YOHO AI

标签： AI

  • ChatGPT盯上你的钱包：连接银行账号，AI帮你管钱

    ChatGPT开始碰金融这块蛋糕了。2026年5月，OpenAI给Pro用户推送了一项新功能：通过Plaid连接你的银行和金融账户，直接在你的聊天框里看投资组合、查消费记录、盯即将到期的账单。

    只读不写，钱动不了

    先说最关键的安全问题。ChatGPT这次明确做了权限隔离：只能读，不能动。它看得到你的账户余额、交易记录、持仓情况，但转不了账、改不了账户信息、也看不到完整账号号码。

    连接流程走的是Plaid——这家公司你可能没听过，但它几乎是欧美金融数据接口的标配，支持超过12000家金融机构，包括摩根大通、花旗、嘉信理财、富达、Robinhood、美国运通这些大牌。Plaid负责把你的账户数据安全地接进ChatGPT，OpenAI拿到的只是读取权限。

    接入Plaid之后，ChatGPT能生成四个板块的仪表盘：投资组合表现、消费活动、活跃订阅项目、即将到期的账单。可视化可能需要几分钟来渲染，但数据是真的直接来自你的账户。

    默认用GPT-5.5 Thinking处理复杂推理

    这个金融功能默认调用的是GPT-5.5 Thinking模型，专门优化了涉及时间、债务、收入、长期目标的复杂金融推理任务。OpenAI自己做的基准测试里，GPT-5.5 Thinking在个人金融问题上拿了79分（满分100），GPT-5.5 Pro是82.5分——当然，这是OpenAI自己测的，第三方独立基准还得等等。

    实际用起来什么样？你可以问它：”我最近消费有没有异常波动？”或者”我想5年内买房，基于现在的储蓄节奏够不够？”连你的recurring订阅（比如Netflix、Spotify）也会被自动识别出来，提醒你哪些在烧钱。

    为什么现在做这件事

    OpenAI说，每个月有超过2亿人在ChatGPT上问金融相关问题。以前用户得手动把自己的财务情况打进去，AI才能给建议；现在直接连数据，建议的精准度会上一个台阶。

    这个功能的开发其实在OpenAI收购Hiro Finance团队之前就启动了。Hiro是做金融AI的初创公司，4月份被OpenAI收了，同期还有个性化投资应用Roi也被收入囊中。看得出来，OpenAI在金融这条线上已经布局了一段时间。

    目前只给Pro用户用，每月100美元

    这个功能目前先向美国地区的ChatGPT Pro用户开放，网页端和iOS端都能用。Pro订阅每月100美元，早期用户的反馈会用来打磨产品，之后会逐步放开给Plus用户（每月20美元）。

    想用的人可以在ChatGPT侧边栏找到”金融”入口，点”开始使用”，然后跟着Plaid的流程走就行。也可以用更懒的方式：直接在聊天框里输入”@Finances, connect my accounts”，ChatGPT会帮你把流程拉起来。

    你可以随时断开，数据保留30天

    不想用了？去”设置 > 应用 > 金融”里面断开账户连接就行。断开之后，同步过来的金融数据会在30天内从ChatGPT的服务器端删除。你存在”金融记忆”里的背景信息（比如”我计划明年买房”）也可以单独删除。

    临时聊天模式不会碰你的金融账户，已有的”退出模型训练”设置也会延续到这个金融功能里。该有的隐私开关，基本都有。

  • AI圈炸了：Andrej Karpathy加入Anthropic，Claude预训练迎来最强外援

    2026年5月19日，AI圈投下一颗重磅炸弹：Andrej Karpathy正式宣布加入Anthropic，负责Claude模型的预训练工作。这位OpenAI联合创始人、前特斯拉AI总监的加盟，让本就白热化的前沿AI实验室人才争夺战再添一把火。

    他从OpenAI走到特斯拉，现在去了Anthropic

    Karpathy这个名字在AI圈分量很重。2015年他作为创始成员加入OpenAI，之后离开去特斯拉带队Autopilot和FSD（完全自动驾驶）项目，2022年离开特斯拉短暂回归OpenAI，2024年再次离开后创办了AI教育初创公司Eureka Labs。

    现在他选择加入Anthropic，向预训练负责人Nick Joseph汇报。预训练是大语言模型最烧钱、最吃算力的阶段——直接决定模型的核心知识储备和能力上限。让Karpathy来挑这个担子，Anthropic显然是认真的了。

    “我对教育仍抱有深切热情，计划后续恢复相关工作。”Karpathy在宣布加入时特意提到了教育——他的Eureka Labs专注于用AI助手辅助学习，他曾通过在线课程和公开讲座教过无数人神经网络和大语言模型。教育这条线，估计还会在他未来的工作里占一席之地。

    “AI辅助AI研究”：用Claude训练Claude

    这件事最有意思的地方在于Anthropic给Karpathy安排的额外任务：搭建一支团队，专门研究如何用Claude本身来加速预训练研究。换句话说，他们在尝试让AI帮忙训练下一代AI——而且是同一个系列的下一代。

    这个方向最近在前沿实验室里越来越常见。自己训练自己，听起来像是递归的自我进化，实际操作起来当然没那么玄乎，但确实能大幅压缩研发周期。如果Karpathy能把这套流程跑通，Claude的迭代速度可能会上一个台阶。

    不只是Karpathy：Anthropic在囤人

    同一时间段，Anthropic还挖来了网络安全老将Chris Rohlf，他有20多年的安全研究经验，曾在雅虎安全团队、Meta、乔治城大学安全与新兴技术中心任职，现在加入Anthropic的前沿红队，专门给先进模型做极端风险压力测试。

    一边挖预训练大牛，一边补安全红线，Anthropic这套组合拳打得很清楚：模型能力要冲，安全底线也要守住。和OpenAI、Google DeepMind的竞争中，人才厚度正在成为决定胜负的关键变量之一。

    为什么这件事值得关注

    前沿AI竞争的本质，从来不只是算力堆叠和融资数字的比拼。最终决定ChatGPT、Claude、Gemini之间差距的，是那些真正懂大规模训练、能在架构和工程细节上做关键决策的人。Karpathy就是这种人。

    他加入Anthropic，对普通用户意味着什么？短期来看，Claude的能力上限和迭代节奏可能会超预期；长期来看，AI助手之间的能力差距，会因为这种级别的人才流动而加速分化。这场人才战的结局，最终会直接反映在你我每天用的AI工具里。

  • Nvidia季度营收创纪录达816亿美元，初创投资持仓暴增至430亿

    2026年5月20日，Nvidia发布了截至4月26日的最新季度财报，营收达到816亿美元，环比增长20%，再度刷新历史纪录。数据中心业务更是贡献了752亿美元，同样是历史新高。

    Nvidia CEO Jensen Huang
    Nvidia CEO Jensen Huang在GTC大会上（图源：Getty Images）

    Blackwell架构全面铺开，但增长将放缓

    Nvidia CFO Colette Kress在财报电话会上说：”我们的Blackwell架构无处不在，所有主流超大规模计算厂商、云服务商和头部大模型开发商都在用。”基于这份强劲业绩，公司授权了800亿美元的股票回购计划。

    不过Nvidia也给出了增长放缓的预期：下一季度营收指引为910亿美元，环比增速将降至12%。这算是给市场提前打了预防针。

    “我们今年和明年为Anthropic上线的算力规模将非常可观。此前Nvidia对Anthropic的算力覆盖几乎为零。”—— Jensen Huang

    430亿美元初创持仓，投资布局大扩张

    这份财报里最让人意外的，是Nvidia持有的非上市公司股权在1-4月之间近乎翻倍：季度初是220亿美元，季度末飙到430亿美元。光是本季度就砸了185亿美元收购，上一季度同类投入才6.49亿美元。

    这430亿还不包括对康宁、IREN等上市公司的投资，也不包含尚未交割的承诺。今年2月Nvidia承诺向OpenAI投300亿美元，具体交易结构到现在还没披露。

    中国市场依然悬而未决

    出口管制这事儿暂时还没对公司盈利产生明显影响。H200芯片虽然已经拿到美国出口许可，但Nvidia还没靠它在中国赚到一分钱，也不确定以后能不能卖进去。

    Kress的原话是：”我们还没有产生任何收入，也不确定是否会被允许进口到[中国]。”这话听起来，短期内外围市场这块还是个问号。

  • 芬兰大学搞出新型AI聊天机器人：帮你在健康信息里“打假”

    你有没有在朋友圈或者微信群里看到过这样的健康信息：“吃这个能治糖尿病”、“每天喝8杯水能排毒”、“某某保健品能抗癌”……这些信息很多都是错误的，但又很有迷惑性，很多老年人特别容易相信。

    核心方法：采用“认知接种”方法，先展示错误健康信息并解释其错误逻辑，帮助用户产生“抗体”，以后再遇到类似信息就能自行识别。

    为什么这个方法有效？

    错误健康信息之所以能迷惑人，很大程度上是因为人们不了解其背后的套路。比如，“吃某某食物能治糖尿病”这个信息，利用了糖尿病患者想治愈疾病的急切心理，让他们忽略了科学证据的存在。

    “认知接种”方法的有效性已经在很多领域得到了验证，比如抵抗政治谣言、商业诈骗等。现在，研发团队把这个方法用到了健康领域，希望能帮助公众减少被错误健康信息误导的情况。

    当然，这个聊天机器人也不是万能的，它只能帮助用户识别一些常见的错误健康信息，对于比较复杂的健康问题，还是建议大家咨询专业的医生或者医疗机构。

    目标用户与后续优化

    • 采用“认知接种”方法，先展示错误健康信息并解释其错误逻辑
    • 目标用户主要是老年人，他们是错误健康信息的最易感人群
    • 研发团队将优化聊天机器人，使其更能理解老年人的需求和认知水平
    • 对于复杂的健康问题，仍建议咨询专业的医生或者医疗机构

  • 一季度AI融资超1100亿：钱都流向了哪里？

    2026年刚过去一个季度，AI圈的融资数据就炸了。国内AI领域一季度融资总额超过1100亿元，比去年同期激增185.4%——这个数字意味着什么？去年同期的融资额大概是385亿元，今年直接翻了近三倍。

    核心数据：2026年一季度国内AI领域融资总额超1100亿元，同比激增185.4%；国内大模型迭代周期缩短至3个月以内，推理成本大幅下降。

    钱都流向了哪些赛道？

    最核心的两个方向是国产大模型和具身智能。国产大模型赛道的融资热度攀升很快，很多公司在短时间内完成了大额融资，资金主要投向三个方向：研发、算力、人才招揽。国内大模型的迭代周期已经缩短到3个月以内，推理成本大幅下降，商业化进程也在加速。

    具身智能是另一个融资热点。这个赛道的核心是让AI从“会说话”变成“会做事”，比如人形机器人、工业智能体等。很多投资方认为，具身智能是AI的下一个爆发点，所以愿意砸重金布局。

    融资资金的三大投向

    • 国产大模型迭代周期缩短至3个月以内，推理成本大幅下降
    • 具身智能成为融资热点，AI从“会说话”转向“会做事”
    • 融资资金主要投向研发、算力、人才招揽三大方向
    • 国内AI商业化进程加速，更多应用场景将落地
  • Superpowers：204k Stars！给AI编程智能体装上方法论，像资深工程师一样工作

    Superpowers：204k Stars！给AI编程智能体装上方法论，像资深工程师一样工作

    GitHub ⭐ 204k+ Stars · MIT License · 2025年10月发布 · 第30期

    如果你正在用 Claude Code、Cursor 或 Copilot 写代码，有没有一种感觉：AI 能写，但写得乱、改得飘、测不住。你让它实现个功能，它噼里啪啦一顿输出，跑起来才发现逻辑是错的，测试一个没写。

    这不是你的问题，是 AI 缺少”方法论”。

    今天要介绍的这个项目，给 AI 装上了一套完整的软件开发流程——需求澄清、方案设计、测试驱动、子智能体分工、代码评审，一套下来让 AI 像资深工程师一样工作。它就是本周 GitHub 趋势榜第一名，204k Stars 的 Superpowers。

    · · ·

    01项目是什么

    Superpowers 是一套面向编程智能体（Coding Agent）的完整软件开发方法论，基于可组合技能集和初始指令构建。装上它之后，你的 Claude Code / Cursor / Copilot 会自动遵循一套严谨的软件工程流程来工作，而不是想到哪写到哪。

    它的核心思想是：AI 不缺写代码的能力，缺的是”知道该怎么写”的方法论。Superpowers 把资深工程师的工作习惯——先澄清需求、再出方案、写测试、小步迭代、代码评审——全部固化成了可触发的技能，智能体启动时自动生效，不需要你手动干预。

    项目由 Jesse Vincent（blog.fsck.com）和 Prime Radiant 团队共同维护，2025年10月首发，到2026年5月已经积累 20.4万 Star，是AI 编程工具领域最热门的项目之一。

    · · ·

    02安装要求与过程

    Superpowers 支持目前几乎所有主流编程智能体工具，不同工具的安装方式不同。以下是最常用的几种：

    🤖 Claude Code

    # 官方市场安装
/plugin install superpowers@claude-plugins-official

# 或自定义市场
/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace

    ⚡ Cursor

    # 在 Agent 聊天框中从市场安装
/add-plugin superpowers

# 或在插件市场搜索 "superpowers" 安装

    🔷 GitHub Copilot CLI

    # 注册市场
copilot plugin marketplace add obra/superpowers-marketplace

# 安装插件
copilot plugin install superpowers@superpowers-marketplace

    🌐 Gemini CLI

    gemini extensions install https://github.com/obra/superpowers
    💡 提示：如果你同时使用多个编程智能体工具，每个工具都需要单独安装一次。安装完成后无需额外配置，智能体启动时会自动加载技能。
    · · ·

    03核心功能

    ① 需求澄清（Brainstorming）

    智能体不会直接写代码，而是先和你沟通，通过苏格拉底式提问提炼出你的真实需求，输出分段的可读需求规格文档供你确认。避免”你以为它懂了，其实它没懂”的尴尬。

    ② 测试驱动开发（TDD）

    严格执行「红→绿→重构」循环：先写失败测试 → 确认测试失败 → 写最小实现代码 → 确认测试通过 → 提交代码。每一个功能都有对应的测试保护，重构不慌。

    ③ 子智能体并行开发（Subagent-Driven Development）

    计划确认后，启动子智能体驱动开发流程，每个子智能体负责单个工程任务，主智能体负责检查和评审。Claude 最高可无人值守连续工作数小时不偏离计划。

    ④ 系统化调试（Systematic Debugging）

    内置4阶段根因分析流程，包含根因追踪、纵深防御、基于条件的等待等技术。不是”猜哪里错了”，而是系统化地定位问题根因。

    ⑤ 代码评审关卡（Code Review Gates）

    每个任务完成后自动触发代码评审，按严重程度上报问题，严重问题会阻塞流程推进。相当于给 AI 配了一个严格的 Tech Lead，每一步都要过审。

    · · ·

    04典型使用场景

    场景一：从零开始做一个新功能

    你：“帮我做一个用户登录功能，支持邮箱和密码”

    普通 AI：直接开写，写完发现没考虑密码加密、没做输入校验、没写测试。

    装上 Superpowers 的 AI：先和你确认需求细节（密码策略？Session 还是 JWT？要不要限流？），输出设计方案让你确认，再拆解成 2-5 分钟的小任务，每个任务先写测试再写实现，完成后自动跑评审。最终交付的是一套有测试、有规范、可维护的代码。

    场景二：修复一个顽固 Bug

    你：“这个接口偶尔超时，不知道为什么”

    普通 AI：猜可能的原因，改几行，说”试试看”。

    装上 Superpowers 的 AI：启动系统化调试流程，4 个阶段逐步缩小范围——先确认复现条件，再追踪根因，检查是否存在竞争条件或资源泄漏，最后给出修复方案并验证修复后没有引入新问题。

    · · ·

    05为什么值得用

    🌟 推荐理由

    它解决的是真问题。

    现在 AI 编程工具的瓶颈，已经不是”能不能写代码”，而是”写出来的代码能不能用”。Superpowers 的本质，是把软件工程的最佳实践”固化”成了 AI 可以执行的技能，让 AI 不再是”写代码很快但不靠谱的初级工程师”，而是”有方法论、有流程、有质量意识的高级工程师”。

    我特别喜欢它的几个设计：

    • 需求澄清放在写代码之前——这和最优秀的工程师工作习惯完全一致，先想清楚再动手；
    • TDD 是强制流程而非可选建议——避免了 AI 偷懒跳过测试的经典问题；
    • 子智能体架构——主智能体做规划和评审，子智能体做执行，职责分离，不容易偏离方向。

    目前这个项目在 GitHub 上 20.4 万 Star，且支持 Claude Code、Cursor、Copilot、Gemini CLI 等所有主流工具，基本上如果你在用 AI 写代码，就没有理由不装。

    · · ·

    06相关资料

    GitHub 仓库 github.com/obra/superpowers
    官方网站 primeradiant.com/superpowers
    发布公告 Jesse Vincent 的博客
    Discord 社区 加入讨论
    开源协议 MIT License

    本文由 AI 助手整理，内容参考项目 GitHub README 及官方文档，如需更正或补充欢迎留言。

  • 诺基亚老将HMD的新玩法：给手机装上印度本土AI

    HMD（对，就是那个做诺基亚手机的芬兰公司）在2026年5月21日干了一件事：发布了一款中端安卓手机Vibe 2 5G，预装了印度AI公司Sarvam的聊天机器人Indus。这不是贴个图标那么简单，而是把一整个1050亿参数的大模型直接塞进了手机里。

    HMD Vibe 2 5G手机
    HMD Vibe 2 5G，售价114美元，预装Sarvam Indus AI助手

    为什么是印度AI

    Sarvam的Indus大模型有个很实用的能力：支持22种印度本土语言，还能在句子中间无缝切换语言（比如刚说了印地语，下一句直接切英语）。这对印度市场来说非常关键——印度的语言多样性意味着英语AI工具的实际覆盖面相当有限。

    HMD的CEO Ravi Kunwar说得很直白：第一阶段就是把Indus应用推给消费者，先让大家用起来，后面再考虑粘性和深度集成。这款Vibe 2 5G售价10999卢比（约114美元），配了6000mAh的大电池，定位就是平价走量。

    数据显示，Indus应用上线近3个月，在印度全平台的下载量只有29.3万次。作为对比，同期ChatGPT在印度的下载量是4390万次。差距是肉眼可见的。

    HMD的市场赌注

    HMD在2025年拿了印度功能机市场4%的份额，但智能手机市场几乎可以忽略——连前15名都没挤进去。所以这次跟Sarvam的合作，某种程度上是在赌一个差异化的切入点：把本土AI助手和平价硬件绑定，在大厂的英语AI工具覆盖不到的市场里找存在感。

    更有意思的是后续规划：HMD说未来几个月会推出集成Sarvam AI的功能机。功能机+本土语音AI，这个组合如果在印度跑通了，对其他新兴市场也有参考意义。

    Sarvam的融资故事

    顺带一提，Sarvam正在推进一轮3亿美元的融资，投后估值预计15亿美元。如果完成，它将成为印度融资额最高的AI初创公司之一。从这件事也能看出来，不只是美国和中国在卷AI——印度的AI本土化浪潮，才刚刚开始。

  • 做AI播客的Huxe倒了，大厂的跟风速度比你想的快

    前NotebookLM的开发者出来创业，做了一个叫Huxe的AI音频应用——你输入几个提示词，它就能生成一期播客或者播客系列。听起来很酷对吧？但就在2026年5月22日，这家公司宣布关停了。

    时机挺讽刺的。Huxe发布关停公告的前一天，Spotify刚刚推出了功能几乎一模一样的个人播客工具。这已经不是巧合了，这是AI消费级市场的常态——你辛辛苦苦做的创新功能，大厂两个月就给你做到自己的产品里，还不收你钱。

    Huxe AI音频生成应用界面
    Huxe的核心功能：输入提示词，生成播客

    为什么撑不下去

    Huxe不是没拿到钱。2024年底成立，拿了Conviction、Genius Ventures、Figma CEO Dylan Field、还有谷歌研究院首席科学家Jeff Dean的投资，总共460万美元。创始团队是前谷歌员工Raiza Martin、Jason Spielman和Stephen Hughes，履历相当能打。

    但问题出在产品形态上。”用提示词生成播客”这个核心功能，在2025-2026年之间被大厂们集体盯上了。NotebookLM先做了一遍，然后Adobe跟进了，亚马逊的Alexa也加了类似功能，ElevenLabs、Meta、谷歌……现在连Spotify都做了。你做一个独立应用，靠这个功能怎么跟免费的大厂生态竞争？

    Huxe在给用户的邮件里写得很委婉：”团队将转向新的项目，不会再继续开发这款产品。”没说具体原因，但答案其实很明显——赛道已经被碾平了。

    同类竞品也在挣扎

    不是只有Huxe一家碰到这种事。Anchor联合创始人做的Oboe（拿了a16z的1600万美元）和a16z speedrun孵化的Sun，都在做类似的”AI生成音频内容”赛道。但大趋势是一样的：AI模型能力越强，跨格式转换越容易，只做单一消费级模态的初创公司就越难维持长期活跃和收入。

    已安装Huxe的用户还能再用7天，之后公司会删除所有用户相关数据。算是体面的收场吧。

  • 2026年AI领域最值得关注的10件事

    2026年AI领域最值得关注的10件事

    MIT Technology Review最近发了篇文章，总结了当下AI领域最值得你盯着的10个方向。他们的记者和编辑盯了AI这么多年，这次第一次把答案浓缩成一份清单。

    这份榜单的灵感来自他们每年的《10项突破性技术》，但这次把视角投向了当下推动AI进步、改变权力格局的东西。我挑几个最有意思的跟你聊聊。

    AI Trends 2026
    MIT Technology Review总结的2026年AI十大重要趋势（图片来源：MIT Technology Review）

    人形机器人需要大量训练数据

    就像我们的文字成了大语言模型的训练数据一样，记录人类动作的海量视频现在正被收集起来，用来训练人形机器人。有些公司在搞庞大的”训练中心”，让工人重复完成任务；还有些公司让海外的陌生人远程操控”傀儡”机器人。这是个疯狂的尝试，而且没人能保证一定能成功。

    大语言模型还有很大挖掘空间

    大语言模型（LLM）曾经席卷全球。现在所有AI从业者都在追逐下一个重大突破。虽然容易实现的目标已经所剩无几，但大语言模型不会就此消失，这项技术还有很大的挖掘空间。

    AI让诈骗变得更容易了

    AI正在降低诈骗分子和黑客的作案门槛，让入侵目标的尝试变得比以往更快、更便宜、更容易。这件事值得所有人警惕。

    “AI无处不在，铺天盖地。这让你有怎样的感受？”——MIT Technology Review编辑Mat Honan

    世界模型：让AI理解物理世界

    AI公司想要构建能够理解外部世界的系统。如果它们成功，就有可能克服大语言模型的局限性，帮助AI进入物理环境。这是个很有意思的方向。

    AI已经进了作战室

    算法很早就实现了军事杂务的自动化，但现在生成式AI已经在作战室拥有了席位，指挥官会认真采纳它的建议。它正在重塑军队的情报共享方式、和大型科技公司的合作模式，以及致命决策的制定方式。

    深度伪造被武器化了

    随着生成式AI的改进、Grok大规模生成非自愿色情图像，以及美国政府用这项技术进行宣传，人们长期预测的武器化深度伪造威胁已经到来。

    智能体协作：从单打独斗到团队合作

    第一代AI智能体只能运行浏览器或者编写代码片段，而且只能单独行动。接下来将出现的是能够协作完成复杂得多的目标的智能体团队。这个方向对自动化和生产力提升很有意义。

    中国的开源押注

    免费开放前沿模型让中国实验室赢得了全球信誉，也获得了开发者的大量好感。这种模式的财务可持续性无人知晓，但全世界已经在基于中国的模型基础进行构建了。

    人工智能科学家：AI自己搞研究

    学术界和企业都在开发能够自主完成研究任务、作为真正的合作者和科学家共事的智能体。有人认为，这些AI合作科学家终有一天会取得足以获得诺贝尔奖的成果。这个说法有点大胆，但也不是完全没可能。

    全球范围内的AI抵制浪潮

    在多年的AI无限制发展之后，全球范围内正在形成一股强大的抵制浪潮。从保守派到自由派，从艺术家到工会，活动人士的势头越来越猛，已经开始取得一些小胜利。

    我的看法：这10个方向里，我觉得最值得关注的是”智能体协作”和”世界模型”。智能体协作如果能做好，对提升生产力会有很大帮助；世界模型则是让AI从屏幕后面走到物理世界的关键一步。至于AI诈骗和深度伪造武器化，这两个方向让人担心，但也说明AI的能力确实在快速提升。

    另外，中国的开源押注这个方向也很有意思。免费开放前沿模型确实能赢得开发者的好感，但怎么赚钱这是个问题。不过，全世界已经开始基于中国的模型进行构建了，这说明开源策略确实有效。

  • AI驱动交换芯片二次成长：2028年市场空间可达242亿元

    说到AI芯片，大家第一反应都是英伟达的GPU。但华泰证券最近一份研报提醒了一件容易被忽略的事：交换芯片作为数据中心互联的核心组件，2026年起要在AI驱动下开启”二次成长”了。

    交换芯片是干什么的？简单说，它负责处理数据交换和报文转发，是交换机的”大脑”。成本占比不低——占交换机成本30%以上。当AI集群从千卡迈向万卡级，网络系统必须更稳定可靠，这就推动数据中心Scale out交换机向更高容量、更高速度发展。

    万卡集群的”血管系统”

    你可以把AI集群想象成一个超大型工厂。GPU是工人，交换芯片就是工厂里的传送带系统——负责把数据快速、准确地从一个”工人”（GPU）传到另一个。

    当集群规模从1000张GPU扩展到10000张，这个”传送带系统”的压力不是线性增长，而是指数级增长。数据包要在成千上万个计算节点之间高速穿梭，任何瓶颈都会导致整个系统变慢。这时候，交换芯片的性能就成了关键。

    测算显示，2028年国产交换芯片市场空间有望达到242亿元，2026-2028年复合增长率（CAGR）高达96%。

    超节点架构：国产算力的破局之道？

    研报里提到一个有趣的观点：超节点架构可能是国产算力追赶海外算力的破局之道。

    这里的逻辑是：超节点架构放大了集群内Scale up（纵向扩展）的作用，而交换芯片的配比通常高于传统的Scale out（横向扩展）架构。换句话说，如果国产算力采用超节点架构，未来会催生大量交换芯片需求。

    这对国内交换芯片厂商来说，是个值得关注的机会。华泰证券的建议是：关注海外龙头及国内自研技术领先的芯片商。

    为什么是”二次成长”？

    第一次成长，是云计算和数据中心的传统需求驱动的。那时候交换芯片主要服务云服务商、大型企业。

    第二次成长，驱动力换成了AI。万卡集群、超节点架构、更高的数据交换速率需求——这些都让交换芯片从”配角”变成了”关键基础设施”。

    96%的三年复合增长率，放在任何行业都是夸张的数字。当然，这只是测算，实际能不能兑现，还得看AI集群建设的实际进度。

    最后提醒一句：研报是研报，投资是投资。96%的增长预测很美好，但交换芯片这个市场，最终谁能吃到蛋糕，还得看技术迭代速度和客户绑定能力。