「硅谷最贵华人」庞若鸣昔日老将Mark Lee与Tom Gunter加入Meta！扎克伯格亲自挂帅，誓补AI人才与算力短板。苹果深陷人事动荡。AI战局愈演愈烈，硅谷风云再起。
模型落地中国芯取得关键突破！这得益于一个AI开源社区，以生态协作之力打通了AI落地的最后一公里。目前已有上千模型成功适配国产算力。从此，国产算力孤岛彻底打破，众多AI厂商积极上车，开发者狂喜！
快把硅谷大厂挖成筛子的小扎，终于站出来正面回应了：大把研究人员因为天价薪资被打动来了Meta？这个说法基本不对哦，lol～ 他们加入Meta，并非贪图金钱，而是为了造神——build god。
本轮由某知名产业方领投，上海市属国有创投平台、联想创投、并行科技、奇绩创坛等知名产业投资机构跟投。
在大模型狂飙的时代，AI 创业被裹挟进一种“技术正统性”的焦虑：要不要训练模型？有没有算力资源？底层自研是不是护城河？但 Yiran，一位本科学钢琴、靠一段自动发邮件脚本开启创业旅程的 00 后女性创业者，选择了另一种路径——她不训练模型，不押技术论文，而是把 AI 做成一个真正能“成事”的销售助理。
在AI浪潮席卷全球的当下，资本对基础模型与底层算力的追逐已达历史新高，然而，真正流向应用层创业团队的资金却不足一成。这无疑给AI应用领域的创业者们带来了前所未有的挑战：融资窗口收窄、PMF验证加速、全球化竞争加剧。
刷到1分钟AI短视频别只顾着点赞，背后的算力成本让人惊叹。MIT和英伟达等提出的径向注意力技术让长视频生成成本暴降4.4倍，速度飙升3.7倍，AI视频的未来已来！
多图像、长视频、细粒度感知正在让大型视觉语言模型（LVLM）变得越来越聪明，但也越来越“吃不消”：视觉Token数量的激增所带来的推理成本暴涨，正逐渐成为多模态智能扩展的最大算力瓶颈。
多模态对齐模型借助对比学习在检索与生成任务中大放异彩。最新趋势是用冻结的大语言模型替换自训文本编码器，从而在长文本与大数据场景中降低算力成本。LIFT首次系统性地剖析了此范式的优势来源、数据适配性、以及关键设计选择，在组合语义理解与长文本任务上观察到大幅提升。
当算力成本飙升、监管收紧，下半年是OpenAI、Anthropic这类巨头继续领跑。还是医疗、法律等垂直领域突围？
