智谱GLM-5.3-Flash亮相，十万张国产卡支撑全球流量
新浪科技8月27日报道，智谱正式上线并开源了GLM-5.3-Flash（320B-A18B），这标志着GLM-5系列首个原生多模态模型的诞生。 据透露，GLM-5.3-Flash的性能表现与Opus 4.8持平，成本却仅为后者的1/40。该模型在320B参数规模下，性能超越了GLM-5.2，AA测试分数达到57分。 当前，GLM-5.3-Flash的所有流量均由10万张国产芯片处理。发布前，该模型以Ox-Alpha的身份在OpenRouter和OpenCode两大海外平台测试，一举登顶并打破历史记录，To
智谱揭晓“牛来”身份，GLM-5.3 Flash上线并开源
26日，智谱正式上线并开源GLM-5.3-Flash。据智谱介绍，这是GLM-5系列首个原生多模态模型，总参数量达320B，其中激活参数量为18B。 智谱表示，GLM-5.3-Flash的常规定价约为GLM-5.3的十分之一，限时优惠期间约为二十分之一；与Claude Opus 4.8相比，其价格约为后者的四十分之一。 此外，智谱称，在GLM-5.3-Flash正式发布前，公司曾以匿名模型“Ox-Alpha”的身份，在OpenCode和OpenRouter两个平台开展大规模测试。Ox-Alpha被中文社区
中国算力格局重塑：训练重心西移，推理布局东扩
（来源：科创板日报） 记者实地探访乌兰察布、海东、哈尔滨等地的算力中心后发现，各类项目正在加速落地。尤其以模型训练为核心的算力设施，明显呈现出向西部地区聚集的态势。 作者 | 黄心怡 在人工智能时代，算力已成为最为紧缺的战略资源。从辽阔草原到雪域高原，从东北传统工业区到西部清洁能源新区，一场围绕AI算力的基础设施建设热潮正在全国各地同步展开。 记者近期走访了内蒙古乌兰察布、青海海东、黑龙江哈尔滨等地的算力中心，了解到各地项目密集落地，尤其是面向训练的算力基础设施正逐步向西部推进。一张横贯东西、覆盖南北的算
硅基流动构建Token工厂生态 以技术与流量赋能AI算力服务
当前，AI行业正加速从模型训练迈向产业应用，Token工厂赛道热度持续走高，然而行业普遍面临概念超前、落地迟缓的难题。作为该领域的先行者，硅基流动早在2024年9月便提出了“Token工厂”这一构想，并借助公有云MaaS模式率先实现了行业的早期落地，成功实现了从概念创新到规模化商业运营的跨越。如今，随着公司向港交所递交上市申请，其完善的技术体系、成熟的商业模式以及多元化的生态布局，也为AI算力服务行业的标准化和规模化发展树立了优秀的范本。 前瞻布局赛道，完成Token工厂从构想至规模化落地 据悉硅基流动提
AI推理服务器崛起：推理算力需求超训练4-5倍，国产芯片迎来黄金机遇
💡三组关键数据揭示趋势：① 曦望董事长徐冰预测：2026年AI推理算力需求将达到训练需求的4-5倍，推理算力租赁价格半年内上涨近40%② IDC预计：到2028年，推理工作负载占比将攀升至73%③ 美银预计：2026年训练服务器与推理服务器营收将平分秋色，2030年推理占比将达75%英伟达CEO黄仁勋观点更为激进：AI推理的规模将迅速达到训练负载的十亿倍。成本构成训练服务器推理服务器区别计算单元（GPU/ASIC）38%25-30%推理对单卡算力需求相对较低存储组件（内存+SSD）29%35-40%推理对
国产十万卡AI集群：算力跃迁背后的战略深意
十万卡国产AI超集群：不仅是算力的飞跃，更是一场战略性的破局当算力演变为新的核心生产力，自主可控已不再是可选项，而是必然之路。近日，一则新闻在科技领域引发广泛关注。我国首个全自主十万卡级人工智能超算集群——曙光8000，正式启用。十万块国产AI加速卡，实现全栈国产化，并接入国家超算互联网平台。不少人初看这则消息，第一反应是：又一项"国之重器"亮相了。然而，若仅聚焦"十万卡"这一数字，则未免过于表面。这一举措的价值，远超算力规模本身的提升。它实质上是一场战略性的突围。01 十万卡究竟意味着什么首先厘清一个概
千元级AI眼镜拆机报告：物料成本不足两百元
2026年，智能眼镜领域热度持续升温。从雷鸟、华为到科大讯飞，众多AI眼镜新品接连登场，所谓的“百镜大战”已从概念宣传转向产品落地的实质竞争阶段。然而，当各大科技公司忙于为自家AI眼镜打上品牌标识、编织生态故事之际，与非网今日拆解的这款设备，却显得颇为“另类”。它没有任何品牌标志，名称直截了当得几乎粗鲁——AI GLASSES。它更像是你在华强北柜台或阿里巴巴上能批量购得的那种公版产品。这款“无牌产品”的存在，恰好揭露了AI眼镜热潮最真实的一面：当品牌在前台争夺话语权时，真正塑造这款产品形态与成本的，是背
AI普及的真相
这句话点明了关键问题——当前众多追求参数规模的万亿级模型，绝大多数训练基础仍是英伟达，说白了就是在别人的地基上比拼上层建筑，CUDA生态、高端芯片定价权还掌握在对方手中，光炫耀模型参数触及不到真正的核心命门。 一、现状很现实：卷模型容易，换算力难 首发冲榜的通义千问3.8、Kimi K3，主力训练集群依然是英伟达芯片，国产算力目前大多只做推理端适配。核心卡点不是硬件性能，是CUDA生态：英伟达积累了近20年的算子库、开发工具、开发者社区，迁移一个万亿模型的全训练链路，动辄需要半年以上的工程投入和几百万元成
WAIC 引爆 AI 手机热潮！预增 219%，四大龙头全面爆发
2026 世界人工智能大会盛大开幕，全球多款量产 AI 智能体手机集中首发，努比亚豆包 AI 手机、阶跃星辰 L3 认证智能体机、荣耀 Robot 机器人手机同台亮相，端侧原生大模型、自主 Agent 系统成为全场最大热点；机构预测全年 AI 手机出货占比升至 45%，叠加产业链企业披露炸裂半年报，展会新品催化 + 业绩翻倍共振，四大高增核心标的迎来主升行情。（温馨提示：本文仅梳理公开产业资讯，不构成任何投资建议，入市需谨慎）端侧 AI SoC 弹性龙头，上半年净利最高暴涨 219.55%，自研内置强 N
WAIC聚焦：国产芯片获训推双能力，算力告急存储遇冷
投资理财请参考专业分析师观点，精准高效，助力发掘潜在机遇！ 国产算力芯片已实现从单纯推理向训练推理并重的跨越。 7月18日，在2026世界人工智能大会“词元时代 万物智能”分论坛上，国产GPU企业摩尔线程创始人兼CEO张建中强调，国产大模型完全可依托国产芯片进行训练。 “常听国内模型企业担忧，使用国产平台是否拖累进度或影响追赶国际水平，其实不必多虑。我们拥有更优的硬件底座与先进软件栈，且有丰富实测数据支撑，大家可安心将模型训练落地国产芯片。”张建中补充道，在国产芯片上训练的另一大优势在于，摩尔线程能提供即
国产大模型芯片全面崛起，AI治理话语权提升
01 | WAIC开幕+全球AI组织成立2026世界人工智能大会于上海拉开帷幕，汇聚百国千方代表。全球首个AI政府间国际组织“世界人工智能合作组织”宣告诞生，总部落户上海。展会规模首破10万平米，展出1100余家企业展品，300余款全球新品首发，60台人形机器人投身公共服务，这彰显了中国在AI全球治理领域的话语权日益增强。 02 | Kimi K3发布2.8万亿参数月之暗面推出Kimi K3开源大模型，参数高达2.8万亿，打破全球开源纪录，综合实力位列世界前三，获评“Fable级体感”。其在长文本理解等关
人工智能时代全面开启：2026全球AI盛会见证中国从技术追赶迈向全面引领
当人工智能走出实验室的前沿探索，脱离资本市场的概念炒作，深度融入产业、治理与民生，成为驱动发展的核心力量，一场由中国引领的AI全域崛起浪潮，正式拉开帷幕。2025年，国家发布《关于深入实施“人工智能+”行动的意见》，围绕人工智能与科技、产业、消费、民生、治理、全球合作六大领域，启动全方位赋能、全民共享、全球协同的全新战略，标志着我国AI从单点技术突破，转向全要素、跨行业、国际化的深度融合新阶段。长期深耕人工智能研究、持续为全国各级干部授课、年均举办百余场AI普及讲座的知名学者王喜文，始终坚定一个核心信念：
GPU堆积策略式微，算力优化引领AI新赛局
实习记者 尹靖霏 人工智能算力的角逐逻辑，正经历松动与变革。 此前两年，行业陷入GPU囤积竞赛，谁持卡多、集群规模大，谁便能抢占优势。如今，这套“以量取胜”的规则逐渐失效——在词元（Token）计费体系下，模式从“售卖硬件”转向“提供Token”，堆积硬件的边际收益递减，效率随之成为新竞技场。 7月初，京算Token工厂启动运营，同时，趋境科技半年内累计融资逾10亿元。前者标志着算力供给迈向规范化，后者反映出优化技术受资本青睐。两条线索指向同一趋势：算力优化正从边缘走向核心，成为左右企业盈利、重构国产算力
AI热潮未退，下半年聚焦算力与产业链红利
7月以来，通信设备指数单周跌幅超10%，创下2025年以来最大单周下滑。同时，存储价格持续攀升，对AI基础设施的PE估值形成压力，市场观点出现分化。但多数机构认为，此轮调整并非基本面恶化，而是前期涨幅过大引发的筹码松动与情绪波动。相反，当前回调恰是布局良机，2026年下半年将是AI产业业绩兑现与技术突破的集中爆发期。一、当前AI核心特征：从算力基建迈向商业化落地1.大模型加速变现AI投资的核心逻辑，正在从概念转向盈利。Anthropic财务数据显示，大模型已具备商业化盈利能力，打破了‘增收不增利’的质疑。
AI推理爆发：PCDN边缘计算的新机遇与合规挑战
近两年，AI领域的焦点始终集中在“训练”环节——科技巨头们大量囤积GPU，构建超大规模数据中心。据行业研究机构Canalys最新数据，2025年全球AI基础设施支出已超3000亿美元，其中训练算力占据主导地位。然而，2026年的发展轨迹正悄然转变。随着大模型从“可用”迈向“好用”，推理场景逐渐超越训练场景。Token日均调用量从2024年初的1000亿激增至如今的140万亿，两年内增长逾千倍。更为关键的是，推理算力占比已超70%，单次推理请求的算力消耗是训练的5至10倍——这意味着，当模型真正落地应用时，