观点洞察与事件 Insight & Event

宏观趋势、战略判断与关键事件。聚焦"为什么重要"而非"发生了什么"

• NVIDIA GTC 2026：物理 AI 元年正式开启 — Jensen Huang 在圣何塞主会场宣布了 Vera Rubin 芯片路线图、Cosmos 3 世界基础模型、与 Uber 28 城 L4 自动驾驶合作等。GTC 不再只是 GPU 发布会，而是 AI 产业链整合的标志性节点。推理侧（Inference）已占 AI 计算开支的 55%+，今年底有望超过 70%。为什么重要： 算力竞赛从训练转向推理，意味着"持续服务"而非"一次训练"才是新战场。
  • https://x.com/AnishA_Moonka/status/2033679053647917159
  • Title Unavailable | Site Unreachable
  • LiveX | The World’s Leading Physical AI & Human-Interface Platform
  • 比亚迪（BYD）
  • 吉利（Geely）
  • *联想（Lenovo）
  • 华硕（ASUS）
  • 技嘉（GIGABYTE）
  • 微星（MSI）
  • 和硕（Pegatron）
  • 仁宝（Compal）
  • 英业达（Inventec）
  • 神达（MiTAC Computing）
  • 广达云技术（QCT）
  • 纬创（Wistron）
  • 纬颖（Wiwynn）
  • 华擎机架（ASRock Rack）
  • 富士康（Foxconn / 鸿海）
• Anthropic 同一周推三项战略举措 — 发布 Anthropic Institute（AI 社会影响研究）、投入 1 亿美元 Claude Partner Network（企业生态）、开放 Claude 应用市场。Anthropic 在技术领导力之外正快速补齐商业化与社会信任两条腿。为什么重要： 这是一家 AI Safety 公司向"全栈 AI 平台"转型的清晰信号。
  • [What 81,000 people want from AI \ Anthropic](https://www.anthropic.com/features/81k-interviews
• LLM 正在自主训练更小的 LLM——"Vibe Training"时代 — Karpathy 与 Yi Tay 公开讨论模型自主 debug 和改进代码的"AutoML 时刻"，AI 辅助 AI 训练正从实验走向实践。为什么重要： AI 研发的生产效率将被 AI 本身加速，行业发展速度可能再次量级跃升。
  • https://x.com/Andrewgabriel27/status/1959728487482495171
• 阿里巴巴正式成立 Alibaba Token Hub（ATH）事业群 — 将 Qwen 大语言模型系列、悟空图像生成模型等核心 AI 资产整合至同一战略事业群，统一 Token 经济与 AI 产品矩阵。为什么重要： 阿里将分散的 AI 资产统一建制，信号明确——ATH 是对标 OpenAI/Anthropic 的一体化 AI 平台战略。
• **LangChain 创始人论文——EPD 瓶颈从"实现"转向"评审")** — LangChain 创始人 Harrison Chase 的核心观察：代码越来越好写，但评审/验证速度跟不上，以前一个功能需要很多人写代码，现在变成了写代码的人太多、评审来不及。为什么重要： 这是 AI 改变研发流程的关键转折，Reviewer 而非 Coder 才是新稀缺资源。

模型 Model

AI基础设施 AI Infra

底层技术动态：算力芯片、分布式训练、推理优化、存储网络架构与成本效率

• NVIDIA GTC 2026：Vera Rubin 路线图与 1 万亿美元订单 — Jensen Huang 透露 Blackwell 与 Vera Rubin 合计订单超 1 万亿美元，Vera Rubin 预计年底交付，能效比 Grace Blackwell 提升 10 倍。新收购 Groq LPU 预计 Q3 出货。

基础模型 Foundation Model

LLM最新进展：新模型发布、架构创新、上下文扩展、后训练优化、开源vs闭源生态

• Google Gemini 3.1 Pro：13/16 主流 Benchmark 第一 — ARC-AGI-2 得分 77.1%，支持 100 万 token 上下文，原生多模态。定价 $2/M 输入 token，前沿性能以商品化价格落地。Gemini 3.1 Flash-Lite 速度提升 2.5×，仅 $0.25/M 输入 token。
• DeepSeek V4 传言：1 万亿参数，原生多模态 — 3 月 11 日，OpenRouter 出现神秘 "Hunter Alpha" 1T 参数模型，业界推测为 DeepSeek V4 内测版。同期发布 DeepSeek-Prover-V2，专攻 Lean 4 形式化定理证明。原来是MiMo
• MiroMind MiroThinker-1.7 & H1：可验证推理架构 — MiroMind 发布面向法律与多步推理的模型，采用"以验证为核心"的架构，3 月 16 日发布。
• AttnRes：Kimi 发布注意力残差架构技术 — 月之暗面（Kimi）提出 AttnRes（Attention Residual）架构改进，通过在注意力层引入残差连接路径优化长上下文信息流，在长序列建模任务中表现出效率与精度提升。
• Recursive Language Models：LLM 自我参照生成的新架构探索 — Alex Zhang（MIT）探讨让语言模型在生成过程中递归调用自身的架构思路，通过自我参照机制实现更深层的推理链，理论上可突破单次 forward pass 的推理深度上限。
• 自进化 https://x.com/dongxi_nlp/status/2034762982572327347
  • MiniMax-M2.7
  • AutoHarness
  • SkillNet
  • SkillCraft
  • Meta-Evolution

多模态模型 MultiModality Model