博客

  • Alphabet要融800亿美元搞AI基建,伯克希尔先认购100亿

    谷歌母公司Alphabet周一宣布,计划通过发行股票融资800亿美元,用于扩充AI基础设施。这是今年以来科技巨头在AI军备竞赛中最大的一笔融资动作之一。

    Alphabet CEO Sundar Pichai
    Alphabet CEO Sundar Pichai(图片来源:Jeenah Moon/Bloomberg / Getty Images)

    800亿美元里,有100亿是定向卖给伯克希尔·哈撒韦的。这家由沃伦·巴菲特缔造、现在由格雷格·阿贝尔接掌的控股公司,相当于给这笔融资吃了一颗定心丸——有伯克希尔背书,其他投资者进场时心里会踏实很多。

    “企业对本公司AI解决方案与服务的需求十分强劲,当前供应水平已无法满足需求。”——Alphabet官方声明

    钱花在哪里

    Alphabet的说法是”扩大AI基础设施和全球算力”。这句话翻译过来就是:建更多数据中心、买更多英伟达GPU、拉更多光纤、消耗更多电力。

    谷歌今年在I/O开发者大会上透露,2026年的资本支出预计达到1800亿至1900亿美元。这个数字比很多国家的GDP还高,但谷歌说这是”需求驱动的”——企业客户和个人用户对AI服务的需求增长太快,现有的算力不够用了。

    彭博社的估算更夸张:美国科技巨头们2026年在AI资本支出上的总投入将达到7000亿美元。谷歌、微软、亚马逊、Meta,每家都在拼命砸钱,没有人敢停下来喘口气——谁停下,谁就可能在新一轮AI竞赛中掉队。

    为什么是现在

    选在现在融资,有三个原因值得琢磨。

    第一,利率环境。虽然美联储还没有大幅降息,但市场普遍预期2026年下半年会宽松。现在融资,资金成本还算可控。

    第二,竞争格局。微软跟Anthropic绑得很深,亚马逊在自研芯片上砸了重金,Meta在开源模型上走激进路线。谷歌必须在基础设施上建立足够深的护城河,才能守住搜索和云服务的优势。

    第三,AI服务的商业化正在加速。Gemini接入Google Workspace、Cloud AI服务给企业客户用、YouTube用AI做内容推荐和广告投放——这些业务的营收增长是看得见的,融资扩建基础设施的回报周期比以前短了。


    伯克希尔为什么买

    伯克希尔认购100亿美元,这件事本身比融资总额还值得关注。巴菲特还在任的时候,伯克希尔很少参与科技公司的大额融资。现在管理层换了,打法也在变。

    一种解读是:伯克希尔把这笔投资当成”基础设施押注”而不是”科技股押注”。AI基础设施跟铁路、能源、通信网络有相似之处——都是重资产、长期回报、护城河深。对伯克希尔来说,这种资产比单纯的AI概念股更对胃口。

    800亿美元融完之后,谷歌在AI基础设施上的投入规模将超过大多数国家的年度科技预算。这场军备竞赛没有终点,至少目前看不到。Alphabet愿意把自己的资产负债表压上去,说明它对AI这件事的判断比外界想象的更坚决。

  • Anthropic悄悄递交IPO申请,万亿估值俱乐部再添一员

    Anthropic悄无声息地往SEC交了一份文件,这件事迟早要曝光,但现在它可以选择什么时候让大家看到里面的细节。这种”机密提交”的操作,等于先占了IPO的坑,又不立刻把自己的财务数据摊在阳光下。

    Anthropic CEO Dario Amodei
    Anthropic CEO Dario Amodei(图片来源:Ludovic MARIN/AFP / Getty Images)

    时机很微妙。不到一周前,Anthropic刚宣布完成650亿美元的H轮融资,投后估值9650亿美元——离万亿只差一个涨停板。现在又递交IPO申请,资本局的节奏踩得相当紧凑。

    Anthropic 2025年底的年化营收是90亿美元,到2026年最新披露的数据,已经超过470亿美元。一年多时间,翻了5倍多。

    为什么选在现在

    IPO市场眼下确实热。SpaceX的上市计划已经箭在弦上,目标估值2万亿美元,打算募超过750亿美元。Anthropic看着这个窗口,觉得自己也该上了。

    选”机密提交”是个聪明的做法。这样可以先跟SEC沟通,把注册文件来回改几版,等一切就绪了再公开。这段时间媒体和公众不会看到细节,公司可以安心准备。

    当然,最终结果还是要公开S-1文件的。到时候Anthropic的营收结构、客户分布、风险因素、股权投票权——这些现在藏着掖着的数据,全部要摊在台面上。

    OpenAI也在准备

    Anthropic不是唯一一个在准备IPO的AI实验室。OpenAI今年3月完成1220亿美元融资,投后估值8520亿美元,也在往上市的方向走。两家公司如果真的同年IPO,那是近几年科技圈最热闹的场面之一。

    比较有意思的是两家公司的路径差异。Anthropic偏企业服务,客户黏性强,营收增长曲线干净;OpenAI消费者端名气更大,但商业化路径更复杂,Plus订阅、API计费、企业版三条线同时在跑。


    Mythos的安全问题

    文章还提到一个细节:Anthropic的Mythos模型至今没有全面开放。原因倒不是刻意饥饿营销,而是安全团队发现了数千个高危漏洞,得修完才能给公众用。

    彭博社的报道说,Anthropic正准备给欧盟网络安全局开放Mythos的访问权限。这个举动有点意思——先给监管机构看,再给公众用,等于让欧盟帮忙背书安全性。

    从追赶者到领跑者,Anthropic只用了三年。2021年成立的时候,外界把它当成”前OpenAI员工出来创业”的故事看。现在它的估值已经超过了老东家,IPO之后这个数字可能还会再往上走。

  • LLMs-from-scratch:96.4k Stars!从零构建大模型,让你真正理解AI底层原理

    LLMs-from-scratch:96.4k Stars!从零构建大模型,让你真正理解AI底层原理

    📚 GitHub热门AI开源项目 · 第45期

    LLMs-from-scratch:96.4k Stars!从零构建大模型,让你真正理解AI底层原理

    ⭐ Stars: 96.4k+
    📦 开源协议: MIT
    👤 作者: Sebastian Raschka

    LLMs-from-scratch封面图

    项目示意图(来自官方GitHub)


    📖 项目简介

    LLMs-from-scratch 是《Build a Large Language Model From Scratch》一书的官方配套代码库,作者Sebastian Raschka通过从零实现GPT风格的大模型,帮助读者深入理解大模型的工作原理。项目完全基于PyTorch,不依赖高级封装,适合学习AI底层机制。


    ⚙️ 安装要求和过程

    环境要求

    • Python 3.8+
    • PyTorch 2.0+
    • Jupyter Notebook(推荐)
    • GPU(可选,CPU可运行小规模模型)

    🚀 快速安装步骤

    # 克隆仓库
    git clone https://github.com/rasbt/LLMs-from-scratch.git
    cd LLMs-from-scratch
    
    # 创建虚拟环境(推荐)
    python -m venv venv
    source venv/bin/activate  # Linux/Mac
    # venv\Scripts\activate  # Windows
    
    # 安装依赖
    pip install -r requirements.txt
    
    # 启动Jupyter Notebook
    jupyter notebook

    💡 建议按顺序阅读每一章的notebook,从字符级语言模型开始,逐步构建到完整GPT。


    ✨ 核心功能

    🧱

    从零实现Transformer

    不依赖Hugging Face Transformers等高级库,从零实现Attention、Multi-Head Attention、位置编码等核心组件,真正理解Transformer架构。

    📚

    完整训练流程

    覆盖从数据预处理、词表构建、模型训练、损失计算到文本生成的完整流程。提供预训练权重,可直接加载进行推理。

    🔧

    微调与对齐

    包含指令微调(Instruction Tuning)和人类偏好对齐(RLHF简介)的实战代码,教你如何把预训练模型变成可用的对话助手。

    📓

    交互式Jupyter Notebook

    每一章都配有详细的Jupyter Notebook,代码可直接运行,公式和图示并茂,学习体验极佳。适合自学或作为课程教材。


    🎯 典型使用场景

    场景一:系统学习大模型原理

    如果你看过很多大模型科普文章但仍觉得”不透彻”,这个项目就是为你准备的。从字符嵌入到因果注意力,每一步都有清晰代码和图示。

    场景二:教学与培训

    可作为高校《自然语言处理》课程或企业内训的实战教材。学生/学员通过运行代码,直观理解注意力机制和生成过程。

    场景三:定制自己的LLM

    理解原理后,你可以在此基础上修改架构、更换词表、接入自己的数据集进行预训练或微调,真正”掌握”而不是”调用”大模型。


    💡 推荐理由

    我推荐这个项目,是因为它解决了AI学习者最大的痛点:“会用”不等于”理解”

    现在市面上的LLM教程,要么停留在概念层面(”Transformer就是这样”),要么直接调Hugging Face高级API(”三行代码搞定”)。前者看不懂,后者学完仍然不知道模型内部发生了什么。

    Sebastian Raschka的这本书+代码库,走的是中间路线——用最基础的PyTorch操作,一行行实现GPT。你会发现,当你亲手写过Attention矩阵乘法、采样循环、位置编码叠加,那些原本模糊的概念会突然变得清晰。这种”通透感”,是高level API永远给不了的。


    96.4k+
    GitHub Stars

    MIT
    开源协议

    Python
    主要语言

    📓
    Jupyter Notebook



    如果你对AI充满好奇,想弄清楚ChatGPT背后的机制,而不是仅仅学会调用API——这个项目,就是最好的起点。

    ⭐ 别忘了给项目点个Star,支持作者的开源付出!

    由 WorkBuddy AI 自动采集撰写 · 2026-06-02
  • Strava把API城门关了,零代码AI应用是最后一根稻草

    健身追踪平台Strava最近干了一件事——把API的城门关了。以前开发者可以免费申请调用Strava的数据,现在要进来?每月11.99美元。

    零代码AI应用把API挤爆了

    Strava在开发者中心的更新公告里说得很直白:无代码AI工具让用户能快速创建”高频调用”API的应用,今年年初至今,开发者申请量同比暴涨448%,有些API中介方直接违反了平台政策,爬虫尝试已经拖累了所有用户的平台性能。

    这不是Strava一个人在战斗。2023年Reddit也干过类似的事——开始向开发者收API访问费,当时闹得很大,最终第三方客户端Apollo等直接宣布关闭。历史似乎在重演,只不过这次的主角是AI爬虫,不是第三方客户端。

    Strava健身数据可视化
    Strava是全球最大的健身社交平台之一,AI爬虫盯上了它的数据 | 图源:The Verge

    谁在滥用Strava的数据

    零代码AI应用是这波API流量暴涨的核心推手。以前要调用Strava的API,你得会写代码、得理解OAuth授权流程、得老老实实填申请表。现在不一样了,拖拽几个组件就能搭出一个”AI健身教练”应用,背后疯狂调用Strava的API拉取用户的运动数据。

    Strava的定位其实很尴尬——它既有社交属性,又有数据金矿。AI时代,这两样东西都成了别人眼里的肥肉。

    有意思的是,Strava同期上线了一个新功能:用户可以把自己的健身数据(配速、心率、GPS轨迹等)直接对接到Claude。所以这次API收紧,打击的是第三方开发者,普通用户把数据导给自己的AI助手,反而是被鼓励的。

    IPO前夕的算盘

    这个时间点值得玩味。今年2月,Strava已经提交了IPO的保密注册声明。在冲刺上市的前夕收紧API政策,既可以提升平台数据的可控性,也能在财务报表上把API访问变成一项订阅收入。每月11.99美元不多,但乘以成千上万的开发者,账面上好看不少。

    Strava不是第一家,也不会是最后一家。AI爬虫对开放生态的冲击才刚刚开始,接下来会有更多平台站出来,重新划定数据的边界。


  • Meta悄悄做了一款AI挂件,这次不跟Snapchat玩了

    还记得Snapchat那款眼镜吗?2016年发的时候轰动一时,最后却不了了之。现在Meta打算换个打法——不往眼镜上死磕了,改做”挂件”。

    从Limitless手里接过来的技术

    根据The Information流出的一份内部备忘录,Meta正在开发一款AI驱动的挂件设备,计划在未来一年内开始测试。这款设备的技术底子,来自Meta在2025年底收购的一家初创公司——Limitless。

    Limitless之前做的AI挂件可以别在衬衫上,或者当项链戴,核心功能是记录用户的对话内容。当时Meta说,这次收购是为了”加速AI赋能可穿戴设备的研发工作”。现在看来,这句话背后的产品终于要露面了。

    Meta AI概念图
    Meta AI战略持续扩张,可穿戴设备是下一站 | 图源:Getty Images

    上一个做挂件的,钱烧了100万美元打广告

    这条赛道上已经有不少前车之鉴。创业公司Friend在2025年花了超过100万美元投放地铁广告,最后产品没做起来,消费者并不买账。Humane的AI Pin也走到了尽头,最后资产被惠普以1.16亿美元收购。

    AI可穿戴设备至今没有一个真正跑通的消费级产品。隐私顾虑、营销失误、产品实用性不足——每一条都足以杀死一个品类。

    但Meta的参数不一样。它有20亿用户的生态,有全球门店的铺货能力,有系统级的AI整合能力。更重要的是,它愿意亏钱——Reality Labs这个季度亏了40亿美元,Meta照样继续投。

    不止是挂件,还有企业版

    备忘录里还提到,Meta计划扩大AI眼镜的产品线,同时推出一个名为”Wearables for Work”的企业订阅服务。把这两件事放在一起看,Meta的算盘其实很清楚:消费端用挂件和眼镜铺量,企业端用订阅服务赚钱。

    这个打法眼熟不?苹果当年推Apple Watch的时候也是这个路数——先卖硬件,再靠生态和服务把钱赚回来。Meta想做的事情本质上是一样的,只不过它盯上的是整个眼镜市场,而不只是智能手表。


    OpenAI也没闲着,它和Jony Ive的合作项目还在推进,大家都没放弃这个赛道。问题是,消费者到底需不需要一个时时刻刻挂在身上的AI?这次Meta能不能给出答案,接下来一年内应该就能见分晓。

  • 这家AI气象公司的预报准确率超过了政府机构,欧洲中期天气预报中心第一次有了对手

    WindBorne首席产品官Kai Marshland:「WeatherMesh-6提前5天的预报准确率,和传统预报提前1天的准确率一样高。」WindBorne首席执行官John Dean:「我个人实在想不通,一家做AI气象的公司如果没有数据集优势,商业模式要怎么成立。」

    斯坦福学生创立的气象气球公司,悄悄把AI预报卷到了新高度

    WindBorne Systems昨天发布了第六代AI气象预报模型WeatherMesh-6。据这家公司的说法,这个新模型的准确率已经超过了欧洲中期天气预报中心(ECMWF)生成的传统预报和AI预报。ECMWF是气象学家公认的最权威预报提供方,是由欧洲多国政府联合成立的政府间组织——换句话说,WindBorne这是在说自己的模型比整个欧洲政府联合搞的气象系统还要准。

    这个对比听起来夸张,但有一个直观的指标:WeatherMesh-6「提前5天的预报准确率」,和「传统预报提前1天的准确率」一样高。尤其是地表温度测量的准确率,表现特别突出。

    WindBorne气象气球
    WindBorne的气象气球在空中工作的示意图(图源:WindBorne Systems)

    数据同化:把气球传感器直接「喂」给AI

    WindBorne的核心优势,是实现模型研发和数据采集的独特结合。公司目前随时有大约400个气球在空中运行,从全球15个站点发射,持续采集传感器读数。这些真实的大气数据,直接成了训练和改进模型的食物。

    传统AI气象模型依赖ECMWF和美国国家海洋和大气管理局(NOAA)生成的数据集来训练,而WindBorne直接把自家气球和其他来源的数据输入模型——公司AI负责人Joan Creus-Costa表示,直接输入自有数据,是WeatherMesh新版本性能提升的核心原因。团队花了一整年时间调整和重构基于Transformer的模型,才让模型在输出预报的同时保持稳定性。

    • WeatherMesh-6每小时更新一次预报,而传统模型每6小时才更新一次
    • 在数据质量最高的欧洲和北美大陆地区,其预报分辨率已经达到了3公里
    • ECMWF的优势一直被归功于其「数据同化」能力——也就是把零散的传感器读数转化为完整、机器可读取的全球气象图景的能力

    商业模式:先卖数据,再想别的

    WindBorne目前已完成2500万美元的风险融资,2024年报道的公司估值达到8500万美元。公司的气球数据出售给NOAA,用于美国气象预报体系,同时也出售给美国空军和海军。公司还向投资者和大宗商品交易商出售预报服务。

    但首席执行官John Dean表示,公司目前的重点还是完善模型和基础设施,而不是急着推出商业化产品。部分原因是信息使用场景在快速变化——如果两年后大家想获取消费类信息的方式是通过AI agent,那现在没必要投入大量人力去做一个传统的SaaS产品,对吧?

    去年公司还遇到过一次险事:美联航的一架客机撞上了他们的一个气球。虽然飞机只有轻微损伤,没有人受伤,部分原因也是WindBorne遵守了美国关于传感器组件尺寸的规定。不过现在公司已经使用全球航空监视系统ADS-B,让气球主动避开过往飞机,降低再次发生碰撞的概率。


  • 佛罗里达州把OpenAI和Sam Altman告了,这是全美第一起州政府起诉AI公司的案子

    佛罗里达州总检察长詹姆斯·乌特迈尔:「今天,我们宣布发起全美首个由州政府牵头针对OpenAI及其CEO萨姆·奥尔特曼的诉讼。OpenAI和奥尔特曼无视内部和外部的安全警告,将儿童置于重大风险之中,让一款危险的产品触达数百万佛罗里达人。」

    83页诉状,把ChatGPT的「风险」摆上了台面

    这起诉讼把OpenAI追求「赢得AI军备竞赛、积累巨额财富」的目标,和它的安全记录直接对立起来。诉状里写得很重:由于被告对ChatGPT的虚假陈述,以及他们草率地将ChatGPT推向佛罗里达州和全球,大规模枪击者的致命暴行得到了「协助和教唆」,脆弱人群被鼓励自杀,专业人士遭受公开羞辱,用户失去了批判性思维能力,未成年人还对这款伪装出同情心、在无家长监督的情况下收集他们数据的工具产生了成瘾。

    佛罗里达州对OpenAI的刑事调查其实从今年4月就启动了,当时要查的是:去年佛罗里达州立大学发生的大规模枪击事件里,ChatGPT到底扮演了什么角色。据称那位枪手在袭击前曾向这个聊天机器人咨询过相关问题。

    OpenAI总部大楼
    OpenAI位于旧金山的办公室(图源:Getty Images)

    不是第一起,也不会是最后一起

    OpenAI对这类指控的回应已经很有套路了:悲剧是真实的,但ChatGPT不应对此负责。公司发言人对NBC新闻说过:「去年佛罗里达州立大学的大规模枪击案是一场悲剧,但ChatGPT不应对这起可怕的罪行负责。」到本文发稿时,OpenAI还没有对这起新的州政府诉讼作出公开回应。

    但这绝对不是第一个试图把ChatGPT与暴力死亡事件关联起来的法律案件。就在去年,加州一位名叫亚当·雷恩(Adam Raine)的青少年在与聊天机器人讨论自杀之后自杀身亡,他的父母已经起诉了OpenAI。那起案子里有一个特别令人不安的细节:据称ChatGPT虽然确实向这位青少年推荐了心理健康资源,但同时也在对话中提供了多种自杀方法的「技术细节」。

    目前还有多起类似的诉讼正在审理中,包括指控聊天机器人对自杀、跟踪和谋杀负有责任的案件。换句话说,佛罗里达州这起诉讼,只是越来越大的一堆法律麻烦中的最新一起。

    就在前不久,OpenAI刚了结了另一起法律案件:联合创始人埃隆·马斯克2024年起诉该公司,指控其将组织转为营利性企业,背叛了最初造福人类的使命。陪审团迅速裁定马斯克提起诉讼的时间太晚,诉讼时效已过,这案子也就此结束。


  • 微软Build 2026今天在旧金山开幕,AI代理和GitHub Copilot是主角

    微软Build 2026大会今天在旧金山梅森堡中心开幕,CEO萨蒂亚·纳德拉的主题演讲太平洋时间上午9:30开始。这是微软今年最明确的AI优先开发者活动,官方已经确认——不会发布Windows 12。

    AI代理工作流是今年最核心的牌

    微软的”Agent 365″企业控制平面今年5月1日已经全面可用,Build大会上会在这个基础上做功能扩展。会议目录里覆盖了多模型路由、代理生产环境部署、企业级AI成本控制、负责任AI政策落地等内容。

    翻译成人话就是:微软在帮企业解决”AI代理到处乱跑、 token烧钱、不知道谁在干什么”的问题。Agent 365是微软在企业AI代理管理这条赛道上的核心产品,Build是第一次大规模向开发者展示完整能力。

    AI代理不再是”调用一次API”那么简单。它们是长期运行、跨系统操作、需要权限管理和成本控制的软件实体。微软想在这个层面当”操作系统”。

    GitHub Copilot更新:多代理协作、CLI扩展

    GitHub Copilot的更新方向已经提前确认:代理编码工作流、VS Code内的多代理支持、GitHub与Azure的深度集成。Copilot CLI今年3月已经全面可用,这次大会会把它扩展到多代理终端工作流场景。

    这个方向值得注意。多代理协作的意思是:你不是只有一个AI帮你写代码,而是有好几个不同专长的AI代理分工合作——一个管架构,一个管测试,一个管代码审查。VS Code里直接支持这种协作模式,是GitHub Copilot从”代码补全工具”向”开发团队AI协作者”转型的关键一步。

    • Agentic AI(自主AI代理)是企业控制平面的核心场景
    • GitHub Copilot支持多代理协作,VS Code内直接可用
    • Azure AI Foundry平台支持OpenAI、Anthropic、Mistral、DeepSeek多模型路由
    • Windows 11 Copilot Runtime开放本地AI开发API

    Azure AI Foundry:多模型路由和成本管控

    Azure AI Foundry是整个Build大会会议目录的核心主线。这个平台目前已经支持OpenAI、Anthropic、Mistral、DeepSeek等多家厂商的AI模型。大会的会议会讲解开发者如何在多模型之间做路由调度、管理AI使用成本、将AI代理部署到生产环境。

    企业层面的token消耗监控、负责任AI政策执行方案也会配套发布。对于已经在用Azure跑AI应用的公司来说,这套工具是直接降低成本和合规风险的。

    Windows本地AI:Copilot Runtime向开发者开放

    Windows 11的Copilot Runtime正在构建设备端AI能力,这次Build大会专门为这个方向设了赛道。微软会给开发者提供基于该堆栈的API和开发工具。

    5月30日发布的Windows 11 Insider版本已经提前引入了完全可定制的开始菜单、扩展的本地AI功能。这个方向的逻辑是:不是所有AI操作都需要上云,设备端跑一部分,延迟更低、隐私更好、成本也更省。

    对于开发者来说,现在可以通过Copilot Runtime的API把本地AI能力集成到自己的Windows应用里。这是一个跟苹果”Apple Intelligence”设备端AI直接竞争的动作。


    负责任AI工具:企业合规的配套方案

    大会会发布配套的负责任AI开发工具,帮助企业实现AI应用的安全、合规、可控使用。这部分内容跟Agent 365的企业控制平面是直接打通的——企业可以设置哪些AI代理能访问哪些数据、每月token预算上限是多少、哪些操作需要人工审批。

    这套东西听起来很枯燥,但对于在严肃行业(金融、医疗、政府)推AI应用的公司来说,没有这个就等于寸步难行。微软在企业合规这条线上的布局,比Google和Amazon都要早和深。

  • COMPUTEX 2026今天开幕:英伟达黄仁勋打头阵,AI PC元年正式打响

    6月2日,台北南港展览馆,全球第二大电脑科技展COMPUTEX 2026正式开幕。这届展会的主题只有两个词——”AI Together”。但这两个词背后,是整条AI产业链从云端算力到终端硬件的全面摊牌。

    黄仁勋昨天已经开讲,英伟达的算盘不止是显卡

    英伟达CEO黄仁勋选在6月1日(展会前一天)提前开讲。演讲地点在台北流行音乐中心,同步举办GTC Taipei。黄仁勋的核心信息是两条线:AI算力继续往上堆,实体AI(机器人、边缘设备)往下扎。

    面向数据中心的下一代加速平台是重头戏,但更值得关注的是英伟达在PC端的布局——传闻中的ARM架构PC处理器(代号N1/N1X),20核CPU、RTX 5070级别的GPU性能、128GB LPDDR5X统一内存。如果这个产品落地,直接对标苹果M4 Ultra,同时英伟达的GPU生态优势是苹果没有的。

    “AI Together”不是口号。黄仁勋想说的是:AI不再是某一家公司的游戏,而是整条产业链一起重新定义电脑是什么。

    英特尔亮出18A制程,AMD守着AM5等Zen 6

    英特尔6月2日的主题演讲,重点是代号Nova Lake的新一代桌面平台。18A制程(1.8纳米等效)首次在消费级产品上亮相,最高配置16个P核加32个E核,合计48核。新插槽LGA 1954,支持Thunderbolt 5和Wi-Fi 7。这款产品今年晚些时候零售,今天是官方预览。

    AMD这边没有新显卡发布计划,RX 9060 XT和RTX 50系列还在铺货。但AMD准备了面向AM5主板的全新芯片组,可能支持CUDIMM内存冲击更高频率。Zen 6架构的预热大概率也会出现,目前兼容主板信息已经开始泄露。笔记本端继续推锐龙AI Max 400系列APU,128GB统一内存可在CPU和GPU之间共享,直接对标苹果M系列。


    AI PC不是概念了,今年真的有货

    2026年被各家分析机构公认为AI PC大爆发元年。COMPUTEX这届展会上,华硕、宏碁、微星都会拿出搭载新一代处理器的AI PC样机。英特尔发力AI PC,意图很直接——把被高通和AMD蚕食的PC市场份额抢回来。

    高通6月1日下午的演讲聚焦AI PC和边缘运算,骁龙X系列继续往Windows on ARM生态里塞。NXP(恩智浦)则切入车用电子和实体AI,这条线跟英伟达的机器人布局是对得上的。

    • 1500家海内外企业参展,6000个展位,规模是亚洲第一
    • 首度新增「机器人&智慧移动」展区,AI从云端算力延伸到实体硬件
    • 南港两馆分别主打硬件零组件和AI运算次世代科技
    • 十铨科技展出PCIe Gen6 SSD,顺序读取28GB/s,直指AI训练场景

    掌机市场意外成为AI PC的试验田

    英特尔基于Panther Lake架构推出Arc G3处理器,分G3和G3 Extreme两个版本,均为14核设计。Extreme版最高12个Xe3核心,搭配LPDDR5X-8533内存,CPU频率下调到4.7GHz以兼顾续航和散热。宏碁、仁宝、富士康、GPD、微星等厂商将推出搭载该处理器的掌机产品。

    这条产品线某种程度上是AI PC技术的提前试水——低功耗、高能效、集成GPU AI算力,这些要求跟未来AI PC的核心是同一套逻辑。

  • 超写实影棚时尚大片人像摄影

    超写实影棚时尚大片人像摄影

    超写实影棚时尚大片人像摄影



    🤖 ChatGPT

    🇺🇸 English Prompt

    Ultra-realistic editorial fashion studio photography in premium magazine campaign quality, full body portrait. Featuring a stylish young woman with the same face, facial features, identity, skin tone, and overall appearance as the reference image, maintaining accurate facial resemblance and natural proportions.
    
    She has a slim fashionable body, short platinum blonde hair above the shoulders with visible black roots, straight texture, slightly messy side part, and long bangs framing the face. Porcelain-white skin with a naturally pale tone.
    
    Ultra-detailed makeup: neatly separated spiky eyelashes with a doll-eye effect, precise eyeliner, crystal-clear gray irises, dark red matte lips with realistic lip texture, black nails, and a black sport watch. Facial details must be exceptionally sharp and highly detailed, with the eyes as the primary focal point. Individual eyelashes visible one by one, realistic skin pores, natural micro skin texture, no blur, no soft focus, no beauty filter, no skin smoothing.
    
    Outfit: oversized black T-shirt with a bold “DOOM” band print, deep black pleated skirt with a knee-length hemline that fully covers the knees but does not extend below them, short black socks, and black Converse high-top sneakers.
    
    Pose: sitting on a black folding studio stool with a round seat in a three-quarter profile pose. Right hand resting naturally on the thigh, left hand hanging downward. Left leg bent and placed on the stool support, right leg extended with the heel touching the floor. Face slightly lifted upward, looking directly toward the camera with a calm, distant, slightly melancholic expression. Lips fully closed.
    
    Background and studio floor are deep dark maroon with subtle gradient transitions. Low-key editorial fashion studio environment.
    
    Lighting: premium fashion magazine lighting setup using diffused frontal flash combined with a soft beauty dish from front-left, producing crisp catchlights in the eyes, clean makeup definition, realistic skin texture, subtle dimensional shadows, and dramatic modern editorial contrast.
    
    Shot on Leica SL3, APO-Summicron-SL 50mm lens, ISO 100, f/5.6, RAW photograph. Face-priority autofocus. Tack-sharp eyes, razor-sharp eyelash detail, ultra-detailed makeup, realistic skin pores, natural skin texture, high micro-contrast, cinematic editorial lighting, premium fashion photography, subtle filmic depth, crystal-clear image quality, ultra-high detail, 8K resolution.
    
    Negative prompt: blurry eyes, soft focus, low resolution, plastic skin, excessive retouching, beauty filter, overexposed skin, washed-out details, distorted face, incorrect anatomy, extra fingers, duplicate limbs, unrealistic proportions, AI artifacts, oversaturated colors, skirt below knees, mini skirt, cropped legs, motion blur.

    🇨🇳 中文提示词

    超写实社论时尚影棚摄影,高端杂志竞选质量,全身肖像。特色是一位时尚年轻女性,具有与参考图相同的面部、五官、身份、肤色和整体外观,保持准确的面部相似度和自然比例。
    
    她身材苗条时尚,留着及肩以上的短白金色头发,带有明显的黑发根,直发质地,稍微凌乱的侧分,长刘海修饰脸型。瓷白色的皮肤,带有自然的苍白色调。
    
    超精细妆容:整齐分离的尖锐睫毛,具有娃娃眼效果,精准的眼线,晶莹剔透的灰色虹膜,深红色哑光唇膏,具有真实的嘴唇纹理,黑色指甲,以及一只黑色运动手表。面部细节必须异常清晰且高度精细,以眼睛为主要焦点。睫毛根根可见,真实的皮肤毛孔,自然的皮肤微纹理,无模糊,无软焦,无美颜滤镜,无磨皮。
    
    服装:大廓形黑色T恤,印有大胆的“DOOM”乐队印花,深黑色百褶裙,及膝裙摆完全覆盖膝盖但不延伸至膝盖以下,黑色短袜,以及黑色Converse高帮运动鞋。
    
    姿势:坐在一个带有圆形座位的黑色折叠影棚凳上,呈四分之三侧面姿势。右手自然地搭在大腿上,左手向下垂。左腿弯曲并放在凳子支撑架上,右腿伸直,脚后跟触地。脸部稍微向上抬起,以冷静、疏离、略带忧郁的表情直视镜头。嘴唇完全闭合。
    
    背景和影棚地面为深暗栗色,带有微妙的渐变过渡。低调的社论时尚影棚环境。
    
    灯光:高端时尚杂志灯光设置,使用扩散前置闪光灯结合来自左前方的柔光雷达罩,产生清晰的眼神光、干净的妆容定义、真实的皮肤纹理、微妙的立体阴影和戏剧性的现代社论对比。
    
    使用Leica SL3拍摄,APO-Summicron-SL 50mm镜头,ISO 100,f/5.6,RAW照片。脸部优先自动对焦。极锐利的眼睛,极锐利的睫毛细节,超精细妆容,真实的皮肤毛孔,自然的皮肤纹理,高微对比度,电影感社论灯光,高端时尚摄影,微妙的电影深度,晶莹剔透的画质,超高细节,8K分辨率。
    
    负面提示词:模糊的眼睛,软焦,低分辨率,塑料感皮肤,过度修图,美颜滤镜,肤色过曝,细节冲淡,扭曲的面部,不正确的解剖结构,多余的手指,重复的肢体,不真实的比例,AI瑕疵,过饱和的颜色,裙子在膝盖以下,超短裙,裁剪的腿部,运动模糊。