DeepSeek秘密研发AI芯片，专攻推理任务，摆脱对英伟达华为的依赖
有内部人士指出，AI独角兽DeepSeek正在打造自研AI芯片，该芯片主要服务于推理环节，也就是模型训练完成后向用户输出内容的阶段，而非用于模型训练。此举意在降低对英伟达及华为芯片的依赖。若计划落成，将是DeepSeek战略布局的关键一步。该企业素以高效AI模型著称，一年多前推出的两款高性能模型曾风靡全球。当前项目尚处于初期。公司大约一年前便启动了相关计划，已与芯片设计、代工厂及内存厂商进行洽谈，且正私下增加芯片设计工程师的招聘，未对外公开招人。
AI时代的新标尺：一度电能换多少Token
7月第一周，在AI原点社区里，经常会听到有人说："现在不是比谁模型强，是比谁一度电能多换几个Token。"这句话，一周内被至少三个不同圈层的人复述过，路演台上、私域群聊里、深夜食堂的隔壁桌，拐来拐去，都绕回了同一个词。不是"AI"，是"省电"。同一个行业里，有人卡在盈亏线下烧钱，有人把一张卡的产出榨到了接近物理极限。这两个数字之间的差距，就是本周原点社区最热那个词的真正含义。不是说大模型不热了，恰恰相反，AI越热，推理调用越凶，电费越疼。当大模型从"
HBM之父金正浩：AI核心在内存，存储重塑算力格局
在人工智能迅猛发展的浪潮中，行业长期以来将GPU奉为算力的绝对核心。然而，随着AI技术从训练阶段跨越至推理及智能体（Agentic AI）时代，一场关于计算架构的深刻变革正在悄然上演。7月6日传来消息，被尊称为“HBM之父”的韩国科学技术院（KAIST）电气系教授金正浩在近期受访时强调，AI的核心竞争力正由GPU向内存转移。他断言，AI的本质在于内存，在当下的AI推理环节，GPU真正用于计算的时间仅占10%到30%。这一观点不仅揭示了当前AI硬件的底层瓶颈，更预示着未来存储芯片在AI应用领域将掀起颠覆性的
华为首度公开美团万亿参数大模型部署方案：昇腾A2推理仅20毫秒
快科技7月6日消息，华为CANN（昇腾AI异构计算架构）团队首次公开披露了美团万亿参数大模型LongCat-2.0在昇腾A2芯片上的完整部署方案。 LongCat-2.0，总参数量达1.6万亿，原生支持100万Token超长上下文。该模型是业界首个完全基于国产算力完成训练与推理全流程的万亿参数模型。 此次公开的部署细节显示，LongCat-2.0基于昇腾Atlas A2 192卡集群部署，单机16卡。Prefill阶段采用64张昇腾A2协同调度，Decode阶段采用128卡超大规模专家并行EP部署。 昇腾
AI Agent迈入可验证流程新阶段
【AI云算工场 AI 早报】2026年7月6日🔥头条：AI Agent开始进入科学判断力竞争当前AI领域最值得关注的焦点，并非模型对话能力又提升了多少，而是Agent能否在真实且充满不确定性的任务中做出正确决策。OpenAI发布GeneBench-Pro，采用更贴近真实科研的计算生物学任务来评估AI Agent：数据是否支撑结论、噪声是否在可接受范围、下一步实验应如何优化，这些能力远比"会调用工具"更关键。与此同时，OpenAI预览GPT-5.6 Sol，长上下文处理、复杂工具链调度与科学推理能力持续突破
AI模型进入许可时代：政府干预重塑行业格局
六月尾声，Claude 5强势回归，但AI行业正经历前所未有的监管震荡：Anthropic被强制冻结五个核心功能，OpenAI的GPT-5.6发布被迫延期。当顶尖模型沦为审批对象，企业才惊觉：选模型不再是技术决策，而是主权博弈。六月标志着AI从token泛滥时代迈入token严控时代，政府直接干预前沿模型发布，已成为行业新常态。•Anthropic的Claude 5上线48小时内，被美国政府紧急冻结五项功能。•OpenAI的GPT-5.6因监管压力延期发布，实为三个独立模型的整合体。•沃尔玛将内部AI工具
人工智能的认知短板探析
TIAN田YU雨《读书》（876）人工智能的认知短板探析2026/07/04《读书》（876）人工智能的认知短板探析田雨2026年7月4日笔者撰写了几篇人物传记，但传记主角却表示，我并没有那段职业背景，那两篇文章也不是出自我的手笔？人工智能产生了错觉。当前，人工智能已广泛渗透到学习、工作与日常活动中，成为公众高效便捷的智慧工具。从内容生成、信息分析到问题解答、智能对话，AI依托卓越的计算能力与庞大的数据积累，显著提高了生产与生活的效能。然而，我们必须清醒地意识到，现阶段的人工智能并非毫无瑕疵，仍存在诸多难
智能六维跃迁：零基础洞悉AI进化全景图谱
当下AI行业热火朝天，大模型、推理AI、通用智能、人形机器人等概念层出不穷，但所有人都绕不开一个核心问题：我们到底处在AI的哪个阶段？未来又会走向哪里？多年来，行业内诞生了好几套AI发展阶段划分体系，各有说辞、各有侧重，但始终没有一套能兼顾「通俗好懂、逻辑闭环、贴合当下、预判未来」的通用框架。传统划分要么太宏观，分不清当下模型的细微差距；要么太技术化，普通人完全看不懂；要么只看历史迭代，无法预判通用人工智能（AGI）的终局形态。今天，我们整合行业所有主流理论，结合最新推理大模型、强化学习、多模态技术的发展
HBM开创者金正浩：内存才是AI核心，GPU实际利用率仅10%
被誉为"HBM开创者"的韩国科学技术院（KAIST）金正浩教授提出了一个挑战传统认知的观点：人工智能的根本在于内存，而非图形处理器。近期，韩国科学技术院（KAIST）电气工程系教授金正浩在一次视频采访中，系统性地探讨了HBM技术发展、AI计算格局以及未来半导体设计方向。金正浩在业内享有"HBM开创者"的声誉，早在2010年代初期便携手SK海力士投身HBM1研发，随后主导了多项基础架构研究。此次访谈内容在科技与金融领域引发热议，其核心论点直击当前AI算力竞赛的深层矛盾。金正浩
推理时代硬件需求的真实倍数：从毛需求到净需求的跃迁
从能力验证，到使用扩散；从市占率确认，到最后的护城河审判。不同阶段，主线不一样：前半场看瓶颈，后半场看入口。但写完之后，我发现还有一个问题没有拆透。我们知道 AI 会从训练时代走向推理时代，也知道推理时代会带来新的芯片需求、光模块需求、存储需求、PCB/CCL 需求。可如果只知道“方向要从训练切到推理”，其实还不够。更重要的是：从训练到推理，中间到底会放大几个数量级？是 1—3 倍？ 是 5—10 倍？ 是 10—100 倍？ 还是 100 倍以上？这个问题很关键。因为数量级决定了我们对硬件链的预期，也决
人工智能掌控人造太阳：128微秒的推理速度
两条消息，单独看都震撼。合在一起审视，趋势更加明朗。第一条：中国环流三号首次达成双亿度运行。离子温度1.17亿度，电子温度1.6亿度。EAST全超导托卡马克持续稳态运行1066秒。两套聚变装置超导磁体，全部国产化。第二条：美国Valar Atomics于7月1日展示了一项成果。利用微型核反应堆，直接为一台NVIDIA DGX Spark供电，执行AI推理任务。美国首次有先进反应堆实际产出电力。第一度电，输给了AI。一个助力核聚变，一个助推AI。相互滋养。核聚变最棘手的并非温度。而是驾驭。等离子体温度过亿，
AI成本革命：ASIC芯片崭露头角
上次讨论AI成本降低，提到了两个要点。AI自身在变得更加经济，AI正推动全行业成本下降。最后抛出一个观点：涨价只是信号，降本才是最终目标。果然，验证来得比预期更快。OpenAI最近公布了一项数据。o4-mini的推理开支，相较前代直接减少了10倍。10倍意味着什么？以往你执行一次推理花费10元，现在只需1元。以往运行100万次花100万，如今仅需10万。这不是微调级别的改进。而是彻底改变了竞争规则。你自然会问：如何实现的？两条路径。一条路径是软件。多Token预测加上底层深度优化，服务器效率被推至极限。好
Sora之后，AI如何悄悄学会物理直觉
大家好，我是万象大叔。专注 AI，讲透技术，看清产业，商业落地，投资赚钱。当AI从生成静态图像进化到产出动态视频时，一个更深的疑问浮现：模型在构建视频时，是否悄然掌握了现实世界运行的底层规则？OpenAI的Sora凭借其视频在物理逻辑上的高度一致性，让“世界模型”这一曾局限于机器人与强化学习领域的概念，成为AI前沿的焦点。这揭示了一条清晰的技术跃迁：AI正从学习“词与词的关联”转向理解“状态与状态的演化”。其核心逻辑在于，预测视频下一帧的“时空块”这一看似简单任务，实则迫使模型构建一个隐含的、模拟物体存在
硅谷AI前沿观察 007 | 谷歌搜索迎来25年来最大革新：AI浪潮重塑网络流量分配格局
「硅谷AI前沿观察」是奇见AI掘金社全新日更栏目。每天聚焦一位全球AI产业核心领袖，拆解其最新表态、战略动作与商业布局，穿透人物观点直击产业底层逻辑与投资启示。读懂巨头一句话，踩准AI产业节奏。搜索引擎作为互联网最成熟的商业化场景，AI化升级将催生新一轮的效能升级与估值重构。具备搜索底座与自研大模型实力的国内厂商，有望复刻谷歌的发展轨迹，实现产品与商业价值的双重跃升。AI搜索的广泛普及将系统性冲击中小型内容平台的流量根基，优先关注拥有自有流量池、深度绑定头部AI平台、具备优质原创能力的内容厂商。搜索广告的
AI硬件热潮退去？四大信号揭示行业转向
最近观察到几个值得注意的动向。不是崩溃，而是热度在回落。信号一：GPU租赁价格持续下滑H100每小时租赁价从高位稳步下降。核心原因并非需求消失，而是供给端集中释放——AWS、Azure、GCP都在大规模扩充GPU集群。过去一卡难求，如今云厂商反而希望你多租。买方市场正逐步形成。信号二：模型推理成本快速降低本周Anthropic推出Sonnet 5，价格比旗舰Opus 4.8低40%。Google的Nano Banana 2相较上代Pro便宜约50%。头部AI企业集体下调价格，说明推理成本已不再是瓶颈，竞争