搜索
硬氪获悉，算力基础设施企业华弘数科近日完成数千万Pre-A轮融资，领投方为吴中金控，此次融资将主要用来发展AI应用和算力落地的生态建设、工厂产能的进一步扩大和基地的建设与推进。
6月1日，在英伟达GTC舞台，黄仁勋聊AI工厂，聊智能体，反复念叨的也是这个Token：算力就是收入，算力就是利润。没有收入和利润，就是亏损。一座AI工厂这辈子能赚多少钱，看的就是它总共产出多少Token，也就是曲线下方的面积。一句话：谁能更快、更省电、更稳定地生产Token，谁就赚得多。
近日，北京大学 EvoPhys 团队推出首个以 “人” 为中心的 “场景级万物可控” 5D 世界模型 EvoPhys-World，基于摩尔线程全国产算力底座，团队首次将 AI 生成世界从 “可观看、可漫游，浅交互” 的阶段，推进到 “可操纵、深交互、自进化” 的新阶段。
这家公司叫蔚蓝科技。前段时间，他们的新产品 ——BabyAlpha A3 机器狗引发了不小的轰动。不过，当时，很多行业讨论集中在参数本身：六颗国产芯片组成异构计算集群、端侧运行 70 亿参数大模型、感知系统全面升级，甚至第一次把高算力机器人压进了普通家庭可以认真考虑的价格区间……
长上下文模型越来越能“记”，但真正让它们跑到线上时，最先顶不住的往往不是算力，而是KV Cache。
当大模型 Agent 从实验室加速走向金融、医疗、代码开发等高价值场景，一个隐秘却致命的瓶颈正在浮现：Token 的指数级消耗正引发算力、协作与安全的系统性危机。传统 “堆算力、加参数” 的线性优化已触及天花板，我们该如何在 “输出质量” 与 “经济成本” 之间找到可持续的最优解？
长期以来，监督微调（Supervised Fine-Tuning，SFT）一直是深度神经网络中最常用的模型适配手段。在中小规模的传统神经网络中，SFT 通常能够稳定提升下游任务表现。
AI火，能理解，说算力很缺，也可以理解，然后内存不够了，能源不够了，通信带宽不够了，感觉AI产业链上的每个环节最近都在挨个成为短板和热点，散户们也在一轮又一轮地对着行情研究前沿技术。
5 月份，非常非常多的人寄希望于两个大佬谈判之后的的 GPU管制放松，特别是上一代 hopper架构的顶配算力卡松绑，弥补内部的算力不足，但是结果事与愿违，双方在 GPU 算力领域抓紧了卡脖子竞赛，彼此相互掐。（不要抱幻想了，干就完了）
4个月烧光全年AI预算，天价Token正逼疯硅谷！最近，墨芯人工智能斩获近10亿融资，用「稀疏计算」强势破局，全新一代算力芯片年内发牌。