

> 顶级开源推理引擎 vLLM 的创始团队正式走向商业化，成立新公司 Inferact 并斩获 1.5 亿美元融资。在红杉、A16Z 等顶级风投的加持下，他们意图重构 AI 基础设施，解决大模型商业化面临的算力成本与效率瓶颈。

## 资本狂热背后的技术野心

当全球目光聚焦于万亿参数大模型时，一场关于底层算力效率的变革已悄然启动。Inferact 在种子轮即获得 1.5 亿美元融资，估值飙升至 8 亿美元。这份豪华的投资人名单涵盖了 Andreessen Horowitz、光速创投、红杉资本等硅谷顶级机构，足以证明市场对“推理侧”技术突破的极度渴求。

Inferact 的核心班底源自开源界备受推崇的 vLLM 项目。该引擎凭借支撑 500 多种模型架构、适配 200 多种硬件加速器的强悍兼容性，早已成为 AI 推理领域的基石。

![Google_AI_Studio_2026-01-24T04_42_07.946Z.png](https://static.downly.cn/images/94bf97ead902f7f9521c627c3b5457be.png) <center>图源备注：图片由AI生成</center>

## 从模型训练到极致推理的战场转移

如果说模型训练是军备竞赛的上半场，那么推理（Inference）就是决定商业生死的下半场。随着 AI 应用的普及，推理阶段的算力消耗呈指数级增长，昂贵的成本成为了制约大规模应用落地的最大阻碍。

Inferact 的战略目标非常明确 将 vLLM 推向世界领先地位，通过极致的优化打破成本枷锁。这标志着 AI 基础设施的竞争重心，已从单纯的算力堆叠转向了对效能的极致追求。开源技术与商业资本的深度结合，将为 AI 智慧流淌到每一个计算节点提供强劲的动力。

vLLM 原班人马创立 Inferact 获 1.5 亿美元融资重注推理赛道



> 苹果正在打破智能穿戴设备的既有形态，秘密研发一款全新的AI硬件。这款设备并非手表或手机配件，而是一款类似AirTag大小、具备环境感知能力的独立“AI胸针”，意在通过极简交互重新定义人工智能的随身体验。

## 极简美学 告别屏幕的尝试

在智能手表市场趋于饱和的今天，苹果似乎准备做减法。据透露，这款新品在外观上延续了AirTag的设计语言——扁平、圆润、极致轻薄。

机身预计采用铝合金与玻璃结合的精密工艺，既保留了苹果一贯的高级质感，又兼顾了佩戴的时尚属性。这种设计不仅是为了美观，更是为了让科技“隐形”。它不再试图争夺用户的视觉注意力，而是安静地佩戴在胸前，成为用户身体的一部分。

## 感知进化 从触控到环境理解

这款设备的核心功能不再是传统的触控交互，而是基于AI的“主动感知”。设备内置了高精度的摄像头和麦克风阵列，充当用户的“第三只眼”和“第二只耳”。

它能够实时捕捉周边的环境信息，并通过端侧或云端AI进行深度解析。这种设计思路与硅谷此前大热的AI Pin有异曲同工之妙，但背靠苹果强大的芯片算力和生态整合能力，这款产品或许能解决此前同类产品续航差、发热严重等痛点，真正开启“无屏幕计算”的新时代。

![Google_AI_Studio_2026-01-22T03_10_07.498Z.png](https://static.downly.cn/images/a58751c445b6a988a0292db536255a5a.png) <center>图源备注：图片由AI生成</center>

苹果的新物种 像AirTag一样的AI胸针



> 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



> 埃隆·马斯克旗下 xAI 公司正式启用超级计算机 Colossus2，其训练集群规模不仅创下全球纪录，更标志着人工智能基础设施正式迈入吉瓦（GW）级能耗时代，一场关于算力与能源的极限博弈正在展开。

## 孟菲斯的硅基巨兽

在美国孟菲斯，一座占地面积相当于 13 个足球场的设施正在昼夜不息地运转。这就是 xAI 的最新技术结晶——Colossus2。这台超级计算机专门用于驱动 Grok 聊天机器人的迭代与进化。

其硬件规格令人咋舌。项目从 2024 年夏季的 10 万块英伟达 H100 GPU 起步，在短短半年内，这一数字于 2025 年 2 月翻倍至 20 万块。这种指数级的硬件堆叠，赋予了 xAI 前所未有的模型训练速度，也让其在与 OpenAI、谷歌的竞争中拥有了重型武器。

![Google_AI_Studio_2026-01-19T03_06_00.938Z.png](https://static.downly.cn/images/d31d1c8be15922ea157f0c706e5a5cfe.png)<center>图源备注：图片由AI生成</center>

## 能源饥渴与环境博弈

极致的算力对应着极致的能耗。按照规划，Colossus2 的电力装机容量将在今年 4 月达到 1.5GW，并最终冲击 2GW 的目标。这一能耗水平已经相当于美国一座主要城市的总用电量，是名副其实的“吞电巨兽”。

为了维持这台机器的运转，xAI 部署了 150 兆瓦的特斯拉 Megapack 电池作为备用电源。然而，激进的扩张也触碰了监管红线。美国环境保护署（EPA）近期裁定，该数据中心在供电不足时违规运行了数十台天然气涡轮机，违反了当地环保法规。

这一事件折射出 AI 行业面临的普遍困境：当算力需求呈指数级增长时，现有的能源基础设施与环保法规正变得捉襟见肘。马斯克在追求技术奇点的同时，也不得不面对物理世界中最基础的能源与合规挑战。

马斯克打造算力怪兽 Colossus2开启吉瓦级AI基建时代



> 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



> 机器人 AI 初创公司 Skild AI 完成 14 亿美元 C 轮融资，估值飙升至 140 亿美元。其研发的“Skild Brain”通用基础模型，旨在让不同形态的机器人具备类似生物进化的环境适应能力。

## 资本豪赌具身智能 估值一年翻三倍
机器人人工智能初创公司 Skild AI 近日宣布完成 14 亿美元的 C 轮融资，这一数字将这家总部位于匹兹堡的公司估值推高至 140 亿美元，相较于去年夏天翻了整整三倍。本轮投资方阵容堪称豪华，由软银领投，英伟达旗下的 NVentures、贝索斯探险公司、亚马逊、三星及 Salesforce Ventures 等科技与资本巨头悉数跟投。

如此高规格的注资，折射出市场对“通用机器人大脑”这一赛道的极度看好。在 2025 年实现 3000 万美元营收的基础上，Skild AI 计划利用这笔新资金进一步扩大模型训练规模，加速技术从实验室走向商业应用的进程。

![Google_AI_Studio_2026-01-16T03_32_32.073Z.png](https://static.downly.cn/images/ee132538a872e403936755e6cd5dab9e.png)
 <center>图源备注：图片由AI生成</center>

## Skild Brain 全机体通用的超级大脑
Skild AI 的核心竞争力在于其开发的 “Skild Brain” —— 一种通用的机器人基础模型。与传统针对特定硬件定制的算法不同，这款“大脑”具备“全机体”（Omni-bodied）特性。这意味着它能够跨越硬件形态的限制，无论是人形机器人、四足机器狗还是工业机械臂，即便无需提前预设具体构造参数，模型也能进行适配与控制。

技术路径上，Skild AI 通过分析海量人类活动视频并结合大规模物理仿真训练，赋予了模型极强的环境适应能力。无论是处理复杂的家务琐事，还是应对湿滑地形等挑战，它都能实时调整策略。公司首席执行官 Deepak Pathak 将这种能力比作生物进化，他强调这是一种通过数据飞轮效应习得的“适应性”，而非传统的机械式“记忆”。这种统一的大脑模型，或许正是机器人最终走进家庭、实现普及的关键钥匙。

机器人初创公司Skild AI获14亿美元融资 打造通用具身智能大脑



> 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。

搜索结果: 硬件