量子位

量子位

关注
17.7万粉丝
0关注
9.7万被推荐

《量子位》官方网易号

5枚勋章

2次获得编辑精选

追踪人工智能动态
IP属地:上海
更多信息

  • 这,可能是今年WAIC最惊艳的图片!

    1小时前
    图片
  • WAIC看了一圈,这家公司的机器人在认真打工

    2小时前
    图片
  • 我用AI编程复刻了老罗的TNT,还顺手做了个万能遥控器……

    4小时前
    图片
    05:54
  • 一个Skill,让你的设计秒变苹果味

    4小时前
    图片
    01:34
  • WAIC爆火机器人卖货、抓螺母,全靠同一套通用“眼脑手”

    4小时前
    图片
    02:28
  • 全球市占第一后,普渡在WAIC开始回答机器人下一场战争
    6小时前
  • 妙啊!无人机直连卫星传Token

    7小时前
    图片
  • 后摩智能携 M50 Inside 终端亮相 WAIC 2026,支撑端侧 AI 算力与终端创新

    7小时前
    图片
  • 商汤大装置联合近20家生态伙伴发起“银河计划”,将共建5个万卡级国产智算集群

    8小时前
    图片

  • 从卖货、抓螺母到搬料筐,一套通用“眼脑手”让机器人实现“一脑多形”,也让具身智能真正从Demo走向落地。
    行业密探
  • WAIC爆火机器人卖货、抓螺母、搬料筐,全靠同一套通用“眼脑手”

    9小时前
    图片
    02:32
  • 谁曾想呢,DeepSeek一直没有公开讲清楚的融资估值,被一家卖行李箱的公司给全部暴露了。
    7月16日晚间,安徽开润股份发布了一份投资进展公告。 公告显示,开润股份参与投资的一只基金,已经将29亿元实缴资金全部间接投向DeepSeek,获得后者0.8265%的股权。 计算器一按: 29亿元÷0.8265%,DeepSeek对应估值约3508.8亿元。 更有意思的是,开润股份穿透后只持有DeepSeek约0.0114%的股权。 正是这万分之一左右的持股,意外揭开了DeepSeek首轮外部融资的价格标签。
    行业密探
  • DeepSeek估值,被一家安徽箱包公司给全部暴露了
    11小时前
  • 清华系团队发布国产Token优化工厂:兼容10余种国产芯片,日吞吐千亿Token

    11小时前
    图片
  • PPIO发布智能模型网关,打造面向Agent时代的智能Token工厂

    16小时前
    1跟贴
    图片
  • 可重构芯片、4K超节点、RAISA软件栈、行业应用,被放在一起呈现——像是在回答所有国产芯片厂商都绕不开的问题:
    芯片发布之后呢?模型怎么跑起来?算力怎么扩展?客户凭什么把核心业务迁过来? 这个问题背后,是国产算力竞争逻辑的一次切换:从发布会上的参数对比,转向能否形成稳定、易用、可规模部署的系统能力。 国产算力真正要替代的,也不只是一颗英伟达GPU,更是CUDA背后经过多年积累形成的开发习惯、工程标准、迁移成本和生态信任。 所以,发布芯片只是拿到入场券。 让客户敢迁、能用、愿意长期使用,才是真正的国产替代。 逛完WAIC 2026我悟了:国产AI芯片的真对手,根本不是英伟达的GPU
    行业密探
  • 逛完WAIC 2026我悟了:国产AI芯片的真对手,根本不是英伟达的GPU
    22小时前
    14跟贴
  • 企业要的并不是一个会聊天的电子宠物,而是一个能扛事、能履职、能沉淀经验的「数字员工」。
    为了解决当前AI Agent存在的这些问题,面壁智能联合东北大学-面壁智能数据智能联合实验室、清华大学THUNLP实验室、OpenBMB与AI9Stars,正式开源了数字员工全流程构建与管理平台——StaffDeck。 给AI发工号、定岗位、做绩效,数字员工终于能落地了
    行业密探
  • 给AI发工号、定岗位、做绩效,数字员工终于能落地了
    22小时前
    5跟贴
  • WAIC人工智能大会#
    每年WAIC第一天,都像一场“暴走探展”。 一圈逛下来,今年最热闹的几个关键词已经很明显: 超节点、大模型、Agent、AI4S。 沐曦也把今年的新东西几乎一次性搬到了现场。 曦景S600超节点首次亮相,单机柜64张GPU、可扩展至万卡集群; AI4S方向的曦索X300系列科学智能GPU首次发布; Agent体验区排起长队,数字员工、AI文创工作站几乎没停过。 按理说,这些已经足够成为一个GPU展台的主角。 但真正把我们留下来的,却是另一件事。 展台中央,被整整留给了十个开源社区。 龙蜥、vLLM、PyTorch基金会、SGLang……十个logo依次排开。 沐曦甚至专门做了一条开源社区打卡路线。 一家GPU公司,为什么把最显眼的位置之一留给了开源? 而要把答案讲清楚,得先从他们那套软件栈MXMACA说起。 软件,才是护城河 在算力这条赛道里泡久了的人都清楚一件事,NVIDIA能稳坐龙头,靠的从来不只是单颗芯片的硬件性能。 制程、架构、显存这些硬件指标,都是有清晰参数、看得见摸得着的东西,国产厂商咬着牙研发,总有机会把差距收窄。 真正难追的,是NVIDIA藏在硬件之下的那道护城河,CUDA软件生态。 数百万开发者的项目代码、开发经验、自研模块,全都沉淀在CUDA上。 换一张算力卡,意味着要把过往多年的技术积累大幅推倒重来,迁移成本足以让大多数团队止步。 所以国产GPU真正要啃的硬骨头,是造出一个能让开发者心甘情愿迁过来的国产算力开发环境。 沐曦自研的全栈计算软件MXMACA,正是针对这一问题交出的答卷。 这套全栈软件从编译器、算子底层函数库,一路覆盖到各大主流AI推理训练框架,目标只有一个: 把迁移成本压到最低,让开发者原有的代码无需改动,就能直接运行在沐曦GPU上。 当然了,「近零成本」已经得到了验证。 他们专门搭了一套自动化测试体系,纳入GitHub上近5000个热门开源项目,每一轮MXMACA版本更新都要跑一遍全量测试。 结果是,92%的项目一行代码都不用动,就能正常运行。 框架这头也是同样的打法。 针对PyTorch 2.8,MXMACA把全部2410个GPU算子做到了完整兼容;更关键的是速度,每次PyTorch出新版本,行业里同类方案通常要磨上好几个月才能适配完,沐曦这边一周就能收工。 vLLM生态那边就更能说明问题。 生态里两百多款大模型,沐曦自己只深度调试了五六十款主流型号,剩下的直接甩给普通本科生,让他们拿着沐曦的显卡逐一去测。最后只有十来款出现了适配障碍,绝大多数开箱即用。 连在校生都能跑完这么大规模的验证,说明MXMACA的通用兼容性足够扎实。 不过在沐曦的整盘棋里,把代码顺利跑起来还只是第一步。 真正的挑战,是AI爆发之后显现出来的。 如今,一个大模型从训练完成到上线服务,周期被压得极短,大模型厂商、云厂商都想在模型一升级就第一时间拿到收益。 可行业技术更新几乎没有间歇,今天某个模型厂商放出一套创新技术,隔天就有团队推出迭代方案。 在这种节奏下,如果只依靠一套封闭自研的软件栈闭门跟进,既跟不上行业速度,也没法快速响应客户的各类需求。 “对于我们这样一个追赶者来讲,需要以开源的方式,来打破领先者闭源的垄断。” 谈及选择开源的初衷,沐曦团队这样解释道。 但实际上,拥抱开源并非行业倒逼下的临时对策。 早在自家GPU产品正式量产之前,沐曦就已经完成了1752款开源软件的适配。 也是从那时起,沐曦将开源共建纳入了公司的长期战略。 把软件栈打开,让生态自己长 决定开源之后,沐曦的打法可以用一个词概括,upstream first。 区别在哪呢? 以前的常规操作是“社区发了新版本,厂商拉下来自己适配”,也就是拉源码、下patch、打补丁、编译、调试,一整套流程走完才能用。 而upstream first是把代码直接贡献回上游社区,和社区一起迭代。 落到开发者手里,直接就变成了“在vLLM社区把代码拉下来,pip一装,直接跑”。 能做到这样,是因为沐曦的支持代码本来就长在社区里,新模型发布时往往default就已经支持了。 截至目前,沐曦已经开源了53个软件仓库,占整个软件栈的15%到20%,而且仍在持续扩大。 这个过程中有一个标志性事件,是沐曦成了中国第一家与vLLM官方签署合作协议的芯片企业。 放到全球看,也是美国芯片公司之外的第一家。 合作横跨软件适配、开源活动、商业协同三个层面,沐曦的硬件也因此进了Red Hat+vLLM的官方硬件货架。 这已经不是“我去适配你”的关系,而是实打实的生态共建。 再回头看展台上那十个社区,就能明白它是沐曦开源协作的一张完整地图—— 十个社区,恰好对应一个Token穿过的每一层。 最底下是操作系统与资源调度这一层,龙蜥、Red Hat、CNCF、蜜瓜智能守在这里,每个Token能稳稳跑起来,都得靠它们兜底。 沐曦和龙蜥社区就一起啃过一个让所有芯片厂商头疼的问题: 操作系统内核小版本频繁升级,GPU驱动就得跟着重新打包,给终端用户带来大量额外负担。 双方联合通过技术机制让驱动能够直接忽略小版本的变化,开源版本直接build出来就能用。 而这类工作,只有扎根在同一个社区里深度共建才做得成。 往上一层是训练与推理框架,vLLM、SGLang、PyTorch基金会、九源联合体都在这里,每个Token能被高效生成,靠的就是这一层的持续迭代。 沐曦提到,过去两年,这一层每年的性能提升都在100%以上。 再往上到顶,对应的是开源生态运营与合规治理。 模力方舟负责降低模型分发门槛,方便开发者获取使用各类模型;木兰开源社区则专注开源项目孵化与行业规范搭建。 沐曦曾联合木兰开源社区共同制定开源规范与大模型分级标准,因为开源不等同于无规则开放,每个Token的输出能否做到安全合规,都离不开完善的社区运营与治理体系作为支撑。 从芯片到操作系统,从推理引擎到治理规则,把这条打卡路线走完,也就走完了一个Token完整的生命周期。 而沐曦的共建,并不止步于框架这一层。 以北大团队研发、对标OpenAI Triton的编译器TileLang,沐曦从2024年下半年就投入共建。 等到今年行业多款主流大模型上新时,不少核心算子就是靠这套编译器写出来的。 这背后的意义在于,从并行编译到算子优化,国内第一次有了端到端自主可控的技术路线,不用再顾虑自研适配代码无法合入上游社区主干。 框架之外,沐曦也把重点放在人才培养上。 沐曦围绕TileLang开设多期实战训练营,累计吸引了500多名开发者参与。 今年沐曦还将启动“揭榜挂帅”,吸引更多算子优化技术人才来参与。 规划编写的6本配套教材已经出版了4本,8大基础课程进了上交大、浙大等20多所高校; 企业还联合上海AI实验室的书生工具链开办了三期实战营,让学生从数据收集、模型训练一路做到评测和应用,相关课程与全部工程代码均对外开源。 挑战杯、CCF大赛、各大国家实验室技术竞赛里,也都有沐曦的身影…… 为了持续发掘优质新生技术力量,沐曦也给出了激励,在社区中实操表现突出的在校学生还能获得免试入职实习的机会。 说到底,生态不是单方面“建”出来的,而是把底座持续开放之后,各方共建长出来的。 那么,软件栈一直开着、生态自己往上长,沐曦最终到底想让MXMACA成为什么? AI时代的Android 沐曦CTO杨建博士给了一个特别明确的锚点—— AI时代的Android。 具体来说就是持续开放最核心的那套全栈软件,从操作系统、大数据处理,到大模型训练推理,再到私有化部署,把全链条打通。 让客户乃至其他芯片厂商,都能基于这套完整软件栈,搭起一个通用、好用、易用的底层算力生态。@...
    行业密探
正在载入...
正在载入...