李飞飞苏姿丰CoRL同台:AMD千亿算力能否分给高校?

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」
科研、经济、AI、社会议题与算力未来,一场横跨多个领域的女性对谈。

2026年11月,奥斯汀。CoRL 2026的台下坐满了机器人方向的研究者。

台上摆着三把椅子,坐了两位嘉宾。左边是马上要出任AMD首席科学家的李飞飞,右边是AMD CEO苏姿丰。AMD收购World Labs的消息传出之后,这是两人头一回公开同台;对李飞飞来说,这也是她第一次以“AMD首席科学家”的身份,站到整个机器人学术社区面前。

寒暄没持续多久。李飞飞很快把话头引到敏感地带:公共部门缺算力,已经到了“饥饿”的程度,她称这是“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?由好奇心驱动的蓝天式研究又怎么做?说完她看向苏姿丰——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:机器人这摊事,靠一个端到端大模型啃不下来,往后需要“各种形态、各种规模”的算力,硬件、软件、系统得协同优化。

这场对话聊的远不止这些。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」

李飞飞、苏姿丰(Lisa Su)与主持人Peter Stone(从左至右)

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的机会:数千亿美元量级

Peter Stone:谢谢二位,Lisa、Fei-Fei,来到CoRL。刚才的演讲很精彩,那个视频(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,问题会从Slido(现场提问平台)上取,我也会掺一些事先准备好的问题。

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:展望机器人和物理AI,你认为AMD最大的机会在哪里?World Labs如何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。

在我看来,AI 眼下正处在一个特别让人兴奋的阶段。回头看看一路走来的成果,其实还只是可能性的很早期(very early innings)。物理 AI,尤其是机器人,机会极大,未来几年对我们而言是数千亿美元量级的市场。前提是你得真正吃透物理、模型和整个环境。所以 Fei-Fei 和 World Labs 团队能加入 AMD,我们非常高兴。

苏姿丰:她本身就是超级明星,这点能不能直接说出来?(全场笑)这个行业里,硬件优化得做好多年,对工作负载摸得越透、越清楚它往哪走,效果就越好。我常讲的硬件、软件、系统协同优化,放到机器人上尤其成立。未来 5 到 10 年,这块会极其关键。还有一点,对整个 AMD 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。谢谢大家给我这几分钟。

Peter Stone:太好了。我们能看出她是超级明星,因为她是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,轮到你了。从你的角度看,加入 AMD 会让 World Labs 能做的事扩展到什么程度?你刚讲了世界模型的愿景,两边结合之后你们接下来能构建什么?对机器人社区又意味着什么?

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。

我和 Lisa 认识很多年了,要说超级明星,我们差不多十年前结识。想想这十年她为 AMD、为整个计算世界做的事,再到如今的 AI 时代,实在让人惊叹。在 AI 里,建模与计算之间的关系已经发生了根本性变化。

现在我到处跑,普通人——不是座各位——会问我:AI 到底是什么?我回答:AI 就是计算,计算就是 AI。世界模型也好,语言模型也好,坦白讲,我们看到大量单模态和多模态模型正在融合。就像 Lisa 说的,这需要硬件和软件协同设计、协同演化。这个机会非常有意思。

我还想对台下的博士生、硕士生、本科生说:搞科学的方式也在变。AI 不只是待解决的问题,它也是工具。我们正处在“团队科学”(team science)很激动人心的时代。把 World Labs 的实力和 AMD 的实力合在一起,用团队科学的方式推进计算与 AI,这对所有人来说都很振奋。

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


机器人到底由什么驱动:

端到端,还是分层组合

Peter Stone:确实交织在一起。机器人在变,一切都在变。我在台下跟二位聊过:这次我们有个“最新突破论文”(late-breaking papers)专场,反差特别明显,六个月前投到会议的,和一个月前投的,就这么短的时间里,技术已经完全不同了。

主持人把这个问题同时抛给了两位:LLM 基础模型用在机器人上已经显出效果,近来一批新模型表现相当惊艳,视频生成模型也被搬到了机器人场景里。那么往后机器人靠什么来驱动?还是分层组件各管一段,抑或基础模型走端到端,把机器人问题一并吞下?

李飞飞先接话。她说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成果,确实让人叹为观止。转折点才刚开头,大量问题还没探明。在她看来,VLM/LLM 驱动的机器人会占到越来越重的分量。

但她不认为这个系统性问题已经被解决。机器人、物理 AI 里头堆着的问题还很多,是否已经有根本性的解法,眼下并不清楚。所以变化还会接着来,明年的 CoRL 会大不一样。

过去两周她一直在审 BEHAVIOR 挑战赛的结果,看到变化的速度,她的反应是太好了,而且不觉得已经看到尽头。作为研究者,她自己的状态是踮着脚尖的:方向该往哪儿押注,多少让人神经紧绷;同时又无比兴奋,因为多个方向都传来了信号,还有机会把这些潜在方法组合起来。

苏姿丰只补一点:很多垂直应用里,趋势是不会只有一个模型,也不会只有一个方向。现实中的应用五花八门,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 会在某些地方表现很好,但她设想的另一面是,更专门的模型在别处更省成本、更省功耗,最终对不少应用还能给出更好的延迟。

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 接过话头。至少机器人确实是拉动芯片、计算和 token 需求的因素之一。台下坐着不少学生和学者,出于 Fei-Fei 刚说的原因,对算力极度渴望。AMD 怎么看机器人需要的芯片与算力?训练模型要吃掉巨大算力;机器人一旦部署,还得实时感知、推理、行动,功耗约束往往还很严苛。这是否意味着机器人本质上是个系统问题?计算、内存、软件和整个系统,你们怎么放在一起设计?

苏姿丰的回答是:我能说的最好的一句话是,在座有人需要算力吗?(全场笑)

她表示,算力是根基,在很多层面甚至就等同于智能,我们正站在这样的位置上。各类形态的算力都有需求,这一点最让她振奋。她在计算行业干了 30 年,论资历比在场的人都老。可事实摆在那儿:时机从来没像现在这么好,重要性也从来没像现在这么高。

每个层面都要算力:云端,用来训练那些超大模型;企业与边缘环境,机器人在这里变得如此重要;还有我们的物理世界。她的观点是,模型会有很多种规模,算力也必须有很多种规模。但根本上,这是一个解决方案问题,硬件、软件、系统放在一起优化,尽可能高效地把问题解决掉。

李飞飞说她很喜欢这个说法。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。但现在看到的拐点是真实的。斜率会是多少,她没有确切预测,但上升趋势是肯定的。这会极大地带动各种形态的算力需求,不只是训练端。

Peter Stone 把边缘端也算了进去。他接着问 Fei-Fei:你看这个问题的角度很少见,教授、为学术界算力资源奔走的人、拿到融资的初创公司创始人,马上还要出任 AMD 首席科学家。我们前面说过,难题之一就是弄到前沿研究要用的算力。你觉得得发生什么,先进的机器人开发才能对研究者、初创公司和学生更容易够得着?像 AMD 这样的公司能出什么力?

李飞飞回应说,Peter 和她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)。

她就此把话直说了: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。

也就是说,资源得给到公共部门,大学研究者、非营利机构都算,因为创新第一步就在这里。这个国家的创新引擎,起于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。可在 AI 领域,公共部门眼下正闹严重的算力“饥饿”。

她认为这个问题必须解决,因为这是对未来投资。负责任 AI 的需要也摆在眼前,无论谈的是安全还是安保,公共部门都必须在理解 AI 的行为、为其建立基准上扮演关键角色,向公众解释、向政府建言这些模型的好、坏与丑。所以,公共部门绝对关键。是的,我们需要更多算力。

Peter Stone 说他完全同意,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?

苏姿丰回了一句:我有个很好的主意,你们应该去问 AMD 的首席科学家。(全场笑)

她接着说,首先,Fei-Fei 说的她 100% 同意。机会在于:AMD 正在建设海量的算力,是以吉瓦计的算力。坦率地说,需求确实远超供给。但把其中一部分专门留给长期研究、留给大学,确保下一代创新者真正能获得算力,绝对是我们工作的一部分,是行业领导者的责任。AMD 非常希望在与这个社区的相处中,确保这件事发生。

她说刚才那话不全是玩笑,这么起劲地邀 Fei-Fei 来 AMD 当科学家,是有缘故的。AI 已经走出去很远,LLM 也做到了这个地步,可我们其实还在很早期。眼下的问题是:怎么保证这些技术真让世界变好?机器人就是她觉得我们“很接近、但还没真正拿出回报”的地方之一。她很愿意帮忙,也相信业界其他人有一样的劲头,把这个承诺兑现。

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 表示非常欢迎这个表态。接着他挑了 Slido 上几个高赞问题,很多人好奇:AMD 会组建机器人团队吗?前提是我们假设 AMD 还没有。不过看起来,它可能没有外界以为的那么不为人知?

苏姿丰透露,AMD其实已经有一支物理AI和机器人方面的研究队伍,规模还不小,只是仍处于很早的阶段。她提到,计算栈里将来会进入机器人的那些东西,AMD手上有很多:FPGA、嵌入式处理器、AI引擎,眼下不少工业场景里的机器人就是靠这些组件控制的。

至于在座各位正在做的事,苏姿丰认为离成熟还很远。她把这块看作李飞飞在AMD新角色里的重头戏:大举投入机器人研究,同时经营整个生态中的关系。她说自己笃信没有哪家公司能把一切包下来。说到底,今天初创公司做了这么多事,原因就在这里。工业实验室、大学、大公司各有各的位置,真正需要的是把各方的长处汇到一起。在她看来,开放生态、强硬件、能在不同层面接上的软件、各实验室各做各的,这样的世界才是把机器人发展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


读博值不值,成了下一个话题:PhD 是为了好奇心

Peter Stone接过话头说,台下很多人正站在职业生涯的起点上,作为博士生,哪些问题最重要、最有趣?反过来,哪些问题他会建议别碰、别拿来当毕业论文题目?两边的答案都想听。他还提到,这次大会上不少人问过他一个大家也会关心的问题:未来几年PhD的角色是什么,它还算不算通往研究的正确道路?

李飞飞说,她和Peter在台下聊过一点。这是个变革的年代。她坦言不撒谎:台上三个人,对在座大多数人多多少少有点羡慕——你们年轻,是生在AI革命里的人,而他们是以成年人身份走进这场革命的。

要不要读博、读博期间做什么,李飞飞说自己也在改答案,而且愿意讲实话。她不认为PhD适合所有人,尤其在AI时代:学习工具和软件工程的变化太大,成为研究者、创新者、做出影响,路已经不止一条。这不是说读博不行,读博依然很好,她热爱它,也相信Peter和Lisa同样热爱。但路变多了,人得往自己心里看一看。

那PhD到底为了什么?她依然从根本上相信:PhD是为了好奇心。那是人生黄金岁月里受保护最好的一段时间,可以去追那些最大胆、最好奇、最有趣、也最有希望产生影响的问题。

她还说有一件事自己深信不疑:不管AI多先进,人类智能依然珍贵,甚至可能正变得越来越稀缺,但它是珍贵的。现在确实有海量token在和我们的脑电波竞争,可她认为,我们正在构建的文明需要人类智能,需要那种无畏的好奇心。所以对怀着燃烧般渴望与好奇心的人,她确实认为PhD仍是一条好路,前提是你得有那份信念,以最无畏的方式去追问题。

Peter Stone回应说,这个回答真好。

苏姿丰补上自己的视角。当年读博时,她其实真没觉得自己想要一个博士学位。她父母当时说:“哎呀,你能干嘛呀?你还太小了,留在学校吧。”(全场笑)

按她的说法,那四年是她这辈子最划算的时光,理由恰好就是李飞飞刚提到的那个点:关键不在你挑的那个具体题目上。题目本身会变,眼下变得还特别快。关键是你能借这段经历,真正变成某个方向上最拔尖的人,或者至少挤进最拔尖那一档——前提是你有本事去试、去钻。

所以她的看法是:只要条件允许,读博是件挺美的事。日子还长,博士学位一旦拿到,谁也收不走。那种认识会一直跟着你——你曾经咬住一个问题,一路解到了这个领域的天花板。

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 只差一分钟?

研究什么,怎么研究

至于“大家该研究什么”,苏姿丰说自己对此有强烈的看法。现在有一整场关于AGI的争论:我们离AGI有多近?她有时听到同行和业界的人说:“我们太近了,就差一分钟。”她并不相信。

原因在于:看看AI上取得的进展,确实惊人。但它好到什么程度,取决于我们给它设定什么问题、如何引导它。所以把AI当作工具,当然要用世上最好的工具;可归根结底,你仍然受益于自己的专业知识、自己的直觉。

她喜欢这样讲:招人的时候,你能分辨出谁对自己领域有真正的直觉,谁只是死读书,或者在这个时代只是会用AI耍小聪明。你要找到自己足够感兴趣的问题,把那种直觉养出来,这样工具怎么变都没关系,因为你对自己领域有深入的直觉。这能让人持续推动领域往前走,而业界很难做到,因为业界没有耐心。她说,我们都没耐心,想让产品更快上市,想让下一个模型更快出来。大学环境的区别就在这里。对,她是在帮学生们说话。她还换个方式对在座学生说:请注意,Lisa刚才说那是她人生中最棒的四年,她没说六年或七年。

Peter Stone接着追问李飞飞。他说,你讲过人类智能依然非常特别、令人振奋。有时人们问他这个问题,他的一个回答是:现在AI在很多方面与数据中心绑定,意味着大量算力、大量能源、大量数据。但他常说,人脑消耗的功率少得多,从少得多的数据中学习。所以现在的AI模型训练方式与已知可能实现的方式之间,还缺了点什么。他经常回答,尝试用更少的资源,同样的性能但更低的功耗,去做这件事,他认为这是一个重要的研究方向,虽然这可能与多卖芯片的目标相冲突。他想知道两位怎么看,这是否应该成为今天学生研究议程的一部分。

苏姿丰表示,这一点毫无疑问非常关键。接着前面说的,计算这件事没法拿一套标准套到底。物理世界本来就不是一个尺码,各处的需求都不一样。能不能做到这种适配,恰恰是她觉得现在仍处在很早期阶段的原因——因为对方讲得没错,确实有那些大型数据中心,也确实有规模定律在起作用。可说到底,计算会铺到每一个角落,而且对性能、效率、寿命、延迟的要求都只会更严,这些全都得一项项去优化。

李飞飞:还有一点,我觉得得小心。人脑只耗20瓦,训练模型却要吃掉巨大能耗,这两者不该直接拿来比。进化本身代价高昂——我们的大脑是数十亿年进化出来的,整个动物界为此花了多少能量,我到现在也不知道该怎么算。所以这两个因素不能混在一起谈。我同样相信脑科学是一门科学,理解大脑、记录大脑、复制大脑,对解决脑部疾病有帮助。可AI科学也是一门科学,它不必只去复制大脑。我们要解决的计算问题,从写代码到生成模拟,再到让机器人具备能力,有些方面已经超出人类水平了。

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


分歧、焦虑与赠言:去解最难的问题

Peter Stone:时间快到了。Slido上有个问题一个赞都没拿到,我还是想试一下。你们俩还在蜜月期,问这个可能有点冒犯——你们之间有什么分歧吗?有没有什么是你们……

李飞飞:气候。不过我也爱奥斯汀。不,不开玩笑了,我们有什么分歧吗?看样子还没发现。我们没吵过。第一架还没吵起来……我们连第一架都还没吵过。

Peter Stone:好,那接下来每人做一次总结发言。从这些问题能看出来,今天的学生对AI既焦虑又兴奋。结合你们自己的经历,如果你们坐在他们的位置上,会怎么看当下这个时刻?你们想给在场所有人留下什么临别的话?

李飞飞:对很多学生来说,现在是最动荡的时期,因为这是个变革的年代。你知道自己的人生要变了,因为你还在求学,而你的领域也在变。整个技术文明都处在一个转折点上。我其实想请所有学生:在变革的时代,去找那些永恒的价值。就像Lisa说的,人生很长。很多东西会变,问题会变,挑战会变,机会也会变。但你想过什么样的生活,并不由变化本身决定,而取决于那些不变的东西,那些永恒的价值。对我自己来说,这段旅程教会我,永恒的价值就是好奇心、正直,还有无畏地追求真理、探寻真理,在智力上敢于冒险、保持诚实。

苏姿丰:我想说,我鼓励你们有雄心、非常乐观,真的,因为你们正处在最好的时代。你们手上有不可思议的工具,面前的机会那么多。很多人来问我职业建议,问该做什么。这还是我早年在IBM做年轻工程师时,大概工作两年后,别人给我的建议。有人问:“嘿,听着,你长大后想做什么?”我说我不确定。当时有个职位叫IBM Fellow,是深度研究型的,再就是IBM副总裁。我心里想,我估计当不了IBM Fellow,因为我不够聪明,但也许能当个副总裁。我决定去问问,然后他们说:“好,那我给你的建议是,永远奔向最难的问题。”我当时不太懂那是什么意思,但这句话跟了我很多年。这也是我给别人的建议,因为归根结底,作为工程师、科学家、研究者,我们的工作就是解决问题。解决非常有趣的问题、非常重要的问题、非常令人兴奋的问题。我们从中得到快乐,得到成功,并推动世界前进。所以如果你要做什么,那就去做最难的问题。并且要有信心,相信自己能在其中产生巨大影响。我觉得这就是当下为什么有趣,因为你们现在拥有的工具,可以解决那些也许几十年都没解决的最有趣的问题。这难道不好玩吗?所以,我认为这是一个开启职业生涯的非凡时代。我希望你们将来某个时刻会考虑AMD。顺便说一句,她(指李飞飞)会是招聘经理。但谢谢CoRL,谢谢你们的邀请。

Peter Stone: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. 黄齐元谈台湾AI:硬件强软件弱,英伟达AMD设点也补不上短板

    编者按:面对全球AI竞争从模型研发向芯片、算力与产业应用全链条延伸,日本、韩国与我国台湾地区的不同布局,为观察东亚科技竞争提供了三个具有代表性的样本。台湾并购与私募股权协会创会理事长黄齐元,在宏观经济、半导体产业和跨境并购方面拥有近40年的专业经验,其刊载于Substack的这篇文章,通过比较三地在先进制程、存...

    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. 软银收购ABB机器人遇中国审查:数据归属成关键变量

    “ 一笔没有被禁止、也没有被放行的交易孙正义在2026年11月第一周收到的是一个他不太熟悉的信号。11月5日,外商投资安全审查工作机制办公室(国家发展改革委)告知日本软银,禁止它用54亿美元买下瑞士ABB的机器人业务。过去二十年里,这位软银创始人习惯了在监管的缝隙中穿行。美国的CFIUS审查过他对 Sprint 的收购

    来源 腾讯网
  6. 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
  7. 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
  8. AMD桌面CPU市占率跌至29.9%,英特尔回升至70.1%

    IT之家 11 月 14 日消息,据 PC Gamer 披露的 Mercury Research 最新数据,2026 年第三季度 AMD 桌面端 CPU 的出货量份额降至 29.9%,较第二季度的 34.9% 下滑了 5 个百分点;与此同时,Intel 的份额则回升至 70.1%。 这也是 AMD 自 2025 年初(

    来源 AI 行业观察
  9. 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
  10. 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
  11. 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
  12. 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
  13. 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
  14. 英特尔夺回桌面CPU超七成份额,AMD跌破30%

    在多年被AMD蚕食市场份额之后,英特尔终于在2026年第三季度从其宿敌手中夺回了相当大一部分桌面CPU市场份额。在PC市场整体前景疲软的情况下,这一转变标志着英特尔实现了意想不到的逆转。 ....

    来源 腾讯网
  15. 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
  16. 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
  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. 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
  19. 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
  20. 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