Digi Power X转型阵痛中前行 AI算力业务首季实现创收
核心财务数据 Digi Power X公布2026年第一季度财报。公司报告期内营收为680万美元，较去年同期的930万美元下降27%，主要因公司主动缩减传统加密挖矿业务以为AI算力业务腾出空间。净亏损为470万美元，较上年同期的160万美元亏损有所扩大，反映了在AI基础设施方面的前期投入。经调整EBITDA为110万美元，同比增加240万美元，实现由负转正。 向AI基础设施战略转型 首席执行官Michel Amar表示，第一季度是公司的“转折点”。公司已成功启动从加密矿企向垂直整合AI数据中心基础设施运营
今日人工智能圈要闻速递
今日 AI 领域：OpenAI 高频迭代，微软布局备选方案OpenAI 动向- GPT-5.6 曝料：社区泄露内部评测，传闻下月面世，版本更迭速率成焦点- GPT-5.5 Instant 发布：新默认模型，增强长程记忆与 Gmail 整合，代码生成效率提升 25%- Codex 加速模式：本周四推出 ultrafast，对延迟敏感型任务响应提升 2-3 倍头部企业竞争- 微软分散风险：接洽 Anysphere、Inception 等新锐企业，筹划 OpenAI 替代方案- 谷歌 Android AI：Ge
大摩重申中芯国际增持评级 看高至七十港元
摩根士丹利最新研报指出，中芯国际 (120.490, 2.59, 2.20%)（00981）作为本土人工智能图形处理器（GPU）产业链的核心力量，地位举足轻重。鉴于产能利用率持续高位运行且平均售价上扬，该行确信公司有能力消化因扩产带来的额外折旧压力，故维持“增持”评级，并将目标价定为 70 港元。中芯国际首季营收环比微增 1%，同比攀升 11%，录得 25.1 亿美元，契合该行与市场预判，主要驱动力来自混合平均售价的提升。当期毛利率达 20.1%，环比提高 0.9 个百分点，表现优于预期。归属于股东的净利
前微软AI高管李宏智回国，出任同济大学教授
李宏智，前微软人工智能亚太区首席应用科学家，近日加盟中国同济大学。据李宏智个人网站信息，他毕业于浙江大学后赴美深造，于哥伦比亚大学先后获得计算机科学硕士和博士学位。2016年，他加入美国科技巨头微软公司，开启职业生涯。过去十年，李宏智在微软担任搜索与人工智能事业部首席研究员/架构师，并出任微软人工智能事业部（亚太区）生成式人工智能部门负责人。他还曾入选国家海外高层次人才引进计划。近日，李宏智辞去微软高薪职位回国，现任同济大学工程智能研究院长聘特聘教授。观察者网已联系李宏智，了解其回国工作的动机及对在华发展
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
中美会谈揭示AI竞合新动向
一、事件回顾：中美高层会谈引发A股算力板块调整 近期，A股算力、AI芯片及服务器板块出现大幅波动，起因是市场有传言称中国在中美高层经贸会谈中可能放开对英伟达H200芯片的进口限制。 市场普遍忽视了三个关键点，这些是此次预期剧烈波动的核心因素： 美国已解除H200对华销售禁令，但附加了15%的销售额抽成条款； 此前的限制并非来自美国，而是中国自身未批准H200进口，属于我方的战略性管控； 此次传闻的本质是中方在中美经贸谈判中可能做出阶段性让步，开放H200进口。 资本市场恐慌的核心在于投资者对中美AI战
AI算力为何更看重1GW而非GPU数量
在人工智能的角逐中，算力已不再仅仅是一个技术指标，而是变成了“能消耗多少电能”的资源难题。数量虽易获取，容量却难以企及：为了构建全球顶尖的超算中心，各大巨头不惜投入数百亿资金扩建数据中心，而电力供应成为了最大的瓶颈。运营的核心逻辑就是“获取充足的电力”。因此，利用“容量/电力”来衡量集群规模已成为行业通用的做法，这就像一张“电力容量标签”，揭示了实际的运营极限。效率参差不齐，需要统一标尺：不同代际的GPU好比是“高耗能”与“节能型”的区别。作为功耗计量单位，GW提供了一把通用的尺子，让你能直观地对比不同代
OpenAI三款语音模型重磅发布，GPT-Realtime-2引领智能交互新纪元
2026年5月8日，OpenAI重磅发布三款语音AI产品。「AI语音交互，彻底告别机械生硬感」并非微小的功能修补，更非挤牙膏式的更新——而是一次性推出三款产品，每一款都在重塑AI的听觉能力。GPT-Realtime-2具备GPT-5级推理能力 · 人声仿真度几乎等同于真人GPT-Realtime-2的核心突破在于：声音不再像机器人一样冰冷。这并非玄学，而是硬核指标。OpenAI的测试表明，Realtime-2在自然度、情感表达和对话流畅度三个维度上均有质的飞跃。通俗来讲：之前的AI语音是“照本宣科”，而现
AI 热潮风向变：英伟达退居二线，存储芯片成新宠
近一月来，芯片板块迎来强劲上涨；美光科技涨幅达 80%、闪迪飙升 52%、英特尔大涨 85%，这些仅是本轮行情中的代表性企业。 本轮芯片股暴涨的核心动力，源于人工智能系统架构正加速向“编排调度（Orchestration）”模式转型：AI 算力负载不再单纯依赖少数大型中心化芯片集群，而是转向分散至多条并行处理通道。 在新架构体系下，相较于高性能显卡 GPU，市场对传统中央处理器 CPU 的需求更为迫切。而在人工智能发展的初期阶段，正是 GPU 需求的爆发推动了英伟达股价的飙升。 尽管 GPU 在模型训练、
GPT广告门槛大降，虽贵却成品牌必争之地
就在上周，AI界迎来了一个里程碑：OpenAI终于向美国企业开放了GPT的广告投放后台。这绝非小打小闹，而是实打实的商业变现尝试。现在，美国企业可以直接给ChatGPT充值、设定预算、选择竞价策略，把广告精准地投放到用户的对话场景中。这些广告将以标注“赞助”的形式出现。为了吸引更多广告主，入门门槛也从25万美金大幅降低到了5万美金。虽然默认最高出价是60美金，但长期来看，竞争激烈行业的点击单价（CPC）甚至可能飙升数倍。一、价格高昂！为何品牌依然争相入局？初看价格，很多人都会感叹：“太贵了！”对比一下传统
华农惠源 AI 生态：GPU 算力霸主英伟达
英伟达（NVIDIA），这家源自美国的科技巨头成立于 1993 年，总部坐落于加州圣克拉拉，由黄仁勋联手克里斯·马拉科夫斯基及柯蒂斯·普里姆共同创办。起初公司深耕图形芯片设计，随着技术迭代与业务拓展，已转型为提供全栈计算能力的人工智能领军者，专注于 CPU、DPU、GPU 及 AI 软件的研发，为建筑施工、金融理财、科研探索、智能制造及汽车工业等多个领域提供强有力的计算方案支持。1999 年，英伟达首创图形处理器（GPU），极大地促进了 PC 游戏产业的繁荣，重塑了计算机图形技术标准。2006 年，推出并
2026年5月14日：算力军备升级，人形机器人与边缘芯片引爆硬件新潮
2026年，AI竞争焦点已从纯软件算法转向硬件算力、终端应用及机器人实体等硬核领域。5月14日，全球AI硬件市场动作频频。国内本土算力芯片不断升级，人形机器人商业化进程加快；海外方面，巨型AI服务器及新一代边缘硬件相继落地，整个产业链正步入成果兑现阶段。本文梳理今日海内外核心资讯，助你把握AI硬件的最新发展趋势。云端利用巨型服务器进行训练，边缘及终端设备负责推理，国产硬件专注于端侧与区域计算，差异化竞争格局已然形成；人形与工业机器人的核心部件更新换代迅速，硬件量产成为今年最大的不确定因素；针对GPU、边缘
2026AI绘图双雄对决:GPT Image 2与Nano Banana 2谁更强
2026年4月，AI绘图领域再度掀起波澜。OpenAI推出的GPT Image 2标榜“中文文字渲染能力大幅提升”；谷歌旗下的Nano Banana 2则早已被业界冠以“全球顶尖生图模型”的称号。一方如同精密的平面设计师，一方仿佛狂野的创意画师，究竟哪款更适合你的需求？不玩虚的，直接看实际表现。这两款产品的定位差异明显。GPT Image 2：擅长中文海报、教学插图、UI界面、写实人像。Nano Banana 2：擅长二次元、漫画分镜、角色连续创作、快速出图。可以这样理解：一款像出版社美术编辑，一款像漫画
五月 AI 激战：GPT-5.5 自办发布，Anthropic 新模因强暂匿
AI 五月“模型大乱斗”GPT-5.5 自己开了一场发布会Anthropic 新模型强到不敢发BEIXIANG NETWORK五月的 AI 领域，精彩剧情接连上演。OpenAI、百度、字节跳动、Anthropic……各大厂商纷纷密集“出招”。全新模型层出不穷，且个个自带“爆点”：有的自主策划发布会，有的成本低得惊人，还有的因能力过强存在风险，连开发公司都不敢贸然公开。闲话少叙，这就带大家盘点本轮“模型大乱斗”中的几位重磅选手。OpenAI GPT-5.5：自己操办发布会的 AI4 月底，GPT-5.5 正
七大核心芯片，定义AI性能边界
未来十年的科技竞争，表面看是AI应用的角逐，实则底层是芯片系统的全面比拼。近年来，提到人工智能，许多人首先想到的是英伟达和SK海力士。这不难理解。大模型训练需要大量计算资源，算力芯片和存储芯片是关键需求，而GPU在并行计算方面表现优异，因此英伟达成为本轮AI浪潮中最受关注的企业。但若仅关注GPU，容易对整个芯片产业形成片面认知。因为AI运行并非依赖单一芯片，而是依靠一整套芯片系统协同工作。GPU负责运算、CPU负责调度、HBM负责数据传输、网络芯片负责连接、功率芯片负责供电与能效、MCU负责终端控制，而S