Loading...
【早鸟票开售】硅谷101 Alignment 2026千人大会来啦！最近太多科技峰会了，硅谷101来点不一样的。
Alignment 2026将有整两天的时间，呈现给大家：AI前沿，到底在发生如何的剧变。
2026年10月10日-11日，硅谷101年度科技大会将第三次在硅谷举办。过去几年，我们很幸运，通过播客和视频，和大家一起追踪了这一轮AI浪潮中最重要的技术、公司和人。从大模型到Agent，从机器人到AI Infra，从实验室里的突破，到真实世界里的商业化——很多我们在节目里持续追问的问题，今年，我们继续把它们带到线下。
更重要的是，把那些真正身处变化中心的人，带到大家面前。
所以，here’s Alignment 2026: Live from the AI Frontier, Uncut.
Alignment 2026
今年的Alignment大会，会有几个很大的升级。
去年的大会我们收到很多好评，但不少人遗憾的一点是：行程太紧、时间太短了。台上的讨论意犹未尽，场外刚聊起来，一天就结束了。
所以今年，我们索性把Alignment 2026变成一场完整的两天大会。
我们希望大家不只是来“听几场演讲”，而是真的有时间和研究者、创业者、投资人，以及同样对技术充满好奇的人待在一起。有价值的讨论，不应该只发生在台上。
很多真正的思维碰撞或是合作的开端，发生在茶歇、午餐、走廊，以及一句“诶，你刚才在台上说的那个观点，我也一直在想”的后面。
我们希望创造一个沉浸式的场域。
（Alignment 2025现场）
硅谷101一直不太喜欢泛泛而谈。
相比“AI会不会改变世界”这样的问题，我们更想知道：
在前沿领域，无论是大模型还是机器人，到底在发生什么？将如何带来颠覆？
AI4S、RSI、FDE、Alignment、Agent Infra、Robotics、World Models、AI for Content……当我们忘掉公关稿和精心制作的demo，真正深入技术的本质核心，会带来完全不一样的思考。
今年最热、也最没有标准答案的问题，我们都会聊。
而我们更在意的，是谁来回答这些问题。
硅谷101更喜欢邀请那些正在一线做研究、做产品、建公司的人。
不绕弯子，不念PR稿。
我们希望在现场，对着最核心的嘉宾问出那些真正尖锐、真正核心、也真正值得讨论的问题。
（Alignment 2025 Main Stage强化学习论坛）
如果你来过前两届Alignment，应该知道：硅谷101拒绝把科技大会做得很无聊。
今年，我们还会玩得更大一点。
AI Avatar主持、音乐家与AI乐器现场合奏、机器人表演、AI Demo，以及各种我们现在还不能全部剧透的现场实验……
我们希望你在这里不仅能“听懂AI”，也能真正看到、听到、摸到AI正在变成什么。
严肃的技术讨论和好玩的现场体验，并不冲突。
平日里，很多观众告诉硅谷101，会拉着家里小朋友一起看/听我们的节目；而同样，我们的大会也老少皆宜。大人可以来追最前沿的技术趋势，小朋友也可以近距离看看机器人和AI究竟能做什么。希望在他们心中埋下一些未来的种子。
（Alignment 2025 Tech Playground现场）
这一年，视频模型进步得实在太快了。
快到已经开始动摇整个影视与内容行业原本的生产方式。
所以我们想做一个实验：
如果把最懂内容的人，和最懂AI的人放在一起，他们能把AI for Content推到什么程度？
Alignment 2026将特别设置AI短剧黑客松。
我们会把创作者、导演、编剧、AI工程师和产品人聚到一起，在新的生产工具下重新想象：一个故事，到底还能怎么被创造出来？
现场会有作品放映、专业评审团，也会有高额奖金。
但比比赛结果更让我们好奇的是：
当技术门槛快速下降之后，真正稀缺的，到底会是模型、制作能力，还是人的想象力？
我们想和大家一起看看答案。
（Alignment 2025 Tech Playground现场）
过去三年，Alignment从一个想法，慢慢变成了硅谷101每年最期待的一次线下相聚。
而2026年的AI，也走到了一个无比关键的转折点：随着OpenAI正式发布了新一代大模型GPT-6Astra，将其称为“全球最智能、对齐程度最高的模型”、且宣告AGI时代的到来，但问题是：AGI来了，SO WHAT?
从模型能力，走向Agent、科研、机器人与真实世界；从Demo里的惊艳，走向成本、收入、基础设施和规模化背后，也是今年Alignment最有价值的探讨与记录。
10月10日-11日，我们硅谷见。
用两天时间，和一群真正站在AI前沿的人，一起穿过噪音，看看这场变化真正发生在哪里。
（Alignment 2025现场演讲）
🎟️ 早鸟票现已开放
欢迎扫码或点击阅读原文购票
Alignment 2026 嘉宾亮点
陈天桥是互联网时代最具代表性的创业者之一。
近年来，他将主要精力投入Apodex，探索AI如何从“回答已知问题”走向“发现未知知识”。Apodex致力于构建面向复杂科学与研究任务的AI Discovery系统，让AI能够提出假设、调用工具、反复验证、修正错误，并在真实世界约束下持续进化。
在近期的公开分享中，陈天桥提出：AI真正改变Discovery的地方，可能不只是更高的智能，而是更低的试错成本。在Alignment 2026，他将带来主题演讲：AI Discovery vs Human Genius: Cheap Inner Loops and Expensive Outer Loops （AI发现与人类天才：低成本的“内循环”与高成本的“外循环”）
当AI可以同时探索成千上万个假设，人类“天才”的意义会如何被重新定义？下一阶段AI Discovery真正的瓶颈，又会出现在模型、工具，还是现实世界的验证系统？这将是一场关于AI、科学发现，以及未来知识生产方式的讨论。
Dylan Patel是SemiAnalysis创始人、CEO兼首席分析师，也是当下硅谷最具影响力的AI基础设施与半导体分析者之一。
从GPU、HBM、先进封装，到数据中心、电力与模型经济学，他长期追踪AI浪潮背后决定扩张速度的物理与商业瓶颈。2026年GTC上，黄仁勋曾直接引用SemiAnalysis的InferenceX测试，自封为“Inference King”。Dylan最近在媒体采访中强调：AI的下一轮跃迁不会只来自更快的GPU，而来自模型、软件、芯片、互连乃至数据中心的全栈协同设计；与此同时，算力竞赛真正的天花板正越来越多地转向内存、供应链和电力。在他看来，Inference的规模甚至可能成长为“比石油更大的市场”。
如果你想知道未来几年数千亿美元的AI CapEx最终会流向哪里，以及Nvidia的护城河究竟有多深、TPU和定制芯片能否真正挑战GPU、AI数据中心下一处最可能卡在哪里，Dylan是最值得听的人之一。
Andy Hock是Cerebras首席战略官（Chief Strategy Officer）。
在hyperscaler们疯狂修GPU数据中心的今年，Cerebra提出了一个很重要的视角：AI workload并不都是同一种workload，未来的AI基础设施也不应该只有一种计算架构。
Training与inference、离线生成与实时Agent，对延迟、吞吐和成本的要求完全不同；尤其随着Agent开始进行长链条推理和实时交互，token生成速度和ultra-low-latency inference正在从体验问题变成AI能力本身的一部分。
这也是Cerebras押注的方向。从整片晶圆打造的Wafer-Scale Engine，到新一代CS-4，Cerebras正试图用一条完全不同于传统GPU cluster的路线解决AI推理瓶颈；今年，它还与OpenAI达成了750MW的高性能推理部署合作，并与AMD探索将低延迟与高吞吐计算拆分的heterogeneous inference架构。
Andy会加入Dylan Patel的panel环节，与主持人肖志斌博士一起探讨芯片的替代性架构与算力未来。
随着大模型能力的迅速提升，Alignment（对齐）成为AI产业最重要的议题。
近来，数名Anthropic及OpenAI研究员以“人类将失去对AI的控制”为由，公开表达安全顾虑，令外界对AI竞赛的安全风险担忧骤然升温。这是硅谷101非常关注的方向，因此我们邀请了几名该领域值得听的声音。
John Yan是AI可解释性公司Gutenberg创始人，曾任Anthropic的研究工程师并参与Claude 3 Opus和Haiku的模型训练工作。在Gutenberg，John正在探索Data-Centric Interpretability：不是只打开模型权重研究神经元，而是从成千上万条真实Agent trajectories中寻找隐藏的行为模式。其最新研究利用Sparse Autoencoder分析多智能体强化学习过程，提前识别出了reward hacking、异常角色扮演，以及训练失败的根本原因。
随着AI从chatbot走向可以执行复杂任务的autonomous agent，Alignment的问题也正在发生变化：我们不仅要让模型“说正确的话”，更要理解它为什么这么做，以及它是否正在学习人类没有预料到的策略。John正站在这一变化的前沿。
在Alignment panel上，我们也邀请到了Bo Li（李博），她是Meta Superintelligence Labs（MSL）AI Safety & Security研究者、UIUC计算机科学教授，也是AI安全公司Virtue AI联合创始人。她长期研究trustworthy AI、adversarial machine learning、red teaming 与 alignment，是AI安全领域最有影响力的研究者之一。
2026 年，她与Virtue AI团队加入Meta Superintelligence Labs，继续推动frontier model与AI agent的安全、治理和可信部署。
FDE是硅谷讨论最火的词之一，我们请到了OpenAI最关键的人。
Shawn Li是OpenAI Forward Deployed Engineering（FDE）团队成员。FDE是OpenAI连接frontier model与真实企业场景的一线团队：他们直接深入客户业务，从问题定义、原型设计到生产部署，验证AI在复杂工作流里究竟能不能创造真正可衡量的价值，并把一线反馈重新带回产品与模型迭代。OpenAI也将此视为企业AI落地的重要机制。
如果说模型公司正在生产越来越强的intelligence，那么FDE要解决的问题是：怎样把这种intelligence变成真正可以运行、规模化、并重构企业工作流的系统。Shawn将从OpenAI一线部署的视角，分享frontier AI 从 Demo走向生产环境时，真正困难的问题到底在哪里。
Qifei Wang是Google DeepMind Nano Banana核心研发负责人之一，长期从事生成式AI、计算机视觉与多模态模型研究。他深度参与了Nano Banana Nano Banana Pro的研发，并负责推动通过RL on Diffusion让图像模型更好地对齐真实用户偏好。Nano Banana发布后迅速成为Google最具代表性的生成式AI产品之一，其后续版本在图像生成与编辑评测中持续位居前列。
随着Gemini的推理与世界知识被融入图像生成，模型开始能够理解复杂指令、保持人物与场景一致性、处理文字与空间关系，并通过对话持续修改视觉世界。当AI从“看懂一张图”走向“生成、编辑、推理甚至模拟一个世界”，视觉模型会不会成为继LLM之后的下一种通用智能入口？ Qifei Wang正站在这场Generative AI从content creation走向visual intelligence的最前沿。
宇宙探索，是我们今年最期待的内容之一。
Fengwu Sun（孙凤梧）是天文学家、JWST/NIRCam仪器科学团队成员，长期研究早期宇宙中的星系形成与演化。他曾参与James Webb Space Telescope（JWST）NIRCam的在轨调试与校准，也是JADES深空巡天团队成员，并领导或参与了累计超过2,000小时的JWST观测项目。2026年秋，他将从Harvard & Smithsonian Center for Astrophysics加入西湖大学，组建早期宇宙研究团队。
今天的天文学正在面对一个和过去完全不同的问题：我们获得数据的速度，已经开始超过人类科学家阅读和分析数据的速度。NASA的新一代Nancy Grace Roman Space Telescope刚刚于8月30日升空，预计每天传回约1.4TB数据——大约是JWST日均数据量的20多倍，五年将产生超过20PB的科学数据。面对这样的数据规模，没有AI，未来的天文学研究几乎难以想象。
当望远镜可以以前所未有的速度生产数据，AI能帮助天文学家更好的探索宇宙深空吗？Fengwu将从一线天文学家的视角，分享AI正在如何改变天文学，以及为什么现在可能是整个科学界最让人兴奋的时刻之一。
（韦伯空间望远镜传回的首批全彩深空图）
这会是一个keynote，有很多浪漫的宇宙照片，欢迎带小朋友们来听哦～
Michael Hsu早年师从日本机器人学家菅野重树，长期研究机器人、触觉感知与人机交互。2021年回国创立帕西尼，坚持“具身原生”为出发点：从创业之初便同步布局触觉传感、具身数据与智能执行三大路线。
他推动触觉感知实现从“万元级”到“百元级”数量级降本，在全国5大区域建设具身数据采集基地，并让机器人进入汽车制造等真实场景，持续采集数据、训练模型和验证能力。三条路线最终形成帕西尼感知—智能—执行（PIE）”全栈体系，让机器人能够感知世界、理解世界，并真正作用于世界。
2026年，帕西尼累计融资近40亿元，估值突破100亿元。许晋诚也持续推动行业标准与开放生态建设，带领帕西尼迈向具身智能基础设施平台。
AI在科学上的发展是硅谷101关注的重点方向，在Neolab panel上，我们邀请到Carina Hong（洪乐潼），她是Axiom Math创始人兼CEO，正在打造能够进行严谨数学推理、生成形式化证明并验证自身结果的“AI Mathematician”。
OpenAI今年先用未发布模型推翻了一个研究近80年的Erdős单位距离猜想，随后又公布了横跨几何、编码理论、复杂性理论等领域的10项长期开放问题的新结果或实质性进展。这意味着我们正在进入一个新的阶段：AI开始参与创造此前不存在的数学知识，而这门学科正成为AI从reasoning走向discovery最先发生质变的领域。
Carina说：“Math is AGI.” 在现场，她将深度阐释这句话背后的原因。
田渊栋（Yuandong Tian）是Recursive Superintelligence联合创始人，前Meta FAIR Research Scientist Director，曾共同领导Llama 4 reasoning，长期研究强化学习、规划、推理与大模型效率。他曾主导Meta的OpenGo项目，也指导了StreamingLLM、GaLore，以及探索“连续隐空间推理”的Coconut等研究。
如今，他正在把研究重点推向一个更核心的问题：AI能不能成为改进AI自身的研究者？Recursive正在探索Recursive Self-Improvement（RSI，递归自我进化）：让AI自己提出研究想法、修改代码、运行实验、验证结果，并把有效发现带入下一轮研究。关于AI界最近关于RSI进展的探讨，你不能错过田渊栋的分享。
Neolab的论坛上，我们还邀请到了Andrew Dai。他是Elorian AI联合创始人兼CEO，前Google Brain / DeepMind核心研究者。在Google近14年间，他参与了现代大模型发展的多个关键阶段：早期语言模型预训练研究、Mixture-of-Experts，曾领导 PaLM 2 pre-training，并负责Gemini的数据与多模态相关工作。2026年，他离开 DeepMind创立Elorian，并完成5500万美元融资，投资方包括NVIDIA、Menlo Ventures、Altimeter，以及Jeff Dean等AI研究者。
Andrew现在最关注的，是frontier models一个常被忽略的短板：AI已经能写代码、做数学、处理复杂语言，却仍然经常“看不懂”一个人类小孩轻松理解的视觉世界。Elorian因此选择押注Visual Reasoning / Multimodal Intelligence——让模型真正理解空间、结构、关系与物理世界。
杜克大学的Haozhe Harry Wang教授说，“硅”也许不是人类发明芯片的最终形态。
他的实验室长期研究二维半导体、原子尺度制造与AI for Nanofabrication，聚焦在一个越来越迫切的问题：当传统硅芯片不断逼近物理极限，下一代计算材料会是什么，我们又能不能用AI更快地找到它？Harry的团队正在研究石墨烯、MoS₂、MXene等只有几个原子厚的二维材料，希望构建更小、更快、更节能的post-silicon computing。
今年，他与Google DeepMind合作，将AI Co-Scientist接入真实半导体实验：AI提出方案并优化参数，实验室直接合成、表征和验证材料，形成从推理到物理世界反馈的闭环。当AI开始参与制造承载AI自身的下一代芯片，RSI是否会从软件世界进一步进入材料与硬件？这正是Harry Wang正在探索的未来。
Havey AI是硅谷Agent领域跑得最前面的公司，没有之一。
它选择法律这个高专业度、高价值、同时对准确性和安全要求极高的行业切入，把模型深入到研究、合同审阅、尽调、诉讼等真实工作流中。Harvey已服务全球2,400多家机构、超过20万名律师，并进入75家以上AmLaw 100律所；2026年9月宣布完成 5.5亿美元 的新一轮融资，公司估值飙升至 155亿至156亿美元，前其累计总融资额已超过15.5亿美元。
Joey Wang是Harvey Engineering Lead，负责构建面向coding与professional services的background agents。
Nico Laqua是Corgi联合创始人兼CEO/CTO。Corgi是过去一年硅谷增长最快、也最具争议的AI-native公司之一：成立于2024年，从保险切入，用AI agents重构underwriting、claims、policy operations等原本高度依赖人工的工作流，并直接成为持牌保险carrier。
Corgi的发展速度本身就极具“AI时代”色彩。2026年1月公司宣布融资1.08亿美元；5月完成1.6亿美元融资、估值13亿美元，仅三周后估值又翻倍至26亿美元；随后又被报道以约40亿美元估值继续融资。与此同时，Corgi已从startup insurance快速扩展到trucking、claims infrastructure、AI liability，最近又推出自己的admitted insurance carrier。
但Corgi极其另类的marketing playbook也让它从诞生开始就伴随争议：一家AI保险公司，在旧金山金融区开了一家24/7 Corgi咖啡店；又买下一辆醒目的巴士，提供连接YC、Caltrain和咖啡店的免费巴士。咖啡店后来甚至把菜单本身变成广告位，让科技公司购买冠名饮品。有人把这些动作视为噱头和attention hacking，也有人认为，在数字广告被AI内容彻底淹没之后，Corgi找到了一种非常AI-native的GTM：不是购买流量，而是在现实世界里制造流量、社区和话题本身。
也正因如此，Corgi是一个非常有意思的AI Agent样本。
Jiantao Jiao（焦剑涛）是NVIDIA Director of Research & Distinguished Scientist，同时任UC Berkeley EECS与统计学教授，长期研究大语言模型、强化学习、post-training与agentic AI。近年来，他深度参与NVIDIA Nemotron开放模型系列的研发，覆盖从pre-training、RL、evaluation到agent system的完整技术栈。
当最强的frontier models越来越走向闭源，NVIDIA却在做一个不同的下注：不仅开放模型权重，还开放训练数据、post-training recipe和RL infrastructure。最新的Nemotron 3 Ultra是一个面向long-running agents的550B MoE模型，同时开放 checkpoint、训练数据与训练方法；而刚刚发布的Nemotron 3.5 Lightning，则进一步把重点放在always-on Agent所需要的速度、成本和模型routing上。
这背后其实是一个比“开源 vs 闭源”更大的问题：未来AI的intelligence layer，会不会像今天的软件世界一样，最终形成一个任何公司都可以定制、训练和拥有的开放技术栈？对NVIDIA而言，开放模型也意味着模型、训练框架、推理系统和 GPU 可以被一起co-design，模型本身正在成为下一代计算平台的一部分。
当然我们的大会还会涵盖世界模型，及其对自动驾驶和机器人领域的影响。
José M. Álvarez是NVIDIA Director of AI Research，目前在Spatial Intelligence Lab 领导自动驾驶应用研究团队，研究横跨autonomous driving、foundation models、world models与Physical AI。他长期关注一个核心问题：如何让机器理解物理世界的规律，并预测“接下来会发生什么”。
José深度参与了NVIDIA Cosmos世界模型体系的研究，包括用于可控世界生成的 Cosmos-Transfer。2026年NVIDIA又发布Cosmos 3：把视觉推理、世界生成与action prediction放进同一个开放模型，让机器人和自动驾驶系统可以先在模型里“想象”不同未来、模拟行动后果，再决定现实世界中如何行动。
而José最近尤其在探索self-improving Physical AI：用reasoning自动驱动data flywheel，也就是说，World Model不只是一个更强的视频生成器，而可能成为机器人持续学习和自我进化的环境。
Wei-Chen Wang（王韋程）是Nebius VP of AI Inference，负责打造高性能、低成本的生产级AI推理基础设施。他此前联合创立Eigen AI，专注于模型优化、post-training与inference systems；2026年Eigen AI被Nebius收购，并整体融入Nebius Token Factory。更早之前，他曾在MIT HAN Lab从事高效AI系统研究，并凭AWQ（Activation-aware Weight Quantization）获得MLSys 2024 Best Paper Award——这项技术如今已成为大模型4-bit量化部署中极具代表性的方案。
随着AI从训练竞赛走向大规模真实使用，行业正在面对一笔越来越现实的经济账：模型再强，如果每个token都太贵、延迟太高，就很难真正支撑数以亿计的Agent持续运行。加入Nebius后，Wei-Chen正在把Eigen的模型优化能力与Token Factory的全球AI Cloud结合，从模型量化、speculative decoding到系统级优化，重新思考如何让inference更快、更可靠，也更便宜。
以上只是Alignment 2026的部分嘉宾，更多重磅嘉宾正在确认中，即将揭晓……
AI Builders Day 1 / 5
光模块还能打吗？8月14日凌晨，英伟达官宣首款CPO交换机量产，几个小时后A股开盘，光模块板块地震。
大牛股“易中天”连涨几天虚晃一枪，19日中际旭创、新易盛带头暴跌9个点，随后跌三天涨两天，板块内部分化剧烈，“相信光”行情彻底终结。
CPO的本质是将光模块拆散了重做，通过移动一些零部件的位置、取消和增添另一些零部件，减少功耗、降低成本、增加传输效率。对应秩序井然的光模块产业链条，则意味着利润的重新分配。
中国大陆在光模块上占领的高地，因此被砍下了一道裂缝。
看空者将矛头对准了下游挣最多的光模块集成商，认为被“拆家”的光模块是CPO的直接打击对象，市场份额被侵蚀，还会连累上游厂商订单大减；
看多者则认为英伟达快速推进CPO量产，恰恰印证了下游市场对高速光模块的超高需求，大摩、高盛前后脚发布报告，大幅调高光模块订单预期。
双方各执一词，谁也说服不了谁，千言万语都浓缩到了一个问题上：光模块到底还能不能打了？
不是近忧
首先要明确的产业共识是，未来两年内，CPO都很难对光模块厂商的收入产生实质性影响。
当前英伟达急着推进CPO落地，主要是为了解决超大规模数据中心的“电费”问题。
根据Semianalysis测算，一个部署了20万颗GB300的NVL72集群，光是光模块功耗就达到了17兆瓦[1]，满负荷运行全年就要消耗1.49亿度电。
粗略估算，相当于上海一条地铁线路的全年耗电量，按照0.8元/kWh的电价，一年电费就超过了1亿元。
当集群规模来到50万、100万，电费成倍激增是一方面，对于本就压力山大的电网系统来说更是雪上加霜。
CPO通过将光引擎移到交换机芯片旁边，大幅降低了功耗，使用英伟达的CPO交换机，每800G带宽的功耗就比800G DR4的光模块的功耗降低七成以上[1]。
但这并不意味着，CPO是所有数据中心的唯一解，因为还要考虑性价比的问题。
仍以20万颗GB300 NVL72集群（三层网络架构）为例，改用CPO增加的额外成本，几乎完全抵消了减少的光模块和网络成本，使得集群总成本仅降低了3%，总功耗更只降低了2%[1]。
瞎忙活了一场不说，还要承受改用新技术带来的现场维护困难、议价权丧失等问题，完全是亏本买卖。
理论上，集群的GPU数量越多、网络层级越多，CPO的优势才会被凸显，注定了在未来一段时间里，CPO都只会是少数人的选择。
TrendForce 3月报告预计，2026年CPO在AI数据中心的渗透率仅约0.5%[2]，注意是特指在AI数据中心中的占比，而非所有数据中心，对光模块厂商的订单冲击约等于挠挠痒，微乎其微。
中际旭创在8月23日公开的投资者活动中也表示，几乎所有客户的光模块订单已经覆盖2026全年，而从主要客户给出的2027年的指引和订单来看，较2026年只多不减；
光模块老二新易盛措辞比较保守，但也再三强调今年的订单将逐季增长，明年景气度继续、高增继续。
在一些行业人士看来，光模块规格直到800G/1.6T仍具备难以被替代的高性价比。根据中际旭创和新易盛的说法，其1.6T光模块产品均处于持续上量阶段，为当前订单的主力。
真正的分水岭是3.2T甚至6.4T，因为此时的光模块会碰到一个客观问题：交换机上的交换板塞不下了更多的光模块了。
红框里是交换机上的光模块插口；图片来源：博通
理论上，速率越高，端口越多，需要的光模块越多，而交换板的空间是有限的，无需外挂插拔的CPO就变成了一个必然的选择。
这也解释了为什么最初业内猜测英伟达首款CPO交换机会是1.6T的Quantum-X，但实际最早量产的却是3.2T的Spectrum-X，因为后者才是英伟达真正希望CPO发挥作用的地方。
就像芯片制造中，7nm以下的先进制程芯片必须使用EUV光刻机，但并不影响ASML每年出货量最多的仍然是成熟制程芯片用的DUV光刻机。
在大部分产业人士看来，CPO与光模块共存是大概率事件，CPO用来处理超大规模数据中心的scale-up（横向扩展）问题，大型及以下规模数据中心仍然会以光模块为主流。
然而，虽无近忧，但有远虑。
新技术的演进都是相似的，从高端场景切入，随着规模化降本，再向其他场景渗透，进入寻常百姓家，最终淘汰掉旧技术。虽然此时将光模块定性为旧技术为时尚早，但CPO来势汹汹，总要未雨绸缪。
如何在CPO量产爬坡的窗口期补票上车，是当下所有光模块厂商都必须直面的问题。
但有远虑
对于大陆光模块供应链来说，CPO其实并非铁板一块。
粗略地说，CPO拆出了光模块的三个核心零部件：光引擎、DSP芯片和激光器，光引擎被拿到了交换机芯片的旁边，激光器被外挂到了交换机芯片的外面，DSP芯片则被舍弃了。
也就是说，除开交换机芯片是英伟达自己的，光模块供应链可以使上力的主要零部件，就只剩下光引擎和激光器了。
首先是技术壁垒和价值量都最高的光引擎。
光引擎包括一颗光芯片（PIC）和一颗电芯片（EIC），难点在于光芯片的设计与制造，以及如何把两颗芯片封装在一起，前者涉及到硅光技术（用硅芯片制造技术制造光芯片），后者涉及到先进封装。
设计上，博通和美满电子统治地位无可争议，制造则由tower、格罗方德等芯片制造巨头领头，台积电借着英伟达CPO大概率会后来者居上，另外还有Lumentum与Coherent这种设计与制造一手抓的IDM。
中国大陆在光芯片的设计和制造上都有不同程度的瘸腿。
设计稍好些，光迅科技、中际旭创和新易盛都有硅光技术积累，理论上有自研能力，但目前还没有光引擎相关产品的出货；
制造缺位更明显，虽然近几年有粤芯半导体、星钥光子等光芯片代工厂出现，但论技术、产能、可靠性，与海外巨头都相距甚远。
而负责将光芯片和电芯片封装在一起的先进封装技术，眼下谁都得仰仗台积电，与英伟达“唯二”开发了CPO交换机的博通，据称下一代产品也将投靠台积电。
其次是激光器。光引擎负责控制光，激光器负责产生光，后者同样能被分拆成设计、制造、封装三个环节。中国大陆的技术储备情况比光引擎乐观一些。
设计和制造上，中国大陆的源杰科技、光迅科技虽然部分产品可以对标海外同类产品，但大部分高端产品与Coherent和Lumentum等一线厂商仍存在代际差距甚至尚未量产，在全球市场整体份额很小。
激光器的封装比较特殊，也是中国大陆供应链最有话语权的环节。
按照CPO最初的构想，激光器应该和光引擎一起被搬到交换机芯片旁边，但考虑到散热、良率、更换难易度等问题，目前主流方案是将其外挂到交换机芯片的外部，成为独立的激光器模块（ELSFP）。
红框中就是外挂的激光器模块
这就需要模块集成和精密制造技术，“易中天”中当前市值最低的天孚通信，凭此成为英伟达最早官宣的CPO五大核心供应商之一。
英伟达宣布CPO交换机量产当天官宣五家核心供应商
根据天孚通信财报和投资者活动记录，除了激光器模块之外，天孚通信给CPO供应的另一个核心零部件是FAU（光纤阵列），简单来说，就是在台积电制造好的光引擎上引出光纤，与外界互通有无。
另一个被机构反复提及的环节是CPO测试设备。
由于增加了光芯片的部分，需要在传统芯片测试步骤外增加光学测试，传统的芯片测试设备并不能完全适配CPO，需要一定程度的重新设计和改造。
A股近期大涨的罗博特科，就是因为收购了ficonTEC，后者的WLT-D2采用双面电光设计，可以同时做电学和光学测试，因而成为了二级市场的香饽饽。
总结来说，中国大陆厂商确实在CPO上分得一杯羹，但不多，并且大多是在价值链核心圈层的外围打转。
本质在于，相较于光模块注重下游的打包交付能力，CPO的价值链重心明显向上游的光引擎、激光器等零部件转移，而这些恰恰都是中国大陆在光模块上还没来得及补完的功课，沉疴旧疾。
根据TrendForce 3月发布的预测，到2028年末，CPO在AI数据中心站的渗透率都将徘徊在10%以下，但此后跳跃式上升，到2030年末跃升至35%以上[2]。
报告发布的5个月后，英伟达官宣CPO交换机量产，博通新一代51.2T Bailly CPO交换机7月起也开始了小规模交付，这些进度较业内的普遍预期，只快不慢[3]。
未来两年，将会是CPO量产爬坡的关键期，也可能是中国大陆厂商最后的补课机会。
尾声
今年6月，Coherent得州工厂扩建举行破土仪式，台上“破土”的五人中，站在C位的是Coherent的CEO Jim Anderson，黄仁勋站在其右侧，背弯得很低。
Coherent得州工厂破土仪式，左二黄仁勋，中间Coherent CEO
黄仁勋上一次参加破土仪式还是三年前在台积电的亚利桑那州工厂。如今Coherent对于英伟达的重要性，相较于台积电不遑多让
Cohetent激光器工艺独步全球，是光模块和CPO都绕不过的核心供应商，不仅为英伟达的CPO供货，中际旭创、新易盛的高速光模块出货也得参考Coherent的配货。
今年3月，英伟达20亿美元战略投资了Coherent，同一时间获得投资的还有另一家激光器巨头Lumentum。
黄仁勋的态度，很大程度反映了眼下零部件厂商在AI产业链中的超然地位。
快速变化的需求加速着下游产品形态的迭代，越靠近上游，离确定性越近。从光模块到CPO，包括两者间过渡形态的NPO，下游集成商始终在变，而上游核心零部件厂商的地位稳如泰山。
每个无法被取代的零部件都在重塑着整个链条的话语权，重新分配着产业的利润。
中国大陆以集成和制造能力见长，如今在光模块上的绝对领先地位，是这一优势的延续和馈赠，未来几年里，这一优势还将给产业带来源源不断的利润。但这些利润，是时候反哺到上游去了。DeepSeek 发布 V4.1 Flash 模型，性能超越 Kimi K3Techub News 消息，DeepSeek 发布 V4.1 Flash 模型，采用「因果编码器-解码器」架构与混合专家设计，在 Terminal-Bench 2.1 基准测试中得分 90.6，超越 OpenAI GPT-5.6 SOL、Moonshot AI Kimi K3 及自家 V4 Pro。
该模型基于 5520 亿参数框架，但仅激活 80 亿参数处理输入和 160 亿参数生成响应，显著降低计算成本。面对芯片出口限制，中国 AI 厂商正通过高效架构在低成本下提供高端推理能力。（南华早报）Masters of Abstraction & AI4SCI Summit 2026 將於香港舉行圖靈獎、菲爾茲獎得主與全球 AI 前沿力量共探科學發現與未來智能
香港——2026 年 12 月 16 日、17 日，Masters of Abstraction & AI 4 SCI Summit 將於香港舉行。
本屆峰會由 Heidelberg Laureate Forum（HLF）發起，Laureates City 與 Symbiosis Science 聯合主辦，ACM（Association for Computing Machinery）與 IMU（International Mathematical Union）作為支持夥伴，將匯聚圖靈獎、菲爾茲獎得主，全球頂尖科學家、AI 創始人與技術構建者、科技產業領袖、主權基金與長期資本，以及政策機構和新一代青年科學家。
本屆活動的一大亮點，是 HLF、ACM、IMU 三個全球數學與計算機科學領域的重要國際平台體系在香港同台呈現。圍繞 AI for Science，活動還將延伸至圖靈獎主題展覽、Gala Dinner 與面向下一代科學人才的 Symbiosis Rising Minds 計劃，形成從頂尖科學思想、前沿 AI 議題到公眾科學傳播、青年人才與長期合作的多層次交流場景。
當人工智能開始參與科學假設、實驗設計、藥物研發、材料發現，當大模型、芯片、數據中心與能源系統逐漸成為新的科技基礎設施，科學發現與人工智能之間的邊界正在被重新定義。
當AI開始參與科學發現本身，人類將如何重新定義科學與智能？
HLF、ACM、IMU：三大國際科學平台體系在香港同台
Masters of Abstraction & AI 4 SCI Summit 2026 最顯著的特點之一，是其背後連接的國際科學共同體。
Heidelberg Laureate Forum（HLF）由 Klaus Tschira Foundation 於 2013 年創立，是全球數學與計算機科學領域極具影響力的跨代際科學交流平台。每年，來自全球的約 200 位優秀青年研究者會與世界頂級數學家、計算機科學家在德國海德堡進行深入交流。
ACM（Association for Computing Machinery）成立於 1947 年，是全球最具影響力的計算機科學專業組織之一，也是 A.M. Turing Award（圖靈獎）的頒發機構。
IMU（International Mathematical Union）成立於 1920 年，是推動全球數學合作與發展的核心國際組織之一，主辦每四年一屆的國際數學家大會（ICM），並頒發 Fields Medal（菲爾茲獎）。
三個國際平台體系共同連接了從基礎數學、計算機科學到人工智能的重要科學網絡。此次在香港同台呈現，也將進一步推動世界頂尖科學共同體與亞洲 AI 產業、科技資本和新一代人才之間的連接。
從圖靈獎、菲爾茲獎，走向 AI for Science
與傳統學術論壇不同，Masters of Abstraction & AI 4 SCI Summit 2026 並不止步於討論數學和計算機科學。本屆峰會將主題進一步延伸至正在快速改變全球科技格局的 AI for Science。
過去幾年，人工智能正在從一種“輔助工具”，逐漸進入科學研究的核心流程。從蛋白質結構預測、藥物研發，到新材料發現、能源系統、先進製造與科學計算，AI 開始參與越來越複雜的研究過程。
與此同時，AI 本身也正在成為一種新的基礎設施，由此形成一條越來越清晰的技術與產業鏈：
Science → Models → Compute → Energy → Industry → Capital
Masters of Abstraction & AI 4 SCI Summit 2026 將圍繞這一變化，設置六大核心議題：智能底層科學、AI 賦能科學探索、前沿大模型與智能體、主權算力與能源、未來經濟與戰略資本、雙碳發展與綠色智能。
AI × 算力 × 能源：下一場基礎設施競爭
隨著基礎模型規模持續增長，AI 產業對芯片、數據中心和電力系統的需求快速增加。算力已經不再只是一個技術問題，而逐漸成為影響國家 AI 競爭力、能源安全與產業發展的戰略基礎設施。
另一方面，AI 也正在反向改變能源體系。機器學習正在進入智能電網、能源調度、儲能、新材料、碳管理與工業減排等領域，使 AI 與“雙碳”逐漸形成新的產業鏈：
AI → Compute → Energy → Carbon → Green Industry → Capital
因此，本屆峰會不僅討論“大模型下一步是什麼”，也將討論一個更具長期意義的問題：誰將建設 AI 時代的下一代基礎設施？
科學家、AI 構建者與長期資本坐到同一張桌子
Masters of Abstraction & AI 4 SCI Summit 2026 的另一項重要設計，是打破科學、產業與資本之間長期存在的邊界。峰會計劃匯聚的不只是圖靈獎與菲爾茲獎得主，還包括正在構建下一代基礎模型、Agent、機器人與 AI 基礎設施的全球 AI 創始人與技術領導者，以及主權基金、全球資管、Family Office、VC/PE 與長期科技資本。
定義未來科學問題的人；
構建下一代智能系統的人；
配置未來十年資本的人。
這也構成 Masters of Abstraction & AI 4 SCI Summit 2026 區別於普通 AI 大會和傳統科學會議的重要特徵。
圖靈獎主題展覽：讓改變計算機科學的思想走向公眾
除兩日峰會外，Masters of Abstraction & AI 4 SCI Summit 2026 還計劃在香港呈現圖靈獎主題展覽。
展覽將圍繞圖靈獎及計算機科學的發展脈絡，通過科學家影像、人物故事、重要科學成果與相關歷史資料等內容，呈現那些塑造現代計算機科學與人工智能發展的關鍵人物與思想。
如果說峰會討論的是人工智能的未來，那麼展覽希望進一步讓公眾理解：今天的人工智能，是建立在怎樣的科學思想與一代代科學家的探索之上。
這一板塊將延續以科學家主題展覽連接科學、城市與公眾的呈現方式，讓頂尖科學不只發生在會議現場，也以更具公共性的方式進入城市空間。
從圖靈獎得主的科學貢獻，到計算機科學如何一步步走向今天的人工智能時代，展覽將成為 Masters of Abstraction & AI 4 SCI Summit 連接科學歷史、未來智能與公眾科學傳播的重要組成部分。
Gala Dinner：科學、AI 與全球資本的深度交流場
峰會期間，Masters of Abstraction Gala Dinner 將於香港康萊德酒店（Conrad Hong Kong）舉行，為科學界、AI 產業與全球資本領域的核心嘉賓提供更深入的交流場域。
與白天的峰會議程相比，Gala Dinner 將打造一個更加私密的高層交流場域，連接世界頂尖科學家、AI 企業領導者、主權資本、Family Office、產業領袖及重要機構代表。
晚宴將圍繞 AI × Science × Sovereign Capital 展開交流，並通過歡迎酒會、特別對話及晚宴交流，為來自科學、技術、產業與資本領域的核心參與者創造更深入的連接機會。
白天討論未來，晚上讓能夠共同創造未來的人真正建立連接。
從頂尖科學家，到下一代 Rising Minds
除了匯聚已經改變世界的科學家，本屆峰會還將把關注點投向尚未被世界發現的下一代科學人才。
繼新加坡啟動後，Symbiosis Rising Minds 計劃將在香港進一步延續和推進。
該計劃面向全球青年科學人才，希望邀請世界級科學家與教授共同提出面向未來的重要科學問題，在全球範圍尋找具有原創思考能力和長期科研潛力的年輕人，並通過國際科學家網絡、跨代際交流以及長期研究支持，幫助他們繼續探索真正重要、但可能尚未得到充分關注的問題。
與傳統競賽不同，Rising Minds 更關注的並不是“誰能最快給出標準答案”，而是：
誰能夠提出新的問題？
誰擁有不同於既有路徑的思考方式？
誰可能成為下一代真正改變科學的人？
這使得 Masters of Abstraction & AI 4 SCI Summit 不再只是一場兩天的國際峰會，而成為發現和連接下一代科學人才的長期入口。
香港：連接全球科學、中國科技與國際資本
峰會選擇香港，也與香港正在形成的科技角色密切相關。香港一端連接全球大學、科學共同體、國際機構和資本市場；另一端則與中國內地的 AI 企業、先進製造、科技產業及大灣區創新生態保持緊密聯繫。
在全球 AI 競爭逐漸從單一模型競爭進入科學、算力、能源、產業和資本的系統競爭之後，香港具備成為國際科技資源與中國創新產業之間連接節點的獨特條件。
從三大國際科學平台體系同台，到圖靈獎主題展覽、AI 4 SCI Summit、Gala Dinner 與 Rising Minds，Masters of Abstraction & AI 4 SCI Summit 希望以香港為連接點，建立一個更長期的全球科學與人工智能對話窗口。
從一場峰會，建立長期科學網絡
Masters of Abstraction & AI 4 SCI Summit 2026 將通過主旨演講、專題圓桌、爐邊對話、閉門交流、主題展覽及高端晚宴等形式，在兩天及相關系列活動中連接科學、人工智能、產業、公眾與長期資本。
但其更長期的目標，並不止於舉辦一次會議。以 AI for Science 為核心，峰會希望逐步建立一個連接全球頂尖科學家、AI 企業、青年人才、產業資源與長期資本的國際協作網絡。
從世界級科學共同體，到下一代 AI 構建者；從數學與計算機科學，到生命科學、材料、能源與工業；從科學發現，到公眾科學傳播、算力基礎設施，再到長期資本——一個新的科技時代，正在這些力量的交匯處形成。
The future will not be built by science, artificial intelligence or capital alone. It will be built where they converge.
Masters of Abstraction & AI 4 SCI Summit
2026 年 12 月 16 日、17 日 · 香港
TOKEN2049 新加坡周活动导览：10 月 5 日至 9 日重点场次全览2026年10月5日至11日，加密世界的重心移向新加坡。TOKEN2049 新加坡站将于10月7日至8日在滨海湾金沙包下全部五层展馆，预计迎来来自 160 个国家和地区的 2.5 万名参会者、500 个展位与 300 位讲者；主会之外，官方的周边活动超过 1000 场，从机构峰会、开发者日到天台派对，把整座城市变成一周的行业现场。
本文从中筛选各赛道最值得关注的场次，按日期整理成导览，全部时间为新加坡当地时间（GMT+8）。受邀制场次需提前申请审核，热门活动建议尽早报名。
主会：TOKEN2049 Singapore
TOKEN2049 Singapore
时间： 2026年10月7日至8日
地点： 滨海湾金沙（Marina Bay Sands）
主办方： TOKEN2049 组委会
报名链接：点击报名
亚洲规模最大的加密行业年度主会，今年将首次占用滨海湾金沙全部五层空间，预计 2.5 万人参会。议程之外，现场还设有 36 小时黑客松与由 Dragonfly、Multicoin 等顶级基金评审的 NEXUS 创业比赛，以及攀岩、匹克球、冷水浴等一整套「弹出城市」式的沉浸体验。
官方收官派对 AFTER 2049 回归金沙空中花园观景台（SkyPark Observation Deck），360° 空间音频配天际线夜景，衔接同期大奖赛周末的城市氛围。只计划参加一场活动的读者，主会本身就是答案。
10月5日（周一）· 前夜
0G Dev Day: ZERO TO INFINITY
时间： 10月5日 09:30–17:00
地点： 新加坡国家美术馆
主办方： 0G Foundation
报名链接：点击报名
0G 把开发者日开进了新加坡国家美术馆的最高法院露台与玻璃厅——在这座「书写过历史」的建筑里谈 AI × Web3 的下一步。面向开发者与生态项目方，是前夜技术浓度最高的场次。
CoinFerenceX · The Best Event Singapore
时间： 10月5日 10:00–18:00
地点： 滨海湾花园（Gardens by the Bay）
主办方： CoinFerenceX × The Best Event
报名链接：点击报名
开在滨海湾花园的全天峰会，是 2049 周传统的社区型大场，讲者与展商跨越交易、基础设施与应用多个赛道，适合用一天时间快速铺开人脉面。
The Forum | Token2049 Edition
时间： 10月5日 11:00–18:00
地点： 新加坡
主办方： ORA
报名链接：点击报名
在 KBW 首尔站之后，ORA 的单日会议系列移师新加坡：500 余位创始人、投资人与机构从业者，多条专题轨道聚焦下一代数字金融。
RWA Capital Forum
时间： 10月5日 11:30–15:00
地点： 新加坡
主办方： Taisu Ventures
报名链接：点击报名
「让资本对接链上机会」的午间论坛，与会者以机构投资人、数字资产基金、家族办公室与流动性提供方为主，注册嘉宾提供午餐。RWA 赛道在本周的第一站。
More than a million — Haruko × Kalshi
时间： 10月5日 17:00–21:30
地点： 新加坡
主办方： Haruko × Kalshi
报名链接：点击报名
预测市场平台 Kalshi 与机构级投资组合系统 Haruko 联合的开周酒会。在预测市场成为行业热词的当下，这是本周少数能直接接触 Kalshi 团队的场合。
10月6日（周二）· 峰会日
Gamma Prime Investing Summit 2026
时间： 10月6日 08:00–20:00
地点： 新加坡富丽敦酒店（The Fullerton Hotel）
主办方： Gamma Prime，Sui 联合呈现
报名链接：点击报名
本周体量最大的投资者峰会：官方口径 4000+ 投资人、合计管理规模超 10 万亿美元、100+ 讲者（以家办与基金管理人为主），已公布嘉宾包括 Arthur Hayes 与 Animoca Brands 联合创始人 Yat Siu。买方视角读者的第一优先级。
Solana Summit Singapore
时间： 10月6日 09:00–18:00
地点： 新加坡丽思卡尔顿美年酒店
主办方： Solana Summit × Superteam
报名链接：点击报名
Solana 生态最大的创始人与开发者峰会 Solana Summit APAC 团队操盘，赶在主会前一天把整个生态聚到滨海湾。与首尔站的机构定位不同，新加坡场回归 Builder 本位。
Open — Monad 主网一周年
时间： 10月6日 09:00–17:00
地点： 新加坡
主办方： Monad Foundation
报名链接：点击报名
主题就叫「Open」：主网上线一周年，Monad 基金会召集创始人、开发者、VC 与机构，盘点一年间生态从性能叙事走向开放经济的进展。Monad 生态从业者的年度节点。
Hyperliquid Forum by DAYS
时间： 10月6日 09:00–17:00
地点： 新加坡
主办方： Digital Asset Yield Summit（DAYS）
报名链接：点击报名
面向 C-suite 与部门负责人的受邀制论坛，限 200 人，聚焦 Hyperliquid 生态的机构化路径（注：Hyperliquid 官方活动在 10月5日另行举办，本场为独立组织）。
Agentic Finance & Payments Summit
时间： 10月6日 10:00–14:00
地点： 新加坡
主办方： Reap × Payward × Visa
报名链接：点击报名
「今天所有支付系统都默认对面是个人类——这个假设即将失效。」Reap、Payward（Kraken 旗下）与 Visa 同台讨论AI Agent 时代的支付与清结算基础设施，与 KBW 期间的同主题场次形成连贯观察。
Solana Capital Forum Singapore
时间： 10月6日 12:00–20:00
地点： 新加坡
主办方： Solana Foundation
报名链接：点击报名
Solana 基金会亲自操盘的高管闭门场，连接传统金融、数字资产与下一代金融基础设施的决策层。与上午的 Solana Summit 一日双场，覆盖 Builder 与资本两端。
Mantle RWA Day（Token2049 SG Edition）
时间： 10月6日 12:30–17:00
地点： The Exchange，新加坡置地大厦 4 层
主办方： Mantle
报名链接：点击报名
半天时间深挖 RWA 经济的基础设施、资本与团队。Mantle 把银行业务、代币化与收益产品的讨论压缩进一个下午，适合想快速摸清 RWA 版图的参与者。
Onchain at Scale — IBM × Optimism
时间： 10月6日 15:30–17:00
地点： 新加坡
主办方： IBM × Optimism
报名链接：点击报名
本周最出人意料的组合：IBM 与 Optimism 联合邀请 70 位来自加密原生公司、交易所与金融机构的高管，闭门讨论企业级链上规模化。名额极少，受邀制。
TokenizeThis 2026 by RedStone
时间： 10月6日 16:00–22:00
地点： The Masons Table，Coleman St 23A
主办方： RedStone × Alchemy
报名链接：点击报名
RWA 旗舰会议 TokenizeThis 的新加坡场。纽约站刚与 Securitize、Apollo、Superstate 和 DTCC 同台，这次由 RedStone 与 Alchemy 把讨论带到亚洲。
Stablecoins: from Tokens to Rails — 辩论场
时间： 10月6日 18:00–21:00
地点： 新加坡
主办方： Fintech Guild × M0
报名链接：点击报名
形式罕见的对抗式辩论：资深从业者、创始人、投资人与政策方现场交锋，辩题是稳定币究竟在替代什么。厌倦了单向输出式圆桌的读者值得一试。
10月7日（周三）· 主会 Day 1
Sui Basecamp 2026
时间： 10月7日至8日 11:00–17:00
地点： 滨海湾金沙
主办方： Sui
报名链接：点击报名
Sui 的年度大会直接开进主会场馆，主题指向 Agent 金融：「下一个 5 万亿美元交易量不会来自人类。」即时结算、自主支付、隐私交易与稳定数字美元是四条主线，与 TOKEN2049 主会同址联动。
Stablecoin Sessions
时间： 10月7日 10:00–12:00
地点： Esplanade Mall 三层 Foreword Coffee
主办方： Hack VC 等
报名链接：点击报名
Hack VC 牵头的稳定币专题晨会，小场地、咖啡馆式的近距离讨论，适合在进主会场前先热身两小时。
Founders & Investors Brunch（受邀制）
时间： 10月7日 11:00–14:00
地点： 新加坡
主办方： fractl 等
报名链接：点击报名
与 KBW 首尔同一团队操盘的高规格早午餐局，宾客以创始人与投资人为主，受邀制。主会首日中午的社交黄金档。
VCs & LPs Cocktail Hour（受邀制）
时间： 10月7日 15:00–17:00
地点： 新加坡
主办方： fractl 等
报名链接：点击报名
同一系列的下午场，名单聚焦头部基金合伙人与 LP，小圈层深度交流。
Cross-Chain Networking Happy Hour
时间： 10月7日 19:00–23:00
地点： 新加坡
主办方： n.exchange
报名链接：点击报名
n.exchange 的跨链主题酒会从 Bitcoin Asia、KBW 一路办到 2049，面向钱包、交易所、金融科技与机构基础设施从业者，无议程纯社交。
Kraken Pro After Dark
时间： 10月7日 20:00–凌晨02:00
地点： 滨海湾金沙三号塔 CÉ LA VI 天台
主办方： Kraken
报名链接：点击报名
主会首日的收官派对开在金沙楼顶的 CÉ LA VI：滨海湾夜景配鸡尾酒，Kraken Pro 团队坐镇。当晚选择很多，但论视野这场很难被超越。
10月8日（周四）· 主会 Day 2
HSC Asset Management Singapore
时间： 10月8日 09:00–18:00
地点： 新加坡费尔蒙酒店（Fairmont Singapore）
主办方： Metaverse Post
报名链接：点击报名
HSC 系列继首尔站之后一周内连开第二场，议程聚焦数字资产配置的基金策略与监管，首场圆桌即由律所与资管侧的合规负责人开场。适合资管与合规从业者。
Quantum & Privacy Day
时间： 10月8日 13:00–20:00
地点： 新加坡（报名后通知）
主办方： NEAR Foundation × Quantus
报名链接：点击报名
主题延续 KBW 期间的后量子讨论：量子计算对区块链密码学的现实威胁，以及隐私技术的应对路径。NEAR 与 Quantus 联合主办，是 2049 周唯一的量子安全专场。
The Treasury Table
时间： 10月8日 15:30–18:30
地点： 新加坡
主办方： Locus
报名链接：点击报名
稳定币、支付与企业银行业务的圆桌：当稳定币成为结算基础设施，企业持有、转移与记账资金的方式正在被重写。面向财务负责人与支付创业者的务实场。
LONGITUDE 第十期
时间： 10月8日 16:00–21:30
地点： 新加坡 Amara 酒店（丹戎巴葛路165）
主办方： Cointelegraph
报名链接：点击报名
Cointelegraph 的高端受邀制晚场迎来第十期，面向 Web3 与机构高层，主打战略对话与精选人脉。与次日的 CONNECT 构成 Cointelegraph 在 2049 周的一晚一日双场。
10月9日（周五）· 延长赛
RWA SUMMIT SINGAPORE
时间： 10月9日 10:00–17:00
地点： 滨海盛景西塔（Marina One West Tower）
主办方： UVECON.VC
报名链接：点击报名
新加坡 RWA WEEK 的核心场：1500+ 参会者、70+ 讲者、200+ 投资机构，聚焦资产代币化的落地与资本对接。主会结束后 RWA 赛道的收官大场。
Finality Forum
时间： 10月9日 10:00–18:00
地点： 新加坡
主办方： Ethene Labs × Four Pillars × Mira
报名链接：点击报名
限 300 人的机构数字资产受邀制论坛。Ethene Labs 与 Four Pillars 这对组合在 KBW 周连办三场后移师新加坡，延续机构隐私与采用的议题线。
DAT SUMMIT - TRACKSIDE EDITION
时间： 10月9日 10:00–17:00
地点： 新加坡
主办方： Luna PR
报名链接：点击报名
「三万人在新加坡，只有三百人在这个房间。」继阿布扎比与香港站后，数字资产与代币化峰会的赛道特别版落地大奖赛周末，DAT（数字资产财库）主题与 F1 氛围叠加的机构场。
CONNECT by Cointelegraph: Singapore Edition
时间： 10月9日 12:00–18:00
地点： 新加坡
主办方： Cointelegraph、Cointelegraph Accelerator
报名链接：点击报名
精选制的对接与路演场，把创始人、开发者与投资人放进同一个下午，含 Pitch 环节。与首尔站一样，是英文语境下社交密度最高的收官选择之一。
建议参与路径
机构与资本主线：10月6日 Gamma Prime 投资峰会（Arthur Hayes、Yat Siu）→ 同日 Solana Capital Forum 或 IBM × Optimism 闭门场 → 10月8日 HSC 资管场与 LONGITUDE → 10月9日 Finality Forum 收官。
RWA 主线：10月5日 RWA Capital Forum 开场 → 10月6日 Mantle RWA Day 与 TokenizeThis → 10月9日 RWA SUMMIT 与 DAT SUMMIT 收尾，一周正好走完从资本、基础设施到财库的完整链条。
开发者主线：10月5日 0G Dev Day → 10月6日 Solana Summit 与 Monad「Open」→ 10月7日至8日 Sui Basecamp，四大生态连轴转；稳定币与支付方向则按 10月6日辩论场 → 10月7日 Stablecoin Sessions → 10月8日 The Treasury Table 的顺序推进。
活动具体时间、地点、嘉宾及报名安排请以主办方最新通知为准，受邀制场次需通过审核。本文仅作活动信息导览，不构成任何投资建议。美国法院：22 岁新加坡男子就 2.45 亿美元加密盗窃认罪Techub News 消息，美国司法部称，一名 22 岁新加坡男子已于 9 月 8 日在华盛顿特区联邦地区法院就参与敲诈勒索阴谋认罪。检方指控其在 2023 年 10 月至 2025 年 5 月期间组织领导国际网络犯罪集团，通过社会工程学手段窃取并洗钱超过 2.45 亿美元加密货币。该团伙于 2024 年 8 月冒充谷歌及 Gemini 交易所人员，从华盛顿特区一名受害者处骗取逾 4100 枚比特币。
据检方指控，该男子为犯罪集团头目，使用多个网络化名协调分工，通过诱骗受害者提供账户访问权限及安全代码转移资产。窃得资金被用于购买豪车、名表、豪宅及私人飞机等奢侈消费。该案共有 18 名被告，该男子系第 11 位认罪者，最高面临 20 年监禁。法院已定于 12 月 8 日举行状态听证会。（timesofindia.indiatimes.com）
OpenAI 首席科学家 Jakub Pachocki（雅库布·帕霍茨基）与研究员 Szymon Sidor（西蒙·西多）：解密 AI 研发历程与未来思考撰文：Techub News 整理
导语
在 ChatGPT 掀起全球浪潮之前，OpenAI 是一家怎样的公司？其内部的研究文化、技术路径探索以及关键决策是如何演变的？2025 年 7 月，播客节目《Before AGI》邀请到了 OpenAI 的首席科学家 Jakub Pachocki（雅库布·帕霍茨基）和公司仅有的几位技术研究员之一的 Szymon Sidor（西蒙·西多）进行了一场长达 65 分钟的深度对话。两人不仅是 OpenAI 的元老，更是自高中时期就相识的挚友与长期合作者，亲历并共同塑造了 OpenAI 乃至整个 AI 领域近十年的发展轨迹。这次对话罕见地揭开了这家全球最具影响力的 AI 实验室的幕后故事，从早期「冒名顶替综合症」弥漫的创业氛围，到 Dota 2、GPT 等关键项目的诞生内幕，再到对 AI 安全、治理与未来发展的最新思考，为我们理解 AI 前沿的真实图景提供了宝贵的第一手资料。
摘要
从波兰高中的编程竞赛到 OpenAI 核心团队，Jakub Pachocki 和 Szymon Sidor 分享了他们被 AlphaGo 等里程碑事件「点醒」，从而投身 AI 研发的心路历程。
回顾 OpenAI 早期岁月：弥漫着「冒名顶替综合症」的文化、探索性的技术方向，以及从 Dota 2 项目到 GPT 范式确立的关键转折。
深入探讨当前 AI 研发的日常：识别和修复「静默 Bug」、构建更可靠的数据管道，以及从「模仿人类思考」到「发展模型自身推理能力」的范式转变。
重新定义 AGI：从遥不可及的「情感目标」到一系列可实现的里程碑，特别是「自动化研究」能力被视为关键节点，但也伴随着前所未有的权力集中与治理挑战。
展望 AI 安全与治理：两位研究者认为，模型能力（Capability）与安全性（Safety）的激励正日趋一致，但构建强大 AI 所需的小型化、自动化团队可能带来深刻的权力结构变化，是全社会必须面对的难题。
从波兰到硅谷：两位 AI 先锋的启蒙之路
Jakub Pachocki（雅库布·帕霍茨基）和 Szymon Sidor（西蒙·西多）的缘分始于波兰格但斯克的一所高中，两人被同一位计算机科学老师吸引，沉浸在其鼓励自由探索、而非灌输知识的教学方法中。随后，他们通过波兰为编程竞赛尖子生组织的计算机科学夏令营加深了友谊。尽管本科分别前往剑桥/MIT 和卡内基梅隆大学深造，但这段共同的「跳出舒适圈」赴美求学的经历，让两人的联系更加紧密。
关于 AI 的「顿悟时刻」，两人各有不同。Jakub Pachocki（雅库布·帕霍茨基）最初专注于理论计算机科学，视真正具有推理能力的 AI 为需要强大算力和坚实数学基础的远期目标。是 AlphaGo 的胜利彻底改变了他的看法：「国际象棋曾是 AI 的重大里程碑……但在围棋中，搜索空间如此之大，我们的算法很难与人类顶尖选手竞争。」 AlphaGo 证明了无需复杂启发式规则，仅凭深度神经网络与搜索结合就能征服围棋，这迫使 Jakub Pachocki（雅库布·帕霍茨基）重新评估：我们是否真的需要那么多理论基石？还是应该将其视为一种需要理解的物理现象？这一认知转变促使他决定投身 AI。
Szymon Sidor（西蒙·西多）的起点则更具戏剧性：他因观看第一部《钢铁侠》电影而对机器人学产生兴趣，并以此为目标申请美国大学。尽管最初对传统机器人学感到失望，几乎考虑退学，但分布式深度学习激发了他的兴趣。随后 AlphaGo 的出现成为决定性瞬间，让他确信 AI 是未来的方向。在短暂效力于一家现已不存的 AI 初创公司后，他得知 OpenAI 聚集了多位波兰同胞，包括他敬仰的 Wojciech Zaremba 等人，便决心加入。
2017 年前后，两人先后加入 OpenAI。当时，深度学习革命虽已启动，但远未如今日这般炙手可热。OpenAI 也并非今天的巨头，而是一个充满不确定性的独立实验室。吸引他们的，除了认识的朋友，还有面试中接触到的 Ilya Sutskever、Alec Radford 等人展现出的才华与愿景。Szymon Sidor（西蒙·西多）坦言，当时 OpenAI 「构建 AGI」的使命宣言在他听来「有点扯」，他对超快时间线持怀疑态度，更多是被技术本身所吸引。
OpenAI 早期：探索、质疑与文化演变
初入 OpenAI，两人感受到的氛围与今天截然不同。Szymon Sidor（西蒙·西多）形容为「冒名顶替综合症有限公司」：公司里有一批非常知名的研究员，他们彼此之间都隐约感觉不如对方，午餐时常常很安静，大家都在心里打长长的腹稿，以期说些聪明的话。这种「尴尬」也反映在技术路径上：大家并不知道明确的方向，而是在多个不同方向上探索。
Jakub Pachocki（雅库布·帕霍茨基）补充道，他们作为「新皈依者」，带着一种基于实证的怀疑论视角，与像 Ilya Sutskever 这样对深度学习有长远信念的同事形成了有益的互补。他们合作的第一个大项目是让 AI 玩转复杂游戏《Dota 2》。他们原本预期，简单地扩展现有强化学习算法会遇到障碍，从而为他们提供深入研究「算法为何失败」的机会。然而结果令人「失望」：算法直接生效了。接下来的两年，他们主要的工作变成了持续扩展系统规模，并在此过程中解决各种工程瓶颈。这个项目是 OpenAI 早期少数几个长期、聚焦的项目之一。
那么，GPT 范式是如何确立的呢？Jakub Pachocki（雅库布·帕霍茨基）特别澄清，这并非 Alec Radford 偶然「撞见」的。关键转折点是 2017 年的「情感神经元」论文（早于 Transformer 发表）。该研究证明，仅在海量评论数据上训练一个 LSTM 模型，它就能无监督地捕捉到评论是正面还是负面这一语义概念。这揭示了纯粹从数据中能推断出深层含义，让团队意识到「这里面大有可为」。此后，Alec Radford 等人持续探索基于大规模数据的语言建模，最终汇聚成 GPT 这条道路。
构建 AI 的日常：与「静默 Bug」共舞
谈及当今 AI 研发的日常，Jakub Pachocki（雅库布·帕霍茨基）形容为「寻找 Bug」。这是一个独特的领域：一方面，研究者对神经网络架构、优化方式拥有完全的控制权；另一方面，我们并未完全理解网络优化的根本原理。这意味着研究者其实是在研究一种自然现象，必须精心设计实验以理解不同改动如何导致迥异的结果。
挑战在于，神经网络「非常想学习」。即使你的实验设置存在某些错配，它们依然会学习，只是可能学得不够好。这就导致了大量「静默 Bug」——错误发生了，但系统没有崩溃，只是性能未达预期，使得定位问题异常困难。Szymon Sidor（西蒙·西多）也分享了他早期一篇关于数据预处理中颜色处理导致图像中鱼消失的博客，以及他与 Jakub Pachocki（雅库布·帕霍茨基）合作，花费大量时间追踪神经网络中随机性能峰值的根源的经历。这些「修 Bug」的工作贯穿了他们的职业生涯。
作为长期合作的「强力二人组」，他们的协作模式也很有趣。Szymon Sidor（西蒙·西多）擅长乐观地快速获取数据、推进实施，而 Jakub Pachocki（雅库布·帕霍茨基）则善于深入思考现象本质、规划研究路径。Szymon Sidor（西蒙·西多）欣赏 Jakub Pachocki（雅库布·帕霍茨基）那种「坚信问题可以被解决」的信念感，而 Jakub Pachocki（雅库布·帕霍茨基）则钦佩 Szymon Sidor（西蒙·西多）的无畏与行动力。他们常常共同处理那些处于项目边缘、重要性难以向他人说明的问题，例如早期预训练中数据批次并非真正独立同分布（i.i.d.）这一工程难题，其解决虽未带来巨大性能飞跃，但让数据处理从「感觉导向」变得更可管理，为后续发展扫清障碍。
从「模仿思考」到「自主推理」：AGI 观的演变
对话转向了对未来发展的展望。Jakub Pachocki（雅库布·帕霍茨基）指出，过去两年的一大焦点是迈向「推理范式」。像 GPT-4 这样的模型知识渊博，但当被要求思考时，它们很大程度上是在模仿人类可能如何解决问题，因为训练数据就是人类的语言。这并非模型自身的思考方式。OpenAI 的目标是教会模型以自己的方式进行思考。经过大量调试和研究，他们看到了模型开始产生不同于初始训练的思考模式，这是一个重大时刻。他认为，接下来几年，这种「自主推理」的进步将会加速，类似于语言模型从早期发展到 GPT-4/ ChatGPT 所经历的轨迹。
Szymon Sidor（西蒙·西多）也认为，新的推理范式极其丰富，可以从许多方向进行研究。当前的一个根本性瓶颈是我们衡量模型智能水平的方式与实际能力之间存在差距。例如，模型可能在 10 道数学题上都得满分，但与之交互时仍能明显感觉缺失。他认为，设计更好的评估基准本身就是一个有价值的研究方向，甚至可以在没有海量 GPU 的实验室中进行。
关于 AGI 的定义，两人的看法都随时间发生了显著变化。Szymon Sidor（西蒙·西多）认为，AGI 这个概念正在变得「毫无意义」，而这可能正意味着我们接近了它。AI 已经在数学、编程等特定领域超越了绝大多数人类。Jakub Pachocki（雅库布·帕霍茨基）则回忆，2017 年时 AGI 更像一个遥远的情感目标，仿佛一个能解决所有问题、且所有对齐和安全问题都已解决的终极系统。如今看来，AGI 是一系列里程碑。OpenAI 章程中「能够完成大部分有经济价值的工作的 AI」的定义经受住了时间考验，并且变得可以衡量。
对 Jakub Pachocki（雅库布·帕霍茨基）而言，最接近他最初 AGI 想象的里程碑是「能够进行自动化研究、发现新知识的系统」。他预计，在未来几年内，我们将出现能够在许多领域以更少人类专项工作解决此类问题的通用系统。
责任、安全与治理：强大 AI 的双刃剑
随着 AI 能力快速增长，其责任与风险也成为焦点。Jakub Pachocki（雅库布·帕霍茨基）认为，OpenAI 的使命是确保 AGI 惠及全人类。这包括两方面：一是通过迭代式产品部署，思考强大 AI 如何与人交互、应采用何种形态、如何确保可及性；二是进行长期的科学研究，构建理解这项技术如何运作的「科学」，这最终将使我们能够思考如何将其与我们的价值观对齐并确保安全。
Szymon Sidor（西蒙·多）以新冠疫情初期为例，说明了团队感受到的深刻责任感。当时他们急切地想用 AI 帮助应对疫情，但技术尚未成熟，未能提供实质性帮助。他设想，如果发生在今天，医生或许能通过 ChatGPT 快速获取文献综述，节省时间。这让他认识到，履行责任的方式或许不是被动反应，而是扎实地构建基础，通过迭代部署逐步让世界变得更好。
AI 对齐（Alignment）不仅是技术问题，更是「对齐什么」的价值选择问题。Jakub Pachocki（雅库布·帕霍茨基）指出，即使拥有将模型与某些价值观对齐的技术能力，我们距离能够安心使用仍有很大差距。随着系统变得更智能、更微妙甚至有些「异类」，无法再依赖监督一切或设定清晰边界，必须依靠更高级的方法。他以社交媒体推荐算法为例：AI 优化用户参与度本身并非坏事，但可能导致回音室和观点极化，这说明了对齐的挑战性。
当被问及如何看待众多由前 OpenAI 员工创办的竞争对手（如 xAI、SSI、Thinking Machines Lab 等）时，Jakub Pachocki（雅库布·帕霍茨基）承认这是一个微妙的问题。开放与竞争能促进创新，尤其开源模型能培育大实验室之外的创造力；但另一方面，如此强大的技术显然需要在部署时投入一定程度的控制和思考，而随着技术扩散，控制将愈发困难。两者都有其道理，其影响深远复杂，难以简单抉择。
不可避免的话题是 2023 年 11 月的 OpenAI 董事会风波。两人当时都感到震惊和困惑。Szymon Sidor（西蒙·西多）坦言，早期的治理结构在当时看来像是「过度设计」，他作为 AGI 怀疑者甚至没有完全认同。但这场风波让他意识到，治理至关重要，早期看似无关紧要的决定可能会在未来带来巨大影响。Jakub Pachocki（雅库布·帕霍茨基）也强调了治理的极端重要性，以及他们倾注近十年心血构建的一切可能突然陷入危机的现实。
展望未来，Jakub Pachocki（雅库布·帕霍茨基）最期待的是 AI 能加速新知识发现、新技术开发和疾病新疗法的寻找。但他也最担忧，由少数人管理、完全自动化运行的强大 AI 研究团队可能带来前所未有的权力集中，这种根本性的权力结构变化是社会必须谨慎应对的全新挑战。
Szymon Sidor（西蒙·西多）则对 AI 安全的前景感到更乐观。过去他认为没有多少具体的安全问题可以攻克，但如今看到，随着模型能力增强，安全性正变得与能力本身紧密交织。例如，要让一个强大的 AI 安全地访问你的邮箱，就必须确保它能抵抗诱导指令。这种能力与安全的激励一致化，使得在安全性上取得进展成为可能，甚至是产品有用的前提。当然，这并不能保证完美的结果，但无疑增加了解决长期安全部署问题的可能性。
