AI快讯

10 月初，产业链传出的关键进展是：新一代 Vera Rubin NVL72 不再是 roadmap 上的参数，而是真的进了生产环境。CoreWeave 已把 NVL72 送进生产部署，编码智能体公司 Cognition 成为首个跑生产负载的客户。与此同时，Google Cloud、Azure、Oracle、Mistral 等都在列部署名单。据现场数据，在 SWE-2 这类智能体负载上，NVL72 的总 Token 吞吐较 GB200 NVL72 提升约 4.8 倍，强化学习每 GPU 输出提升约 3.8 倍。 成本数字是怎么往下走的 英伟达官方口径很有说服力：GB300 NVL72 在单用户交互 116 TPS 场景下，借助 Dynamo 与 TensorRT-LLM 把推理成本做到每百万 token 约 0.123 美元（SemiAnalysis 2026 年 4 月基准），比 HGX H200 低约 35 倍。而 Vera Rubin NVL72 更狠——每百万 token 成本约为 GB200 NVL72 的十分之一，每兆瓦 Token 产出最高约 10 倍；按 SemiAnalysis 的 AgentX 数据，相较 GB300 NVL72 每百万 token 成本还能再降约 45 倍。 ...

9 月 29 日的 OpenAI DevDay 上，最抢镜的不是又一个新模型，而是一个叫 Dots 的东西。按 OpenAI 的定义，Dots 是常驻 ChatGPT 的全天候个人智能体：它由 GPT-6 驱动，拥有自己的云电脑和浏览器，能连接 4000 多个应用，24 小时在线，可以从 ChatGPT、Slack、Teams 甚至电话式界面触达。简单说，以前的 AI 是你问一句它答一句，Dots 是你把一件事长期交给它，你下班它接着干。 「一直在线」的成本账 Dots 目前只对 Pro 和 Business Premium 用户分批开放。它的商业设计很诚实：第一个 Dot 包含在套餐里，和它聊天不占额度，但在后台跑重活要消耗额度，首月免费；欧洲经济区、瑞士、英国的 Pro 用户暂未覆盖，毕竟一台一直开着的云电脑加旗舰模型，成本不低。 这正是关键差异：传统聊天按 token 计费，Dots 按「租了一台一直运转的数字员工」计费。OpenAI 同时推出 Pro 500 高端套餐，给出约 25 倍模型配额，明显是为这种常驻重负载准备的。 它到底在和谁抢位置 Dots 的直接对手是 xAI 的 Grok Bot、以及 Meta 等公司的常驻助手。大家抢的是同一个心智：成为用户愿意「长期委托」的那个 AI。当智能体拥有独立运行环境，竞争就从「回答得好不好」变成「离开人之后能不能把事办完」。 目前 Dots 还没有公开 API，开发者暂时只能观望。这意味着 OpenAI 对这层常驻劳动力的态度是：先自己把产品跑通，再决定要不要对外开放。 值得注意的是，DevDay 上 Computer Use 也被放进了 Agents API：开发者可以让自己的智能体直接操作软件，底层虚拟机与浏览器自动化由 OpenAI 提供，还联合 AWS 推了 Bedrock 托管智能体。 ...

9 月 17 日华为全联接大会上，华为副董事长、轮值董事长徐直军在主题演讲中给出一组让产业链振奋的时间表：昇腾 960 研发进度超预期，性能较上一代倍增；其中 960DT 比原计划提前三个季度、于 2027 年第一季度就绪，960PR 提前一个季度、于 2027 年第三季度就绪。按照去年公布的路线图，昇腾 960 原本要到 2027 年第四季度才登场，这次提速幅度相当罕见。 数字背后的代际跳跃 券商研报整理的规格表很能说明问题：960DT 约 2 PFLOPS（FP8）/4 PFLOPS（FP4），960PR 约 2/8 PFLOPS，后续 970、980 继续沿高带宽与低精度路线加码。更关键的是系统侧——华为发布了全球首个采用 NPO 光互联技术的昇腾 960 超节点，据称可扩展到数千颗 NPU 级别的对等互连，并支持自研 HiF4 数据格式，主打 4-bit 精度下的推理吞吐与精度平衡。 对照 IDC 数据，2025 年中国 AI 加速卡市场华为已以约 81.2 万张居国内首位；950 超节点也已规模商用、部署超千套。960 提前，等于把这条正上升的曲线再往上抬。 路线表上，970 排到 2028 年、980 排到 2029 年，节奏一年一代。这种近乎逼平国际大厂的迭代速度，本身就是对外释放的信心。 为什么要抢节奏 提速不是心血来潮。在国产替代的窗口期，客户下大单前最担心的就是「买了这代、下一代马上过时」。华为把路线图从「模糊规划」变成「明确到季度」，并主动提前，本质是在给供应链和大客户吃定心丸：你现在投的算力，不会被两年后的迭代一脚踩空。 判断 960 的意义不在单卡跑分，而在华为证明了一件事：在有限制程下，靠系统互联与软件栈照样能把迭代节奏跑起来。对国内模型厂商，这意味着未来两三年的算力供给更可预期；对英伟达而言，中国市场的高端防线正在被一层层往前推。真正要盯的，是 2027 年那批芯片量产后的实际软件迁移成本。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：昇腾960 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

2026 年 2 月，美国 NIST 旗下人工智能标准与创新中心（CAISI）正式启动 AI 智能体标准倡议（AASI），号称要给自主智能体的安全、互操作与身份立规矩。然而期限将至，可执行的框架仍迟迟没有落地。与标准的缓慢形成对照的，是一线现场的失控：据 Reco 等机构的数据，某财富 100 强客户在内部盘点时，竟发现约 2.1 万个自己都不认识的「未知智能体」在跑。 智能体为什么会「野蛮生长」 传统的 IT 治理假设系统是你 deliberate 部署的。智能体偏偏反着来：开发者装一个编码 Agent，分析员接一个 MCP 服务，没人登记，也没人审批。低代码工具让业务团队自己就能拖出一个智能体，而编码 Agent 还能自动生成更多 Agent，数量滚雪球。 学界把这叫 agent sprawl（智能体蔓延）。学术界梳理出的反模式包括：影子智能体（绕过 IT 治理私部）、孤儿智能体（任务早过期却还在跑、持续烧钱）、权限 creep（越权累积权限）、以及无人监控的多智能体委派链。微软 Cyber Pulse 报告称 80% 的财富 500 强已在使用活跃智能体；Gartner 更预测到 2028 年平均一家财富 500 强要跑超过 15 万个智能体，而自认治理跟得上的仅约 13%。 标准缺位意味着什么 NIST 的动作方向是对的：智能体需要可验证的身份、最小权限、可审计的委派链，甚至在研究去中心化身份与可验证凭证。但文件从征求意见到可采购条款，周期以年计。企业不能等。 OWASP 2026 年智能体应用 Top 10 给出的防守原则高度一致：给智能体最小的自主、最少的工具、最低的凭据。 判断 Agent 落地的下半场，比拼的不是模型多聪明，而是谁能管住自己造出来的智能体。任何一家正在批量上 Agent 的公司，现在最该做的不是再装一个新智能体，而是先做一次内部盘点——搞清楚到底有多少个智能体、挂在谁名下、能碰什么数据。标准可以晚到，账单和事故不会等。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：智能体标准 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

10 月 8 日，Manus 母公司蝴蝶效应在公众号宣布，已完成超过 5 亿美元新一轮融资，约合人民币 33.5 亿元。本轮由博裕投资、IDG 资本领投，老股东腾讯、红杉中国、真格基金继续加持。据彭博此前报道，这笔融资对应估值约 40 亿美元，被称为国内 Agent 原生创企拿到的最大单笔融资。创始人肖弘同时放话：正在积极准备 Manus 国内版本。 这半年的剧情比产品还戏剧 Manus 的时间线值得复盘：2025 年 3 月凭「全球首款通用智能体」爆火；一度被 Meta 收购，又在今年与 Meta 分手——据英国《金融时报》与路透社报道，腾讯等老股东以不低于 20 亿美元的价格从 Meta 手中接回，腾讯保持少数股东，公司恢复独立运营；今年 9 月刚恢复独立，10 月就官宣首轮大额融资。 换言之，这笔钱不是「继续烧」，而是「二次创业」的启动资金。Manus 一边用独立个人智能体 Cue 面向海外，一边在北京重组团队、大举招聘，开发面向国内市场的产品。 钱要解决什么问题 5 亿美元够做什么？对真金白银跑 Agent 的公司，钱主要花在三处：模型调用与推理成本、自有 Agent 框架的工程化、以及国内生态的地推。Manus 此前披露 2.0 框架在 Token 消耗与任务耗时上的优化，本质也是在把单位任务成本打下来——只有成本降下来，大规模商用才成立。 蝴蝶效应并未披露本轮投后估值的官方口径，约 40 亿美元的说法来自彭博此前报道，最终条款仍可能浮动。但可以确定的是，国内 Agent 原生创企还没有谁拿到过这么大一笔钱。 判断 资本给 Manus 的估值，押的不是它「曾经火过」，而是 Agent 入口还没有终局。腾讯加注的逻辑很清楚：与其买一家巨头的功能，不如占一个可能成为入口的独立团队。对国内同行来说，Manus 回来意味着竞争从「能不能做 Agent」升级到「谁能留下企业用户」，这一仗才刚开场。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Manus融资 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

9 月 17 日华为全联接大会后，一组数据被反复引用：据华为轮值董事长徐直军在与海思首席科学家问答时透露，昇腾在中国 AI 芯片市场的份额已经超过英伟达。第三方机构伯恩斯坦给出的口径更具体——华为昇腾约 50%，英伟达滑落至约 8%。对照 2022 年英伟达独占约 95%、昇腾仅约 3% 的格局，四年时间，这是一场彻底的翻盘。 先把数字的水分挤一挤 需要说明口径：「超过英伟达」是华为自陈数据，「约 50%」「约 8%」来自伯恩斯坦等机构预测，统计的主要是训练与推理加速卡市场。到 2025 年双方大致还是四六开，2026 年差距被迅速拉大。 驱动这一切的不是单点性能，而是系统工程。华为主推以 Peerium 计算架构和 UnifiedBus 总线为核心的 SuperPoD 超节点，宣称可支持百万级处理器对等互连，用「堆系统」补上单芯片制程受限的短板。海思同时强调 CUDA 的软件壁垒正在缩小，950 SuperPoD 已达相当规模部署。 份额逆转的真相是「推理换道」 英伟达丢掉的，主要不是训练高端卡，而是大规模推理场景。当国产模型的推理需求爆发，国产卡在性价比、供货确定性、本土服务上的组合拳奏效，运营商、互联网大厂与政务云纷纷把推理负载迁到昇腾等国产卡上。 黄仁勋自己也承认，出口管制相当于倒逼中国让出市场、扶持本土产业链。这不是英伟达产品不行，而是地缘与成本双重作用下的被动让步。寒武纪、百度昆仑芯、阿里平头哥等国产玩家也在分食，市场并未被一家独占。 判断 50% 对 8% 标志着中国 AI 芯片从「能用」走到「主供」，但真正的考验还在后头：高端训练生态、CUDA 迁移成本、以及被压制到有限制程下的持续迭代。对产业链而言，国产替代的红利期确实到了，可份额数字背后，软件栈的成熟度才是决定能不能全球扩张的那块短板。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：昇腾英伟达份额 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

当地时间 10 月 7 日，微软发布搭载英伟达 AI 芯片的新款旗舰笔记本 Surface Laptop Ultra，起售价 2599 美元，约比入门款 16 英寸 MacBook Pro 便宜 400 美元，主打本地 AI 性能，直接切入苹果的核心市场。这台 15 英寸机器面向 AI 开发者与创作者，核心卖点是英伟达 RTX Spark 超级芯片——把 Grace CPU 与 Blackwell RTX GPU 装进同一封装，最高配备 128GB 统一内存。 「本地跑大模型」第一次成为主卖点 微软方面称，这台笔记本可以在本地运行超过 1200 亿参数的 AI 模型。这背后是统一内存的功劳：CPU 与 GPU 共享同一块 128GB 内存，装得下大模型的权重，不用把数据在显存和内存之间来回倒腾。 RTX Spark 这套 N1X 平台并非只服务微软：6 月台北 GTC 上黄仁勋公布合作时，戴尔、惠普、华硕、联想、微星都在首批 Windows PC 名单里。黄仁勋的原话是，这场计算机再造的意义不亚于当年手机被重塑成智能手机。 它到底抢的是谁的生意 表面是对苹果，实际动的是云厂商的奶酪。当一台两万块的笔记本能本地跑百亿到千亿级模型，那些按 token 收费的通用 API 调用，会有相当一部分被「一次购机、本地推理」替代。对开发者和创作者，这意味着敏感数据不出本机、不用联网、没有月度账单。 当然要泼点冷水：1200 亿参数是量化后的本地跑法，速度和云端旗舰仍有差距；2599 美元起、128GB 高配可能冲到五万人民币级，目标人群本来就不是大众。 还要看到，这台机器真正的对手不止苹果。AMD 此前也推过统一内存的 AI 主机，大内存迷你主机的价格早已冲到同档。微软真正要赢的，是让 Windows 平台的开发者生态，尽快追上这套硬件能力。 ...

10 月 8 日，谷歌云在 Gemini at Work 2026 发布会上正式推出 Gemini 智能体，定位「面向工作的通用智能体」。按谷歌官方博客的说法，工作从此在一个提示框里开始：它握有整个组织的业务上下文，从问答、知识工作到内容创作、写代码跑代码，都在单一界面完成，还能调用企业内部工具。最值得玩味的一点——它不只调用自家 Gemini 系列，还能调用 Anthropic 的 Claude 模型，未来接入更多第三方与开源模型。 它和以前的「企业聊天框」差在哪 过去的企业 AI 助手是问答机：你问一句，它答一句，事情到这儿就结束。Gemini 智能体的卖点是「给目标，不给步骤」。它自己规划工作、调用技能、跨 Gmail、Drive、Docs、Sheets、Slides、Chat、Calendar 串起多步任务，还能创建有独立身份和权限的「同事代理」，长期跑任务、再由多个子代理协同处理复杂工作。 换句话说，谷歌把 Agent 的颗粒度从「一个机器人」细化成「一支有身份、有权限、可委派的小分队」。这与企业 IT 最在意的审计、权限边界直接挂钩。 为什么敢同时调用 Claude 谷歌敢在自家智能体里接 Claude，背后是一个现实判断：企业要的不是某个最强模型，而是「这件事交给谁最稳」。推理用 Claude Opus 级、长上下文用 Gemini、代码再换一个后端——模型路由正在成为企业 Agent 的标配，而不是叛徒行为。 这也解释了为什么谷歌同步在 Gemini API 里推托管智能体公开预览：让开发者在托管的 Linux 沙箱里跑有状态智能体，自己不用搭虚拟机。 对企业 IT 而言，这种「同事代理」最大的吸引力，是它把权限与审计内嵌进了产品，而不是事后打补丁。这正是微软、OpenAI 们都在抢的同一套叙事。 判断 这一步的本质，是云厂商从「卖模型调用」转向「卖工作结果」。对企业买家来说，问题不再是接哪家 API，而是哪家的智能体能真正碰我的数据、走我的流程、还能被我审计。谷歌、OpenAI、Anthropic 三家这周几乎同时 all-in 工作智能体，入口之争已经没有退路。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Gemini智能体 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

10 月上旬，英伟达更新了 Vera CPU 的交付进展：超大规模与 HPC 副总裁 Ian Buck 亲手把首批 Vera CPU 系统交到 Anthropic、OpenAI、Oracle Cloud Infrastructure 和 SpaceXAI 手里。这家公司反复强调一句话——Vera 是全球首款专为智能体打造的 CPU，发布时宣称性能达到 x86 处理器的 1.8 倍。它不是又一颗 GPU，而是给 GPU「喂料」、给智能体「跑腿」的那台主机。 为什么智能体需要一颗专用 CPU 过去谈 AI 算力，所有人眼睛只盯着 GPU 参数。但智能体时代的负载变了：模型之外，还有代码执行、工具调用、沙箱隔离、数据分析、数据管道和跨系统编排。这些活儿大多跑在 CPU 上，x86 在这一代突然显得又慢又费电。 英伟达给 Vera 的定位很清楚：既是加速系统的主机 CPU，也是独立跑 AI 工厂负载的 CPU，让 GPU「吃得饱」、让智能体「回得快」、让训练循环「停不下来」。它采用自研 Olympus 核心与高带宽 LPDDR5X 内存，补上的正是「模型很强、周边很堵」这一环。 SpaceXAI 这单意味着什么 真正的信号是客户名单。SpaceXAI（原 xAI）正在把 Grok 的算力往吉瓦级堆，底座就是 Vera Rubin NVL72 系统，Vera CPU 是其中的计算单元之一。据英伟达新闻稿，SpaceXAI 还计划把加速计算延伸到卫星侧的星智系统。 这说明头部玩家已经默认：未来的智能体工厂里，GPU 负责推理，CPU 负责任务调度与环境执行，两者必须协同设计。Vera 从 GTC 发布到 8 月规模交付，节奏明显快于传统数据中心 CPU，说明这条产线早就是刚需。 ...

曾经的狂热 2024 到 2025 年，AI 硬件是创投圈最炙手可热的方向：AI 随身问、AI 玩具、AI 眼镜、AI 学习机，几乎每个大厂和创业团队都想做一个「属于 AI 时代的新终端」。逻辑很性感——手机已经十年没大变化，AI 是不是该催生一个全新的硬件品类？资本蜂拥而入，产品扎堆发布，仿佛下一个 iPhone 就要诞生。 热潮退去后的现实 到 2026 年，这股狂热明显降温了。原因很朴素：多数 AI 硬件的核心体验，用户在手机上装个 App 就能完成，为什么要为它单独买一个设备？那些只能做「陪聊」「问答」的 AI 玩具和随身问，新鲜感一过就被扔进抽屉。硬件的宿命是：如果你不能提供手机给不了的独特价值（全天候在场、专用传感器、特定场景不可替代），它就只是一个贵得离谱的手机配件。 真正跑出来的方向 退潮之后，还站得住的是两类。第一类是端侧芯片与系统能力——2026 年 7 月，连「Apple 智能」这样的手机端侧生成式 AI 服务都走进了中国的备案名单，说明端侧推理正在成为手机的标配，这才是真正的大盘。第二类是有不可替代场景的专用硬件：比如需要离线、隐私、特定传感器的设备，而不是又一个能聊天的塑料摆件。 给想做 AI 硬件的人一句忠告 别问「我能不能加个 AI 功能」，要问「去掉 AI，这个设备还有人买吗？」如果答案是否定的，那它大概率是个伪需求。真正的好产品，AI 应该是锦上添花的放大器，而不是撑住整个产品存在的唯一理由。硬件的容错率极低——一旦卖不动，库存和供应链会把你拖死。 收束 AI 硬件的退烧不是坏事，它把「为 AI 而 AI」的伪风口挤掉了。真正有价值的方向，是让 AI 长在手机、汽车、各种已有设备的端侧芯片里，无声地提升体验，而不是硬造一个需要用户专门花钱、专门学习的新盒子。喧嚣过后，留下的是更冷静的判断。 去论坛讨论 关于「AI硬件」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com