全部 · 2026-06-01

法国私募股权公司 Ardian 要在巴黎郊外投一个 50 亿欧元的 AI“超级工厂”，包含数据中心和研发设施。50 亿欧元这个数看着不小，但 FT 这篇报道正文被付费墙挡住了，我们只能看到标题和摘要片段。正文没披露算力容量、建设周期、股权结构，也没说有没有签下客户。没有这些信息，50 亿就只是一个融资意向，离真正落地还有距离。 欧洲这几年一直在喊要建自己的 AI 基础设施，减少对美国的依赖，但项目经常卡在审批、电力和实际需求上。Ardian 作为私募股权机构，投这类重资产项目，最终还是要看能不能找到足够多的算力租户。目前缺的关键信息是：这 50 亿里多少是股权、多少是债务，以及有没有超大规模云厂商或 AI 公司已经承诺入驻。这些没出来之前，这个项目更像是一个占位符。

Runway 以创始成员身份加入 Cosmos Coalition，跟 NVIDIA 和一批头部 AI 实验室搭伙，目标是共建并开源面向物理 AI 的前沿世界模型。世界模型说白了就是让 AI 能理解物理规律、预测下一步会发生什么、并据此行动，Runway 说这是他们从第一天就在押的方向。第一个项目是 Runway 和 NVIDIA 联合开发的一个基础模型，但公告里没给任何技术细节——模型多大、用什么数据训、什么时候放出来、开源协议是什么，全都没提。 这件事值得关注的点在于，Runway 之前一直在做视频生成，现在把旗号打到“物理 AI”上，跟 NVIDIA 绑在一起，显然是想把世界模型从视频生成推到机器人、仿真这类更吃物理理解的场景。但“共建开源生态”这种说法，在没有具体模型和基准测试之前，只能先当合作意向看。 还缺的东西挺多：模型的实际能力验证、开源范围、联盟里其他成员是谁、各家贡献怎么分。这些信息不补上，很难判断这个联盟是实打实的研发推进，还是品牌层面的站队。

NVIDIA 在台北 GTC 上推出的 FOX 蓝图，本质是一套让多个 AI 智能体协同管工厂的参考方案。富士康拿它做了 MoMClaw 系统，把摄像头、传感器和产线数据喂给不同智能体，让它们分工排查问题。官方宣称能把查找故障根因的时间缩短 80%，但正文没披露测试的产线规模、故障类型和对比基准，这个数字的参考价值有限。和硕也宣布会跟进，但同样没有落地细节。 这套东西对工厂的意义在于，以前产线出问题要靠老师傅挨个环节排查，现在可以让智能体自动调数据、交叉比对。但文章没提智能体之间的协调机制怎么设计，也没说对数据质量和实时性的要求有多高。这些缺口会直接影响实际部署效果。 整体看，这是一个产品发布而非技术验证。蓝图有了，早期案例有了，但缺的是可复现的量化结果和更多第三方工厂的实测反馈。

英伟达把 Cosmos 3 定位成“首个完全开放的物理 AI 全能模型”，意思是它不光是视觉模型，还内置了视觉推理、生成 3D 世界状态和直接输出动作的能力，相当于让模型从“看懂画面”一步跨到“理解物理世界并动手干活”。这次放出两个尺寸：Super 版 320 亿参数，Nano 版 80 亿参数，小尺寸明显冲着端侧部署去的。 但正文没披露任何跑分、训练数据规模、推理延迟或硬件需求，所以“全能”到底能到什么程度、跑起来贵不贵，全是未知数。开放是开放了，可如果实际效果撑不住或者部署成本太高，这个“首个”的含金量就得打折。 还缺的东西很关键：跟上一代 Cosmos 的对比、在具体机器人或仿真任务上的成功率、以及社区能复现到什么程度。等有人跑通实测再下结论不迟。

NVIDIA 这次推的 RTX Spark 是一台面向开发者的 Windows 电脑，核心卖点是让 AI 智能体完全在本地运行，数据不出机器。硬件上给了 1 petaflops 的 AI 算力和 128GB 统一内存，这个统一内存的设计很关键，意味着跑大模型时 CPU 和 GPU 不用来回搬运数据，能省下不少显存和延迟。 安全方面，他们和微软合作搞了个叫 OpenShell 的运行时，用 Windows 新的安全接口把智能体锁在本地，这个思路对处理敏感数据的公司有吸引力。性能优化上，通过 llama.cpp 的多 token 预测等技术，Qwen 27B 模型的推理吞吐量最高翻了一倍，35B 模型提升了 60%，多 GPU 场景下也有最高两倍的提升。 不过这篇博客本质是产品发布预告，没给价格、具体配置档位和上市日期，也没说这 1 petaflops 算力是在什么精度下测的。实际到手后的散热、噪音和软件兼容性也完全没提。对想买的人来说，现在只能先看个方向，等真机评测出来再判断值不值。

英伟达正式把芯片生意从显卡和服务器延伸到了 Windows 笔记本，直接跟英特尔、AMD 正面竞争。这篇报道只确认了“推了一款新 PC 芯片”这个动作，但关键信息全是空白：没写用了什么架构、CPU 和 GPU 怎么组合、功耗大概多少，也没提 AI 推理算力有多强。定价和上市时间同样没披露。 对 AI 从业者来说，最值得盯的是这颗芯片的本地推理能力——如果能把大模型跑在笔记本上，延迟和隐私都会好很多。但眼下连跑 7B 模型能到多少 token/秒都无从判断。另外，Windows 生态里软件兼容性、驱动稳定性也是大坑，报道完全没涉及。 这条消息更像一个战略信号，说明英伟达不想只当 AI 训练卡的霸主，还要把端侧推理的入口也攥在手里。但在看到实测数据和 OEM 厂商的具体机型之前，这还只是一张入场券，不是成绩单。

M3 是目前第一个把这三样东西打包开源的大模型：编程能力在 SWE-Bench Pro 上拿了 59.0%，比 GPT-5.5 和 Gemini 3.1 Pro 都高一点，但离 Opus 4.7 还差一截。它支持 100 万 token 的上下文窗口，靠的是自研的 MSA 稀疏注意力机制——简单说就是让模型只看该看的部分，而不是把整本“书”逐字读一遍，官方说在 100 万 token 长度下，每个 token 的计算量降到前代模型的 1/20，预填充快 9 倍以上，解码快 15 倍以上。原生多模态这边，能直接吃图片和视频，在文档理解测试 OmniDocBench 上超过了 Gemini 3.1 Pro。 不过这篇博客是厂商自宣，所有跑分都来自他们自己选的基准，没有第三方复现。另外，虽然强调开源权重，但没提模型参数量、推理所需显存，也没给 API 调用价格和实际首 token 延迟，这些对想上手用的人来说比跑分更重要。长上下文在实际业务里是不是真的不卡、多模态能力在复杂场景下稳不稳，都得等社区实测才能下判断。

这条消息的核心是英特尔计划年底发布一款专门做推理的芯片，直接对标英伟达。但问题在于，FT 的原文被 403 挡在付费墙后面，我们拿到的只是安全验证页面，等于正文完全缺失。所以目前能确认的只有标题里的两个信息：时间点是年底，目标是跟英伟达竞争。 没有正文意味着我们不知道这款芯片的制程、算力、显存带宽、功耗这些硬指标，也不知道英特尔打算用什么软件生态去撬动英伟达的 CUDA 护城河。推理芯片市场现在挤满了 ASIC 和各家自研方案，英特尔如果只是拿一个没有第三方跑分和客户案例的产品出来喊话，说服力会很弱。 我会先给这条新闻打个折。等有实测数据、定价区间和至少一家云厂商的部署计划出来，才能判断它是真能分走英伟达的份额，还是又一次路线图上的表态。

作者在一张12GB显存的RTX 3060上做了个实验：把一个14亿参数的Mamba主干完全冻结，只在第24、25层外挂了8个可训练的专家臂，总参数量膨胀到25.4亿，但每次推理只激活其中2个专家。这样做的目的是在不改动原模型的前提下，用极低成本给模型加上推理能力。数学题正确率大概做到50%，说明路子能跑通，但正文没披露用的是哪个数学测试集，也没跟原版模型或同尺寸模型做对比，所以这个50%到底算好算坏还不好说。 我会先打个折：这更像一次工程可行性验证，证明在消费级显卡上也能玩混合专家架构的推理增强。但文章本身被Reddit的安全策略挡了，我们拿到的只是摘要，训练细节、路由机制的具体表现、专家臂之间怎么分工这些关键信息都看不到。如果后续能放出完整报告和权重，才值得认真评估。

Qwen3.7-Plus 做了一件挺实际的事：让一个模型既能看懂屏幕上的按钮，又能敲命令行，还能在两者之间来回切换干活。这比之前那种“视觉模型管看、语言模型管想”的拼接方案更直接，延迟和错误传递理论上会少一些。在 Terminal Bench 2.0 终端任务上，它拿了 70.3 分，确实比 Opus 4.6 Max 和 DeepSeek-V4-Pro Max 高出一截，说明在命令行环境里它的操作成功率有优势。 不过，这篇博客本质上是一篇产品发布文，不是技术报告。模型参数量、训练数据、推理成本、API 定价和具体开放时间全都没提。表格里列了一堆基准分数，但像 SWE-Verified 这种软件工程测试，它反而比前代 Qwen3.6-Plus 低了 1.1 分，说明纯代码能力并没有全面提升。另外，所有测试都是在特定框架和超参下跑的，换到你的实际业务里表现会打多少折，正文没给任何消融实验或误差分析。 现在最缺的信息是：这个模型跑一次手机操作任务要花多少钱、延迟多少秒，以及它能不能在本地部署。如果成本比拼接方案低很多，那才算是真正的卖点。

GSMA 要在 MWC 上海搞一场人形机器人点球赛，宇树科技等 8 支国内团队参加，规则要求机器人自己识别球和守门员位置、决定射门角度并控制发力，不能遥控也不能跑预设脚本。这确实是个硬核测试：动态平衡、实时感知、自主决策全得在毫秒级时间里完成，比展台上走两步有说服力得多。 但文章只说了赛制和参赛名单，没提任何一支队伍目前的技术水平、硬件配置或过往测试数据。比如机器人是自带电池还是外接电源，摔倒后能不能自己爬起来，射门成功率大概在什么范围——这些关键信息全是空白。另外，比赛场地条件、光照干扰程度、球的规格是否标准化，正文也没交代。 我会把这场赛事看作一次公开的压力测试，而不是技术成熟度的证明。真正值得关注的是赛后放出的完整视频和失败集锦，那比奖牌更能说明问题。

Vast 这轮融了近 2 亿美元，估值冲到 10 亿，成了新晋独角兽。创始人是个 29 岁的游戏玩家，公司方向是用 AI 生成 3D 模型。在现在这个融资环境里，能拿到这个体量的钱，说明资本对 AI 驱动的 3D 内容生产这条赛道还挺愿意下注的。 但报道里缺的东西比有的多。正文没披露具体投资人是谁，也没说产品参数、技术路线和实际客户规模。光看融资金额和估值，只能说明有人愿意给钱，不能说明产品已经跑通了。3D 模型生成这个方向，难点在于产出能不能直接进游戏或影视的工业管线，不是光生成一个能看的模型就行。 这篇报道本质上是个融资消息，不是产品评测。想知道这家公司到底成色如何，还得等他们拿出实际的客户案例和收入数据。