标签: AI

  • CrewAI:51.9k Stars!轻量高性能多Agent协作框架,让AI团队像人一样分工合作

    CrewAI:51.9k Stars!轻量高性能多Agent协作框架,让AI团队像人一样分工合作

    CrewAI 多Agent协作框架

    CrewAI 官方示意图(图片加载失败时自动隐藏)


    🤖 项目简介

    CrewAI 是一个用于构建多智能体自动化系统的开源 Python 框架,核心定位是轻量、高性能、完全独立——它不依赖 LangChain 等任何外部 Agent 框架,从零构建,执行速度更快、资源占用更低。

    ✅ 一句话总结:让多个 AI Agent 像真实团队一样分工协作,自主完成复杂任务的开源框架。

    ⚙️ 安装要求和过程

    环境要求

    • 🐍 Python:≥ 3.10 且 < 3.14
    • 📦 推荐工具:uv(高性能 Python 包管理器)
    • 💻 操作系统:Windows / macOS / Linux 全平台支持
    • 🔧 可选依赖:Rust 编译器(tiktoken 编译失败时需安装)

    快速安装(3步搞定):

    # 1. 安装 crewai 基础包

    uv pip install crewai

    # 2. 安装包含常用工具的完整版

    uv pip install ‘crewai[tools]’

    # 3. 如需嵌入功能(知识库/RAG)

    uv pip install ‘crewai[embeddings]’

    ⚠️ 常见问题:若出现 tiktoken 模块缺失,安装对应嵌入依赖即可;若 tiktoken 编译失败,Windows 用户需安装 Visual C++ 生成工具。

    🔥 核心功能

    🤝 双模编排

    Crews(自主协作团队)+ Flows(事件驱动工作流)两种架构无缝结合,兼顾自主性与可控性。

    ⚡ 完全独立轻量

    从零构建,不依赖 LangChain,执行速度更快,资源占用更低,部署更简单。

    🎯 深度自定义

    支持从高层工作流到 Agent 内部提示词、执行逻辑的全链路自定义。

    🌐 多模型兼容

    支持 OpenAI、本地 Ollama、Anthropic 等多种 LLM 接入,灵活适配。

    🏢 企业级扩展(CrewAI AMP Suite)

    配套商业化企业套件,提供统一管控平台、可观测性、高级安全等企业特性,已有超过 10万名开发者通过官方课程完成认证。


    🚀 典型使用场景

    📝 场景一:自动化内容生成

    多个 Agent 分工协作——研究员负责搜集资料、写手负责撰写初稿、编辑负责润色定稿,全自动生成落地页或市场分析报告,效率提升 5-10倍

    📊 场景二:股票市场智能分析

    数据分析 Agent 抓取实时行情、研究 Agent 生成深度报告、审核 Agent 确保结论严谨,多角色协作输出专业级投资分析报告。

    ✈️ 场景三:个性化旅行行程规划

    理解用户偏好,自动规划包含交通、住宿、景点、美食的完整行程,并根据实时信息动态调整,比人工规划更全面。


    💡 推荐理由

    如果你正在做 AI 自动化多Agent系统,CrewAI 是目前最值得入手的框架之一。它不依赖 LangChain,意味着更少的依赖冲突、更快的调试周期、更清晰的问题定位。

    最让我印象深刻的是它的「双模编排」设计——Crews 模式让 Agent 自主协作,适合创意类和探索类任务;Flows 模式提供精准的流程控制,适合企业级生产场景。两套模式还能无缝结合,这种设计在当前的多Agent框架里是独一份的。

    🔗 官方文档非常完善,10万+认证开发者社区也很活跃,遇到问题基本都能找到答案。如果你用过 AutoGPT 或 LangChain Agent,切换到 CrewAI 会感受到明显的「轻快」体验。

    🎯 值得一试吗?

    值得!特别是你需要构建生产级多Agent系统的时候,CrewAI 是目前最成熟、最轻量的选择之一。


    📥 下载地址

    🌐 官方网站 https://crewai.com
    🐙 GitHub仓库 https://github.com/crewAIInc/crewAI ⭐ 51.9k
    📚 官方文档 https://docs.crewai.com
    🇨🇳 中文文档 https://docs.crewai.org.cn
    💬 Discord社区 https://discord.gg/X4JWnZnxPb

    开源项目系列第18期

  • 两千亿参数、原生全模态,智象未来把图像大模型卷到了新维度

    5月19日,智象未来在北京办了首届开放日,主题叫「Imagining the World」。会上最重磅的消息,是发布了参数超两千亿的图像大模型HiDream-O1-Image-Pro。

    告别「拼接味」,原生全模态才是正路

    现在市面上的图像生成模型,大多还是「拼接路线」——图像走一条路,文本走另一条路,最后拼在一起。这种做法在复杂语义理解、精准文字渲染上总是差点意思。

    HiDream-O1-Image-Pro换了个思路:把图像像素、文本标记和任务条件统一放进一个连续共享的标记空间,从底层就开始「混着学」。这个架构叫Unified Transformer(UiT),智象未来管它叫「原生全模态」。

    「当前很多『多模态大模型』,本质上还是『单模态拼接』。而原生多模态,是从一开始就把『世界的规则』刻进模型里——它知道物理定律、空间关系、因果逻辑,所以它能真正理解世界、推理世界,而不只是『生成内容』。」

    —— 智象未来创始人兼CEO 梅涛
    HiDream-O1-Image-Pro模型架构示意图
    HiDream-O1-Image-Pro架构示意图(图片来源:量子位)

    开源版已经打遍榜上无敌手

    其实在这之前,智象未来已经把8B参数的开源版本HiDream-O1-Image放到了全球评测平台Artificial Analysis上,结果在文生图开源模型里排到了全球第一,超过了Z-Image Turbo、Qwen-Image、FLUX.2这些主流对手。

    这次发布的Pro版是闭源版本,参数直接干到了两千亿以上,在复杂文本渲染、指令编辑、多主体个性化这些任务上全面刷新了SOTA纪录。

    半月内连融两轮,资本用脚投票

    开放日上还透露了一个信号:公司融资在提速。不久之前刚完成超5亿元融资,半月之内又敲定了新一轮,投资方包括深创投、金浦投资、财鑫资本、复聚资本等。

    现在的阵容很有意思:安徽、上海、湖南、杭州的多方产业基金在跟,深创投、东方富海、峰华资本这些头部市场化VC也在押注。这个资本组合,摆明了是要在「原生全模态」这个方向上重仓。

    商业化落地:三个智能体产品已经跑起来

    光有模型不够,智象未来同时亮出了三条产品线:

    • HiBurst:商业营销智能体,已覆盖TikTok、Meta、抖音、小红书等平台,是TikTok官方top5服务商,年生产电商营销视频超百万条
    • 帧赞:全球首个专业级AI影视创作智能体,已累计制作短漫剧超5000分钟
    • vivago:社媒创作智能体,近日登上Product Hunt日榜第一,覆盖全球100多个国家超4000万用户

    从视觉生成走向世界模型,这条路还长。但智象未来至少证明了一件事:原生全模态架构不是空中楼阁,它已经能打商业仗了。


  • 做短视频想爆却靠玄学?这个AI工具拿了700万美元,要把「什么能爆」变成系统工程

    现在打开社交媒体,到处都是播客片段、歌曲剪辑、电影高光时刻的短视频。你以为这是偶然刷到的,其实背后有一整套工业化流程在运转。

    管理零工创作者,是个脏活累活

    品牌方早就发现,30到90秒的短视频片段是性价比极高的营销方式。但他们面临一个运营噩梦:怎么管理成百上千名独立创作者?怎么知道哪类剪辑在哪个平台能爆?

    Clouted的做法是:搭建一套基础设施,自动处理剪辑流程的物流管理和投放策略制定。平台接入了超过10万名零工创作者来编辑片段,然后用AI确定推广这些片段的最佳社交媒体平台和目标受众。

    Clouted的AI会运行一个持续测试循环,尝试不同的格式和渠道策略,来找出实际表现最好的方案。随着系统积累有效数据,每次活动都会让下一次活动更具针对性和效率。

    创始人从电子音乐节起步

    Clouted联合创始人兼CEO Justin Banusing最初是把这套技术用在自己的爱好上——电子音乐和音乐节制作。他是一位资深DJ,用Clouted推广自己办的&Friends音乐节,现在这个活动已经吸引了超过2万名参与者。

    这种”自己先用好”的起步方式,在AI工具创业里其实挺常见的。先在一个垂直场景跑通,再横向扩展到更通用的营销基础设施市场。

    Clouted团队成员照片
    Clouted团队成员(图片来源:TechCrunch)

    700万美元种子轮,瞄准营销基础设施大市场

    这轮由Slow Ventures领投,Gold House Ventures、Weekend Fund、Peak XV的Surge等机构跟投。Clouted最终要对标的不是那些纯粹的剪辑工具,而是CreatorIQ和Hightouch这类营销基础设施玩家。

    Hightouch最近年度经常性收入(ARR)突破1亿美元,说明这个市场的空间够大,而且还在扩张。Clouted想做的,是把”哪些内容能爆”这件事,从玄学变成数据驱动的系统工程。


  • 上海把数据中心沉到海底了,年省电6100万度,PUE低到1.15

    2026年5月15日,上海临港东海海域,一件挺科幻的事情发生了——全球首个”海风直连”海底数据中心正式投运。192个机柜沉到10米深的海底,用15℃恒温海水冷却,零淡水消耗,PUE值压到了1.15。算了一笔账:这套系统一年能省电6100万度。

    海底数据中心结构示意图
    海底数据中心结构示意图(图源:腾讯新闻)

    海底里放服务器,这主意谁想出来的?

    听起来像天方夜谭,但逻辑其实很直白。传统数据中心有近40%的电力用在散热上,还要消耗大量淡水。服务器的理想工作环境是什么?低温、恒湿、不用空调。海洋刚好满足这一切。

    这次在上海临港落地的项目,把”海上风电直连”和”海水冷却”两个思路合在了一起。数据中心旁边500米就是200兆瓦的海上风电场,绿电通过专属海缆直接送进来,连上电网传输损耗都省了。谷歌那帮人整天想AI的能耗问题,中国这边已经把数据中心沉到海里用海风供电了。

    总投资16亿元,整体规划24兆瓦,分两期建设。一期示范工程2.3兆瓦,部署192个机柜,可容纳2000台服务器同时运行。

    把2000吨的大家伙沉到海底,误差不到10厘米

    这个项目最夸张的地方在于施工难度。整个数据舱总重1950吨,从江苏启东基地运输220公里到上海临港海域,路上要用”马鞍形”固定支座加厚橡胶垫防滑,还要绑8根缆风绳对称加固。

    到了海底安装环节,精度要求更是离谱:导管架支腿插尖插入海底钢管桩的间隙只有0.18米,偏差必须控制在10厘米以内。吊装用了”三航风范号”起重船,GPS加专业定位软件引导,下放速度严格控制在每分钟0.1米,最后实现了”零偏差”精准就位。

    海底数据中心海上吊装
    海上吊装作业(图源:腾讯新闻)

    为什么PUE能压到1.15?

    PUE(电源使用效率)是衡量数据中心能效的核心指标,越接近1越好。传统陆地数据中心的PUE一般在1.5到2.0之间,意味着将近一半的电力浪费在散热、传输等环节上。

    海底数据中心的PUE能压到1.15,核心是两个原因:第一,海水常年保持在15℃左右,是天然的免费冷源,完全不需要空调;第二,海上风电场直接供电,省掉了长距离输电的损耗。两项叠加,绿电占比超过95%,真正实现”用海风训练大模型”。


    不只上海,海南已经在赚钱了

    上海这个项目不是概念验证,是真的在跑业务。实际上,海南陵水在2023年就投运了类似的海底数据中心,目前已经在稳定产生商业收入。上海临港这个项目,某种意义上是在验证技术商业化可行性之后,向更大规模推广的一步。

    行业分析指出,这个项目真正受益的是上游硬件制造和海风配套相关企业。数据中心的耗电问题不解决,AI算力的扩张就是一句空话。把数据中心搬到海里,用海风供电,这个思路如果真能大规模复制,对AI基础设施的意义不亚于当年云计算的诞生。

    现在全球AI算力竞赛已经进入基础设施阶段,谁能用更低的成本、更少的能耗提供算力,谁就掌握了下一代AI竞争的话语权。上海这套海底数据中心的PUE做到1.15,一年省电6100万度,如果后续24兆瓦全部投产,这个数字还会翻十倍。

  • Anthropic每月要给xAI交12.5亿美元,AI圈最魔幻的合作诞生了

    这几天AI圈出了件让人瞠目结舌的事——Anthropic宣布每月要给xAI支付12.5亿美元的算力费,合同一签就是到2029年5月。算下来,这笔交易总金额超过400亿美元。两家公司什么关系?直接竞争对手。Anthropic做Claude,xAI做Grok,上个月还在互相抢用户,这个月就变成甲方乙方了。

    SpaceX招股书里漏出来的大秘密

    这笔交易之所以被外界知道,是因为SpaceX在向SEC提交的IPO招股书里披露了细节。xAI在文件中写得很直白:这个交易”允许我们将基础设施中未使用的算力容量货币化”,还补了一句”我们预计将签署更多类似的服务合同”。

    300兆瓦,这是Anthropic向xAI采购的算力规模,直接包下了xAI位于田纳西州孟菲斯附近的Colossus 1数据中心全部产能。合同里还有一个细节:前两个月是折扣价,对应xAI完成产能爬坡的阶段。之后就是全额12.5亿美元每月。

    Anthropic按协议需每月向xAI支付12.5亿美元,协议有效期至2029年5月。整个协议周期内,xAI预计可从该交易获得超过400亿美元的收入。

    xAI的算盘:闲置产能变现金奶牛

    xAI为什么要这么做?一个字:闲。Grok的用户量今年大幅下滑,释放了大量服务器资源,与其让GPU空转,不如卖给竞争对手换现金流。而且xAI刚在向IPO冲刺,有一笔稳定的长期收入,对估值帮助不小。

    SpaceX在招股书里说得很清楚:”我们相信这种双重货币化策略为投入资本的回报提供了多种路径。”翻译一下就是:我既可以用这些GPU训练自己的模型,也可以租给别家赚钱,怎么都不亏。

    xAI标志与Grok应用
    xAI的Grok与Colossus数据中心(图源:TechCrunch)

    “新云”时代:AI公司变成算力零售商

    这件事真正值得玩味的地方在于,它揭示了一个正在成形的新商业模式。过去AI公司的逻辑是:建数据中心→训练模型→卖模型API。现在多了一条路:建更大的数据中心→训练模型+把多余的算力租出去。

    行业里有人把这种模式叫”新云”(neocloud)。和传统云厂商不一样,这些AI公司本身就是算力的最大使用者,他们对算力需求的理解比亚马逊和微软更深。当他们的数据中心建得比实际需求大,就有动力把剩余产能卖出去。

    Anthropic愿意每个月花12.5亿美元向xAI买算力,说明他们对自己的融资能力和未来收入很有信心。据媒体报道,Anthropic即将迎来首个盈利季度,这或许能解释他们为什么敢签这么大一笔长期合同。


    合同里的逃生通道

    这笔交易并不是完全锁死的。合同允许任意一方提前90天通知即可终止。也就是说,如果xAI自己需要更多算力,或者Anthropic找到了更便宜的替代方案,双方都可以抽身。

    但从目前披露的条款来看,xAI显然把这当作一项长期收入来源。他们在招股书里明确说”预计将签署更多类似的服务合同”,暗示后面还有更多AI公司可能成为他们的算力客户。

    想想也是,现在有几家AI公司同时在自建超大规模数据中心?xAI、OpenAI(和微软合作)、Anthropic、Google,每家都在疯狂扩产。等这一波产能全部上线,闲置算力的规模可能远超外界想象。到那时候,”新云”可能不会是个例,而是一个普遍现象。

  • OpenHands:74.3k Stars!AI驱动的开发神器,从命令行到企业级部署全覆盖

    OpenHands:74.3k Stars!AI驱动的开发神器,从命令行到企业级部署全覆盖

    🤖 项目简介

    OpenHands 是一个聚焦AI驱动开发的开源项目,提供了可组合的Python软件代理SDK,支持本地运行或大规模云端分布式部署。它集成了多种使用形态——CLI命令行、本地GUI界面、云端托管服务以及企业级私有化部署,可以对接Claude、GPT等多种大语言模型,还能集成Slack、Jira、Linear等常用开发工具。

    简单来说,OpenHands 就是你的AI编程助手全家桶——想要命令行交互?有CLI。想要图形界面?有Local GUI。想要团队协同?有Cloud版。想要私有部署?有Enterprise版。一个项目,四种打开方式。


    🔧 安装要求和过程

    环境要求

    • Python环境:项目核心使用Python(占比62.5%),使用Poetry或uv作为包管理工具
    • Node.js环境:前端部分依赖Node.js生态(包含.nvmrc指定版本)
    • Docker:支持Docker部署(包含docker-compose.yml配置)
    • Kubernetes:企业版支持K8s集群部署

    快速安装(本地开发)

    # 克隆仓库
    git clone https://github.com/All-Hands-AI/OpenHands.git
    cd OpenHands
    
    # 安装依赖(使用uv)
    uv pip install -e ".[dev]"
    
    # 启动本地开发服务器
    make run

    ✨ 核心功能

    🛠️ Software Agent SDK

    底层核心Python库,支持代码定义代理,可本地或云端大规模运行,是所有上层能力的基础。

    💻 CLI命令行模式

    交互逻辑类似Claude Code、Codex,可通过命令行直接对话,对接各类LLM模型。

    🖥️ Local GUI

    本地运行的代理图形界面,附带REST API和单页React应用,交互体验类似Devin、Jules。

    ☁️ Cloud云端服务

    托管式云端服务,支持免费使用Minimax模型,具备多用户协作、RBAC权限管理。


    🚀 典型使用场景

    场景一:个人开发者——AI编程助手

    通过CLI模式,开发者可以在终端直接与AI对话,完成代码编写、调试、重构等任务。类似Claude Code的使用体验,但OpenHands提供了更完整的本地部署能力,数据完全私有。

    场景二:企业团队——私有化AI开发平台

    通过Enterprise版本,企业可以在私有VPC内部署OpenHands,对接内部代码库、Jira、Slack等工具,实现安全的AI辅助开发。支持Kubernetes集群部署,具备完整的权限管理和审计能力。

    场景三:AI研究——可复现的实验环境

    OpenHands提供了评估基础设施和Chrome浏览器扩展,研究者可以方便地进行AI编程能力评估、多模型对比实验,且所有实验环境可完整复现。


    💡 推荐理由

    作为一个AI编程工具的深度用户,我为什么推荐OpenHands?

    • 完整的技术栈覆盖:从个人CLI到企业私有部署,从本地开发到云端协作,OpenHands提供了全链条的解决方案。
    • 真正开源:核心代码采用MIT协议,你可以自由修改、部署,不用担心厂商锁定。
    • 活跃社区:74.3k Stars、9.4k Forks,社区非常活跃,问题和PR响应速度快。
    • 多模型支持:不绑定特定大模型厂商,Claude、GPT、本地Ollama都可以对接。

    如果你正在寻找一个可私有部署、功能完整、社区活跃的AI编程助手,OpenHands绝对值得一试。特别是对于重视数据隐私的团队,它的本地部署能力是最大亮点。


    📥 下载地址


    📌 本文由 WorkBuddy AI 自动采集撰写,开源项目信息来自GitHub官方仓库。

  • 亚马逊把购物助手和Alexa融合了,以后买东西可能真的不用自己动手了

    亚马逊在AI购物这块的动作一直没停过,最近他们又搞了个新整合——把原来的生成式AI购物助手Rufus和升级后的Alexa Plus深度融合,搞出了一个能自己推荐、自己比价、甚至自己下单的AI购物智能体,以后你买东西,可能真的只需要说一句话。

    亚马逊AI购物智能体概念图
    亚马逊整合Rufus与Alexa Plus,推出AI购物智能体(来源:agentupdate.ai)

    亚马逊采用多模型融合的技术架构,底层同时整合亚马逊自研的Nova AI系列模型和Anthropic的Claude模型,同时提升对话自然度和复杂任务处理能力。

    新功能到底有多省心?

    这次整合之后的AI购物智能体,不再是以前那种你搜什么它给什么的简单工具,而是能主动帮你干活的助手:比如你之前搜过几次露营装备,它到时候会主动给你推适合的帐篷、睡袋,不用你再反复搜;你看中了个东西,它帮你盯着价格,降到了你设定的价位就通知你;甚至你提前跟它说“这个型号的电池降到50块以下就帮我买”,到价了它直接帮你下单结账,全程不用你动手。

    而且这个助手是跨设备的,你在手机上跟它说的需求,在平板上、智能音箱上都能接着用,相当于一个跟着你的个性化购物顾问。

    技术上靠什么支撑?

    能做到这些,靠的是底层多模型融合的架构:亚马逊自研的Nova AI系列模型负责理解你的上下文需求,比如你说“下周要去海边玩,帮我选个防晒霜”,它能知道你要的是防水、高SPF值的;而Anthropic的Claude模型负责处理复杂的逻辑,比如比价、凑单、用优惠券这些需要多步推理的任务,它都能搞定。

    目前这个架构已经在亚马逊的内测中跑了一段时间,用户反馈对话自然度比之前的Rufus高了40%,处理复杂购物需求的正确率也提升了一倍多。

    会改变我们购物的方式吗?

    短期来看,这个功能最先改变的是经常在网上买东西的人的体验——以前买个大件要搜好几个小时,比好几天价格,现在跟AI说一声需求,它半小时就能给你选出最适合的选项,还能帮你盯着价格,省了不知道多少时间。

    长期来看,这可能是电商行业的一次大变革:以前电商的核心是“人找货”,用户搜关键词,平台给结果;以后可能变成“货找人”,AI知道你要什么,直接把最适合的选项推给你,甚至直接帮你下单。到时候,商家的运营逻辑、平台的流量分配规则,可能都要跟着变。

    当然现在这个系统还在内测阶段,完全自主下单的功能可能还需要一段时间才能全面开放,但方向已经很明确了——以后的购物,可能真的是“说一句话就搞定”的时代了。


  • 谷歌这次把AI科学家搞出来了,7个智能体自己跑实验,还登了Nature

    谷歌DeepMind最近搞了个大动作,直接把AI科研助手的水平拉到了《Nature》正刊的级别——他们推出的Co-Scientist系统,现在已经能自主完成从提假设到验证的全科研流程,而且在肝纤维化、衰老这些之前啃不动的生命科学领域,已经拿出了实打实的成果。

    谷歌Co-Scientist系统登顶Nature
    谷歌DeepMind Co-Scientist系统架构图(来源:新浪财经)

    Co-Scientist的核心是基于Gemini大模型的7大智能体体系,模拟完整科学研究循环(提出假设→质疑修正→迭代完善)。

    7大智能体怎么分工?

    这7个智能体各有分工,合起来就是一个不用休息的科研团队:生成代理负责基于已有文献提初步假说;邻近性代理给这些假说分类,避免漏了潜在的研究路径;反思代理相当于虚拟同行评审,专门挑假设的错误;排名代理让假说两两比拼,筛选出最有前景的方向;进化代理对排名靠前的假说迭代优化;元评审代理汇总结果,生成完整研究方案给人类科学家审阅;监督代理是总指挥,拆解大目标为具体任务,协调所有智能体并行工作。

    为了保证质量,系统还借鉴了AlphaGo的博弈逻辑,让假说之间“打擂台”,把大部分算力投入假设验证环节——反复核对假设和现有文献、数据的一致性,确保假设有依据、逻辑通顺、能实验验证。另外还能调用ChEMBL、UniProt这些专业数据库,以及AlphaFold等第三方AI工具,吸收多维度的知识。

    已经在哪些领域出了成果?

    目前这个系统优先在生命科学领域落地,已经搞出了不少突破:肝纤维化治疗方向,筛选出的老药新用候选药物,在实验室里能抑制91%的纤维化相关反应,效果比传统方案好得多;渐冻症(ALS)研究,整合了几十年的领域文献,提出了全新的RNA疗法思路,现在已经在推动跨实验室联合攻关;细胞衰老逆转研究,精准锁定了关键基因靶点,把原本需要数月的数据处理工作压缩到了数天完成。

    其他方向也有进展:肝病机制研究,解析出了不同药物疗效差异的核心原因,结论经实验100%验证;新发传染病研究,能快速锁定致病关键氨基酸,把原本需要数年的实验周期缩短到数周;衰老生物学研究,提出了应激反应的全新假设,已经经过多家实验室独立验证。

    AI for Science成巨头新战场

    谷歌这次突破之后,AI for Science赛道已经成了科技巨头和初创公司都在抢的香饽饽:2025年12月FutureHouse推出AI科学家Robin,首轮融资就拿了7000万美元;英伟达和礼来宣布未来5年共同投资10亿美元,共建全球首个AI药物共创实验室;科学智能公司Lila Sciences刚完成3.5亿美元A轮融资,估值就超过了13亿美元。

    以前搞科研靠天才的灵感和运气,现在有了这套系统,相当于给每个科学家配了一个24小时不睡觉、能读完所有文献、还能自己设计实验的助手——科研效率的革命,真的要来了。


  • 英伟达又破纪录了,但真正吓人的是那430亿美元的隐形投资组合

    英伟达又破纪录了,但真正吓人的是那430亿美元的”隐形投资组合”

    英伟达周三盘后公布了截至2026年4月26日的季度财报,数字一如既往地好看:总营收816亿美元,较上一季度增长20%;数据中心营收752亿美元,又创了新高。

    黄仁勋在电话会议上那股子得意劲儿不难想象。据财报披露,英伟达所有主要客户——所有超大规模云厂商、所有云服务提供商、所有主要大模型开发商——都已经采用并部署了Blackwell架构。这句话的潜台词是:眼下这场AI军备竞赛,英伟达是唯一的军火商。

    本季度营收816亿美元(环比+20%),数据中心营收752亿美元创历史新高。英伟达授权800亿美元股票回购计划,预计下季度营收910亿美元。

    受此业绩提振,英伟达授权了800亿美元的股票回购计划。有钱就是任性。

    430亿美元是怎么花出去的?

    但如果你仔细翻这份财报,有一个数字比营收纪录更值得玩味:英伟达持有私营企业的股权规模,在这三个月里几乎翻了一番。

    季度初,这个数字还是220亿美元。季度末,变成了430亿美元。

    430亿美元是什么概念?大约相当于两个英特尔的市值(截至发稿时英特尔市值约210亿美元)。而这些还只是英伟达持有的非上市企业股权,不包括它对康宁(Corning)、IREN等上市公司的投资,也不包括今年2月承诺向OpenAI投资的300亿美元(这笔交易的结构尚未披露)。

    英伟达CEO黄仁勋在GTC大会
    英伟达CEO黄仁勋在GTC大会 | 图源:TechCrunch / Getty Images

    推动这笔430亿美元的主要因素是本季度内累计185亿美元的收购支出。作为对比,上一季度英伟达在收购私营企业股权上的支出仅为6.49亿美元。从6.49亿到185亿,这个增幅大概是28倍。

    黄仁勋的”产能阳谋”

    黄仁勋在电话会议上特别提到了与Anthropic的产能建设计划。他说:”我们今年和明年为Anthropic上线的产能规模将非常可观,此前我们对Anthropic的覆盖基本为零。”

    这句话其实透露了两个信息:第一,Anthropic正在大规模扩张算力基础设施;第二,英伟达是这次扩张的核心受益者。考虑到Anthropic每月需向xAI支付12.5亿美元算力的消息刚过去没几天,AI公司对算力的渴求已经到了不惜代价的地步。

    当然,财报也不是全是好消息。英伟达预测下一季度营收为910亿美元,环比增长12%。这个数字虽然仍然亮眼,但增速较本季度的20%已经明显放缓。

    中国市场:名义上能卖,实际上卖不了

    中国市场的故事则基本处于停滞状态。CFO Colette Kress表示,虽然H200芯片已获得美国出口许可,但”我们尚未产生任何相关收入,也不确定是否会被允许出口到中国”。

    换句话说,名义上可以卖,实际上卖不了。这块市场基本上已经算是丢了。

    回过头看那430亿美元的持股组合,英伟达正在做的事情其实很聪明:它不只是卖铲子的,它还在用赚来的钱买下那些挖金矿的公司的股份。AI产业链的每一个环节,从芯片到模型到应用,英伟达都在用投资的方式深度绑定。

    这种模式一旦跑通,英伟达就不再是单纯的硬件供应商,而是整个AI生态系统的股东。到那时候,即便有竞争对手的芯片赶上来,英伟达手里握着的那些股权也足够让它继续坐在牌桌的主位上。


  • OpenAI说这次真的解决了80年数学难题,上次的尴尬还记得吗?

    OpenAI说这次真的解决了80年数学难题,上次的尴尬还记得吗?

    如果你最近刷到OpenAI又双叒叕宣布”解决数学难题”的消息,第一反应可能是:又来?

    确实,这话听着耳熟。7个月前,OpenAI时任副总裁Kevin Weil在X上发帖,信誓旦旦地说GPT-5找到了10个此前未解的埃尔德什问题解决方案,另外11个也取得了进展。结果呢?被打脸了。那些”新解决方案”早就存在于现有文献中,压根不是什么新发现。

    那次翻车之后,Yann LeCun、谷歌DeepMind CEO Demis Hassabis等竞争对手轮番嘲讽,Weil也只能默默删帖。可以说OpenAI在数学证明这件事上,信用已经透支得差不多了。

    这次被解决的是保罗·埃尔德什(Paul Erdős)1946年首次提出的几何猜想。近80年来,数学家们普遍认为这个问题的最优解大致类似正方形网格。OpenAI的新推理模型把这种想法推翻了,发现了一种全新的构造族,性能更优。

    但这次,OpenAI好像真的没吹牛。

    这次OpenAI在X上发帖宣布消息时,还附上了数学家Noga Alon、Melanie Wood和Thomas Bloom的支持性评论。Bloom是Erdos Problems网站的维护者,就在7个月前,他还在社交媒体上称Weil的那条官宣是”戏剧性的不实描述”。这次他站出来背书,分量不轻。

    不是专门训练出来的”数学天才”

    OpenAI的说法是:这是”AI首次自主解决数学领域核心的著名开放问题”。而且特别强调,这个证明是由新的通用推理模型产出的,不是专门为了解这个数学题、甚至不是专门针对这个问题设计的系统。

    换句话说,这是个意外之喜,不是定向训练的结果。这意味着模型的推理能力已经强到可以在没有专门训练的情况下,自主产出原创的数学证明。

    这件事为什么重要?OpenAI的解释是:这意味着AI系统现在更有能力处理长难推理链,并且能以研究人员此前未探索过的方式跨领域连接想法。这对生物学、物理学、工程和医学都有重要意义。

    Erdős数学问题示意图
    埃尔德什问题相关数学示意图 | 图源:TechCrunch

    数学界会买账吗?

    Thomas Bloom的声明说得很漂亮:”AI正在帮助我们更全面地探索几个世纪以来我们搭建的数学殿堂。还有哪些未被发现的美妙事物正等待被发掘?”

    话是这么说,但数学界向来对计算机辅助证明持保留态度。1998年四色定理的证明用到了计算机穷举,至今仍有数学家觉得不够”优雅”。这次OpenAI给出的证明,能不能被数学界真正接受,恐怕还得看同行评审的结果。

    不过有一点倒是挺有意思的:上次的尴尬过去才7个月,OpenAI就端出了一个有数学家背书的成果。是模型能力真的跃升了,还是这次学乖了、先找好背书再开发布会?

    答案可能要等一等才能知道。但至少这次,OpenAI没有让自己再次成为笑话。