YOHO AI

标签： 英伟达

  • ASML上调全年指引：AI芯片热潮，把光刻机卖成了印钞机

    周三，全球光刻机龙头 ASML 交出了2026年第二季度的成绩单。一句话概括：赚翻了，而且它觉得接下来还能更赚。在 AI 芯片需求持续爆发的背景下，这家掌握着 EUV 光刻机垄断地位的荷兰公司，把全年销售指引又往上抬了一截。

    一份超预期的季报

    具体数字很亮眼。二季度 ASML 净销售额达到93.26亿欧元，同比增长约21%，高于它自己给的84亿到90亿欧元的指引区间；净利润29.18亿欧元，毛利率54%，两项都超出了市场预期。CEO 富凯（Christophe Fouquet）把功劳归给了 AI：相关投资还在持续推进，带动先进逻辑芯片和存储芯片的需求增长，客户们正在加快扩产计划。

    ASML EUV 光刻机概念图
    AI 芯片需求的底层，是一道叫做”光刻”的工序。而能造这台机器的公司，全世界基本只剩 ASML 一家。（配图由 AI 生成）

    富凯在财报里说：”基于强劲的订单势头，我们对未来市场需求拥有了更高的可见度。”

    第二次上调全年指引

    真正让市场兴奋的是指引的上调。ASML 把2026全年净销售额预期，从原来的360亿到400亿欧元，提到了430亿到450亿欧元，涨幅大约16%；毛利率指引也从52-54%提到了54-56%。这是今年内第二次上调。第三季度它预计净销售额在110亿到120亿欧元之间，毛利率55-57%。

    为了满足激增的订单，ASML 打算大举扩产能：2027年低数值孔径（Low-NA）EUV 光刻设备的产能，比2026年提高30%，2028年还可能再提30%；深紫外（DUV）设备也计划在2027和2028年各自提升30%产能。它透露，2027年的 EUV 产能已经接近售罄，2028年也收到了大量订单。

    英特尔先吃螃蟹

    技术层面有个标志性进展：英特尔将首次采用 ASML 的高数值孔径（High-NA）EUV 设备，来生产它最先进的 Panther Lake 处理器。这意味着这项曾被视作”实验室玩具”的技术，正式迈进了量产阶段。

    AI 淘金热里，卖铲子的最稳

    看 AI 芯片的新闻，大家的目光总被英伟达、AMD 或者各家自研芯片吸引。但往产业链更上游看一层，会发现一个更闷声发财的角色。不管你设计多厉害的芯片，最终都得靠光刻机把电路”刻”到硅片上。EUV 光刻机单价上亿欧元、交货要排队，而能造它的公司全世界几乎只此一家。AI 越热，这道工序就越紧张，ASML 的订单簿就越厚。

    当然，扩产也不是没有风险。产能砸下去要几年才能见效，万一 AI 投资的热度退潮，多出来的产线就可能变成闲置资产。但眼下，没有人怀疑这波需求是真的——从 ASML 连续上调指引的动作看，客户们扩产的决心比谁都坚定。

    • AI 芯片需求是这轮业绩的核心驱动力，逻辑芯片与存储芯片同步受益。
    • EUV 产能2027年近乎售罄，说明下游扩产已经排到两年后。
    • High-NA EUV 进入量产，光刻技术本身的军备竞赛才刚开场。

  • 不租AI了，自己练：Prime Intellect拿1.3亿美元帮企业造专属智能体

    一家叫Prime Intellect的初创公司刚刚宣布完成1.3亿美元A轮融资，估值站上10亿美元。这轮由Radical Ventures领投，Nvidia Ventures、Intel Capital、Dell Technologies Capital、Iconiq跟投，还有一长串创始人天使，比如Perplexity的Aravind Srinivas、Box的Aaron Levie、Harvey的Winston Weinberg、Cognition的Jeff Wang。换句话说，半个AI创业圈都来捧场了。

    Prime Intellect 融资
    Prime Intellect 完成 1.3 亿美元 A 轮，帮企业训练专属 AI 智能体（图源：TechCrunch）

    它到底在卖什么

    简单说，Prime Intellect想让企业不依赖OpenAI、Anthropic这种封闭前沿实验室，也能拥有自己的AI智能体。它提供一套”全栈”工具：算力接入、强化学习框架、评测工具，客户像逛市场一样按需取用，不用被绑死在一整套方案里。

    这事儿放在几年前几乎不可能。但强化学习（RL）的出现改变了局面——它用”做对了奖励、做错了惩罚”的方式，让公司能在自己的产品和数据上反复打磨模型，为具体业务调出专属能力。谁掌握了这个训练循环，谁就相当于有了自己的AI实验室。

    “不该只有旧金山某栋玻璃大楼里的几个极客才有能力训练AI模型，”Prime Intellect联合创始人兼CEO Vincent Weisser对TechCrunch说，”每一家企业、每一个国家都应该拥有这种能力。”

    真有人买单吗

    有，而且不少。Ramp、Zapier、Flapping Airplanes都在付费使用它的托管版本，这股势头把公司的年化收入冲到了1亿美元。更关键的是效果：金融科技公司Ramp用Prime Intellect搭了个在电子表格里找答案的智能体，结果在准确率上超过了前沿模型，速度更快，成本只是零头。联合创始人Karim Atiyeh的原话是：”比前沿模型准，跑得更快，价钱只有零头。”

    • Radical Ventures 合伙人 David Katz：别人只给零碎能力，Prime Intellect 把顶级实验室的本事做成了”一站式”
    • 客户已超 6000 家，覆盖众多头部 AI 创业公司和大型企业
    • 英伟达、英特尔、戴尔集体下注，说明算力与基础设施方也看好这条路

    企业为什么想”自己掌控智能”

    背后的推力其实有点被迫的意味。越来越多的公司不愿意把专有数据交给OpenAI和Anthropic，怕失去对数据的掌控；也怕依赖一个随时可能被关掉的模型——上个月Anthropic关停Fable就是活生生的例子。Katz说得很直白：企业都在琢磨”怎么才能掌握自己的企业智能，而不是把这些风险交给别人”。

    RL正在悄悄改写”谁能做前沿AI”这件事。过去预训练把能力锁在少数实验室手里，现在后训练和强化学习把优化循环交到了使用者手上。Prime Intellect要做的，就是把这套原本只在实验室内部的基建，原封不动地搬到成千上万家公司面前。接下来它打算把规模继续做大，往更长程的智能体和”会自己学习的模型”方向上押注。

  • 英伟达参投的法国语音AI公司Gradium：1亿美元种子轮，专攻超低延迟

    Gradium 语音 AI 模型
    Gradium 所在的 AI 语音赛道正被资本市场重新定价（图：TechCrunch）

    巴黎有家叫 Gradium 的初创公司，专做语音 AI 模型。这周四它对外说，自己把种子轮重新打开，拉进了英伟达当新投资人，整轮融资加起来到了 1 亿美元。比起金额，更值得琢磨的是它背后的来路。

    一个从实验室里走出来的团队

    Gradium 是从法国 AI 实验室 Kyutai 分拆出来的，而 Kyutai 背后站着法国电信大亨泽维尔·尼尔。两边的核心人物都是同一个人：尼尔·泽吉杜尔。这位老哥之前在谷歌大脑、DeepMind 和 Facebook 都待过，是做语音研究的行家。Kyutai 团队早年搞出来的 EnCodec、SoundStream 和 Moshi，是现在整个语音 AI 行业底层技术的重要来源。换句话说，这家公司不是拿了别人的论文来套壳，而是站在自己人写的基础研究上起步的。

    它想消灭的是那个让人尴尬的停顿

    Gradium 做的音频模型主打一个词：超低延迟。说白了，就是让 AI 的声音几乎实时回应，别再出现那种「嗯……让我想想」的卡顿。现在不少 AI 智能体聊天时，说到一半会冷场半秒，这种停顿在人类对话里特别出戏。他们提供的东西包括语音识别、语音合成、声音克隆和实时翻译，是给开发者做语音界面用的。

    为什么要跑到大洋彼岸开办公室

    这轮钱怎么花，Gradium 说得很直白：去湾区开个办公室，跟硅谷抢人。原来去年 12 月它刚从隐身状态出来时就拿了 7000 万美元，投资人名单里就有 FirstMark、Eurazeo、DST Global，还有谷歌前 CEO 施密特和泽维尔·尼尔本人。这次新进来的英伟达又添了大约 3000 万美元。一家欧洲 AI 公司专门跑去买硅谷的工程人才，这本身挺说明问题——光靠研究底子，已经留不住顶尖工程师去跟美国公司的薪水硬刚了。

    有投资人点破过这件事：种子轮能跨过 1 亿美元、还能让英伟达亲自写支票，说明语音 AI 这个赛道正在被当成「基础设施」来定价，而不是普通的应用层。

    对手一大把，但它手里有牌

    赛道里不缺狠角色。光是做语音的 ElevenLabs，今年 2 月估值就到了 110 亿美元；谷歌的 Gemini 在语音上也很有名。Gradium 的牌在于研究血统和英伟达的战略背书，它把自己定位成给开发者提供「前沿级延迟」的那一个，而不是只拼音色好不好听。目前它已经签下了法国车企雷诺这样的大客户，说明在汽车行业那种需要处理实时语音的场景里，它确实能啃下订单。

    • 种子轮总额 1 亿美元，英伟达新近入局
    • 分拆自 Kyutai 实验室，底层技术自研
    • 主打超低延迟语音，目标消灭 AI 对话卡顿
    • 赴湾区设办公室，正面争夺工程人才
  • Meta要把囤的 AI 算力卖出去：从最大买家变身云厂商

    Meta要把囤的 AI 算力卖出去：从最大买家变身云厂商

    7月1日彭博社爆料，Meta在筹划一项叫“Meta Compute”的云业务，打算把自己囤的 AI 算力和模型访问权卖给外面的公司。消息一出，Meta 股价当天涨了 8.8%，市值多了大概 1270 亿美元；而专门做算力租赁的 CoreWeave 和 Nebius 分别跌了 14% 和 17%，连美光、闪迪这些存储芯片股也跟着跳水。一边是狂欢，一边是恐慌，同一条新闻让两拨人看到了完全不同的未来。

    全球最大的 GPU 买家之一，正式转身成为算力卖家——这被不少人视为 AI 基础设施商业模式的一个分水岭。

    为什么要卖？

    Meta 今年 4 月把全年资本开支指引提到 1250 亿到 1450 亿美元，比去年的 722 亿差不多翻了一倍，钱都花在了数据中心、芯片和电力上。问题是，训练一个大模型可能几个月里把几万张 GPU 吃满，但训练一结束，这批集群的利用率就掉到三成到五成，剩下的算力就在那儿空转、烧电费。扎克伯格的打法一直是“先囤够再说”，先按最高峰的训练需求把地基打好，至于建完怎么用，回头再想。现在“卖出去”就是那个回头再想的答案。

    两条路子：托管模型，或者直接出租 GPU

    据知情人士说，Meta Compute 至少规划了两条线。一条学 AWS 的 Bedrock，把托管在自家基础设施上的模型（包括自研的 Muse Spark）开放给开发者，按 token 收费。这对 Meta 是头一回能从 Llama 生态里直接赚到钱——开源这么多年，Llama 被别家云厂商免费拿去商用，Meta 一分授权费都收不到。另一条更直接，学 CoreWeave 那种新型云公司，把 GPU 集群按小时租给企业客户。两条线同时推，牵头的是基础设施负责人 Santosh Janardhan、超级智能实验室的 Daniel Gross，还有 Meta 总裁 Dina Powell McCormick。

    Meta 计划把囤积的 AI 算力对外出租，直接闯进云计算市场
    Meta 计划把囤积的 AI 算力对外出租，直接闯进云计算市场

    市场为什么慌？

    这事真正戳中的，是撑了 AI 产业两年狂奔的那套逻辑——算力稀缺。过去两年，“算力不够用”维持了坚挺的租赁价格，也给巨头们疯狂扩张提供了理由。可要是连 Meta 这种级别的买家都开始往外卖“富余”算力，投资人自然会问：基建是不是要到顶了？高盛的交易台已经警告，一旦供给上来、租赁价往下走，最先扈不住的就是硬件。衡量 H100 租赁价格的 ORNN 指数最近确实在往下掉。

    • 出租的是上一代 H100/H200 推理算力，前沿训练要用的 GB200、自研 Rubin 芯片 Meta 还在拼命买
    • 目标据说是每 GW 每年变现 100 亿到 150 亿美元，把“成本包被”变成创收资产
    • SpaceX/xAI 已经跑通类似模式：把孟菲斯的 Colossus 集群按月租给 Anthropic，月租 12.5 亿美元

    一家 To C 公司，能做好 To B 吗？

    麻烦也在这儿。AWS、Azure、谷歌云做了几十年，靠的不只是机房，还有成熟的软件平台、企业销售队伍和客服体系。Meta 靠广告活了 21 年，是个彻彻底底的 To C 公司，突然要去伺候企业客户，节奏、文化、人才都得重搭。更微妙的是反垄断：Meta 跟 CoreWeave 还有总额 352 亿美元的长期采购合同没走完，一边是人家最大的客户，一边又下场抢生意，这种双重身份监管一看一个准。

    短期看，Meta 卖算力是笔资产周转的买卖——把上一代推理算力拿出来回血，同时继续囤最新的训练卡。但往长了看，当算力从“抢都抢不到的稀缺品”慢慢变成“能挂牌出售的大宗商品”，整个行业的定价方式、竞争格局和投资故事，可能都要重写一遍。扎克伯格说过，几乎每周都有公司来问能不能买他们的算力，甚至愿意出高于成本的价。现在，这些人等到回音了。

  • 英伟达开源机器人技能库 ASPIRE：机器人开始像程序员一样，边改 bug 边攒本事

    英伟达开源机器人技能库 ASPIRE：机器人开始像程序员一样，边改 bug 边攒本事

    以前训练机器人，靠的是海量数据反复喂、靠梯度下降一点点更新权重，练完就是一堆定死的浮点数。英伟达刚开源的 ASPIRE 把这套逻辑掀了——它让机器人像程序员改 bug 一样，边干边试错、边试错边把经验攒下来。负责具身智能的 Jim Fan 直接放话：这是训练范式的一次彻底改写。

    机器人持续学习与技能库概念图
    ASPIRE 让机器人把每次操作经验沉淀成可复用的技能库

    ASPIRE 全称是 Agentic Skill Programming through Iterative Robot Exploration，说白了就是物理世界里的机器人版 Coding Agent。背后调用的 GPT 或 Claude 不再直接输出机械动作，而是写出一段可调试、可复现的控制代码；机器人执行时，把感知图像、导航、抓取、碰撞报错、运动轨迹全程记下来。

    任务失败了，AI 就回放这段多模态轨迹，像研究员一样判断哪一步出了问题，改代码、再跑一遍；一旦跑通，就把这套解决办法提炼成标准化的 Skill，存进一个越攒越厚的技能库，下次遇到同类场景直接调用，不用从零再试。

    三个变化，把老路子整个翻了过来

    Jim Fan 把这次转变拆成三条，新旧对比很清楚。训练，从梯度下降变成了不断打磨技能；练出来的东西，不再是一份网络权重文件，而是一座持续扩容的感知运动技能库；至于分布式训练，则变成一群 Agent 各自练不同的技能，再把经验汇总进同一个库里。

    这么做的直接好处，是把机器人开发的数据门槛砍了下来。技能库里已经涵盖抓取、移动、操作这些常见任务的预训练模型，开发者拿来组合、微调就行，不再需要动辄百万级的训练数据从头练。

    对国内厂商是把双刃剑

    开源当然降低了研发门槛，谁都能站在英伟达的肩膀上往前走。但硬币的另一面是，一旦大家都用它的技能库、它的标准，机器人的核心能力就等于被英伟达定义了。这跟当年 CUDA 的路数如出一辙——先把地基铺好、免费给你用，等你离不开了，话语权也就攥在人家手里。

    值得留意的几点：

    • 训练目标从更新权重，变成不断打磨和复用单条技能
    • 技能支持跨机型迁移，能大幅省下仿真复现和重训的成本
    • 为人形、工业机器人的通用自主学习提供了一套开源底座

    从大模型卷参数，到智能体卷能不能真把活干成，再到现在机器人开始攒技能，AI 的竞争重心正一步步从静态的权重，挪向动态的、能持续成长的能力。ASPIRE 未必是终点，但它至少给出了一个方向：让机器人像人一样，把每次踩过的坑都变成下次的本事。

  • 亚马逊要直接卖AI芯片了，英伟达迎来最重磅挑战者

    亚马逊要卖芯片了，英伟达的日子不好过了

    上个月，亚马逊CEO Andy Jassy在年度股东信里写了一句话，让整个芯片行业都竖起了耳朵：”如果把我们的芯片业务单独拿出来，今年卖给AWS和其他第三方的芯片，年运行率大概有500亿美元。”

    500亿美元是什么概念？差不多是Intel一年的营收。而现在，亚马逊真的打算把这块业务做大——直接把自家的AI芯片卖给其他公司，而不只是放在AWS云平台上自己用。

    亚马逊AI芯片
    亚马逊的Trainium芯片正在挑战英伟达的主导地位（图源：TechCrunch）

    Trainium到底是什么？

    亚马逊的AI芯片叫Trainium，是专门为训练大型AI模型设计的。目前用的是Trainium3，下一代Trainium4要等到明年才能量产。

    这块芯片之前只提供给AWS的客户——你想用Trainium，就得在AWS上跑。这也是为什么亚马逊一直不愿意对外卖芯片：反正你用了我的芯片，就得用我的云，存储、安全、网络这些服务我都能收钱，干嘛要把芯片单独卖给你？

    Jassy在股东信里说，现在的Trainium芯片产能一上线就卖光了，连明年的Trainium4产能也已经被预订一空。需求旺盛到这种程度，亚马逊才动起了对外销售的念头。

    亚马逊的底气从哪来？

    第一个底气是需求。AI芯片现在是全球最紧缺的资源之一，英伟达的GPU虽然强，但产能跟不上，价格也高得离谱。很多公司愿意尝试替代品，只要性能差不太多。

    第二个底气是客户。Anthropic、OpenAI、甚至苹果都在用AWS的Trainium芯片。这些公司愿意用自己的业务给亚马逊的芯片”背书”，说明Trainium确实能打。

    第三个底气是生态。亚马逊不只是卖芯片，它还提供全套的软件工具，让开发者能把自己的AI模型从英伟达GPU迁移到Trainium上。这套东西英伟达有，亚马逊现在也有了。

    英伟达会怕吗？

    短期来看，不怕。英伟达现在的年营收运行率是3260亿美元，亚马逊的500亿芯片业务就算全吃下来，也才英伟达的六分之一。更何况，英伟达不止卖GPU，它还在进军CPU市场，黄仁勋刚刚说要开辟一个2000亿美元的新市场。

    但长期呢？不好说。芯片这个行业，一旦有人做出了靠谱的替代品，客户就会开始分散风险——不会把所有鸡蛋放在一个篮子里。谷歌的TPU、亚马逊的Trainium、AMD的Instinct，都在瓜分英伟达的市场。

    而且，亚马逊如果真的开始对外卖芯片，它面临的第一个难题可能是制造产能。Trainium是台积电代工的，而台积电现在的头号客户是英伟达，不是亚马逊。亚马逊要想拿到足够的产能，得先说服台积电给它腾地方——这可不容易。

  • 亚马逊自研AI芯片要对外卖了，英伟达迎来最强劲对手？

    英伟达在AI芯片市场的霸主地位，终于有人正面挑战了。据Bloomberg报道，亚马逊云科技（AWS）掌门人Peter DeSantis透露，AWS正在洽谈将自研的Trainium AI芯片出售给其他公司，用于其数据中心。如果这桩生意做成，将是迄今为止对英伟达AI芯片统治地位最强有力的冲击之一。

    贝佐斯想卖芯片，Jassy把话说在前头了

    这事儿其实有伏笔。今年4月，亚马逊CEO Andy Jassy在年度股东信里就写得明明白白：如果我们的芯片业务独立成一家公司，把今年生产的芯片卖给AWS和其他第三方，年化营收规模大约在500亿美元左右。”我们对自家芯片的需求太旺盛了，未来很有可能会把整机架的芯片卖给第三方。”

    亚马逊AI芯片挑战英伟达
    亚马逊Trainium芯片冲击AI芯片市场格局

    500亿美元是个什么概念？英伟达目前的年化营收是3260亿美元，500亿当然还”干不掉”英伟达。但这个体量已经跟英特尔的全年营收相当——也就是说，如果AWS真的对外卖芯片，它一上来就是个”英特尔级别”的选手。

    为什么AWS一直不卖芯片？

    既然芯片这么强，为什么AWS憋了这么久不外卖？根本原因是一个”瀑布效应”——芯片是引子，真正赚钱的是后面的存储、安全、网络、监控等一整套云服务。客户买了Trainium的算力，顺带就要用AWS的S3存数据、用CloudWatch做监控、用IAM管权限……这笔账，比单纯卖芯片划算多了。

    另一个现实问题是产能。Jassy在股东信里说，目前的Trainium芯片产能一上线就被抢光，连下一代Trainium4的产能也早就预订完了——而这芯片要到一年以后才上市。自己都不够用，怎么卖给别人？

    AWS发言人Doron Aronson确认了对外销售芯片的可能性：”虽然我们历史上一直拒绝直接销售芯片的请求，但Andy说过，未来我们很可能会把整机架的芯片卖给第三方。”

    台积电的产能争夺战

    真要外卖芯片，AWS得先解决制造端的问题。Trainium芯片由台积电代工，而台积电的先进制程产能是全世界科技公司争抢的香饽饽。最新消息是，英伟达已经取代苹果，成为台积电的最大客户——这意味着黄仁勋在产能谈判桌上，比AWS有更多话语权。

    所以AWS要外卖芯片，不仅仅是”我想卖”的问题，还得在台积电那里挤出产能来。这事儿的难度，不亚于做芯片本身。

    黄仁勋的200亿，Jassy的500亿

    这场竞争有个有趣的对照：黄仁勋最近宣布英伟达发现了一个全新的2000亿美元市场——卖CPU给AI基础设施（不只是GPU），直接入侵英特尔和AMD的地盘。Jassy的500亿美元芯片野心，则是反过来从英伟达碗里分肉。

    两家公司的CEO都在押注同一件事：AI基础设施的市场，远远没有见顶。区别在于，英伟达是从芯片往系统走，AWS是从系统往芯片走——最后谁更能打，接下来几年就见分晓了。

    • AWS Trainium芯片年化营收潜力约500亿美元，相当于英特尔全年营收规模
    • 英伟达当前年化营收3260亿美元，地位短期难以撼动
    • AWS外卖芯片的最大障碍：自身产能不足 + 台积电产能争夺
    • 亚马逊从云服务端往芯片端渗透，与英伟达的”反向包抄”形成对决

  • 这家AI公司说自己的世界模型能模拟真实驾驶，但跑着跑着纽约就消失了

    AI初创公司Decart本周发布了Oasis 3，一个声称能实时生成照片级真实驾驶环境的世界模型。TechCrunch提前拿到了独家信息，我仔细读完了整篇报道，感觉这个故事比标题看起来复杂得多。

    世界模型到底是什么

    先解释一下背景。所谓”世界模型”，简单说就是AI学会了对物理世界的运行规律建模，给它一个文本提示，它能生成一个你可以交互的虚拟环境。这东西在自动驾驶仿真、机器人训练这些领域有很大价值——你可以用它低成本地生成各种罕见的驾驶场景，不用真的去马路上冒险。

    Decart的Oasis 3主打的就是这个方向。他们声称这个模型能生成物理准确、多摄像头（一个前置加两个侧置）的驾驶环境，而且可以无限生成场景。目前通过API对外提供，定价是每秒0.02美元。

    Decart Oasis 3 世界模型演示
    Decart Oasis 3 生成的照片级真实驾驶场景丨来源：TechCrunch

    理想很丰满，现实有点骨感

    TechCrunch的记者亲自测试了Oasis 3，结果发现的问题还不少。最明显的一个：你让模型生成一个”早晨的纽约市街道”，它确实能跑出来，看起来挺像那么回事。但你往前开个一阵子，周围的场景就开始走样了，越来越不像纽约，最后变成了”任何一个西方城市的普通版本”。

    当你试图掉头回到最开始的那个路口时，你会发现它已经消失了，取而代之的是一个全新的环境。整个体验不像一个连贯的模拟，更像是一个梦幻般的、脱节的意识流。

    还有一个更基础的问题：物理一致性。在Oasis 3生成的世界里，汽车会直接穿过其他汽车，就像幽灵一样。Decart的CEO Dean Leitersdorf承认这是一个”正在破解的重大研究问题”，原因是”关于良好驾驶的数据远远多于事故数据”——模型没见过足够的事故场景，所以学不会避让。

    为什么效率这么高

    尽管有上述问题，Decart在技术效率上确实有两把刷子。他们的DOS（Decart优化栈）软件能让模型在英伟达、亚马逊和谷歌的硬件上高效运行，声称运行成本比竞争对手低一个数量级以上。

    Leitersdorf甚至说，公司整个生命周期的烧钱额”远低于”1亿美元。考虑到他们刚刚完成3亿美元融资、估值接近40亿美元，投资方里还有丰田、Adobe、eBay和英伟达，这个烧钱速度在今天的AI初创圈里确实算克的。

    拥挤的赛道

    世界模型这个方向现在挤得不行。谷歌今年1月发布了Genie 3的研究预览版，李飞飞的World Labs推出了商用产品Marble，Luma和Runway这些视频生成公司也在把他们的技术往世界模型方向转。Decart的差异化策略是：从第一天就开放API，让开发者在上面构建应用——这个玩法确实有点像OpenAI当年对LLM做的事。

    目前Decart已经积累了超过10万名开发者的社区，很多人用他们的实时视频模型Lucy在做电子商务和直播相关的产品。Oasis 3发布之后，这个社区规模大概率还会涨。

    至于世界模型什么时候能真正可靠到可以替代真实路测，现在还没人能给出确切答案。Decart说下一个版本会允许用户基于视频（而不是图片）来生成世界，这可能会改善一致性问题。但从根本上说，这个世界模型还是一个自回归系统——一次生成一帧，然后看之前生成了什么来决定下一帧，这个架构本身就很吃算力，要保持长时间的一致性非常难。

  • 英伟达终于杀进Windows PC芯片市场，这次对手换成了高通

    英伟达憋了这么多年，终于出了Windows PC芯片

    前几天台北电脑展上，黄仁勋拿着一款新的芯片亮相，当时现场的人都懵了——英伟达居然出了面向Windows PC的Arm架构芯片，名字叫RTX Spark。你要知道，上一次英伟达做消费级PC芯片还是Tegra那个年代，之后就再也没碰过这个市场，这次突然杀回来，摆明了是冲着高通来的。

    这款芯片其实是之前英伟达给开发者做的DGX Spark工作站的消费级版本，配置拿出来确实能打：CPU部分是和联发科一起搞的20核Arm核心，10个高性能核，10个中性能核，没用小核，思路跟苹果M5 Pro的大小核设计差不多；GPU部分是Blackwell架构的，最多有6144个核心，比移动版的RTX 5070还多，功耗却只有80W，远低于桌面版显卡的250W。

    最狠的是它的内存设计，128GB统一LPDDR5x内存，CPU和GPU都能用，比普通显卡的8G、12G显存大太多了，跑本地大模型完全够用。

    和普通显卡比，它到底强在哪？

    说白了，这款芯片就是给AI开发者和需要跑本地大模型的用户准备的。之前你要本地跑个稍微大点的模型，要么买专业卡，要么接好多张游戏卡，现在一台小主机就能搞定，128G的显存足够跑大部分开源大模型了。

    当然英伟达也没忘了普通用户，和微软一起在搞Arm版Windows的游戏适配，现在已经搞定了《英雄联盟》《无畏契约》这些热门游戏，连反作弊软件都适配了，之前Arm版Windows玩不了游戏的痛点，估计再过个一年半载就能解决。

    Windows on Arm市场，终于有竞争了

    之前你想买台Arm架构的Windows电脑，只能选高通的芯片，价格贵就算了，性能还一般。现在英伟达进来了，后面肯定还有别的厂商跟进，竞争多了，价格肯定会降下来，用户选择的余地也大了。

    现在首批搭载RTX Spark的电脑已经确定是华硕、戴尔、联想这些大厂做，2026年秋天就能上市，就是价格估计不会便宜，毕竟光芯片成本就不低，感兴趣的话可以等等看。

    英伟达RTX Spark芯片
    英伟达RTX Spark芯片实物图
    • 英伟达首次推出面向消费级Windows PC的Arm架构芯片，打破高通独霸局面
    • 128GB统一内存设计，适合本地AI开发和大模型部署场景
    • 与微软合作推进游戏适配，Arm版Windows游戏体验将逐步改善

  • 黄仁勋又发新卡了，这次英伟达要把AI芯片塞进你的电脑里

    这两天台北的Computex 2026展会正式开幕，英伟达的CEO黄仁勋又站出来搞事情了。这次他带来的不是普通的显卡，而是专为Agentic AI设计的新一代Vera Rubin芯片，据说OpenAI和Anthropic已经率先决定用了。

    不止是新芯片，还要做PC处理器

    除了Vera Rubin芯片，黄仁勋还宣布要和微软合作，推出基于台积电3nm工艺的ARM架构Windows PC芯片，名字叫RTX SPARK，计划2026年秋季就上市。这意味着英伟达正式进军个人电脑芯片市场，要打破英特尔这么多年的垄断。

    黄仁勋在演讲里说，Agentic AI的时代已经全面到来了，以后的AI不是只能聊聊天，而是能自主完成很多复杂的任务，这就需要更强大的芯片来支持。

    黄仁勋在GTC Taipei 2026大会演讲
    黄仁勋在GTC Taipei 2026大会上发表主题演讲

    其实这几年英伟达在AI芯片领域的优势已经很明显了，这次发布的Vera Rubin芯片专门针对Agentic AI做了优化，处理多任务的能力比之前的芯片强了不少。而RTX SPARK PC芯片更是直接杀入英特尔的腹地，以后我们买电脑的时候，除了英特尔和AMD的处理器，可能还要多一个英伟达的选项了。

    国产芯片也在发力

    就在英伟达发布新芯片的同时，国内的算力芯片也在进步。深圳河套学院最近用昇腾910C集群，完成了1.6万亿参数的DeepSeek-V4-Pro全流程训练，这说明国产芯片已经能支撑世界级的超大参数模型训练了。以后国内做AI训练和推理，用国产芯片也能有不错的效果，不用完全依赖国外的产品。

    • Vera Rubin芯片专为Agentic AI设计，性能大幅提升
    • RTX SPARK PC芯片采用台积电3nm工艺，2026年秋季上市
    • 国产昇腾910C集群已完成万亿参数模型训练，国产算力进步明显