AI Infra 产业动态：光子突破、HBM4E 量产与具身智能新融资
目录
1.AI 芯片
Marvell 披露等离激元硅光子进展，赋能 3.2T 以上光模块
日月光确立今年硅光子量产计划，加速自动化与新材料融合
Samsung 与 AMD 洽谈 2028 年 CPU 代工，引发谷歌等巨头关注
imec 发布 CMOS 2.0 微缩新范式，将 3D 集成深化至电路级
AMD 泄露下一代 Threadripper 详情，采用 2 纳米 Zen 6 架构
三安光电联手伙伴突破同质外延氧化镓，实现 2 英寸高质量生长
2.存储半导体
SK 海力士向核心客户送样 12 层 HBM4E，单引脚带宽 16Gbps
Kioxia 公布未来三年资本开支，年均投入较 2023 高峰降 10%
3.AI 数据平台
Snowflake 发布代理资源发现协议，构建企业 AI 智能体统一发现层
Snowflake 联手埃森哲构建代理控制平面，转化数据为受控智能行动
Snowflake 发布医疗生命科学指南，提出智能体落地十大评估要点
Veeam 发布智能体 AI 安全报告，剖析自主操作层六大数据风险
Veeam 推出备份复制 13.1 版本，关键链路引入混合后量子加密
4.AI 数据中心
IDC 披露一季度全球服务器数据，组件涨价抵消短缺致产值超千亿美元
CoreWeave 完成 NVIDIA Vera Rubin NVL72 验证，推出六大基础设施创新
5.AI 模型与应用
IBM 发布全球 AI 主权计算报告，警示供应商锁定与合规风险
6.具身智能
Odyssey 获 3.1 亿美元 B 轮融资，估值 14.5 亿美元并深化 AWS 芯片合作
穹彻智能完成数亿元融资，通用具身大脑在药房实现千台级交付
[正文内容]
1.AI 芯片
Marvell
2026-06-18：披露等离激元硅光子进展，赋能 3.2T 以上光模块
Marvell 官方技术博客展示了等离激元技术在硅光子光引擎领域的最新突破，利用表面等离子激元特性打破硅光调制物理瓶颈，为超大带宽 AI 基建提供高通量、低功耗的互联方案。该技术通过在金属 - 介质界面将光压缩至衍射极限以下，使单片集成硅光调制器尺寸缩小数百倍，在大幅提升单位面积带宽密度的同时，完美兼容现有晶圆厂工艺，实现大规模微缩量产。
基于等离激元技术的 SiPho 光引擎核心性能及应用场景展现三大特征：
1.极致微缩与速率飞跃：研发出的等离激元调制器原型仅约 10 微米，较传统 3000 至 5000 微米器件缩短 300 至 500 倍。其工作频率达 1THz，调制速率较传统 60GHz 器件提升 10 倍以上，可支持 3.2T 及以上光模块运行。
2.多场景低 TCO 拓展：在延迟敏感的 Scale-out 或 Scale-up 应用中，该技术可作为近端共封装光学互连核心，在紧凑空间内大幅降低功耗与延迟。在大规模网络中，可用于开发紧凑型 ZR/ZR+ 类模块，以低功耗实现超长距离、超高带宽传输。
3.技术演进与商业化：该技术由 Marvell 旗下 Polariton 团队与苏黎世联邦理工学院联合研发超 15 年，曾在低温量子计算及 1.1THz 带宽调制中刷新纪录。目前，含等离激元转发器的高速 SiPho 器件已于 2026 年交付客户，后续将聚焦量产优化与可靠性验证。
日月光
2026-06-18：确立今年硅光子量产计划，加速自动化与新材料融合
日月光 CEO 吴天表示，今年将实现硅光子批量生产。随着 AI 基建规模倍增，系统瓶颈正从单片 GPU 算力转向架构设计。移动比特能耗已与数据处理能耗同等关键。CPO 将光转换移至交换 ASIC 附近以缩短电气路径，但 ASIC 发热会改变光路折射率并产生损耗。光子学面临制造流程重塑：
1.图案化工艺：Prinano 据报道验证了用纳米压印光刻替代传统 DUV 生产 200 毫米光子晶圆，其重复纳米图案更适配该技术，但缺乏良率与缺陷密度数据。
2.基板集成：日本产业技术综合研究所提出将光子 IC 嵌入有机基板，利用单模聚合物波导作为光再分配层，消除直接光纤连接并提供间距转换。
3.污染控制：光子学对微小颗粒极度敏感。微透镜阵列空腔内的颗粒或聚合物残留会削弱光线并影响焊料润湿，清洁度要求极高。
4.芯片测试：英伟达工程总监指出，单个系统处理数千光电通道使大规模测试极具挑战。业界需在安装前进行探测层中间光学测试，利用早期筛选降低 TCO。
5.设计基础设施：Synopsys 高管指出，必须在封装前进行全栈热分析与电光协同设计。目前缺乏标准化基础数据，自动化缺失成为多芯片设计瓶颈。未来 2.5D、3D 集成等架构将长期并存。
Samsung
2026-06-17：与 AMD 洽谈 2028 年 CPU 代工，引发谷歌等巨头关注
因台积电产能受限，三星电子凭借可用产能吸引众多大客户。目前正与 AMD 深度谈判，计划 2028 年代工其部分未来 CPU 产品。
不同业务场景合作进展如下：
1.超大规模客户：谷歌正评估将三星作为 2028 年下一代 Axion 处理器制造伙伴。同时考虑由三星代工第 10 代 TPU 关键组件。谷歌正与联发科开发 Icefish 代号 TPU，预计 2028 年量产，台积电负责主要计算芯片，三星聚焦支持芯片与先进封装。
2.汽车半导体：三星正与比亚迪等中国车企谈判，计划利用 2nm 和 4nm 工艺代工自动驾驶 SoC。此外，也在与英伟达洽谈，争取制造 Drive AGX Thor 芯片。
3.其他主要客户：特斯拉即将推出的 AI6 芯片已确定在三星德州工厂生产。同时，三星正在生产 Groq 的 LPU 芯片。
影响多代工厂战略的关键考量：
三星提升 2nm 良率与制造稳定性能力至关重要。
多代工厂策略会增加研发与供应链协调复杂度，芯片设计需适应不同工艺，伴随高成本投入，目前主要适用于资金雄厚的开发商。
imec
2026-06-17：发布 CMOS 2.0 微缩新范式，将 3D 集成深化至电路级
研究机构 imec 提出名为 CMOS 2.0 的新型微缩范式，将分解概念深入至芯片内部电路级，通过在 3D 架构内重划电路并增加垂直连接密度，大幅降低能耗并增加带宽。
针对 Chiplet 与 CMOS 2.0 的技术演进拆解如下：
1.传统 Chiplet 通常分离缓存等标准功能块。而 CMOS 2.0 寻求最低级分解，电路本身在单层不再完整，例如 N 型和 P 型器件可跨两层构建，充分利用垂直维度，实现低功耗与高性能逻辑异层布局。
2.系统微缩与连接密度：该技术改变依赖现有 Chiplet I/O 结构模式，转而围绕层间极密互连进行初始设计。长期看，系统可能需每平方毫米数千万个垂直连接，这对晶圆键合精度及缺陷控制提出极高要求。
行业视角与应用演进：
Arm 指出，随着 AI 工作负载转向智能体系统，编排工作更依赖 CPU，全行业正从以 Chiplet 为中心转向以系统为中心。CMOS 2.0 创造了将逻辑、内存、加速器与 I/O 紧密结合的方法，有助于打破数据移动瓶颈。
产业落地时间表：
目前 CMOS 2.0 仍处于路线图阶段。预计设计与工具 5 年内可用，首次商业落地预计在 10 年后，随后将催生更紧凑节能的第二代系统。
AMD
2026-06-18：泄露下一代 Threadripper 详情，采用 2 纳米 Zen 6 架构
AMD 技术入口网站最新文件首度揭露下代 Ryzen Threadripper Pro 关键信息，确认新平台代号 Mustang Peak 并全面转向 TR6 平台。该系列确定采用 Zen 6 架构与台积电 2 纳米级制程核心，全面支持 DDR5 与 PCIe Gen 6，标志产品线重大升级。通过对公开信息及 CPUID 数据流拆解，Mustang Peak 展现显著技术演进。
新一代平台微架构微缩、高速 I/O 及平台重构呈现三大核心变化：
1.核心密度大幅提升：Zen 6 引入 Powderhorn 的 CCD 设计，将每个 CCD 核心数由 8 核提至 12 核。这将使 Threadripper Pro 潜在最高核心数从 96 核跃升至 144 核，极限运算规模增长 50%。
2.高速 I/O 与带宽飞跃：全面导入 PCIe 6.0，大幅提高工作站本地部署大容量存储与加速卡的带宽，满足专业创作、大数据流与 LLM 应用需求。
3.平台规格重构推测：为匹配核心数与带宽暴涨，Mustang Peak 可能对存储器通道、MRDIMM 支持及物理插槽规格进行彻底重构。
目前 AMD 尚未公布具体型号、功耗、价格及上市时间，行业预估 Mustang Peak 最早将于 2027 年中至下半年亮相。
三安光电
2026-06-18：联手伙伴突破同质外延氧化镓，实现 2 英寸高质量生长
三安光电与西安电子科技大学、杭州嘉仁半导体合作，在同质外延氧化镓领域取得关键突破。联合团队利用 MOCVD 优化成核过程，成功抑制孪晶缺陷，在 2 英寸基板上实现高质量同质外延层生长。测试显示，晶圆表面均方根粗糙度低于 0.5nm，晶体质量与衬底相当，电子迁移率达 100 cm²/V·s。
该项目在器件制造与微缩技术上的具体指标如下：
1.团队优先开发横向功率器件，利用半绝缘衬底减少漏电流，避免垂直架构对导电衬底及厚外延层的依赖，提高高压操作灵活性，并保持与现有平面硅工艺兼容。
2.在不采用专门边缘终止结构下，所造横向器件实现 1420V 击穿电压、10⁵开/关比及超 91% 阈值电压均匀性，验证了从外延生长到器件制造集成工艺的成熟度。
3.联合团队已建立 2 英寸氧化镓外延和制造能力，为 6 英寸及更大晶圆扩展奠定基础，未来有望为智能电网和新能源汽车等高压应用提供技术支持。
2.存储半导体
SK 海力士
2026-06-18：向核心客户送样 12 层 HBM4E，单引脚带宽 16Gbps
SK 海力士 18 日宣布已向主要客户供应用于下一代 AI 的新型 HBM4E 12 层样品，继三星 5 月交付首批样品后迅速跟进，标志着下一代 AI 大容量存储器商业化争夺白热化。该产品正式过渡到第六代 10 纳米级 DRAM，相比 HBM4 使用的第五代工艺几何结构更精细，在相同面积内实现更高存储密度。同时，应用 Advanced MR-MUF 封装技术，成功在 12 层堆栈中实现 48GB 大容量并增强稳定性。
该款 HBM4E 12 层样品通过微架构迭代与封装升级，在硬核指标上较 HBM4 实现显著跨越：
1.带宽与能效双突破：实现每引脚高达 16Gbps 速度，降低延迟并提升能源效率超 20%，全面支持苛刻的 AI 训练和推理负载。
2.散热与稳定性飞跃：散热性能较 HBM4 提升约 17%，有效降低热阻，保障存储器在高带宽环境下稳定运行。
3.技术路线图博弈：三星已批量出货 HBM4 并交付 HBM4E 样品，瞄准基于第七代工艺的 1d DRAM，目标 2027 上半年量产；SK 海力士则依托 HBM3/3E/4 积累的开发能力与客户关系，积极推进 HBM4E 量产以巩固领先地位。
Kioxia
2026-06-18：公布未来三年资本开支，年均投入较 2023 高峰降 10%
Kioxia 在市值短暂突破 50 万亿日元后，决定 2026 至 2028 财年采取谨慎投资立场，未来三年平均年度资本开支约 4700 亿日元。虽较 2025 财年增长 66%，总支出达 1.4 万亿日元，但平均水平仍比 2023 财年峰值低约 10%。此举旨在控制现金流并避免供过于求，投资主要限制在岩手县北上工厂。
面对 NAND Flash 市场强劲上行及 2026 年短缺现状，Kioxia 总裁设定新目标，计划到 2028 年通过多年协议将 50% 出货量置于长期协议下，以锁定价格并稳定供应。
Kioxia 的保守策略对行业生态引发连锁反应：
1.定价环境改善：TrendForce 预计 2026 年 Q2 NAND 总合约价将环比涨 70-75%，上半年 SLC NAND 均价预计涨 130-150%，2027 年底前不太可能大幅扩产。
2.竞争对手与供应链受益：Kioxia 收紧供应促使三星与 SK 海力士恢复产量或寻求扩张，同时为韩国材料、组件及 ALD 设备商创造机会。
3.财团回报超预期：作为收购成员，SK 海力士等投资者仍持有 Kioxia 18% 股份，受估值升值推动，该财团总回报可能超 700 亿美元。
3.AI 数据平台
Snowflake
2026-06-17：发布代理资源发现协议，构建企业 AI 智能体统一发现层
Snowflake 于 6 月 17 日宣布与 Microsoft、GoDaddy 等共同推出代理资源发现规范。该轻量级开放协议旨在标准化全企业 AI 智能体和工具的编目、搜索与发现。通过 ARD 建立发现层，数据团队构建的智能体可实现跨界面、跨平台自动路由与互连，用户在任何 AI 界面均可通过自然语言直接调用最匹配功能，解决频繁重新注册与配置摩擦点。
ARD 规范基于联合发现服务网络运行，其标准四步将单一智能体转化为企业级互连网络：
1.描述：资源发布者在自身域名下创建标准清单文件，界定智能体职能、任务及调用方式。
2.策展：发现服务抓取目录、摄取清单并应用策略构建集合，使企业精准管控纳入的智能体。
3.搜索：客户端输入自然语言查询及过滤，发现服务返回带架构和端点的排名条目。
4.执行：客户端利用原生协议直接连接所选资源，发现服务不介入调用路径，保证身份验证与数据访问保留在客户端与智能体间。
在与 Snowflake Cortex Agent 集成协同上，ARD 通过深度结合实现自动化注册与受控管控：
1.零步骤注册：开发者构建并发布智能体时，Snowflake 可自动在组织发现端点注册，无需额外步骤。
2.统一治理与安全：企业 AI 界面搜索调用相关代理时，依然通过 Snowflake 基于角色的访问控制管理，注册表成为反映治理能力与审批决策的核心枢纽。
2026-06-17：联手埃森哲构建代理控制平面，转化数据为受控智能行动
Snowflake CEO 与埃森哲技术主管于 6 月 17 日联合发文，宣布通过 Snowflake 代理控制平面与埃森哲基于 Reinvention.AI 平台的上下文图深度集成，共同构建统一代理企业基础设施。针对企业在孤岛中部署智能体导致行动冲突的挑战，该方案通过注入行业语义、KPI 层次、决策框架和政策护栏，使智能体能跨数据、模型和应用安全运行，实现端到端受控决策与自动化。
埃森哲 AI 就绪数据研究显示，仅 7% 企业具备扩展 AI 所需数据基础。双方联合提出的代理企业架构由四要素支撑，将原始上下文转化为行业感知决策：
1.企业数据与上下文：依托 Snowflake 为超 13600 个组织提供的受控数据、安全策略和业务逻辑，建立跨域共享信任基础。
2.人工智能模型：利用 MCP 等开放标准，将领先模型安全引入数据本土，无需搬移数据即可推理预测。
3.SaaS 与企业应用：埃森哲引入基于流程重塑的行业启动器，将洞察安全集成到关键业务系统中。
4.代理控制平面协调：由 Snowflake CoWork、CoCo 及埃森哲 Reinvention.AI 共同构成，通过共享规则、价值树和合规护栏，消除决策矛盾，实现跨功能一致性及快速闭环。
2026-06-17：发布医疗生命科学指南，提出智能体落地十大评估要点
Snowflake 于 6 月 17 日发布针对医疗与生命科学的智能体 AI 高管决策白皮书，指出 AI 正从简单问答转向利用自然语言编排复杂工作流。由于智能体可自主调用工具，医疗组织在投入生产前，必须从数据基础、行动治理、可审计性及成本等底层架构进行全方位审视。
白皮书为行业领导者梳理了智能体 AI 从概念验证走向规模化落地必须解答的硬核线索：
1.筛选高价值工作流：并非所有流程都需要智能体。生命科学最佳场景包括临床试验可行性、地点选择等；医疗领域集中于事先授权、护理管理等复杂跨系统工作流。
2.构建可信数据基础：智能体能力取决于业务上下文。医疗数据跨越多源异构环境，组织需统一分析的 AI 数据云平台，攻克数据碎片化及缺乏语义理解挑战。
3.行动治理与合规可审计：当 AI 转向行动，治理核心需向动作层扩展。高管需明确界定访问权限及禁止行为，嵌入治理以满足 HIPAA 等法规，并实现全链路可审计。
4.抑制幻觉与防范孤岛：为避免不准确输出，智能体必须立足于经批准的可信源，并尊重 RBAC。架构应避免因实验复制数据产生安全漏洞。
5.控制成本与架构灵活性：智能体涉及多步骤调用，组织需具备成本估算与控制能力。架构应保持灵活，防止将专有数据锁定在单一服务商平台。
Veeam
2026-06-17：发布智能体 AI 安全报告，剖析自主操作层六大数据风险
Veeam 于 6 月 17 日公布最新报告，指出智能体 AI 不仅生成内容，更能调用 API 及修改系统，其自主行动层已成为安全重灾区。麦肯锡数据显示，80% 组织遭遇过智能体不当泄露或越权访问。报告强调，核心漏洞在于数据流动、超特权访问及传统备份机制脱节。
针对智能体 AI 环境，报告拆解了六个关键威胁领域，并提出弥补可审计性与恢复漏洞的实用框架：
1.提示词注入与输入操纵：攻击者在日常数据中潜伏恶意指令，导致智能体执行非预期越权操作。
2.未经授权且高特权数据访问：智能体初始常获广泛权限且缺乏审计，导致跨库复制敏感文件被误判为合法调用。
3.数据中毒：攻击者破坏智能体依赖的决策基础实施误导。PoisonedRAG 仅需五条有毒文本即可实现高成功率操纵，对金融安全等场景具毁灭性打击。
4.多智能体与编排风险、缺乏可审计性、影子 AI：这三大风险构成数据链条断裂、黑盒操作及不受控部署的治理难题。
5.五大核心防护实践：组织必须强制执行最低特权、验证输入、监控活动、保护数据并建立完整治理体系。
2026-06-18：推出备份复制 13.1 版本，关键链路引入混合后量子加密
Veeam 于 6 月 18 日发文指出，后量子密码学紧迫性在于防范“现在收获，稍后解密”攻击。针对传统公钥密码学漏洞，Veeam 正式推出 Veeam Backup & Replication 13.1，通过在关键传输路径引入经典与后量子技术结合的混合 PQC，保护长期备份数据免受未来量子计算威胁。
基于 NIST 确立的 PQC 标准，Veeam 针对大容量存储备份安全落地进行技术解构：
1.静态数据对称加密防御：现代备份依赖 AES 等强对称密码学，量子威胁主要破坏公钥算法，正确管理对称密钥仍能保障静态备份机密性。
2.CMVP 合规验证与分阶段采用：受监管行业需使用认证模块。PQC 算法需分阶段过渡，Veeam 基于上游标准实现，支持经过 NIST 验证的模块，确保客户在不破坏 FIPS 合规下引入 PQC。
3.网络恢复生态集成：Veeam 与 Entrust 等合作，将 PQC 原生集成到恢复、密钥托管等流程，避免沦为单纯演练。
4.AI 数据中心
行业动态
2026-06-17：IDC 披露一季度全球服务器数据，组件涨价抵消短缺致产值超千亿美元
IDC 最新数据显示，2026 年 Q1 全球服务器消费额达 1226.2 亿美元，同比增 30.4%，环比微降 2.1%。超预期表现得益于 CPU、GPU 等价格暴涨，几乎抵消组件短缺导致的出货量下滑。GenAI 投资叠加非 AI 系统更新，供需缺口达 25-30%，服务器支出确立高位运行“新常态”。
一季度服务器市场底层架构演进及竞争格局呈现三大硬核线索：
1.异构加速服务器吞噬 7 成份额：全球 GPU 加速服务器支出 689 亿美元，占总收入 56.2%。IDC 首次公开非 GPU 的 XPU 加速系统收入，达 171 亿美元，份额飙升至 13.9%。两类加速系统合并产值达 860 亿美元，占总收入 70.2%。
2.X86 主导时代落幕：X86 系统收入 639 亿美元，份额萎缩至 52.1%。非 X86 机器设备销售额达 587 亿美元，同比增 2.1 倍，份额飙升至 47.1%。
3.供应链分化与 OEM/ODM 博弈：服务于超大规模厂商的 ODM 受制于芯片供应。在传统厂商中，戴尔凭借 AI 服务器订单，整体规模已达 HPE 的 5.5 倍。
CoreWeave
2026-06-17：完成 NVIDIA Vera Rubin NVL72 验证，推出六大基础设施创新
CoreWeave 宣布成为全球首家在 NVIDIA Vera Rubin NVL72 架构上成功运行并完成验证的云服务商。该平台整合 72 个 Rubin GPU、36 个 Vera CPU 等组件，在提供四分之一 GPU 数量下实现同等效能，且每百万词元成本仅为 Blackwell 的十分之一。为攻克高密度机架瓶颈，CoreWeave 对 AI 原生基础设施堆栈进行全面重构。
针对 Vera Rubin NVL72 特性，CoreWeave 在底层控制、液冷网络及拓扑编排上实施系统级优化：
1.可编程液冷组件 Valvey：作为 Mission Control 核心，Valvey 是软件定义每机架液冷阀门，实时监控调节流速、温度等，实现单机架物理隔离与盲排维护。
2.统一机架控制器 Racky：部署于机架顶部，统一聚合电源、冷却及环境遥测数据。Racky 与 Valvey 协同，将定制硬件抽象为标准软件可寻址云资源。
3.100% 液冷以太网交换：全球率先部署液冷版 Spectrum-X 交换机，支持 128 个 800 Gb/s 端口，总容量达 102.4 Tb/s，为数千 GPU 跨机架扩展提供低延迟高带宽域。
4.多轨多平面 RoCE 网络拓扑：针对超大规模集群设计多轨、多平面 RoCE 架构。每个 GPU 由 ConnectX-9 模块服务，后端带宽达 1.6 Tb/s，可横向扩展至 120K GPU 以上无阻塞拓扑。
5.软件堆栈集成优化：通过 LOTA 消除远程 I/O 瓶颈；利用 CKS 将工作负载智能放置于 NVLink 域内；依托 SUNK 调度器动态分配 GPU，减少碎片。
6.供应链生态联合设计：系统采用 Dell PowerEdge XE9812 服务器作为骨干，并首次集成美光支持的液冷 NVMe 大容量存储，确保全链路峰值下不降频。
5.AI 模型与应用
IBM
2026-06-17：发布全球 AI 主权计算报告，警示供应商锁定与合规风险
IBM 商业价值研究院于 6 月 17 日发布最新报告，指出 AI 主权已成为维持业务连续性与绩效的关键。基于对 16 国 17 行业 1000 名高管的调查，当前企业面临技术控制权丧失导致的利润压力、合规风险及业务中断隐患，底层资产灵活性缺陷已转化为全链路风险。
报告通过对 AI 堆栈控制结构的量化分析，揭示了多维度的安全线索与风险现状：
1.供应商锁定与移动受阻：71% 高管表示更换 AI 供应商极难。68% 认为满足数据驻留和主权要求极具挑战，导致系统难以跨环境移动。
2.可见性缺失放大损失：91% 组织未完全了解自身对 AI 供应商的依赖，限制风险评估能力。尽管过去两年平均发生 6 次中断，81% 组织表示 7 天中断会停止核心运营。
3.生态不确定性加剧：企业频繁遭遇价格上升、使用限制、模型弃用等意外变化，凸显依赖性管理挑战。
4.策略驱动多样性匮乏：73% 组织描述为多供应商架构，但实践中更多是迫于现实妥协。能在数据、模型和基础设施上设计主权适应能力的组织，业绩明显优于同行。
6.具身智能
Odyssey
2026-06-18：获 3.1 亿美元 B 轮融资，估值 14.5 亿美元并深化 AWS 芯片合作
世界模型 AI 初创公司 Odyssey 宣布成功筹集 3.1 亿美元 B 轮融资，估值飙升至 14.5 亿美元并晋升独角兽。本轮由 Natural Capital 领投，亚马逊、AMD Ventures 等及多位行业天使联合参投，迄今总融资达 3.37 亿美元。完成后，Odyssey 指定 AWS 为首选云服务商，将针对 Trainium 芯片深度优化世界模型，直接在基础设施层与 Nvidia 竞争。
作为由 Oliver Cameron 与 Jeff Hawke 于 2023 年创立的实体，Odyssey 在数据采集与落地层面呈现独特场景：
1.实景数据驱动物理模拟：世界模型被视为超越文本 LLM 的下一代重心。Odyssey 通过背负相机等方式采集高精度真实数据，旨在算法层面实现精确物理规律仿真。
2.多用例交互式视频生成：依托自研世界模型，Odyssey 最广为人知应用是根据文本生成高丰富度、具交互属性的视频，技术已输出至游戏、机器人等领域。
穹彻智能
2026-06-18：完成数亿元融资，通用具身大脑在药房实现千台级交付
具身智能企业穹彻智能近日完成新一轮数亿元融资，由无锡数据集团领投，上海交大 AI 未来基金等参与。穹彻智能成立于 2023 年 11 月，专注具身智能基础模型与系统研发，已推出核心产品 Noematrix Brain。本轮后，公司将推进大模型研发迭代，并计划发布新一代具身智能世界模型，加速在零售、酒店及工业场景落地。
穹彻智能通过底层技术体系与商业模式，推动具身智能由“动作展示”向“真实环境工程稳定性”迁移：
1.伴随式双轨数据策略：将真实与仿真数据并行纳入训练。通过自研设备实施“伴随式数据采集”，构建跨场景数据库。同时搭建融合 AI Agent 闭环系统，动态调整采集行为，提升边角案例获取效率。
2.力位混合预训练闭环：坚持自研路线，依托海量真实数据预训练建立物理认知，辅以力位混合后训练，校准模型对接触状态理解，赋能机器人完整决策闭环。
3.药房场景批量落地：采用“嵌入式升级”路线，无需改造货架，在 2.5 平方米空间内对接现有订单系统，解决夜间值守痛点。通过成熟算法攻克包装各异等变量，目前已进入商业交付，订单达千台级，回本周期约 1.5 至 2 年。
4.政产学研生态绑定：上海交大与创智学院旗下平台入股，推进技术攻坚。同时携手无锡数据集团启动“千企百万小时”数据集联合体行动，依托产业资源推进工业数据集建设及产线落地。
更多交流，可加本人微信
（请附中文姓名/公司/关注领域）