OpenAI首发智能芯片Jalapeño，9个月完成流片，专为AI推理而生
OpenAI 携手 Broadcom（纳斯达克代码：AVGO）正式推出 Jalapeño，这是 OpenAI 自主研发的首款智能处理器。该芯片作为一款加速器，围绕 OpenAI 对大语言模型推理的长远设想进行架构设计，也是双方共同打造的多代计算平台中的第一代 AI 加速器，旨在让前沿 AI 更高效、更稳定，并触达更广泛的用户群体。OpenAI 与 Broadcom 高管展示 Jalapeño 推理芯片。Jalapeño 已由 Broadcom 首席执行官 Hock Tan 和总裁 Charlie Kaww
AI芯片新贵暴跌，营收亮眼却难掩亏损困局
“英伟达最强挑战者”崩了。 今日，在美股盘前交易中，号称“英伟达最强挑战者”的AI芯片新贵公司Cerebras股价大幅跳水，一度暴跌超14%。消息面上，该公司在最新发布的财报中预计，全年核心经营利润率维持在-28%至-32%区间，加剧了投资者对其盈利前景的担忧情绪。 Cerebras是众多试图挑战市场领导者英伟达的企业之一，于今年5月登陆纳斯达克。上市以来，该公司股价一路下挫，周三美股盘前最新股价较上市首日高点已累计大跌超46%。由此可见，相对于AI芯片故事，市场更看重公司营收增长、盈利改善的确定性路径。
OpenAI自研芯片引爆AI算力自主革命
仅9个月完成流片、推理成本直降50%，OpenAI正式补齐底层算力短板，摆脱单一GPU依赖；巨头自研ASIC浪潮席卷推理赛道，AI竞争从模型层下沉至芯片全栈，本文从一级市场创投视角拆解行业变革与产业链机会。一、事件核心：OpenAI首款定制推理芯片Jalapeño正式落地北京时间2026年6月24日，OpenAI联合博通Broadcom发布自研专用AI加速器Jalapeño，这是双方长期多代算力平台的首款产品，Celestica天弘科技负责整机、机架全系统集成，全套硬件仅对内供给OpenAI数据中心，不对
2026 AI行业周报：智能觉醒时代，我们如何抉择？
2026 AI行业周报：智能觉醒时代，我们如何抉择？ 摘要：本周AI领域迎来多项标志性突破——从推理能力的质的飞跃，到机器人商业化进程提速，再到AI基础设施投资持续升温。本文深入剖析这些变化背后的逻辑，帮助读者发掘潜在机遇。 ▶📰 本周核心动态 1. OpenAI 推出 o3 模型：AI 通过图灵测试升级版 事件：OpenAI 正式发布 o3 模型，在多项专业测试中超越人类顶尖水平，首次通过“升级版图灵测试”——不仅能像人一样对话，还能在复杂任务规划、多步骤推理中展现类人的思维模式。 关键数据： 数学竞赛
AI存储难题破解：ParaStor实战落地全解析
AI大模型训练与推理加速扩张，存储瓶颈是否正拖慢你的项目节奏？海量数据如何高效读写？高并发下训练卡顿如何应对？存储架构与AI业务适配困难又该从何突破？6月25日（周四）17:00，资深存储产品经理徐剑涛，深入AI训练与推理全场景，全面剖析ParaStor分布式统一存储的落地实践。从痛点梳理到方案设计，从架构优势到真实案例，助力售前与销售团队快速构建面向AI训推的推广逻辑与交付体系，精准把握AI领域商机。扫描海报二维码，锁定直播⬇️
讯飞星火推出四大企业AI产品：从技术升级到实际应用，助力行业智能化加速
2026年，大模型应用正从技术验证迈向商业价值实现阶段。对于央国企和大型企业来说，AI的部署已超越模型性能，演变为涉及算力支出、数据保护、国产化兼容和组织运营的复杂课题。尤其在Token经济快速崛起的背景下，每次模型调用都关联着成本、效率、安全和管控问题。企业所需的，不仅是能回答问题的大模型，而是一套可融入业务现场、支撑复杂流程、持续创造收益的企业级AI解决方案。 针对行业实际需求，科大讯飞(41.920, -0.33, -0.78%)星火企业团队集中发布四款企业级AI新品，打造覆盖业务场景、人机交互和模
AI算力需求结构性转变 智算中心面临新格局
近期业界关于AI"算力紧张"的认知出现动摇，这源于AI技术升级引发的需求模式改变，推动国内智能计算领域供需关系重新调整。事实上，算力紧张逻辑的改变，并非整体算力供应过剩，而是需求结构呈现显著分化：在基础模型训练环节，头部企业已基本完成预训练阶段，对大规模高密度训练算力的集中需求暂时放缓；而在推理环节，随着各类AI应用加速落地，推理请求数量呈指数级攀升，低时延推理算力的缺口反而持续扩大。业界将训练端需求波动误判为整体算力过剩，根本原因在于未能洞察AI算力需求的结构升级趋势，新一代Blackwell架构GPU
AI入门必读：重塑认知与避坑指南
1为何要踏上AI学习之路促使我下定决心系统钻研AI，并开启此全新专栏的，源于四个极其现实的动因：（1）胡彦斌的“彦火”带来的震撼前不久，音乐人胡彦斌借助Vibe Coding打造出了一款名为《彦火》的应用。一个非IT领域的艺人，竟能凭借AI跨界抢了程序员的饭碗。这种跨越行业壁垒的冲击力实在惊人。（2）职场上的“精简”与“裁员潮”审视当下的职场风向，大量传统职位正在锐减，而那些掌握AI、能借助AI提升效率的新型岗位却在不断招兵买马。（3）实打实的效率跃升不管是在职场中撰写报告、编写代码，还是在日常生活里规划
九成AI座舱陷伪智能泥潭？弋途AI MIND架构破局，ReAct Loop重塑车端底层逻辑
智能座舱已然成为汽车智能化的标准配置，市场体量与普及率不断攀升。北京车展上AI座舱热潮涌动，然而第三方测试与用户反馈表明：超九成AI座舱属于“伪智能”，真正拥有自主推理功能的不足5%，用户对语音交互的满意率不到40%。目前市场上大部分所谓的“智能座舱”，不过是披着大模型外衣的语音助手，依旧局限于被动接收指令的状态。为何多数座舱仅能“听从命令”，无法“洞察心意”？传统智能座舱的核心痛点到底在哪？本文以弋途科技AI MIND为切入点，深入剖析ReAct Loop（推理-行动循环）作为其核心引擎与传统意图识别的
AI幻觉：错误还是智能的代价？
与大型语言模型深入交流时，它们能写诗、能编程、能解析深奥的量子物理，仿佛无所不能。但也会无比认真地编造谎言。它可能为你详述一篇根本不存在的学术论文，甚至虚构一位从未存在过的物理学家，并为其杜撰完整生平。这种现象，在学术与产业界被统称为“AI幻觉”。面对这些荒诞的错误，工程师通常视其为必须修复的缺陷。但若彻底消除幻觉，是否也一并抹杀了那初现的“智能火花”？AI的“幻觉”是当前大语言模型最核心的难题之一。要评估其价值与意义，需先厘清其定义、类型、根源与应对策略。简言之，AI幻觉指生成内容表面合理、语句通顺，实
AI巨头血亏不止，用户却坐享低价红利
你或许已经发现一个颇为矛盾的现象。一方面，媒体不断报道 AI 企业在巨额失血、疯狂亏损——开发 ChatGPT 的 OpenAI，据推测年度亏损高达百亿美金以上；马斯克旗下的 xAI 更为惊人，传闻其每收入一元便要亏损约二十六元。整个产业今年投向 AI 基础设施的资金，估计超过六千亿美元。另一方面，作为普通用户的你，使用 AI 的感受却是：费用持续走低，乃至大量免费服务涌现。国内 DeepSeek 前不久再度宣布永久性降价，将同等性能产品的价格压至竞品的数十分之一。从长远来看，实现同等水准的 AI 能力，
AI日报 | 苹果Mac本地部署万亿参数大模型、理想自研AI芯片发布、诺奖得主转投Anthropic
每日9:30 · 5大方向 · 深度解读最近72小时，AI领域连续涌现多个标志性事件：苹果演示利用4台Mac Studio在本地运行万亿参数Kimi K2.6，端侧大模型推理的上限正在被突破；理想汽车推出自研AI芯片马赫M100，宣告车企正全面转型为AI企业；AlphaFold创始人、诺贝尔奖获得者John Jumper离开谷歌加入Anthropic，顶尖AI人才争夺战进入白热化阶段。这些迹象共同指向一个趋势——AI能力正从云端向端侧、从软件向硬件全面渗透，每个领域都在重塑开发者的技术体系。6月18日，苹
让AI像人一样逐步思考
思维链(Chain-of-Thought，CoT)在提示词输出时，你是直接让AI给出答案，还是引导它按人的逻辑，一步步推理解决问题？场景：当需要突破思维定式时，我们常借助AI生成回应内容，例如代替我们回复客户问题。常规提问：客户要求降价15%，我们成本已到极限，怎么办？CoT提问：客户要求降价15%，我们成本已到极限。请按以下步骤分析并给出建议：步骤1: 分析客户要求降价的可能原因步骤2: 评估可接受的降价空间与替代方案步骤3: 分析拒绝降价可能带来的后果步骤4: 提出3种应对策略，并说明每种策略的风险少
AI入门的真正门槛：选对教材比盲目努力更重要
近来与朋友聚餐，AI总绕不开话题。一个有趣的现象是——人人嘴上AI是未来趋势，焦虑着"我会不会被取代"，可真要动手学，瞬间束手无策。网络教程两极分化：一类开篇堆砌神经网络公式，偏微分方程直接吓退新手；另一类是"5分钟精通ChatGPT"的速食内容，看完仍是一头雾水，Transformer与LSTM有何差异都道不明。其实症结不在学习者，而在多数资料压根没想让你"真懂"——要么艰深晦涩，仿佛AI仅为数学天才专设；要么浮于表面，读完热血沸腾却无从说起。近期偶然读到
禁令挡不住：中国AI新星U2强势崛起
又封禁了，又他X的封禁了。美国人工智能公司Anthropic旗下两款最新大模型Fable和Mythos对外国公民实施全面封锁访问权限，甚至连公司的外籍员工都被拒之门外……你封你的，我们干我们的。1中国AI惊艳亮相一边是美国AI闭门造车，另一边，中国AI惊艳亮相。"港股AGI第一股"云知声在本月早些时候推出了其最新通用大语言模型U2。一经问世便登顶巅峰。基于快慢思维融合的MoE（混合专家）范式打造，与大多数同行堆砌参数、堆砌Token的路径截然有异，从而达成了"小参数强能力、少Token高产出、低算力低成本