英伟达物理AI新动态与相关股票
物理AI领域：英伟达正式宣布推出全球首个全开放全模态物理AI模型NVIDIA Cosmos 3，借助NVIDIA Jetson将智能体AI融入物理世界。黄仁勋访问韩国，计划与多家韩国企业高层会面。媒体推测，包括AI半导体在内的机器人技术与物理智能合作方案，可能成为此次会谈的核心议题。相关概念股：索辰科技、凡拓数创、天娱数科、能科科技、中望软件、工业富联、浪潮信息、奥比中光、柯力传感、拓普集团、绿的谐波、利亚德、凌云光、华如科技、中科创达、天准科技、弘信电子等。免责声明操作原则：始终将本金安全放在首位，操作
新思科技引领智能体AI重塑芯片设计新纪元
近年来，随着半导体行业对先进制程与AI算力近乎疯狂的追逐，芯片设计的复杂度也以指数级态势攀升。叠加AI应用规模化落地速度“远超人们想象”，市场对芯片的约束条件早已跳出传统PPA(功耗、性能、面积)等基础指标，包括安全性、稳定性在内的功能需求越来越多。“AI时代，芯片之中有什么这个概念被改变了，我们如何去设计芯片这个命题也被改变了。”新思科技首席产品管理官Ravi Subramanian日前在与《电子工程专辑》的对话中表示，新思科技之所以要提出“Re-engineering Engineering(重构工程
智能体AI的4500亿未来：三大模型决定高度，终极生态难实现
Gartner预测，至2035年，智能体AI将催生出4500亿美元的市场机遇。智能体AI如今已具备职场资格，能胜任基础自动化。若要进阶为专家型，三大关键模型的演进将决定自主能力的上限。而构建终极生态系统，恐成难以企及的目标。当前落地的四大评估维度基于现状，市场聚焦低自主性场景，74%的案例仅涉及简单任务自动化。Gartner副总裁蔡惠芬指出，企业首要目标是盈利，因此对效率、体验的关注远超降本。评估标准转向：切实可行、价值可量化、易懂且低风险。实际案例佐证了需求。某IT企业引入Leena AI，实现本地自动
AI产业热点频发：英伟达引领智能体AI新纪元
AI产业热点频发 英伟达宣告Agentic AI+Physical AI新阶段，中国多城推进AI+产业落地，同时美国将AI芯片出口管控延伸至中国总部境外实体，国产替代空间与压力同步显现。 图1：Agentic AI + Physical AI 新阶段 英伟达GTC 2026台北启幕，黄仁勋宣告迈入"智能体AI + 具身智能"新阶段，意味着AI从辅助工具升级为自主决策的合作者。ISC.AI 2026同步定于6月24日，聚焦AI安全模式从"人与人"向"AI对AI"
英伟达Vera CPU专为智能体AI而生
采用全新架构设计的Vera，搭载88个定制化奥林匹斯核心，引入空间多线程技术，融合高带宽内存子系统与第二代低功耗LPDDR5X内存（带宽高达1.2 TB/s，能耗降低50%），能够高效满足多租户AI工厂及智能体响应场景的需求。截至目前，阿里云、字节跳动、Meta（META.US）、甲骨文（ORCL.US）云基础设施、CoreWeave（CRWV.US）、Lambda、Nebius、Nscale等已率先采用Vera；戴尔科技（DELL.US）、慧与（HPE.US）、联想、超微、华硕、富士康、技嘉、和硕、广达
五眼联盟发布AI智能体安全新规：严控风险与合规要求
核心内容摘要2026年5月1日，美国国家安全局(NSA)、澳大利亚信号局及其网络安全中心(ASD ACSC)等多个国际合作伙伴共同推出了《谨慎采用智能体(Agentic AI)服务指南》（简称《指南》）。该文件旨在为组织在引入智能体AI时面临的网络安全威胁及风险提供应对策略。官方发布地址：https://www.cisa.gov/news-events/news/cisa-us-and-international-partners-release-guide-secure-adoption-agentic
算力风口转向!CPU产业进入超级周期|投资攻略
今日A股市场呈现震荡分化格局，硬科技领域继续领涨，半导体、先进封装、AI服务器算力等细分方向保持高度活跃，市场资金持续挖掘AI算力领域的结构性机遇。随着智能体AI应用加速落地，行业算力逻辑正在发生根本性重构，长期被市场冷落的CPU领域迎来价值重估，高景气行情正式启动。行业转折点算力中心从GPU全面转向CPU此前AI领域长期以GPU为算力核心，但随着AI从模型训练转向推理应用，以及智能体AI全面爆发，算力格局迎来颠覆性变革。传统AI时代70%-80%算力负载集中于GPU，而当前智能体的多轮规划、工具调用、自
人工智能赋能钻头研发智能化升级
过去数十年间，钻头技术革新主要沿着被动式发展轨迹推进，设计优化依赖于现场测试、零散反馈和渐进式改良。过去十年间，业界已逐步用数字化工作流程替代传统人工作业，在自动化数据采集和质量管控方面实现了显著提升。然而，上游油气领域数据的海量性和多样性，使得实现这些运营优化面临挑战：如何提炼有价值的信息、保证分析的客观性，以及在运营时间窗口内提供可执行的见解。对钻头和底部钻具组合损伤的法证分析、邻井数据的整合以及钻井力学应用，虽对性能提升至关重要，但以往每项都需要大量人力投入和专家解读。近一年来，研究团队探索了智能体
联发科MDDC大会：天玑生态的智能化全面升级
回顾前两年MDDC大会的主题，分别是"AI予万物""AI随芯 应用无界"，"AI"这一关键词首次缺席大会主题，取而代之的是"联发科全栈赋能智能体化新时代"—— 在全行业全面迈入"生态定义体验"时代的当下，AI体验的竞争也在朝着系统级、跨应用、跨终端、全场景协同的智能化体验竞争演进，在这一过程中，联发科逐步实现了从手机芯片厂商向AI基础设施供应商的角色转型，天玑生态也因此完成了整个生态系统的重要升级。但若将时间拨回2025年4月11日的2025联发科天玑开发者大会，你会看到联发科董事，总经理暨运营长陈冠州在
谷成明谈AI医学场景化：数据驱动如何重塑临床实践
在医药行业的创新大潮中，人工智能（AI）技术正以惊人的速度改变着医疗领域的格局。医生作为医疗实践的核心力量与首要执行者，在日常临床工作中直接面对患者，因此对AI技术落地临床的实际效果有着最为真切的体会。同时，他们对于AI技术如何更好地服务于临床、提升诊疗效率与质量，也提出了最为迫切和具体的需求与期望。近日，随着2026CMAC创新药物医学大会暨展览会在苏州的成功举办，AI医学场景化不仅成为行业内外热议的焦点，更预示着医疗健康产业的未来发展方向。借此机会，医脉通特别邀请了扬子江市场和医学事务部负责人谷成明先
AI开发必读：Token、MCP与Agent等核心概念解析
请在微信客户端打开请在微信客户端打开请在微信客户端打开请在微信客户端打开请在微信客户端打开随着大语言模型（LLM）逐渐从“娱乐工具”转变为真正的底层应用设施，一套全新的技术术语体系正在建立。无论您是开发者、产品负责人还是技术决策者，掌握这些概念及其内在联系，已成为必备技能。本文将对AI应用开发中的关键术语进行系统梳理：Token、API调用频次、MCP、Skills、Function Calling、Tool、Agent、供应商、SDK、提示词库，并深入分析它们之间的互动逻辑。定义：Token是大语言模型
智能体AI驱动科学发现：AAAI 2026教程解析
大型语言模型（LLM）的快速发展，重新定义了人工智能在科学研究中的角色定位。LLM突破了传统静态预测的局限，转型为能够主动创建、优化和验证假设的智能体。本教程将全面介绍智能体人工智能如何推进科学发现效率，并融合最新的基准评估、系统框架和实践应用进行深入分析。 传统机器学习在预测方面表现出色，但在假设导向的探索领域存在不足，而创新性、可理解性和迭代推理能力在探索过程中具有核心价值。智能体人工智能的价值正在于填补这一空白。通过将探索流程划分为两个相互支撑的阶段，我们详细说明了人工智能如何在促进科学进步中承担重
AI数据中心建设·产能过剩隐忧
待这批数据中心竣工之际，市场或将迅速转向饱和！互联网企业的经营现金流与融资负债难以持续支撑更大规模的投资！沉重的资产折旧压力随即显现！一场由AI 2.0范式转移引爆的全球资本开支狂潮背后，GPU短缺的叙事正在悄然转向。当市场目光仍聚焦于算力竞赛时，一个更根本的问题浮现：当前如火如荼的AI基础设施建设，是否会迅速从“短缺”滑向“过剩”？______“工地遍布长三角、珠三角，不是在盖数据中心，就是在盖通往数据中心的路上。”全球AI资本开支的超级周期已然启动，从硅谷的科技巨头财报到中国制造业的订单簿，无一不透露
AI重塑经济：非取代而是换道
人工智能将催生22.5万亿美元的增量财富，并非抢夺岗位，而是推动赛道转换。“AI是否会夺走我的饭碗？”这是近三年来全球职场人士被问及频率最高的问题。IDC已给出解答：不会。相关报告预测，2025至2031年间，AI将累计创造22.5万亿美元的全球经济价值，但不会引发净失业率上升——它仅会替代“重复性劳动”，而不会取代“具备专业技能的人才”。从经济价值角度看，22.5万亿美元是基准情景下的预测值，对应35.6%的复合年增长率；若遭遇地缘冲突、监管滞后等不利因素，累计价值可能回落至18.1万亿美元；若技术扩散
AI服务器或走向1:1：CPU地位再上台
一场财报沟通会引发了半导体圈的广泛关注。 在刚刚过去的AMD业绩交流上，CEO苏姿丰（Lisa Su）给出了一个足以让行业“警觉”的判断：面向未来的AI服务器，CPU与GPU的配比将朝着1:1逐步演进。 不少人会立刻追问：“这是不是意味着CPU需求要跟GPU打平？” 但更准确的理解是，苏姿丰所说的“打平”，并不是指PC或服务器出货的总体规模会同步变化，而是指AI服务器内部的结构正在变：过去一台AI服务器常见配置是1颗CPU配4颗甚至8颗GPU；而未来，这两者的数量关系更可能趋向于一对一的搭档。 其根源，在