归档: 快讯

摘要

Comet 60B压缩多模态模型,尝试降低企业自部署门槛

摘要:: Multiverse Computing于10月15日推出Comet 60B,这是对NVIDIA Nemotron 3.5 Super VL进行压缩和优化后的版本,总参数从1200亿降至600亿,保留文本、图片和视频处理能力,激活参数仍为120亿。公司称,部分测试有所改善,其余测试表现与原模型的差距控制在5%以内。对希望在自有基础设施运行AI的企业,模型压缩可能减少存储与部署负担。不过,总参数减半不代表推理成本同步减半,仍需结合显存、吞吐量和实际业务准确率评估。
来源:: [Multiverse Computing发布稿,10月15日](https://www.globenewswire.com/news-release/2026/10/15/3381915/0/en/multiverse-computing-launches-comet-60b-in-collaboration-with-nvidia-multimodal-capabilities-at-half-the-parameters.html)

微软披露MAI-Base-2预训练成果,推进自研基础模型路线

摘要:: 微软AI于10月15日披露,已完成MAI-Base-2的预训练。该模型采用混合专家架构,总参数2.8万亿、激活参数800亿。微软强调训练效率、数据来源管理和完整模型开发流程,并公布内部评估结果。这是基础模型研发进展,尚不能等同于面向用户发布了同名聊天产品。对产业而言,看点是微软持续建立自己的训练能力,未来可据此开发不同用途的后训练模型。实际竞争力仍需观察后续产品、独立评测、调用价格和部署效率。
来源:: [Microsoft AI,10月15日](https://microsoft.ai/news/frontier-pre-training-at-microsoft-ai/)

NVIDIA发布Nemotron 3.5新模型,兼顾企业智能体与本地运行

摘要:: NVIDIA于10月15日发布Nemotron 3.5 Super VL及Bolt系列模型。Super VL拥有1200亿参数,面向需要阅读文档、理解图表和调用工具的企业智能体;Bolt 74B则通过量化将部署内存需求压至24GB,瞄准本地智能体。两款模型已开放,体积更小的Bolt E4B计划10月23日推出。此次更新的重点是让不同算力条件下的团队都有可定制模型可用。官方速度优势仍需结合任务和硬件理解,实际价值取决于连续执行时的准确率与资源消耗。
来源:: [NVIDIA官方博客,10月15日](https://blogs.nvidia.com/blog/nemotron-3-5-super-vl/)

北京时间2026年10月14日11:50至10月16日11:50

筛选时间:。以下按窗口内发布或最新披露的信息整理,摘要约200字,产品计划、企业测试与实际部署作了区分。
*01. Meta开放Muse Spark Open权重,超大模型开始探索桌面部署**
摘要:: Meta于10月15日发布Muse Spark Open,采用混合专家架构,总参数8160亿、每次激活约420亿,支持百万Token上下文,重点面向编程、多步骤推理和智能体任务。官方展示了通过两台搭载M5 Ultra的Mac Studio运行模型的方案,并同步接入多家API平台。这为开发者提供了自托管和定制选择,但“桌面运行”仍需要高规格设备,不能理解为普通电脑即可使用。后续看点是实际推理速度、部署成本,以及开放权重许可对商业应用的具体要求。
来源:: [Meta AI Research,10月15日](https://research.meta.ai/blog/muse-spark-open)

Meta开放Muse Spark Open权重,超大模型开始探索桌面部署

摘要: Meta于10月15日发布Muse Spark Open,采用混合专家架构,总参数8160亿、每次激活约420亿,支持百万Token上下文,重点面向编程、多步骤推理和智能体任务。官方展示了通过两台搭载M5 Ultra的Mac Studio运行模型的方案,并同步接入多家API平台。这为开发者提供了自托管和定制选择,但“桌面运行”仍需要高规格设备,不能理解为普通电脑即可使用。后续看点是实际推理速度、部署成本,以及开放权重许可对商业应用的具体要求。
来源: Meta AI Research,10月15日
02. NVIDIA发布Nemotron 3.5新模型,兼顾企业智能体与本地运行
摘要: NVIDIA于10月15日发布Nemotron 3.5 Super VL及Bolt系列模型。Super VL拥有1200亿参数,面向需要阅读文档、理解图表和调用工具的企业智能体;Bolt 74B则通过量化将部署内存需求压至24GB,瞄准本地智能体。两款模型已开放,体积更小的Bolt E4B计划10月23日推出。此次更新的重点是让不同算力条件下的团队都有可定制模型可用。官方速度优势仍需结合任务和硬件理解,实际价值取决于连续执行时的准确率与资源消耗。
来源: NVIDIA官方博客,10月15日
03. 微软披露MAI-Base-2预训练成果,推进自研基础模型路线
摘要: 微软AI于10月15日披露,已完成MAI-Base-2的预训练。该模型采用混合专家架构,总参数2.8万亿、激活参数800亿。微软强调训练效率、数据来源管理和完整模型开发流程,并公布内部评估结果。这是基础模型研发进展,尚不能等同于面向用户发布了同名聊天产品。对产业而言,看点是微软持续建立自己的训练能力,未来可据此开发不同用途的后训练模型。实际竞争力仍需观察后续产品、独立评测、调用价格和部署效率。
来源: Microsoft AI,10月15日
04. Comet 60B压缩多模态模型,尝试降低企业自部署门槛
摘要: Multiverse Computing于10月15日推出Comet 60B,这是对NVIDIA Nemotron 3.5 Super VL进行压缩和优化后的版本,总参数从1200亿降至600亿,保留文本、图片和视频处理能力,激活参数仍为120亿。公司称,部分测试有所改善,其余测试表现与原模型的差距控制在5%以内。对希望在自有基础设施运行AI的企业,模型压缩可能减少存储与部署负担。不过,总参数减半不代表推理成本同步减半,仍需结合显存、吞吐量和实际业务准确率评估。
来源: Multiverse Computing发布稿,10月15日
05. CERN与Mistral合作开发“大物理模型”,用粒子碰撞数据训练AI
摘要: CERN与Mistral于10月15日宣布合作意向,计划开发面向对撞机物理的基础模型,以数十亿次模拟质子碰撞作为训练资源,探索粒子识别、碰撞重建、异常信号发现及探测器设计等用途。与通用聊天模型不同,这条路线需要处理专业实验数据,并接受严格的物理验证。项目目前处于合作与研发规划阶段,尚无成熟产品发布。值得关注的是,科学AI正在从单项算法走向多任务基础模型,能否跨实验条件复用,将影响其研究价值。
来源: CERN,10月15日
06. 微软推出Copilot法律技能,把合同处理接入日常办公工具
摘要: 微软于10月15日宣布,超过20项面向法律工作的专用技能及合作伙伴插件正式开放,将法律资料与专业流程接入Copilot。应用方向包括文档起草、合同审阅和修订,以及跨协议、邮件和文件推进多步骤工作。产品看点在于减少法律人员在办公软件与专业系统之间切换,让AI直接参与已有流程。它并不替代专业判断:引用是否准确、修订是否符合谈判目标、资料访问是否合规,仍需要法律团队审核,最终收益也应通过具体任务衡量。
来源: Microsoft Community Hub,10月15日
07. Adobe优化Photoshop与Premiere,AI创作竞争延伸到处理速度
摘要: Adobe于10月15日公布与NVIDIA的最新优化成果,涉及Photoshop、Premiere、Substance 3D和Frame.io等工具。公司称,在RTX Spark平台的特定工作流中,AI处理、剪辑、调色和特效性能最高可提升至两倍,并扩展云端素材处理与内容检索能力。此次进展更贴近创作者的日常痛点:功能再丰富,如果等待时间过长,也会影响反复修改。实际提升取决于设备、项目和软件版本,企业公布的最高值不能直接套用于所有创作任务。
来源: Adobe,10月15日
08. RTX Spark笔记本进入上市节点,本地AI迎来新硬件选择
摘要: NVIDIA于10月15日发布上市活动安排,宣布RTX Spark笔记本将于10月16日进入上市节点,并在多个城市组织本地AI、创作和开发演示。这类设备试图把个人电脑进一步变成智能体运行平台,让部分任务能够在本地处理,同时保留云端模型入口。对用户来说,重要的不是简单增加一个AI标签,而是常用软件是否兼容、模型是否容易安装,以及持续运行时的耗电与响应速度。不同机型和市场的供货安排,仍应以具体产品信息为准。
来源: NVIDIA官方博客,10月15日
09. NVIDIA推出cuPotential,让AI工具参与原子级材料模拟
摘要: NVIDIA于10月14日公布cuPotential计算库,开发者可将其用于构建模拟原子和分子相互作用的AI工具,面向半导体材料与制造过程研究。公司称,早期测试在已经经过GPU优化的部分流程上,又取得约两至三倍加速。相比直接让模型生成设计建议,这条路线强调让AI调用专业计算工具,辅助工程验证。芯片制造中的材料、设备和工艺相互影响,仿真速度提升可能缩短试验周期,但仍需区分计算加速与最终良率改善。
来源: NVIDIA Newsroom,10月14日
10. OpenHands引入多模态模型,编程智能体开始同时理解代码与界面
摘要: OpenHands于10月15日介绍与NVIDIA的合作,将Nemotron 3.5 Super VL引入持续运行的软件工程智能体工作流。其关注点是让智能体在代码之外,也能利用截图、视觉资料和工具结果理解任务。现实开发经常同时涉及仓库、文档与界面,单靠文字提示难以覆盖完整上下文。多模态能力有望改善这类衔接,但识别界面问题只是第一步,模型还需要修改代码、运行验证并处理失败。后续值得观察的是长任务完成率,而非单次生成效果。
来源: OpenHands,10月15日
11. Standard Bots开放三项AI技能,工厂人员可用平板配置机器人
摘要: Standard Bots于10月15日宣布开放Agent、Locate和Inspect三项AI技能,分别面向任务流程生成、物体定位及视觉检查,目标是让一线人员通过平板和自然语言更容易配置机器人。公司称,可减少传统编程与集成中的部分工作。对中小制造商而言,这类产品的吸引力在于降低换任务和调试门槛,而不仅是机械臂本身的价格。不过,易用界面不能消除夹具、现场安全和质量验证需求,“几分钟配置”也应放在具体工序条件下理解。
来源: Business Wire发布稿,10月15日
12. FF与FFR推出2490美元FF Nova,瞄准机器人开发和教育市场
摘要: FF与FFR最新公布FF Nova及Nova Mini机器人,并配套强化学习开发计划、课程和开发者社区。FF Nova设备价格为2490美元,开发者技能包另收费390美元,计划先邀请制开放,再扩大至开发者和教育机构,最后进入消费市场。低价与便携定位有望吸引学校、实验室及个人开发者,但它属于入门开发平台,不能按工业机器人的持续作业标准直接比较。购买成本之外,软件开放程度、维护和实际交付能力同样影响使用价值。
来源: Business Wire发布稿,10月15日美国时间/北京时间16日
13. H2L让机器人学习人的“力气”,15分钟演示数据完成特定整理任务
摘要: Robotstart于10月15日详细报道H2L的BodySharing Physical AI:通过腕部光学筋肉位移传感器与摄像头,记录人的动作,并推测操作中的用力变化,再用于机器人控制学习。公司内部测试中,双臂机器人利用15分钟演示数据,在搬运整理方块和毛巾任务上取得95%成功率,测试为100次。这里的15分钟是数据时长,不是训练耗时,力也是推测值。技术看点是补充视觉难以直接获得的操作信息,结果仍限于特定任务与环境。
来源: Robotstart,10月15日、H2L官方说明
14. INU桌面机器人启动众筹,用触摸和表情探索AI陪伴
摘要: Ludens AI的INU于10月16日启动日本众筹,定位桌面陪伴机器人,通过表情、声音和动作回应互动,预计2027年2月左右发货。产品不以完成工作为主要卖点,而是尝试融入办公与学习间隙。它采用柔软外观,重量约500克,官方介绍了习惯学习、长期记忆和配套日记应用。消费机器人由此出现另一种商业路径:用户为陪伴体验付费。后续考验是互动能否保持吸引力,以及制造、软件稳定性和售后能否支持长期使用。
来源: Response发布会报道,10月15日、官方众筹页面
15. ZOZO NEXT与AVITA研究机器人衣服,关注散热、动作和接触感知
摘要: ZOZO NEXT与AVITA于10月15日签署合作备忘录,计划2027年1月启动人形机器人服装研究。机器人穿衣涉及关节活动、外壳结构、散热与衣物滑移,人类服装不能直接照搬。双方希望结合智能纺织材料、服装设计与实机动作数据,探索适合机器人的设计方法,也讨论通过衣物传递意图或感知接触的可能性。这仍是研究计划,尚无成熟产品,但提示机器人进入接待、服务等场景后,外观设计也会成为功能与人机交互的一部分。
来源: ZOZO NEXT,10月15日
16. 西武铁路披露ugo mini巡检试验,机器人走进变电所
摘要: 日本媒体于10月15日报道,西武铁路公开了ugo mini在池袋变电所的巡检试验。项目10月1日开始,探索通过机器人每日三次巡回,提高设备状态记录频率,并为后续故障预兆分析积累数据。相比重新设计整座设施,这类方案尝试让移动设备进入既有现场,承担重复观察工作。产业价值在于能否稳定获取可比较的数据、减少人工往返。当前仍属于试验,机器人能否长期可靠巡检,以及异常信息如何交由人员处理,是后续验证重点。
来源: ITmedia/产经新闻,10月15日、Response
17. Rice Robotics HK推出TOMO,以轮式机器人切入校园
摘要: Axonex AI于10月15日宣布,其旗下合资实体Rice Robotics HK推出教育机器人TOMO。产品采用轮式移动底盘,配备表情面部、胸前交互屏和双指夹爪,面向互动阅读、STEM教育、编程与受监督的机器人探索,也计划支持轻量图书搬运等校园任务。轮式方案降低了对双足运动的依赖,更关注交互和使用场景。对学校而言,关键是课程是否适龄、教师是否容易操作,以及维护负担能否控制,目前不宜将应用设想等同于大规模部署。
来源: Axonex AI/GlobeNewswire,10月15日
18. 海柔创新获NAPA仓储项目,汽车零部件物流引入多机器人系统
摘要: 海柔创新与Hy-Tek于10月15日宣布,将为NAPA Auto Parts的物流中心提供自动化方案,通过HaiPick系统及集成软件处理种类繁多的汽车零部件。项目在设计阶段利用测试仓库验证方案,再推进实际部署。汽配仓储具有SKU多、尺寸差异大、订单零散等特点,比单纯提高搬运速度更考验系统适配能力。这一订单体现了仓储机器人向复杂行业流程深入的趋势,但公告未披露完整投运效果,吞吐量、准确率及维护收益仍需后续验证。
来源: 海柔创新,10月15日
19. TacClaw-Infinity公布大规模触觉数据,让机器人学习“怎么接触物体”
摘要: 研究团队于北京时间10月14日晚提交TacClaw-Infinity论文,介绍包含超过1万小时、100万段操作记录的视觉—触觉—语言—动作数据集。采集使用带触觉能力的手持接口,同步记录视觉、指尖触觉及操作轨迹,无需每次都使用目标机器人。其价值在于补充纯视频难以表达的接触信息,服务抓取和双手操作学习。作者还报告了跨三种机器人平台的迁移实验。目前属于预印本成果,数据规模不能直接等同于所有任务上的泛化能力。
来源: arXiv论文,10月14日23:06北京时间提交
20. DJI推出Dock 4自动换电机场,无人机连续作业减少补能等待
摘要: DJI于10月14日发布Dock 4及Matrice 5TD行业无人机,主打25秒自动换电,并结合广角、红外、毫米波雷达和激光雷达等感知能力,面向应急、巡检与安防。与等待机内电池充电相比,换电有望缩短两次飞行之间的地面周转,提高固定站点响应能力。不过,25秒只是换电环节,不能视为完整再次出动时间。持续作业还受电池储备、补能、天气与维护限制,真正值得观察的是每天可完成的有效任务数量及人工介入频率。
来源: DJI/PR Newswire,10月14日20:10北京时间

台积电AI芯片供应链再扩容:格芯拿下20亿美元硅中介层订单

摘要: 格芯(GlobalFoundries)10月8日宣布与台积电达成价值20亿美元的合作,将在纽约工厂生产用于先进AI芯片封装的硅中介层。中介层位于处理器和高带宽内存等芯片下方,承担高速信号互连任务,是先进封装的重要组成部分。随着AI加速器集成的计算芯片和内存越来越多,封装内部的数据传输成为性能提升的关键。此次合作也说明,AI芯片供应链正在从先进制程扩展到中介层、封装和互连等环节。
Reuters
+1

来源: Reuters

02. 三星第三季度营业利润预计同比增长近九倍,AI存储需求仍是核心动力

摘要: 三星电子公布的第三季度初步业绩显示,营业利润预计达到107.4万亿韩元,营收约195万亿韩元,营业利润同比增长接近九倍。AI服务器需求持续推高高带宽内存(HBM)及其他存储产品的市场需求,半导体业务成为业绩增长的主要推动力。不过,市场也开始关注存储价格上涨的持续性,以及韩元汇率变化对利润的影响。对于整个产业链而言,AI需求仍在支撑存储市场,但高增长能否持续,取决于供需缺口和数据中心投资能否继续扩大。
The Wall Street Journal

来源: The Wall Street Journal

03. 英伟达投资的Upscale AI推出Token Fabric,让不同厂商的AI芯片协同工作

摘要: AI基础设施初创公司Upscale AI于10月8日推出Token Fabric平台,试图解决不同厂商的AI处理器难以在同一数据中心高效协同的问题。该平台将网络硬件、软件以及英伟达Spectrum-X相关技术结合起来,帮助客户连接不同供应商的AI芯片,并识别网络瓶颈和潜在设备故障。过去,企业部署不同芯片往往需要分别整合网络系统,增加工程复杂度。Token Fabric瞄准的是异构算力基础设施:让云服务商和大型企业能够组合使用不同处理器,而不必完全绑定单一供应商。
Reuters
+1

来源: Reuters

04. ASML与蔡司探索Hyper NA光刻技术,下一代芯片制造瞄准更小特征尺寸

摘要: ASML与光学合作伙伴蔡司公布下一代Hyper NA极紫外光刻技术的研究进展,称该技术有望在约十年后具备实际应用条件,目标是将可印制的特征尺寸推进至约5纳米。相比现有High NA EUV系统,Hyper NA希望进一步提升图形分辨率,为未来芯片性能提升和功耗优化提供制造基础。不过,这仍是长期技术路线,并不意味着相关设备即将投入量产。随着先进制程成本和物理限制不断上升,光刻设备、光学系统与芯片结构创新正在共同决定半导体制造的下一步方向。
Reuters

来源: Reuters

05. 谷歌将Gemini升级为企业Agent平台,AI开始跨软件执行工作

摘要: 谷歌正在推动Gemini从对话助手转向企业级Agent平台,让AI能够围绕具体目标调用企业工具、执行多步骤任务,并与Google Workspace、Microsoft 365和Slack等工作环境协同。相关能力首先面向大型企业客户,强调自定义技能、任务执行和操作记录。与传统聊天机器人相比,Agent需要在多个系统之间读取信息、调用工具并持续推进工作,因此权限控制、执行过程审计和错误恢复也变得更加重要。企业AI竞争由此不再只是模型回答质量的比较,还包括能否真正接入工作流程并完成任务。
The AI Times

来源: TechCrunch、The AI Times

06. 微软推出搭载英伟达芯片的Surface Laptop Ultra,本地AI PC进入新阶段

摘要: 微软与英伟达发布Surface Laptop Ultra,主打在个人电脑上运行更复杂的AI工作负载。高配版本提供128GB统一内存,面向代码生成、游戏和多模型切换等任务,产品起售价为2599美元,计划于10月16日开始发货。微软还强调本地与云端混合处理,以及通过Windows Execution Containers隔离Agent运行环境。其产品思路是把更多AI推理放到用户自己的设备上,在降低云端依赖的同时改善响应速度和数据控制能力。不过,本地模型的实际体验仍取决于内存容量、模型压缩和应用适配。
TechCrunch
+1

来源: TechCrunch、MarketWatch

07. 微软推进Windows本地AI运行环境,Agent安全隔离成为系统级功能

摘要: 微软围绕Windows 11推进混合智能架构,让AI任务能够根据硬件能力和任务需求在本地设备与云端之间分配。与此同时,Windows Execution Containers开始提供更完整的Agent隔离能力,降低自主运行的AI工具直接接触系统和用户数据的风险。随着AI编程工具和个人Agent开始执行文件操作、调用应用以及修改内容,操作系统需要处理的不只是模型推理效率,还包括权限边界、运行环境和执行结果的可追溯性。这一变化表明,AI PC的竞争正在从单纯配置NPU或GPU,扩展到操作系统能否安全地承载Agent。
MarketWatch
+1

来源: MarketWatch、ExplainX

08. 小鹏将Robotaxi业务命名为YOYO并开放公众登记,自动驾驶开始迈向服务运营

摘要: 小鹏汽车10月8日公布Robotaxi业务名称“小鹏YOYO”,并开放面向公众的线上登记,现阶段采用邀请码方式参与。与单纯展示自动驾驶技术不同,独立品牌和用户登记意味着企业开始为后续服务运营积累用户入口。不过,开放登记并不等于Robotaxi已经在所有地区全面商业运营,具体服务范围、车辆投放和收费方式仍需以正式信息为准。Robotaxi竞争正在从单车智能延伸到车队管理、运营调度、用户服务和安全体系,能否稳定运行并形成可持续的服务模式,将决定自动驾驶技术的商业价值。
Unite.AI

来源: Unite.AI

09. 豪威推出5MP全局快门HDR图像传感器,工业机器人视觉继续升级

摘要: 图像传感器厂商豪威集团(OMNIVISION)发布OG05D,面向工业机器视觉、机器人和紧凑型AI摄像头。该产品采用500万像素设计,结合2.2微米像素尺寸、全局快门与高动态范围成像能力,重点应对高速运动物体和明暗反差较大的场景。传统滚动快门在拍摄快速移动目标时可能产生几何变形,全局快门则有助于同步捕获整幅图像;HDR能力能够改善复杂光照下的细节保留。对于工业机器人而言,视觉输入的准确性直接影响定位、抓取和检测,传感器升级是机器视觉落地的重要基础。
eeNews Europe
+1

来源: EE News Europe、Business Wire

10. 日本开始探索AI卫星运营,轨道计算与地面控制软件持续融合

摘要: 卫星运营商、芯片企业和AI公司正在探索将更多智能处理能力引入航天基础设施。近期行业关注点包括利用AI辅助卫星轨道分析、任务规划和异常识别,以及在地面控制系统中整合历史遥测数据与专家经验。与普通生成式AI不同,卫星运营需要遵守严格的轨道力学约束,系统建议必须经过物理模型校验,并由操作人员确认。AI在这一领域的价值,不只是自动生成报告,而是帮助工程团队从大量遥测数据中更快识别异常、评估机动方案,逐步提高卫星运营效率。
Design News

来源: Design News

11. 全球算力资源开始共享,National Compute Grid瞄准闲置GPU

摘要: HPCwire于10月8日报道,National Compute Grid正式推出,目标是整合不同供应商尚未充分利用的AI计算资源。当前行业一边大规模建设数据中心,一边面临GPU采购昂贵、任务负载不均衡的问题,部分算力会在不同工作负载之间出现空闲。算力网格希望通过跨供应商的资源协调,提高已有GPU的利用率,而不是所有需求都依靠新建数据中心解决。真正的技术挑战包括任务调度、不同硬件兼容、数据安全和网络延迟。如果能够有效解决这些问题,算力市场可能从单纯租赁GPU,进一步发展为跨平台的计算资源调度服务。
HPCwire

来源: HPCwire

12. 英飞凌推出27kW三相电源方案,AI服务器供电设计继续升级

摘要: 半导体行业媒体Semiconductor Today的10月8日新闻档案显示,英飞凌推出27kW三相电源方案,面向新一代AI服务器电源架构。随着GPU和定制AI加速器的功耗持续提高,服务器电源系统不仅需要提供更大功率,还必须控制转换损耗、散热和供电稳定性。电源设计正在成为AI数据中心建设的重要工程环节:计算芯片性能再强,如果供电和散热无法跟上,也难以充分发挥能力。面向高功率机架的电源技术升级,说明AI基础设施的竞争正在延伸到电力电子和能源转换环节。
半导体今日

来源: Semiconductor Today

13. Navitas完成收购Claros,AI数据中心电源技术向整条供电链延伸

摘要: 功率半导体企业Navitas于10月7日完成对Claros的收购,进一步扩大其面向AI基础设施的电源技术布局。AI数据中心的功率需求不断上升,供电问题已从单个服务器电源扩展到机架、电源转换和数据中心整体配电。氮化镓等宽禁带半导体因具备高频、高效率等特点,正在被用于提升电源转换系统的性能。通过整合Claros,Navitas希望扩大从电网供电到计算处理器供电的产品覆盖范围。对产业链而言,这类交易反映出AI硬件投资正在带动功率器件和电源架构同步升级。
半导体今日

来源: Semiconductor Today

14. Renesas扩大低压氮化镓产品线,AI数据中心与机器人共用电源技术

摘要: 瑞萨电子10月6日宣布扩展低压氮化镓场效应晶体管产品组合,面向AI数据中心和机器人等应用。传统硅功率器件在部分高频、高效率场景中逐渐面临性能限制,氮化镓器件则有望帮助缩小电源系统体积并降低转换损耗。AI服务器需要在有限空间内处理更高功率,机器人则同时关注体积、重量、续航和热管理,两类产品对高效电源技术都有需求。值得关注的是,AI产业的扩张正在让功率半导体从相对幕后的位置走到更重要的供应链环节。
Renesas

来源: Renesas

15. Qorvo推出新一代C波段雷达前端,射频技术继续向高性能感知系统演进

摘要: 半导体行业媒体Semiconductor Today记录显示,Qorvo于10月7日发布面向C波段雷达的射频前端产品,采用基于体声波(BAW)的频率敏捷技术和氮化镓功率放大能力。雷达系统需要在复杂电磁环境下处理回波信号,并在功率、频率灵活性和系统尺寸之间取得平衡。射频前端直接影响信号发射、接收和处理链路的表现,因此器件升级能够为更紧凑的雷达设备提供支持。这类技术可服务于专业雷达和先进感知系统,也反映出射频、功率器件与信号处理技术仍在持续融合。
半导体今日

来源: Semiconductor Today

16. Schneider Electric与PTC交易引发关注,工业AI开始争夺产品全生命周期入口

摘要: DIGITIMES于10月7日报道,施耐德电气与工业软件企业PTC相关的约226亿美元收购交易,正在引发市场对工业软件竞争格局的关注。PTC的业务涉及计算机辅助设计、产品生命周期管理等工具,能够覆盖产品从设计、工程开发到维护的多个环节。随着AI进入工业软件,企业需要的不只是自动生成设计建议,还包括把产品数据、工程流程和制造系统连接起来。工业自动化厂商与工程软件企业之间的边界因此可能进一步模糊,未来竞争焦点将包括AI能力、工业数据以及产品生命周期中的工作流控制权。
DIGITIMES

来源: DIGITIMES

17. Rockwell整合工厂质量管理与视觉AI,工业AI开始连接检测和生产流程

摘要: 工业自动化企业Rockwell Automation于10月8日宣布,将Plex质量管理系统与FactoryTalk Analytics VisionAI通过API整合,进一步连接生产质量管理和视觉检测能力。传统机器视觉能够识别产品缺陷,但检测结果如何进入质量追踪、异常处理和生产决策流程,同样影响自动化的实际价值。通过系统连接,工厂有机会把视觉检测结果与生产记录、质量管理流程结合起来,减少信息孤岛。工业AI的下一步并不只是让摄像头“看得更准”,而是让识别结果能够触发可追溯的业务动作,帮助生产现场更快发现和处理问题。
DIGITIMES
+1

来源: DIGITIMES

18. Atlassian推出AMP多Agent协作系统,企业软件开始尝试让多个AI共同工作

摘要: ComputerWeekly于10月7日报道,Atlassian在欧洲客户活动中推出AMP多Agent系统,探索让多个AI Agent围绕团队任务协同工作。与单个Agent独立处理请求不同,多Agent模式可以把复杂任务拆分为不同环节,由不同智能体承担分析、执行和结果整理,再通过协作完成整体目标。但系统要真正进入企业,还需要解决任务分配、上下文共享、重复执行和权限控制等问题。对于项目管理软件而言,这意味着产品可能从记录任务和追踪进度,进一步转向协调人类员工与AI智能体共同完成工作。
Computer Weekly

来源: ComputerWeekly

19. Chef Robotics基于英伟达Isaac平台开发食品处理机器人,AI开始进入高变化生产环境

摘要: Unite.AI于10月7日报道,Chef Robotics正在使用英伟达Isaac机器人开发平台推进食品处理机器人应用。食品生产和配餐环节存在明显的自动化难点:食材形状、质地和摆放位置可能不断变化,机器人不能像传统流水线设备那样只执行完全固定的动作。AI视觉、运动规划和机器人仿真工具的结合,有望提高机器人处理不同食材和复杂操作的适应能力。食品行业是一个很实际的检验场景,因为机器人既要满足速度和卫生要求,也必须适应真实生产线的变化。

来源: Unite.AI

20. 机器人视觉传感器成为AI训练环节的一部分,产业竞争从硬件延伸到数据闭环

摘要: 自动化行业媒体A3在10月7日发布的报道中,将机器人摄像头正在进入AI训练闭环作为重点议题。传统工业摄像头主要负责采集图像并完成检测,而在具身智能系统中,视觉数据还可以用于分析机器人动作是否成功、定位执行失败的原因,并为后续模型训练提供反馈。机器人部署规模越大,现场采集的真实数据就越有可能帮助企业改进感知和操作策略。不过,数据能否转化为模型能力,还取决于标注质量、数据管理和训练流程。机器人企业的竞争因此开始从机械本体延伸到传感器、数据和模型迭代体系。
A3

来源: A3(Association for Advancing Automation)

GMO在东京开设大型人形机器人研发基地,日本开始补Physical AI产业链

摘要:: GMO互联网集团10月6日全面开放位于东京涩谷的GMO Humanoid Lab,整体面积约382坪,集成Unitree等人形机器人和研发设备,并由GMO集团、GMO AIR和GMO Various Robotics共同开展研究。除了机器人本体,GMO还在此前推出面向Physical AI的安全服务、现场数据回流和专用维修车辆,试图覆盖机器人部署之后的安全、模型迭代和维护环节。相比单纯销售机器人,这套布局更接近完整的机器人基础设施服务,日本企业正在尝试从“买机器人”走向“运营机器人”。 ([ヒューマノイドをすべての人へ|GMO AI&ロボティクス商事(AIR)][20])
来源:: GMO互联网集团、GMO AI & Robotics

日本卫星运营商开始用AI辅助“调轨”,AI正进入航天基础设施

摘要:: 日本SKY Perfect JSAT与东京大学松尾研究室孵化的AI公司EQUES完成卫星AI运营PoC,重点测试AI辅助地球同步轨道卫星的定轨和机动决策。系统利用历史运行数据和积累的专家经验,为操作人员提供相关信息,并根据物理规律预测卫星机动后的轨道变化、生成候选操作方案,但最终决策仍由人工完成。这种方式与普通生成式AI不同,系统必须同时满足物理约束、可靠性和可解释性。卫星数量增加后,AI可能成为地面运营体系的重要自动化工具。 ([スカパーJSAT][19])
来源:: SKY Perfect JSAT

Multiply Labs融资7500万美元,机器人开始进入最难自动化的药物生产

摘要:: 美国机器人公司Multiply Labs完成7500万美元B轮融资,累计融资超过1亿美元,主要用于扩大复杂药物生产自动化。其机器人系统面向基因疗法、mRNA等生产流程,这些制造过程目前仍大量依赖人工操作,成本高、速度慢,而且容易受到人为误差影响。公司正在尝试通过机械臂、耗材系统和自动化生产单元,把原本高度人工化的药物制造变成可重复的机器人流程。与仓储机器人相比,这类场景对精度、洁净度和流程可靠性的要求更高,也是Physical AI商业化更有价值但难度更大的方向。 ([Business Insider][18])
来源:: Business Insider

Tulip把AI Agent搬进工厂,工业软件开始直接连接机器和人

摘要:: 工业软件公司Tulip在Operations Calling 2026推出多项AI能力,包括Frontline Agent、工业连接、Factory Playback以及新的验证工具。其目标不是让企业员工单独使用聊天机器人,而是让Agent直接面对生产线上的机器数据、视觉数据和操作员数据,在统一治理框架下执行任务。一个值得注意的变化是,AI的“推理过程”和人的最终决策可以被记录下来,从而形成可追溯的生产数据。AI进入工厂之后,真正的价值正在从自动生成文本转向参与生产流程本身。 ([Tulip][17])
来源:: Tulip

SiMa.ai与Wobot.ai合作,边缘AI开始从“看见”走向“理解并给建议”

摘要:: SiMa.ai与Wobot.ai合作,将后者基于推理能力的视频分析系统部署到SiMa.ai的Physical AI平台,包括Modalix PCIe卡和System-on-Module。传统机器视觉往往只能识别“有人”“有车”或“发生某个动作”,而新一代视频Agent希望进一步理解事件背景,并给出与生产效率、安全和运营指标相关的判断。把这类模型放到本地边缘设备,还可以减少视频上传云端带来的延迟、成本和隐私问题。AI视觉正在从识别工具向现场决策系统演变。 ([SiMa AI][16])
来源:: SiMa.ai

Doosan拿下两项Physical AI项目,韩国开始把机器人从设备变成AI平台

摘要:: 韩国Doosan Robotics获得两项政府支持的Physical AI研发项目,总研发预算约989亿韩元,接近7400万美元。项目重点并非传统工业机器人重复执行固定动作,而是让机器人具备更强的环境理解、任务判断和自主操作能力。韩国正在把Physical AI视为下一代制造业基础技术,并通过机器人企业、AI企业和制造企业协同推进。对于Doosan而言,这也意味着业务重点正在从传统协作机器人进一步向AI驱动的智能制造系统扩展。机器人产业的竞争焦点正在由机械本体逐渐转向“本体+模型+数据+工业场景”。 ([AI Insider][15])
来源:: The AI Insider、Korea Herald

Boston Dynamics换上AI背景CEO,Atlas之后真正的竞争转向Physical AI

摘要:: Boston Dynamics宣布任命曾负责Amazon Alexa和AGI业务的Rohit Prasad为新CEO,自10月7日起生效。Prasad长期从事语音AI、生成式AI、多模态AI和AGI研发及产品化,此次从Amazon转向机器人领域,释放出明显信号:Boston Dynamics希望进一步把自身的运动控制能力与基础模型、感知和推理能力结合起来。过去Atlas最令人印象深刻的是机械运动能力,而下一阶段的关键将是机器人能否理解环境、自主规划并执行复杂任务。 ([Boston Dynamics][14])
来源:: Boston Dynamics、SBS

Teradyne推出Titan HP,AI芯片测试开始跟着算力密度升级

摘要:: 半导体测试设备厂商Teradyne发布Titan HP平台,为新一代AI数据中心芯片增加Burn-In能力。随着GPU、AI ASIC和高带宽存储的功耗、带宽和封装复杂度不断提升,芯片在量产前需要面对更加严格的高温、高负载和长期稳定性测试。Teradyne此次升级实际上对应了AI芯片产业的一个隐藏瓶颈:算力芯片越复杂,制造完成后的测试成本和测试时间就越高。AI基础设施扩张不仅拉动GPU和HBM,也在同步拉动测试设备、封装验证等“幕后产业”。 ([Teradyne][13])
来源:: Teradyne

日本Rapidus拉出17家伙伴,2nm芯片竞争开始从晶圆厂转向生态

摘要:: 日本政府重点扶持的Rapidus宣布建立新的CORE芯片设计生态,与Synopsys、Infosys等17家公司合作,为潜在客户提供芯片设计和制造支持。Rapidus计划在2027财年下半年启动2nm量产,但真正的商业难题并不是建厂,而是能否吸引足够客户使用这座晶圆厂。相比台积电、三星已经形成成熟客户生态,Rapidus需要从设计工具、IP、封装到制造服务重新搭建完整链条。此次CORE计划,本质上是在补齐先进制程晶圆厂之外的“客户入口”。 ([Reuters][12])
来源:: Reuters、MLex

Google再锁定3590MW核电,AI数据中心的竞争开始进入能源层

摘要:: Google与Constellation Energy达成长期核电合作,将获得总计约3590MW的核电能力,其中包括伊利诺伊州现有核电站新增的890MW,以及另一份15年期、规模2700MW的协议。Google此次动作的核心并不是传统意义上的能源采购,而是为AI数据中心提前锁定稳定、连续的基础电力。随着GPU集群功耗快速增长,美国部分地区已经出现电网接入成为数据中心建设瓶颈的情况。AI基础设施竞争正在从“谁拥有更多GPU”进一步变成“谁能同时获得芯片、机房和电力”。 ([MarketWatch][11])
来源:: MarketWatch、Google Cloud