的离任方式感到失望,认为公司在此事上缺乏透明度和

    来源 TechWeb
  18. 考克森谈Mythos:重训只需初始一小部分算力

    考克森在 Anthropic 只工作了约四个月。让他决定离职的原因之一,是公司 IPO 路演中一张展示 AI 模型训练算力需求变化的图表。图表采用压缩坐标轴,即使算力需求增长 10 倍和 100 倍,看起来也相差不大。

    来源 IT之家
  19. 马斯克再创历史 SpaceX首次实现“筷子夹飞船”

    【TechWeb】11月15日消息,美国中部时间11月14日下午,美国太空探索技术公司(SpaceX)的“星舰”飞船在执行了大约22个半小时的飞行任务后,返回得克萨斯州的发射基地,并由发射塔“筷子”机械臂实施“捕获”回收。 这是SpaceX首次成功捕获从地球轨道返回的星舰上面级飞船,为实现星舰完全、快速重复使用迈出关键

    来源 AI 行业观察
向下滚动自动加载更多