铃阅
❌

普通视图

数十亿算力大单,卖不动了

2026年11月16日 21:57

原创 陈骏达 2026-11-16 21:57 北京

A股算力大单频频爆雷。

作者 |  陈骏达

编辑 |  心缘

A股上市公司计划掏出8.9亿元买算力服务器,订金付了30%,4个多月过去,只拿到了一串序列号?

智东西11月16日报道,今年以来,A股上市公司的算力采购与服务合同持续增加,但大额合同背后的履约问题也逐渐显现,部分项目遭遇供应商逾期交付,部分合同因市场环境变化取消。上面提到的这家“付了钱却见不到货”的公司,就是在近期披露算力大单履约进展的飞机核心零部件制造商迈信林。

▲迈信林11月3日发布的公告

然而企业进场的热情似乎并未消退。就有至少5家上市公司披露了新签重大算力合同,合计约117.20亿元:杰创智能与客户“H1公司”签下49.15亿元、为期五年的算力服务合同;游族网络全资子公司采购42.25亿元GPU产品;新能源企业东方新能签下9.12亿元GPU采购合同,此外,金刚光伏、杭州园林等跨界玩家也纷纷入场,签下数亿元算力大单。

另有4家上市公司披露算力合同进展,包括金溢智能、中药企业康惠股份、君逸数码、迈信林、长信科技等,所涉合同总额达22.23亿元。

一边是热火朝天的签约,一边是无果而终的履约。这也让业界不禁产生疑问:过去几年那些动辄几十亿的算力大单,后来都怎么样了?

01.

200台服务器零交付

37亿元合同零收入

算力大单落地难

迈信林的遭遇并非个例。把时间线拉长,2026年以来,已有多家A股上市公司公告终止算力相关合同。

莲花控股是其中比较典型的一家。这家从味精业务跨界算力的上市公司,在2026年1月回复上交所监管工作函时披露,该公司存在大额销售合同签订后短期内未执行即终止的情况,涉及合同金额约5.75亿元。

在监管要求下,莲花控股开始逐月披露算力业务进展,也让外界得以看到一些大额算力合同签订后的真实履约情况。

2026年5月,莲花控股披露于当月终止与DⅢ公司签订的3924万元GPU服务器租赁合同,涉及200台GPU服务器。从签约到终止,这笔合同已经过去14个月,但期间始终没有交付设备,也没有产生回款。

到了2026年8月,该公司又宣布终止与AⅥ公司签订的1.63亿元服务器采购合同,涉及64台服务器。这笔合同签署于2024年8月,从签约到终止已经过去两年,最终仍未能落地。

类似情况还出现在其他跨界算力的上市公司身上。

主营智能集成灶的亿田智能,于2026年7月公告终止与上海无问芯穹签署的《算力服务项目合同》。这笔合同签署于2024年11月,约定合作期限为五年,合同金额1.13亿元。不过,亿田智能并未在公告中披露该合同终止前已确认收入、回款等具体履约数据。

本周,亿田智能另一笔算力服务合同也出现调整,金额从11.06亿元降至7.80亿元,减少约3.26亿元,降幅约29.49%。由于原合同其他条款继续有效,这笔合同并未终止,而是下调了金额。

光伏设备企业金刚光伏则于2026年7月发布公告,其与江苏某大数据公司签署的3.9936亿元智算服务协议自2026年6月30日起解除。半年报显示,该合同本期确认销售收入1853.58万元,累计确认销售收入2515.67万元,应收账款回款情况为“催款中”。

还有一些合同,至今没有明确的结果。

新三板公司、GPU算力解决方案与云服务厂商蓝耘科技在2025年3月与“X公司”签下37.07亿元算力服务合同,但此后合同履约却迟迟没有实质进展。

直到2026年9月8日,蓝耘科技在进展公告中披露,这份合同尚未进入实际履行阶段,没有形成相关营业收入,也没有因合同履行形成重大资产投入或重大损失。双方仍在沟通后续安排,合同能否继续履行存在重大不确定性。

从签约到披露最新进展,已经过去一年半。蓝耘科技这笔曾推动股价大涨的订单,至今仍没有披露第一笔收入。

02.

撤单背后:供应吃紧

客户欠费与技术迭代

为什么一些算力大单签下来,却迟迟无法履约,甚至最终走向终止?

从上市公司的公告来看,原因并不相同。有的是上游设备供应不上,有的是终端客户付不了款,还有的是技术升级后,原来的设备已经不符合客户需求。

莲花控股的经历,首先暴露出上游设备供应的问题。

在2026年1月回复上交所监管工作函时,莲花控股披露,其子公司曾与上海X国企签订约5.55亿元的高性能算力服务合同,并计划通过融资租赁方式引入200台高性能服务器。

但服务器市场供应紧张,加上价格波动较大,上游设备供应商无法向莲花控股按时提供全部设备。由于设备交付受阻,公司与上游供应商、下游客户的合作最终终止。

这笔合同终止后,资金问题也没有随之解决。截至回复公告披露日,莲花控股支付给设备供应商的预付款仍有3188.78万元未退回,公司已经提起诉讼;与此同时,还需要向下游客户支付200万元补偿金。

ICT服务商广脉科技遇到的则是另一种情况:设备和服务已经进入交易链条,最终却卡在客户付款上。

2026年3月,广脉科技与广州联通及其客户佛山网信签署三方解约协议,解除一笔金额8812.80万元、原定服务期36个月的算力服务采购合同。

公告显示,解约的直接原因是佛山网信未能按照约定向广州联通支付算力服务费。

合同解除后,广脉科技以3120万元出售项目相关服务器,避免设备继续闲置。不过,半年报显示,这笔资产出售仍造成约143万元处置损失。

这也意味着,算力项目的回款风险并不只取决于上市公司直接签约的客户。即便合同链条中存在运营商等中间环节,最终使用算力的一方如果无法按时付款,仍可能影响整个项目的持续运营。

市政园林企业农尚环境的合同调整,则与算力技术升级有关。2026年4月,这家市政园林企业的子公司与北京安联通签署补充协议,不再履行剩余64台服务器对应的算力服务交付义务。

公告称,随着算力服务技术迭代加快,更高性能的算力方案已实现商用化。北京安联通基于自身业务发展和技术适配需求,决定不再接收剩余设备。该合同原总金额为4.9152亿元,涉及128台服务器;调整后,合同规模缩减至已交付的64台,已交付部分不受影响。

从这些案例可以看到,几亿元甚至几十亿元的算力合同,签约时往往足以成为上市公司的重要业务看点,但从签约到收入确认,中间还有设备采购、交付部署、客户验收和资金回收等多个环节。任何一个环节出现问题,都可能让纸面订单变成一笔迟迟无法兑现的生意。

03.

算力大单黄了

之后怎么办?

合同终止之后,设备怎么处理、资金能否追回,是上市公司需要面对的问题。但对于一些涉及重大合同的信息披露违规事件来说,合同解除并不意味着责任就此结束。

工程设备运营商海南华铁的36.9亿元算力服务协议,就是一个典型案例。

2025年3月,海南华铁子公司华铁大黄蜂与杭州某公司签署了一份为期五年的算力服务协议,原计划在当年4月底前提交验收。

但华铁大黄蜂未能按期交付。此后,双方先后于6月27日、8月29日两次变更计划验收日期,公司却没有及时披露。直到9月30日,海南华铁才公告终止协议,并称自协议签订以来未收到任何采购订单。

同年10月16日,海南华铁因涉嫌信息披露违法违规被证监会立案。此后的调查和处罚过程持续了近一年。

2025年12月,海南华铁收到首份《行政处罚事先告知书》。浙江证监局当时认定,公司涉嫌存在两项违规:一是重大合同临时公告披露不完整,二是重大合同重大进展或变化披露不及时。

按照当时的拟处罚方案,海南华铁拟被罚款800万元,胡丹锋、张祺奥、郭海滨分别拟被罚款400万元、260万元和260万元,合计1720万元。

2026年1月28日,浙江证监局召开听证会,当事人进行了陈述申辩并提交新证据。

7月27日,海南华铁收到新的《行政处罚事先告知书》。与此前相比,新的处罚意见只保留了“重大进展或变化披露不及时”这一项违规认定,不再保留“临时公告披露不完整”。

次日,正式处罚结果公布。浙江证监局对海南华铁责令改正、给予警告,并处以300万元罚款;对时任总经理、董事胡丹锋罚款100万元;对时任董事长张祺奥、时任董秘及副总经理郭海滨分别罚款60万元,合计罚款520万元。

监管处罚落地,并没有让这起事件彻底画上句号。投资者索赔也已经进入司法程序。公开开庭信息显示,2026年,杭州中院至少安排了3起以海南华铁为被告的证券虚假陈述责任纠纷案件开庭。

04.

结语:订单不是收入

交付才是试金石

过去几年,算力需求快速增长,上市公司跨界布局算力也一度成为资本市场的热门题材。几十亿元的合同金额,往往能在短时间内吸引市场关注,带动股价提升。

然而,一套算力系统从签约到真正投入使用,需要经过设备采购、物流运输、机房部署、电力接入、网络调试、客户验收等多个环节。即使服务器顺利到货,也需要完成部署、调试和适配,才能转化为实际可用的算力资源。后续运营中,企业还要持续应对客户需求变化、技术迭代和资金周转等挑战。

随着AI算力需求继续增长,市场仍会出现更多亿元级、十亿级乃至百亿级算力订单。这场围绕算力基础设施建设的竞争,也正在进入检验实际交付能力的新阶段。

图片

跳转微信打开

百度三季度营收308亿,53%靠AI

2026年11月16日 21:57

原创 程茜 2026-11-16 21:57 北京

GPU云收入大涨191%。

作者 |  程茜

编辑 |  李水青

智东西11月16日报道,刚刚,百度公布2026年第二季度财报。其第二季度营收为308亿元,同比下降1%,环比下降2%;归属于百度净利润13.95亿元,摊薄后每ADS收益为4.35元,非GAAP净利润24亿元,摊薄后每ADS收益为6.78元。

本季度,百度的研发投入达到48亿元,同比下降7%。财报披露,本季度百度的现金及投资总额为2766亿元,经营现金流达到28亿元。

百度联合创始人、CEO李彦宏称,百度长期投资的全栈AI正转化为大规模增长,AI云基础设施成为一般性业务收入增长的主要推动力。

百度AI业务收入占到其一般性业务收入的53%,达到132亿元。AI业务收入中,AI云基础设施收入为82亿元,同比增长94%,其中GPU云收入同比增长191%,未披露具体收入;AI应用收入26亿元;AI原生营销服务收入24亿元。

今年第一季度以来,百度通过现行回购计划回购股份,已向股东返还3.73亿美元(约合人民币24.87亿元)。

关于昆仑芯的IPO计划,李彦宏透露,今年年初,昆仑芯秘密提交了上市申请,百度正持续推进上市流程,并将根据盈利情况向市场做出更新。

01.

AI业务营收连续三个季度占比超50%

AI应用收入持平

百度第三季度总营收达到305亿元,营收来源共包含一般性业务和爱奇艺业务两块。其中一般性业务的收入为252亿元,同比增长1%;来自爱奇艺的收入为60亿元,同比下降10%。

百度拆解一般性业务收入中使用了两种口径,一是按照核心AI业务和非AI业务划分,二是按广告和非广告业务分。

1、AI业务营收大涨,GPU云收入同比增长191%

以是否为核心AI业务的口径来看,百度一般性业务中,AI驱动的业务营收为132亿元,占比达53%,已经连续三个季度在一般性业务收入中占比超50%。今年第一季度为52%、第二季度为50%。

具体来看,百度AI业务收入包含AI云基础设施、AI应用、AI原生营销服务三大块。

百度AI云基础设施业务中,其Q3收入为82亿元。李彦宏在电话财报中透露,百度AI云基础设施业务的利润和利润率均实现同比及环比提升。在百度智能云板块内部,GPU云收入同比增长191%,环比增长43%。

百度在财报中提到,该季度百度的客户预付款增加,订单持续向长期合同转变。李彦宏透露,以合同金额计算,百度三大GPU云客户今年续约并将合同延长至多年期,最长的续约期限达到6年。本季度,其外部客户在百度千帆MaaS平台上的Token用量收入同比增长1159%。

百度集团执行副总裁‌、‌百度智能云事业群总裁沈抖称,百度有信心AI云基础设施未来几个季度都将保持增长。其依据是训练、推理需求呈加速增长态势,算力需求日益常态化;百度正将这些不断增长的需求转化为更紧密的客户关系;再加上百度的收入结构正持续优化。

AI应用业务中,第三季度收入为26亿元,与去年同期的26亿元基本持平。

AI原生营销服务方面,该季度的收入为24亿元,同比下降15%。其财报称,收入下滑主要由于宏观经济环境充满挑战、竞争格局不断演变,以及在AI搜索转型期,其希望优先保障用户体验而非追求短期变现。

一般性业务的非AI业务包括传统业务和其他业务。传统业务营收为94亿元,同比下降24%。根据财报,其传统业务指搜索、信息流(Feed)及其他百度自有媒体上的传统广告服务;其他业务营收为24亿元。

2、广告收入下降22%,占比48%

一般性业务的另一种口径分为广告和非广告业务,广告相关的在线营销服务收入为119亿元,占一般性业务营收的48%,同比下降22%;其他业务收入为121亿元,同比增长40%。这说明百度的营销主业正持续承压,包含AI在内的其他业务正接棒成为增长主力。

2026年第三季度,百度的营业成本为199亿元,同比增长9%。财报披露,营业成本增长主要由于云业务相关成本及流量获取成本增加。

针对百度的利润率变化,百度首席财务官何海建称,‌长期来看,百度的利润率仍有进一步提升空间。

他认为这背后有4项原因,百度的收入结构正持续优化,GPU云业务等高毛利业务营收占比不断提升;随着业务规模扩大、工作负载日益多样化,百度可以实现不同工作负载间的资源池化,使得一套基础设施能满足更多需求,从而降低单位成本;持续的推理优化,使得处理Token的延迟更低;百度的技术栈还包括不同的智能体,能通过更全面的产品、服务和解决方案满足客户需求。

他补充说,百度在云基础设施方面的投资回收期正在缩短。

02.

李彦宏:没有应用

模型、云基础设施、芯片都毫无意义

百度在财报中披露了这一季度的几大亮点信息,11月,百度接连发布了几款模型及官宣数个AI工具的更新。

在模型方面,百度正式发布了2800亿参数模型ERNIE 5.5 Flash Preview,并推出两款文心应用模型,文心闪电深度思考模型与文心一镜微表情大模型。

谈及百度在模型方面的布局时,李彦宏称,百度正加快模型迭代的节奏,并坚持以应用为导向。百度未来要将资源聚焦于最重要的领域,并持续提升训练效率。从长期来看,更优的自研模型能使其应用以更低成功提供更好的用户体验,助力变现,此外,百度能帮助更多外部客户快速构建AI应用,转而推动企业对模型服务的需求。

上周在百度世界大会2026上,百度正式发布了大模型交易平台词元所。该平台发布首日,新增申请入驻的供应商已超过100家,新增接入客户超过1000家。

在云基础设施方面,百度披露昆仑芯M100预计将于2026年底前具备量产条件。其新发布的天池1024卡超节点训练性能提升2.5倍,推理性能提升3倍。

此外,在AI应用方面,百度披露了几大应用的性能提升情况及用户数据。

百度一镜使得超拟真数字人制作成本较2025年第四季度下降约80%,百度搭子在DeepResearch Bench II测评中排名第一;库库的全球月活用户达5000万,今年9月,百度文库和百度网盘AI DAU渗透率同比增长60.7%;百度伐谋3.0发布,产业客户覆盖中国工业大类超60%;百度App今年9月的月活跃用户数达6.04亿。

关于当下AI应用的竞争格局,李彦宏认为,AI的价值最终要体现在应用场景上,没有应用,模型、云基础设施、芯片都毫无意义。AI Agent赛道的长期竞争力取决于,能够在广泛的应用场景中高效、可靠地完成任务,并为用户带来可衡量的生产力提升,为企业创造实际的业务价值。

03.

结语:AI云基础设施成增长新引擎

应用商业化仍待破局

从百度的财报中可以观察到,其传统业务收入正在收缩,AI核心业务已成为其整体收入增长的关键,这或许可以表明头部厂商的业务增长正在转向关乎算力、模型与场景闭环的全栈竞争。

当下AI算力基础设施正在取代传统云与广告业务,成为互联网公司新的收入与利润引擎。在AI应用方面,其商业化仍处早期,智能体、数字人等新场景的付费转化尚待验证。可以明确的是,AI正在帮助互联网大厂重新划分收入结构。

图片

跳转微信打开

狂揽80亿!前Anthropic员工押注RSI,谷歌英伟达都投了

2026年11月16日 21:57

原创 王涵 2026-11-16 21:57 北京

一个人和一个“智能体军团”,3个半月训出基础大模型。

作者 |  王涵

编辑 |  李水青

智东西11月16日报道,11月13日,美国大模型独角兽Mirendil官宣完成10亿美元(约合人民币66.72亿元)A轮融资。官方未公布本轮估值,多家媒体引用a16z内部信息称其估值约为50亿美元(约合人民币333.59亿元)。

本轮融资由Kleiner Perkins与Clearlake Capital联合领投,参与方包括Battery Ventures、Doerr Capital、Gil & Co、谷歌、M13、Pear VC、S32等。

加上今年6月的天使轮融资,Mirendil已经累计融了12亿美元(约合人民币80.06亿元)。

▲Mirendil官宣融资(来源:X)

Mirendil在2026年6月刚刚脱离隐身状态,由Anthropic前员工Behnam Neyshabur、Harsh Mehta联合xAI前研究员Shayan Salehian、前OpenAI学生研究员Tara Rezaei创立,总部位于美国旧金山。

在此前的采访中,Behnam Neyshabur曾说:“我们正在做的产品有点像服务科学AI的AI(AI for AI for science),而非科学AI(AI for science)。”也就是说,Mirendil是提供一种工具,帮助科研人员自己开发模型。

2026年10月21日,Mirendil发布了其首个基础模型Mirendil-Base,官方称该模型是由1名员工借助智能体,只用了3个半月,就从零仓库开始完成了预训练,总算力成本还不到1000万美元(约合人民币6671.75万元)。

难道这家由Anthropic前员工创办的公司,已经实现RSI(Recursive Self-Improvement,递归自我改进)了?

01.

相隔141天完成两轮融资

与谷歌云签超1亿美元算力大单

自成立以来,Mirendil已经连续完成了2轮融资,共计12亿美元(约合人民币80.06亿元)。2026年6月25日,该公司官宣完成2亿美元(约合人民币13.34亿元)种子轮融资,由a16z和Kleiner Perkins领投,英伟达等机构跟投。据《华尔街日报》报道,Mirendil彼时估值达10亿美元(约合人民币66.72亿元)。

在算力布局方面,2026年8月,Mirendil与谷歌云签署了多年战略合作协议。

根据双方披露的信息,合作金额超过1亿美元(约合人民币6.67亿元),主要覆盖Google TPU与NVIDIA GPU两类算力资源。该协议为Mirendil后续大规模模型预训练与智能体实验提供了稳定的基础设施支持。

▲Mirendil官宣合作(来源:X)

02.

3个半月完成预训练

其中99%编程工作是智能体做的

2026年10月21日,Mirendil发布了其首个基础模型Mirendil-Base,参数规模约为1000亿至5000亿。

官方宣称该模型是由一名研究员在智能体辅助下从零完成预训练,仅耗时3.5个月,总算力成本低于1000万美元(约合人民币6671.75万元),成本包含实验、智能体token消耗与数据处理。

其中,智能体完成了超过99%的编程工作,负责基础设施搭建、算法选择、数据收集与迭代;人类主要负责方向决策与结果判断。

随后,该公司基于Mirendil-Base进行后训练,进一步推出Fern 0.1。该模型参数规模约为0.1万亿至0.5万亿,支持最高约1000万token的上下文窗口。

该模型主要面向调试训练日志、分析完整智能体轨迹、审计预训练数据等高容量任务。目前处于早期访问申请阶段。

同时,Mirendil预告更大参数版本同步推进中:Mirendil-Base-Large(约5000亿至2万亿参数)完成进度约80%,Mirendil-Base-XL(约2万亿至10万亿参数)完成进度约20%。

▲预告模型进度

其核心产品多智能体研发平台Lor于2026年10月28日进入私测,Mirendil透露,其公司内部日常研发已全面基于Lor运行。

该平台可同时调度数百个智能体编写代码、运行实验,并自动申请与释放算力资源,支持持续工作数天甚至数周。

▲在一次运行中,Lor里的智能体基于100个PyTorch拉取请求构建了环境:102个智能体,平均每个耗时8分钟

▲智能体按需分配计算资源,并对其启动的每台虚拟机和每个节点拥有完全控制权

▲在一次夜间运行中,Lor里的智能体发现了LiteLLM的安全漏洞,并在天亮前完成修复

在Lor中,智能体与其工作的设备是分离的。智能体决定运行什么,Lor则将每条命令发送到用户选择的设备上。并且,智能体只在已添加的机器上操作,用户还可以随时移除某台设备。

▲智能体与设备分离

目前,Lor支持macOS、Linux与Web端,Windows、iOS与Android版本计划推出。该平台兼容Kimi、DeepSeek等开源模型,以及Claude、GPT、Gemini、Grok等前沿闭源模型,同时支持Mirendil自有模型。

▲可接入模型

03.

前Anthropic、xAI、OpenAI班底创业

凑齐模型推理、自动化研发和工程落地

Mirendil由四名联合创始人创立,其核心成员多来自Anthropic、谷歌DeepMind、xAI与OpenAI,各自在模型推理、自动化研发、工程落地与早期研究方面积累了直接经验。

联合创始人兼CEO Behnam Neyshabur拥有谢里夫理工大学本硕学位,并在丰田工业大学芝加哥分校获得计算机科学博士学位。随后,他师从杨立昆,在纽约大学与普林斯顿高等研究院从事博士后研究。

2019年至2024年,Behnam在谷歌DeepMind担任高级研究科学家,并联合领导Blueshift团队,专注于提升基础模型的推理能力。该团队直接参与了首个在数学问题上表现突出的语言模型Minerva的开发,并负责早期Gemini模型的推理能力建设,后续工作也贡献于Gemini 1.5与Gemma 2的推理提升。

2024年末至2025年12月,Behnam在Anthropic联合领导Discovery团队,目标是构建能够完成长期推理与科学任务的“AI科学家/工程师”。

在研究领域,他是ICLR 2021论文《Sharpness-Aware Minimization》(SAM优化器)的联合作者,该技术被广泛用于提升深度学习模型的泛化能力,其研究在谷歌上引用量已超过5万。

▲Behnam Neyshabur(来源:Github)

联合创始人兼CTO Harsh Mehta是Behnam从谷歌到Anthropic的同事。他毕业于印度理工学院瓜哈提分校,此前在谷歌搜索与谷歌DeepMind工作近10年,参与了Gemini系列模型的研发,并在长序列建模、状态空间模型与学习率调度等方向有论文产出。

2024年至2025年12月,Harsh在Anthropic担任高级研究科学家,主导搭建了公司内部自动化AI研究平台(autoresearch)的第一版。该平台旨在用模型自身加速预训练与实验迭代,是Mirendil当前技术方向的直接前身。

▲Mirendil创始团队合影,最右侧为Harsh Mehta(来源:wsj)

联合创始人Shayan Salehian本科毕业于谢里夫理工大学,硕士就读于加州大学河滨分校。

2018年至2024年,他先后在Twitter与X担任机器学习工程师与机器学习工程师,参与时间线推荐、模型服务与大规模系统工程。

2024年10月至2026年初,Shayan加入xAI,参与Grok系列模型的后训练、推理、记忆系统、编码基础设施与智能体相关工作。

▲Shayan Salehian(来源:LinkedIn)

联合创始人Tara Rezaei(全名Tara Rezaei Kheirkhah)是团队中最年轻的成员。她2021年代表伊朗参加国际天文与天体物理奥林匹克(IOAA)并获得银牌,随后进入麻省理工学院攻读电子工程与计算机科学专业。在校期间,她在OpenAI担任学生研究员,研究方向涉及模型可解释性与程序合成。

▲Tara Rezaei(来源:Tara个人主页)

04.

结语:用Agent重新衡量AI研发门槛

资本押注RSI

如今,前沿AI能力高度集中在少数拥有巨额算力、顶尖人才与完整实验闭环的实验室中。Mirendil试图用Agent打破这一结构,把原本需要几十人、数月甚至数年才能完成的预训练与实验迭代,压缩到“一人、数月、千万美元级算力”的规模。

药物研发、材料科学、机器人等领域的专业实验室,将会有机会在不组建完整预训练团队的情况下,开展接近前沿的模型迭代,这很可能催生一批“领域专用小实验室”。资本在半年内对其两次下注,看中的或许就是这一可能性。

但Mirendil目前最亮眼的成果仍是公司内部实验,外部体验如何?在前沿大模型快速迭代的当下,如何建立起技术壁垒?都是创业团队亟需回答的问题。

来源:《华尔街日报》、Mirendil官网、谷歌云、LinkedIn

图片

跳转微信打开

AI智能体年度大会30+青年科学家与技术先锋已就位,RSI、长程Agent研讨会议程齐发!

2026年11月15日 13:20

AgenticAICon 2026-11-15 13:20 北京

12月15-16日北京举办~

12月15-16日 ,2026中国AI智能体大会(北京站)将在北京富力万丽酒店正式举办。

会议由智东西发起,智猩猩主办,也是继7月杭州站之后,年内第二场千人级聚焦Agentic AI范式的技术产品大会。

北京站以“范式进击 创新涌动”为主题,由开幕式+论坛+研讨会+展览区+交流晚宴组成。70+位重量级嘉宾预计将带来致辞、报告、演讲、对话和讨论。展览区目前开放合作中,交流晚宴则会在首日晚上进行。

开幕式将于大会首日上午盛大举行。AI智能体创新论坛则将在主会场于首日下午进行。目前,小米、阿里云、阶跃星辰、枫清科技等大厂和知名创业公司的技术专家、负责人和高层已确认出席并分享,下周将具体揭晓。

作为大会核心组成,研讨会将进行八场,也是今天进展披露的重点。

01.

研讨会嘉宾阵容更新:

30+位青年科学家、技术先锋已就位

▲2026中国AI智能体大会(北京站)日程

此次北京站大会,智猩猩将策划组织八场技术研讨会,从八个热门和前沿方向对Agentic AI 进行探讨。这八场研讨会分别是:

  • 个人智能体技术研讨会

  • RSI技术研讨会

  • Coding Agent技术研讨会

  • Agentic视频生成技术研讨会

  • 长程智能体技术研讨会

  • Agent Harness技术研讨会

  • Agent记忆技术研讨会

  • Agent Sandbox技术研讨会

每场研讨会设置主题报告、圆桌 Panel两大环节。目前,大会已邀请到32位青年科学家与技术先锋带来报告演讲和圆桌交流。

4位特邀青年科学家分别是上海交通大学副教授杜冬冬、浙江大学副教授张宁豫、启元实验室大模型中心副研究员&清华大学自然语言处理实验室客座研究员闫宇坤、浙江大学软件学院“百人计划”研究员张文祺。

技术先锋涵盖创业公司&大厂技术决策者与专家、开源作者、博士阶段研究人员。目前,面壁智能智能进化首席科学家李宇轩、APUS AI首席科学家张旭、Pyromind创始人兼CEO Kevin Ding、ArkEvo Lab Founder&前美团LongCat Team通用Agent团队负责人宋勰睿、InfRec联合创始人&CTO周鹏飞、红熊AI模型研发总监孙科、腾讯混元应用算法研究员康佳政、阿里云Agent Sandbox研发负责人杨皓然、阿里高德研究员马子瑜、蚂蚁集团数字科技资深Agent研发工程师臧正贻、LlamaFactory&PenguinHarness作者郑耀威、DS Bot作者吴嘉盛、LoopX作者黄瑞腾等28位技术先锋也已确定出席,并进行分享和交流。

02.

研讨会议程最新进展:

RSI、长程智能体两场研讨会率先公布

今年以来,递归自我改进(RSI)正从概念探索走向实际应用,相关研究已覆盖Agent Harness自进化、大模型后训练、AI研发自动化及企业级智能体等多个方向。

从AI自主优化软件性能、迭代智能体能力,到通过真实环境反馈持续改进模型,如何构建低成本、可验证、可持续的自我进化机制,正成为RSI技术发展的重要课题。

在此背景下,智猩猩独立组织RSI技术研讨会,设置主题报告和圆桌Panel两个环节,邀请六位技术专家分享最新研究成果与实践经验,共同探讨RSI的核心技术、工程落地与未来发展方向。

AI Agent正在从完成几分钟的简单任务,迈向连续数小时、甚至数天的自主工作。但让Agent持续运行不难,难的是让它在漫长的执行过程中不遗忘目标、不偏离方向,还能不断学习、纠正错误,最终交付可靠的结果。

围绕这一难题,业界正在从Harness架构、长期记忆、持续学习、强化学习训练、长程数据合成等多个方向展开探索。

在此背景下,智猩猩独立组织了长程智能体技术研讨会,设置主题报告和圆桌Panel两个环节,邀请到六位技术专家带来主题分享,共同探讨长程智能体的核心技术、落地实践与未来发展方向。

Agent Harness技术研讨会等其他6场研讨会议程将陆续公布,敬请期待。

03.

参会通道全面开放

4种电子门票可选

随着嘉宾进展陆续披露,大会参会通道也全面开放,大会通票、VIP票、贵宾票(SVIP)和观众票4种电子门票可选。

▲大会门票票种及对应权益

大家可以扫描下方二维码添加小助手“桐桐”,进行参会咨询。已添加过“桐桐”的老朋友,可以给“桐桐”私信,发送“智能体”即可。

有演讲需求、会议赞助、展位赞助的企业也可以私信“桐桐”进行咨询。

阅读原文

跳转微信打开

“回来吧,黄仁勋”!2万人签名请愿

2026年11月14日 10:38

原创 ZeR0 2026-11-14 10:38 北京

员工想念黄仁勋。

作者 |  ZeR0

编辑 |  漠影

智东西11月13日报道,黄仁勋辞职公告发布后36小时,市场依然风声鹤唳,没有适应这一突然的变动。

截至今日美股收盘,英伟达股价下跌2.01%至每股162.85美元,为本周的持续下跌画上句号。

今日,英国《金融时报》报道称,据知情人士透露,英伟达董事会已与Arm首席执行官Rene Haas接洽,以寻找黄仁勋的继任者。不过他只是候选人之一,并不能保证他一定会被聘用或接受这份工作。

对此,有网友调侃:“怎么可能会有CEO在亲眼目睹董事会最恶劣的背叛行径后,放弃自己的职位,转而加入英伟达?英伟达董事会和CFO已经自毁声誉。”

另据NBC报道,圣何塞的Denny's餐厅已经移除了纪念黄仁勋和两位朋友创立英伟达的牌匾,那个牌匾写着“孕育出万亿美元公司的卡座”。如今,牌匾原先挂着的地方,只剩空荡荡的砖墙和斑驳剥落的油漆。

▲Denny's餐厅似乎已经移除了英伟达的纪念牌匾(图源:NBC)

与此同时,在英伟达圣克拉拉总部外,路人摆放了鲜花和薯片,以示敬意与怀念。但员工很快清理了这些物品。在路透社发布的视频片段中,几位女子在入口处互相安慰,其中一人似乎在用纸巾擦拭眼泪。

▲在黄仁勋卸任英伟达CEO后,人们在英伟达圣克拉拉总部外摆放了鲜花(图源:美联社)

据彭博社援引知情人士的话,在最后担任英伟达CEO的时刻,黄仁勋平日里雷厉风行、掌控全局的作风荡然无存,他开始说“随便吧”“我不在乎”之类的话。近几天与他交谈过的人说,黄仁勋已经表现出自责,痛斥自己是“一个混蛋(piece of sh--)”。

截至今日10点10分,一项要求让黄仁勋回归的英伟达员工、合作伙伴及股东请愿运动“Stand with Jensen”,已聚集超过2万人签名,包括2000多名现员工、两百多名前员工和上万名支持者。

作为股东的马斯克也参与了签名。

马斯克在X平台上表达了对黄仁勋的敬意,引用a16z“你会被永远记住,因为有些事情是永恒的”的推文并评论“Jensen(黄仁勋英文名)”。

截止到本文发布,黄仁勋的X账号介绍仍是“英伟达创始人兼CEO”。

黄仁勋传记《思考机器(The Thinking Machine)》的作者Stephen Witt在一篇客座文章中,回顾了他所看到的黄仁勋:黄仁勋喜欢光顾那些不起眼的小餐馆,并慷慨地留下小费。2023年的一天,他们在Denny's餐厅一起吃早餐,黄仁勋给了女服务员1000美元的小费。而且他一点也不张扬,还是找到那位女服务员才问到的。

Witt将黄仁勋描述成一个傲慢、自恋、善于伪装的人,说黄仁勋容不得异议,听到别人反驳或坚持己见会发脾气,有时训斥可能持续一个小时甚至更久,英伟达高管们似乎对他感到害怕。

但不少人对这些抹黑的评价并不买账。

一位英伟达员工说:“不是我的经历。每次我向他介绍时,他都是一个很好的倾听者。”还有一些网友吐槽:“这篇文章写得简直离谱。看来,一直做个好人也只是在演戏。”“哇哦,谁能想到,史上最成功的商界领袖之一竟然对傻瓜毫无耐心?接下来,我们会发现史蒂夫·乔布斯并不总是个好人。”“因为他是个通常都判断正确的领导者,笑死,哪有时间跟傻瓜浪费时间。”

据《连线》报道,英伟达约6万名员工忠诚度极高,全球员工流动率在科技行业中处于最低水平之列。员工们称,他们经常听到人们用“血液里流着绿色”、“被绿色洗脑了”、“绿色阵营”来形容这种忠诚,绿色指的是英伟达标志性颜色。

黄仁勋是英伟达的灵魂人物,这位创始人带领公司走过了33年的风风雨雨。员工们感激他尽可能减少裁员和繁文缛节。他们从未想过,黄仁勋会以这样离奇的方式丢掉饭碗。

“一开始还披着超级英雄的斗篷,三天后就变得狼狈困窘,谁都不知道该怎么消化这件事。”一名员工说。一家匿名的AI公司CEO评价道,英伟达近期为AI创企提供资金,甚至收购了Hugging Face这样的模型托管服务商,帮助支撑了市场对芯片的需求,“新上任的职业经理人CEO不会做这些事”。

在泡沫论和黄仁勋相关传闻的影响下,英伟达股价已跌至近一年以来的最低点。

在社交平台上,人们用各种文字、图片和视频的形式来表达对黄仁勋的不舍,希望他振作起来,不要服输。

一些与黄仁勋直接接触过的现员工、前员工、前实习生及合作伙伴,在社交平台上纷纷发帖,分享了他们关于黄仁勋的种种记忆,表达对黄仁勋的好感和怀念,替他惋惜和鸣不平。

有人直言心情沉重,感慨“一个时代结束了”、“英伟达再也不会是原来的英伟达”;有人称赞黄仁勋的远见卓识、技术判断、韧性、领导方式,回顾他对自己的影响与启迪;有人感谢黄仁勋提供工作机会、支持大胆想法、帮助自己的团队渡过难关。

这些真情实感的文字,拼凑出一个友善、温暖、亲切、体贴、高效、认真、平等、无可替代的黄仁勋。

许多人仍然难以接受他的辞职。

01.

员工眼中的黄仁勋:

“我的英雄”“使命至上”“英伟达的灵魂”

多位英伟达员工表达了对黄仁勋辞职的伤感,以及对黄仁勋本人的感激与崇敬。

他们认同他的愿景,钦佩他的智慧与领导力,曾因他的鼓励和关怀感动,将他视作“英雄”。

“英伟达的灵魂已经死了。一个失去灵魂的躯体,又能走多远?”一位员工写道。

Bryan Catanzaro,英伟达应用深度学习研究副总裁

得知黄仁勋不再领导英伟达,我感到非常难过。

谢谢你,Jensen。感谢你不懈的努力、专注、智慧、支持与远见,也感谢你给了我在英伟达实现毕生事业的机会。我们会尽最大努力,让这项事业继续向前。

Marilyn Reeb,英伟达机器人与仿真技术团队成员

在这里,我感到被重视、尊重和安全感......这让我作为研究者能够发挥最佳状态。黄仁勋的愿景优先考虑长期研究愿景、员工待遇和诚信+核心价值观,我对此心存感激。

Guilin Liu,英伟达首席研究科学家兼团队负责人

我在获得博士学位后于2017年加入英伟达,此后一直没有离开。

2018年台湾GTC上,我有幸在黄仁勋的主题演讲中与他一起演示图像修复技术。那时我入职还不到一年,是他的耐心、鼓励和理解帮我克服紧张,在数千名观众面前完成了演示。

英伟达能有今天,离不开黄仁勋的领导力、远见、智慧和韧性。

今天令人心碎。

Vikram Sharma Mailthody,英伟达高级研究科学家

今天一想到英伟达将不再有黄仁勋,我就感到无比难过。

谢谢你,黄仁勋,感谢你不懈的努力和始终如一的支持。你说得没错——英伟达是一个让我能够投身毕生事业的地方!

黄仁勋那句有力的信条——“使命至上”——将继续传承下去。

Zhiding Yu(禹之鼎),英伟达研究院学习与感知研究团队首席研究科学家和研究负责人

得知黄仁勋即将离开,我感到非常难过。

黄仁勋留给AI社区的重要遗产之一,是他对开源和良性竞争的倡导。

从今往后,我会加倍投入这项事业。

“开源与闭源,光明与黑暗——这是两种未来、两种人类命运之间的一场决战。”

Hanrong YE,英伟达研究员

就在上周,我早上8点左右在Endeavor办公室看到了黄仁勋。他独自站在咖啡机前,安静地给自己冲咖啡。他穿着那件熟悉的皮夹克,我注意到他脑后雪白的头发——那一刻,我心里泛起一阵酸楚:我的英雄已经63岁了。

我有那么一瞬间想,不知道没有他的英伟达会是什么样子。随后这个念头便过去了,早晨照常继续。我从未想过,仅仅一周后,他就会成为这场残酷冲突的牺牲者。

如今我总会想起那一刻,遗憾自己当时没有多停留一会儿。

英伟达就是黄仁勋。

Yan Wang,英伟达研究科学家

我第一次见到黄仁勋是在2018年。几年后,我加入英伟达,有幸与他共事。

他是我共事过的最鼓舞人心的领导者之一。他的远见、决心,以及对行业的影响,都令人敬佩。

很难相信一切变化得如此之快。感谢他让我学到的一切。

Gavan Woolery,英伟达员工

黄仁勋把我从可能终身负债的境地中拉了出来。有人告诉我,在疫情期间的招聘冻结期内,我是他亲自批准的三名新员工之一。

我从未和他说过话,在总部也只与他擦肩而过一次。他的私生活,说到底与我无关。但作为一位领导者,我至今还没遇到过比他更出色的人。

把他赶下台无异于在财务上自毁前程。我只能猜测背后另有隐情,因为我实在想不出还有什么理由会毁掉公司的价值。

Yichen Sheng,英伟达研究科学家

今天,我的心情格外沉重。

我至今还没有和黄仁勋合过影。并不是我从来没有机会开口,只是我心里藏着一个小小的愿望:希望有一天,是他主动提出和我合张影。

我愿意相信,自己已经离这个愿望实现了一半。黄仁勋看过我们的工作后,热情地和我们握了手。我们没有合影,但那个瞬间对我的意义,或许远超他的想象。如今,那个小小的愿望似乎离我更远了。

我从黄仁勋身上学到了很多:如何分析问题、缜密推理并做出决策;遇到困难时如何保持韧性;面对全新的事物时,如何回到第一性原理去思考。他的思考方式和领导风格蕴含着许多智慧,其中有很多已经影响了我做事的方式。

这些教诲会一直留在我心里。在我们继续朝着使命前进时,它们也会继续指引我们。

黄仁勋,谢谢你教会我的一切,也谢谢你留给我一个永远难忘的握手。

Fei Peng,英伟达CUTLASS与CUDA编译器团队成员

大家都认为,CUDA是英伟达的护城河,也是英伟达能在AI时代保持主导地位的原因。但我从来不这么认为。

英伟达唯一真正的护城河是它的员工,而其中最重要的就是黄仁勋。

过去八年,我一直从事CUDA编译器、库和领域专用语言(DSL)的开发,经历了从Volta到Rubin的几代产品。我想,我有资格谈谈英伟达真正的护城河是什么。希望你能耐心读下去。

1. CUDA是什么?

很多人以为,CUDA只是编程语言和编译器;英伟达的护城河,则是大量用CUDA编写的软件,让开发者无法离开英伟达GPU。

这完全错了。这是对CUDA极其肤浅的理解。

在我看来,CUDA就是英伟达所做的一切。

CUDA不只是一门语言、一套软件或一种硬件架构。它是一种独特的客户体验,也是由这种体验定义的产品。

当你觉得GPU编程太难时,CUDA会为你提供更简单的路径;当你的GPU代码跑得不够快时,英伟达的工程师会回应你,帮你解决问题;当几块GPU已经无法推动你的技术继续发展时,英伟达早已将计算平台从桌面扩展到大型数据中心;当你需要的数据中心规模超出任何一家供应商的供给能力时,英伟达也早已提前数年锁定晶圆和HBM产能,以满足你的需求。

这就是CUDA所代表的体验。

它来自英伟达每一位员工日复一日、不懈的努力。而把这些人凝聚在一起,赋予他们共同愿景和目标的人,就是黄仁勋。

2. 是什么让CUDA成为可能?

耐心、坚持,以及对愿景坚定不移的信念。

大约在2006年,英伟达押注未来将需要更多算力,并开始把GPU从图形处理器转变为通用计算平台。起初,这在商业上是一场灾难:新增成本侵蚀了利润率,市场尚未准备好,战略也遭遇了巨大的质疑和压力,甚至董事会也提出了疑问。

但黄仁勋坚持了下来。

大约十年间,英伟达持续投入CUDA,打造硬件、软件和开发者生态系统;那时,这些投入何时能带来商业回报,仍不明朗。

后来,深度学习时代到来了,而英伟达已经准备就绪。

如今,这听起来像一个鼓舞人心的故事。但对那些亲历者来说,这意味着十年如一日地坚持,面对怀疑,也承受不被理解。

回顾科技史,又有多少人能做到这一点?

这正是我一直以来最欣赏英伟达的地方。

而如今,黄仁勋被迫离开了。

这不会扼杀英伟达。公司依然能创造巨大的商业价值。但英伟达的灵魂已经死了。一个失去灵魂的躯体,又能走多远?

如果今天黄仁勋受到这样的对待,那么明天,像我们这些打造CUDA的人又会受到怎样的对待?

我深爱英伟达,但有句话不得不说:英伟达已经死了。

02.

前员工和实习生眼中的黄仁勋:

体恤员工,以身作则,深爱英伟达 

一些曾在英伟达工作或实习过的人,分享了与黄仁勋共事的经历。

前员工们的表达更加直接。他们将黄仁勋视作榜样,称赞他像一位“严厉却深切关怀你的父亲”,会推动员工快速成长,是“此生遇到过的最优秀的CEO”。

在他们的描述中,黄仁勋真心关怀员工,愿意为英伟达付诸一切。这样一位商业领袖的技术判断、远见和对事业的投入“都极难被取代”,他的离开“对英伟达和整个世界都是重大损失”。

Banghua Zhu,RadixArk联合创始人兼CTO

今天发生的一切,让人一时难以消化。

在人生旅途中几个至关重要的时刻,我都曾与黄仁勋相遇:公司被收购时、我离开英伟达创办新公司时,以及后来通过邮件讨论开源合作时。

在我眼中,黄仁勋一直像一位严厉却深切关怀你的父亲。他会推动你、挑战你,让你把目光放得更远,也帮助你成长。

在写给他的告别邮件中,我提到他30岁时创立了英伟达,也写下了自己的愿望:希望能以他为榜样,打造一家能够传承数代的公司。他一直是我的榜样。

今天发生的事令人心碎。很难理解,仅仅7天,一个创立了这家公司、领导它33年、并赢得几乎整个行业敬重的人,身上竟会发生如此巨大的变化。

如果没有黄仁勋的支持,SGLang不会有今天。在SGLang还没有发展成今天的样子之前,他就是第一位相信我们所做事业的大型科技公司领导者。我们永远不会忘记这一点。

一个时代,真的结束了。

Zizheng Pan,DeepSeek AI研究员

2023年读博期间,我收到了两份实习邀请:一份来自微软,另一份来自英伟达。因为黄仁勋和他的团队取得了非凡成就,我选择了英伟达,作为自己唯一的一段实习经历。

我一直敬佩黄仁勋的领导力,至今仍认为他是英伟达的灵魂。

但如今发生的一切令人非常失望,或许也会对开源社区造成不利影响。

Zeeshan Patel,前英伟达研究院成员、前xAI视频生成团队成员、Prometheus创始技术团队成员

得知黄仁勋辞去英伟达职务,我感到非常惋惜。

黄仁勋是我见过最体恤他人的领导者之一,他真心关心每一位员工。他在英伟达营造了一种环境,让每个人都有机会投身毕生事业。他推动了许多雄心勃勃的项目,对公司的技术发展也有非凡的远见。

我很幸运能在他的领导下,在英伟达开启自己的AI职业生涯;对此,我将永远心怀感激。

Paul Jaski,character app创始人

差不多16年前,黄仁勋直视着我的眼睛,停顿了一下,语气十分坚定地说:“我愿意为这家公司做任何事。”

我职业生涯的起点就在英伟达,当时我直接与他共事,负责他所有重要主题演讲、客户会议、投资者活动,以及NVISION和GTC等展会上的演示。

有一次,我和黄仁勋一起从圣何塞飞往凤凰城。英伟达的差旅规定是所有员工都坐经济舱,这对我来说没问题,但我以为公司创始人应该会坐商务舱。我在第六登机组登机时,开始有点担心:头等舱里没看到黄仁勋,他是不是错过了航班?我们还会不会出发?走到飞机后部、差不多第14排时,我看见他坐在经济舱中间座位上,正用黑莓手机工作。

我们去凤凰城参加美国消费电子协会(CEA)的一场小型会议。目的是做演示,好让黄仁勋获得CEA邀请,在次年CES上发表主题演讲——最后邀请是在两年后才到的。会场里人不多,显然也没人知道黄仁勋是谁;大家对演示的反应充其量只能说平平。

结束后,在机场准备飞回圣何塞时,他给我点了人生中第一杯马天尼——那是我当时喝过最烈的酒。我鼓起勇气问他:我们为什么要大老远跑来,向几个素不相识的CEA会员演示技术?

就在那时,他看着我说,他愿意为这家公司做任何事。

我深受震撼。身为CEO,他坐经济舱——回程时坐的是靠过道的位置——向一屋子几乎不在意的人推介产品,而且态度无比认真。他真的愿意付出一切、牺牲一切,只为让英伟达成功。

我很难想象没有他的英伟达会是什么样子。不过,能在公司待这么久的人都是强者,而英伟达的文化也确实独一无二。他们会挺过这一关。

我希望他卸任只是暂时的。

黄仁勋教过我、以及我在他身边亲眼见证的事情还有很多,以后再慢慢分享……最精彩的一些故事都发生在GTC和NVISION。

Alex Lee,前英伟达研究院成员、TrueNorth AI联合创始人

我觉得,英伟达再也不会是原来的英伟达了。

2017年,我在英伟达研究院实习时第一次见到黄仁勋。直到今天,在我看来,他仍是英伟达真正的核心与灵魂,也是我此生遇到过的最优秀的CEO。

我从2013年起就持有英伟达的股票。我的整个职业生涯,都建立在这样一个信念之上:专用领域计算能够不断扩展。英伟达和黄仁勋,正处于我这份信念与职业生涯的核心位置。

说实话,我根本不在乎他和谁发生关系,也不在乎中美在AI和算力领域的地缘政治——尽管我认为,这才是整件事的关键所在。

我敬佩他带领并打造了这个最重要的组织,而它如今正推动人类历史走向一个奇点时刻。就此而言,我由衷敬重他这位领导者。这样一位推动AI与计算发展的真正领袖离开,对英伟达和整个世界都是重大损失。

Omer Shapira,Meta Reality Labs工程师、前英伟达Omniverse XR团队主管

黄仁勋帮我拿到了O-1签证,后来还帮我申请了绿卡。

他也帮忙处理我家复杂的医疗保险问题。

遇到工作之外的难题,我也可以直接给他发邮件。

他帮助过成千上万的人,他们中的许多人都在科学和工程领域最具风险的前沿工作。

Denis,前英伟达AI架构师

我很自豪曾在英伟达工作过,而黄仁勋是最主要的原因。我已经不在那里工作了,所以可以畅所欲言。

他的离开是巨大的损失,尤其是在当下。

我曾在他打造的文化中工作近五年,也认识一些与他共事二十多年的人。他们既敬重他的技术能力,也真心喜欢他这个人。他们表达这些时,没有丝毫迟疑。

大家始终把重心放在使命和人身上。好的想法无论来自什么职级,都会得到支持。这听起来像是公司的标准价值观,但实际并非如此。支撑这一切的,是他的愿景,以及一种如今在创业者建议中已不那么流行的领导方式:

- 待人友善,不要傲慢。

- 专注创新,而非营销。

- 成绩属于团队,而不是CEO。

- 不要动辄解雇员工,想办法为他们找到新的岗位。

这很反直觉,我也怀疑没有哪种领导方式比这更难。我亲眼看到,他靠善意和关怀领导团队,而不是靠压榨员工。

他是真正有远见的人,既懂技术,也懂创造技术的人。他在公司的演讲既有愿景和信念,也有深厚的技术内容,还穿插着足以登台表演的笑话。听完之后,你会迫不及待地想投入建设,也会期待他的下一次演讲。

单凭一段婚外情,不应该抹去他数十年的领导成就。严肃的问题值得认真作答,但不该让一场闹剧决定他的未来。

AI正处在关键时刻。他的技术判断、远见和对事业的投入,都极难被取代。

我希望黄仁勋能继续建设、继续领导。前方还有太多重要的工作要做。

Huck Yang,前英伟达、亚马逊、谷歌、台积电员工

我很想念黄仁勋。心情百感交集,有惋惜,但更多的是悲伤。

2023年,我收到他的第一封邮件,是一封亲自发来的欢迎信;8个月前离职前,我们有过最后一次邮件往来。

这期间,有坦率的回复,有把想法付诸实践的机会,也有至今仍伴随我的教诲。

很多人不知道,黄仁勋周日早上6点就会起床,阅读并回复大家发给他的“最重要的五件事”邮件。

他让基层员工也有机会发声,打破信息操纵和中层管理中的办公室政治,并鼓励大家提出有风险的新想法。

有时,我会试着留住那些渐渐淡去的记忆,想起保罗·奥斯特的《一个隐形人的画像》。

谢谢你,黄仁勋,感谢与你共度的这些时光。

03.

合作伙伴眼中的黄仁勋:

回复GPU申请,支持大胆想法,帮团队渡过难关

一些英伟达合作伙伴、生态参与者及其他相关人士,分享了许多黄仁勋帮助过他们的具体故事。

无论是大学生、研究人员还是创业者的邮件,黄仁勋都会快速回复,并调动资源来帮助他们解决问题。

他们亲身感受到了黄仁勋对他们的善意、关注、尊重、信任。

“他经营着一家规模庞大的公司,却愿意抽出时间和一个无足轻重、毫不重要的人聊游戏。这种故事不只发生在我身上,你会听到很多类似的经历。”PrizePicks CEO Mike Ybarra回顾道。

Pranav Shyam,谷歌DeepMind研究科学家

11年前,我还是印度一所普通大学的学生,冒昧给黄仁勋发邮件,向他申请GPU。

15分钟后,他就回复了。

Alex Cheema,Exolabs创始人

今年6月,Nader Like Ladder给黄仁勋发了封邮件,谈起我们晚餐时想到的一个大胆点子:如何让英伟达硬件上的本地AI性能提升10倍。

黄仁勋7分钟后就回复了。他认为这项工作很重要,还批准我们在英伟达总部设立一间战情室,专门推进这个项目。

一个月里,英伟达总部成了Exolabs的“卫星办公室”。我们得到的支持让人应接不暇。第一周几乎排满了日程:许多聪明的英伟达同事来到战情室帮助我们,其中有CUDA和Dynamo的创造者,也有亲手建设英伟达的人。

长话短说,在英伟达的帮助下,我们把他们的本地AI实践方案提升了9.6倍,几乎达到了最初设定的10倍目标。我们将发布一份关于这项工作的白皮书。

我们只是一家有着大胆想法的小型初创公司。黄仁勋愿意押注我们。他非常重视开源AI和本地AI。

我不认为黄仁勋可以被取代——他是独一无二的。但我希望英伟达能继续大力支持开源AI和本地AI,也继续愿意押注那些有大胆想法的小型初创公司。

谢谢你,黄仁勋。

Simon Mo,Inferact联合创始人兼CEO

今年3月,Inferact的算力供应商收回了我们的算力,导致我们无法继续为vllm项目开发Blackwell版本。我给黄仁勋发了邮件,他在同一分钟内就回复了,并在一夜之间解决了问题。

在黄仁勋的带领下,整个英伟达团队就像一支势不可挡的舰队。黄仁勋行动迅速,他的“外骨骼”团队也是如此。业内人士都尊敬并信任他。这正是推动开放智能向前发展的方式。

谢谢你,黄仁勋,感谢你拯救了Inferact和vLLM。

Ali Kashani,Serve Robotics CEO

2023年圣诞节前几天,一位投资人临时撤资。我给黄仁勋发了邮件。公司已经拿不出钱发工资,我也正在和破产律师商谈。

凌晨6点,黄仁勋给我打来电话。当天晚些时候,我就和他的团队共进晚餐,商讨如何帮公司渡过难关。4个月后,我们敲响了纳斯达克的上市钟。

Jiao Dong,Nuva Lab创始人

黄仁勋是史上最伟大的人之一。从未与如此鼓舞人心的人共事过。他的离开对英伟达和美国AI的发展都是巨大损失。

Mike Ybarra,前微软副总裁、前Blizzard总裁、PrizePicks CEO 

我在20世纪90年代PC游戏兴起之初,于微软结识了黄仁勋。我们都热爱游戏,也都对娱乐业的未来充满期待,这份热情很有感染力。

那时的英伟达与今天相比还算一家“小公司”。黄仁勋和他的团队待人亲切,也非常平易近人。之后几年,我们偶尔保持联系。疫情期间,他主动提出每月通过Zoom一起喝酒聊天。我为了感谢他,送了他一瓶我最喜欢的苏格兰威士忌。

他还会确保我能用上最新的技术。想想看,他经营着一家规模庞大的公司,却愿意抽出时间和一个无足轻重、毫不重要的人聊游戏。这种故事不只发生在我身上,你会听到很多类似的经历。

我从黄仁勋身上学到了很多,也敬佩他的领导力和为人。

黄仁勋,谢谢你让今天的游戏和AI成为可能。更重要的是,谢谢你成为许多人学习和借鉴的榜样。无论什么时候,我都愿意为你工作。

祝你和家人未来一切顺利。💪

Wallace Santos,MAINGEAR CEO 

我想花点时间感谢黄仁勋,感谢他为PC游戏所做的一切,以及他通过AI对世界产生的影响。

在我遇到过的所有与他同级别的CEO中,黄仁勋是最容易接近的。我有很多关于他对企业和客户奉献的精彩故事,但有一个故事永远留在我心中。

他曾带我、Falcon和Origin飞到他家和家人共进晚餐。

想想看。我们的生意在英伟达眼中很小,但他还是抽时间接待我们,欢迎我们进入他的家。这说明了很多问题。

对我来说,他对PC游戏的关心是发自内心的。我亲身感受过,永远感激他对我们的关注和尊重。

谢谢你,黄仁勋。祝你和家人一切顺利。

Jason Zhang,Applied Digital联合创始人兼总裁

得知黄仁勋卸任,我感到惋惜。他很难被取代。三十年来,他打造了一家改变计算发展轨迹、并成为美国保持AI领先地位的重要力量的公司。即使英伟达不断壮大,他仍让公司保持灵活,始终以挑战者的姿态思考。他围绕英伟达建立的整个生态系统,也是公司如今如此重要的重要原因。

每次我们团队与黄仁勋及其团队会面,我都会惊讶于他对细节的熟悉程度。在Applied Digital发展的早期,英伟达通过投资给予我们支持。当时我们还在证明自己有能力大规模建设AI数据中心。这份信任对我们意义重大。

Tobi Lutke,Shopify CEO

没有人能取代黄仁勋这样的创始人。

过去从未有过,未来也不可能有真正的继任者,能够接替他这样的人。英伟达今天就此终结,取而代之的,是一个徒有英伟达外壳的东西。它将由一群守成者管理,试图守住他点燃的火种,却终究做不到。

04.

结语:没有人能效仿黄仁勋

这些与黄仁勋有交集的人们的发言,展现出黄仁勋在工作中多面的个人魅力。

他不仅是英伟达的最高领导者,还是英伟达的文化塑造者、技术推动者、人才支持者和关键时刻愿意出手的友好伙伴。

大家对他的怀念与不舍,来自他的公众成就,也来自许多具体而私人的经历:一封迅速回复的邮件、一夜之间解决问题、一张经济舱机票、一次项目支持,或一段直接的鼓励。

至少截至现在,英伟达之所以成为英伟达,绝大部分归功于黄仁勋。

失去灵魂人物的英伟达,还能延续以前的传奇吗?它会继续保持黄仁勋赋予的文化、使命感和行动力,还是会转而成为一家平凡的公司?

人们等待着黄仁勋的发声,也期待看到这位传奇人物在跌倒后重新站起来,踏出新的一步。

无论是重返英伟达,还是一个彻底的新开始。

图片

跳转微信打开

88比12!在攻克癌症这件事上,垂类AI比国际主流通用大模型和人类医生都在行?

2026年11月13日 18:00

原创 王涵 2026-11-13 18:00 北京

“GPT-8攻克癌症”还没实现,这个国产医疗AI已经走在前面。

作者 |  王涵

编辑 |  漠影

攻克癌症一直是全球医学界最重大的命题之一,现在这一目标也被AI盯上了。

近期,生物医药公司Generate Biomedicines借助Claude Code重新设计CAR-T疗法中的细胞内信号结构域,尝试在缩短组件长度的同时提升免疫细胞活性。实验中,一项AI参与生成的设计将信号结构域缩短约70%,使细胞表面受体数量增加约10倍,并展现出更强的肿瘤细胞杀伤能力。

随着通用大模型的不断发展,其正逐渐从整理医学知识、辅助科研,走向疾病研究和临床诊疗。

但在医疗领域,面对真实复杂病例,医生需要综合患者的身体状况、既往治疗和最新医学证据,在多种可能的方案中做出判断。

这也是医疗AI真正面临的考验。

近日,未来医生与国内顶级三甲医院胸外科开展了一项复杂肺癌病例实验。未来医生医疗大模型MedGPT(以下简称:未来医生MedGPT)以88比12战胜了250名三甲医生。同时,未来医生MedGPT超越了业界顶尖的大模型如GPT、Claude、Gemini等。医生使用未来医生MedGPT辅助后,病例方案得分提升24.1%。

这项实验结果,也引发了包括中华医学会主委级专家、美国顶尖肿瘤医学专家在内的近10位一线临床权威的关注:

世界知名乳腺癌专家、美国宾夕法尼亚大学医学院医学博士、希望之城(City of Hope)乳腺肿瘤内科主任、美国临床肿瘤学会教育委员会前编委——Hope S. Rugo博士公开点赞未来医生:

“This research represents a truly remarkable advancement in oncology. I would be very interested in exploring potential opportunities for collaboration.(这项研究代表了肿瘤学领域一项真正非凡的进展。我非常希望探讨潜在的合作机会。)”

中国医学科学院肿瘤医院胸外科食管病区主任、中华医学会胸心血管外科学分会食管疾病学组长李印教授的反馈也十分积极:未来医生MedGPT正是我们一线临床医生迫切需要的医疗AI。

未来医生MedGPT俨然已经成为医疗圈公认的医疗AI代表。

真实临床决策场景中,医疗垂类AI与通用模型能力差在哪?垂类AGI与通用AGI,谁会率先抵达?答案或许正在这场实验中浮现。

01.

通用大模型会答题

但对于复杂病例诊疗还不够

通用大模型拥有广泛的知识覆盖和较强的通用推理能力,能够帮助医生获取信息、整理病历、理解医学文献,甚至提出诊疗思路。

但临床决策需要更进一步。

以被称为“头号癌症杀手”的肺癌为例,其诊疗涉及胸外科、呼吸科、肿瘤科等多个专业科室。因患者千人千面,共病、身体条件限制、既往治疗史等因素的影响,所对应的诊疗手段也复杂多变。部分病例还会存在指南推荐不明确、研究证据不足或多因素相互冲突的情况。

如果只是从医学知识库中找到相关信息,再生成一段逻辑连贯的回答,仍然无法解决复杂病例的核心问题。真正的临床决策,需要把证据、患者状态、治疗路径和风险判断放在同一个框架中,逐一比较、反复验证。

这就对AI提出了新要求。

针对这些需求,未来医生MedGPT尝试将医学证据直接融入诊疗推理。其EvidenceOS将医学文献拆解为结构化临床证据单元(CEU),肺癌证据库已收录1.3余万篇文献、20余万条CEU及43余万条证据关系,其中98.3%的证据单元发表于2024—2026年。

在此基础上,未来医生MedGPT引入多专科智能体,分别提出诊疗意见,并同时生成基于指南和共识的标准路径,以及结合前沿研究的探索路径。

不同方案还需经过虚拟患者推演和五维对抗审查,从安全性、证据质量、风险及执行条件等方面进行比较、修正或淘汰,最终形成包含诊疗依据、备选方案和后续验证任务的完整建议。

02.

未来医生MedGPT胜过通用模型

也赢过无辅助医生

当通用模型与医疗垂类模型面对同一批复杂病例、同一套临床评价标准,二者的差异究竟有多大?

未来医生联合国内顶级三甲医院开展的此次实验,围绕40例真实、未公开的复杂肺癌病例展开。这些病例没有统一诊疗答案,涉及指南推荐不明确、合并症、多因素决策等情况。

250名参与医生全部来自三甲医院,覆盖27个省份,涉及胸外科、呼吸科、肿瘤科等多个专业。其中,主任医师和副主任医师159人,占比63.6%。20位来自6个科室的资深专家在查看答案之前,针对40例病例制定了240条评价规则,其中40条为安全红线。

参与医生分别在无辅助、检索辅助和未来医生MedGPT辅助三种条件下各完成3个病例方案,最终形成2250份最终方案。未来医生MedGPT则独立完成全部40例病例。所有方案经过盲法评审,由3个AI裁判独立评分。

在模型横向对比测试中,未来医生MedGPT综合评分96.22,全面领先GPT-5.4 Direct、Claude Opus 4.7 Direct和Gemini 3.1 Pro Direct。

其差异主要体现在临床任务的组织方式上。

通用模型具备广泛的知识覆盖和较强的通用推理能力,但并非围绕临床诊疗决策构建。医疗垂类模型则将医学指南、权威文献、临床规则和专家经验纳入专门的知识与审核体系,更系统地组织证据、识别风险并比较治疗路径。

在人机比较维度,在与医生无辅助条件下提交的750份诊疗方案的比较中,未来医生MedGPT有660次获得更高评分,对250名参与医生的胜率达到88:12。

如果说AI独立完成病例方案的成绩展示了其能力上限,那么人机协作的结果,则更直接地回答了AI能否帮助医生。

实验中,医生无辅助条件下的平均得分为53.40,检索辅助后为61.05,使用未来医生MedGPT辅助后提升至66.27,相比无辅助状态提高24.1%。

这一结果说明,AI的价值并不局限于独立完成任务。从医疗实践来看,人机协同、AI增强医生,可能比单纯讨论AI是否能够替代医生更有意义。

本次实验PI、知名胸外科专家梁教授接受采访时曾说:“未来可能不是AI淘汰医生,而是AI淘汰不会使用AI的医生。”

患者和家属也已经开始使用豆包、阿福等工具获取医疗信息。医生需要能够专业地判断这些信息的可靠性与适用性,并对患者提出的问题作出解释。

AI可以提供信息、辅助推理,但最终诊疗判断依旧需要医生结合患者实际情况作出。

03.

未来医生的目标:

继绝学,开太平

未来医生脱胎于2014年成立的医联集团,是一家聚焦严肃诊疗领域的AI医疗科技公司。

未来医生创始人王仕锐率先提出医疗AGI概念,认为医疗AI的长期目标不仅是复制顶级医生的诊疗能力,还要进一步推动医学知识本身的更新与进化。

可以围绕两个理念展开:

“继绝学”:将顶尖医生的诊疗能力规模化复制。

在传统医疗体系中,高水平医生的时间和精力有限,复杂病例往往需要多学科专家共同参与。AI有机会将专家知识、医学证据和临床经验组织起来,让更多医生在面对复杂病情时获得支持,进而让更多患者获得高水平医疗服务。

“开太平”:推动医学知识本身的更新与进化。

医学指南和临床共识建立在已有研究证据之上,但医学进步也需要不断提出新问题、验证新假设。未来医生希望通过AI组织医学证据、比较不同治疗路径,并从真实临床反馈中发现值得进一步研究的问题。

从这一角度看,医疗AGI不仅是将顶级医生的能力复制给更多人,也可能推动医学知识更新。

围绕医疗AGI的目标,未来医生也在探索不同的实际落地场景。

专家二诊与多学科会诊(MDT):AI完成病例整理、证据匹配和路径比较,由真人专家完成最终诊疗决策,帮助专家将更多精力放在关键临床判断上。

连续专病管理:AI辅助信息整理和风险识别,帮助医生动态复盘患者病情与治疗执行情况,让诊疗过程围绕患者持续展开。

医保与商业保险服务:探索诊疗路径优化、医疗质量提升与医疗资源合理配置,通过医学证据、诊疗方案和实际执行情况的分析,辅助识别不合理的诊疗路径。

这些场景的共同点,就是将AI从单纯的信息问答工具逐渐带入真实医疗流程。

04.

结语:医疗AI的竞争

正在从模型能力走向系统能力

OpenAI的联合创始人兼CEO Sam Altman曾在其个人博客《Abundant Intelligence》中提出了一个非常直接的设想:

“Maybe with 10 gigawatts of compute, AI can figure out how to cure cancer.”翻译过来就是“也许拥有10吉瓦算力,AI就能够找到治愈癌症的方法。”

这句话符合Scaling Law,更大规模的算力投入、更强的模型能力,可能为癌症研究带来新的突破。对于拥有庞大算力资源和基础模型研发能力的AI大厂而言,这无疑是重要优势。

但在复杂临床诊疗中,医学证据如何组织、不同治疗路径如何比较、潜在风险如何识别,以及诊疗建议如何适应患者的具体情况,都需要一套更贴近医疗场景的系统支撑。

未来医生MedGPT在此次复杂肺癌病例实验中,将医学证据组织起来,让不同诊疗路径接受比较和审查,并在发现错误或获得新信息后持续修正。

通用大模型的优势在于底层模型与算力,医疗垂类AI则需要在医学证据、临床规则和诊疗流程的系统协同中建立自己的优势。

模型能否给出一个好答案固然重要,但在真实医疗流程中形成闭环,才更接近医疗AGI。

图片

跳转微信打开

为Agent全生命周期量身定制!海光掏出全家桶方案,打通Agent落地每一层

2026年11月13日 18:00

原创 程茜 2026-11-13 18:00 北京

Agentic时代算力底座的关键指标:国产底座、模块化节点、本地部署。

作者 |  程茜

编辑 |  漠影

一场由智能体驱动的应用变革,正在撬动AI底层算力体系重塑。

今年9月,IDC发布的《2026年中国人工智能计算力发展评估报告》给出一组关键预判:全球AI算力需求满足率自2024年79%持续下行,2027年跌至71%的谷底,直至2030年才回升至77%。

有一个简单逻辑可以概括算力消耗的变化:Token消耗量≈多智能体协同×单智能体资源消耗×单任务执行次数。智能体的持续运行模式,正在持续放大AI基础硬件的负载压力。

▲2026年中国人工智能计算力发展评估报告(图源:IDC)

这催生了AI应用和底层算力之间新的矛盾:智能体需要长周期推理、反复多轮规划、高频工具调用、多任务动态调度,这套运行特征对AI基础设施提出了一套全新、非标准化要求,不再只追求FP16峰值算力,而是对时延、吞吐、访存、任务调度、稳定性提出新约束。

那一套什么样的基础设施,才能成为Agentic(智能体原生)时代的最优解呢?

智能体长流程、多轮调用、频繁读写数据的特性,印证了一个早期的行业共识,AI竞赛已不是单芯片算力的比拼,GPU集群之外,CPU节点、存储节点的价值正在被重新定义。

在这样的背景下,我们将开启一个系列专题,顺着智能体思考、编排、推理、记忆、执行的完整链路,去探讨异构算力分工、安全隔离、分层存储、交付形态、全栈可控等底层命题,回答智能体规模化落地对AI基础设施提出的新考题。

01.

拆解智能体工作闭环

性能天花板藏在五大环节里

智能体已经深入我们生活、工作的方方面面。

像当下爆火的个人AI助手,丢任务就能自动拆解、调用工具生成完整报告或PPT;编程智能体接收到自然语言描述的需求,分分钟就能帮你开发应用;视频智能体凭借几句话指令,就能帮你完成脚本策划、画面生成与成片剪辑……

相比于百模大战阶段,智能体的竞争不仅限于模型,而是要延伸到整套体系能力的比拼,基础设施需要分别适配不同负载。

模型层是智能体的大脑,负责感知信息、推理判断、拆解规划,并思考如何调用工具;Harness执行层承接模型输出的指令,完成任务编排、记忆管理与工具调度;知识库是智能体的信息养料,通过读取企业私有数据、文档与业务资料,为模型输出提供可靠事实支撑;工具层是智能体执行动作的手脚,既可以调用已有系统能力,也能按需生成新工具;沙箱则作为安全隔离层,把智能体和真实业务系统隔离开。

在这套架构之上,智能体运行会形成接收多模态输入、思考推理、任务编排、工具调用、记忆检索的闭环,并循环推进。

这也使得底层基础设施的负载特征面临三大显著变化。

首先,负载不再是一次性生成即结束,其任务是长链路、多轮次的,会伴随大量状态读写,对算力、存储的持续性占用模式和传统大模型推理请求完全不同。

其次,任务调度具备不确定性,执行分支会动态衍生,难以提前预判流程。这就要求基础设施具备弹性调度能力,能够应对意料之外的工具调用、分支跳转。

第三就是对基础设施的可靠性要求更高,智能体任务往往要连续执行数十步,一旦中间任意环节出现推理异常、调用超时、资源中断,会导致整条业务链路失效,重试成本、业务损失更高。

由此可见,智能体的能力上限,不再只由模型算法、峰值算力决定,底层基础设施架构能不能适配新负载成为隐性天花板。

02.

智能体热潮之下的隐性瓶颈

亟需分层解耦算力

那当下的AI基础设施,能完全适配这一波智能体热潮吗?答案是否定的。

现有基础设施大多是为百模大战时期的单次生成场景设计的,对智能体这种间断、随机、高访存的长任务,资源利用率较低,对于随时变化的任务分支,预先规划好的算力池很容易出现局部算力拥堵或是资源闲置。

再者,现有体系的容错机制较为单薄,当智能体跑了几十步之后出现故障,容易拉高时延与算力浪费,在企业业务场景里还会带来业务风险。

在智能体应用层出不穷的当下,催生了应用方与底层基础设施厂商深度协同的刚需:基础设施厂商不再只简单交付芯片、服务器这类硬件,其既要向下打磨硬件底座,也要向上深度适配智能体完整工作流。

智能体整条链路里,不同阶段对硬件资源的诉求完全不一样,这就需要按任务特征做差异化的资源匹配。

例如推理、多模态生成环节,对显存容量与带宽要求极高;DAG任务编排、循环自检、沙箱内工具调用,包含大量分支判断、状态持久化、外部接口IO交互,更看重CPU并发能力与内存;向量检索、知识库查询、长上下文KV缓存路由属于高吞吐随机检索负载,更适合存储优化型节点。

算力分层解耦后就不需要为统一架构妥协,避免出现高价显卡空转、检索环节资源拥堵的错配问题,让整个智能体链路持续、低成本、稳定地跑完从目标输入到结果交付的完整闭环。

03.

海光掏出Agentic时代最新布局:

国产底座、模块化节点、私有化部署

伴随上面智能体对算力提出的新需求,落脚到底层基础设施企业的视角,它们的角色正发生变化,从单一的算力硬件供应商转向全栈协同伙伴。

此前是大模型提供商去适配现成算力,未来或演变为基础设施底座跟着上层智能体负载迭代,双向迭代。

对绝大多数算力厂商而言,同时补齐CPU高并发、DCU推理加速、分层存储、安全沙箱并不容易,但这条能力曲线,恰好是海光过去数年持续深耕的主线。

我们从即将发布的基于海光路线的系列整机产品,可以洞察到海光服务器在智能体时代的新思考:联动产业链上下游伙伴,打造适配Agentic时代的完整产品组合。

这套思路可以归纳为面向智能体落地的两条产品路径:一条面向云端与大型数据中心,主打模块化节点组合的数据中心产品方案。整套方案包含智能体编排沙箱节点、LLM推理节点、向量库及记忆节点三类专用节点,各司其职、协同调度,支持业务按需弹性扩缩,适配大规模智能体集群运营。

其中智能体编排沙箱节点以CPU为核心,单节点可承载上千个智能体并发运行,支持CSV文件处理,提供隔离可靠的沙箱执行环境;配备16路内存通道、支持2DPC,能保障智能体高频状态读写、本地记忆存取的性能需求。

LLM推理节点可适配OAM模组、高密度多卡集群、超节点等多种形态负载,释放更高GPU算力与Token吞吐,兼容主流GPU硬件与大模型。

向量库及记忆节点采用热温冷分布式存储架构,覆盖全闪、混闪、大容量归档存储分层,为AI原生场景设计。

云端集群解决的是海量智能体并发、弹性调度的规模化难题,但大量政企、金融、制造场景,还有强合规、数据不出园的刚性约束,这就催生第二条交付形态,面向企业私有化场景的AgentServer Flex智能体算力矩阵。

其单套配置由3–9台编排/LLM/存储节点组成,支持按需组合、弹性扩展,可快速对接软件伙伴链条,支持终端客户快速上线交付。

这样的私有化方案能保障数据本地留存、不出园区,兼顾安全合规诉求,同时压缩企业部署周期、降低集成与运维成本。

这整套方案还有一层关键底座保障,其依托国产CPU+国产DCU搭建,对齐主流x86性能基准,从而实现从芯片到整机柜的全链路自主可控、交付确定性。

智能体浪潮真正的底层变化,是算力需求从单一模型推理扩展成一套包含调度、思考、记忆的复合负载。过去一套通用算力集群包打一切的模式,很难兼顾推理吞吐、IO并发、记忆检索等完全不同的负载。海光这套分工清晰的数据中心产品组合,回应的正是对智能体全链路的差异化诉求。

04.

结语:从对话到自主执行智能体

正重新定义AI基础设施

智能体浪潮带来的变革,远不止一个个自动执行的AI助手,它正在重塑整条AI产业链上下游的合作关系。当AI应用侧的需求规模化,上层创新与底层基础设施的深度协同,就不再是加分项,而是必选项。

在这一行业背景下,我们将开启系列专题,以海光这套面向Agentic时代的全新产品组合为观察样本,一步步拆解当AI从对话生成走向自主执行,下一代基础设施到底需要具备哪些核心要素。

图片

跳转微信打开

刚刚!英伟达CEO黄仁勋辞职,一个时代结束

2026年11月12日 22:56

ZeR0 2026-11-12 22:56 北京

智东西11月12日报道,刚刚,英伟达董事会宣布,黄仁勋已辞去总裁、CEO和董事会成员职务,立即生效。

根据公告,英伟达现任执行副总裁兼CFO科莱特·克雷斯(Colette Kress)已同意担任临时CEO。

在任命正式继任者之前,克雷斯将继续担任执行副总裁兼CFO。

英伟达董事会已启动正式CEO的遴选工作,并将考虑内部和外部候选人。

自2013年9月加入英伟达以来,克雷斯一直担任执行副总裁兼CFO。加入英伟达之前,克雷斯曾在思科和微软等领先的科技公司担任财务职务近25年。

同时,英伟达董事会任命哈维·C·琼斯(Harvey C. Jones)为首任董事会主席。琼斯拥有超过30年的企业家、科技高管和活跃风险投资者的经验,曾担任EDA巨头新思科技的CEO和执行董事长。

跳转微信打开

千亿美元AI云市场,算力军备竞赛之后拼什么?

2026年11月12日 18:02

原创 三北 2026-11-12 18:02 浙江

算力规模之外,调度与交付能力正在成为新门槛。

作者 |  三北

编辑 |  漠影

近日,一位智算云企业的工作人员告诉智东西,最近半年,客户的需求点发生了显著变化:过去他们问“一张卡多少钱、能租多久”,现在问题变成了“一百万Token花多少钱、任务能不能稳定跑完”。

问题的变化,折射出AI基础设施的一次重要升级。

全球AI云市场仍在高速扩张。知名行研机构Gartner预计,到2030年AI云市场将达到2670亿美元(约合人民币1.78万亿元),其中新云(NeoCloud)厂商有望拿下其中20%的份额,后者也是一个3500亿元人民币级别的市场。

但另一面,算力资源利用效率仍然是产业迫切需要解决的问题。知名行研机构IDC与中国信通院今年4月面向250家企业的调研显示,近半数受访企业智算资源利用率在51%至70%之间,制造、政务等行业中,利用率超过70%的企业占比不足35%。

算力产业的下一道题已经显现:如何让已经建设起来的算力资源,被更充分、更灵活、更稳定地使用?

过去两年,新云通过GPU采购、集群建设和算力租赁,完成了商业模式的初步验证。如今,随着算力架构、AI负载和客户需求同时变化,行业的竞争标准也在发生迁移。

AI新云的下一阶段,开始从比拼算力规模,转向比拼算力的组织调度能力。

01.

从GPU租赁到智能交付

新云为什么必须升级?

回顾NeoCloud的第一阶段,核心任务是解决算力供给缺口。

以GPU采购、集群建设和算力租赁为核心,解决AI产业早期的算力供给缺口。资源规模、硬件性能和集群交付速度是主要竞争指标;这相当于谁能拿到卡、建集群,谁就有话语权。

但AI产业并没有停留在训练阶段,需求侧正在改变游戏规则。

随着模型进入应用阶段,推理逐渐成为持续性负载。尤其是Agent开始执行多步骤任务后,一次用户请求可能触发多轮模型推理、工具调用、代码执行和数据读取,任务持续时间也可能从几秒延伸到数小时甚至数天。

这对底层基础设施提出了新的要求。谷歌在2026年7月发布的一项调查显示,在接受调查的1400多名企业IT高管中,83%认为生产级Agentic AI正迫切需要升级基础设施。物理AI也进一步拓宽算力需求的边界,微软研究院9月关于物理AI的研究则表明,部分推理任务可以从机器人本体卸载到边缘或云端GPU,云边端协同成为重要新课题。

政策侧也在推动算力组织方式变化。今年2月,我国工信部推进“1+M+N”国家算力互联互通节点体系建设,推动不同区域、不同主体、不同架构的算力资源标准化互联和高效流动,并全面开展算力态势感知自动化监测。算力从分散建设走向统一监测、互联调度,资源越来越像一张需要被调度的网络。

横向看全球新云,升级动作同样明显。美国头部新云厂商CoreWeave已将推理拆分为按Token计费的Serverless Inference、按GPU小时计费的Dedicated Inference和自管Kubernetes推理三种路径;欧洲新云厂商Nebius则通过Token Factory提供企业级托管推理,并将其与Nebius AI Cloud的裸金属算力和serverless能力串联,形成从算力到推理服务的递进层级;另一家美国新云厂商Crusoe也将业务延伸至托管推理、模型微调和集群自动化管理等服务。

一位产业链人士告诉智东西,新云上半场拼的是资源获取能力,下半场拼的是资源组织能力。

客户需要的已经不只是GPU卡时,转而变为持续、稳定、经济地获得智能产出。新云也由此从算力资源出租方,逐渐转向算力组织者和智能交付者。

围绕算力资源的组织、调度与交付,一场关于“可控算力”的竞争正在展开。

02.

什么叫“可控算力”?

门槛从资产规模改写为三层能力

所谓可控算力,核心是让算力资源从“可获得”,进一步走向“可组织、可调度、可计量、可交付”。

而可控算力与拥有算力的本质区别是什么?可以拆成三层能力:技术层的定制、调度和计量,商业层的资源控制与稳定供应,以及产业层面向客户交付算力服务。

1、技术层:算力可控,先过调度和计量两道关

第一层是技术控制力,核心在于异构调度和统一计量。

中国信通院《智能算力服务研究报告(2026年)》提出,智能算力服务体系可以分为资源层、互联互通层和应用层,分别承担资源汇聚与池化、跨域连接与统一调度,以及场景适配与服务交付等功能。换句话说,算力要真正成为可调用的服务,需要经过资源汇聚、池化管理、任务调度和持续运营等环节。

NVIDIA与Nebius在今年2月的联合测试提供了直观案例:通过GPU切分(如MIG)或时间分片,半卡资源可达到整卡77%的吞吐量,可承载整卡86%的并发用户数;混合部署多种模型时,总承载量接近单一模型部署的3倍。折算下来,单位资源的吞吐效率提升约54%。这说明,同样一批算力资源,通过不同的切分颗粒度、显存分配和调度策略,可以形成不同的有效算力。

统一计量则是另一项基础能力。不同芯片的理论峰值、实际性能和适用任务存在差异,需要统一的衡量标准。行业正在探索以DCU,即“一度算力”,作为算力投入侧的计量单位。

以国内智算新云厂商九章云极公开披露的DCU(一度算力)为例,其定义为312 TFLOPS的FP16算力持续运行1小时,记为1度算力;不同芯片的算力投入,由此可以尝试折算到统一尺度。九章云极的增长情况也构成了一个观察样本。据其公开招股书披露,其可控智算规模已超29000PFLOPS,算力资源利用率从2025年度的56.0%提升至2026年上半年的79.6%,在504卡集群连续30天满载运行下,MFU(模型算力利用率)达到54.1%,日间波动率1.60%。

这些数据可以让我们从一个侧面观察软件调度、资源管理与算力利用效率之间的关系,但并不意味着单一指标就能完整代表平台的综合能力。

2、商业层:可控算力不必以所有权为前提,运营兑现资本效率

第二层是商业控制力,核心在于资源供应的稳定性和资本效率。

算力运营是一门重资产属性明显的生意。GPU采购、数据中心建设和设备更新都需要大量资金投入,而芯片迭代速度较快,设备折旧也会影响长期经营成本。

因此,新云厂商需要回答下面问题:是否必须持有全部底层算力资产,才能保证向客户持续交付?

一种巧妙的思路是不拥有所有算力资产,但通过长期协议控制算力资源的可用性。九章云极公开招股书披露,其通过订立3至8年固定期限、且无延期及终止选择权的租赁合约获取AIDC及底层算力底座。这种模式把资本效率和资源调度能力放在同等位置,新云更像算力组织者,更注重保障资源可用性、调度权和服务连续性。

当然,长期协议也意味着相应的履约责任和需求匹配压力。资源锁定期限、客户合同期限、价格机制和实际利用率,需要共同纳入经营管理。只有当资源供应与客户需求相匹配,长期协议才能转化为稳定的服务能力。

3、产业层:从卡时交易到智能交付,服务边界重写

第三层是产业控制力,核心在于交付什么。

传统算力租赁通常以GPU数量和使用时长作为交易单位,客户获得的是一段计算资源的使用权。随着推理服务和Agent应用发展,客户越来越关心最终任务完成成本、Token产出效率和服务稳定性。

这要求新云厂商把服务边界从硬件资源延伸到模型部署、推理优化、任务调度和运行保障。计费方式也可能从卡时逐步延伸到Token或具体任务产出。

需要强调的是,Token数量本身并不能完全代表智能服务的价值。模型能力、任务复杂度、响应时延、准确性和服务可靠性,都会影响客户最终获得的结果。因此,未来的智能交付需要建立更完整的投入产出评价体系。

从资源到产出,技术、商业和产业三层能力彼此关联。只有资源的供给方,更多依靠资源差价获得收益;具备部分调度能力的服务商,可以提升资源配置效率;而能够实现资源定制、异构调度、统一计量、长期供应保障和持续优化交付的运营者,才真正具备可控算力的完整能力。

新云的核心竞争力,正在从资产规模延伸到调度、组织与交付能力。

03.

客群与负载双迁移

可控算力正重塑新云

算力服务的升级,也在反过来改变新云面对的客户群体。

早期,少数大型互联网企业和模型厂商是智算资源的重要需求方;当下,大量AI原生企业、模型厂商和Agent团队不断涌现,它们更关注算力的灵活性、可迁移性、成本和实际产出。能够提供上述“可控算力”服务的新云厂商,正在承接这一波新增的市场需求。从九章云极的公开招股书也能看出趋势变化,其智算云客户从2024年度的2家增长至2026年上半年的84家。这组数据可以作为AI原生算力需求增长的一个观察样本,说明这类需求正在真实放量。

对于新云来说,客户结构的变化意味着服务方式需要更加精细。不同规模的企业可能使用不同的模型、芯片和推理框架,任务类型也会随产品迭代持续变化。平台需要根据客户需求配置资源,并通过调度和优化降低单位任务成本。

不仅客户在变化,负载也在变化。

从训练到推理,再到Agent和物理AI,每一次负载迁移,都在拓宽新云的服务边界。

训练阶段,核心考验是大规模集群的计算性能、网络通信和长时间运行稳定性。模型进入推理阶段后,竞争重点逐渐转向时延、吞吐量、并发能力和单位Token成本。Agent进一步增加了任务状态管理、资源弹性分配和长时间运行保障等要求。到了物理AI阶段,云端、边缘和机器人本体之间的协同计算,又将时延、任务优先级和跨节点调度推到台前。

CoreWeave为Agentic AI升级计算、存储和网络,特别强调多步骤Agent工作流对数据访问时延的敏感性。可以看到,每一次负载跃迁,都在对“可控算力”提出更高要求。

回到产业本身,可控算力要把资源感知、异构纳管、动态调度、效率优化和服务交付串联起来,形成完整运营闭环。先看得见算力,才能管得住算力;管得住算力,才能调得动算力;调得动算力,才能优化算力;最终才有能力把算力转化为稳定、可持续的AI服务。

04.

结语:把算力变成可持续的智能产能

AI新云进入新周期

AI基础设施的竞争,正在从争夺稀缺资源走向提升资源组织效率。新云的升级方向,则从资源供给走向智能交付,从拥有算力走向可控算力,从短期供给走向长尾运营。

可以预测,未来真正有竞争力的新云,不只是拥有更多算力的厂商,更是能够把分散、异构、动态变化的算力资源,组织成稳定、高效、可持续AI服务的厂商。

算力军备竞赛之后,下一道门槛已经出现。把算力变成可持续的智能产能,或许才是新云进入新周期的入场券。

跳转微信打开

20万台年产能!北京发具身智能十九条,新增50000P专项算力

2026年11月12日 18:02

李水青 2026-11-12 18:02 浙江

北京将制定专项政策,并支持紧缺人才进京落户。

▲图片由AI生成

北京将制定专项政策,并支持紧缺人才进京落户。

作者 |  李水青

编辑 |  心缘

智东西11月12日消息,11月11日,北京市经济和信息化局发布《北京市具身智能机器人产业高质量发展行动方案(2026-2028年)》(以下简称《行动方案》)。

▲《行动方案》发布公告

《行动方案》提出,到2028年,北京力争要培育不少于5家国际一流、10家国内领先的人形机器人整机企业;京津冀区域整机产能占全国25%,关键零部件配套率超过60%;并提出构建安全治理体系等目标,冲刺国际一流水平。

《行动方案》将重点实施具身智能跃升、京津冀产业链协进、技术创新策源、规模应用推广、产业生态引领、安全治理先行六大工程,覆盖“新增超50000PFlops具身智能专用算力集群”、“在不少于100个真实场景中采集超100万小时高质量数据”、“适当超前布局,在京形成20万台/年的整机生产能力”等更具体目标。

此外,《行动方案》还提到,北京要制定专项支持政策,加大对关键技术攻关、创新产品研发、中试能力建设和典型场景应用等方面的资金支持力度;加强高层次人才及团队引进力度,对具身智能机器人领域急需紧缺人才在进京落户、子女教育、住房、就医等方面给予支持。

《行动方案》全文内容如下:

北京市将具身智能机器人产业作为高精尖产业的重要领域和未来产业的关键突破口,加快推动产业高质量发展,力争到2028年,培育不少于5家国际一流、10家国内领先的人形机器人整机企业,具身智能模型、机器人本体和关键技术均达到国际一流水平;京津冀区域整机产能占全国25%,关键零部件配套率超过60%;率先构建涵盖全生命周期、多部门协同参与、科学有效的安全治理体系,将本市建设成为国际一流的具身智能机器人技术策源地和产业创新高地。

01.

实施具身智能跃升工程

1.大幅提升具身智能基础模型能力。支持视觉语言动作模型(VLA)、世界模型(WM)、强化学习等多技术路线布局和技术融合发展,引领各主要路线技术创新。支持攻关多源信息融合、物理空间理解和人类情感识别等技术,推动实现从“感知”到“认知”的跃升,“大脑”认知达到理解物理规律约束、主动识别人类动作和表情等非语言指令水平;支持攻关实时推理、跨本体迁移和自学习进化等技术,大幅提升多任务泛化、高可靠执行、快节拍作业、超精密操作的“小脑”能力;支持攻关群体协作、长时记忆、本地化轻量部署和模型可解释性等技术,显著提升具身智能模型真实应用部署能力,具身智能基础模型整体达到国际一流水平。

2.提升高质量具身数据供给水平。支持引领无本体采集和“第一视角采集”等数据采集硬件和采集方案创新,加快降本增效。支持攻关高保真仿真数据生成、机器人自主探索数据采集、人类动作映射和多模态数据统一表征等技术,积极探索形成融合多源数据、覆盖模型训练和应用部署全流程的高质量数据供给范式。率先建成覆盖多元化真实场景的国家级具身智能机器人数据基础设施,在不少于100个真实场景中采集超过100万小时的高质量数据。

3.加大专用算力资源保障力度。新增建设总规模超过50000PFlops的具身智能专用算力集群,进一步加强高质量具身智能算力保障。推动具身智能重点企业与重点算力节点项目建设单位,以“结对子”方式形成算力供需协同。通过“银河算廊”工程与京外算力集聚城市开展算力协作,为具身智能企业对接国内优质算力资源。

4.构建具身智能权威评测体系。构建全球首个基于真实应用场景、提供多样化本体的具身智能模型测试场,建立和完善“用户单位出题、测试主体答题”的具身智能模型评测体系,依托专业机构和中央相关单位,建设和运营中立、权威的常态化评测和认证平台,持续迭代评测标准和指标体系。基于具身智能测试场,组织面向全球具身智能模型研发团队的实景任务挑战赛,打造全球知名的具身智能模型榜单。

02.

实施京津冀产业链协进工程

5.打造国际一流本体平台。组织整机与零部件企业协同创新,持续完善硬件架构、系统提升综合性能。力争整机额定负载达到自重的40%以上、平均无故障工作时间超过2000小时、核心运动部件和末端执行器年故障率低于10%、整机设计使用寿命超过5年、连续作业工况下电池续航4小时以上。打造3—5种满足多样化场景规模部署要求,系列化、模块化、可通过软件定义产品的国际一流整机平台。

6.加快形成关键零部件比较优势。聚焦高技术附加值关键零部件,支持攻关扭矩密度60牛米/千克的高效率、高可靠电机,额定寿命1.5万小时以上的高精度减速器,扭矩密度100牛米/千克、传动效率85%以上的高能效一体化关节模组,满量程线性误差不高于0.1%、动态响应优于5kHz的六维力传感器,力分辨率≤0.01牛、空间分辨率≤1毫米的触觉传感器,额定负载寿命100万次、指尖力控分辨率0.1牛、单只成本万元以内的高可靠、高自由度灵巧手,能量密度350瓦时/千克、循环寿命1500次的高安全性电池,交互响应延迟低于50毫秒、可复现200种以上表情的高拟人度仿生脸等关键零部件,总体达到国际一流水平。

7.扎实推进研发制造和应用协同创新。推动北京具身智能领域技术成果赋能京津冀工业机器人、服务机器人和特种机器人产品创新。支持代工生产和自建产线相结合、适当超前布局,在京形成20万台/年的整机生产能力。建设不少于5个具身智能机器人制造服务平台,形成覆盖软硬件功能、性能、可靠性、安全性、环境适应性等方面的中试验证服务能力。依托相关整机中试生产和验证能力,实现研发与制造协同的创新闭环,京津冀配套率超过60%,支撑本体产品快速迭代升级。积极导入智能网联汽车等跨行业供应链企业,支持在京津冀地区建设不少于10个具备结构件加工、表面处理及热处理、SMT贴片、线束制造等环节快速响应服务能力的共享加工平台,支撑零部件设计变更后的样品交付时间缩短至1-2天。鼓励北京具身智能机器人企业与津冀应用场景单位协同开展应用创新。围绕车机融合、机电融合,在京津冀区域内建设一批研发制造园区,推动产业集群式发展。

03.

实施技术创新策源工程

8.超前布局前沿技术。支持开展具身智能模型底层架构、基础算法,仿生结构与运动控制机理等具身智能和整机前沿技术研究。支持开展基于功能性纤维和“编材制造”工艺的编织电机、基于仿生机理的一体化关节和灵巧手、大面积触觉传感电子皮肤、超低功耗智算芯片等关键零部件前沿技术研究。

9.集中攻关关键核心技术。支持攻关供应存在“受制于人”风险的高端柔性触觉传感器、微型精密减速器、微型空心杯电机等核心零部件,以及基于RISC-V的系统级智算芯片、高动态负载N沟道MOSFET等关键芯片,推动关键芯片和核心零部件攻关“应布局尽布局”。支持整机单位适配应用相关零部件和芯片,推动相关自主可控产品“能适配尽适配”。支持攻关仿真与智能训练平台、仿真工具链、机器人操作系统及兼容ROS/ROS2的中间件、开发工具链和资源调度平台等基础软件,持续完善自主可控软件应用生态。

04.

实施规模应用推广工程

10.持续擦亮机器人“两会一赛”品牌。打造人形机器人赛训基地,依据应用场景实际需求不断优化运动会赛项设置,打造充分反映和代表我国人形机器人产业发展最高水平的人形机器人运动会和半程马拉松比赛。依托世界机器人大会等国际交流合作平台,支持与中国电子学会、世界机器人合作组织等密切协同,高规格组织国际人形机器人学术会议,打造机器人领域产业和学术交流全球高地。

11.深入推进实景实训突破标杆场景。率先探索建设垂直细分领域应用创新平台推动相关领域实景实训。在工业领域,聚焦先进制造、物流仓储等场景,重点突破人机协同、工具使用、精准操作等能力,逐步胜任搬运转送、检测分拣、接插装配、辅助加工等任务,形成不少于20个工业领域标杆应用场景。服务领域,聚焦为老服务、医疗健康、公共服务、文旅科教、商超零售等场景,重点突破任务规划、安全交互、柔性作业等能力,逐步胜任咨询导引、无人零售、安防巡检、看护辅助等任务,形成不少于20个服务领域标杆应用场景。特种领域,聚焦安全生产、应急救援、城市安防等场景,重点突破环境适应、安全处置等能力,逐步胜任巡检排查、安防值守、救援处置等任务,形成不少于10个特种领域的标杆应用场景。

12.加快形成解决方案推动规模应用。培育具身智能机器人解决方案供应商和应用创新平台,在生产作业、商业服务、家庭生活、为老服务等领域凝练形成不少于15个可规模推广的解决方案。创新构建包含任务执行效率、投入产出回报等多维度的综合评价体系,以及真实应用工况数据采集反馈机制,创新利用融资租赁、应用保险等金融保险工具;定期遴选发布具身智能机器人典型产品和场景典型案例,组织整机单位和解决方案供应商广泛对接央国企和高校等拥有潜在规模应用场景的企事业单位,加速解决方案推广应用和持续迭代升级。

13.探索建设区域集成应用场景。支持建设奥林匹克中心区机器人创新公园,打造涵盖餐饮制售、导览导购、文娱表演、清洁服务等机器人的主题餐厅、酒店、文旅景点等具备市场化运营能力、可规模推广的机器人集成应用场景。支持迭代拓展机器人大世界功能,将北京经济技术开发区建设成为全域真实场景应用具身智能机器人的集中示范区。

05.

实施产业生态引领工程

14.进一步壮大创新主体。建立具身智能机器人企业上市“一对一”服务机制,培育优势龙头企业。在整机、关键零部件、具身智能模型和数据采集等重点领域,培育不少于200家科技和创新型中小企业、高新技术企业、专精特新中小企业、专精特新“小巨人”企业、制造业单项冠军企业。充分发挥北京机器人产业协会等行业组织作用,加强行业自律,反对“内卷式”竞争,引导产业良性有序发展。

15.持续提升开源开放水平。进一步提升具身智能机器人本体、具身智能模型开源平台和开源数据集质量水平。打造具有全球影响力的具身智能机器人开源社区,探索建立具身智能机器人应用软件商店等新型服务平台。构建基于通用软硬件平台和开源数据集、针对垂类场景进行二次开发的新业态,形成国内领先的软硬件二次开发能力。推动在在京高校和科研院所建立100个机器人研究团队,支持相关团队与本市优势企业和创新平台合作,基于人形机器人开源软硬件平台产出高质量研究成果。

16.积极引领标准体系建设。支持全国机器人标准化技术委员会人形机器人分技术委员会(SAC/TC591/SC5)、人形机器人与具身智能标准化技术委员会(MIIT/TC8)、北京市机器人产业协会等组织机构开展工作。筹建机器人相关市级标委会,开展标准体系研究,围绕机器人领域举办标准供需对接活动。鼓励本市相关单位牵头和参与编写不少于8项国际标准、30项国家标准、70项行业标准和团体标准,国家标准参编率90%以上。积极推荐本市相关单位开展机器人相关国家标准化试点建设。

17.支持企业出海和参与全球交流合作。支持本市符合条件的具身智能机器人重点企业“出海”,鼓励国外具身智能机器人优势企业和机构设立研发中心和制造基地。依托世界机器人大会等国际交流合作平台,支持中国电子学会与联合国工业发展组织、世界机器人合作组织等密切协同,高规格组织国际具身智能机器人行业交流活动和学术会议,打造行业和学术领域国际交流合作高地。

06.

实施安全治理先行工程

18.提前布局安全技术创新。聚焦人机协同生产生活场景需求,率先布局开展硬件过载防护、能源与配电安全、主动应急制动等整机本质安全技术研究;决策安全审计溯源、恶意攻击防护、敏感隐私数据处置、人机交互伦理约束等具身智能模型安全技术研究;身份识别、电子围栏、数字孪生溯源等安全治理技术研究。

19.率先构建安全治理体系。建设具身智能机器人检测认证中心、具身智能质量检验检测中心等第三方机构,构建涵盖整机、零部件、模型、数据等方面的功能、性能、安全性、可靠性和智能化水平等全维度检测能力的测试认证平台。构建具身智能机器人“一机一码”全过程管理体系,率先形成覆盖研发、生产、报废、回收全周期的身份认证、可信溯源、行为审计等安全治理能力。

07.

保障措施

完善具身智能机器人产业推进工作机制,加强各部门、各区之间的统筹协调。制定专项支持政策,加大对关键技术攻关、创新产品研发、中试能力建设和典型场景应用等方面的资金支持力度。进一步发挥政府引导基金引领和带动作用,引导市场化资金支持产业发展。鼓励更多高校开设具身智能机器人相关专业,深化产教融合的人才培育模式,培养一批产业发展急需的数据采集、二次开发等专业人才以及精技术、懂产品的复合型人才。加强高层次人才及团队引进力度,对具身智能机器人领域急需紧缺人才在进京落户、子女教育、住房、就医等方面给予支持。

本方案自印发之日起实施,有效期至2028年12月31日。

图片

跳转微信打开

10秒直出4K图,能画CAD、拆机械,MiniMax这个开源图像模型有点东西

2026年11月11日 22:22

原创 陈骏达 2026-11-11 22:22 北京

国产开源图像模型,杀到第一梯队。

作者 |  陈骏达

编辑 |  漠影

智东西11月11日报道,昨天深夜,MiniMax正式发布新一代图像生成模型H3-Image,并同步开放模型权重。

根据不少网友的实测反馈,H3-Image的水准已经能和全球顶级的图像生成模型掰手腕,在开源图像模型中达到SOTA水平。速度方面,H3-Image高速版可以在10秒左右生成一张4096×4096像素(16MP)的高分辨率4K图像,耗时仅为市面主流模型水平的1/5。

除了生成速度和画面质量的提升,H3-Image这次值得关注的变化,还有模型对复杂指令和视觉信息的理解能力。该模型支持最多16张参考图融合,能够处理复杂指令和结构化信息,在开源模型中具备领先的指令遵循能力。

这些能力究竟有多少能够经得起实际测试?我们第一时间通过MiniMax海螺和MiniMax Code接入H3-Image,围绕视觉表现、复杂任务理解和多素材参考融合等方向,做了一轮高强度实测。

01.

从复古漫画到写实摄影

H3-Image视觉表现实测

视觉部分,我们一共设计了五组测试,分别考察真实质感、风格转换、游戏场景复刻、海报文字排版,以及16图参考融合能力。

H3-Image可以生成具备超真实摄影作品质感的画面。下方这几张图,如果不事先声明,相信大多数人会把这张图当成人文纪实的实拍作品:画面的光影质感真实,人物皮肤保留了自然的纹理和细微瑕疵,环境光也真实地作用在人物和周围物体上,整体没有常见AI图像中过度磨皮、锐化和高光堆叠带来的塑料感。

左右滑动查看更多生成结果

再来看这张“自然摄影”作品。自然摄影其实是AI图像生成中颇具挑战的一类。物体运动不符合物理规律、动物姿态失真、自然环境细节过度规整,都很容易暴露AI生成痕迹。

H3-Image生成的图片并没有刻意把每个元素都处理得十分清晰,光线、色彩和动态细节共同构成了完整的画面氛围,甚至带有一定的故事感。比较难得的是,海鸥掠过浪花的姿态、浪花的层次以及整体光影关系都比较协调,没有明显的结构错乱或AI渲染的痕迹,真实度拉满。

左右滑动查看更多生成结果

建筑图像的生成对AI来说也有难度,它要求线条横平竖直、毫无漂移,玻璃幕墙的反射要符合镜面成像的物理规律,不同的材质还需要呈现出符合真实情况的质感和反射特性。H3-Image在这几项难点上都做到了一流水平,尤其值得点出的是,画面中室内顶灯的透射与室外反射共存而互不矛盾,体现出模型对光影的理解力。

在体育场景,H3-Image生成的“运动员”在身体重心、发力姿态上都符合真实的运动力学,双臂为了保持平衡自然张开,大腿因为发力而紧绷,背景里黄色球衣的门将侧身飞扑、身体舒展,场地的草皮飞溅。在最考验物理与人体真实性的运动题材中,H3-Image的生成结果依然呈现出专业摄影的水准。

下一组测试,我们选用同一张橘猫照片,要求H3-Image分别将其转换为两种不同的艺术风格,包括毛毡定格动画、和超现实主义油画,考察模型的风格化能力。

这组测试还加入了一些具体的制作要求。比如,在毛毡风格中我们要求模型需要呈现纤维交织的质感,而不是简单地给增加一层模糊效果。可以看到,H3-Image将画面中的所有元素都做了风格转换,仔细看细节,连树叶上都有纤维毡化后的质感,对提示词的要求还原得十分到位。

超现实主义风格同样表现不错。我们只在提示词中提到了达利式风格,H3-Image便主动加入了融化的时钟等标志性元素。画面中,室内与荒漠、窗台与悬空阶梯形成了不符合现实空间逻辑的组合,既保留了原图中的橘猫主体,又通过场景重组营造出超现实的氛围。

如今,游戏已经成为生图模型重要的应用场景,我们也在这个场景里跑了几个实测。先来看看下方这张以《塞尔达传说:旷野之息》为灵感的开放世界游戏画面。模型还原了原作标志性的低多边形美术风格,整体光影与色彩也比较协调,呈现出接近真实游戏截图的视觉效果。

让H3-Image生成游戏UI的参考设计,它也能交出像样的答卷。我们以一款奇幻RPG游戏为假想需求,要求它生成包含血条、技能栏、背包格、小地图和任务追踪面板的完整HUD界面。可以看到,各功能模块的位置布局符合主流游戏UI的交互逻辑,设计风格统一,可以作为后续开发的有效参考。

我们还要求模型设计一把名为“蒸汽核心弩炮”的奇幻蒸汽朋克武器,整张图分成四个区域:正视图、侧视图、背视图以及局部细节。H3-Image的表现超出了预期,四个视图的武器轮廓基本对得上,局部细节图里铆钉和齿轮的刻画精细,作为概念设计阶段的参考图,这个完成度已经非常高了。

文字生成是图像模型一直以来比较容易出问题的环节,尤其是中文。字数一多,模型就容易出现笔画粘连、错字、漏字等情况。

在这个场景,我们先试了试难度相对较低的海报,要求模型生成题为「来喝咖啡」的海报,最终,所有文字均正确生成,还准确执行了我们提示词中“少即是多”的设计逻辑。

随后,我们把难度提高,画面中包含一个标题、六个编号步骤,以及约100个汉字,同时还涉及15g、92°C、30秒、2分30秒、1:15等数字和单位。H3-Image交付的结果超出了我们的预期,标题、六个步骤的文字,以及全部数字和单位均准确生成,文字清晰,图标与对应文字也没有出现错位。

对于需要同时处理大量中文文字和图形元素的场景来说,这样的表现已经完全可以进入商用环境,承担真实的设计生产任务了。

我们还测试了H3-Image的16图参考融合能力:一次性上传16张不同类型的素材,用来生成一张乐队巡演海报。其中既有人物参考、服装参考、发色和动作参考,也有材质图片、配色方案、字体样式、Logo位置示意图和排版线框。

最终生成的海报中,我们逐项核对了16项具体要求,H3-Image全部命中,无论是人物、服装、道具这些具体的视觉元素,还是背景场景、光效氛围,乃至抽象的版式骨架,都被准确地识别、拆解,并自然地重组进了同一张海报里。

这几个任务跑下来,可以感受到在视觉表现力的层面,H3-Image已经可以称得上是开源模型的顶流水平了。

02.

复杂任务实测:能拆机械、画CAD

还能解答逻辑题?

前面的测试主要考察H3-Image的视觉表现力,但一张好看的图片,并不意味着模型真正理解了图片背后的信息。如果把任务进一步复杂化,它还能否准确完成?

接下来,我们就来看看H3-Image在空间关系、逻辑推理等方面,能交出怎样的答卷。

在复杂任务场景的测试中,我们将H3-Image接入MiniMax Code这类Harness里使用,由推理能力更强的Agent完成任务的拆解与编排,H3-Image专注于最终的图像生成,这样的组合更能发挥它在知识理解和复杂多模态信息输入上的优势。

我们的第一项测试是机械爆炸图的生成。这类测试的难点在于模型需要完成从二维图像到三维空间的转换。MiniMax Code可以利用视觉模型定位画面中的错误,最终输出更为精准的修改指令。

在经过几次迭代后,H3-Image生成的爆炸图实现了不错效果,将一台吹风机产品的外壳与内部组件被拆分成多个独立层次,各部件沿装配方向展开,整体结构关系一目了然文字与零件的对应关系明显更加清晰了。

第二组测试,我们把难度进一步提高,直接给模型布置了一项完整的工业设计任务。这次提示词中同时包含了产品尺寸、外壳材质、显示屏大小、接口位置以及内部模块布局等多项要求。模型需要把这些要求转化为具体的产品形态。

这类任务有一个很容易暴露问题的地方:单独生成一张产品效果图并不难,但当模型需要同时输出多个视角时,就很容易出现尺寸对不上、接口位置发生变化,甚至不同视图中的产品结构不一致等问题。

H3-Image在下方的这张三视图里规避了大部分此类问题,仅仅是在显示屏的宽度上出了点纰漏,比例与实际情况出现了偏差。

为修复这一问题,MiniMax Code调用模型写了一个像素测量脚本,精准定位了需要修改的位置,最终交付出更为准确的结果。

最后,我们还测试了H3-Image把复杂信息转化为可视化内容的能力。我们发送了一道包含多项约束条件的逻辑推理题,模型需要先理解题目中的人物、位置和限制条件,最终以信息图的形式呈现出来。

可以看到,模型没有简单地把题目和答案放在一张图上,而是主动将内容拆分为条件说明、逐步排除和最终答案等多个区域,把整个推理过程串联起来,整张图的信息层级比较清晰。

03.

生成速度实现突破

MiniMax开源布局延伸至图像

从前面的实测可以看到,H3-Image展现出的能力已经不局限于生成一张好看的图片。从复刻复杂视觉风格、处理大量文字和参考素材,到理解机械结构、梳理空间关系,它正在尝试将图像生成从单纯的视觉创作,延伸到更复杂的信息处理和专业任务辅助。

与此同时,H3-Image还在提升高规格图像的生成效率。H3-Image可以在10s-20s的时间内生成一张4096×4096像素、约1600万像素的4K图像。而在我们的实测中,海螺官网上生成4张4K图片的等待时间,也仅仅为1分钟左右。相比之下,目前不少同类模型生成单张相近规格的图片仍需要数十秒,部分甚至接近一分钟。

分辨率决定了画面能够容纳多少细节,生成速度则影响这些能力能否融入日常工作流。对于产品展示、商业视觉和游戏素材等场景,设计人员往往需要反复调整构图、修改细节、比较不同方案。

H3-Image将高分辨率生成的等待时间压缩到十秒左右,也就意味着高规格AI视觉创作有机会从偶尔制作的精品素材,变成可以高频使用的生产工具。

技术能力之外,MiniMax持续开源的策略,也在为这些模型开辟更大的应用空间。

此前H3开源后,已经吸引不同方向的开发者参与生态建设,推动模型在内存优化、硬件适配和推理效率等方面持续改进。如今,H3-Image开放权重,同样为开发者围绕图像生成、编辑和多素材融合开发新工具提供了基础。

可以想见,未来H3-Image将陆续接入各类工作流工具,在agent环境下作为harness的基座图片模型使用,与其他图像、视频模型组合;也可以针对电商商品图、游戏美术、工业设计等场景进行定制。进一步结合图像理解、局部编辑和视频生成能力,开发者还有机会搭建覆盖素材分析、内容生成和后期修改的多模态创作流程。

但对模型厂商而言,如何将开发者和企业的使用需求转化为商业回报,同样是一个现实问题。

MiniMax此前围绕H3探索的路径,提供了一种思路:通过社区许可协议,MiniMax对于达到一定规模的商业使用,以及部分特定地区的使用者,保留了进一步授权的要求。

对大型企业来说,获得模型权重并不一定意味着所有需求都已解决,商业使用权限、定制开发、技术支持和部署适配,都可能成为进一步合作的理由。此前,英伟达、Pika、fal.ai等公司已经在H3视频生成模型上与MiniMax达成授权合作,说明MiniMax开源模型的商业价值还可以延伸至授权和技术合作。

从H3视频到H3-Image,MiniMax持续开放多模态模型权重,实际上是在尝试建立一套更长线的生态关系:开发者基于模型进行二次开发,研究团队优化模型的效率和适配能力,企业围绕具体业务需求开展定制与授权合作,而API和产品服务则承接更广泛的模型使用需求。

04.

结语:图像模型的“全科竞赛”开始了

在当前的AI领域,不同类型模型之间的能力分化依然明显:文本模型擅长逻辑推理、信息组织和复杂任务处理,但在视觉审美与艺术表现上仍有提升空间;视觉生成模型有着出色的画面质感和艺术表现力,但往往在内容准确性与视觉效果之间顾此失彼。

从这个角度看,H3-Image展现出的价值,在于尝试将逻辑理解与视觉生成结合起来,在我们的实测中,它确实完成了一些过去单一类型模型无法兼顾的任务。

当然,距离真正打通专业信息处理与高质量视觉创作,行业仍有不少技术难题需要解决。但可以确定的是,图像模型的竞争重点已经成为审美、理解、生成与执行能力的综合较量。而这一次,开源阵营没有缺席。

图片

跳转微信打开

实测千问4预览版:一键让厉娜原谅许飞

2026年11月11日 22:22

原创 三北 2026-11-11 22:22 北京

多模态Agent交付亮眼,连“画地为牢”梗都接住了。

作者 |  三北

编辑 |  心缘

智东西11月11日报道,今天,阿里宣布其新一代大模型Qwen4-Max预览版发布,首发千问AI平台Token Plan,用户可限时2折、新用户再享折上5折,最低1折即可抢先体验Qwen4模型。

不少开发者期待的Qwen4-27B没来,“大杯版”的Qwen4-Max预览版倒是能先让用户尝尝鲜。Qwen4-Max预览版今日同步上线千问办公、Qoder、千问APP、QwenStudio等平台,用户可第一时间体验。

Qwen4-Max预览版的参数细节和测评成绩还未公布。从公告来看,Qwen4模型拥有更强的世界知识和感知能力,并且在编程和Agentic(智能体操作)这两项关键能力上再升级,能更好地完成复杂编程、专业办公、前端设计、专业软件操作等真实任务。

据称,开发者提前内测的成果显示,Qwen4在3D建模、网页设计、交互等方面展现出亮眼表现。

智东西第一时间针对这些特点,在千问App的“千问Go!”中体验了Qwen4-Max预览版。

经过体验,我们发现Qwen4-Max预览版在多模态Agent交付能力表现上超出期待,指令理解和搜索执行大多比较精准,多模态内容生成质量明显提升,3D模拟和交互的精细度较高,生成速度适中。同时,当任务的模态和Agent操作复杂度提升到一定程度,Qwen4-Max预览版生成的内容在多模态一致性上出现问题,比如字幕与视频画面有出入,也存在一些与物理规律相悖的细节。

首先,我们照例让Qwen4-Max预览版生成一个鹈鹕骑自行车的动画演示,可以看到这个视频准确地刻画了鹈鹕、自行车以及两者的相对关系,脚踏和轮转都符合物理规律,但公路斑纹的相对运动方向出现问题;右侧控制台可以调节骑行速度、扇翅频率、镜头缩放等参数,能都灵敏操作。

我们接着实测一个典型编程场景,让Qwen4-Max预览版执行如下任务:构建一个自包含的HTML5 Canvas场景,包含真实物理演示:一列火车从断裂的桥梁上脱轨并坠入水中。

从下面生成的画面可以看到,火车落水的物理细节基本符合现实世界规律,每节车厢都有独立的碰撞体积,并且模拟出了碰撞和水流的声音;其配备了速度、重力加速度等参数调节项目,相比不少同级别模型,能够实现更精细的模拟与交互。

紧接着,联想到近期OpenAI的图像生成模型新增动图指出功能,我也让擅长“多模态”的Qwen4-Max预览版做了一张Gif动图:上传一张小松鼠玩偶照片,让模型生成“小松鼠高频率敲键盘,配字‘在写了在写了~’。”

大概在7分多钟后,Qwen4-Max预览版生成了下面动图。画面中准确抠取小松鼠的形象并进行了遮挡部分补全,实现了提示词所需动作和配文;动态流畅,画面清晰,图像尺寸为3M;值得一提的是,模型还保留了原图里的花朵元素融入动图,烘托氛围感。

近期《后会友期》综艺爆火,我上传了一张节目里悬崖小屋对谈的场景图,让Qwen4-Max预览版“基于这个场景生成Gif,让厉娜原谅许飞,并配上一段和解的对话”。

这道题门槛低,天花板很高,考验Qwen4-Max预览版能否快速搜索并理解节目故事背景和热梗,进而将获取的信息转化为多模态的输出。大约在14分钟之后,Qwen4-Max预览版生成了下面这段Gif。

可以看到,许飞哽咽倾诉、厉娜从沉默到眼眶泛红,最终含泪握手和解,Qwen4-Max预览版生成的视频动图自然流畅,甚至还原了两人的神态特色,尤其是许飞的真诚内敛。

更值得一提的是,Gif中的对话也和实际的故事背景贴合,Qwen4-Max预览版套用了“画地为牢”热梗,让厉娜用“我也困在原地,一直没走出来”来接梗,让许飞进一步说“对不起。往后,换我走向你”来回复,最后厉娜说“好。这次,我们一起下车”来完成和解。

不过动图也存在明显问题,字幕中应该由许飞说的对话其实是由厉娜说出来的,而且字幕切换时出现了微微的重叠现象。通过进一步对话修改,应该能优化效果,时间限制原因我们没有做更多延伸。

在海内外社交平台上,不少开发者也分享了自己的体验。一个名为“quanxb”的开发者让Fable 5.2和Qwen4-Max预览版执行同一个任务,认为Fable 5.2略胜一筹。主要问题在于Qwen4-Max预览版在光源处理上略显不足。同时后者Thunder Thinking耗时12分钟,速度为53 tokens/s,仍有很大的改进空间。

▲社交平台X上的开发者评论

整体来看,Qwen4-Max预览版在多模态生成、复杂编程和Agent任务执行上已经展现出不少新亮点,但生成速度、多模态一致性和细节处理仍有提升空间。

随着预览版开放,开发者也开始在X等社交平台晒出自己的实测作品,并与其他模型进行横向比较,对Qwen4的期待正在从官方公布的能力升级,转向真实任务中的表现。

Qwen4-Max预览版只是一个开始,此前备受关注的Qwen4-27B等版本何时登场,Qwen4在正式发布后更完整的性能数据如何,又能否在Coding和Agent能力上真正跻身第一梯队,可能是接下来更值得关注的看点。

跳转微信打开

❌