英伟达的战略收购与产品发布 - 全球市值最高的上市公司英伟达宣布收购人工智能软件公司SchedMD [1] - 此举彰显了公司对开源技术的加倍投入，并进一步加码人工智能生态系统投资，以应对日益激烈的竞争 [1] - SchedMD的核心技术Slurm为开源软件，可协助调度大规模计算任务，此类任务往往占用数据中心服务器容量的很大一部分 [1] - 英伟达推出第三代“Nemotron”大语言模型，该系列模型主打文本生成、代码编写等任务 [2] - 新款模型相较前代产品，运算速度更快、成本更低、智能程度更高，可覆盖物理仿真、自动驾驶等多个领域 [2] 英伟达的软件战略与行业定位 - 英伟达专有的CUDA软件已成为大多数开发者的行业标准，是推动其芯片销售的关键优势 [2] - 软件在英伟达维持AI领域主导地位中扮演核心作用 [2] - 随着Meta考虑转向闭源模型，英伟达成为具备影响力的开源人工智能模型供应商之一 [4] - 英伟达发布新款模型时，公开模型的训练数据及相关工具，便于企业用户开展安全测试和定制化开发 [4] 行业趋势与竞争格局 - 生成式AI的爆发，正推动AI技术从突破、硬件迭代到商业落地 [4] - 各家企业在新一轮开源AI浪潮中探寻未来十年的关键变量 [4] - 系统厂商通过自研芯片和CPU实现产品增值与全栈软件掌控，全面加快了追赶步伐 [4] - 近几个月来，各厂商全面推进开源人工智能模型研发，整个市场方向已快速转变 [6] - 端侧模型、AI应用、行业大模型等将成为未来整个AI领域新趋势 [6] 微美全息的开源AI布局 - 微美全息作为行业顶尖的AI从业者，推进“硬件+软件+生态”融合，并开放技术接口与第三方开发者共建生态 [5] - 公司通过多维度布局来完善开源全栈AI技术底座体系，目标是打造覆盖底层架构到行业应用的全链条能力 [5] - 微美全息加速探索低功耗芯片与边缘计算方案，以降低具身智能场景的算力门槛 [5] - 公司开放算力资源与技术接口，支持第三方调用进行模型训练，并已接入开源大模型，加速垂类应用商业化验证 [5] - 微美全息接入主权AI算力网络，构建“数据集-模型-应用”全链条开源体系，旨在实现AGI技术普惠，提供低成本、高性能的行业解决方案 [5]

文章核心观点 - 尽管存在AI等新技术冲击的预测，B2B销售岗位总数在过去十年呈现增长趋势，未来十年更可能继续增长而非减少 [1][2][10] - 技术进步不会取代销售人员，而是重塑销售职业的内涵，复杂、高风险的交易场景将持续催生对专业销售人员的强劲需求 [1][10][12] - 销售团队的增减因行业和交易复杂性而异，在交易型采购行业缩减，在技术复杂度高的行业扩张 [2][3][4] 行业趋势与数据 - 美国非零售类B2B销售人员数量从2015年的390万增至2019年的410万，2020年短暂回落至390万，2024年增至420万 [1] - 在制药行业，自2019年以来，一些领先药企已裁减20%～25%的医药代表 [3] - 在工业分销行业，固安捷在2014年至2024年间，在全球范围内削减了600多名外部销售人员，并关闭了40%的分支机构 [3] - 在科技与先进制造行业，Salesforce在2024年底宣布新增1000名客户经理，随后将招聘目标扩大至2000个新增销售岗位 [4] - 过去五年间，英伟达、谷歌云、亚马逊云科技等公司大规模扩招销售人员 [4] - 大数据分析公司Palantir Technologies销售人员已超过170人，并计划继续扩大团队规模 [4] 销售团队规模变化的关键驱动因素 - 根本原因在于买卖双方所面临的模糊性，以及数字工具与销售人员在解决这些问题时所扮演的不同角色 [4] - 在涉及交易型采购、知名产品和重复购买模式的行业，数字化工具让客户能够自助完成采购，导致销售团队规模缩减 [3] - 在技术复杂度高的行业，为了向客户推广复杂产品和解决方案，销售团队规模持续扩张 [4] - 产品与服务的创新、市场变迁、新规出台以及地缘政治动荡，给买方带来不确定性、复杂性和风险，催生对销售人才的长期需求 [12] 买卖过程中的模糊性与应对策略 - 买卖双方的互动经历三个阶段：探索与界定、评估与决策、价值实现与增长，每个阶段都可能产生模糊性 [6] - 在探索与界定阶段，当买方需求不明确时，销售人员发挥关键作用，帮助解读信息、厘清需求并识别可能的解决方案 [7] - 在评估与决策阶段，对于高风险或定制化采购，需要在销售人员引导下进行反复研究以建立共识 [8] - 在价值实现与增长阶段，在复杂情况下，客户经理能带来对场景的理解、沟通交流以及专业判断等价值 [9] - 卖方必须降低买方所承受的风险、争取信任，在高风险或陌生情境下，信任建立来源于销售人员的专业推荐和长期关系 [9] 对领导者的建议 - 全面梳理买卖双方遇到的模糊环节，明确需要人工介入与可由数字化手段主导的环节 [10] - 重新设计销售岗位角色，从传统销售代表转向以解决问题、统筹协作和实现价值为核心的角色 [11] - 投资建设数字化工具与专业人才协同运作的混合系统，确保无缝衔接 [11] - 随着模糊性来源的变化，持续调整销售岗位角色、数字化工具和客户互动模式 [11] - 培养销售团队的数字流畅性，包括解读数据、实现个性化互动、开展数字协作并拥抱新技术的能力 [11]

公司基本情况与发行信息 - 公司蘅东光于12月23日开启申购，发行价格为31.59元/股，申购上限为46.12万股，发行市盈率为14.99倍，在北交所上市，保荐机构为招商证券 [1] - 公司聚焦于光通信领域无源光器件产品的研发、制造与销售，主要业务板块包括无源光纤布线、无源内连光器件及相关配套业务三大板块 [1] - 公司主要产品包括光纤连接器、光纤柔性线路产品、配线管理产品等光纤布线类产品，以及多光纤并行无源内连光器件、PON光模块无源内连光器件等内连光器件类产品 [1] 客户与终端应用 - 公司与AFL、Coherent、Jabil、Telamon、CCI、Cloud Light、飞速创新、青岛海信等国内外知名企业建立了长期稳定的合作关系 [1] - 公司产品应用到AT&T、Verizon、谷歌、亚马逊、微软、甲骨文、腾讯、IBM、Cadence、英伟达等全球领先的大型品牌企业 [1] - 其中主要应用终端用户为谷歌、亚马逊、微软、甲骨文 [1] 行业背景与市场前景 - 数据中心作为光通信行业的重要应用领域，近年来在世界主要国家和大型企业数字化转型的带动下发展迅速 [2] - 据Dell'OroGroup报告显示，2024年全球数据中心资本支出增长51%，达到4550亿美元，预计2025年全球数据中心资本支出将增长30%以上，主要受AI基础设施需求持续增长以及服务器和网络通用基础设施的广泛复苏推动 [2] - 2023年以来，以ChatGPT为代表的生成式AI对算力提出更高要求，谷歌、亚马逊、微软、英伟达等巨头纷纷布局大模型，为光通信产品的需求带来巨大增量 [2] - 根据Lightcounting预测，全球光通信产业链中的核心产品光模块的市场规模在2027年将突破200亿美元，数据中心将成为第一大应用市场 [2] 公司财务表现 - 2022年、2023年及2024年，公司实现营业收入分别约为4.75亿元、6.13亿元、13.15亿元人民币 [4] - 同期净利润分别约为5533.44万元、6508.12万元、1.48亿元人民币 [4] - 2025年上半年（截至6月30日）公司营业收入为10.21亿元，2024年度营业收入为13.15亿元，2023年度为6.13亿元，2022年度为4.75亿元 [5] - 2025年上半年公司净利润为1.43亿元，2024年度净利润为1.48亿元，2023年度为6508.12万元，2022年度为5533.44万元 [5] - 2025年上半年毛利率为27.17%，2024年度毛利率为26.74%，2023年度为25.75%，2022年度为28.50% [5] 公司资产与负债状况 - 截至2025年6月30日，公司资产总计为15.45亿元，2024年12月31日为13.87亿元，2023年12月31日为6.87亿元，2022年12月31日为5.33亿元 [5] - 截至2025年6月30日，公司股东权益合计为6.54亿元，2024年12月31日为5.20亿元，2023年12月31日为3.69亿元，2022年12月31日为3.06亿元 [5] - 公司资产负债率（母公司）在2025年6月30日为47.35%，2024年12月31日为48.54%，2023年12月31日为40.49%，2022年12月31日为36.60% [5]

生成式AI模型性能与架构创新 - 谷歌Gemini 3 Flash模型在SWE-Bench Verified测试中获得78%的分数，超越了Pro版的76.2%，其速度是Gemini 2.5 Pro的3倍，且Token消耗量减少30% [1] - Gemini Flash集成了大量Agentic RL研究成果，通过后训练算法实现小模型“降维打击”，而Pro版的主要作用是蒸馏Flash [1] - 帕累托前沿反转现象表明，参数规模不再是衡量模型性能的唯一标准，更便宜、更快的模型现在也可以是更聪明的模型 [1] - MiniMax开源其海螺视频底层技术VTP（视觉分词器预训练框架），在AI视觉生成领域发现了Scaling Law，破解了“第一阶段训练越好第二阶段反而变差”的悖论 [3] - VTP通过重建、CLIP图文对比和自监督学习三管齐下的训练方案，使视觉分词器学会理解而非只会重建，算力扩大10倍性能提升65.8% [3] - 通义千问推出Qwen-Image-Layered图像生成模型，采用自研架构将图片拆解成多个RGBA图层，每层可独立操作而不影响其他内容 [4] - 该模型核心技术包括RGBA-VAE和VLD-MMDiT，支持重新着色、物体替换、缩放移动、干净删除等操作，分层结构天然支持高保真编辑 [4] 自动驾驶技术路线与挑战 - 旧金山一场大停电导致红绿灯熄灭，Waymo无人驾驶出租车因系统无法确认安全边界而集体停摆，秒变路障 [2] - 事件凸显了Waymo与特斯拉技术路线的差异：Waymo依赖多传感器融合和高精地图，而特斯拉FSD依赖视觉和AI，后者在此次事件中完全未受影响 [2] - 该事件暴露了L4级无人驾驶在突发城市基础设施异常状况下的脆弱性 [2] AI公司发展与资本市场动态 - AI公司MiniMax正式冲刺港股“大模型第一股”，公司成立于2022年初，拥有385人团队，平均年龄29岁 [5] - 公司累计消耗5亿美元，约为OpenAI开销的不到1% [5] - 2025年前9个月，MiniMax营收达5344万美元，同比增长超170%，海外收入占比超70% [6] - MiniMax拥有超2.12亿个人用户和13万家企业客户 [6] - 公司股东阵容包括米哈游、阿里、腾讯、小红书、高瓴、红杉等，董事会平均年龄32岁 [6] - MiniMax是全球唯四全模态进入第一梯队的大模型公司 [6] 前沿硬件与计算技术突破 - 上海交大陈一彤团队推出全光生成式AI芯片LightGen，首次将光子计算拓展至大模型语义媒体生成领域，研究登上《Science》 [7] - LightGen由光子编码器、光学潜在空间和光子生成器构成，能实现512×512高分辨率图像生成、3D生成、高清视频生成及语义调控 [7] - 该系统速度达3.57×10^4 TOPS，能效达6.64×10^2 TOPS/W，计算密度达2.62×10^2 TOPS/mm²，整体性能比英伟达A100高出两个数量级以上 [7] AGI发展路径与安全框架 - DeepMind发布研究提出，AGI极可能通过多个次级AGI智能体协作与拼凑率先涌现，而非单一庞大模型 [8] - 论文提出了包含市场设计、基线智能体安全、监控与监督、监管机制的四层深度防御框架 [8] - 研究强调“拼凑型AGI”假设此前受关注甚少，建议构建虚拟智能体沙盒经济以解决智能体共谋等分布式风险 [8] 创业经验与团队管理 - ElevenLabs和Lovable的CEO建议创业前积累7-8年工作经验，包括在优秀公司的任职经历和对用户痛点的深刻理解 [9] - 高速扩张的关键在于保持“创始人模式”与“管理模式”的平衡，团队构成建议一半内部培养一半外部资深人士，并采用高强度工作模式 [9] - 欧洲创业虽缺乏成熟创业网络和资深高管，但人才优秀且忠诚度高，时区优势可同时对接全球市场 [9]

事件概述 - 科技博主 Linus Sebastian 与 Linux 之父 Linus Torvalds 合作组装一台“理想的 Linux PC” [1] - 该过程被制作成近一小时的视频并发布在 YouTube 上，引发社区热议 [4] Linus Torvalds 的硬件选择与理念 - **核心原则**：追求稳定、可靠、安静，而非极致性能或最新技术 [5][15] - **处理器**：选择了 24 核 48 线程的 AMD Ryzen Threadripper 9960X，认为其性能足以应对内核编译等任务，且不属于“天价的高端货” [7][11][13][15] - **内存**：坚持使用支持端到端 ECC 纠错功能的内存，认为没有 ECC 的机器不可靠，内存错误是必然会发生的问题 [5][16][18][20] - **显卡**：明确要求并选择了公版 Intel Arc B580（12GB 显存），未选择其过去使用的 AMD Radeon 或曾批评过的 NVIDIA [4][66] - **存储**：选择了三星 SSD 9100 Pro 2TB（PCIe 5.0），但个人数据存储习惯是上传到互联网，依赖他人保存 [7][21][22] - **散热**：使用风冷散热器（NH-U12S TR5-SP6），对水冷系统不感兴趣，认为其可能更不可靠且噪音烦人 [7][23][27][29] - **机箱与电源**：选择了 Fractal Design Torrent E-ATX 机箱和 Seasonic Prime TX-1600（1600瓦）电源，看重散热设计、安静和长质保带来的可靠性 [6][30][33][35][36] 软件偏好与行业观点 - **操作系统发行版**：首选 Fedora，因其与内核开发者联系紧密，升级内核方便；认为 Ubuntu 更面向普通用户，而非其目标受众 [37][38] - **对 Linux 生态的看法**：认为发行版过多导致的碎片化长期来看是一个劣势，会阻碍商业软件开发，但“狂野西部”式的自由也有其优势 [40] - **对 Git 与 Linux 的比较**：最引以为傲的项目是 Linux，认为其为 Git 所做的贡献相对微不足道，Git 是其为了 Linux 而创造的工具 [44][45] - **许可证选择**：仍然百分之百坚持并热爱 GPL v2 许可证 [52] 对科技公司与行业的看法 - **对 NVIDIA 的看法**：过去因其不关心 Linux 市场而批评，但现在因其 AI 芯片大量运行于 Linux 而改观，认为其改善了很多 [65] - **对微软的看法**：认为微软从云服务赚的钱比从 Windows 多，而微软云大部分运行 Linux，双方历史上的对抗已经消失 [56] - **对 Linux 商业价值的看法**：欣慰于 Linux 和 Git 催生了数十亿美元价值的公司，认为这证明其工作是有价值、有意义的 [53][54] - **对生成式 AI 的看法**：认为其兼具泡沫和革命性，会改变大多数技术工作的完成方式，但炒作过度，最终资本局面会崩盘 [62][63] - **对程序员生产力的看法**：坚决反对用代码行数衡量开发人员的价值，认为持此观点的人“蠢得不适合在科技公司工作” [68][71] 个人工作习惯与心态 - **沟通方式**：几乎只使用电子邮件，不玩社交媒体，倾向于快速回复邮件，否则可能不再回复 [9][10][72][74] - **压力来源**：主要来自人际交往而非技术问题，自称不善交际 [49][50] - **对项目持续性的态度**：从未想过彻底放弃 Linux 开发，但表示如果有更合适的人出现，愿意退位让贤 [61] - **对 Linux 普及的态度**：不在乎其是否成为主流，只关心是否有足够用户让项目具有价值，而非“精神自慰” [78]

文章核心观点 - 生成式AI技术，特别是视频生成技术，正在重塑内容生产力，通过技术、艺术与影视的跨界探索，叩开日常生活和艺术创作的大门 [1] - 以可灵AI为代表的中国科技巨头正加速布局AI视频生成前沿技术，并通过构建生态协作来重新定义AI视频创作的可能性边界 [1] - AI技术不仅为影视、广告等内容产业带来降本增效的革新机遇，更通过降低创作门槛，推动“AI平权”，让每个人都能成为创作者 [3][6] AI视频生成的技术进展与产品迭代 - 可灵AI在12月连续发布多项更新，包括可灵O1新模型、音画同出模型可灵2.6、可灵数字人2.0、可灵O1主体库&对比模版等 [1] - 可灵O1模型是全球首个统一的多模态视频及图片创作工具，标志着AI生成技术从单一模态指令迈向综合理解的关键一步 [4] - 自发布以来一年多，可灵AI已完成超30次迭代升级，新模型解决了视频一致性与可控性难题，可灵2.6模型实现了“音画同出”能力，改变了传统AI视频生成流程 [4][8] - 截至今年7月，可灵AI全球用户规模突破4500万，累计生成超过2亿个视频和4亿张图片 [5] AI对内容产业的赋能与降本增效 - AI大模型已深度嵌入影视、动画、电商等产业流程，颠覆传统内容创作模式，帮助打破文化表达边界 [3] - 以国内首部AIGC原创奇幻微短剧《山海奇镜之劈波斩浪》为例，利用可灵AI辅助后，全剧99%的镜头由AI生成，制作周期从半年多缩减至2个月，帮助制作方提升投入产出比约10倍 [3] - AI技术帮助储存大量数据，并用生成技术辅助制作流程，例如在特效制作中快速生成中间效果，提高协作效率 [3] - 可灵AI目前覆盖的企业用户数超过2万家，涵盖影视制作、广告、创意设计、自媒体、游戏、电商等诸多领域 [9] 生态构建与创作者赋能 - 可灵AI在全球范围内构建平台、创作者与技术的协同生态，旨在降低创意表达门槛，搭建让优质创作被看见、被认可的生态系统 [6][7] - 公司通过技术迭代、创作者扶持计划与全球赛事赋能创作者，例如“灵感成真”之旅全球创意短片征集计划在1个月内吸引超60个国家和地区的创作者参与，提交作品超2000件 [7] - 今年发布的NextGen新影像创投计划，通过千万资金、全球宣发、IP打造和算力保障助力新世代创作者 “可灵AI NEXTGEN全球新影像创作大赛”收到来自122个国家和地区的超4600部投稿作品 [7] - 公司珍视与各界伙伴合作的机会，共同推动“用AI规模化生产好内容”临界点的加速到来 [2][4] AI时代下的艺术创作与人类角色 - 专家认为AI是强大的工具，但人类艺术家拥有不可替代的感知力、感性表达能力与创造力，艺术的核心是人类创造力 [4] - 在AI时代，应形成人机既协作又对抗的共生关系，艺术品可以被AI模仿，但艺术不能 [4] - AI打破了内容生产者与消费者的边界，让创作成为每个人的权利，而不再是小部分群体的专利，释放“AI平权”信号 [6] - 技术的进步让普通用户也能充分发挥协同效应，拓宽创意边界，未来在创作生态构建下，观众也可能变成共创者，创作者将更加多元化 [5][8]

壁仞科技IPO计划与市场影响 - 中国AI芯片制造商壁仞科技寻求通过香港IPO筹资至多约6.23亿美元（约合44亿人民币），计划发行2.477亿股，每股发行价介于17.00港元至19.60港元之间，最高筹资48.5亿港元（折合6.233亿美元），预计股票将于明年1月2日在香港挂牌交易 [1] - 此次IPO为香港可能出现的又一个由AI公司主导的上市大年奠定了基础，香港IPO市场在经历数年低迷后正迎来复苏，此次成功上市可能会刺激更多中国AI相关公司赴港上市 [1] - 在壁仞科技公布IPO计划前，同属中国GPU领域“四小龙”的摩尔线程和沐曦股份已在上海成功上市，其中摩尔线程股价在首个交易日飙升425%，沐曦股份股价则飙升近七倍 [2] 行业背景与市场趋势 - 中国AI初创公司已加快上市步伐，以利用资本市场融资，中国政府已将科技自立自强作为下一个五年规划的重中之重，国内投资者对AI相关领域的投资热情依然高涨 [2] - 香港今年有望重夺全球IPO桂冠，2025年1-11月通过IPO筹集的资金总额达到2,594亿港元，是上年同期的三倍多，毕马威中国预计2026年香港将迎来又一个上市大年，AI相关的IPO料将加速 [2] - 近期，中国生成式AI初创公司MiniMax Group已通过香港交易所上市聆讯并提交文件，大语言模型开发商智谱AI也在加紧赴港IPO步伐 [1][2] 公司业务与技术 - 公司开发通用图形处理器(GPGPU)芯片及基于GPGPU的智能计算解决方案，为人工智能提供所需的基础算力，其解决方案支持从云端到边缘的广泛应用中AI模型的训练及推理 [3] - 公司的技术在大语言模型的预训练、后训练及推理方面拥有强大性能与高效能，具有高技术壁垒，是国内竞争中的关键优势，其技术是支撑AI发展、推动通用人工智能进步的重要基础设施 [3] - 为应对AI快速发展带来的计算需求，公司自主研发了智能计算整体解决方案，包含基于GPGPU架构与芯片的硬件系统以及BIRENSUPA计算软件平台，该产品可以大规模智能计算集群的形式交付 [4] 财务数据与募资用途 - 公司的智能计算解决方案于2023年开始产生收入，截至2024年12月31日止年度及截至2025年6月30日止六个月，该产品分别有14名及12名客户，分别贡献收入人民币3.368亿元及5890万元 [5] - 假设发售价为每股18.30港元，全球发售所得款项净额约43.506亿港元，其中约85.0%将用于日后研发公司的智能计算解决方案，约5.0%将用于该解决方案的商业化，约10.0%将用作营运资金及一般公司用途 [5] 基石投资者 - 公司已与基石投资者订立基石投资协议，基石投资者同意按发售价认购总金额3.725亿美元可购买的发售股份 [6] - 基石投资者包括启明创投、南方基金、平安人寿保险、泰康人寿保险有限责任公司、国泰君安证券投资(香港)有限公司、神州数码(香港)有限公司等多家知名投资机构 [6]

港股IPO进展 - 兆易创新于12月17日晚公告已刊发H股聆讯后资料集，表明公司已通过港交所聆讯 [1] - 12月19日，公司在港交所的IPO申请材料状态从“处理中”变为“没有进展”，聆讯后资料集等材料状态显示为“失效” [1] - 申请失效原因为港交所主板《上市规则》规定A1上市申请表有效期仅6个月，公司自2025年6月19日递交申请，于12月19日触及期限红线 [1] - 公司相关负责人表示，将重新递交更新版的A1申请表，投资者后续可在港交所披露易网站查阅相关上市申请资料 [1] 公司财务状况与融资动机 - 截至2025年9月30日，兆易创新持有现金及现金等价物100.14亿元 [1] - 尽管账面资金充裕，公司仍执着于港股IPO，反映出对国际资本的强烈渴求 [1] - 公司冲击“A+H”双融资平台，旨在为Flash、MCU、利基型DRAM三大业务的扩张储备弹药 [2] 行业背景与市场机遇 - 当前半导体行业正面临结构性机遇的窗口期，2025年全球存储市场正经历“超级周期” [1] - 生成式AI算力需求爆发推动DRAM价格大幅上涨，TrendForce预测2026年DRAM需求将同比增长26% [1] - 预计DRAM市场供需缺口将进一步扩大，DRAM平均单价同比上涨58% [1] - 兆易创新是全球第三大NOR Flash供应商，同时也是利基型DRAM市场的新锐企业 [2] 高管减持情况 - 11月22日，公司发布部分董事、高管减持股份计划公告，包括副董事长兼总经理何卫在内的多位核心高管集体启动减持计划 [2] - 从减持规模看，何卫、胡洪等人拟减持股份占公司总股本比例均在0.02%以内，对短期股价的直接冲击可能有限 [2] - 减持背景可能意味着公司得益于赴港上市、行业复苏等因素驱动，股价已达到新一轮高点 [2] 未来展望与战略意义 - 随着更新版申请材料即将提交，兆易创新作为存储龙头的资本运作进入关键阶段 [2] - 在AI算力驱动的半导体黄金时代，公司或将成为观察中国硬科技企业全球化进程的重要标本 [2]

文章核心观点 - 上海交通大学陈一彤课题组研发出国际首个支持大规模语义媒体生成的全光计算芯片LightGen，突破了当前生成式AI面临的算力与能效瓶颈，相关成果发表于《科学》期刊[1] 研究背景与行业挑战 - 深度神经网络和大规模生成模型迅猛发展，但其规模爆炸式增长带来了超高的算力和能耗需求，与传统芯片架构的性能增长之间已出现严峻缺口[2] - 为突破瓶颈，光计算等新型架构受到关注，但传统全光计算芯片主要局限于小规模分类任务，光电级联或复用会严重削弱光计算速度，如何让下一代光芯片运行复杂生成模型成为全球智能计算领域的公认难题[4] 研究成果与技术突破 - 研究团队首次提出并实现了全光大规模语义生成芯片LightGen，这是国际首次实现的大规模全光生成式AI芯片[5] - LightGen在单枚芯片上同时突破了三个领域公认的瓶颈：百万级光学神经元集成、全光维度转换、无真值光芯片训练算法[5] - 该芯片实现了让光“理解”和“认知”语义，能够完整实现从输入图像、理解语义、语义操控到生成全新媒体数据的端到端过程，无需电辅助[7] 芯片性能与验证 - 论文实验验证了LightGen在高分辨率（≥512×512）图像语义生成、3D生成（NeRF）、高清视频生成及语义调控、去噪、局部及全局特征迁移等多项大规模生成式任务[7] - 在实现与电芯片上运行的Stable Diffusion、NeRF、Style Injection Diffusion等前沿电子神经网络相仿生成质量的同时，直接测量了整个系统端到端的耗时与耗能[9] - 实测表明，即便采用较滞后性能的输入设备，LightGen仍可取得相比顶尖数字芯片2个数量级的算力提升和2个数量级的能效提升[9] - 理论分析指出，若采用前沿设备使信号输入频率不再是瓶颈，LightGen理论上可实现算力提升7个数量级、能效提升8个数量级的性能跃升[9] 行业意义与前景 - 该成果直接体现了在不损失性能的情况下替换现有顶尖芯片所能获得的巨大算力和能效提升[9] - 生成式AI正加速融入生产生活，研发能够直接执行真实世界所需任务（尤其是对端到端时延与能耗极其敏感的大规模生成模型）的芯片势在必行[10] - LightGen为新一代算力芯片真正助力前沿人工智能开辟了新路径，也为探索更高速、更高能效的生成式智能计算提供了新的研究方向[10]

行业趋势与展望 - 空间智能（世界模型）预计将在未来两年内迎来应用级爆发 [1][5][21] - AI发展正从“语言生成”迈向“世界生成”，让机器在连续三维世界中实现“看见-生成-互动” [4][5] - 世界模型正成为产业竞逐的新高地，Google DeepMind等巨头已组建专门团队并发布相关路线 [5] - 生成式AI通过降低复杂任务的门槛，将开启许多意想不到的新市场和应用 [23][24] 公司进展与产品 - World Labs发布了首款商用“世界模型”Marble，可从图片或文字提示生成可持续存在、可自由导航且几何一致的3D世界 [2][4] - Marble模型可导出为Gaussian Splat等格式，支持在网页与VR设备中体验与二次创作，突出了“更大、更清晰、更一致”的特点 [4] - World Labs自2024年获巨额融资以来，始终以开发大型世界模型（LWM）为愿景 [6] - 公司认为3D世界生成技术可应用于数字创意、游戏开发、影视、设计、建筑、VR/AR及机器人仿真等多个领域 [23] 技术路径与瓶颈 - 实现通用人工智能（AGI）需要多把“钥匙”，空间智能是其中关键一环，没有它则不算真正的AGI [25] - 当前发展面临数据瓶颈，这是螺旋形上升过程中的新关键点，与算法同等重要 [31][32][33] - 业界存在一种偏见，即更看重算法而非数据，但所有真正做AI的人都明白数据至少与算法平等重要 [34][35] - 机器人领域的数据尤其难以采集，因为缺乏大规模商业化应用场景，这限制了其发展 [43][47] 竞争格局与市场机会 - AI是一项横向技术，为应用层提供了大量机会，大公司无法完全覆盖，小公司有机会在垂直应用领域做到极致 [54][55] - 显性资源（如数据、算力、人才）的整合优势并非绝对，创造力、时机和执行同样关键，历史上从未有过只有大公司能赢的时代 [53][54] - 有能力开发基础模型的公司（通常需要顶尖人才和特定结构）与专注于应用开发的公司将有不同的市场路径 [55][57] 应用场景分析 - 自动驾驶可被视为一个简化版的世界模型，但其场景相对简单（二维移动、避免碰撞），远复杂于未来需要在三维世界中执行多种操作（如家务）的机器人 [40][41] - 工业机器人因场景单一、数据相对丰富而已有应用，其智能化进程可能更快；日常用机器人的商业化则还有较长的路要走 [44][45][47] - 围绕机器人数据（如模拟数据）的创业公司存在商业机会，但成功取决于市场大小和满足客户需求的能力 [47] 发展理念与价值观 - AI的本质是工具，人类必须掌握选择权和主动权，不能自我放弃 [1][4][70] - 发展的同时必须关注安全与向善，在只追求发展和只强调伦理两个极端之间需要理性平衡 [57][58] - 在AI时代，教育体系急需革命，应利用AI赋能教育者和学生，将节约出的时间和精力用于培养AI无法替代的认知与能力 [65][66][67] - 面对AI可能带来的虚假信息等负面影响，公众教育、制度政策以及人的创造性应对至关重要 [77][78][79]