搜索
刚刚，田渊栋创业公司，交出了首个研究成果。田渊栋在X上宣布，其创立的Recursive，在NVIDIA官方的GPU kernel优化榜SOL-ExecBench上拿下了整体和四个子类别的SOTA。
今日，小米MiMo团队与推理系统团队TileRT联合宣布，Xiaomi MiMo-V2.5-Pro的UltraSpeed模式已实现万亿参数（1T）旗舰模型输出速度首次突破1000 tokens/s。
复盘三年多的AI行情，就是一个不断找硬件瓶颈的过程：最开始涨GPU，后来涨服务器，再后来涨数据中心，然后涨电力，接着涨HBM存，现在又开始涨CPU、高速互联和ASIC。
5 月份，非常非常多的人寄希望于两个大佬谈判之后的的 GPU管制放松，特别是上一代 hopper架构的顶配算力卡松绑，弥补内部的算力不足，但是结果事与愿违，双方在 GPU 算力领域抓紧了卡脖子竞赛，彼此相互掐。（不要抱幻想了，干就完了）
在具身智能训练中，“把计算全部塞进GPU”似乎成了唯一的提速密码，机器人运控并行训练的框架，IsaacLab、MuJoCoPlayground、mjlab都默认遵循这一范式，这些系统都牢牢绑定在NVIDIA生态中。
Omdia这份名为《2026全球AI工厂市场格局》的报告，点明了新时代的核心逻辑——决定胜负的，不再是谁拥有更多GPU，而是谁能够更高效地把“电力+算力+数据”转化为真正有价值的Token。
所有人都在比谁的模型参数更大，但真正决定AI能不能落地的，其实是另一件没那么性感的事：一颗Token，能不能被稳定、便宜、规模化地生产出来。死磕这件事的，是一支从中国超级计算体系里走出来的年轻团队，是石科技。
ElevenLabs的声音克隆和长文本音频生成质量确实很好，但也太贵了。
当所有人都在盯着 GPU，真正卡住 AI 脖子的，是另一块芯片。
一个做国产 GPU 的公司，在前几天的发布会上，一口气更新了好几款端侧产品，有家庭智能中枢、AI PC、Agent，还有具身智能相关的工作。它叫 MTT AICUBE，按官方说法是「一台面向家庭的 AI 智算中枢」。