公众号记得加星标⭐️，第一时间看推送不会错过。 不断增长的人工智能（AI）需求暴露出一个严峻的"计算危机"，其特点是能源消耗不可持续、训练成本过高以及传统互补式金属氧化物 半导体（CMOS）微缩技术接近极限。「基于物理的专用集成电路（ASIC）」提供了一种变革性的范式，它直接利用固有的物理动力学 进行计算，而不是耗费资源来强制实现理想化的数字抽象。 通过放宽传统ASIC所需的约束，例如强制无状态性、单向性、确定性和同步性，这些设备旨在作为物理过程的精确实现而运行，从而在 能源效率和计算吞吐量方面获得显著提升。这种方法能够实现新颖的协同设计策略，使算法需求与物理系统固有的计算原语相吻合。 基于物理的ASIC可以加速关键的AI应用，例如扩散模型、采样、优化和神经网络推理，以及材料和分子科学模拟等传统计算负载。最 终，这一愿景指向了一个异构、高度专业化的计算平台未来，它能够克服当前的扩展瓶颈，并开启计算能力和效率的新前沿。 一、引言：计算危机 在过去十年中，人工智能（AI）应用的快速扩展显著增加了对计算基础设施的需求，暴露了基础硬件范式中的关键限制。支撑AI模型的 基础设施从未考虑到今天的规模、复杂性或能源需求。因 ...

优胜奖得主： • Dr. Aditya Nair，加州理工学院和斯坦福大学的博士后研究员及 NIH NeuroAI 项目青年学者，专注于 AI 与神经科学的融合研究 • Dr. Alizée Roobaert，比利时佛兰德海洋研究所（Vlaams Instituut voor de Zee）研究员，开发了监测海 洋气候动态的创新 AI 解决方案 天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）与美国科学促进会（American Association for the Advancement of Science, AAAS）今天联合宣布，首届"天桥脑科学研究院与《科学》杂志 AI 驱动科 学大奖"获奖名单正式公布。这一重要年度奖项旨在表彰利用 AI 驱动科学发现的创新性研究。三位获奖 者将分享总计 5 万美元的现金奖励，其获奖研究论文也将在《科学》杂志上发表。 大奖得主： • Dr. Zhuoran Qiao，机器学习科学家，旧金山 Chai Discovery 公司创始科学家，因其在生物化学领域运 用 AI 的突破性工作获得大奖。 奖项设置与后续活动 大奖得主 Dr ...

文 | 追问nextquestion 当以ChatGPT为代表的许多大语言模型，能够实现相对准确地预测大脑对语言任务的反应时，是否可以 认为大语言模型捕捉到了大脑语言认知加工的一些深层机制？换言之，大脑也采用类似大语言模型的预 测编码机制——不断预测并修正错误？ 这种推论是否经得起科学的检验？GPT的预测与人脑语言反应的高度相关，究竟是"认知本质"，还是 只是"统计上的巧合"？ 01 预测编码理论 在20世纪，我们认为大脑从感官中提取知识。21世纪则见证了一场"奇怪的反转"，大脑被视为一个推理 的器官，会主动地为外部世界发生的事情构建解释[1]。在这场转变中，预测编码（Predictive coding） 理论扮演了重要角色。 20世纪90年代，心理学家Karl Friston提出了预测编码理论，提供了一个关于大脑如何加工的高层次描 述。该理论认为，大脑在未来事件发生之前就在不断地尝试对其进行预测，然后将预测与观测进行比 较，当预测与实际的感官输入不匹配时，大脑会对预测进行调整与更新以减少这种预测误差 （prediction error）。作为一种认知理论，预测编码理论为大脑信息加工提供了一种概念简洁、机制合 ...

广东省推进现代化产业体系建设专题会议 - 广东省召开专题会议推动培育壮大新兴产业和前瞻布局未来产业 重点聚焦人工智能与机器人产业领域 [2] - 会议组织政府部门 专家学者 人大代表和企业代表共同参与专题调研座谈会 [2] 类脑智能技术发展 - 类脑智能是受脑科学与神经科学启发的智能理论和技术 核心在于借鉴生物大脑的低功耗 自进化 小样本学习等优势 [4] - 类脑智能与现有AI有较大区别 从生物脑的感知认知机制出发 有望实现计算速度 能耗 推理能力的根本性突破 [4] - 类脑智能广义范畴包括类脑血管系统 类脑器官工程等前沿领域 如通过干细胞诱导分化的类脑器官可模拟大脑功能及疾病机制 [4] 广东省智能科学与技术研究院研究成果 - 研究院在类脑智能领域取得系列研究进展 推动从算法到芯片的全面创新 [4] - 算法层面开发"直觉神经网络"实现符号计算与数据驱动的融合 兼具可解释性与高能效 [4] - 硬件领域推出"天琴芯"BPU处理器和晶圆芯片"天琴芯·海"支撑的类脑计算系统 实现速度更快 功耗更低的算力突破 [4] 类脑智能产业生态 - 类脑智能生态划分为四个层级 核心研究机构 基础设施企业 产业链供应链硬件企业 应用端企业 [5] - 类脑计算技术可驱动智能终端向微型化 高集成化发展 激活芯片制造 脑机医疗等新兴产业 [5] - 中国具备类脑智能产业链与市场优势 建议加速建设类脑异构融合超算中心 推广节能改造技术 [5] - 广东省已具备先发优势 需进一步推动技术落地 形成全链条产业生态 [5]

公司发展历程 - 芯原股份成立于2001年，是一家依托自主半导体IP提供芯片定制服务和IP授权服务的企业 [1] - 2020年8月18日公司在科创板成功上市，被誉为"中国半导体IP第一股" [1] - 2022年公司成功实现"摘U"，成为科创板首个适用"轻资产、高研发投入"认定标准完成再融资发行的芯片设计公司 [1] - 公司从提供标准单元库起步，逐步发展为半导体IP和芯片定制服务提供商 [2] 市场地位与技术实力 - 根据IPnest 2025年统计，芯原股份是2024年中国排名第一、全球排名第八的半导体IP授权服务提供商 [3] - 在全球排名前十的企业中，公司IP种类排名前二 [3] - 公司已实现5nm系统级芯片一次流片成功，多个4nm/5nm一站式服务项目正在执行 [3] - 公司神经网络处理器IP已在82家客户的142款AI类芯片中获得采用，集成该IP的AI类芯片已出货超1亿颗 [6] 财务与研发表现 - 2020-2024年公司研发投入占营业收入比例一直保持在30%以上 [3] - 截至2025年一季度末，公司在手订单金额达24.56亿元，创历史新高，已连续六个季度保持高位 [1][3] - 2024年10月科创板发布新规，明确"轻资产、高研发投入"认定标准，为公司再融资提供便利 [4] 战略布局与业务发展 - 公司采用"内生+外延"多渠道协同发展战略，计划视业务需要进行战略投资或并购 [5][6] - 公司5年前开始布局Chiplet技术，重点聚焦云侧生成式人工智能和高端智驾领域 [8] - 公司视频处理器IP已被中国前5大互联网企业中的3家，全球前20大云平台解决方案提供商中的12家采用 [7] - 基于自有IP的视频转码平台拥有6倍转码能力，功耗仅为传统CPU方案的1/13 [7] 行业趋势与机遇 - AI浪潮为芯片行业带来巨大发展空间，市场对高算力AI ASIC芯片需求激增 [6][7] - AIGC发展推动Chiplet技术快速发展和产业化，该技术可应对良率、成本、设计风险等挑战 [7][8] - Chiplet技术可帮助云侧AI计算减少对先进工艺依赖，提高汽车芯片可靠性 [8] - 科创板改革支持科技企业开展产业链并购整合，提升产业协同效应 [4][5]

专利技术 - 中集安瑞科工程科技、中国国际海运集装箱集团、中集安瑞科投资控股联合申请"基于神经网络算法的耗气量预测方法"专利，公开号CN120278002A，属于油气流动安全保障技术领域 [1] - 专利技术通过采集水合物抑制剂组分、温度压力数据构建样本集，训练神经网络模型实现耗气量预测，可建立多因素复杂映射关系，提升不同工况下的预测精度 [1] - 该技术能为油气输送系统的优化设计和运行提供决策支持，涉及复配型水合物抑制剂实验数据建模 [1] 公司背景 - 中集安瑞科工程科技成立于2001年，注册资本1.1亿人民币，主营建筑装饰装修业，对外投资2家企业，持有111项专利，参与招投标262次 [2] - 中国国际海运集装箱集团成立于1980年，注册资本53.9亿人民币，主营金属制品业，对外投资23家企业，持有4903项专利，参与招投标54次 [2] - 中集安瑞科投资控股成立于2010年，注册资本8000万美元，主营科技推广服务业，对外投资25家企业，持有941项专利，参与招投标1次 [2] 知识产权布局 - 三家公司合计持有专利5955项（4903+941+111），其中中国国际海运集装箱集团专利储备占比达82% [2] - 中集安瑞科工程科技商标信息3条，行政许可16个，中国国际海运集装箱集团商标155条，行政许可25个 [2]

股价表现 - 7月7日开盘下跌7.56%至291.51美元/股，成交额34.6亿美元，总市值9389.41亿美元 [1] 财务数据 - 截至2025年3月31日，公司收入总额193.35亿美元，同比减少9.23% [1] - 归母净利润4.09亿美元，同比减少70.58% [1] 评级与事件 - 7月3日获汇丰银行重申Reduce评级，目标价上调至120美元 [2] - 预计7月23日(美东时间)盘后披露2025财年中报 [2] 公司业务 - 公司成立于2003年7月1日，主营电动汽车及能源系统 [2] - 业务涵盖设计、开发、制造、销售和租赁全电动汽车及能源存储系统 [2] - 全球首家垂直整合的可持续能源公司，提供发电、存储和消费全链条产品 [2] 产品与技术 - 现有及计划推出的车型包括Model 3/Y/S/X、Cybertruck、Semi和Roadster [2] - 技术优势包括领先的自动驾驶(FSD)硬件、神经网络技术、里程和充电灵活性 [2] - 产品具备优越的加速、操控、安全特性及信息娱乐功能 [2] - 支持无线更新和较低的拥有成本 [2]

市场认知框架 - 市场不可被精确预测，目标是构建理解市场状态和短期演化方向的认知框架 [1] - 交易本质是在非平稳、高噪音随机过程中寻找期望收益为正的决策机会 [1] - 传统技术分析存在降维失真问题，忽略驱动价格的高维潜在空间 [1] 模型范式演进 - CNN可识别局部空间模式但缺乏对时间序列路径依赖的理解 [2] - LSTM能捕捉时序信息但假设信息沿单一时间线流动，与市场网络化结构矛盾 [3] - 需从序列依赖建模转向结构与时间联合依赖建模 [5] 市场关系拓扑计算 - 构建动态多关系类型的时态知识图谱，数学本质为高阶张量 [6] - 引入异构霍克斯过程建模事件流，量化历史事件对当前事件的增强效应 [6] - 通过最大化对数似然函数反解实体和关系类型的嵌入向量 [7] 人机共振机制 - 人类策略师角色是模型架构的先验设定者，提供对市场的认知和洞察 [9] - 先验概率来自对产业变迁和技术范式转移的理解，转化为模型因子权重 [10] - 决策框架追求数学期望长期为正，赚取认知系统与市场平均认知水平的差价 [11]

6G技术研究进展 - 研究人员正竞相部署6G，目标包括超过1Tbps的速度、亚毫秒级延迟、AI原生架构及物理与数字世界无缝集成[2] - 技术障碍包括频谱稀缺、散热限制、射频前端效率低下及小型化高增益天线需求[2] - 三所大学主导的研究项目聚焦速度、效率和规模的交叉融合，为6G带来新可行性[4] 麻省理工学院光子AI处理器 - 开发MAFT-ONN光子深度学习处理器，可直接对原始RF信号进行完全模拟的深度学习[5] - 系统结合频域编码、光电倍增和电光非线性技术，实现实时低延迟信号分类和频谱分析[5] - 在射频调制分类中达到95%准确率，处理近四百万次模拟运算，延迟性能显著优于数字设备[7] - 解决AI与射频硬件连接的性能损失问题，为6G认知无线电和自适应频谱接入奠定基础[7] 布里斯托大学GaN放大器研究 - 在SLCFET中发现可逆锁存现象，具有低于60mV/十倍频程特性[8] - 采用多通道GaN结构（多达1000个鳍片），展现陡峭亚阈值斜率和宽跨导特性[8] - 锁存效应增强线性度并允许更大电压摆幅，提高输出功率，为6G提供高效射频功率放大器方案[10] 东京科学研究所相控阵技术 - 利用X-Architecture 3D封装平台开发超紧凑6G相控阵收发器，体积小于硬币[11] - 针对140GHz亚太赫兹频率，集成四通道波束成形技术[11] - 通过硅通孔和微凸块互连集成射频、基带和控制IC，实现波束控制、高增益和低误差矢量幅度[13] - 原型结合高集成度、热性能和射频性能，解决消费电子尺寸兼容性难题[13]

中国石油大学（华东）仪器设备采购意向 核心观点 - 中国石油大学（华东）计划于2025年6月采购25项高端仪器设备，预算总额达9932万元，涵盖材料科学、能源化工、分析测试等领域的关键设备 [1][2] 采购项目分类 材料科学与工程设备 - **工程部件研制设备**：包含大尺寸功能梯度材料制造装置、真空电弧炉等，预算193万元，用于合金材料高通量制备 [3] - **材料性能验证系统**：含多尺度模拟软件及实验设备（万能试验机、红外光谱仪等），预算219万元，支持材料非平衡态性质研究 [3] - **先进碳基复合材料平台**：集成AI材料大模型、多模态数据库及训练服务器，预算351万元，用于新材料智能化设计 [3] 分析测试仪器 - **X射线吸收精细结构谱仪**：预算500万元，覆盖4.5-20keV能量范围，配备原位测试附件，分辨率达0.5-1.5eV [4] - **电子顺磁共振波谱仪**：预算500万元，X波段连续波模式，信噪比≥3500:1，含液氮变温系统 [4] - **多站全孔分析仪**：预算50万元，支持N2/Ar/Kr吸附测试，微孔分析范围0.35-500nm，4个并行分析站 [4] 能源化工专用设备 - **燃料分析系列**：包含馏程分析装置（最高650℃）、黏度分析装置、元素分析仪（检测限达10ppb硫氮），总预算665万元 [6][7] - **化工过程监测系统**：全自动反应量热仪（预算438万元）支持多模式控温，可联用在线分析系统，缩短研发周期 [8] 高端表征设备 - **300KV透射电镜系统**：预算3200万元，双球差校正设计，STEM分辨率50pm@300kV，含三维重构功能 [6] - **超高真空扫描隧道显微镜**：预算700万元，兼具STM/AFM模式，液氦维持200小时，原子级分辨率 [6] 采购特点 - **技术先进性**：多项设备具备AI驱动（材料大模型）、原位表征（XAFS）、超高分辨率（透射电镜50pm）等前沿功能 [3][6] - **学科覆盖广**：涉及材料模拟（219万元）、催化剂研发（365万元）、石油燃料分析（多设备合计1095万元）等交叉领域 [4][6] - **规模化投入**：单笔最高预算为透射电镜系统（3200万元），占总额32%，反映对微观结构研究的重点布局 [6]