AI日报(7月11日)曙光8000万卡集群启用,腾讯或投资Manus
各位好，我是团团🐣今日要闻如下：1.中科曙光全国产 10 万卡 AI 超集群“曙光 8000”正式启用2.快手推出 KAT-Coder-Pro V2.5：国产 Agentic 编程模型端到端跑完整工程3.MiniMax 计划融资 160 亿港元，CEO 闫俊杰实现 AGI 前不领薪酬4.腾讯考虑入股 Manus，有望成为其第一大股东5.Kimi 信用卡合作方敲定美国运通、农业银行6.第二代“豆包手机”即将发布7.百度搭子全面升级：日均提问次数暴增 20 倍，企业版同步发布8.三星自研 AI PC 芯片 G
华为发布τ定律升级版：麒麟与昇腾演进路径首次公开
大量实测数据与工程细节，似为华为对近期产业质疑的系统回应。 今年5月25日，华为半导体负责人何庭波在中国科学院科技论文预发布平台ChinaXiv首次发布《面向多层级电子系统的时间缩微理论》预印本（V1版本），试图为后摩尔时代半导体发展开辟新路径。 不同于过去数十年依赖晶体管尺寸缩小的‘几何缩微’，该理论提出以‘时间（τ）缩微’为新目标，通过LogicFolding（逻辑折叠）、Unified Bus（统一总线）和Hi-ONE光互连等技术，在器件、电路、芯片到系统层面压缩信号传播时间，持续提升性能、能效与集
AI集群网络新方案：光洗牌技术如何破解GPU互联瓶颈
在大型模型训练与生成式AI等应用对计算能力需求呈现爆发式增长的背景下，AI集群的GPU规模正从数千颗向数十万乃至百万颗快速演进。传统三层叶脊核心（Leaf-Spine-Core）网络架构在面对这一趋势时，已难以同时满足低时延、低成本、低功耗这三项核心需求。本文基于IEEE 802.3最新研究成果，深入剖析Optical Shuffle（光洗牌）架构的技术原理、核心优势、实施方案及规模化应用前景，为超大规模AI网络建设提供技术参考。主要内容包括：当前主流AI集群普遍采用扁平化网络设计，核心目标是减少交换机和
AI算力基础设施：服务器、集群及全产业链解析
1.研究背景与核心概念界定：AI算力时代与产业链全景1.1 AI算力时代的演进与市场驱动力我们正处在一个由人工智能技术驱动的算力需求爆发时代。这一轮变革的核心驱动力，已从早期的互联网数据服务，转向以生成式AI大模型、智能体（Agentic AI）为代表的复杂计算任务。AI大模型的参数规模正以指数级速度迭代升级，从千亿级向万亿级乃至更高迈进，这不仅对单芯片的计算能力提出了前所未有的要求，更催生了由多台AI服务器通过网络互连组成的、用于分布式训练和推理的AI集群，成为支撑前沿AI研究与商业化的核心基础设施。市