搜索
过去一整年，具身智能成了 AI 行业里最被反复提及、却最难真正落地的方向。一边是人形机器人发布会密集登场，另一边却始终缺乏可规模部署的现实成果。算法在进步，算力在堆叠，但问题始终没有改变：机器人到底该如何被教会在真实世界中行动。
斯坦福与英伟达联合发布重磅论文 TTT-Discover，打破「模型训练完即定型」的铁律。它让 AI 在推理阶段针对特定难题「现场长脑子」，不惜花费数百美元算力，只为求得一次打破纪录的极值。从重写数学猜想到碾压人类代码速度，这种「激进进化」正在重新定义机器发现的边界。
大模型竞赛中，算力不再只是堆显卡，更是抢效率。
随着AI浪潮的袭来，笔者本人以及团队都及时的调整了业务方向，转型为一名AI开发者和AI产品开发团队，常常需要微调大模型注入业务场景依赖的私域知识，然后再把大模型部署上线进行推理，以支撑业务智能体或智能问答产品的逻辑流程。
又一家ARR突破1亿美元的AI创企诞生了！近日，由华人CEO领衔的美国AI云创企RunPod对外披露，其年化收入已达到1.2亿美元（约合人民币8.35亿元），平台累计开发者用户数超过50万。
摩尔线程 AI 算力本（MTT AIBOOK）是专为 AI 学习与开发者打造的个人智算平台。它搭载自研智能 SoC 芯片「长江」，提供 50TOPS 异构 AI 算力，支持混合精度计算。运行基于 Linux 内核的 MT AIOS 操作系统，具备多系统兼容能力，并预置完整 AI 开发环境与工具链。
大语言模型的爆发，让大家见证了 Scaling Law 的威力：只要数据够多、算力够猛，智能似乎就会自动涌现。但在机器人领域，这个公式似乎失效了。
AI时代，电工再次成为香饽饽。
刚刚，全球首个GW级超算集群Colossus 2，正式投入运行。
一早，OpenAI曝光了过去三年营收数据，信息量巨大：2025年ARR突破200亿美元，算力与收入几乎同步飙升，形成了一个强大的自转飞轮。