标签: 英伟达

  • 英伟达GPU要上月球了:月球车用上Jetson芯片,先得熬过零下170度的月夜

    英伟达的GPU已经铺满了地球上的数据中心,现在它盯上了一个新地盘:月球。做太空机器人的初创公司Lunar Outpost上周四宣布,他们的下一台月球车将用英伟达Jetson芯片来驱动激光雷达系统。如果顺利落地,这大概率是第一块登上月球表面的GPU。

    Lunar Outpost月球车测试
    Lunar Outpost的月球车正在测试中,它将搭载英伟达Jetson芯片(图源:TechCrunch)

    Jetson:英伟达家不太出名却很关键的那块芯片

    说起英伟达大家想到的都是Blackwell、Vera Rubin这些数据中心里的算力猛兽,Jetson的名气小得多。但在物理AI的世界里,它是台柱子——体积小、功耗低,专门让机器人在本地实时处理传感器数据,不用把信息传回服务器再等指令。对一台在月球坑里爬行的月球车来说,这种“当场反应”的能力就是生死线。

    Lunar Outpost的CEO Justin Cyrus说:“五年前我们的自主系统还是纯确定性的,现在是确定性模型加物理AI的组合。两套并行跑,我们要做的就是搞清楚物理AI能在哪些环节帮我们做没人做过的事。”

    最大的敌人:月球的夜晚

    把GPU送上月球,难的不是发射,是活下来。目前太空里的GPU大多待在近地轨道,有地球磁场罩着,环境相对温和。月球就不一样了,宇宙辐射直接照脸,温度随月相剧烈摇摆。Cyrus的原话是:“你的系统必须熬过月夜,而且得用极低的功耗熬过去。”月夜长达14个地球日,温度能跌破零下170度,这对消费级架构的芯片是极限考验。

    值得一提的是,英伟达在月球的布局不止这一步。它还和Firefly Aerospace——第一家把机器人安全降落在月球上的私营公司——达成合作,让Jetson在绕月卫星上处理图像数据,一边帮科学家绘制月球地图,一边追踪月面上越来越多的机器人。

    从探索到定居,机器人先行

    这一切背后是NASA的大盘子:花钱请私营公司先去月球探路,为2028年前后宇航员重返月球做准备。Lunar Outpost这台月球车会搭乘Intuitive Machines的着陆器,钻进环形山这些轨道上看不清的地方;再下一次任务要去一个叫Reiner Gamma的区域,那里有个让科学家困惑多年的磁异常。两次任务都计划年内搭猎鹰9号升空。

    • 近期计划:多台小型自主月球车陆续发射,验证GPU在月面的生存能力;
    • 远期目标:大型载人月球车Pegasus,可以直接搭载宇航员;
    • 卡脖子环节:Pegasus在等贝索斯Blue Origin的火箭,但那枚火箭今夏出了事故,复飞时间未知。

    Cyrus把公司的终极问题概括成一句话:怎么从“探索月球”走到“常驻月球”。他的答案是确定性模型加物理AI组成的机器人劳动力——人类要在月球上住下来,得先让机器人把粗活干了。而无论是月面机器人军团还是更科幻的太空数据中心,眼下都卡在同一件事上:一枚足够大的火箭。

  • AMD亮出机架级系统Helios,微软Anthropic排队买单,正面硬刚英伟达

    AMD这回是真的把矛头对准了英伟达。在旧金山那场一票难求的Advancing AI大会上,董事长兼CEO苏姿丰把一整套机架级AI系统Helios端了出来,还顺手报了一串已经排队的客户名单——微软就在其中。这台机器今年晚些时候就要出货,AMD的意思很明确:数据中心这块最肥的肉,它不打算再让英伟达一家独吞。

    AMD Helios AI机架系统
    AMD在Advancing AI大会上推出机架级系统Helios(图片来源:TechCrunch / Getty Images)

    机架级系统,才是这场战争的主战场

    先说清楚Helios是个什么东西。所谓机架级系统,就是把成百上千颗处理器塞进一个高功率整机柜,专门为数据中心训练和运行大模型这种吃算力的活儿服务。这个领域过去几乎是英伟达的自留地,它的Vera Rubin和Grace Blackwell两代架构一直是行业标配。苏姿丰直接放话,说Helios是业界”性能最强的AI机架”,就是冲着”在超大规模下训练和运行全球最苛刻的前沿模型”去的,还说会有头部AI公司按吉瓦级别的规模来部署它。

    “到2030年,我们预计AI加速器市场规模会达到1.4万亿美元左右——也就是说,到这个十年结束时,光是AI加速器这一块,就快赶上今天整个半导体市场的体量了。”——AMD CEO 苏姿丰

    客户名单才是最狠的一招

    性能好听归好听,真正让英伟达紧张的是Helios背后那串名字。Helios早在2025年就露过面,今年1月的CES上还搬上台展示过(这机柜重得跟两辆紧凑型轿车差不多)。现在它已经锁定了OpenAI、Meta、甲骨文、Anthropic和微软一批大客户,全都放话要部署。微软CEO纳德拉本周一说要用Helios扩建Azure;Anthropic更狠,直接和AMD签了战略合作,要通过这套新机架部署最高2吉瓦的GPU。这些名字放在一起,等于给AMD的机架能力盖了个公认的章。


    押注智能体,赌的是算力还要涨

    除了Helios,AMD这次还甩出了面向数据中心的Venice-X CPU,主打高性能计算,预计2027年上市。苏姿丰对行业走向的判断很直接:算力需求正在发生”阶跃式”的跳变,背后的推手就是智能体AI。她打了个比方,你让一个智能体干件事,它其实要走几十步——得推理、得调工具、得取数据,反反复复直到把问题解决,这一路下来吃掉的GPU数量非常可观。

    • Helios性能在多项指标上超过英伟达Vera Rubin(据The Register报道)
    • 已确认客户:OpenAI、Meta、甲骨文、Anthropic、微软
    • Anthropic承诺通过Helios部署最高2吉瓦GPU
    • 新款Venice-X数据中心CPU定于2027年上市
    • AMD预测2030年AI加速器市场达1.4万亿美元

    苏姿丰还补了一句关键判断:这个市场未来大头会被GPU吃掉,因为算法本身还很”年轻”,工作负载一直在变,这种不确定性反而利好可编程性强的芯片。翻译过来就是——英伟达的护城河没那么牢,AMD觉得自己还有的打。

  • 英伟达GPU要上月球了:月球车用Jetson跑激光雷达,可能是月面第一颗GPU

    英伟达把GPU卖遍了地球上的数据中心,现在瞄上了38万公里外的月球。做太空机器人的初创公司Lunar Outpost周四宣布,他们的下一台月球车将用英伟达Jetson芯片来控制激光雷达系统。如果顺利落地,这大概率是月球表面出现的第一颗GPU。

    Lunar Outpost月球车测试
    Lunar Outpost正在测试的月球车,将搭载英伟达Jetson芯片(图源:TechCrunch)

    为什么是Jetson,而不是Blackwell

    Jetson在英伟达产品线里名气不如Blackwell、Vera Rubin这些AI训练主力,但它是很多实体AI系统的心脏——体积小、功耗低,能让机器人在本地实时处理传感器数据,不用把信号传回地球再等指令。对通信延迟以秒计的月球任务来说,这一点是刚需。

    Lunar Outpost CEO贾斯汀·塞勒斯说得很直白:他们正拿Jetson和自家更有航天资历的飞行计算平台做对比测试,”看看优势在哪、短板在哪,然后尽力把这些更强的GPU系统用到极端环境里去”。他透露,五年前公司的自主导航还是纯确定性算法,现在已经变成确定性模型加实体AI双轨并行。

    太空环境对GPU极不友好。近地轨道尚有地球磁场庇护,月面却直接暴露在宇宙辐射之下,温差随月相剧烈波动。塞勒斯说:”你的系统必须扛过月夜,而且得在极低功耗下活下来。”

    NASA买单,2028年等人来

    这背后是NASA的一盘大棋。仿照与SpaceX的合作模式,NASA正花钱请私营公司先去月球探路,为最快2028年宇航员重返月球做准备。Lunar Outpost的月球车将由Intuitive Machines的着陆器搭载,钻进环形山勘察地形、寻找水冰,年底前搭乘猎鹰9号发射。再下一次任务的目的地是月面磁异常区Reiner Gamma——那里的磁场之谜困扰了科学家几十年。

    英伟达在月球的布局不止这一处。它刚和首个成功软着陆月球的私营公司Firefly Aerospace达成合作,让Jetson在绕月卫星上处理影像数据,一边帮科学家绘制月图,一边追踪月面上越来越多的机器人。

    • 首发任务:Lunar Outpost月球车年底搭猎鹰9号升空,Jetson负责激光雷达
    • 绕月部署:与Firefly Aerospace合作,卫星在轨处理月球影像
    • 远期规划:载人月球车Pegasus在等蓝色起源的大火箭,目标2028年
    • 终极难题:宇宙辐射、月夜低温、极低功耗,GPU得先活下来

    从太空数据中心的畅想,到月面机器人舰队的蓝图,眼下都卡在同一件事上——一枚足够大的火箭。芯片已经准备好了,运力还在路上。

  • 英伟达把GPU送上月球:月球车用上Jetson芯片,太空算力这次玩真的

    英伟达的 GPU 已经铺满了地球上的数据中心,下一站居然是月球。太空机器人初创公司 Lunar Outpost 在7月23日宣布,他们的下一台月球车将搭载英伟达 Jetson 芯片来驱动激光雷达系统。如果顺利落地,这很可能是人类历史上第一块登上月面的 GPU。

    Lunar Outpost 月球车测试
    Lunar Outpost 的月球车正在测试中 | 图源:TechCrunch

    为什么是 Jetson,而不是 Blackwell

    很多人对英伟达的印象还停留在 Blackwell、Vera Rubin 这些吞电如喝水的 AI 训练芯片上。但真正上天的是低调得多的 Jetson——一个专为机器人设计的小型化、低功耗平台,能让机器在本地实时处理传感器数据,不用把一切传回地球等指令。在月球上,光是信号往返就要将近3秒,本地算力就是生死线。

    Lunar Outpost CEO 贾斯汀·塞勒斯说:”五年前我们的自主导航还是纯确定性算法,现在是确定性算法加物理 AI 双轨并行,这事挺有意思的。”

    这台月球车将由 Intuitive Machines 的着陆器送上月面,任务是带着一整套传感器钻进环形山这类轨道上看不清的角落。再下一次任务的目的地更有看头——赖纳伽马区,那里有一处让科学家困惑多年的磁异常。两次任务都计划在年底前搭乘猎鹰9号升空。

    月球对芯片可一点都不友好

    把 GPU 送上月球,难的不是发射,是活下来。近地轨道的芯片好歹有地球磁场罩着,月面上的设备要直面宇宙辐射,还要扛住昼夜间几百度的温差。塞勒斯的原话是:”你的系统必须熬过月球的黑夜,而且得用极低的功耗熬过去。”

    • 英伟达同时和 Firefly Aerospace 达成合作,让 Jetson 在环月卫星上处理影像,给月面测绘、跟踪越来越多的月球机器人;
    • NASA 正在花钱请私营公司探月,为最早2028年宇航员重返月球铺路,模式复制了当年扶持 SpaceX 的打法;
    • Lunar Outpost 还有一台能载宇航员的大型月球车 Pegasus,但它在等贝索斯 Blue Origin 的火箭——那枚火箭今年夏天刚出了事故,复飞时间未定。

    从探索到常驻,缺的是一枚大火箭

    塞勒斯把公司的目标说得很直白:从”去月球看看”变成”在月球住下”,靠的就是确定性算法加物理 AI 组成的机器人劳动力,人类到之前先让机器把重活干完。这个思路和最近炒得火热的太空数据中心是同一个逻辑——算力上天不是科幻,是排期问题。

    只不过无论是月面机器人军团还是轨道数据中心,眼下都卡在同一件事上:一枚足够大、足够便宜的火箭。GPU 已经准备好了,运力还没有。

  • 英伟达 Agent Toolkit:把 AI 智能体搬上桌面工作站

    英伟达最近给自家最强的台式工作站 DGX Station 塞进了一套新工具:Agent Toolkit。官方说,开发者只要三步、大概半小时,就能在本地把 AI 智能体跑起来——不用连云,模型和数据都留在你自己的机器上。

    本地 AI 智能体工作站概念图
    英伟达把智能体能力带到了桌面级工作站

    DGX Station 本身就不好惹,里面是一颗 GB300「Blackwell Ultra」GPU。Agent Toolkit 的价值,是把原来得靠云 GPU 集群才能玩转的复杂智能体,搬到了桌面端。

    借助 Omniverse 库,智能体可以在本地的安全运行时里调用工具与技能,完全不需要连接互联网。—— NVIDIA

    这一套到底装了什么

    它不是单个软件,而是一整个软件栈:

    • NemoClaw:开源的智能体蓝图,把模型、运行框架和 runtime 打包,方便团队照着自己的业务改
    • Nemotron 3 Ultra:一个 5500 亿参数的开放大模型,专为 DGX Station 优化,可以本地微调
    • Omniverse 库:把智能体接到物理仿真和 3D 工作流,机器人训练、自动驾驶仿真都能本地跑
    • OpenShell:开源的安全运行时,给智能体套上沙箱,按策略管住它碰什么工具、什么数据

    为什么是现在

    硬件底子是 GB300 超级芯片,最高 20 petaflops 的 FP4 算力、748GB 统一内存;网络用 ConnectX-8,带宽到 800GB/s,还能两台 DGX Station 并联扩容。NVIDIA 还拉上 Adobe、Blender、Unreal、Epic、Foundry、Canva 等伙伴做 MCP 接入,让智能体直接进到这些创作工具里干活。

    更关键的是战略转向。当资本市场开始计较 AI 的投资回报,英伟达把 Agent Toolkit 和 Omniverse 绑在一起,等于在说:我不只卖算力硬件,还想在你的工作站上长出一套软件生态。对怕数据出公司、又想快速迭代的企业来说,本地跑智能体确实少了一层顾虑。


  • AMD把「太阳神」搬进机房:Helios机架系统正面刚英伟达

    AMD Helios 机架级 AI 系统
    AMD 首款机架级 AI 系统 Helios,集 GPU、CPU、网络与软件于一体(概念图)

    7月20日,AMD 把憋了好久的一张王牌亮了出来——名叫 Helios 的机架级 AI 系统。名字取自希腊太阳神,摆明是要当算力界的「太阳」。这不是一块显卡,而是一整柜子:GPU、CPU、网络、软件全打包,直接对标英伟达那些动辄几百万美元的 AI 机柜。

    微软带头,巨头排队下单

    最让 AMD 长脸的是客户名单。就在发布当天,微软 CEO 纳德拉亲自表态,要在 Azure 数据中心部署 Helios,还顺手推出两款基于 AMD 新「Venice」CPU 的计算实例。更早之前,Meta 已经承诺逐步部署高达 6 吉瓦的 AMD GPU,其中 1 吉瓦今年就通过 Helios 机架交付;OpenAI 和甲骨文也点头要在年内大规模铺开;印度的塔塔咨询服务也在列。

    这背后是 AMD 十年的翻身账。它靠着三代产品路线图的严格执行,加上收购赛灵思、ZT Systems,一步步把 CPU 和 GPU 都做起来了。现在它敢说,Instinct GPU 已经服务全球前十 AI 公司里的八家,包括 OpenAI 和 SpaceX AI。

    苏姿丰此前放话:Helios 在推理、内存带宽和容量上,相比英伟达的机架系统有「显著优势」。

    算的是总账,不是单项性能

    AMD 数据中心业务负责人 Forrest Norrod 反复强调一个词:TCO,也就是总拥有成本。他说 Helios 追求的是最低的「每 token 综合成本」。道理不复杂——对微软、Meta 这种要养几吉瓦算力的巨头来说,单卡跑分高一点,不如整柜更省电、更便宜。

    不过现实也很骨感。研究机构 Futurum Group 估算,一台 Helios 机柜成本大约 500 万到 550 万美元,比英伟达第二代机架 Vera Rubin 的 350 万到 400 万美元还要贵;而且它重达 7000 磅,个头也更大。更要命的是份额:英伟达占数据中心 GPU 市场超过 95%,AMD 只有约 4.5%。

    • 分析师 Daniel Newman 认为,如果 AMD 执行到位,份额有望冲到 20%–25%,对应数千亿美元收入空间
    • AMD 一季度数据中心营收同比增长 57%,已是公司收入主力
    • 公司预计从 2027 年起,数据中心 AI 年收入将达到数百亿美元,大头来自 Helios

    硬件追上了,软件才是硬仗

    Counterpoint 的分析师 Neil Shah 点破了一层窗户纸:AMD 硬件已经和英伟达站到同一水平,但胜负手在软件生态。英伟达的 CUDA 护城河太深,AMD 这几年猛补 ROCm 开源生态,就是想拆这道墙。


    Helios 的早期部署马上就要展开。接下来一两年,市场会检验一件事:AMD 到底是靠真技术赢,还是仅仅因为英伟达产能紧缺捡了漏。对用算力的公司来说,多一个能打的供应商,怎么都不是坏事。

  • OpenAI 自研芯片 Jalapeño 出炉:九个月造出推理加速芯,英伟达不再是唯一答案

    一颗用墨西哥辣椒命名的芯片

    6月24日,OpenAI 把第一颗自己设计的芯片亮了出来,代号 Jalapeño,就是墨西哥菜里那颗青辣椒。这颗芯片不是找人代工贴牌,而是 OpenAI 自己定架构,博通负责把设计变成硅片,台积电用 3 纳米工艺代工生产。它也不是一颗通用 GPU,OpenAI 管它叫”智能处理器”(Intelligence Processor),说白了就是专门为大模型推理场景打造的一块加速芯片。

    要理解它为什么重要,得先想清楚一件事:你每次问 ChatGPT 一句话、开发者调一次 API、Codex 跑一个任务,背后都是一次推理。这是 OpenAI 每天发生最频繁、也最烧钱的动作。把这部分成本攥在自己手里,比再去买一堆英伟达 GPU 更有战略意义。Google 老早有自己的 TPU,亚马逊有 Trainium 和 Inferentia,头部的 AI 公司走到一定规模,都会补上自己的算力路线。

    “我们对自己要跑的负载理解很深,一直在找那些现有芯片没服务好的工作,然后想办法把它加速。”OpenAI 总裁 Greg Brockman 在自家播客里这么解释他们的思路。

    九个月,AI 帮着设计自己的硬件

    最让人意外的是速度。Brockman 说,Jalapeño 从最初的架构设计到完成制造流片,前后只花了大约九个月。作为对比,Google 第一代 TPU 从架构到流片花了差不多三年,传统芯片公司做同等规模的项目通常要五到七年。OpenAI 自己的说法是,这可能是高性能半导体领域有史以来最快的 ASIC 开发周期。他们半开玩笑地说,参与设计的还有 OpenAI 自己的模型——AI 正在帮着造跑自己的硬件。

    早期测试的数据挺漂亮:OpenAI 称 Jalapeño 的每瓦性能明显好于当前最先进的方案。不过公司没公布具体的基准数字,目前也还没有第三方独立验证。按定位,它主打推理而不是训练,像预训练这种吃算力的重活,短期还得靠英伟达。哪怕推理成本只降一点点,对 OpenAI 的账本也是实打实的好处。

    OpenAI 首颗自研芯片 Jalapeño
    OpenAI 与博通联合打造的首颗自研推理芯片 Jalapeño(图源:TechCrunch)

    全栈野心与冷现实

    OpenAI 的算盘不止一颗芯片。它和博通的合作要部署到吉瓦级的数据中心,计划 2026 下半年开始落地,到 2029 年全部完成,外界估算整个盘子可能花掉数千亿美元。OpenAI 想的是把模型、产品、芯片、数据中心全捏在自己手里,每一层都朝着”更快、更稳、更便宜”同一个目标优化。

    但别急着宣布英伟达时代结束。训练、显存、集群网络、软件栈,任何一环都不是单颗芯片能独立解决的,更何况 CUDA 生态、供应链和部署经验是 AI 公司绕不开的现实。Jalapeño 的出现更像一个信号:OpenAI 不想永远只当算力的买家了。

    • Jalapeño 是推理专用芯片,不是用来替代英伟达做训练的通用 GPU。
    • 从设计到流片约九个月,AI 模型本身也参与了设计流程。
    • 和博通、台积电合作,瞄准吉瓦级数据中心,2026 下半年起逐步部署。

  • 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