搜索“推理”

轮融资，2025年再融资约8.4亿加元，英伟达、甲骨文、Salesforce Ventures等曾参投。 据Cohere披露，截至今年第三季度末，其ARR同比增长165%。全球客户数量在过去一年增长至原来的20倍，达到300家，包括加拿大皇家银行、富士通、普华永道等企业。 一、自研模型接入企业客服，问题解决时间缩至2—5天 Cohere主要面向企业文档分析、推理及AI智能体任务开发模型。今年5月，该公司开源了Command A+大语言模型，其量化版本仅需两张英伟达H100 GPU即可运行，支持企业自行部署。 为了让AI参与企业日常工作，Cohere还推出了智能体平台North。该平台可以连接企业内部知识库和办公软件，让员工通过自然语言创建AI智能体，完成资料查询、客户服务等任务。今年10月5日，Cohere推出North 2，新增跨会话记忆、共享知识库等功能，让AI能够记住此前的工作信息，并连续执行多个任务。 据Cohere今年2月公布的客户案例，美国AI云厂商CoreWeave仅用90天便将此前版本的North接入客服系统，用AI收集客户信息、查找技术文档，并协助将问题转交给工程师。

匹配字段正文

GV玻璃通孔先进封装领域达成合作，与ASML合作加速High-NA EUV量产准备，与泛林、应用材料合作扩产与联合研发。 关于2027年资本开支结构，David Zinsner回应，本季度设备支出已显著提升，下一季度增长更明显，新增资本开支将大部分投向设备采购，仅美国俄亥俄州工厂仍处于大规模建设阶段。他同时重申，2027年是重投入年份，全年无法实现正自由现金流，这也是8月股权融资的核心原因；长期看，这些先进制程节点预计最低可实现20%的投资回报率。 03.结语：服务器取代PC，成为业务增长新引擎 当前AI工作负载正从训练向推理与Agentic AI迁移，云厂商资本开支持续扩张，数据中心对CPU调度、内存与网络协同的需求同步上升，服务器CPU成为AI基础设施中GPU之外的另一块刚需。 英特尔这轮增长的核心是x86服务器CPU，AI推理与Agentic AI工作负载的放量直接转化为x86服务器CPU订单。该公司当前的领先位置靠产能与产品节奏维持；加上定制芯片订单从无到有，服务器业务已经接过PC业务的增长引擎位置。 本文来自微信公众号“芯东西”，作者：崔嫄伟，编辑：陈骏达，36氪经授权发布。

匹配字段正文

ibo 随后还开玩笑称，OpenAI 正在从“重置额度公司”毕业，转向“Token 公司”。 OpenAI 负责 Codex 和 ChatGPT 产品的 Andrew Ambrosino 也表示，团队已经启动一轮密集改进，重点解决应用简洁性和性能问题，并由他亲自负责。 这意味着 OpenAI 并不打算只依靠扩大套餐上限解决用户需求，而是希望同时提高模型能力、推理效率和单位算力的产出。对于越来越依赖 Codex 的开发者而言，能否获得稳定、充足的使用额度，已经成为影响订阅决策的重要因素。 除了 OpenAI，过去一年，Anthropic 也频繁调整 Claude Code 的使用限制，甚至经历了从收紧到扩容、再到部分回收的过程。 2026 年 3 月，Anthropic 曾收紧免费、Pro 和 Max 用户在高峰时段的 5 小时使用额度；5 月与 SpaceX 达成算力合作后，又将 Claude Code 的 5 小时额度翻倍，并取消 Pro 和 Max 套餐的高峰期额度削减。与此同时，公司还曾将 Claude Code 周度额度临时提高 50%，但在 9 月结束促销后，仅保留了比原始水

匹配字段正文

至于最近讨论度最高的话题：通用大模型会不会吃掉具身智能？智元联合创始人、联席总裁、具身业务体系总裁姚卯青给出的答案是：不会，至少现在不会。 姚卯青引用英伟达的报告，120项仿真任务里，GPT-6 Astra的平均成功率是66.3%，能力集中在语义理解、动作规划和决策上，“通用模型越强，具身行业的起点会越来越高，这是明确的利好”。但另一方面：Astra的平均推理很慢，单次要18秒多，高动态和精细作业做不准。涉及力触反馈的环节，大模型的成功率基本完全是零，因为先天没有学习过操作能力。 熊彦则从另一个角度解读了具身模型的不可替代性。“一个很简单的动作可能要分钟级推理，调用一次上百美元，进垂域还要微调，链条上训练成本、数据成本、微调成本都很贵。我不相信有人会用5万亿的模型部署在机器人身体上，最终落地还是要考虑现实性”。 在姚卯青看来，通用智能和具身智能的关系更像一个分层架构。通用模型负责System 2层面的长程规划和推理，中间是VLA和世界模型训练出来的一个个技能，作为工具被调用，最底下是100到1000赫兹的实时电机控制，和本体和任务紧紧耦合。反过来，通用模型想在物理世界做到专家级，同样

匹配字段正文

体现的广泛承诺。OpenAI将对人类意图的忠实描述为这一方法的基础：OpenAI编写规范、设定边界，并训练模型遵守这些边界；开发者在此边界内指导应用；用户则在上述约束下指导模型的工作。 公告定义了其余四项价值。伤害最小化意味着尊重坚定的安全边界，并考虑模型行为可预见的后果。诚实与透明意味着如实说明模型知道什么、做了什么、对什么不确定，以便人们能够理解和评估其推理与工作。促进人类自主性意味着增强人们理解、选择和自主行动的能力。关怀意味着关注受影响者的处境，遵循相关的社会与职业规范，并完成人们可以信赖的工作。OpenAI表示，此次重组反映了其价值对齐工作，该工作旨在让模型在陌生情境中理解并应用人类价值，同时保持对人类意图的忠实，并表示这五项价值并非意在涵盖其模型应尊重的全部人类价值。 新增章节与退役指引 关于对人类意图忠实的新章节以这样一个立场为出发点：人们所珍视的东西是首要的，而指令通常是这些价值最清晰、最重要的信号；OpenAI表示，该方法借鉴了对齐研究中的辅助博弈框架。该章节纳入了更新后的指令层级，说明了哪些指令适用以及冲突如何解决，并新增了一个小节“仔细考虑上下文”，阐述对话、记忆

匹配字段正文

究员、博导，中科院工业视觉智能装备技术工程实验室主任，核心团队曾参与微靶精密装配、C919大飞机柔顺装配等任务。 依托中科院自动化所的科研积累，中科慧灵搭起了“本体+具身大脑+灵巧手”的全栈技术体系。 大脑端，该公司自研了具身大模型CAS-brain，以视觉语言多模态大模型为基础，结合具身Agents、世界模型与强化学习，把机器人硬件、真实交互数据、模型训练推理和自主进化串成一套体系。 面向工业场景，还推出了轻量化的CASBOT PA(Perception-to-Action)感知—动作模型，链路是“视觉感知→动作生成→运动学处理→真机执行”，支持单张消费级GPU训练，并具备实时纠错和失败重试能力，降低工业场景的部署和迭代门槛。 按照规划，CASBOT PA计划在2027年下半年开源。 本体端，中科慧灵具备从末端执行器到整机的自主研发能力，产品包括全尺寸人形机器人CASBOT 01、CASBOT 02，工业轮臂式机器人CASBOT W2，半尺寸人形机器人CASBOT Mini，以及CASBOT BAND机器人乐队，对应工业、商业、特种、具身基座四大方向。 末端操作，则主要由合资公司中科

匹配字段正文

Mode是一种为持续对话和研究而设计的对话式界面。你可以通过选择Google主页搜索栏最右侧的AI Mode按钮，或选择其他Google页面顶部附近水平菜单中的AI Mode，直接访问AI Mode。 当你使用AI Mode时，你不会得到AI Overview，也不会得到一长串指向提供更多信息的其他网站的链接。相反，AI Mode通过对话式方法提供“更高级的推理和交互方式”。例如，如果我使用AI Mode并问：“我在哪里能看到北极光？”我会得到一张地图和一份列出各个地点的清单，并附有每个地点的优缺点。在普通搜索模式下，我会在顶部看到一个AI Overview，而在其下方是与我查询相关的网站链接页面。 Ray表示，随着广告增多，自然点击率将进一步大幅下降——用出版业的行话说，自然点击率是指在所有仅仅在页面上看到标题的人中，真正点击自然、非付费搜索引擎结果的人所占的百分比。AI不仅会用文字回答你的问题，Google现在还会积极地将你引导至广告商，而不是出版商链接。 “就像Google搜索中的许多事情一样，这意味着如果你不参与Google Ads，以自然方式获取流量的难度将越来越大，”Ray

匹配字段正文

纳表示，即便是更隐蔽的事情，比如拖慢情报行动和活动，也可能造成损害，并让用户对某个工具失去信任，即使问题后来被修复也是如此。 随着氛围编程（即提示AI助手为工程师描述的产品编写代码）变得越来越普遍，审查代码正变得越来越具有挑战性。AI能够以远超人类生产力的规模生成代码，这使得审查既耗时又困难。 “当你使用智能体时，你完全不知道供应链，甚至不知道最终生成代码的推理链是什么，”威廉姆斯说。“这些大语言模型训练所用的大量代码本身就有漏洞，它们可能 regurgitate 我们在其他代码中看到的同类架构和架构问题。” 政府确实有办法识别NIPRNet中的缺陷代码。静态应用安全测试（SAST）会在代码运行前扫描其中的漏洞和缺陷。但威廉姆斯指出，黑客植入的“后门并不是漏洞，即便我们可能不希望它存在”，因此很可能逃过SAST的检测。SAST通常也无法识别代码创建逻辑链中的结构性问题。 没有迹象表明黑客能够进入机密或绝密系统。尽管如此，威廉姆斯表示，这一事件应引起重大警觉。“从架构上看，任何你无法通过开源情报获取的关于NIPR的信息，国防部都视为严格保密，无论相关内容是否涉及机密网络，”他说。 这并非

匹配字段正文

AWS云业务。三季度AWS净销售额同比增长39.3%至459.8亿美元，较分析师预期高1.3%，创将近五年来最高单季增速，季末年化收入运转率达1840亿美元，环比二季度末时增长8.9%。 随后电话会议上，亚马逊CEO Andy Jassy将当前AWS的增长逻辑描述为一个自我强化的"飞轮"：领先的功能与安全性吸引客户迁移上云，云端集中的数据与应用反过来驱动AI推理需求，AI推理又带动核心计算、存储与网络消耗，进而推动AWS在基础功能上持续再投资。 Jassy预计AWS在2027年和2028年的增速均可超过40%，并有望在未来五至十年内实现年收入突破1万亿美元。与此同时，公司积压订单达5780亿美元，同比增速达三位数。 管理层同时强调，AI需求将继续推高资本开支。Jassy将AI称为“一生中仅有的机遇”，并表示公司有能力为这一计划提供资金。Amazon预计2026年现金资本开支约为2200亿美元，其中多数用于AWS，并预计2027年支出将“显著增加”。 “每14秒安装一个AI加速器”：AWS云业务全面爆发 作为亚马逊的利润引擎，AWS在本季度的表现打破了市场对其“体量过大难以维持高增长”的

匹配字段正文

年，物理AI概念成为行业关注的焦点。这一概念被大规模推广来源于2024年6月英伟达创始人兼CEO黄仁勋。黄仁勋认为，人工智能的下一波浪潮是能够理解物理规律、在真实世界中工作的物理AI。 中国信通院日前发布的《具身智能发展报告（2026）》中对物理AI概念给出了定义，物理AI是以突破传统模型“只会表征、缺少物理约束”的局限为目标，指的是通过把物理规律嵌入感知、推理、生成和行动全过程，使人工智能具备更强的真实性、可靠性和可部署性。 在此次创新日的活动中，彭志辉将物理AI的技术演进分为五次跃迁：拥有可用的身体、在垂域场景进入部署态、形成足够泛化的物理AI基座模型、从单机到群体共同进化，最终实现智能系统自我举升。 他在接受澎湃科技采访时表示，智元第一阶段已经迈过，智元正在推进第二阶段，即在细分垂域场景里进入部署态，做横向的复制和更多的场景拓展。 第三个阶段即人形机器人拥有泛化的具身基座模型，机器人摆脱定制开发，以更低成本快速适配各类新任务，实现单机跨场景泛化。彭志辉认为，只有来到第三个阶段，才可能最终实现物理AI的“ChatGPT时刻”。 他指出，随着大语言模型的基础能力越来越强，当前单体场景

匹配字段正文

，企业的Tokens使用量与成本暴增，迫切需要更加精细化的tokens资源管理，降低成本。从粗放使用最强、最贵的模型，转向追求性价比，精准匹配不同模型，来执行不同任务。 腾讯云拥有高性能与极高性价比的Agent基础设施，稳定的异构算力集群，与多家芯片厂商深度合作，构建国产算力的新生态。 在全球算力紧张情况下，腾讯云深度适配多家厂商的芯片，持续优化国产芯片上的推理性能，达到很好的性价比，在具身智能等制造行业得到广泛的使用。为承接Hy4 Preview发布后的调用洪峰，腾讯云与混元团队紧密合作，在上线前两周，把某国产芯片单卡吞吐量提升了5倍；我们还帮助汽车制造国际头部Tier1，落地国产千卡集群，支撑端到端智驾大模型的规模化训练。 模型上，腾讯混元Hy持续在真实业务场景中进化。过去一年，Hy重建了数据和训练基础设施，平均两个月发布一个大版本。Hy4 preview定位成“为生产力而生”，在代码、办公、科学等真实生产力任务上，非常稳定与靠谱，在发布后一直在OpenRouter排行前列，支撑了元宝、WorkBuddy等产品的稳定服务。 混元大模型Hy4很快会发布，相比Hy4 preview实现

匹配字段正文

英伟达决定向 Meta 的 Muse 智能体及 Muse 系列模型投资 30 亿美元，以提升推理和训练性能，这是对 AI 智能体经济性的一次战略押注。然而，也存在可能让其赌注落空的挑战。 英伟达和 Meta 周一透露，Muse 模型——Wonder 和 Wonder Full——以及智能体将运行在英伟达基础设施上。Meta 计划扩大对英伟达硬件的部署，包括为其下一代 AI 智能体使用 Vera Rubin 和 Vera CPU。两家厂商还在探讨其他合作，包括使用英伟达的 OpenShell 参考架构来实现智能体安全。 此次合作达成之际，Meta 的消费级 Muse 智能体已在消费者中广受欢迎，自 9 月 8 日推出以来下载量达 1090 万次，日活跃用户达 250 万。这一合作使英伟达得以押注个人 AI 智能体的成功，同时继续作为 AI 市场众多厂商的主要财务支持者和 GPU 供应商。除 Meta 外，英伟达还投资了其他 AI 厂商，包括 OpenAI、Anthropic 和 SpaceXSI。 相关报道：Anthropic 推出 Claude Duet，但企业尚未做好准备 推理方面的

匹配字段正文

enAI认为，单一关停开关无法应对AI系统运行和部署的不同方式。 该公司在信中写道：“我们建议使用‘关停控制’这一术语，因为这将需要开发多种控制措施，并由不同主体协调行动，以便在必要时停止AI运营，而不是依靠单一开关。” 干预措施可能包括停止训练运行、隔离AI代理、撤销工具或网络访问权限，或暂停某项服务。OpenAI表示，责任应根据各主体所控制的操作，延伸至推理提供商和下游部署者。它还指出，开发者无法可靠地关闭在外部系统上运行的开放权重模型的独立运营副本。 Anthropic同样主张采取更有针对性的保障措施。该公司写道：“我们认为，对前沿AI公司需要构建的东西而言，更贴切的比喻是断路器。”它主张采取能够在代理、客户、部署环境或模型层面控制问题的管控措施。 Gogia表示，对企业而言，合同中的关停责任应与各方实际拥有的控制权相匹配。协议应明确干预权限、事件报告协作，以及谁有权授权重启。 “每一项被分配的义务都需要有可执行的管控措施与之对应，”他说，并补充道，CIO们应测试恢复流程，而不是想当然地认为切换到替代模型就能维持安全运营。两家公司还呼吁更广泛地报告涉及模型规避保障措施或采取未经授

匹配字段正文

形式化软件验证既切实可行又不可或缺。其中之一便是&Truth，Sun于8月加入该公司，该公司于周四公开上线。Sun的研究通过使用AI验证消息应用Signal中用于加密对话的部分代码，展示了这项技术的潜力。 “桥梁、建筑之所以不会坍塌，是因为人们在建造之前做了数学计算，”&Truth首席科学官Ilya Sergey说。“为什么我们不对代码做同样的事呢？进行数学推理的技术一直都有，只是难以规模化。” &Truth已从投资者处筹集7000万美元，目标是最终能够验证任何编程语言。竞争对手Harmonic由Robinhood CEO Vlad Tenev联合创立，已获得2.95亿美元融资，本周宣布其专注于数学的AI智能体Aristotle支持验证用C语言编写的软件和用Verilog编写的硬件设计。该公司正在与潜在用户评估这项技术，包括芯片制造商Tensordyne和Nvidia，后者的风险投资部门是该初创公司的投资者之一。 就在上周，Anthropic与验证初创公司Theorem联合宣布，他们利用AI协助发现了开源软件中的缺陷，而这些缺陷是数万亿次测试都未能检测到的。他们还为Claude推出了一

匹配字段正文

国内首个实测性能达到H200水平的通用GPU。 天数智芯性能实验室的实测进一步覆盖典型业务场景： 在64K长上下文下，天垓300的Attention性能为H200的1.05倍； GLM-5.3模型64K规模下，保障同等用户体验的同时，MoE吞吐为H200的1.15倍； 8K至128K长上下文场景下Agent首字延迟较H200降低约10%至30%； 多模态生成推理吞吐较H200提升约2%至5%； 在搜广推等在线业务中，推荐推理吞吐提升21%，轻量计算时延降低26%。 规模化交付侧，天垓300已形成从加速卡、一机8卡服务器到超节点的完整系统方案，天垓300 IXL144超节点在单个标准机柜内集成144颗GPU，约10.1TB显存，每百万有效Token成本较国际主流方案可降低约40%。 “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded

匹配字段正文

基础设施层面的后顾之忧。从这个角度看，收购有其合理的商业底色。 但合理的底色不等于完整的解释。英伟达过去两年系统性地布局开源模型——面向智能体的Nemotron、面向机器人的Isaac GR00T、面向物理AI的Cosmos——这些模型早已部署在Hugging Face上，收购只是把合作关系升级为所有权关系。 更深层的动机藏在客户结构的变化里。OpenAI的推理芯片已流片，Anthropic组建了内部芯片团队，Google、Amazon、Microsoft的自研芯片均已投入使用。大客户越有能力自研，英伟达越需要巩固那些无法自研芯片的中小开发者和企业对其算力的依赖，而Hugging Face正是触达这批用户最集中的入口。 因此，有媒体将这笔交易形容为英伟达花129亿美元购买的一份“保险”——保的不是Hugging Face的营收，而是英伟达在AI生态中的结构性位置。 中立性的真实处境 Hugging Face的价值，很大程度上建立在其平台中立性之上。开发者之所以信任它，是因为它不隶属于任何一家模型厂商或芯片厂商，可以在同一个界面上跨厂商比较和试用。 The Register对此有一个尖锐

匹配字段正文

） 17岁天才少年离开Kimi后被争抢！美国AI大牛已发出邀请，本人回应 10月28日消息，据媒体报道，最近AI圈被一个名字刷屏了——17岁的陈广宇。本月15日，00后天才少年陈广宇在社交平台发文宣布，日前已离开月之暗面的Kimi团队，但并没有对外透露自己接下来的去向，仅表示还希望继续探索更多新方向。 消息一出，迅速引发热议。几乎同一时间，前DeepMind推理架构负责人、现Anthropic研究员肖尔托·道格拉斯现身评论区，公开邀请他去旧金山。面对肖尔托·道格拉斯的邀请，陈广宇回复：“谢谢Sholto！我正要去湾区。”也有分析认为，他离开或是去读大学。 有传闻称，陈广宇前脚宣布离开，后脚便收到5份工作邀约，金额均在100万美元以上。公共资料显示，陈广宇于2009年出生，曾就读于原北大附中深圳南山学校，后转入华润小径湾贝赛思国际学校，今年6月刚刚高中毕业。去年11月，年仅16岁的他加入Kimi团队，担任机器学习研究员，以此计算，他在Kimi工作的时间不超过一年。（快科技） 飞书首席战略官史志隽将卸任 10月28日消息，据媒体爆料，飞书原副总裁、首席战略官史志隽即将卸任，后续会先转任顾问

匹配字段正文

学家雷震与合作者Xiao Ren发布了一篇解读预印本。 他们把OpenAI原稿中构造流动轮廓的部分重写了一遍，力求让同行读得懂。 他们在文中称，OpenAI的工作是纳维－斯托克斯千禧难题上的一项重大进展。 不过，读懂思路只是第一步。 另一项工作，是检查论文原文和Lean版本是否对得上。 Lean是一种证明助手。 把数学命题和推导写成形式语言后，它能检查每一步推理是否成立。 可机器只检查它收到的东西。 就像核对译稿：译文通顺，还得看它有没有改掉原意。 10月6日，Bastounis、Circelli和Hansen三位研究者发表预印本，指出原稿与Lean版本中的部分陈述和推导存在差异。 他们同时声明，自己没有判断OpenAI的文字证明是否正确。 所以，这项质疑不能简化成「证明被推翻」。 它要求把一件事查清楚：机器验证过的内容，究竟能为原稿的哪些结论提供保证？ 机器能保证每一步没算错。但它保证不了题目没抄错。 截至目前，克雷研究所仍把这道题列为「Active」「进行中」。 克雷研究所列出的四种命题，证出其中任意一个就算解答。 OpenAI声称完成的，正是允许平滑外力的两种。 无外力的情形，是

匹配字段正文

NVIDIA 与 Oracle 今日宣布，计划将 OCI Supercluster 中的 NVIDIA Vera Rubin NVL72 系统扩展至多吉瓦规模，以满足客户在 AI 训练、推理和智能体应用方面不断增长的需求。Oracle 与 NVIDIA 还扩大了双方的 AI 基础设施合作，NVIDIA Vera Rubin NVL72 和 NVIDIA Vera CPU 现已在 OCI 上正式可用。 扩大后的合作使客户既能获得用于训练和运行前沿模型等 GPU 密集型工作的基础设施，也能获得用于智能体在模型调用之间执行工具、测试代码和检索数据等 CPU 密集型任务的基础设施。客户可以独立扩展 CPU 和 GPU 资源以匹配其工作负载，从而帮助减少闲置容量，让更多基础设施得到有效利用。 OCI Supercluster 结合了 NVIDIA NVL72 机架级系统、Oracle Acceleron 网络（采用搭载 NVIDIA Spectrum™-6 交换机和 NVIDIA BlueField®-4 DPU 的 NVIDIA Spectrum-X™ 以太网）、以及吉瓦级供电和冷却能力，用于

匹配字段正文

Nvidia 与 Meta 今日宣布，双方将扩大在 Muse AI 模型与智能体方面的合作，同时 Nvidia 将向 Meta 的股权发行投入 30 亿美元。 “AI 智能体代表了一种新的计算范式，这类软件能够理解我们的目标、进行推理、使用工具，并代表我们完成工作，”Nvidia 创始人兼 CEO 黄仁勋表示。“这改变了我们使用计算机的方式，从操作应用程序转变为与智能体协同工作。NVIDIA 与 Meta 正在扩大合作，端到端优化计算基础设施，以支持能力强、高效且安全的 AI 智能体，让 Muse 能够赋能数十亿人取得更多成就、追求更大抱负。” Meta 使用 Nvidia 基础设施运行其 Muse AI 模型与智能体，二者在短时间内都取得了显著成功，因为它们（目前）免费，并且性能与能力出奇地出色。 展望未来，双方将通过 Nvidia OpenShell 参考架构扩大协作，包括用于安全部署的 Nvidia OpenShell 和用于智能体行为监控的 Nvidia Sentry。此外，Meta 将扩大对 Nvidia 基础设施的使用，纳入面向下一代 AI 智能体的 Vera Rubin

匹配字段正文