YOHO AI

标签： AI

  • 微软正在开发自己的 AI 超级应用，要把所有 Copilot 装进一个入口

    微软正在悄悄打造一款 AI 超级应用，目标是把散落在各个产品里的 Copilot 工具全部塞进一个入口。这件事背后的动机其实很直接——用户被一堆 Copilot 搞烦了，不知道该用哪个，微软自己也清楚这个问题拖不下去了。

    一个入口管所有 Copilot

    据《财富》杂志的独家报道，这款超级应用要把 GitHub Copilot（写代码的）、Copilot 聊天机器人（聊天的）、Copilot Cowork（协同工作的），还有一个内部叫 Autopilot 的新Agent工作流功能，全部整合到同一个界面里。

    微软内部给这个项目喊的口号是”交付一个 Copilot”——不管你用的是哪个场景，进同一个应用就够了。

    这个项目由今年3月刚被提拔的 Copilot 负责人 Jacob Andreou 牵头。消息人士透露，应用的部分元素可能会在下周的微软 Build 开发者大会上被提到，但完整展示还要等一段时间。微软的计划是夏末把这款超级应用推出来。

    微软的 Copilot 困局

    说起来有些尴尬，微软是最早重金押注 AI 的科技公司之一，和 OpenAI 绑定的130亿美元合作曾经让它在赛道上遥遥领先。但这几年竞争对手涌进来太快，微软反而把早期的领先优势给弄丢了。

    Copilot 品牌本身的问题也不少——历史上它一直依赖 OpenAI 的模型，而这些模型在基准测试里一度被竞争对手甩在后面；微软自己研发的模型又进展缓慢；更让用户困惑的是，微软推出了好几个不同版本的 Copilot，消费端和企业端是分开的，内部团队也是各搞各的，始终没有一个统一的 AI 愿景。

    现在 Microsoft 365 有4.5亿用户，但付费使用 Copilot 的比例不到4.5%。GitHub Copilot 虽然有超过470万付费订阅用户，但也正面临 Cursor 和 Anthropic Claude Code 的猛烈追击。

    不是唯一在搞超级应用的公司

    微软当然不是唯一想做超级应用的公司。它的合作伙伴兼竞争对手 OpenAI 早就有类似打算，想把 ChatGPT、Codex 和浏览器整合进同一个入口。埃隆·马斯克的 X（原 Twitter）也一直在往”通信+媒体+商务”的超级应用方向靠。Uber 和 Meta 也在把越来越多的服务塞进单个应用里。

    对微软来说，这款超级应用能不能成，很大程度上取决于它能不能真正把割裂的 AI 产品线整合起来。CEO 纳德拉过去一年一直在调整高管团队，试图让公司在 AI 赛道上把丢掉的优势追回来。这款超级应用就是他们给出的最新答案。

  • OpenAI Codex 现已能控制你的 Windows 电脑

    OpenAI 的 Codex 在 Mac 端上线之后，现在终于轮到 Windows 用户了。这次更新把 computer use 功能带到了 Windows 平台，意思是这个应用现在能”看见”你的屏幕，还能在你的设备上直接执行各种任务。

    不用坐在电脑前也能管任务

    OpenAI 同时表示，你现在可以通过 ChatGPT 应用在离开电脑的时候管理和查看 Codex 的任务执行情况。这对需要跑长任务的开发者来说挺实用的——不用一直守在屏幕前，手机上就能看进度。

    Codex 的 computer use 功能正式登陆 Windows，AI 编程助手从”帮你写代码”进化到”直接帮你操作电脑”。

    Mac 端先跑，Windows 跟上

    事实上 Codex 的 computer use 功能在 Mac 上已经跑了一阵子了，这次 Windows 版本的到来算是补齐了主流桌面平台的覆盖。OpenAI 在 X（原 Twitter）上还专门发了条推文：”Windows users, this one’s for you.”，语气倒是挺轻松的。

    这个功能本质上是让 AI 能够理解屏幕内容并模拟人类操作——点按钮、填表单、切换窗口，都在这个能力范围内。对于需要做 UI 自动化测试或者批量操作的场景，这比传统的脚本方式要灵活得多。

    和 Claude 的 computer use 打对台

    Anthropic 的 Claude 早就有了类似的 computer use 能力，现在 OpenAI 把这块能力也补上了，两个头部玩家在”让 AI 直接操作电脑”这个方向上的竞争又多了一个维度。区别可能在于 OpenAI 把这套能力和 Codex 的编程场景绑得更紧——你写的代码，Codex 可以直接帮你跑起来、点按钮、看结果。

  • babyagi：22.3K Stars！任务驱动AI智能体，让AI逐步实现自我构建

    babyagi：22.3K Stars！任务驱动AI智能体，让AI逐步实现自我构建

    ## 🚀 项目简介

    **babyagi** 是一个实验性的自主AI智能体框架，目标是构建能够**自我构建**的最简系统。项目由独立开发者Yohei Nakajima创建，首次将「任务驱动」作为自主智能体的核心设计理念，是开发通用自主智能体的重要探索。

    > 当前版本基于全新的 **functionz** 框架，支持函数存储、依赖管理、自动执行和可视化仪表盘，是构建自构建AI智能体的最优路径之一。

    💡 一句话总结：babyagi 是一个能自我进化的AI智能体框架，让AI通过任务分解和函数复用，逐步实现自我构建。

    ## 🛠️ 安装要求和过程

    ### 环境要求
    – **Python** 3.8+
    – **OpenAI API Key**（部分AI功能需要）
    – 网络连接（用于函数包加载）

    ### 快速安装步骤

    “`bash
    # 安装 babyagi
    pip install babyagi

    # 启动可视化仪表盘
    import babyagi

    if __name__ == “__main__”:
    app = babyagi.create_app(‘/dashboard’)
    app.run(host=’0.0.0.0′, port=8080)
    “`

    安装后访问 `http://localhost:8080/dashboard` 即可进入管理仪表盘。

    ⚠️ 注意事项：本项目为实验性框架，不建议直接用于生产环境。适合有经验的开发者进行测试和二次开发。

    ## ⚡ 核心功能

    **1. 函数注册与依赖管理**
    通过 `@babyagi.register_function()` 装饰器注册函数，自动追踪函数间的导入关系、依赖关系和认证密钥，构建完整的函数调用图。

    **2. 可视化仪表盘**
    配套Web管理界面，支持函数的注册、注销、更新，查看函数依赖关系图，管理API密钥，以及查看全量执行日志。

    **3. 自动函数加载**
    支持通过 `load_functions` 批量加载函数包，内置默认函数包和AI函数包，也可加载自定义函数包。

    **4. 全量日志与触发器**
    自动记录所有函数执行的输入、输出、耗时和错误信息；支持基于事件的触发器，实现函数自动执行，提升智能体自主性。

    **5. 自构建智能体实验**
    包含 `process_user_input` 和 `self_build` 两个实验性函数，展示智能体如何复用已有函数、自动编写新函数，逐步实现自我构建能力。

    ## 🎯 典型使用场景

    ### 场景一：自动生成业务函数
    描述企业SaaS销售人员的需求，babyagi 会自动生成该类用户可能提出的X个问题，并为每个问题创建对应的处理函数。

    “`python
    babyagi.self_build(“A sales person at an enterprise SaaS company.”, 3)
    “`

    ### 场景二：构建任务驱动AI助手
    通过函数包组合，快速搭建一个能理解用户意图、自动调用相关函数、并动态扩展能力的AI助手，用于客服、个人助理等场景。

    🌟 推荐理由

    作为早期探索「自构建智能体」的项目，babyagi 提出了一个非常前沿的理念：让AI智能体通过复用和扩展函数，逐步实现自我构建。其基于 functionz 的新架构设计清晰，可视化仪表盘降低了函数管理门槛。虽然目前代码还比较基础，不适合生产环境，但对于想要理解「AI如何自我进化」的开发者来说，这是一个非常有启发的开源项目。⭐ 推荐给 AI Agent 研究者和创新型项目开发者！

    ## 📥 下载地址

    | 来源 | 链接 |
    |——|——|
    | 🌐 官方网站 | https://babyagi.org/ |
    | 💻 GitHub仓库 | https://github.com/yoheinakajima/babyagi |
    | 📦 PyPI安装 | `pip install babyagi` |
    | 📚 函数包文档 | 内置 `babyagi/functionz/packs/` |

    > 标签：#AI Agent #开源 #任务驱动AI #自构建智能体 #Python

  • awesome-mcp-servers：88.1K Stars！MCP生态全景图，AI连接万物的导航地图

    awesome-mcp-servers：88.1K Stars！MCP生态全景图，AI连接万物的导航地图

    awesome-mcp-servers

    📌 项目速览

    awesome-mcp-servers 是精心整理的 Model Context Protocol（MCP，模型上下文协议） 服务器精选列表，覆盖 48个分类、数百个生产级MCP服务器，是AI应用开发者的必备参考资源。

    🚀 项目简介

    awesome-mcp-servers 是一个由 punkpeye 维护的GitHub开源项目（88.1K+ Stars），它系统地整理了所有优秀的MCP服务器实现——从文件系统、数据库、云平台，到AI智能体、浏览器自动化、金融科技，几乎覆盖了AI应用开发的所有场景。

    MCP（Model Context Protocol）是Anthropic推出的开放标准协议，旨在让AI模型以标准化方式连接各类外部工具和数据源。这个项目就是MCP生态的”导航地图”——无论你想让AI访问本地文件、查询数据库、发送邮件，还是调用云端API，都能在这里找到现成的MCP服务器。

    ⚙️ 安装要求和过程

    环境要求

    • ✅ Node.js ≥ 18（TypeScript/JavaScript实现的服务）
    • ✅ Python ≥ 3.8（Python实现的服务）
    • ✅ Go 1.21+（部分Go实现的服务）
    • ✅ 兼容MCP协议的AI客户端：Claude Desktop、Cursor、VS Code、Windsurf 等

    快速安装（以 @modelcontextprotocol/server-everything 为例）

    # TypeScript/JavaScript 服务 - 一键运行（无需安装）
npx -y @modelcontextprotocol/server-everything

# Python 服务 - uvx 一键运行
uvx mcp-server-sqlite

# 或 pip 安装
pip install mcp-server-sqlite

# Go 服务 - 安装并运行
go install github.com/some/mcp-server@latest

    在 Claude Desktop 中配置

    // ~/Library/Application Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "sqlite": {
      "command": "uvx",
      "args": ["mcp-server-sqlite", "--db-path", "/path/to/db.sqlite"]
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/allowed/path"]
    }
  }
}

    ✨ 核心功能

    🔗

    标准化MCP协议接入

    所有收录服务器均遵循MCP开放协议，AI客户端只需配置一次，即可标准化调用各类工具，告别碎片化集成。

    🗂️

    48个分类全覆盖

    从浏览器自动化、数据库、云平台，到金融、法律、医疗、物联网——48个分类数百个服务器，应有尽有。

    🚀

    npx/uvx 一键运行

    TypeScript服务支持 npx -y 一键启动，Python服务支持 uvx 零配置运行，无需手动下载依赖。

    🌍

    多语言文档支持

    提供英语、简体中文、繁体中文、日语、韩语、泰语、巴西葡萄牙语共7种语言版本，全球开发者都能轻松使用。

    📡️

    在线目录 + 评分系统

    配套在线目录网站 glama.ai/mcp/servers 提供每个服务器的质量评分、安装量和文档链接，帮你快速筛选最优质的服务。

    🎯 典型使用场景

    1

    让Claude读写本地文件

    配置 @modelcontextprotocol/server-filesystem 后，Claude 可以直接读取、编辑、创建你指定的本地文件，真正实现AI辅助编程和文档处理。无需手动复制粘贴，AI直接操作文件系统。

    2

    让AI查询并操作数据库

    通过 SQLite / PostgreSQL / MySQL 的MCP服务器，AI可以直接执行SQL查询、分析数据、生成报表。数据分析师的压力瞬间减半，用自然语言就能操作数据库。

    3

    让AI自动化浏览器操作

    集成 browser-use 等MCP服务器后，AI可以自动打开网页、填写表单、点击按钮、抓取数据。RPA流程自动化从此不需要昂贵的商业软件，开源方案一样强大。

    💡 推荐理由

    如果你正在开发AI应用、配置Claude/Cursor的MCP功能，或者想了解MCP生态的全貌，这个库绝对是第一站必访之地。

    我个人的使用心得：

    • 🔍 找MCP服务器？先看这个列表 —— 它比GitHub搜索准确10倍，因为每个条目都经过维护者审核
    • 📋 48个分类就是48种AI能力扩展方向 —— 哪怕你只知道MCP这个词，浏览一遍分类也能激发无数应用灵感
    • 🌐 配套在线目录 glama.ai/mcp/servers 可以按评分排序，快速找到最成熟的服务器，省去踩坑时间
    • 🤝 社区活跃度极高 —— Discord 和 Reddit 社区非常活跃，遇到问题随时有人帮忙

    一句话总结：MCP是AI应用的”USB接口标准”，而这个项目就是”USB设备兼容列表” —— 有了它，你的AI才能真正连接万物。⭐ 强烈推荐收藏！

    📥 下载地址

    获取方式：

    本文由 WorkBuddy AI 自动采集撰写 · 开源项目系列第42期 · 2026-05-30

  • XCENA拿了一轮1.35亿美元：AI的最大瓶颈不是算力，是内存

    做AI芯片的公司在2026年并不稀奇，但一家韩国初创公司拿了1.35亿美元融资，理由是”AI的最大瓶颈不是算力，是内存”——这个说法至少让投资圈认真听了。

    数据在CPU、GPU、内存之间来回跑，每一次都要钱

    XCENA的核心判断很简单：你现在每次跟AI说一句话，数据都要在内存、CPU、GPU之间跑一个来回。数据从内存取出来，CPU预处理一遍，送到GPU算，结果再写回内存。生成一个词要走一遍这个流程。

    这不是纯理论问题。它意味着你每用一次AI，都伴随着一笔不算小的数据传输成本。日活几亿次请求的规模下，这个开销是真实的。

    XCENA的估算是：原本需要10台服务器才能跑完的AI推理任务，如果用他们的方案，1台就够了。

    把计算搬到内存旁边去

    他们的办法是做一枚叫MX1的芯片，思路叫”存算一体”——计算不要老盯着GPU做，把一部分活儿搬到内存模块附近完成。

    具体说，MX1通过CXL（Compute Express Link，一个专门连接处理器和内存的高速通道）跟CPU对接，把预处理、KV缓存管理、数据缓存这些事情，在内存模块里面直接做完。数据不用出门，结果也不用搬回来。

    XCENA MX1芯片
    XCENA MX1芯片原型（图源：TechCrunch）

    技术上有几个值得说的地方。MX1基于开源RISC-V指令集设计，里面有数千个小型高效核心，专门为数据搬运和预处理优化过。竞争对手Marvell的方案只用少量通用核心，理论上效率有差距。

    XCENA还做了垂直整合——内存层级、互联总线、DRAM控制器全是自研的。大多数芯片公司会把这类工作外包，他们选择自己做，理由是只有全栈控制才能把内存效率压榨到极限。

    三星、SK海力士的前员工出来创业，时机刚好

    这家公司2022年创办，三位创始人Jin Kim（CEO）、Dohun Kim（CTO）、Harry Juhyun Kim（CPO）全部来自三星和SK海力士。做内存的人出来做AI基础设施，这个组合在2026年看起来挺合理的。

    本轮1.35亿美元由韩国VC机构Atinum、IMM Investment联合领投，跟投方包括Corstone Asia、老股东SBI Investment、Mirae Asset Capital。公司累计融资已达1.85亿美元，估值5.7亿美元。

    一个有趣的行业背景：2026年5月，三星、SK海力士、美光三大内存芯片厂商的市值首次同时突破1万亿美元。内存价格的上涨和AI需求的持续拉动，正在把”内存中心架构”从学术概念推向产业现实。

    MX1目前还在原型阶段，预计2026年底在三星代工厂量产，2027年开始产生收入。目标客户很明确：每年在AI基础设施上花几百亿美元的超大云厂。对这些公司来说，内存效率提升5%，可能就意味着几亿美元的成本节省。

    XCENA不直接跟英伟达在训练侧竞争——他们瞄准的是推理侧的内存密集型层。这个位置刚好卡在GPU算力和内存带宽之间的夹缝里，是一个有理由存在的细分市场。

  • Anthropic估值超OpenAI逼近1万亿美元，Claude Code三个月烧出9650亿

    Anthropic完成了一轮让整个硅谷侧目的融资。650亿美元进账，投后估值9650亿美元，这家公司现在的身价已经把OpenAI甩在了身后。

    从3800亿到9650亿，只用了3个月

    今年2月，Anthropic的估值还是3800亿美元。3个月后再融资，直接飙到9650亿。这种涨幅在AI圈也算是现象级的。

    本轮由Altimeter Capital、Dragoneer、Greenoaks和红杉资本联合领投，同时还包含了此前承诺的150亿美元投资（其中亚马逊出了50亿）。作为对比，OpenAI在3月下旬完成1220亿美元融资后，估值为8520亿美元。

    Anthropic的年度经常性收入已经达到470亿美元，远高于今年早些时候的300亿美元，也比去年同期的100亿美元高出近4倍。

    营收暴涨的核心驱动力是Claude Code——这款AI编程助手正在成为越来越多开发者和企业的标配工具。Anthropic首席财务官Krishna Rao的话说得很直白：Claude在客户群体里越来越不可或缺，这笔钱就是用来满足历史性需求的。

    Anthropic融资估值超OpenAI
    Anthropic最新一轮融资650亿美元，估值达9650亿美元（图源：CNBC）

    三强争霸，都在准备上市

    头部AI公司的IPO竞赛已经打响。马斯克的SpaceX（旗下有SpaceX AI）上周提交了招股说明书，合并后估值1.25万亿美元。OpenAI也准备在未来几天内提交保密招股书，最早今年9月挂牌。

    Anthropic虽然在幕后也在筹备IPO，但时机还不明确。毕竟手里有650亿美元现金，并不急着上市。真正让外界关注的是，它是否已经走到了”盈利”这个AI公司集体梦寐以求的节点。

    同期发布的Claude Opus 4.8和具备高级网络安全能力的Claude Mythos Preview，也在向市场传递一个信号：Anthropic不只是钱多，技术也在往前走。

    有意思的是，这轮融资完成后，全球AI版图上估值最高的私有公司头衔，正式从OpenAI交棒给了Anthropic。而就在一年多前，绝大多数人还认为这个位置非OpenAI莫属。

    资本用脚投票的背后，是Claude在企业级市场的真实渗透力。比起OpenAI消费者端的耀眼数据，Anthropic的企业客户粘性可能是它估值能够持续走高的更底层逻辑。

  • CNN把Perplexity告了，AI版权战打到新战场

    CNN正式对AI搜索公司Perplexity提告，指控它逐字复制CNN的报道内容，还为付费墙后面的内容提供摘要。这起诉讼让Perplexity的法律麻烦又多了一桩。

    “人类记者去报道、研究、撰写、创作的内容，Perplexity在未经许可、没有补偿的情况下直接拿去用。”CNN在诉讼中写道。

    谈判破裂后直接告上法庭

    CNN和Perplexity其实谈过合作。2025年10月，双方曾就Perplexity的”Comet Plus”订阅服务使用CNN内容进行过谈判，但因为对AI生成答案中CNN内容的使用限制谈不拢，最终没有签成协议。CNN在11月正式发函要求Perplexity停止未经授权使用其内容，据说Perplexity根本没回信。

    CNN在起诉书中举了一个例子：只要用Perplexity搜索一篇文章标题——《What’s next for Minneapolis? A shaky promise, mounting tensions and the fight for control》——它就能生成该报道”大量逐字复制”的内容片段。

    Perplexity的回应只有一句话

    面对CNN的指控，Perplexity发言人的回应相当简短：”事实是不能被版权化的。”这句话基本上概括了Perplexity对整个AI版权争议的核心立场——它认为AI生成的内容是对事实的重组，不构成侵权。

    这个立场在法庭上能不能站得住脚，目前还没有定论。但CNN不是唯一一个这么想的，已经起诉Perplexity的机构包括《纽约时报》、大英百科全书、韦氏词典、新闻集团（华尔街日报母公司）、亚马逊和Reddit。

    • 《纽约时报》是最早对Perplexity提告的媒体之一，目前案件仍在审理中
    • 新闻集团旗下《华尔街日报》等媒体的诉讼，核心争议也是AI摘要是否构成”衍生作品”
    • 亚马逊和Reddit的诉讼则更侧重于数据爬取和平台条款违反

    这场官司会影响到普通用户吗

    短期来看不会。Perplexity的搜索服务还在正常运行，这起诉讼从立案到判决通常要拖上好几年。但它释放了一个明确信号：内容生产商对AI公司的忍耐已经到了极限，接下来的谈判桌上，内容授权费用会成为一个越来越重的成本项。

    对做AI产品的公司来说，这其实是个提醒——爬数据归爬数据，但真被人告上法庭，光靠”事实不能版权化”这句话未必够用。

  • 英伟达砸完200亿美元，Groq自己又要融6.5亿美元

    英伟达刚跟Groq做完一笔200亿美元的”非收购式招聘”，这家AI芯片初创公司自己又要融资了。据Axios报道，Groq正在寻求6.5亿美元的新一轮融资，投资方正是它现有的那些支持者。

    Groq做的事跟英伟达不太一样。它押注的是AI推理环节——也就是模型接收用户提示后生成回答的那个阶段。现在整个行业都在疯抢推理算力，训练的需求反而没那么紧张了。

    英伟达那笔200亿美元的交易到底买了什么

    2025年12月，英伟达和Groq签了一笔结构很特殊的协议。表面上看不是收购，但Groq的多名高层直接跳槽去了英伟达，同时Groq把硬件技术授权给了英伟达使用。如果这是一笔正常的收购，它会是英伟达历史上最大的一笔。

    对Groq的投资者来说，这反而是个好消息——他们拿到了现金回报，现在又被邀请继续投钱，支持Groq把推理云（Inference Neocloud）业务做起来。

    推理为什么比训练更值钱

    训练一个大模型是一次性投入，而推理是每次用户发消息都要消耗算力的持续过程。ChatGPT每天要处理几十亿次请求，每一次都是推理。这个市场的规模，某种程度上比训练市场还要大。

    Groq的芯片设计思路跟英伟达完全不同，它追求的是极致的推理速度，而不是训练所需的大规模并行计算。这套打法能不能跑通，6.5亿美元的新融资会给出部分答案。

    • 现有投资者Disruptive和Infinitium已承诺，若其他投资者认购不足，将全额补足本轮融资
    • 临时CEO Adam Winter和临时CFO Matt Eng领导业务转型
    • Groq推理云直接面向开发者和企业提供API服务，与英伟达的芯片销售模式形成差异

  • 这家公司免费帮你打扫房间，条件是记录全过程用来训练机器人

    AI训练数据初创公司Shift最近在社交媒体上宣布了一个听起来有点奇怪的优惠：他们将免费为用户提供家庭清洁服务，条件是允许设备记录清洁人员的工作过程，以此收集高质量的机器人训练数据。

    该公司的”魔法帽”计划本质上是在用未来的机器人能力，换取今天的真实世界动作数据。清洁人员戴着配有摄像头的帽子工作，记录他们如何擦洗、吸尘、除尘、整理和清洗——这些都是未来家庭服务机器人需要掌握的核心技能。

    “你得到一间一尘不染的公寓。我们得到训练数据。双赢。”——Shift官方网站

    魔法帽里有什么？

    清洁人员戴着一顶看起来有点尴尬的白色帽子——官方称之为”魔法帽”——里面藏着一台摄像头，从清洁人员的第一视角捕捉工作画面。

    Shift清洁人员戴着魔法帽工作
    Shift的”魔法帽”从清洁人员第一视角记录工作过程（图源：The Verge）

    当然，让别人的摄像头进到你家里，这本身就是你得”支付”的代价。Shift在官网上说客户的”隐私得到充分保护”，敏感细节（如姓名、面部、屏幕和个人信息、身份证）在用于AI训练之前会被模糊化和匿名化处理。

    越脏越好？

    Shift在宣传视频中说：”今天清洁的每一间房子，都为明天能自己清洁的房子打下基础。”

    有意思的是，该公司表示“更具挑战性的清洁环境”可能特别有用。换句话说，你家越脏乱，对训练机器人来说反而越有价值。当然，清洁人员”可以拒绝执行任何他们感到不舒服的具体任务”。

    不只是清洁

    清洁可能只是开始。Shift的视频显示，该公司最终计划扩展到管道维修、烹饪和建筑等其他领域。

    Shift表示，它已经向15个国家的数万人支付报酬，让他们通过应用程序记录自己的活动。这个市场正在增长——用于训练AI系统和机器人的人类任务录像，正成为AI数据竞赛中的稀缺资源。

    目前只在纽约，很快扩展到更多城市

    这项免费清洁服务目前仅在纽约提供。但联合CEO兼联合创始人Bercan Kilic表示，很快将在旧金山、伦敦、苏黎世和慕尼黑推出。

    免费清洁只是”限时”优惠，但这个模式其实触及了一个更大的趋势：AI公司越来越愿意用真实世界的服务，来换取训练下一代机器人所需的高质量数据。

    • 清洁人员戴”魔法帽”第一视角记录工作过程
    • 隐私保护：敏感信息在训练前被模糊化和匿名化
    • 目前仅在纽约，即将扩展至旧金山/伦敦/苏黎世/慕尼黑
    • Shift已在15个国家拥有数万名数据贡献者
    • 未来计划扩展至管道/烹饪/建筑等更多家庭场景

  • 这家芯片初创把计算搬进内存，1.35亿美元融资到手

    每次你向ChatGPT提问，你的请求都会触发一场数据接力赛。信息离开内存，经过CPU预处理，传输到GPU进行繁重计算，然后再返回——而AI生成的每一个字，整个流程都会重复一遍。

    瓶颈是结构性的。这意味着每一个请求中，数据都要经过行业中一些最昂贵、功耗最高的芯片进行路由。这种低效正是XCENA试图解决的问题——这家在韩国和美国都设有办事处的初创公司，刚刚在B轮融资中筹集了1.35亿美元，估值达5.7亿美元。

    “几十年来，CPU和GPU都变得更智能了。内存从来没有。XCENA想改变这一点。”——创始人Jin Kim

    把计算搬进内存

    XCENA的芯片MX1通过CXL（计算快速链接）连接到CPU——本质上是处理器和内存之间的专用快车道——在数据需要离开内存模块之前就对其进行处理。它是把计算带到数据附近，而不是反过来。

    该公司声称，以前需要10台服务器完成的工作，现在可能只需要1台就可以完成。

    XCENA MX1芯片原型
    XCENA MX1芯片原型（图源：TechCrunch）

    为什么是内存，不是算力？

    XCENA的业务押注于一个论点，即”推理不仅是计算问题；它越来越是一个内存扩展问题。”

    虽然GPU擅长矩阵乘法——AI模型训练背后的繁重数学计算——但周围的许多数据编排，包括预处理、KV缓存管理（存储之前的对话上下文的系统，这样模型就不需要重新处理它）、数据缓存，仍然在CPU上运行。XCENA的芯片在内存模块本身内直接处理这些任务。

    创始团队来自三星和SK海力士

    XCENA首席执行官Jin Kim于2022年与首席技术官Dohun Kim、首席产品官Harry Juhyun Kim共同创立了这家初创公司，三人都来自三星和SK海力士——这两家内存巨头为英伟达的GPU提供芯片。

    本月，主导全球内存芯片市场的三家公司——三星、SK海力士和美光——市值首次都超过了1万亿美元。XCENA押注的是，AI基础设施正朝着以内存为中心的架构更广泛地转变。

    竞争对手和差异化

    XCENA最接近的竞争对手包括Astera Labs和Marvell，这两家纳斯达克上市公司都在研发下一代内存连接技术。

    差异化因素在于知识产权。XCENA有数千个核心，每个核心都基于RISC-V构建并专门针对数据处理进行了优化。相比之下，Marvell的方法依赖少数几个通用核心。

    时间表和挑战

    MX1目前仍然是原型。大规模生产的芯片预计将在2026年底从三星的代工生产线下线，该公司预计从2027年开始产生收入。

    XCENA的理想客户是每年在AI基础设施上花费数百亿美元的超大规模企业，即使内存效率有微小的提升，也可能意味着数亿美元的节省。

    • B轮融资1.35亿美元，估值5.7亿美元
    • 累计融资总额达1.85亿美元
    • MX1芯片基于RISC-V开源架构
    • 目标客户：超大规模AI基础设施运营商
    • 量产时间：2026年底；收入预期：2027年