搜索
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。
最近和几个做 AI 出海的朋友聊天，大家已经很少去聊哪个模型又刷了榜。谈论最多的，是哪个模型调度平台好用、实惠、安全。 这话题我是一点都不意外。毕竟前不久全球大佬都在扎堆往 AI 这个方向挤。老话说得
Omdia这份名为《2026全球AI工厂市场格局》的报告，点明了新时代的核心逻辑——决定胜负的，不再是谁拥有更多GPU，而是谁能够更高效地把“电力+算力+数据”转化为真正有价值的Token。