YOHO AI

标签： AI技术

  • 多西带着Buzz杀进协作赛道：人和AI智能体要在同一个群里干活了

    如果你最近觉得公司群聊越来越挤，那杰克·多西（Jack Dorsey）刚刚又给了你一个进群的理由。这位 Twitter 和 Block 的联合创始人，在周二甩出了一个叫 Buzz 的新应用——它瞄准的是 Slack 和 GitHub 的地盘，做的却是一件有点不一样的事：把人和他们手里的 AI 智能体，塞进同一个工作群聊里。

    Buzz 的样子，第一眼看上去就是 Slack 的近亲。左侧频道列表、右侧对话窗、再配上文件和应用，都属于标准配置。但多西在 X 上强调，Buzz 是“模型无关、去中心化、自我主权、开源”的。对一个越来越依赖 AI 智能体干活的公司来说，这一点挺关键——员工不用再在五六个平台之间反复横跳，Buzz 试图把编码、协作、项目管理都收拢到一个窗口里。

    多西在 X 上写道，Buzz 是“model-agnostic, decentralized, self-sovereign, and open source”——模型无关、去中心化、自我主权，并且开源。

    它背后的公司不是什么车库创业，而是多西自己的 Block。Square、Cash App、Afterpay、Tidal 都出自这家公司，Buzz 是它最新的一笔押注。从产品逻辑看，Buzz 想解决的是这样一个尴尬：现在团队用 AI 智能体做任务，但智能体往往散落在不同工具里，人和“数字同事”很难在同一个空间里配合。Buzz 的做法是直接让智能体进驻群聊，你 @ 它一下，它就能在同一个对话里帮你查代码、跑任务、整理信息。

    开源，是它最硬的底牌

    因为代码完全开放，开发者可以把 Buzz 改成最适合自己团队的样子。需要某个功能？自己写、自己部署，不用等厂商排期。这种“自托管”的思路，在企业场景里尤其吃香——数据留在自己手里，权限自己说了算。多西不是唯一盯上这块的人。Paradigm 的合伙人兼 CTO Georgios Konstantopoulos 前不久也开源了一个类似的东西叫 Centaur，他管它叫“虚拟员工”，能跑在 Slack 里，也能通过 API 调用。

    现在上车，可能还早了点

    不过 Buzz 自己也很诚实：它目前还是“早期阶段”。对已经在用 Slack 的成熟团队来说，现在把所有工作流搬过去并不明智。它的免费桌面端已经上线，覆盖 macOS、Windows 和 Linux，代码也传到了 GitHub 上，谁都能去翻、去改。

    Jack Dorsey 与 Buzz 群聊协作平台
    Buzz 把人和 AI 智能体放进同一个工作群聊（图源：TechCrunch）
    • 群聊形态，但原生内置 AI 智能体，而不是事后接个插件
    • 同一窗口里直接管理 GitHub 项目，少切几次屏
    • 开源可自托管，企业能自己把控安全和数据
    • 免费桌面端已上 macOS / Windows / Linux，代码在 GitHub

    说到底，Buzz 想回答的问题其实是：当 AI 智能体变成团队里“编外员工”，我们该把它们安排在哪儿？多西给出的答案是——别另起炉灶，直接进群。至于它能不能真的从 Slack 嘴里抢下肉，现在下结论还太早，但“人和智能体同群办公”这个方向，看起来已经不是会不会发生，而是什么时候普及的事了。

  • 一家叫Natural的初创公司，要替AI智能体重写支付轨道

    Natural 团队
    图片来源：TechCrunch / Natural

    AI 智能体现在已经能帮你找供应商、比价格、联系承运商把货安排妥当。可真到了付钱那一下，它还是得把人类叫过来点头。一家叫 Natural 的初创公司觉得这很别扭，干脆拿了两千万美元（约 3000 万美元）的 A 轮，想从最底层把这套为「人」设计的支付轨道重写一遍。

    问题出在「轨道」本身

    今天金融系统跑的那套基础设施——信用卡、ACH 转账、各种清算网络——每一环都默认有个「人」在授权。可智能体是按机器速度工作的，它没法等月底才出账单，更没办法为了一笔毫秒级的 API 调用去填一张信用卡。支付那一下成了整条自动化链路上唯一的断点。

    Natural 的创始人 Kahlil Lalji 是银行背景出身，本来发誓这辈子不再碰金融——上一家公司卖给了 Earnin，他自称被这个行业「烧」过。但他发现，智能体的进化速度已经甩开了现有的金融架构。「代理式支付会结构性地成为这个赛道里最重要的问题，这一点太明显了，我绕不开它。」

    「世界上发生的支付笔数，可能会比今天多出两三个、甚至四个数量级。」——Natural CEO Kahlil Lalji

    它想做什么，又面临谁

    Natural 把自己定位成一个「智能体编排层」：企业接上它的基础设施，就能让自己的 agent 自主付款、收款，甚至还和其他 agent 互相交易。这轮由 Forerunner 的 Kirsten Green 领投，总融资来到 4000 万美元。团队里已经挖来了曾在 Stripe、Ramp、Square 干过的老兵。

    • 直接对手是 Stripe——它也在抢着给 AI 智能体重做支付轨道，但大公司的转身总归更慢。
    • 其他玩家如 DCVC 支持的 Skyfire，押注用美元稳定币重构这套 backbone；Natural 两条路都接，传统银行支付和稳定币都做。
    • 它不只管「代付」，还打算重新设计纠纷处理这类支付里最麻烦的环节。

  • Hugging Face证实遭入侵：动手的，是个自主AI代理

    Hugging Face 遭入侵
    图片来源：TechCrunch / Anadolu Getty

    上周末，AI 圈里最常被开发者当成「家」的平台之一，被人钻了空子。Hugging Face 在周五承认，他们内部的一部分数据集和服务凭证在一次入侵里失了守。这家托管着海量开源模型和训练数据的平台，到现在还没完全确认有没有客户或合作方的数据被顺走。

    一次从数据流水线发起的入侵

    攻击的起点很不起眼，就藏在 Hugging Face 自己的数据处理管线里。一份被上传的恶意数据集，滥用了两个代码执行路径——一个能远程跑代码的加载器，一个藏在数据集配置里的模板注入——在处理节点上执行了恶意代码。接下来就是教科书式的横向移动：提权到节点级、收割云和集群的凭证、趁着周末悄悄摸进好几个内部集群。

    整场行动不是人敲键盘敲出来的。Hugging Face 把锅甩给了一个「外部 AI 代理」：它在一大堆活不过几分钟的沙盒里跑了几千次独立操作，命令与控制节点还自己迁移到了公共服务上。公司说这正吻合业界预测已久的「代理型攻击者」场景，不过当 TechCrunch 追问证据时，对方没马上拿出来。

    「这正吻合业界此前预测的『代理型攻击者』（agentic attacker）场景。自主、由 AI 驱动的攻击工具不再是理论。」

    讽刺的一幕：防御者被自家模型拦下了

    这次事件最耐人寻味的，是 Hugging Face 怎么把攻击查明白的。它自己的异常检测先发现了动静，然后调了一个 AI 模型去分析记录了整场攻击的服务器日志。有意思的是，它一开始用的是某家商业公司的「前沿模型」，结果分析请求被对方的安全护栏挡了回来——因为要提交大量真实的攻击命令和漏洞载荷，而托管模型的护栏分不清你是防御者还是攻击者。

    最后 Hugging Face 改用自己部署在本地的大模型做取证。这反而带来一个额外好处：敏感的攻击日志和里面提到的凭证，都不用再传到别人的服务器上。换句话说，攻击者被护栏彻底放开手脚，而防御者却被托管模型的护栏卡住了脖子。

    对用户意味着什么

    • 公开、面向用户的模型、数据集和 Spaces 暂未发现被篡改，软件供应链也已验证干净，算不幸中的万幸。
    • Hugging Face 已关闭入口漏洞、重建被感染的节点、轮换了受影响的密钥，并加严了集群准入控制。
    • 平台建议所有用户立刻轮换存在这里的访问令牌，并盯着账户里有没有可疑活动。

  • 腾讯混元放出 Hyra：一个会自己改自己的科研智能体

    腾讯混元 7 月 21 日放出了一个有点特别的东西——Hyra-1.0，全称 Hunyuan Research Agent。说它特别，是因为这是个能自己改进自己的科研智能体，专门冲着那些讲究性能的研究和工程任务去的。

    能自我进化的 AI 科研智能体概念图
    腾讯混元 Hyra：一个会递归自我改进的科研智能体（示意图）

    腾讯说，Hyra 不光能在公开基准上刷分，还能扎进真实的产品系统、AI 研发流水线，甚至自然科学研究和工业场景里边跑边学、边学边进化。这话如果成立，那它就不只是个做题家了。

    “AI 自己改自己”，这一年突然火了

    递归自我改进（RSI）和自动化研究，是过去一年 AI 圈最热闹的前沿话题之一。几个标志性的例子放在一起看就明白热度从哪来：

    • Google DeepMind 的 AlphaEvolve，只用 48 次标量乘法就算完了 4×4 复数矩阵相乘；
    • Together AI 让一群智能体在开放环境里协作，把 11 维 kissing number 的已知下界从 593 推到了 604；
    • Andrej Karpathy 的 autoresearch，用一套精简循环让模型训练研究能自己转起来。

    这些进化型系统一个接一个冒出来，共同点是智能体正在跳出封闭的基准测试，跑到开放的科学发现里去，有些地方已经开始超过人类了。Hyra 想接的就是这一棒。

    框架越轻，动作空间越大

    Hyra 的 Harness 设计遵循 The Bitter Lesson：框架尽量轻、尽量简单，把智能体的动作空间尽量放大。

    具体怎么工作？给它一个任务描述，Hyra 就开始跑一个循环：根据历史经验去探索、提出更好的解法。所谓历史经验，包括过去每个方案跑出来的日志、评估器给的反馈、还有方案本身的源代码。这个循环一直转，直到它自己觉得可以收工，或者预算烧完，最后把历史上最优的那版方案交出来。

    腾讯给了个直观的例子：只给 Hyra 一张 2D 参考图，让它推断物体的三维结构，还得生成一个能直接渲染的 3D 模型。评判用的是基于 rubrics 的 VLM judge，从轮廓、比例、结构完整性、材质、视觉相似度几个维度打分。Hyra 在多轮探索里不断改建模代码、调渲染参数，官方称最后的结果比用 Claude Code 的 goal 模式生成的更贴近参考图，也更符合人的审美。

    从 AlphaEvolve 到 Hyra，能看出一个方向：大厂都在把”让 AI 帮着做研究”往前推。区别在于，腾讯这次强调的是从公开基准走进真实产业场景，让智能体在自家的研发流水线和工业问题上真刀真枪地迭代。这条路能走多远，还得看后面拿出来的活儿。至少 Hyra-1.0 把话说到了这份上。

  • Netflix 5.87 亿美元买下本·阿弗莱克那家藏了三年的 AI 电影公司

    本·阿弗莱克手里那家藏了三年多的 AI 电影公司，到底值多少钱，现在有答案了。Netflix 上周五递交给美国证监会的一份 10-Q 文件里，写着 2026 年 3 月完成的一桩收购，总对价约 5.87 亿美元，全部是现金。文件没点名，但业内一眼就能看出，这说的正是阿弗莱克联合创办的 InterPositive。

    AI 电影后期制作概念图
    Netflix 用 5.87 亿美元买下 AI 电影后期技术公司 InterPositive（示意图）

    收购本身早在 3 月 5 日就官宣了，只是价格一直没公开。彭博当时的报道说，加上业绩对赌，这笔交易最高可能摸到 6 亿美元。RedBird Capital 是 InterPositive 早期的投资方之一。至于阿弗莱克个人到手多少，没人透露。

    它做的不是”凭空生成一部电影”

    很多人一听 AI 拍电影，脑子里冒出来的是输入一段文字、吐出一段视频。InterPositive 偏偏不走这条路。阿弗莱克反复强调，这不是 text-to-video，不是无中生有，而是帮剧组把后期那些又费钱又磨人的活儿做顺。调色、补光、加特效、重新构图、换背景、修穿帮、补缺的镜头——这些原本可能得把演员和剧组重新叫回片场重拍的环节，正是它的主场。

    “我知道自己对同行、对这个行业负有责任，要守住人类创造力的力量，以及创造力背后的人。做 InterPositive，就是想做这件事。”——本·阿弗莱克

    技术上有个挺关键的细节：它的模型只拿每个项目自己的每日拍摄毛片来训练，为的是保持这部片子内部的视觉逻辑和剪辑连贯，而不是拿一堆别人的作品去喂。阿弗莱克 2022 年低调创办这家公司，一支 16 人的工程师、研究员和创意人团队一直闷头干活，这次连人带技术全部并入 Netflix，他本人则出任高级顾问。

    Netflix 已经有 300 个项目在用 AI

    联席 CEO 泰德·萨兰多斯在本周财报电话会上说得很直接：目前大约 300 个片目已经在制作流程里用上了生成式 AI，绝大多数集中在后期，专门啃那些特别复杂的镜头和段落。他举了个例子——汤姆·汉克斯监制的纪录片《美国实验》，里面有 17 分钟是 AI 增强的画面。

    • 这 17 分钟的制作速度是过去的两倍；
    • 成本只有传统方式的一半；
    • 按萨兰多斯的说法，”用老办法根本做不出来的规模，现在做到了”。

    这笔钱花得也不算轻松。Netflix 二季度财报出来后股价一路下挫，周一又跌了 2%，报 67.60 美元，2026 年全年营收指引被收窄到 510 亿到 514 亿美元之间。在这种背景下砸半个多亿美元买一家 AI 公司，说明它对生成式 AV 改造制作流程这件事是真下注了。

    另一边，好莱坞对 AI 的警惕一点没松。阿弗莱克本人是演员工会 SAG-AFTRA 的成员，工会刚跟各大制片厂谈下新合同，专门给生成式 AI 划了红线，明确偏向保护真人表演。就在这个月，一个叫 Tilly Norwood 的 AI”演员”还接到了首个正式角色。让一位以”保住电影的人味儿”为口号的影人来牵头 AI 工具，Netflix 这步棋，多少有点想让创作圈更容易接受 AI 的意思。

  • 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。

  • 索尼再告 Udio：3 万首歌揭开的 AI 音乐版权战

    索尼音乐娱乐这周一在纽约法院又递了一纸诉状，被告是 AI 音乐生成器 Udio。和两年前三大唱片公司联手起诉 Udio、Suno 那场官司不同，这一回索尼把火力对准了一个很具体的数字：超过 3 万首歌。

    AI 音乐版权争议概念图
    AI 音乐生成器的训练数据版权问题持续升温

    从猫王的《Hound Dog》到碧昂丝的《Say My Name》，再到哈里·斯泰尔斯的《As It Was》，索尼列出的清单里既有上个世纪的经典，也有近年的热单。索尼在诉状里直言，这 3 万多首「只是 Udio 侵权作品中的一小部分」。

    索尼称，这份 3 万多首的清单「只是 Udio 所侵权作品中的一小部分」，背后还有更多未被点名的歌曲。

    这些歌是怎么被发现的

    有意思的是，这 3 万首并不是索尼一开始就掌握的。2024 年那场诉讼里，索尼和环球、华纳一起把 Udio 与 Suno 告上法庭。借着证据开示（discovery）的程序，索尼拿到了 Udio 的训练数据，再用一套「音频指纹」技术逐一比对，才揪出这批此前没被点名的歌曲。

    索尼原本想把 3 万多首直接加进原本的案子，但法官驳回了这个请求，原始诉讼的范围因此停留在 333 首。于是索尼换了个打法——单独再提一桩新诉讼。

    对 AI 音乐意味着什么

    这场拉锯把一个老问题又摆到台面：AI 音乐模型到底拿了多少版权音乐当养料。Udio、Suno 这类工具能照着风格生成听起来很「像」的歌，但训练数据是否合规，厂商一直说不清。

    • 2024 年索尼、环球、华纳联手起诉 Udio 与 Suno
    • 证据开示让索尼拿到 Udio 训练数据，音频指纹比对出 3 万首
    • 法官驳回追加请求，索尼改提独立新诉
    • 核心争议仍是 AI 音乐模型的训练数据授权

  • 字节跳动放出 Seed Audio 1.0：给视频配音，AI 不再只会「念稿」

    字节跳动 Seed Audio 1.0 音频创作模型
    Seed Audio 1.0 用统一框架联合建模人声、音效与环境声（概念图）

    做短视频、短剧的人大概都有过这种崩溃：画面拍好了，配一段像样的音效比写脚本还费劲。人声要去录音棚，环境声要现找素材，音效还得一笔笔手动对时间轴。7月20日，字节跳动 Seed 团队丢出一个叫 Seed Audio 1.0 的模型，想把这个流程一口气吞掉。

    它不是拼接，是「一起想」

    过去这类工具大多是各管一摊：一个模型生成人声，一个模型找音效，最后人工混音。Seed Audio 1.0 的卖点在于，它在一个统一框架里同时建模人声、音效和环境声，端到端直接产出一段能拿来叙事的完整声音。官方一句话挺妙：声音不再只是画面的补丁，而是能直接参与讲故事，「听见」即「看见」。

    具体有三个本事。第一是精细的时间编排，按时间线控制对白和音效什么时候进场，精度能到 100 毫秒，做视频配音和广告卡点刚好。第二是音色稳，支持零样本生成和长音频延展，一个角色从头到尾音色不变，还能同一声音演多个角色、带不同情绪。第三是语种全，覆盖中文、英文、日语等 20 多种语言，重音和节奏都按当地习惯来。

    官方评测显示，在影视、短剧、动漫、播客等多数场景里，音频可用率已经跑到 90% 以上；多语言自然度方面，大部分语种 MOS 评分超过 4 分，算优秀水平。

    从「会说」到「会创作」

    这中间的区别挺关键。早几年的语音合成，本质是把文字念出来，语调再自然也还是「读稿」。Seed Audio 1.0 瞄准的是创作——你给一条指令，它自己安排谁说话、什么情绪、背景音怎么铺、什么时候淡入。对短剧和动漫团队来说，这意味着原本要分几个工种、花几天的活，可能压缩到一轮生成。

    • 影视级音频：对白、音效、环境声统一编排，叙事更连贯
    • 可控音色：长音频保持一致，同一声音可演多角色
    • 20+ 语种：自然生成，适配本地表达节奏

    先上体验，后面还有大招

    模型现在已经放在火山方舟体验中心，创作者能直接试。团队放话，接下来会接进视频参考这类多模态输入，还会做可控翻译、长音频和分轨生成，方向是把脑子里的声音构想更快变成能听见的成品。

    大模型从文本、图像一路卷到音频，Seed Audio 1.0 是个信号：AI 音频正从单点工具走向全场景创作平台。对内容创作者，门槛又低了一截；对行业，竞争也从「谁念得真」变成「谁编得巧」。

  • 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。

  • 谷歌悄悄研发新 AI 芯片 Frozen v2：要让 Gemini 省下大笔电费

    Google 自研 AI 芯片相关示意图
    大厂自研 AI 芯片已成趋势，Google 的 Frozen v2 瞄准的是推理能效（图源：TechCrunch）

    Alphabet 正在悄悄搞一颗新的服务器芯片，内部代号叫 Frozen v2，专门用来让自家的 Gemini 模型跑得更省、更稳。消息来自 The Information 的爆料，说这颗芯片大概会在 2028 年前后亮相。

    能效说是现在的六到十倍

    按那篇报道的说法，Frozen v2 的衡量标准是「每消耗一单位电力能生成多少 token」，在这个口径下，它要比 Google 现有的 AI 芯片高效 6 到 10 倍。对此 Google 既没承认也没否认，只给了一句四平八稳的回应。

    「我们的团队一直在研究和试验各种新方案，为用户和客户带来极致的性能与效率。」

    大厂为什么都在自己造芯

    把模型训练和推理从通用 GPU 上挪到自己定制的芯片上，已经成了大厂的共同动作。动机很直白：一是让自家模型跑得更划算，二是摆脱对英伟达的依赖——这家公司长期把持着 AI 芯片市场，也让所有大模型厂商都被它的硬件绑住。

    就在今年 6 月，OpenAI 刚亮出第一颗自研推理芯片 Jalapeño；本月初又有消息说，Anthropic 正在和三星谈新的芯片合作。Google 自己本来就有 TPU 这条线，Frozen v2 像是把这条路继续往下走。

    • 代号 Frozen v2，目标 2028 年前后发布，专供 Gemini 使用。
    • 能效按 token / 单位电力计，号称达现有芯片 6 到 10 倍。
    • 背景是 OpenAI、Anthropic 相继布局自研芯片，全行业试图降低对英伟达的依赖。

    股价先涨为敬

    这类消息背后，其实是投资者的算盘。大家一直担心 Alphabet 为了 AI 基建砸下的天价开支——公司年初说今年要花 1800 亿到 1900 亿美元。钱花出去了，得证明能回本。Frozen v2 一旦坐实，等于给市场一个「我们在把成本压下来」的信号。报道出来后，Google 股价周一上午就涨了大约 3%。

    当推理成本变成卖点，AI 的故事就从「大力出奇迹」变成了「谁更会过日子」。