

> **导语**
> 在全球算力竞赛白热化的背景下，中国本土AI芯片领域再添猛将。成立仅一年的曦望（Sunrise）凭借精准的战略定位，成功斩获30亿元巨额融资，其“避实击虚”锁定推理市场的策略，为国产GPU突围提供了一条新思路。

## 资本豪华天团的重注

在AI算力自主可控的国家战略驱动下，国产GPU初创企业曦望（Sunrise）宣布完成近30亿元人民币融资，一举创下国内AI芯片早期融资规模的新纪录。这份投资名单堪称豪华，集齐了产业资本、头部VC与国家级基金三大势力。

投资方阵容显示出市场对其的高度共识：产业端有三一集团旗下华胥基金、港股上市公司范式智能以及杭州数据集团，确保了落地场景与数据支持；市场化资本则引入了IDG资本、高榕创投等顶级机构；更关键的是，诚通混改基金等国家级资本的入局，直接为曦望的技术路径与战略地位背书。

![Google_AI_Studio_2026-01-23T02_51_47.683Z.png](https://static.downly.cn/images/8c6b26e6b2a27b02370e3955e0b7d990.png) <center>图源备注：图片由AI生成</center>

## 避开锋芒 锁定推理芯片黄金赛道

曦望之所以能迅速崛起，关键在于其务实的战略选择：不与巨头在“训练芯片”红海中硬碰硬，而是聚焦于**AI推理专用GPU**。

随着大模型从“训练热”转向“应用热”，企业对高性价比、低功耗的推理算力需求激增。曦望的GPU架构专为Transformer类模型优化，瞄准了数据中心、边缘服务器及行业AI终端市场。这种“推理优先”的策略，在训练芯片仍被国际巨头垄断的当下，反而切中了国产替代意愿最强、应用场景最丰富的“黄金赛道”。

## 三十亿弹药的主攻方向

据悉，本轮融得的30亿元资金将主要用于三大战略方向。首先是下一代推理GPU芯片的研发，重点提升FP8/INT4等低精度计算效率；其次是构建规模化量产能力，打通从设计到封测的完整供应链；最后是软件生态的共建，包括驱动、编译器及与PyTorch等主流框架的深度适配。

曦望的快速融资标志着中国AI基础设施正从“可用”迈向“好用”的新阶段。在这场关乎算力主权的竞赛中，曦望已手握充足弹药，准备在推理市场发起全力冲刺。

![Google_AI_Studio_2026-01-23T02_52_00.728Z.png](https://static.downly.cn/images/ce6e87206328d0c706d8180a558c7b3f.png) <center>图源备注：图片由AI生成</center>

国产芯片独角兽崛起：曦望获30亿元融资押注AI推理赛道



> 中国AI芯片领域迎来里程碑时刻，摩尔线程MTT S5000显卡成功适配千亿参数大模型DeepSeek V3。这一突破证明了国产硬件在FP8低精度推理技术上的成熟，标志着本土算力生态正从单纯的“可用”迈向商业化“高效”的新阶段。

## 性能实测 数据背后的硬实力

在摩尔线程与硅基流动的联合攻关下，国产GPU MTT S5000在面对DeepSeek V3 671B这一“巨无霸”模型时，交出了一份令人惊喜的答卷。实测数据显示，单卡预填充（Prefill）吞吐量突破4000 tokens/秒，解码（Decode）吞吐量超过1000 tokens/秒。

这一成绩的含金量在于，DeepSeek V3 671B是目前国内开源模型中参数规模最大、推理负载极高的代表。此前，这类任务几乎是英伟达A100或H100等高端显卡的专属领地。此次国产方案的成功跑通，且性能逼近国际主流水平，直接验证了国产硬件在处理超大参数模型时的真实战力。

![Google_AI_Studio_2026-01-22T03_07_45.201Z.png](https://static.downly.cn/images/b44441e21db2e46c2515e3ebb4e6f73d.png) <center>图源备注：图片由AI生成</center>

## 技术解码 FP8低精度的深度优化

此次性能飞跃的核心引擎，在于对FP8（8位浮点）低精度推理技术的深度挖掘。在AI推理场景中，FP8技术能够在极微小地牺牲精度的前提下，大幅提升计算吞吐量，同时显著降低显存占用与功耗。

摩尔线程团队完成了从底层驱动、算子库到推理引擎的全栈调优。这种软硬结合的优化策略，使得MTT S5000能够充分释放硬件加速潜力，有效应对大模型应用中常见的高并发、低延迟挑战。这不仅是一次硬件的胜利，更是国产基础软件栈成熟度的体现。

## 破局意义 供应链安全的备用解

对于金融、政务、能源等对数据安全和供应链稳定性有极高要求的关键行业而言，这一成果提供了一个切实可行的替代方案。它意味着高性能大模型的部署不再被强制绑定在海外高端芯片之上。

尽管在绝对峰值性能和软件生态的丰富度上，国产GPU与国际顶尖产品仍存在客观差距，但在特定高价值场景下，国产方案已具备了“好用”的竞争力。随着这种软硬件协同优化的持续深入，中国AI基础设施的自主可控能力正在加速成型。

![Google_AI_Studio_2026-01-22T03_08_02.709Z.png](https://static.downly.cn/images/4493c48a905cd24f67e66618c5a30bda.png) <center>图源备注：图片由AI生成</center>

国产算力突围 摩尔线程与DeepSeek跑通全栈推理



> OpenAI 发布全新需求建议书，宣布将投资重点转向数据中心输入设备、消费电子及机器人技术三大领域，正式开启从云端算法向实体制造延伸的供应链本土化进程。

## 锁定三大硬件领域 重构供应生态

OpenAI 正式披露了一项极具野心的战略计划，旨在未来几年内深度重塑其在美国本土的供应链体系。作为该计划的核心行动，公司发布了一份面向全美企业的需求建议书（RFP），将关注点精准锁定在三个关键硬件领域 数据中心输入设备、消费电子产品以及机器人技术。

这份公告清晰地传达了 OpenAI 的战略意图——构建一个安全、强韧且端到端可控的本土供应链。在数据中心层面，公司急需高性能、低延迟的本地化设备以支撑日益庞大的算力需求；在消费电子端，OpenAI 正寻找能够完美承载其 AI 能力的硬件载体；而在机器人领域，RFP 的发布更是释放了明确信号，表明公司正为具身智能（Embodied AI）的规模化量产储备制造能力。

![Google_AI_Studio_2026-01-17T03_08_48.925Z.png](https://static.downly.cn/images/461d9b8b8e7a71a971285181ce590f98.png) <center>图源备注：图片由AI生成</center>

## 从软件巨头向硬科技延伸

此次供应链本土化行动，标志着 OpenAI 正在跨越单一的软件研发边界，向更完整的硬科技生态演进。CEO 萨姆·阿尔特曼此前多次强调“AI 需要实体载体”，并个人投资了多家硬件与神经接口公司。如今，这一理念正式转化为公司的集团战略。

通过推动关键组件在美国本土的设计与制造，OpenAI 不仅是在响应政府的技术回流政策，更是在为下一代产品形态铺路。当 AI 不再仅仅是屏幕上的代码，而是嵌入到芯片、传感器与机械臂中时，掌握硬件制造的自主权将成为科技巨头构筑护城河的关键。OpenAI 的这份 RFP，或许正是美国 AI 制造业复兴的重要序章。

OpenAI发布供应链本土化战略 剑指机器人与消费电子制造



> OpenAI 发布全新需求建议书，明确将建立安全韧性的本土供应链，重点覆盖数据中心、消费电子及机器人技术三大领域，标志着其战略重心从纯软件研发向硬软一体化的产业生态迈进。

## 战略转向 构筑实体护城河
OpenAI 正式宣布一项具有里程碑意义的战略举措：未来几年将持续强化美国人工智能供应链，并大幅提升本土制造业能力的投资权重。作为该计划的实质性落地，公司同步发布了一份面向全美企业的需求建议书（RFP）。这份文件不仅是简单的采购清单，更是一份产业宣言，明确将重心锁定在数据中心输入设备、消费电子产品以及机器人技术三大核心领域。

此举标志着 OpenAI 正在打破单一的模型研发边界，向更完整的 AI 产业生态延伸。公告明确指出，构建一个安全、可靠且具有韧性的本土供应链，已成为支撑其长期技术迭代和产品落地的物理基石。通过推动关键组件在美国本土的设计与制造，OpenAI 旨在降低对外部供应链的依赖，同时积极响应关键技术“回流本土”的宏观政策导向。

![Google_AI_Studio_2026-01-16T03_30_53.889Z.png](https://static.downly.cn/images/010125398254f8e4c7972ef75273b63f.png)
 <center>图源备注：图片由AI生成</center>

## 三大核心 锁定端到端可控性
此次 RFP 的核心逻辑在于“端到端可控性”，具体布局呈现出清晰的层次感
*   **数据中心层面** 寻求高性能、低延迟的本地化输入设备供应商。这一举措旨在从物理底层优化其超大规模 AI 训练与推理的基础设施，确保算力供给的稳定性。
*   **消费电子方向** 重点关注能够深度集成 AI 能力的硬件载体。这暗示了 OpenAI 对下一代智能终端或新型交互设备的野心，意在打造软硬结合的流量入口。
*   **机器人领域** 释放出最为明确的信号——为具身智能（Embodied AI）铺路。公司亟需具备精密制造与系统集成能力的本土合作伙伴，为未来智能体从屏幕走向物理世界做好量产准备。

尽管具体的投资金额与合作名单尚未披露，但这表明全球 AI 竞赛正从算法层的“软较量”向制造与供应链的“硬实力”演进。继芯片争夺战与云服务圈地之后，硬件制造能力正在成为科技巨头构筑竞争壁垒的新战场。

## 具身智能 萨姆·阿尔特曼的终极拼图
值得注意的是，OpenAI CEO 萨姆·阿尔特曼近年多次公开强调“AI 需要实体载体”，其个人投资版图也早已覆盖多家硬件与神经接口公司。此次推动供应链本土化，不仅是出于效率与安全的考量，更被视为其布局下一代 AI 产品的关键前置步骤。

当 AI 不再仅仅是服务器运行的代码与数据，而是嵌入芯片、屏幕与机械臂之中的灵魂，OpenAI 的这份 RFP，或许正是美国 AI 制造业复兴的序章，也是智能体走向物理世界的冲锋号。

OpenAI重注美国本土制造 供应链布局延伸至消费电子与机器人



> 字节跳动正加速构建以“豆包”大模型为核心的硬件生态。新一代 AI 耳机确定由歌尔股份代工，搭载高通芯片的 AI 眼镜已进入试产阶段，加之手机助手的端侧落地，一个覆盖听觉、视觉与移动终端的“设备级 AI 代理”网络已初见雏形。

## 穿戴设备的隐秘行军

尽管外界对于字节跳动造硬件的猜测从未停歇，但近期供应链传来的确切消息显示，这家互联网巨头已进入实质性落子阶段。新一代豆包 AI 耳机已锁定由声学巨头歌尔股份代工，项目团队正全力推进量产。虽然官方对上市时间保持缄默，表现出对产品成熟度的极度克制，但制造端的动作已无法掩盖其野心。

与此同时，豆包 AI 眼镜的路线图更为清晰。第一代产品计划量产约 10 万台，这一“小步快跑”的策略旨在向极客与开发者群体收集真实反馈。值得关注的是芯片选型的变化：供应链确认该眼镜将采用高通 AR1 专用芯片，而非此前传闻的恒玄方案。这一升级暗示了字节跳动在保证佩戴轻便性的同时，对端侧 AI 算力有着极高的要求。

![Google_AI_Studio_2026-01-15T02_56_44.285Z.png](https://static.downly.cn/images/2cb02d7a79dfbfae4446953424b3f885.png) <center>图源备注：图片由AI生成</center>

## 手机端的“特洛伊木马”

在穿戴设备之外，字节跳动在存量最大的手机市场也撕开了一道口子。“豆包手机助手技术预览版”成功集成至努比亚 M153 工程样机，首批设备的秒罄证明了市场对“原生 AI 手机”的渴望。

这款助手并非简单的聊天机器人，它实现了本地化的语义理解与跨应用的任务调度。这种“设备级 AI 代理”能力，正是大模型落地的终极形态——让 AI 接管繁琐的操作流。

## 下一代交互的长期主义

从耳机（听觉入口）、眼镜（视觉入口）到手机助手（综合入口），字节跳动的硬件逻辑并非单纯卖设备，而是为豆包大模型寻找物理世界的接触点。虽然目前尚未大规模商用，但其在供应链整合、高算力芯片选型以及早期用户测试上的密集动作，清晰地传递出一个信号：字节跳动不急于一时的销量，而是在为下一代人机交互时代，做一场深谋远虑的长期基础设施建设。

字节跳动硬件突围：从耳机到眼镜的 AI 全场景布局



> 随着生成式AI竞争重心从算法转向算力，Meta正式启动“Meta Compute”基建计划，将在未来十年内部署吉瓦级专用能源与算力设施，旨在构建端到端自主可控的基础设施生态。

## 从算法竞赛到能源军备赛

在生成式AI竞赛已从算法比拼转向算力军备的今天，Meta正以空前力度押注基础设施。继去年承诺“AI基础设施将成为核心竞争优势”后，公司于近日正式启动名为“Meta Compute”的全球性AI基建计划。CEO马克·扎克伯格在Threads上宣布，Meta将在本十年内建设数十吉瓦（GW）的专用能源与算力设施，并着眼长远布局数百吉瓦甚至更高规模的基础设施体系。

作为参照，1吉瓦电力足以支撑约75万户美国家庭用电。而据行业预测，美国AI数据中心总功耗将从当前约5吉瓦飙升至2030年代的50吉瓦。Meta此举意味着其将直接参与这场史无前例的能源与算力争夺战，把电力、芯片、数据中心和网络架构全部纳入战略版图。

![Google_AI_Studio_2026-01-13T02_37_10.279Z.png](https://static.downly.cn/images/14ccfbd862bbfcfcfea23419b4d54ce4.png)
 <center>图源备注：图片由AI生成</center>

## 铁三角掌舵 确保宏大工程落地

为确保这一宏大工程落地，扎克伯格亲自任命三位核心高管组成“铁三角”

*   **技术统筹** Santosh Janardhan（Meta全球基础设施负责人）将主导技术架构、自研芯片（硅计划）、软件栈及全球数据中心与网络的建设与运营。
*   **战略规划** Daniel Gross（前Safe Superintelligence联合创始人，2024年加入Meta）负责长期产能战略、供应链合作、行业分析与商业建模。
*   **政策协同** Dina Powell McCormick（前政府高官，现任Meta总裁兼副董事长）则专责与各国政府协调，推动基础设施的政策支持、投资与融资。

## 构建自主可控的算力主权

这一布局清晰表明，Meta不再满足于租用云服务或依赖外部供应商，而是要构建端到端自主可控的AI基础设施生态。此举也呼应了行业趋势 微软正密集绑定AI基建伙伴，谷歌母公司Alphabet则于2025年12月收购数据中心公司Intersect，科技巨头纷纷将“算力主权”视为未来十年竞争的命脉。

随着Meta Compute计划的启动，AI竞赛的战场已从实验室延伸至电厂、芯片厂和政府谈判桌。谁掌控了能源与算力的底层命脉，谁就可能定义下一代AI的形态与边界。

![Google_AI_Studio_2026-01-13T02_37_12.626Z.png](https://static.downly.cn/images/9057131ad3e03da69d7dbf2e7ec2ba29.png)
 <center>图源备注：图片由AI生成</center>

Meta启动全球算力基建计划 扎克伯格押注能源与芯片自主权



> **导语**
> xAI 最新财务数据显示，尽管季度营收翻倍，但净亏损扩大至 14.6 亿美元，前九个月现金支出累计达 78 亿美元。面对巨额亏损，马斯克不仅回击舆论质疑，更通过 200 亿美元的超额融资，全力加速 AI 代理与人形机器人的技术布局。

## 营收翻倍难掩亏损黑洞

根据最新披露的内部文件，埃隆·马斯克旗下的 xAI 正处于极速扩张带来的财务阵痛期。截至 2025 年 9 月 30 日的第三季度，公司净亏损达到 14.6 亿美元，较上一季度的 10 亿美元有显著扩大的趋势。虽然季度营收环比翻倍至 1.07 亿美元，显示出商业化落地的初步成效，但这在巨额的研发与基建投入面前仍显得杯水车薪。

2025 年前九个月，xAI 的现金支出总计高达 78 亿美元。这一数据不仅包含了顶尖 AI 人才的高昂薪酬，更主要源于对高性能计算硬件的无底洞式投入。对于外界关于财务状况的担忧，xAI 官方维持了一贯的强硬态度，简单回应称“传统媒体在撒谎”，试图平息市场杂音。

![Google_AI_Studio_2026-01-10T03_50_42.655Z.png](https://static.downly.cn/images/29be1af1c323640b34cc6acf2422492e.png)
 <center>图源备注：图片由AI生成</center>

## 融资输血支撑宏大愿景

尽管全年亏损额远超最初预期的 22 亿美元 EBITDA，资本市场对 xAI 的未来依然买单。公司近期的 E 轮融资最终超额筹集了 200 亿美元，远超原定 150 亿美元的目标。英伟达、思科等科技巨头的战略入股，不仅带来了资金，更在供应链层面为 xAI 提供了关键支持。

有了这笔巨额弹药，xAI 确立了更为激进的战略重心：快速构建 AI 代理（AI Agents）及配套软件生态。其终极蓝图是将这些智能体技术作为底层大脑，植入特斯拉的 Optimus 人形机器人中，实现从虚拟世界到物理世界的跨越。

## 舆论争议与战略定力

在 AI 军备竞赛的下半场，烧钱换增长已成为头部玩家的共识。xAI 的巨额亏损在某种程度上是其追赶 OpenAI 等先行者的必要代价。通过算力堆叠和数据中心的快速部署，xAI 正在用资本换取时间。

对于马斯克而言，短期的财务赤字似乎并不是首要考量。他在赌一个未来——当通用人工智能（AGI）与具身智能真正爆发时，如今投入的每一美元都将转化为不可逾越的技术壁垒。

季度亏损扩大至14亿美元 xAI高投入押注AI代理赛道



 > 微软通过收购AI数据工程平台Osmos，精准切入“脏数据”治理痛点，意在打通从原始数据到智能应用的高速公路。此举标志着AI竞争已从模型层下沉至数据基建层，对Snowflake等独立数据云厂商构成了直接的战略挤压。

## 解决AI落地的最大绊脚石

在“模型为王”的喧嚣逐渐退去后，企业界痛切地发现，高质量数据才是制约AI落地的最大瓶颈。微软宣布收购初创公司Osmos，正是为了解决这一痛点。Osmos专长于利用生成式AI自动化处理异构数据源，将原本需要数周的人工数据清洗周期压缩至数小时。

企业数据往往也是“脏数据”的重灾区——格式混乱、字段缺失、语义不一致。Osmos通过智能模式识别，能够自动完成跨系统数据摄取、异常值检测及缺失值修复。这种“AI治理AI燃料”的模式，为微软的企业级客户提供了一条清洁、可靠的数据供应链。

![Google_AI_Studio_2026-01-06T03_21_43.715Z.png](https://static.downly.cn/images/d8fd14567c23e3050b52cd73faa8bc97.png)
<center>图源备注：图片由AI生成</center>

## 全家桶协同与基础设施野心

收购完成后，Osmos的技术将被深度整合进微软的“数据三驾马车”：Microsoft Fabric、Azure Data Factory和Power Platform。
*   **Fabric** 将获得更强的智能数据治理能力；
*   **Azure Data Factory** 将实现ETL流程的AI自动化；
*   **Power Platform** 则能让业务人员通过自然语言直接构建数据流。

这一整合策略清晰地表明了微软的意图：构建一个从Office 365到Dynamics，再到Azure后端的无缝数据闭环。对于金融、制造、医疗等强监管行业而言，这种端到端的合规与效率极具吸引力。

## 独立数据平台的至暗时刻？

分析人士认为，微软此举是对Snowflake、Databricks等独立数据平台的一次精准打击。虽然这些独立厂商在分析层占据优势，但在“AI原生数据工程”的自动化能力上，微软正试图通过收购建立不对称优势。

随着大模型性能差距的收敛，谁掌握了高质量、可复用的数据资产，谁就掌握了主动权。微软试图用“AI+云+生产力工具”的铁三角，筑起一道难以逾越的护城河。这场关于数据基建的战争，才刚刚拉开序幕。

![Google_AI_Studio_2026-01-06T03_21_47.286Z.png](https://static.downly.cn/images/93bfb6541f0d76c924b245b63302cae7.png)
<center>图源备注：图片由AI生成</center>

搜索结果: 供应链