归档： 快讯

摘要：： 日本电力公司JERA与Dell Technologies、RHAELM达成合作，计划在千叶火力发电站附近建设最高40万千瓦规模的AI数据中心，预计2028年开始分阶段运营。项目总投资预计超过150亿美元，并计划把发电、电力基础设施、冷却系统和AI计算平台进行标准化整合。JERA希望利用既有发电能力直接向AI数据中心供电，从而减少传统数据中心等待电网接入的时间。这意味着AI基础设施竞争正在从GPU和服务器进一步向电力、土地、冷却和数据中心建设能力延伸。
来源：： JERA、Reuters ([杰拉][14])

摘要：： AWS开放Well-Architected Agent预览版，将AI Agent直接用于云基础设施优化。它能够分析AWS环境，从成本、安全、性能和可靠性等维度给出针对具体业务的建议，同时读取Terraform、CloudFormation和CDK等基础设施代码，并在适用场景下生成可以直接执行的SSM Runbook和CLI脚本。相比传统云架构审计工具定期给报告，这类Agent强调持续分析、自动发现问题和生成修复方案。云计算厂商正在把AI从聊天助手逐步推进到真正能够参与基础设施管理的执行层。
来源：： AWS ([Amazon Web Services, Inc.][13])

摘要：： MIT研究人员开发了一种由活体肌肉细胞驱动的超薄水下机器人，整体尺寸接近口香糖大小，主体由凝胶薄膜构成，两侧覆盖经过基因改造的肌肉细胞。当研究人员用蓝光照射不同区域时，肌肉会收缩并推动机器人前进，机器人能够在培养皿中的水下环境完成路径运动。相比传统电机和电池，这种生物混合结构在微型化方面具有潜力。虽然目前仍属于实验室阶段，但它展示了机器人硬件与生物组织融合的另一条技术路线。
来源：： MIT News ([麻省理工学院新闻][12])

摘要：： 美国机器人公司Dyna Robotics展示Taku机器人完成从洗衣机取出衣物、整理并放到货架上的完整流程，演示持续约一小时，机器人通过轮式底盘和双机械臂完成多个连续动作。与过去机器人只展示抓取、搬运等单点能力相比，Taku更强调从一个工作站跨越多个环节完成完整任务。对于酒店、洗衣房等劳动密集型场景，这种“工作流自动化”比单项技能更接近真实商业需求。人形或半人形机器人下一阶段的竞争，也可能从动作数量转向每小时到底能替代多少人工。
来源：： The Rundown AI、Dyna Robotics ([The Rundown AI][11])

摘要：： DoorDash公布自研无人机配送系统DoorDash Air，并计划在美国北加州启动试点，与Chipotle、Popeyes等餐饮品牌合作。与传统无人机企业先造飞机、再寻找配送场景不同，DoorDash的研发顺序反过来：先解决餐厅厨房取货、包装、装载、无人机接驳以及消费者收货等环节，再围绕实际订单需求设计飞机。公司认为约80%的典型餐饮订单符合无人机配送的重量和尺寸条件。无人配送正在从单纯的飞行器竞争，转向完整物流基础设施竞争。
来源：： DoorDash、Axios ([DoorDash][10])

摘要：： 视频生成公司Runway公布Praxis-1，这是其首个开放权重的World Action Model，目标并不是生成视频，而是利用此前大规模视频训练形成的世界理解能力，直接学习机器人如何在真实环境中执行任务。Runway表示，机器人训练最大的瓶颈之一是真实世界数据昂贵且稀缺，而视频数据几乎无限，因此希望通过视频和世界模型为机器人提供更大规模的训练数据。公司还称其仿真机器人策略与真实世界结果具有较高相关性，这条路线值得关注，因为它可能降低机器人获取训练数据的成本。
来源：： Runway Research ([Vuink.com][9])

摘要：： 蚂蚁旗下机器人公司Robbyant发布LingBot-VA 2.0，重点解决视觉语言动作模型在真实机器人控制中响应速度不足的问题。该模型采用混合专家架构和因果预训练，在单GPU条件下实现最高150Hz闭环控制，并可以通过约20次视觉示范快速适应新的机器人任务。传统VLA模型虽然能够理解图像、语言和动作，但推理频率往往限制机器人运动的流畅度。LingBot-VA 2.0把重点放在低延迟控制上，意味着机器人基础模型正在从“理解任务”向“实时操控”推进。
来源：： The Robot Beat ([Beta Briefing][8])

摘要：： Agility Robotics与FORT Robotics达成合作，为下一代Digit 5开发新的机外安全接口。双方过去已经围绕机器人安全系统合作，此次进一步形成由安全控制器、机器人内部通信以及机器人外部接口组成的三层安全架构，使Digit不仅依赖自身传感器判断风险，还能够与工厂现有安全设施进行联动。这个变化非常关键：当人形机器人真正进入工厂后，安全问题就不再只是机器人本身的算法问题，而会涉及产线、人员、区域控制和整个工业安全体系。
来源：： Agility Robotics、FORT Robotics ([Agility Robotics][7])

摘要：： Boston Dynamics公布Atlas新一代机器人手部结构，由此前三指七自由度升级为四指13自由度，官方展示中Atlas能够拿起钻头、装入电钻、拧紧螺母，并完成高精度物体操作。新手不仅增加自由度，还加入更丰富的触觉感知能力，目标明显指向工业装配和工具操作。相比早期人形机器人主要展示行走、跑跳等运动能力，这次升级把竞争焦点进一步推向“手”的灵巧性。未来机器人能否进入真实生产线，很大程度取决于这种末端执行能力。
来源：： Seoul Economic Daily、Boston Dynamics ([Seoul Economic Daily][6])

摘要：： 韩国半导体设计公司SEMIFIVE与Mobilint签署机器人AI芯片开发合同，项目属于韩国“K-On-Device AI Semiconductor”计划，目标是为农业机械等户外机器人提供本地AI计算能力。芯片计划集成LPDDR6、PCIe Gen6和UCIe-S，并由SEMIFIVE负责从详细设计、封装、测试到量产导入。相比依赖云端或外部服务器，这种架构更强调机器人本地完成视觉、传感器和决策处理。机器人芯片由通用SoC向专用ASIC、Chiplet和高带宽内存融合发展的趋势正在加速。
来源：： IN Electronics & Design ([IN Electronics & Design][5])

摘要：： OpenAI与EDA巨头Synopsys宣布建立多年战略合作，共同开发面向半导体设计的专业模型GPT-Synopsys。与普通AI辅助编程不同，该模型将直接与Synopsys EDA工具结合，理解工具输出并持续进行设计优化，目标覆盖功耗、性能、面积、时序收敛和验证等芯片工程流程。过去AI更多承担“给工程师建议”的角色，而这一合作开始尝试让AI直接操作专业设计工具、执行复杂工程任务。如果落地，芯片设计可能成为Agent最早深入工业软件核心流程的领域之一。
来源：： HPCwire ([HPCwire][4])

摘要：： 美国芯片创业公司Volantis完成8800万美元A轮融资，核心目标不是再造一颗更大的GPU，而是解决AI芯片内部越来越突出的“内存墙”。公司计划利用VCSEL垂直腔面发射激光，把计算芯片与大量内存之间的数据传输从传统电连接转向光连接，并宣称未来单颗GPU周围最多可连接220颗内存芯片。公司希望2027年推出首批产品。随着AI模型规模持续扩大，计算能力本身已经不再是唯一瓶颈，内存带宽、互连和封装正在成为新的技术战场。
来源：： Reuters ([Reuters][3])

摘要：： 英伟达正式推出64GB版本DGX Spark，售价4999美元，10月23日上市，并将通过宏碁、戴尔、华硕、技嘉、微星、H3C等OEM厂商推出相关产品。新机继续采用GB10 Grace Blackwell超级芯片和统一内存架构，64GB内存中约56GB可供模型权重和KV Cache使用，可运行Gemma 4、Qwen等中大型模型。值得注意的是，原128GB版本价格同步上涨至6950美元，反映出当前AI设备市场一个现实变化：内存已经成为影响本地AI产品定价的重要变量。
来源：： NVIDIA、IT之家、Tom's Hardware ([IT之家][2])

摘要：： 马斯克10月2日透露，为了给Optimus人形机器人量产预留足够的内存资源，特斯拉将削减下一代AI5、AI6芯片的内存配置：AI5从原计划144GB降至72GB LPDDR5，AI6从216GB降至144GB LPDDR6。马斯克认为内存带宽而不是容量更可能成为性能瓶颈，因此对机器人实际性能影响有限。这件事背后的产业信号更值得关注：人形机器人正在成为DRAM、NAND等存储产业的新需求方，并开始与AI服务器争夺有限的内存产能。
来源：： IT之家、马斯克 ([IT之家][1])

摘要：： Amazon本周同时推进多平台订单管理和AI Seller Assistant，两项动作指向同一个变化：平台不再只争夺消费者和交易，也开始争夺商家的经营工作流。未来电商平台的竞争可能从“谁拥有消费者”延伸到“谁掌握商家的经营系统”。
来源：： PYMNTS ([PYMNTS.com][5])

摘要：： 数贸会上，多家直播电商企业展示AI选品、脚本生成、合规审核和数据分析能力。交个朋友展示的AI零售平台可以辅助完成消费趋势分析、价格判断和选品工作。直播电商的竞争正在从主播和流量进一步延伸到数据、AI和供应链效率。
来源：： 新浪财经 ([新浪财经][9])