General Intuition 完成 3.2 亿美元融资，估值达 23 亿美元。该公司押注于利用数百万小时的游戏操作数据训练 AI 模型，使其具备类似人类的“直觉”——能够将虚拟世界的空间-时间推理能力迁移到真实世界的机器人上。其核心优势在于拥有包含玩家按键记录的动作标签数据，而非仅依赖视频画面。
## 挑战AI算力瓶颈：振荡器架构能否将功耗降低1000倍？ 在AI算力需求呈指数级增长的今天，电力供应正成为制约行业发展的硬性瓶颈。由前Databricks AI负责人Naveen Rao创立的**Unconventional AI**公司，提出了一种颠覆性的解决方案——基于**振荡器（oscillator-based）的新型计算机架构**，并宣称能将AI推理功耗降低高达**1000倍**。 ### 从“Hello World”起步：Un-0模型诞生 近日，Unconventional AI发布了其首个AI模型——**Un-0**，一个图像生成系统工具。这不仅是公司技术路线的首次公开验证，更被Rao称为“新计算机的Hello World”。研究团队在配套论文中详细阐述了如何利用新架构的软件模拟，构建出一个功能完整的图像生成模型，其性能**与Stable Diffusion、OpenAI GPT Image 1等最先进的扩散模型不相上下**。 ### 振荡器架构：原理与优势 传统AI芯片（如GPU、TPU）依赖布尔逻辑和晶体管开关，而振荡器架构则通过物理振子的频率和相位变化来表征与处理信息。这种根本性的差异带来了两大核心优势： 1. **极低功耗**：振荡器在状态切换时能耗极低，且天然支持模拟计算，避免了传统数字芯片中频繁的数据搬运和转换损耗。Rao相信，最终能将推理功耗降低三个数量级。 2. **并行效率**：振荡器阵列可以高度并行地处理信息，尤其适合AI推理这类大规模矩阵运算。 ### 从仿真到芯片：漫长的落地之路 目前，Un-0模型运行在振荡器芯片的**软件仿真**环境上。公司下一步计划是发布**实际芯片的电路图**，并以此为基础构建完整的推理堆栈——从底层硬件到上层软件，最终像其他云服务商一样提供算力。Rao设想：“我们将构建由自己芯片组成的新系统，运行AI模型，并通过网络接口接收提示词、输出推理结果，而功耗仅为传统方案的千分之一。” ### 前景与挑战 这是一个极其宏大的目标，尤其对于一家**员工不足50人**的初创公司而言。然而，考虑到当前AI基础设施的疯狂扩张——微软、谷歌、Meta等巨头纷纷投入数十亿美元建设数据中心，而电网容量正成为真正的天花板——这种“从零开始”的激进方案或许正是行业急需的突破。 当然，挑战同样巨大：振荡器架构的制造工艺尚未成熟，软件生态几乎空白，且需要证明其在更大规模模型上的可扩展性。但Rao的团队已迈出第一步：用仿真环境证明了原理可行性。未来一年，我们或将看到更多关于这种“新计算机”的实质性进展。
AI 热潮催生了大量数据中心创业公司，但让数据中心真正投入运营并非易事。即使解决了 GPU、网络交换机和存储的采购问题，配置、调试和满足客户多样化需求仍需要数月时间。对于提供 AI 推理和训练服务的“新云”（neocloud）运营商而言，时间就是金钱——GPU 闲置的成本极高。 网络自动化初创公司 **Netris** 宣称能解决这一痛点。该公司提供运行在网络交换机上的软件，以及一个连接交换机的平台，通过自动化设置、配置和运维，帮助新云运营商大幅缩短上线时间。平台还提供网络抽象层，允许灵活调整硬件配置，并在硬件层面隔离服务器和资源，实现多租户支持。 Netris 的 CEO Alex Saroyan 指出，传统数据中心依赖软件定义网络（SDN）进行配置管理，但 SDN 在 AI 场景下力不从心：“AI 流量巨大，所有操作必须硬件加速。”Netris 的方案类似于 SDN，但完全基于硬件加速，且兼容 Nvidia 和 AMD 服务器所使用的网络设备与标准。 这一承诺获得了市场的认可，包括 **Nvidia** 在内的巨头也对其技术表示赞赏。两年前，Nvidia 在演示了 Netris 技术后，主动将其推荐给多个客户。如今，Netris 获得了由 **a16z** 领投的 **1500 万美元 A 轮融资**，用于加速产品开发和市场拓展。 在 AI 基础设施竞争日益激烈的当下，Netris 的出现为中小型新云运营商提供了与大型云服务商抗衡的工具。通过降低网络部署的复杂度和时间成本，Netris 有望成为 AI 算力普及的关键推手。
距离 TechCrunch 创始人峰会 2026 早鸟优惠结束仅剩 2 天，最高可节省 **190 美元**。优惠将于 **6 月 26 日太平洋时间晚 11:59** 截止。 这场峰会专为创始人打造，将于 **11 月 4 日在波士顿** 举行，预计吸引超过 **1000 名创始人及投资人** 参与。活动包含战术学习、坦诚对话和高质量社交，帮助创始人更快决策、更聪明增长。 **核心亮点：** - **创始人优先设计**：所有环节围绕创业、规模化、融资挑战展开。 - **实用工作坊**：涵盖 A 轮融资、路演材料打磨、C 轮及以后时机判断、达到 1000 万美元 ARR、退出策略、IPO 准备等。 - **强大嘉宾阵容**：过往演讲者包括 boldstart ventures 合伙人 Ellen Chisa、Sapphire Ventures 合伙人 Cathy Gao、Underscore VC 合伙人 Chris Gardner、前特斯拉总裁 Jon McNeill 等。 - **团队优惠**：4 人及以上团体可享 **最高 30% 折扣**。 早鸟价仅剩 2 天，6 月 26 日后票价上涨。立即注册锁定席位。
Adobe 于本周四宣布，已达成收购 **Topaz Labs** 的最终协议。Topaz Labs 是一家专注于 AI 驱动的图像与视频增强技术的公司，拥有超过二十年的历史，其技术曾于去年获得艾美奖。Adobe 表示，将把 Topaz Labs 的工具整合到其创意业务中，包括 Firefly AI 应用以及图像与视频编辑套件的其他部分。 ## 交易背景与整合计划 Topaz Labs 近年来推出了自己的 AI 模型：用于视频超分辨率的 **Astra** 和用于图像修饰与增强的 **Wonder**。该公司还开发了一项技术，使得在消费级 GPU 上运行大型视频模型变得更加容易。Adobe 此前已在 Creative Cloud 套件中提供部分 Topaz 工具，此次收购将加速深度整合。Adobe 表示，Topaz 的产品仍将通过其网站作为独立服务提供。 Adobe Creative Cloud 产品营销副总裁 Deepa Subramaniam 在声明中指出，希望将真实镜头与 AI 片段结合的专业人士，可以使用 Topaz 的产品进行锐化细节、降噪或修复存档素材等任务。她强调，Topaz Labs 在优化大型复杂 AI 模型以在设备端直接运行方面拥有深厚专长，这将使 Adobe 能够为客户提供更快、更响应式的体验，让先进 AI 对创意人员来说更易获取且更具成本效益。 ## 行业竞争与战略意图 在图像与视频编辑领域，Adobe 正面临来自 Canva 和 DaVinci Resolve 所有者 Blackmagic Design 的激烈竞争。Adobe 一直在其所有应用中注入 AI 功能，并已通过 Firefly 打造了一个以 AI 为核心的媒体编辑工作室。通过收购 Topaz Labs 等初创公司，Adobe 希望防止用户转向其他软件进行视频编辑和增强，从而将他们留在自己的生态系统中。 ## 交易时间表 Adobe 表示，该交易预计将在 **2026 年下半年** 完成。 ## 小结 此次收购不仅是 Adobe 在 AI 视频编辑领域的一次重要布局，也反映了行业巨头通过整合专业 AI 工具来巩固生态系统的趋势。Topaz Labs 的技术将帮助 Adobe 在设备端 AI 处理能力上取得突破，为用户提供更高效的创意工作流程。
亚马逊（Amazon）近日宣布，将在2030年前额外投资**130亿美元**，用于扩建其在印度的AI和云计算基础设施。这是继2023年承诺150亿美元、2025年12月追加350亿美元后，亚马逊对印度的第三笔重大投资，至此其在印投资总额累计达**480亿美元**。 这笔新资金将主要用于扩建亚马逊云服务（AWS）在孟买和海得拉巴的数据中心容量。亚马逊CEO安迪·贾西（Andy Jassy）与印度总理莫迪会晤后宣布了这一决定。不过，亚马逊未详细说明480亿美元如何在其印度业务中分配。科技公司的长期承诺通常包含资本支出和运营支出，而非仅新增基础设施投入。 ### 全球巨头争相布局印度AI 亚马逊此举正值全球科技公司竞相押注印度成为AI计算基础设施主要枢纽之际。**微软**于2025年12月宣布到2029年在印投资**175亿美元**，**谷歌**则在2025年10月承诺投入**150亿美元**建设AI枢纽和数据中心。此外，澳大利亚AirTrunk、加拿大养老金计划投资局（CPP Investments）以及印度本土巨头信实工业（Reliance Industries）和阿达尼集团（Adani Group）等，也已吸引数十亿美元数据中心项目投资。 印度政府通过政策激励吸引外资，包括对在印度数据中心运行工作负载的海外云服务商，其境外服务销售额给予**税收豁免**。 ### 零售与物流同步扩张 除云基础设施外，亚马逊还在加强印度本土零售和物流网络。公司计划今年开设**20多个**配送中心和**100多个**末端配送站点，并扩展快速配送服务Amazon Now至**300多个**城镇。这使其与Eternal旗下Blinkit、Swiggy的Instamart、Zepto以及沃尔玛旗下Flipkart的竞争更加激烈。本周早些时候，Flipkart宣布计划到2026年底开设**1500个**微型配送中心。 亚马逊在印度的持续重注，反映出其将印度视为全球AI和电商增长关键市场的战略决心。
荷兰贸易部长本周访问华盛顿，直接向美国商务部及国会表达对《MATCH法案》的反对。该法案旨在进一步限制中国芯片制造商获取西方半导体设备，尤其将对荷兰光刻机巨头ASML造成严重冲击。ASML是全球唯一能生产先进AI芯片制造所需光刻机的企业，中国占其净系统销售额的19%。现有管制已禁止最先进的极紫外（EUV）设备对华出口，而MATCH法案将把限制扩展至深紫外（DUV）浸没式设备——这些设备虽属上一代技术，但仍是当前中国可购买的最先进机型。ASML CEO此前曾向TechCrunch指出，中国目前能买到的只是约十年前推出的旧款DUV工具。该法案4月提出，尚未经过众议院或参议院全体投票，可能需并入更大规模法案才能通过。此次荷兰高官罕见亲赴国会游说，凸显欧洲在维护自身经济利益与美国安全诉求之间的艰难平衡。
Vishal Sikka，印度最大IT服务公司之一印孚瑟斯（Infosys）的前CEO，正押注AI能取代传统IT外包工作。他的新创企 **Hang Ten Systems** 宣布获得 **3200万美元** 种子轮融资，由 **Mayfield** 领投，**Aramco Ventures** 战略参投，雅虎联合创始人 **杨致远** 也加入董事会。 ## 核心业务：AI驱动的软件开发与运维 Hang Ten 帮助企业持续构建、修改和运营软件，核心是 **AI驱动的开发与自动化**。公司已与 **西门子歌美飒可再生能源** 和 **费森尤斯** 等客户合作，开展AI原生项目交付。Mayfield管理合伙人Navin Chaddha透露，公司成立仅一个月就获得客户，正快速扩张。 ## 豪华团队与行业背景 Sikka曾在SAP工作12年，后担任Oracle董事，2017年卸任Infosys CEO后创立了企业AI创企 **VianAI**（获软银愿景基金2期1.4亿美元投资）。Hang Ten的核心团队包括多位在SAP、Infosys和VianAI与其共事多年的高管：CTO Navin Budhiraja、首席设计官Sanjay Rajagopalan、高级工程副总裁Tao Liu。 ## 市场格局与争论 Hang Ten进入的是一个传统IT服务商（包括Infosys自身）正通过Anthropic、OpenAI等合作加速AI转型的市场。行业核心争论在于：**AI是扩大IT服务市场，还是从根本上改变企业软件的构建、维护和交付方式？** 一些企业显然渴望尝试AI服务新模式，尤其来自Sikka这样经验丰富的领导者。 ## 融资与扩张计划 Hang Ten总部位于湾区，正招聘交付、工程、销售和管理岗位，计划在全球多地扩张以满足企业需求。本轮融资将用于加速产品开发和市场拓展。
AI 芯片公司 Cerebras 在上市后首份财报中交出了一份令市场失望的成绩单，其股价在盘后交易中暴跌超过 20%。引发投资者恐慌的直接原因，是公司对核心业务毛利率的展望远低于预期。 Cerebras 管理层在财报电话会议上表示，预计下一季度其核心业务的毛利率将收窄至 **40%-45%** 区间，远低于此前市场普遍预期的 60% 以上。这一数字被解读为公司盈利能力可能面临长期压力，导致抛售潮涌现。 面对股价重挫，Cerebras CEO Andrew Feldman 随后紧急澄清，称市场误读了公司的利润率展望。他指出，毛利率的短期波动主要源于**产品结构变化**——公司正在向客户交付更多包含高成本组件的系统级解决方案，而非单纯的芯片销售。一旦这批高价值订单完成交付，利润率有望回升。 ### 毛利率为何“失真”？ 从业务模式来看，Cerebras 并非纯粹的芯片设计公司，而是提供从晶圆级芯片到整机集群的端到端计算方案。其核心产品 **CS-2 系统** 集成了定制化的 Wafer-Scale Engine（晶圆级引擎）以及配套的散热、互联和软件栈。这种重交付模式在初期会拉高成本，但随着规模化部署和软件生态成熟，长期毛利率仍具备提升空间。 然而，分析师们对此持谨慎态度。一方面，Cerebras 正面临来自 NVIDIA、AMD 等巨头的激烈竞争，后者在 AI 训练与推理市场已建立起深厚的软件护城河；另一方面，Cerebras 的客户集中度较高，前五大客户贡献了超过 80% 的收入，大客户议价能力可能进一步压缩利润空间。 ### 上市后的首份“压力测试” Cerebras 于今年 3 月通过 SPAC 方式上市，彼时正值 AI 算力需求井喷，市场对其寄予厚望。然而，本次财报暴露了公司从“技术明星”向“商业实体”转型过程中的阵痛：**营收增长固然亮眼，但盈利路径尚不清晰**。 Feldman 强调，公司正在拓展更多垂直行业客户（如能源、医疗和金融服务），并计划通过软件订阅服务提升经常性收入占比。但短期内，市场情绪仍将受制于毛利率的波动。 ### 小结 Cerebras 的股价暴跌事件，折射出 AI 芯片赛道的一个核心矛盾：**技术突破与商业可持续性之间的鸿沟**。尽管晶圆级芯片在超大规模计算场景中展现了独特优势，但投资者更关心的是，公司能否在巨头环伺下找到一条可复制的盈利路径。未来几个季度，Cerebras 需要用实际行动证明：毛利率的收窄只是暂时性的“成长烦恼”，而非长期趋势。
关于 AI 是否已经取代工作岗位的争论愈演愈烈。今年 5 月，科技行业的裁员人数创下多年来的单月新高，根据再就业服务公司 Challenger, Gray & Christmas 的数据，AI 是被提及最多的原因。理论上，软件工程是最易受自动化影响的职业领域，因为 AI 编程工具的采用速度极快。然而，风投公司 SignalFire 的研究人员表示，招聘数据揭示了不同的故事。 SignalFire 的分析追踪了超过 8000 万家公司中数百万员工的职业轨迹，结果表明，**工程岗位是 2025 年最具韧性的职能**。SignalFire 研究主管 Asher Bantock 指出：“很多裁员的理由都是 AI，特别是与代码相关的 AI；他们会说一个工程师能顶过去多少个工程师的活。但我们在实地看到的情况与这种说法有些不一致。” SignalFire 并未聚焦于难以追踪的裁员数据（因为人们在失业后往往延迟更新就业状态），而是将招聘数据作为更准确的实时劳动力趋势指标。报告显示，与 2019 年相比，大型科技公司的总招聘量下降了 25%，但**工程岗位的招聘量仅下降了 11%**。事实上，在 SignalFire 归类为“科技巨头”的 12 家公司（Alphabet、Meta、Apple、Amazon、Microsoft、Netflix、Nvidia、Tesla、Uber、Airbnb、Block 和 Stripe）中，**2025 年新招聘的员工中有 55% 是工程师**，而 2019 年这一比例仅为 46%。 早期初创公司对工程师的需求更为强劲：与 2019 年相比，2025 年它们整体多招聘了 7% 的工程师。Bantock 认为，如果 AI 真的在替代工程人才，那么在当前的科技招聘收缩中，工程招聘应该最先下降。但 SignalFire 的数据显示，**工程岗位的增长率超过了科技行业大多数其他职能**。 有趣的是，尽管 Anthropic 的 CEO Dario Amodei 去年曾警告说，AI 可能在五年内消灭一半的入门级白领岗位，并将失业率推高至 20%，但该公司自己的经济学主管 Peter McCrory 今年 3 月告诉 TechCrunch，他尚未看到任何显著的 AI 驱动效应。这进一步印证了 SignalFire 的发现：**AI 对就业的影响并非简单的替代，而是结构性的转变**。 这一数据背后可能有多种原因：AI 工具虽然提高了单个工程师的效率，但也催生了更多对 AI 系统本身进行开发、维护和监管的需求；同时，企业可能将节省的成本重新投入到扩张中，从而保持对工程师的总需求。无论如何，**工程师的韧性表明，AI 时代并非“工程师末日”，而是角色和技能的再定义**。
据彭博社报道，顶级 AI 研究人员 **Jonas Adler** 和 **Alexander Pritzel** 已离开谷歌，加入 Anthropic。两人在谷歌 Gemini 模型的开发中扮演了关键角色。这一离职潮延续了近期谷歌人才流失的趋势：上周，传奇 AI 研究员 **Noam Shazeer** 宣布离开谷歌加入 OpenAI；几天后，谷歌 DeepMind 总监 **John Jumper** 也宣布转投 Anthropic。Jumper 因 AlphaFold 项目与 DeepMind CEO Demis Hassabis 共同获得 2024 年诺贝尔化学奖。 ### 人才流失背后的行业变局 谷歌 AI 人才的持续外流并非偶然。随着 OpenAI 和 Anthropic 筹备上市，这些公司正通过股权激励积极招募顶尖 AI 人才。对于研究人员而言，加入初创公司意味着可能获得巨大的财务回报，尤其是在 AI 领域估值飙升的当下。 ### 谷歌的应对与挑战 尽管谷歌在 AI 领域仍拥有深厚的技术积累和资源，但核心人才的流失可能影响其模型研发进度和创新能力。尤其是 Shazeer 和 Jumper 这样的重量级人物，他们的离开对谷歌 Gemini 和 DeepMind 团队是重大损失。 ### 行业趋势 这波人才流动反映了 AI 行业竞争的白热化。头部公司之间的人才争夺战正在加剧，而上市预期则为初创公司提供了吸引顶尖人才的“金手铐”。未来，随着更多 AI 公司走向公开市场，这一趋势可能进一步延续。
AI 浪潮催生了无数初创公司和亿万富翁，也带来了一场持续发酵的内存芯片短缺危机。这场被称为“RAMageddon”的供应紧张预计将持续到 2027 年，但并非所有玩家都在承受压力——**美国最大计算机内存芯片制造商美光（Micron）正成为这场短缺的最大赢家之一**。 ## 业绩爆发式增长 美光最新发布的第三财季财报显示，公司营收同比增长四倍，达到 **414.5 亿美元**；净利润从去年同期的 18.8 亿美元飙升至 **282 亿美元**，增幅惊人。财报发布后，美光股价盘后上涨超过 13%，收于 **1,048.51 美元**——而 2024 年初其股价仅约 83 美元，市值也从约 910 亿美元膨胀至 **1.2 万亿美元**。 公司对下一季度的展望同样乐观，预计第四财季营收将在 **490 亿至 510 亿美元**之间。这一强劲表现与整个行业“内存为王”的现状密不可分：AI 模型训练和推理对高带宽内存（HBM）和 DRAM 的需求呈指数级增长，而供给端扩产缓慢，导致价格持续攀升。 ## 从短缺到战略卡位 就在财报公布的同周，美光宣布与 AI 实验室 Anthropic 达成供应协议，为其提供内存与存储芯片。此外，美光还参与了 Anthropic 的 H 轮融资，但未披露具体投资金额。这一合作标志着美光正从单纯的芯片供应商向 AI 基础设施的关键参与者转型。 ## 传导至消费端 内存短缺的连锁反应已传导至终端市场。苹果 CEO 蒂姆·库克一周前警告称，产品涨价“不可避免”。随着 HBM 和 DDR5 等高端内存优先供应 AI 服务器，消费电子产品的内存成本上升正在挤压普通用户的预算。 ## 行业启示 美光的崛起折射出 AI 产业链的深层变化：**算力的瓶颈正从 GPU 转向内存子系统**。英伟达等公司的 GPU 性能再强，也需要足够快、足够大的内存来喂饱数据。这一趋势让传统内存厂商重新站上风口，也吸引了更多资本涌入存储赛道。不过，分析师提醒，内存周期波动剧烈，当前的高景气能持续多久仍存变数。
曾几何时，企业鼓励员工“刷满”AI 使用量，甚至设置内部排行榜来推动 AI 应用。然而，这股热潮正在迅速降温——因为公司们发现，AI 预算正被海量低价值的小任务快速耗尽，而回报却微乎其微。 据 **404 Media** 报道，全球咨询巨头 **埃森哲（Accenture）** 正试图阻止员工用 AI 完成如“将 PDF 转换为演示文稿”这类基础工作，以避免消耗过多的 Token 储备。这一转变距离该公司此前威胁员工“不使用 AI 可能影响晋升”的态度，可谓一百八十度大转弯。 报道基于埃森哲内部一次会议的泄露音频，其代理 AI 战略负责人 **Justice Kwak** 在会上直言：“我们正处在一个转折点，AI 正在成为成本结构中不可忽视的部分。支出变得极不可预测，而领导层——尤其是 CFO、COO 和 CIO——都在追问：我们在 AI 上的投入到底换来了什么价值？” ### 从“Tokenmaxxing”到“Token Rationing” 所谓 **“Tokenmaxxing”**，指代此前企业不惜代价鼓励员工大量使用 AI 的现象。但如今，这一阶段已宣告结束。随着 AI 成本压力显现，企业开始进入 **“Token 配给”** 时代。埃森哲的案例并非孤例，近期多家公司都在削减 AI 支出，甚至引发了被称为 **“AI 抛售”** 的市场震荡，尤其是内存芯片制造商股价受挫。 核心问题在于：**AI 的商业模型正受到质疑**。当 AI 无法持续证明其投入产出比时，单纯的新鲜感和技术光环便不足以支撑企业持续买单。 ### 行业反思：价值才是硬道理 这一趋势反映出 AI 产业已迈入新阶段——从“能用”到“有用”，从“炫技”到“务实”。对于企业而言，如何精准控制 AI 使用场景、避免资源浪费，将成为未来管理的重要课题。而对于 AI 服务商来说，如何提供更精细化的成本控制工具、更透明的价值度量体系，也将决定其能否在下一轮竞争中站稳脚跟。 **Token 配给时代** 的到来，或许正是 AI 走向理性与成熟的开始。
Facebook 正在将 Creator Studio 工具重塑为一款独立的 AI 伴侣应用，旨在帮助创作者在社交网络上扩大受众。这款新应用目前正在与部分创作者进行测试，内置了 Facebook 最近推出的 AI 创作者助手。该助手能根据创作者的内容风格、表现、受众参与度和目标提供个性化建议。创作者可以通过对话式问答快速获取发布时机、评论分析等信息。此外，应用还包含 AI 驱动的评论工具，可自动筛选重要评论并拟写符合创作者语气的回复草稿，经创作者确认后发布。每日打开应用时，创作者会看到优先事项列表，包括最新帖子表现、目标进度和待回复评论。此举是 Meta 在 TikTok 和 YouTube 竞争下留住创作者的最新举措，也旨在减少创作者对 ChatGPT 等第三方工具的依赖。此前 Meta 已推出 Facebook 群组独立应用 Forum 和类似 Instagram 的 Instants 应用，并计划推出类似 Polymarket 的 Arena 应用。CEO 扎克伯格表示，AI 驱动的高效将让公司比以往构建更多应用。
人形机器人初创公司Agility Robotics宣布将通过SPAC合并上市，交易估值约25亿美元。这家2015年从俄勒冈州立大学剥离的公司，预计将获得超过6.2亿美元资金，用于扩大下一代Digit v5机器人的产能并履行现有订单。 **交易细节** Agility Robotics与特殊目的收购公司Churchill Capital Corp XI合并，交易估值约25亿美元，预计产生超过6.2亿美元收益，其中包括约2亿美元来自新老机构投资者。合并后公司预计在北美交易所上市，股票代码为AGLT。 **产品与商业化进展** Agility最知名的产品是双足机器人Digit，目前已在9个客户站点部署，包括舍弗勒、GXO、丰田汽车加拿大公司及美客多。公司已获得超过3亿美元的新一代Digit v5多年期订单，并有30多家潜在客户正在评估大规模部署。 **投资者与行业背景** Agility获得了亚马逊、英伟达、软银愿景基金2期、DCVC等知名科技公司和基金的支持。CEO Peggy Johnson表示，人形机器人将成为生产力、供应链韧性和美国技术领导力的关键驱动力。Agility已实现商业部署，帮助企业应对劳动力短缺、提升效率并安全集成AI自动化。 **未来计划** 此次上市筹集的资金将用于增加Digit v5产能、履行现有订单并拓展新老客户。Agility强调其技术已在客户环境中运行，并看好AI驱动的自动化前景。
设计平台 Figma 在最新更新中推出了多项重磅功能，包括代码图层、动画与着色器支持，以及基于 AI 的自定义插件创建能力。本次更新进一步模糊了设计与开发之间的界限，让设计师、产品经理和工程师能够在同一个协作画布上更自由地探索创意。 ## 代码图层：让设计与代码无缝衔接 Figma 首席产品官 Yuhki Yamashita 表示，新增的代码图层允许团队直接从代码仓库中克隆代码，并将代码中的逻辑提取为设计图层用于测试。他强调，多人协作画布的核心优势在于：“你不需要关心代码质量，如果正在快速探索多个方向，可以用这种空间化的方式自由尝试。”这一功能旨在改变设计师、工程师和产品经理之间的协作模式，让迭代想法而非生产级代码成为焦点。 ## 动画与 3D 变换：告别第三方工具 此前，设计师需要在其他软件中制作动画，再转换为代码导入 Figma。现在，Figma 原生支持动画、过渡和 3D 变换，用户可以直接在平台上完成动态设计。此外，AI 辅助生成着色器效果和填充功能也已上线，进一步降低了动态设计的门槛。 ## AI 代理与自定义插件：自主化工作流 去年收购的节点式工具 Weavy 正在与 Figma 深度整合。今年晚些时候，用户将可以直接在 Figma 内生成 Weavy 工作流，通过不同模型对比输出。同时，Figma 的 AI 助手新增了“技能”功能：用户可通过自然语言提示创建可重复使用的 AI 任务，并连接 Notion、Granola、Excel、GitHub 等工具或附加文件，让 AI 获得更多上下文。 更引人注目的是，Figma 支持用提示词创建自定义插件，例如布局生成器或矢量路径追踪器。这意味着非开发人员也能根据需求快速构建专属工具，进一步扩展了 Figma 的生态边界。 ## 行业视角：设计工具正在变成“协作操作系统” 从去年推出 AI 原型工具 Figma Make，到集成 Claude Code 和 Codex，再到如今的代码图层与 AI 代理，Figma 正从单纯的设计工具转向一个融合设计、开发与 AI 的协作平台。这一趋势与整个行业“低代码/无代码”以及“AI 辅助开发”的浪潮相呼应。对于企业而言，Figma 的更新有望缩短从设计到开发的交付周期，降低沟通成本。而对于设计师和产品经理，掌握 AI 提示词与简单代码逻辑将成为新的必备技能。
## 核心要点 OpenAI于本周三正式发布其首款自研推理处理器，代号“Jalapeño”。该芯片由OpenAI与博通（Broadcom）联合设计制造，专为OpenAI推理系统量身定制。OpenAI表示，其自有的AI模型参与了芯片开发过程。目前芯片仍处于测试阶段，但早期结果显示，其**每瓦性能显著优于当前最先进的替代方案**。 ## 战略背景：降低对英伟达依赖 OpenAI的芯片计划此前已传闻多时，核心动因在于减少对英伟达GPU的依赖。谷歌和亚马逊早已通过自研AI加速器实现了类似目标——即专门为加速机器学习工作负载而设计的硅芯片。2024年10月，OpenAI与博通的合作正式官宣，此次发布的Jalapeño正是该合作的成果。 OpenAI总裁格雷格·布罗克曼（Greg Brockman）在合作宣布后的内部播客中解释了公司的芯片开发思路：“我们对工作负载有深刻理解……我们一直在寻找那些未被充分服务的工作负载，思考如何构建能加速可能性的东西。” ## 技术特性：聚焦推理效率 Jalapeño**专为推理（inference）设计**，即运行预训练AI模型以响应用户指令的过程。在公告中，OpenAI特别强调了该芯片在运行实时编程模型时的**低运营成本**。可以预见，预训练等计算密集型任务可能仍将依赖英伟达硬件，但即便只是推理成本的微降，也能显著改善公司利润。 优化推理系统正成为AI经济学的关键变量，且这种优化将发生在技术栈的每一层。OpenAI已在构建Codex等智能体产品、支撑这些产品的模型，以及运行模型的算力中心。进军定制芯片，使得OpenAI能将优化推进到更底层。 ## 全栈整合：从模型到芯片 OpenAI在公告中强调：“OpenAI不仅开发前沿模型或在之上构建产品；它正在设计底层的整套基础设施：**芯片架构、内核、内存系统、网络、调度、部署系统以及产品体验**。”由于OpenAI横跨整个技术栈，每一层都可以围绕“让模型更快、更可靠、更实惠”这一统一目标进行优化。 Jalapeño的发布标志着OpenAI从AI模型提供商向**全栈AI基础设施公司**的转型迈出关键一步。在推理成本日益成为AI规模化瓶颈的当下，自研芯片有望为OpenAI带来显著的竞争优势。
**TechCrunch Founder Summit 2026** 早鸟优惠进入倒计时：仅剩3天，最高可节省**$190**。优惠截止时间为**太平洋时间6月26日晚上11:59**。 本次峰会将于**11月4日在波士顿**举行，预计汇聚**超过1000名创始人和投资者**。活动聚焦实战经验分享，涵盖融资、规模化、招聘、退出策略等核心议题。往届演讲嘉宾来自**Tesla、Sapphire Ventures、Index Ventures、Sequoia Capital、Greylock、NFX、Wing Venture Capital**等知名机构。 现场还将设置分组讨论和圆桌环节，参会者有机会提交议题并参与投票。团队购票（4人及以上）可享**额外30%折扣**。 > “创始人不会独自扩张。”——TechCrunch 强调，与同行交流、向操盘手学习、与投资人建立关系，是创业加速的关键。 立即注册，锁定早鸟价。
The all-cash deal gives MoEngage access to technology that assigns AI agents to individual customers.
Anthropic 推出 Claude Tag 研究预览版，这是一个驻留在 Slack 中的“始终在线”AI 助手，可被 @提及以提供洞察和分配任务。该功能适用于 Slack for Claude Enterprise 和 Claude Team 客户。与传统集成不同，Claude Tag 具备持久上下文和记忆能力，能跨频道学习组织知识。系统管理员可控制其访问权限，确保数据隔离。它支持两种模式：主动模式（按需执行任务并在线程中响应）和环境模式（主动介入聊天，更新团队、标记跨组织信息、跟进被遗忘的任务）。Anthropic 称这如同与一位真正了解上下文的同事协作。此举反映了企业对 AI 深入理解组织上下文的需求，与微软的 Copilot/Work IQ、Snowflake/Databricks 的平台策略以及 Glean 的企业知识层形成竞争。