Loading...
Loading...
两年，国内跑出第一家光互连独角兽最亮的光，最宽的路。
文丨李赓
编辑丨唐健博
2026 年 8 月 14 日，光互连第一次以量产身份，进入了英伟达的产品线：其 Spectrum-X 以太网硅光交换机全面量产，产品已于当年 5 至 7 月间投入生产。这是全球首款量产的基于共封装光学技术（CPO，把光学引擎直接封进芯片旁边）技术路线构建的交换机，也是英伟达下一代 AI 超级计算集群的核心部件。
近几年风光无限的英伟达频频 “跳票” 和 “调整”，透露出重重阻力。新一代旗舰计算平台 Vera Rubin 因为海力士 HBM4 内存被延期重做；Rubin 平台的四内存芯粒高配版本，因为台积电中介层良率问题，发布就被砍为两芯粒；下一代计算集群关键的机架级解决方案 Kyber NVL144，因为一块 1 平方米的 PCB 无法搞定，已经跳票到 2028 年。
受阻的原因五花八门，背后共享一套底层逻辑：由于纯半导体芯片的摩尔定律已经失效，在最顶尖的 AI 集群里，芯片周边的部件开始承担起芯片间高速通信，将它们组合成一个虚拟的 “大芯片” 的职责。
周边部件强行 “上岗”，拓展了算力的发展，也造成了效率的下降：当成千上万颗 GPU 一起训练一个大模型时，数据搬运已占掉训练时间的 30% 到 50%。更极端的是耗能口径，数据中心 90% 的能耗花在搬运数据上，仅 10% 用于实际计算。
可预见的，未来挑战还会更大：芯片算力按面积增长，互联带宽只能按边长增长（芯片 I/O 一般分布在芯片四周边缘），两者的增速差出一个平方。
光互连，正是英伟达这家行业引领者给出的解决方案。2026 年 3 月，英伟达直接向三家光通信公司投资了 60 亿美元，黄仁勋更把互连层提为 “英伟达决定收入的关键路径”。Spectrum-X 这款共封装光学交换机展示了英伟达 AI 集群最新的变化：通过全新交换机的应用，单端口功耗从 30 瓦降至 9 瓦，激光器数量减少四倍，彻底将整个集群的交换侧升级为了光通信。
在今年 6 月的 GTC Taipei 上，黄仁勋也透露了英伟达在光通信的下一步：借助 CPO 继续推进微环调制器（Micro-Ring Modulator，MRM）技术的成熟，最终走向光学输入输出（Optical Input & Output，OIO）。
整套系统中最关键的器件，是硅光微环调制器（Micro-Ring Modulator，MRM），它拥有目前光通信调制器中最小的尺寸和最低的功耗，换来了最高的可密集部署能力。得益于 MRM 的介入，整个交换机总带宽最高超过了 400Tb/s，一眨眼（0.1 秒）就能传输 5TB 数据，整个通信过程的信号质量还提升了数十倍。
交换侧的提升只是第一步，按照光通信技术的发展路线图，微环调制器将最终导向芯片与芯片直连的光学输入输出（Optical Input & Output，OIO）阶段，真正将数万颗、数十万颗甚至更大规模的高算力芯片互相连接起来，可为 AI 算力带来一次全新的指数级跃升。
这个目标听起来似乎很遥远，但光联芯科联合创始人兼 CEO 陈超不这样认为：“OIO 会扩张到整个超节点架构中，时间点也会比大多数人想的快，三到五年足矣。” 光联芯科前不久刚刚完成了金额近 10 亿元的 A+ 轮融资，是全球光互连赛道新晋独角兽。这家公司的终极目标，正是基于微环调制器的终极形态 OIO。
光联芯科自研微环调制器 12 寸晶圆。
四个人 All in OIO
如果把光通信比作新修高速，不同代际的光通信区别主要在于高速的 “接入点”，LPO（线性驱动光模块）、NPO（近封装光学）、CPO（共封装光学）、OIO（光学输入输出）这未来几代光通信规划，大致对应 “城郊”“市区边上”“市中心” 和 “每家每户门口”。
具体到实际部署中，目前的可插拔方案是在机柜的背后插一个像大 U 盘一样的模块，而 OIO 的终极目标，是要把这个结构直接封装到核心算力芯片上，把核心算力芯片用光链路串联起来，形成达到核心算力芯片门前的独立高速。因为光电转换点贴近芯片内核、距离近乎为零，互连效率逼近理论极限。
光通信行业原本的计划，是稳扎稳打、每几年往前推一代。可 AI 爆发让需求暴涨：海量订单和投入砸下来，一步到位的跃进反而成了更优的选择。
OIO 最终极也最前沿，一旦做出来价值巨大，难度自然也最大。
因为需要把光通信的整个系统，从一个外部的分立器件，压缩成为一个芯片级的产品，OIO 无法再像传统光通信产品一样产业分工，把光源、调制器、DSP 等各种组件生产出来再组装。必须同时攻克光电芯片协同设计、工艺良率、多波长光源、先进封装等关键技术环节，每个环节还要紧密协作，最终交出一个芯片级产品。
伴随 “最前沿” 定位而来的需求同样最前沿，反过来对人的能力产生了极大的挑战。
光联芯科联合创始人张巍巍坦言：“没有任何一个领域的专家能独立覆盖全部环节。即便全球最顶尖的研究机构，也从未有人凭一己之力走通整个链条。”
这也让如何整合 OIO 这条赛道的顶尖人才，并且融合成一个有战斗力的团队，成为了 OIO 赛道创业的最核心挑战。
光联芯科的四位联合创始人就是这一逻辑的最好例证：他们陆续认识多年，各自人生轨迹不同，但最终因为 OIO 的共同技术理想走到了一起。四个人对于这个过程有着近乎一致的描述：我们对技术有极致追崇，也有将实验室顶尖成果转化为产业实力的创业者思维，因此相互信任，在技术判断与商业信仰上高度契合。
光联芯科四位创始人，从左至右：张巍巍、陈超、叶亚飞、胡志朋。
光联芯科联合创始人兼 CEO 陈超，毕业于哈尔滨工业大学电子系本科，综合成绩全系第一，也是唯一拿到保送清华直博资格的人，他却放弃保送，转⽽去杜克攻读芯⽚⽅向硕⼠。导师给他摆过两条路，读博熬成五⼗岁的 architect，或⾛商业，他⼏乎没犹豫就选了后者。此后他去 MIT 斯隆商学院攻读了全职 MBA，也正是在 MIT，他接触了一群正在做光通信的同学，刚好了解到了当时纯属科幻名词的 OIO 方向，埋下了 “光” 的种子。
MBA 毕业回国后，陈超先后在国内互联网大厂的核心战略团队中历练。离开大厂后，他加入真知创投担任管理合伙人，并同步攻读清华大学创新领军工程博士。真知创投的创业制片人暨深度孵化模式，本质上是以投资的方式在做创业，这段经历让他完成了从 “产业视角” 到 “创业视角” 的认知跨越，最终推动他亲自下场 all in 光联芯科的创业。真知创投也从零开始连投三轮。
刚才提到的张巍巍，他的导师 Graham Reed 教授被誉为全球 “硅光之父”，是英国皇家工程院院士、英国南安普顿大学光电子研究中心（ORC）的教授。在加入光联芯科之前，张巍巍已站在了学术象牙塔的塔顶。他不仅在英国拿到大学终身教职，是 Reed 课题组在硅光调制器方向的核心研究者，以第一作者发表的论文登上了 Nature Photonics；而他和 Reed 的联手，正是光联芯科坚持的 OIO 技术路线的扎实学术起点。
2024 年，张巍巍做出了一个让学术界同仁震惊的决定——放弃终身教职，回国创业。他将自己在硅光领域十几年的深厚学术积淀，毫无保留地注入到了光联芯科，将全部精力投入到了硅光工艺研发，让光联芯科在面对复杂的微环良率优化时能够游刃有余。
在一次与陈超的深夜长谈中，张巍巍曾分享过自己当时的想法：“如果一项技术只停留在论文和学术层面，只能在实验室的精密光学台上跑出漂亮的数据，却没有真正落地到产业里去解决物理世界的实际问题，那在某种意义上，它就不算真正的成功。”
浙大光电博士出身的联合创始人胡志朋，在学校里做了一系列光通信器件研究，毕业后曾主导参与多个国家级片间 / 片上光互连项目。在国内，真正完整参与过这类项目的人屈指可数。他跟陈超的相遇更早，在多年前的行业展会上就进行了密集的技术和行业趋势探讨。
最后一位联合创始人叶亚飞，清华大学集成电路学院优秀毕业生，不仅在海外大厂负责过高速通信设计，还有过两次创业经历，在电芯片、高速互连和团队管理上都有充足的经验。陈超作为校友，很早就通过同学认识了叶亚飞，为了邀请他入职，前前后后沟通了一年多。
“CEO + 三位联合创始人” 的架构，让他们各司其职：陈超负责把产业与战略的双重视角落到公司的发展节奏上，判断该在哪里下注、多快推进。张巍巍、胡志朋与叶亚飞则专注于技术突破与工程落地，把光电芯片一步步变成从设计、制造到封装全线打通的可行产品。
专业能力层面组建出光通信赛道少有的 “成建制” 光电融合团队之余，他们身上有一种共同的底色：有冲劲，想在中国半导体产业留点东西。在陈超看来，这恰恰是 “企业家精神” 的本义——拉丁文词根 “Entrepreneurship” 意味着 “去看、去探索、去发现”。科技领域的创业者，本质上是开疆拓土的探险家，技术理想与创业者精神缺一不可。
专啃硬骨头
相比学历和经历，攻坚和最终的成果最能集中体现团队的实力。
在光互连这条赛道中，主要有两条技术路线：一条是传统的马赫-曾德尔调制器（MZI）路线，另一条则是代表着下一代前沿方向的微环调制器（MRM）路线。
MZI 路线技术相对成熟，但体积大、功耗高、带宽密度受限，在寸土寸金的芯片上撑不起十万卡集群的密集光互连。相比之下，MRM 体积极小（仅为 MZI 的百分之一甚至千分之一）、功耗极低、带宽密度极高，被公认为下一代 CPO 与 OIO 的最理想解法。
但也正因为 MRM 体积极小、对光信号的控制方式也和传统器件不同，反倒在制造上遇到了难题。微环器件对工艺良率的要求非常之高，虽然它总体的尺寸需求用 65 nm 制程就能够满足，但微观的结构缺陷，即便用昂贵的 3nm 制程都无法彻底消除。结构上的缺陷会直接影响微环的实际工作波长，导致整个光芯片无法使用。
结果是，传统晶圆厂的纳米级制造公差足以让整片晶圆上的微环波长参差不齐，无法严格对准光信号波长，良率低到无法实现大规模商业化。陈超透露了一个数字 “目前的工艺良率，或低于 10%”。
如何在微环光芯片被制造出来之后，进行后期的良率提升，让它的波长能够满足要求，恰恰就是张巍巍此前学术上研究过的方向。其在 2023 年在 Nature 子刊上发布的论文 Harnessing plasma absorption in silicon MOS ring modulators，以及 2025 年在 Advanced Photonics Research 期刊上发表的 Towards High Resolution Trimming of Silicon Photonic Waveguides 给出了学术研究层面的技术解决方案。在师从 Graham Reed 教授期间，张巍巍还接触了欧洲硅光工艺的产线，让他对生产设备有了深入的了解。
深厚的积累，很快转化为了实际的成果：只用了半年多的时间，张巍巍就研制出了专门用于 OIO 光芯片的光刻修调设备第一代 “硅光无掩膜可编程光刻机”。这款光刻机能够在没有掩膜的情况下高速精准投影，配合高精密的激光退火系统，实现光芯片微环的波长修调。而且这台设备的定位不是技术验证，而是真实的工业化量产应用。
光联芯科自研光刻修调工艺演示。
张巍巍分享了两组设备性能数字：晶圆上的光芯片经波长的修调后，良率从不到 10% 提到 99%，从绝大部分报废到几乎全部可用；设备自动化程度也很高，数小时就可以完成整张晶圆 “检测-修调-出货”。
生产阶段的良率解决之后，还需要解决光芯片在工作中的温度调控难题。光芯片对环境温度较为敏感，0.1℃ 的波动都足以让微环波长发生偏移，导致信号中断。
为了解决微环对温度敏感的技术难题，光联芯科为此自研了高性能的微环电驱动芯片，并独创了一套微秒级波长锁定算法，打造出微秒级响应速度的 “温控系统”。无论数据中心服务器在满载飙升到高温，还是空载低温，系统都能通过电芯片实时监测微环的实际状态，并在极短时间内完成波长的动态调整与锁定。
这些难题的最大特点，是它们往往同时涉及电和光的设计，必须从一开始就在团队层面拉通。
用胡志朋自己的话来概括：光和电两个团队一直在深度沟通。我也在帮亚飞（叶亚飞）建立对光器件的认知，亚飞也在帮我建立对电芯片的认知。叶亚飞描述得更详细：我们会互相了解对方到底它的难点在哪里、容易点在哪里。怎么能利用你的容易点让我们这边轻松一点，或者利用我们这边的优势来让你的难点变得容易。
珍贵的窗口期
光联芯科要做的，用陈超自己的话来说：不是在赛道里分一杯羹，更不是国产替代，而是成为下一代计算架构的 “定义者”——在全球范围内，参与并定义下一代计算架构中光学 I/O 的产业标准与技术方向。
无可避免地，光联芯科会直面海外玩家的竞争。OIO 光通信全球头部玩家 Ayar Labs、Lightmatter 在尝试过诸多其他路线之后，最终也全部收敛到微环技术上。英伟达，今年 3 月分别向光通信器件龙头 Lumentum、激光器与光模块龙头 Coherent，以及数据中心互连与定制芯片企业 Marvell 各投 20 亿美元。海量投入的涌入，正在快速提升 OIO 赛道的发展速度和竞争烈度。
光联芯科内部对此更多是兴奋，而不是担忧。
随着成果的产出，光联芯科正在获得越来越多资本的认可。刚完成的 A+ 轮融资中，公司估值超过 10 亿美元。投资方还包括了国寿资本、招商局资本、星连资本、中信建投、河南汇融等机构，裴振华、赵洪修等知名企业家个人投资者。红杉、高瓴、君联等原有股东悉数超额跟投。
其次是中国在 OIO 赛道上的整体优势：从整个 OIO 光芯片的需求出发，在修调工艺成熟的情况下，国内 55/65 nm 工艺就足够，电芯片目前国内最先进的逻辑工艺也够用了，更不要提国内在先进封装方面的强劲实力。OIO 不仅仅是可以做，而是正在成为一次中国半导体行业弯道超车的机会。
陈超至今还记得那个关键的时刻：2025 年 GTC 上，黄仁勋把 MRM（微环调制器）光互连拎出来，定调 “下一代 AI 基础设施必须全面转向光学连接”。
这声定调，让 2024 年创立光联芯科的陈超喜出望外。他还记得当时的心路历程：2023 年到 2024 年创业时，只有方向的 “模糊的正确感”。黄仁勋宣布之后，最终确认自己看对了，看准了。
但这种兴奋并没有让整个团队停下，反倒是又投入到了下一步的技术和产品攻关中。在光联自研的微环调制器版 3.2T NPO 成功跑通 112G PAM4 测试眼图的那天，结果被叶亚飞发到了群里，几个人并没有过多复杂的庆祝，回复只有简单的 “牛！” 和 “今晚喝一个！”。
胡志朋对自己做了个解释：“原因无他，我们团队都很自信，因为我们之前流片的时候就觉得它能成功，所以就是这个结果。”
陈超的解释更浪漫一些，“我们正在推进的，说大一点，是人类文明的边界”。
接下来
这一年里，AI 大模型带来的算力风暴比所有人想象的都要迅猛，而光联芯科的技术进化与工程迭代速度，同样超越了整个行业的预期。
去年光博会，光联芯科没有自己的展台。产品摆在合作方实验室展位的一角，大约 1.5 平米的位置上：一块第一代 8 通道微环评估板，实物调通了，静态摆着。微环，别人还没有的东西。公司内部，第三代已经迭代完成，隔了两代。来问的人不少，有国内头部大厂的人走过来，看完感叹：“你们做得比我们还快。”
展会当晚，四个人从会展中心出来，在路边一个地摊坐下。天下着雨，一半室内、一半室外的空间里，大家撸着串，聊的是明年——明年，我们能不能有自己的展台；也聊一年后、多年后，这家公司会走到哪里。
一年后，2026 年光博会即将到来，光联芯科有了自己的展台，全球首发落地的成果即将亮相。从 1.5 平米到 100 平米。正好一年。
关于这次亮相，陈超说自己 “我自己摁着我自己，等里程碑事件、等最合适的时机，一鸣惊人”。
在光联芯科的实验室里面，有一台设备被盖着布，陈超说，这是给今年准备的，一件非常惊艳的东西，有可能在创造国内甚至世界首创的同时推进全球光互连产业的进步。
题图来源：《星球大战 9》
永续合约攻陷华尔街：Pantera Capital眼中的"全天候金融"新秩序一、报告内容概述
2026年7月1日，Pantera Capital发布《The Always-On Economy——Housing All of Finance: The Rise of Perps and Hyperliquid》，聚焦永续合约（Perps）从加密原生工具向全球金融基础设施的跃迁，以及代币化初创公司对传统IPO前投资格局的重塑。报告从以下几个维度展开：
永续合约的市场演进：从1993年Robert Shiller的理论构想，到2016年BitMEX在比特币上的规模化实践，再到2025年中心化交易所62万亿美元的交易量，永续合约已超越现货成为衍生品市场主导力量。
Hyperliquid的崛起与扩张：作为最大的去中心化永续合约交易所，Hyperliquid凭借自定义Layer 1区块链和"容纳所有金融"的愿景，月交易量超2500亿美元，年化收入约8亿美元，并将资产范围从加密扩展至股票、商品和私营公司。
代币化初创公司的设计图谱：梳理了从SPV股权工具到纯合成永续合约的多种路径，对比了PreStocks、TradeXYZ、Robinhood Ventures等平台的机制差异与交易量表现。
价格发现与创始人对齐：探讨了私营公司缺乏流动现货市场带来的定价难题，以及代币化平台如何在不触发公司反对的前提下获取合规股权敞口。
监管拐点与法律结构：分析CFTC近期批准Kalshi比特币永续合约和Coinbase外国关联公司方案的政策信号，以及SEC对发行人赞助代币与第三方代币的分类监管逻辑。
研报原文：https://panteracapital.com/blockchain-letter/the-always-on-economy/
二、永续合约：从边缘到主流
永续合约的核心优势在于"无到期日+资金费率"的设计，相比传统期货和期权，它在执行管理、风险理解和24/7交易三个维度都更贴合现代投资者需求。2025年中心化交易所的永续合约交易量达到62万亿美元，远超现货的19万亿美元。Hyperliquid作为去中心化永续合约交易所的龙头，已将DEX永续合约的市场份额从2023年初的不足1%提升至CEX永续合约的14%。其自定义Layer 1区块链专为交易优化，月交易量超2500亿美元，年化收入约8亿美元，且99%的收入用于程序化代币回购。
Hyperliquid正在将资产范围从加密扩展到股票、商品、指数和私营公司，其"容纳所有金融"的愿景正在兑现。当2025年末金银价格暴涨、2026年2月伊朗冲突爆发时，Hyperliquid成为周末唯一可交易这些资产的场所，甚至传统交易所开盘时的价格已参照Hyperliquid的永续合约价格。Cerebras IPO当天，承销商也在监控Hyperliquid上的价格。ICE创始人甚至公开称Hyperliquid"比纳斯达克更大"。
三、代币化初创公司：重塑IPO前投资
代币化初创公司的兴起，由三个趋势交汇驱动：SPV等临时流动性工具的爆发（过去两年二级SPV增长超545%）、RWA代币化的快速扩张（2026年Q1链上RWA价值达约3200亿美元），以及"代币-股权共识"的瓦解（项目代币相对于股权成为二等公民）。
当前代币化初创公司的设计路径可分为两类：一是基于实际股权的SPV工具（如PreStocks、Jarsy），二是纯合成永续合约（如TradeXYZ、Ventuals）。数据显示，后期Pre-IPO资产（SpaceX、Anthropic等）的交易量远超早期项目，且平台交易量高度集中于1-3个头部资产，说明交易者对品牌资产的忠诚度高于平台本身。
TradeXYZ的Cerebras永续合约在IPO前实现了超3000万美元日交易量，最终价格与纳斯达克开盘价误差在3%以内，远优于传统二级经纪商。Robinhood Ventures则推出了NYSE上市的封闭式基金，让散户以约25美元/股的价格间接持有Stripe、Databricks等公司的股权。
四、关键挑战与设计空间
代币化初创公司面临的核心挑战包括：
• 创始人对齐问题：没有公司配合，平台可能面临公开反对导致代币价值崩盘（如Anthropic反对二级SPV、OpenAI反对Robinhood代币）。解决方案包括代币化初创公司篮子（降低单公司定价压力）、加速器模式（如Street和MetaDAO从创始人利益出发）、以及社区代币发行（如Revolut早期社区股权轮）。
• 非美国市场机会：美国资本市场已相当成熟，代币化优势不明显。但韩国等市场存在结构性机会——拥有三星、SK海力士等AI供应链国家冠军，且有新的"股票代币"法律框架。
• 永续合约的价格发现设计：私营公司没有流动现货市场，传统预言机机制不可靠。TradeXYZ在Cerebras案例中展示了"无预言机"价格发现的潜力，但这依赖于即将发生的可验证收敛事件（IPO），对早期公司难以复制。
• 法律结构与监管：SEC将代币化初创公司分为"发行人赞助代币"（视为证券）和"第三方代币"（根据实际权利定性）。ERC-S等新型法律框架尚未经受监管检验。
五、监管拐点：CFTC打开大门
报告特别关注了美国监管的最新进展。CFTC近期批准了Kalshi提交的比特币参考永续合约，并允许Coinbase通过外国关联公司提供特定加密永续合约，将其视为外国期货。这标志着CFTC开始在现有期货框架下为受监管的加密永续合约开辟路径，而非要求全新的规则制定。
但对于去中心化永续合约，路径仍不清晰。去中心化协议需要获得豁免——既免于在注册交易所交易的要求，也免于某些合约的准入规则。虽然SEC和CFTC都持支持创新的立场，但在保持无需许可和无KYC的同时满足制裁和市场完整性方面的合理关切，仍需进一步探索。
六、结论
这份报告的核心价值在于揭示了永续合约和代币化初创公司这两个看似独立的趋势，实际上共享同一套底层逻辑：区块链基础设施正在填补传统金融市场的空白——无论是24/7交易、无需许可上市，还是IPO前的大众可及性。
永续合约已从加密边缘走向全球金融的中心舞台，而代币化初创公司则试图夺回被成长型基金"劫持"的高增长年份。Hyperliquid的"容纳所有金融"愿景和代币化初创公司的多样化实验，共同指向一个更开放、更即时的金融市场未来。但监管仍是最大变量，尤其是去中心化协议如何在合规框架内保持其核心特性，将是决定这一趋势能否规模化的关键。
NVIDIA 创始人 Jensen Huang（黄仁勋）：Agentic AI 已至，发布 Vera Rubin、Vera CPU 与 RTX Spark PC撰文：Techub News 整理
导语
2026年6月1日，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）在台北 COMPUTEX 展会上发表了长达两小时的主题演讲。这场演讲被视为指引未来数年 AI 与计算产业方向的「风向标」。黄仁勋不仅回到了其故乡台湾，更在父母和数万现场观众面前，系统阐述了 AI 从「生成」走向「有用」的关键转折，并发布了一系列旨在重塑从数据中心到个人电脑的软硬件产品。
当前，全球正处于建设 AI 工厂的狂潮中，算力即利润。黄仁勋此次演讲的核心，正是宣告一种全新的计算范式——以智能体（Agent）为中心的计算——已经成熟并开始创造巨大经济价值。他详细介绍了支撑这一范式的技术栈，包括已全面投产的 Vera Rubin 系统、专为智能体设计的 Vera CPU，以及与微软携手、时隔40年重新发明的个人电脑 RTX Spark。
摘要
Agentic AI（智能体 AI）时代已真正到来，AI 从生成内容变为执行有用工作，成为利润和 GDP 的直接创造者。
NVIDIA 发布 Vera Rubin 多机架超级计算机，这是首个专为处理智能体工作负载而设计的端到端系统，现已全面投产。
推出革命性的 Vera CPU，其设计理念从服务人类转向服务智能体，追求极致的单线程性能、带宽和能效，以消除智能体工作流中的瓶颈。
NVIDIA 与微软深度合作，推出 RTX Spark PC 产品线，重新发明个人计算机，使其原生运行智能体，开启继 Windows 95 之后最大的 PC 革命。
发布企业 AI 智能体工具包、物理 AI 基础模型 Cosmos 3、自动驾驶模型 Alpamo 2 及人形机器人参考平台 Isaac Groot，将智能体范式扩展至各行各业。
智能体时代降临：从生成到有用，算力即收入
黄仁勋开篇即指出，AI 的发展浪潮已从生成式 AI 进入 Agentic AI（智能体 AI）阶段。「有用的 AI」已经到来。他以全球软件开发为例，展示了智能体带来的生产力革命：GitHub 上的代码提交量在 2026 年前几个月近乎翻了三倍。这意味着全球约 3000 万软件开发者（代表约 3 万亿美元年薪）所创造的经济产出可能接近 9 万亿美元。AI 并未取代工作，反而因极大提升了单个工程师的产出价值，刺激企业雇佣更多工程师。
这一转变的核心在于，AI 生成的「Token」（代币）不再是单纯的信息单元，而是可盈利的收入单位。智能体能够观察、推理、规划并使用工具（如浏览器、数据库、CAD 软件）来完成实际任务，从编写代码、创建 GIF 动画到设计 3D 打印部件。这创造了对 Token 的海量需求，进而驱动对算力——即 AI 工厂——的疯狂投资。
黄仁勋强调，「计算即收入，计算即利润」。在这种新范式下，数据中心或 AI 工厂的每一瓦特电力都直接关联到 Token 的产出和收入。因此，衡量系统优劣的关键指标不再是单纯的峰值算力，而是「每瓦特 Token 数」和系统的整体可靠性、生命周期。这从根本上改变了计算基础设施的设计哲学和经济学。
Vera Rubin：为智能体而生的超级计算机
为了应对智能体工作负载的极端复杂性，NVIDIA 推出了 Vera Rubin。黄仁勋澄清，Vera Rubin 不是一个单一的 GPU 芯片，而是一个从端到端设计的、多机架规模的智能体处理系统。智能体的工作模式是「解聚且分布式」的：大语言模型负责「思考」，工具运行在 CPU 或加速器上，记忆管理系统处理工作记忆和长期记忆，安全处理器保障全流程加密，所有环节由编排软件协调。这完全不同于传统应用在单一操作系统内运行的模式。
Vera Rubin 系统集成了 Vera Rubin GPU（MVLink 72）、Vera CPU、Bluefield-4 DPU、ConnectX-9 网络芯片以及 Spectrum-X 以太网交换机等至少七种新型芯片。其设计采用「极端协同设计」，通过数字孪生在 Omniverse 中完成整个系统的模拟、验证和优化，然后再进行物理建造。黄仁勋特别展示了其革命性的机架设计：无电缆、无软管、无风扇，通过中置 PCB 背板连接，将单个机架的组装时间从 Grace Blackwell 时代的 2 小时缩短至 5 分钟，可靠性和可维护性大幅提升。
黄仁勋宣布，Vera Rubin 现已进入全面生产阶段，其供应链规模是 Grace Blackwell 的两倍。该系统专为智能体时代打造，能够高效处理智能体所需的观察、推理、规划、工具使用和记忆管理等复杂任务，是 NVIDIA 从 GPU 公司、系统公司向AI 基础设施公司转型的标志性产品。
Vera CPU：为 impatient 的智能体重塑计算核心
黄仁勋指出，传统 CPU 是为人类用户设计的，其使用和租赁模式以「秒」为单位。但智能体是「没有耐心的」，它们生活在「纳秒」世界。在智能体工作流中，CPU 用于编排、管理工具调用、访问数据库等任务，任何等待都会拖累整个智能体的执行效率，从而影响宝贵的 Token 产出。
为此，NVIDIA 设计了全新的 Vera CPU，这是首个为智能体时代打造的 CPU。其设计目标聚焦于四点：极高的单线程性能（IPC）、极高的每核心带宽、极高的芯片内外总带宽以及极致的能效。Vera CPU 采用了名为「Olympus」的自研核心、第二代可扩展一致性互连 fabric，并首次支持 LPDDR5X 内存，实现了相比现有 x86 CPU 数倍的性能提升。例如，在 SQL 查询和实时流处理（如纽约证券交易所场景）等关键工作负载上，Vera CPU 带来了 3 倍到 6 倍的加速。
黄仁勋预测，未来智能体的数量将远超人类，它们对低延迟和高效率的渴求将催生一个全新的、巨大的 CPU 市场。Vera CPU 将与 Vera Rubin 系统紧密耦合，成为优化 AI 工厂产出（Token）的关键一环。
重新发明 PC：NVIDIA 与微软的 RTX Spark 革命
黄仁勋将话题从数据中心引向个人计算，宣布与微软合作，时隔 40 年重新发明个人电脑。新的计算范式——智能体——不仅运行在云端，也将运行在每个人的设备上。为此，NVIDIA 推出了 RTX Spark 平台。
RTX Spark 的核心是一颗与联发科合作开发的 N1X 芯片，它集成了 Blackwell 架构的 RTX GPU、定制版 20 核 Grace CPU，并通过 NVLink 互联，拥有 128GB 统一内存。黄仁勋强调，这是一个「百分之百兼容 Windows、百分之百运行 CUDA、百分之百具备 NVIDIA AI Tensor Core」的平台，能够无缝运行过去数十年积累的所有应用和 AI 工作负载。
现场演示展示了运行在 RTX Spark 笔记本上的智能体如何帮助用户设计房屋：用户通过自然语言和草图表达意图，智能体便能调用本地的 Rhino、Blender 等专业软件进行建模、渲染，甚至利用云端模型生成效果图。这预示着未来 PC 的角色将从被动工具转变为拥有自主智能体的主动助手。
此外，NVIDIA 还宣布了全新的产品线，包括 RTX Spark 笔记本电脑、台式机和工作站。黄仁勋展望，未来家庭中可能会拥有一个常年开机、连接所有设备的「AI 超级计算机」，作为个人的智能体中枢，其意义堪比手机向智能手机的演变。
赋能万物智能：从企业工具包到物理 AI
为了让各行各业都能构建自己的智能体，NVIDIA 推出了「企业 AI 智能体工具包」。该工具包包含四个核心部分：模型（如开源的 Neotron，会上发布了更智能、更高效的 Neotron 3 Ultra）、智能体编排框架（如 Open Shell）、工具与技能（如 CUDA-X 库）以及运行时环境。黄仁勋以与 Cadence 合作开发的「芯片设计超级智能体」为例，展示了该工具包如何将芯片验证周期从数周缩短到数小时。
最后，黄仁勋将智能体的范畴从数字世界拓展到物理世界。他发布了物理 AI 基础模型 Cosmos 3，这是一个能够理解、推理和生成物理世界场景的多模态模型，可用于机器人训练、仿真等。同时，还推出了具备推理能力的自动驾驶模型 Alpamo 2，以及为降低人形机器人研发门槛的开源参考平台 Isaac Groot（包含软硬件和参考机器人设计）。
黄仁勋总结道，无论是云端智能体、PC 智能体、机器人还是自动驾驶汽车，其核心计算模式都是相同的：模型、编排框架、工具技能和运行时。NVIDIA 通过 Vera Rubin、Vera CPU、RTX Spark 以及一系列软件工具包，正在为这个全新的智能体时代构建完整的基础设施栈。他感谢了台湾供应链伙伴的巨大贡献，并坚信与生态系统的紧密合作将继续驱动这场前所未有的技术革命。
NVIDIA 创始人 Jensen Huang（黄仁勋）：加速计算与 AI 工厂定义未来撰文：Techub News 整理
导语
2025年10月28日，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）在美国华盛顿特区举行的 GTC（GPU Technology Conference）大会上发表了长达近100分钟的主题演讲。作为 AI 与加速计算领域的年度风向标，本届 GTC 移师美国政治中心，其意义远超一场技术发布会。黄仁勋在演讲中不仅回顾了 NVIDIA 推动计算范式转移的30年历程，更发布了一系列涉及通信、量子计算、国家科研、下一代 AI 基础设施及机器人技术的重磅合作与产品，勾勒出一幅以“加速计算”和“AI 工厂”为核心、驱动美国乃至全球产业变革的宏伟蓝图。
摘要
宣布与诺基亚（Nokia）达成战略合作，推出 NVIDIA Arc 6G 无线网络计算平台，旨在将 AI 融入无线通信核心，并让美国技术重返全球电信基础设施领导地位。
发布 NV-Q Link 量子互连架构及 CUDA-Q 平台，连接量子处理器与 GPU 超级计算机，实现量子纠错与混合计算，并宣布获得美国能源部下属七大国家实验室及17家量子公司的支持。
揭示下一代 AI 超级计算机架构 Vera Rubin 细节，强调通过“极端协同设计”实现性能的指数级提升与 token 生成成本的大幅下降，并宣布已获得价值5000亿美元的 Blackwell 及早期 Rubin 订单。
提出“AI 工厂”概念，认为 AI 不是工具而是“工作者”，正驱动从通用计算到加速计算、从手写软件到 AI 的“双重平台转移”，并将触及百万亿美元规模的经济体。
展示物理 AI（Physical AI）与机器人技术的融合，通过 Omniverse 数字孪生平台训练和部署机器人，并宣布与 Foxconn、Figure、迪士尼等合作伙伴在智能工厂、人形机器人及自动驾驶（Hyperion 平台）等领域的进展。
从 GPU 到 CUDA：三十年的范式转移
演讲伊始，Jensen Huang（黄仁勋）回顾了 NVIDIA 创立三十年来所推动的根本性变革：加速计算。他指出，随着晶体管性能提升因物理定律而放缓（“丹纳德缩放”已停止），通用计算（CPU）的局限性日益凸显。NVIDIA 的洞察是，通过引入专为并行处理设计的 GPU 及与之配套的编程模型 CUDA，可以极大地扩展计算能力。然而，这并非简单的硬件替换，而是一场从算法、库到应用程序的全面重构，耗时近三十年才迎来拐点。
黄仁勋强调，NVIDIA 的核心财富不仅是 GPU 硬件，更是 CUDA 及其上层超过350个加速库构成的完整生态。从计算光刻（CUDA Litho）、科学计算到 AI 训练框架（Megatron Core）、医疗影像（Monai），每一个库都代表了一个被加速计算重塑的领域。他通过一段全模拟生成的视频展示了 CUDA-X 生态如何覆盖从医疗、制造、机器人到自动驾驶、计算机图形等几乎所有行业，并指出这背后的驱动力是“数学之美”与深厚的计算机科学。
重塑通信、量子与国家级 AI 基础设施
在宣布具体产品前，黄仁勋首先指出了当前全球通信基础设施的一个关键问题：大量基于外国技术。为此，NVIDIA 宣布与全球第二大电信设备制造商诺基亚达成合作，推出全新产品线 NVIDIA Arc（Aerial Radio Network Computer）。Arc 平台基于 Grace CPU、Blackwell GPU 和 ConnectX 网络技术，运行名为 Aerial 的 CUDA-X 库，旨在打造首个软件定义、可编程的无线通信计算机，同时处理 AI 任务。黄仁勋表示，这不仅是将 AI 用于无线接入网（AI for RAN）以提升频谱效率，更是要在无线网络上构建边缘工业机器人云（AI on RAN），类似于互联网催生了 AWS 等云计算巨头。
在量子计算领域，NVIDIA 发布了 NV-Q Link 互连架构和 CUDA-Q 开放平台。NV-Q Link 能以每秒数千次的速度在量子硬件与 GPU 之间传输太字节数据，这对于实现量子纠错、设备校准和混合模拟至关重要。黄仁勋宣布，已有17家量子计算公司及包括伯克利、洛斯阿拉莫斯、橡树岭在内的美国能源部（DOE）七大国家实验室支持该架构。紧接着，他宣布了另一项重磅消息：美国能源部将与 NVIDIA 合作，建造七台新的 AI 超级计算机，以推动国家科学发展。他赞扬了能源部长 Chris Wright 的远见，并强调计算是科学的基础工具，而加速计算、AI、量子计算和机器人技术正同时汇聚，重塑科研范式。
AI 不是工具，是“工作者”：定义 AI 工厂时代
黄仁勋花了相当篇幅阐述他对 AI 本质的理解。他认为，公众将 AI 等同于聊天机器人是片面的。AI 更根本的意义在于彻底重构了计算栈：从手写代码（CPU）转向数据驱动的机器学习（GPU）。他将 AI 的产出称为“token”（令牌），即 AI 的语言单元。任何有结构的信息——文本、图像、视频、3D 结构、化学分子、蛋白质——都可以被 token 化，并由 AI 学习、理解和生成。
他进一步提出了一个关键区分：过去的软件（如 Excel、Word）是“工具”，而 AI 是“工作者”。工具的市场规模有限（约万亿美元），但 AI 作为能使用工具的“工作者”，将直接参与并提升全球百万亿美元规模的经济活动，解决劳动力短缺问题。这种根本性转变催生了对新型计算基础设施的需求：AI 工厂。
“AI 工厂”不同于过去通用数据中心，它专为高效生产“有价值的 token”而设计，需要极致的响应速度、吞吐量和成本效益。黄仁勋指出，驱动 AI 工厂需求的是两个“指数”：一是 AI 模型从预训练、后训练到“思考”（推理）三个阶段对算力的指数级需求；二是模型越智能，使用越多，进而需要更多算力的正向循环。然而，摩尔定律的终结对满足这些指数需求构成了挑战。NVIDIA 的答案是：极端协同设计。
极端协同设计：从 Blackwell 到 Vera Rubin 的指数飞跃
黄仁勋强调，NVIDIA 是当今唯一能从空白页开始，同时思考新计算架构、芯片、系统、软件、模型架构和应用的的公司。这种“极端协同设计”的成果，就是像 GB200 NVL72 这样的机架级超级计算机。他将整个机架比作一个“巨型 GPU”，通过 NVLink 72 技术将72个 GPU（144个裸片）连为一体，实现了远超传统互联架构的性能。
他引用第三方基准测试称，Grace Blackwell 平台相比前代 H200，在相同工作负载下实现了每 GPU 10倍的性能提升和10倍的 token 生成成本下降。这正是维持 AI 增长“飞轮”的关键——在算力需求指数增长时，通过架构创新而非仅仅依靠晶体管数量增加，来持续降低单位成本。
随后，他展示了下一代 AI 超级计算机平台 Vera Rubin。这是第三代 NVLink 72 机架级系统，采用完全无缆线、100%液冷设计，并引入了新的“上下文处理器”以处理日益增长的模型上下文长度。黄仁勋透露，Blackwell 平台已发货600万颗 GPU（按封装计），而未来五个季度的订单可见度已达到惊人的5000亿美元，这是前代 Hopper 架构整个生命周期收入的五倍。他特别提到，这些制造正在回归美国，亚利桑那州等地的工厂已开始全速生产 Blackwell，呼应了“美国再工业化”的主题。
为了规模化部署这些 AI 工厂，NVIDIA 推出了 Omniverse DSX 数字孪生蓝图。通过与 Jacobs、西门子、施耐德电气等合作伙伴集成，DSX 允许在物理建造之前，就完成从设计、热力模拟到运营优化的全流程数字化，从而极大缩短建设时间并优化能效。
开源模型、企业赋能与物理 AI 的崛起
黄仁勋重申了开源 AI 模型的重要性，称其为初创公司和研究人员的“生命线”。NVIDIA 自身在开源领域投入巨大，在多个领域（语言、物理 AI、生物等）拥有领先的模型。他同时宣布了与两大企业软件巨头的深度合作：与 CrowdStrike 合作打造基于 AI 代理的下一代网络安全防御系统；与 Palantir 合作，加速其数据平台，为政府和企业的海量数据提供实时洞察。
演讲的高潮部分转向了“物理 AI”。黄仁勋指出，物理 AI（如机器人）需要三台计算机协同工作：用于训练模型的 GB200 NVL72、用于在 Omniverse 数字孪生中模拟的“Omniverse 计算机”、以及最终部署在机器人本体上的“机器人计算机”（如 Jetson Thor）。他通过视频展示了与 Foxconn 合作建设的德克萨斯州智能工厂数字孪生，其中机器人通过 Isaac Sim 在虚拟环境中学习协作。他还提到了与人形机器人公司 Figure（估值近400亿美元）、Agility Robotics、强生手术机器人以及迪士尼研究部门的合作。迪士尼的机器人“Blue”在 Omniverse 中通过 Newton 物理模拟器学习与真实世界互动，预示着一个庞大的消费级机器人市场。
在自动驾驶领域，NVIDIA 宣布了其 Drive Hyperion 参考架构已成为 Lucid、梅赛德斯-奔驰、Stellantis 等车企的“机器人出租车就绪”平台。更重要的合作是与 Uber 达成全球网络整合，未来用户将能通过 Uber 呼叫基于 Hyperion 平台的自动驾驶汽车。
结语：双重平台转移与美国的再工业化
在演讲总结中，黄仁勋将当前时代定义为两个平台转移的交汇点：从通用计算到加速计算，以及从手写软件到人工智能。CUDA 及其生态是第一个转移的引擎，现已形成自我强化的“飞轮”。AI 则是第二个转移，其“飞轮”也已经开始旋转。
他最后强调，通过 ARC（6G）、Hyperion（自动驾驶）、DSX（AI 工厂）和 MEGA（AI 化工厂）等新平台，NVIDIA 正与合作伙伴一道，将 AI 能力注入从通信、交通到制造的每一个角落。这场在华盛顿举行的 GTC，不仅是一次技术展示，更是一份关于美国如何通过 AI 驱动再工业化、重夺科技经济领导权的宣言。黄仁勋以“让美国再次伟大”作为结尾，赢得了全场长时间的掌声。
黄仁勋 GTC Taipei 2026 演讲刷屏：有用的 AI，真的来了撰文：Techub News 整理
导语
2026年6月，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）重返台北，在年度 GPU 技术大会（GTC）上发表主题演讲。此次演讲正值生成式 AI 浪潮席卷全球、计算需求空前高涨之际。黄仁勋不仅向全球（超过70个国家同步直播）展示了 NVIDIA 如何通过其庞大的软硬件生态推动这场变革，更首次系统性地定义了下一代计算范式——「代理式 AI」（Agentic AI），并发布了一系列旨在重塑从数据中心到个人电脑的划时代产品。
摘要
AI 已从「生成」进入「有用」阶段，代理（Agent）成为新的计算范式核心，能观察、推理、规划并使用工具完成复杂任务。
发布 Vera Rubin 超级计算机，这是首个专为代理式 AI 设计的「多机架 Pod 规模」系统，已全面投入生产，标志着 NVIDIA 从 GPU 公司向 AI 基础设施公司的彻底转型。
推出革命性的 Vera CPU，这是首款专为「没有耐心」的 AI 代理设计的 CPU，强调单线程性能、极致带宽和能效，旨在消除 AI 工厂的瓶颈。
与微软深度合作，推出全新 PC 产品线 RTX Spark，重塑已有 40 年历史的个人计算，让本地 AI 代理成为未来 PC 的核心体验。
发布一系列开放模型与平台，包括 Nemotron-3 Ultra 模型、Cosmos 3 物理 AI 基础模型、Alpamayo 2 自动驾驶模型以及 Isaac GR00T 人形机器人开发平台，旨在赋能整个 AI 开发生态。
「有用的 AI」时代来临：代理成为新范式
Jensen Huang（黄仁勋）开篇明义，指出人工智能的发展已经跨越了一个关键里程碑。两年前在台北，他谈论的是生成式 AI 的兴起；而今天，「有用的 AI」（useful AI）已经到来。他以软件工程师生产力为例，通过 GitHub 提交数据指出，在 AI 辅助下，全球软件开发者创造了远超其薪资成本的价值，这证明了 AI 不是在减少工作，而是在创造巨大的经济产出和更多的就业需求。
这种「有用性」的直接体现，是一种全新的计算模式——代理（Agent）。黄仁勋解释道，代理不再仅仅是像 ChatGPT 那样生成文本或代码的单一模型，而是一个由大型语言模型（大脑）、协调器（线束）、工具技能以及运行时环境组成的复杂系统。它能理解用户意图（观察），进行逻辑思考（推理），制定步骤（规划），并调用各种工具（如 CAD 软件、数据库、浏览器）来执行任务，最终产生有价值的结果。
「这就是未来的计算方式。」黄仁勋强调，这种代理模式是「终极的分解与分布式计算」，其应用将遍及各行各业。每一个企业未来都将运行自己的代理，都需要自己的「操作系统」来管理这些 AI 员工。这为软件公司带来了前所未有的机会，因为 AI 代理将使用比人类更多的工具。
为了支撑这一范式，NVIDIA 将其积累了二十多年的 CUDA-X 加速库全面「呈现」给 AI 代理。这些库涵盖了从科学计算到物理模拟的各个领域，将成为代理手中强大的「技能手册」，让 AI 能够解决世界上最复杂的问题。
Vera Rubin：为代理式 AI 而生的超级基础设施
如果说上一代的 Grace Blackwell 超级计算机是为 AI 训练和推理优化，那么本次发布的 Vera Rubin 则是专为代理式 AI 工作负载从头设计的革命性系统。黄仁勋宣布，Vera Rubin 现已全面投入生产。
Vera Rubin 不仅仅是一个 GPU 或一台服务器，而是一个「多机架 Pod 规模」的超级计算机。它集成了七种新型芯片，采用台积电 3nm 工艺，包含超过一百万个组件。其设计核心是「极限协同设计」，通过消除机架内电缆、采用模块化计算托盘和液冷总线等创新，将系统可靠性、吞吐量和能效推向极致。
黄仁勋深入剖析了代理工作负载对基础设施的苛刻要求：计算即收入，每瓦性能即利润。在 AI 工厂中，每一个生成的 Token（AI 输出单位）都直接对应收入和利润。因此，系统的吞吐量、延迟、可靠性和使用寿命至关重要。Vera Rubin 的设计目标就是以最高的能效和最低的成本生产 Token，并确保整个系统能够随着 AI 软件的快速演进而长期保持价值。
「NVIDIA 已经成为一家人工智能基础设施公司。」黄仁勋表示，NVIDIA 的 DSX（数据中心规模基础设施）蓝图正在帮助全球客户构建极其复杂的千兆瓦级 AI 工厂。从数字孪生模拟（使用 Omniverse）到动态电力和冷却管理，NVIDIA 提供的是端到端的解决方案，确保客户的基础设施从第一天起就能高效、盈利地运行。
Vera CPU：为「没有耐心」的 AI 代理重塑计算核心
在代理范式中，CPU 的角色发生了根本性转变。黄仁勋指出，传统 CPU 是为人类用户设计的，人类以「秒」为单位感知响应；而 AI 代理生活在「纳秒」世界，极其「没有耐心」。当代理调用工具或访问数据时，任何等待都会拖慢整个任务链。
因此，NVIDIA 推出了首款为 AI 代理时代设计的 CPU——Vera。它基于全新的 NVIDIA Olympus 核心架构，拥有四大特性：
极高的单线程性能（IPC）：每时钟周期可解码执行多达10条指令，以实现最低延迟。
世界级的核心间与片外带宽：采用一致性网格架构，避免「Chiplet 税」，核心间通信带宽高达每秒 3.6 TB。
革命性的内存带宽：率先支持 LPDDR5X，带宽是市面上高性能 CPU 的 2-3 倍。
极致的能效：在有限电力预算下塞入更多核心，以支持海量 AI 代理并发。
黄仁勋展示了 Vera CPU 在真实工作负载中的惊人表现：运行 SQL 查询比传统 x86 CPU 快 3 倍，实时流处理性能提升 6 倍。他强调，Vera 不是要取代现有 CPU 市场，而是开创一个全新的「代理 CPU」市场。未来 AI 代理的数量将远超人类，这个市场的规模注定更加庞大。随着 Vera Rubin 超级计算机的普及，Vera CPU 也将成为 AI 世界中优化程度最高、应用最广泛的处理器之一。
重塑个人计算：RTX Spark 与 AI PC 新时代
黄仁勋将目光从数据中心投向个人设备，宣布与微软紧密合作，彻底重塑已有 40 年历史的个人电脑。全新的 PC 产品线被命名为 RTX Spark。
RTX Spark 的核心是一颗集成了 Blackwell RTX GPU、定制 Grace CPU（与联发科合作）的超级芯片，采用台积电 3nm 工艺，拥有 700 亿晶体管。它支持 NVIDIA 全部软件栈，并能本地或云端运行 AI 代理。
黄仁勋演示了未来 AI PC 的体验：用户可以通过自然语言吩咐本地代理，调用 Rhino、Blender 等专业工具，自动完成从房屋设计草图到 3D 建模、渲染的全流程。代理在后台协调各种软件，用户只需提出想法和做出关键决策。Adobe 等软件巨头也已针对 RTX Spark 优化其应用，使其运行速度提升两倍，并对代理友好。
更宏大的愿景是，未来的 PC 形态将多样化：从 RTX Spark 笔记本、台式机，到可 24/7 运行的家庭 AI 主机（连接家中所有设备），再到拥有 768GB 内存、可运行万亿参数模型的桌面 AI 工作站（DGX 4）。「你家里会有一台 AI 超级计算机，就像现在有家庭影院一样自然。」黄仁勋预测，这些设备将运行越来越聪明的个人 AI 代理，成为像 R2-D2 或 C-3PO 一样的伙伴，而不仅仅是工具。
开放生态：赋能物理 AI 与机器人未来
演讲的后半部分，黄仁勋聚焦于 AI 在物理世界的应用。他指出，物理 AI（如机器人、自动驾驶）面临的最大挑战是数据稀缺。为此，NVIDIA 发布了多项关键开源模型与平台：
Cosmos 3：前沿的物理 AI 基础模型，能从任何视角理解、推理和生成物理世界场景，是开发各类机器人的「世界模型」。
Nemotron-3 Ultra：全新的开放大模型，采用混合状态空间模型与专家混合架构，速度比同类领先模型快 5 倍，成本低 30%，并开放全部训练数据和脚本。
Alpamayo 2：基于推理的自动驾驶汽车开放模型，已与全球约 80% 的汽车制造商合作。
Isaac GR00T：人形机器人开发平台，包含参考机器人硬件、开放模型、模拟器（Isaac Lab）、训练库和运行时（Jetson Thor），旨在将机器人研究从数月的环境搭建缩短到数小时。
黄仁勋强调，无论是云端的代理系统、PC 的代理系统，还是机器人系统，其底层计算模式都是同一套「代理范式」。NVIDIA 通过提供从芯片、系统、模型到开发工具的完整、开放、垂直整合的栈，赋能整个生态去创造未来。
在演讲的最后，黄仁勋感谢了台湾供应链伙伴的卓越贡献，并强调台湾是这一切开始的起点。随着 Vera Rubin 全面投产、Vera CPU 面世、全新 AI PC 产品线启动，以及一系列开放模型的发布，NVIDIA 正携手全球生态，共同迈向以 Agentic AI 为核心的光明新未来。
Anker：AI是连续的，系统是离散的，工程化的时机在于「上帝」不再变聪明撰文：Techub News 整理
2026 年 2 月，AI数据平台Braintrust的联合创始人兼CEO Anker做客a16z，与主持人Martin Casado进行了一场深度对话。Anker的职业生涯横跨关系型数据库时代与深度学习革命，曾创立AI文档处理公司Impira（后被Figma收购），并领导Figma的AI团队。这种独特的「系统产品人」转向「AI人」的视角，让他对当前AI热潮下的工程实践、技术路径与行业生态有着冷静而犀利的观察。本次对话触及了AI研发的核心张力、工程价值的真正所在以及开发者面临的现实抉择，为理解AI应用的下一阶段提供了关键框架。
核心矛盾：连续的非确定性与离散的系统性
对话开篇便直指一个根本性的认知差异。Anker指出，AI本质上是连续和非确定性的，而传统的软件系统则是离散和确定性的。系统工程师的思维模式建立在可预测性、可靠性和一致性之上，他们习惯于构建编译器，追求每个查询都正确无误。而AI研发者则更像是在构建优化器，接受结果在一定范围内的波动和概率性。
这种思维差异导致了实践中的张力。当前，前沿AI实验室的研发模式在很大程度上遵循着所谓的「苦涩教训」——即通过投入海量数据和计算资源来获得能力跃升，而非依赖精巧的人工设计。这看起来像是一种「反工程」的范式。资本在此扮演了关键角色：只要能够持续筹集巨额资金，这些实验室就能通过「暴力计算」不断推动模型变得更强，而无需过早陷入复杂的工程优化。
然而，Anker认为这并非故事的终点。他用一个生动的比喻描述当前状态：「我们现在就像在建造『上帝』。」只要持续投入资本能让这个「上帝」哪怕聪明1%，这在经济上就是可行的。但当有一天，你无法再通过堆砌资源让『上帝』明显变聪明时，一个巨大的机会就会出现——那就是通过工程化，让『上帝』变得极其高效。届时，工程复杂性将成为真正的壁垒，而非资本的附属品。
评估：理解问题，而非理解模型
面对复杂且不透明的AI模型，如何构建可靠的应用？Anker强调了评估的核心地位。他澄清了一个常见误解：评估的目的并非为了理解模型内部的运作机制（那几乎是不可能的），而是为了深刻地理解你所要解决的具体问题。
他分享了自己在Impira和Figma的经验：当针对不同用例优化模型时，改善一个场景的性能可能会损害另一个场景。建立一套评估体系，通过假设、模拟、定量测量与定性分析相结合的反馈循环，是确保产品朝着正确方向迭代的唯一途径。他甚至认为，评估应该成为产品经理的主要工作，它是传统产品需求文档的自然演进——通过创建一个优秀的评估集，你实际上是在对你产品应有的行为做出声明式定义。
对于应用开发者而言，这意味着一种思维转变：不要试图去「理解」或「控制」那个从天而降的「外星科技」模型，而是构建精良的「 harness」（测试与集成框架）来「保护」你的应用。这个框架能让你灵活地测试新模型、调整提示词、管理上下文，并将AI的非确定性输出与传统的、确定性的状态机可靠地连接起来。框架内部的逻辑应该设计得足够轻量和可抛弃，因为模型本身在快速迭代。
开源模型的崛起与「智力红利」的扩散
对话的一个重要焦点是开源模型，特别是中国模型（如GLM-5、MiniMax 2.5）的迅猛发展。Anker分享了来自Braintrust平台的实际数据：
用例数量/客户数量：使用中国模型的占比很低。
Token消耗量：占比却非常高。
美元支出权重：占比仍然较低。
这一分布揭示了当前市场的微妙状态。Anker的基准测试显示，在某些复杂代理任务上，顶尖的中国模型已经达到了与Claude 3.5 Sonnet等前沿模型相近的饱和性能（例如95% vs. 100%的得分），但成本却低至三分之一甚至九分之一。
那么，为何美元权重没有迅速转移？Anker指出了几个系统层面的原因：
API与基础设施成熟度：开源模型提供商在速率限制、服务稳定性、规模化交付方面仍远不及OpenAI等巨头。
成本导向的采用：用户目前主要因成本原因转向这些模型，这自然限制了其收入规模。
创新周期的压制：闭源前沿模型大约每3-6个月出现一次阶跃式进步，每次进步都会吸引全行业注意力，暂时「扼杀」对开源替代品的讨论。只有当闭源创新进入平台期，而开源模型性能追平时，市场才会认真考虑大规模迁移。
Anker观察到一种有趣的模式：一些精明的客户会无视行业噪音，坚持使用如Llama 3.1等「过时」模型，因为他们对特定高容量、需求稳定的用例（如客服）已经了如指掌，能够持续优化并从模型中榨取极致性能。这预示着，当模型能力普遍超越某个阈值后，工程化、领域专精和成本控制将比单纯追求最新模型更重要。
「Bash狂热」与「SQL理性」：一场关于抽象层的较量
针对当前AI代理开发中的一个热门趋势——赋予模型类似Bash的底层系统访问权限，Anker表达了鲜明的不同意见。许多开发者发现，让模型直接操作文件系统、执行命令行指令，似乎比通过结构化的API（如MCP服务器）更能发挥其能力。于是出现了各种将问题「映射」到类Bash环境的工程尝试。
Anker认为，这本质上是一种「偷懒」的工程思维。模型本身擅长编写代码（这比写SQL更难），完全具备表达SQL查询的能力。问题的关键在于，如何将数据组织在SQL环境中供模型访问。如果SQL本身就是更高效的数据查询方式，那么强迫模型通过一系列Bash操作来模拟SQL，无疑是低效的。
Braintrust团队对此进行了基准测试，结果颇具讽刺意味：在准确性、效率、Token利用率和速度上，SQL方案全面优于Bash方案。甚至连性能较差的模型，在SQL环境下的表现也优于在Bash环境下的表现。
这引申出一个更深层的分野：一部分开发者倾向于赋予模型原始的计算环境，让其「暴力」解决问题；另一部分则主张运用计算机科学的基本原理，为模型提供强类型、引用透明、声明式的接口。Anker显然是后者的拥护者。他在Braintrust内部推行严格的类型规范，认为在类型系统层面达成一致，是保证复杂系统（尤其是涉及状态管理）可靠性的基石。这预示着，AI的普及可能反而会迎来一个计算机科学基础原理的「黄金时代」，因为要可靠地驾驭强大的模型，需要更严谨、更深刻的系统设计。
资本、需求与工程化的未来
最后，对话回归到那个根本问题：如果前沿实验室能持续募集远超下游生态的资金（例如，Anthropic一轮融资的金额可能超过所有依赖其模型的初创公司融资总额），那么工程化究竟何时会成为必须？
Anker提出了两个可能打破这种循环的因素：一是资本理性化，融资变得困难；二是模型缩放本身遇到根本性极限。如果两者都不发生，那或许就意味着AGI的临近，届时讨论的将是完全不同的问题。
然而，他提出了一个更近在眼前的限制因素：需求侧的消化能力。企业部署和消化AI系统的速度，远跟不上模型能力的进步。将一个在基准测试中得100分的模型集成到复杂的企业工作流中，并真正产生价值，其挑战是巨大的。这可能是模型能力供给侧的「太阳」遇到的第一个「行星环」限制。
对于创业者，Anker也给出了务实建议。在当前的「按Token付费」主导的商业模式下，任何AI原生产品的定价都需要与Token消耗量建立某种价值对齐。Braintrust本身虽然不转售Token，但其按数据量（与Token量近似）的定价策略，正是为了与客户的价值感知和自身成本结构保持一致。
总之，Anker的视角为喧嚣的AI领域注入了一剂系统工程的清醒剂。他的核心论点是：当前由资本和暴力计算驱动的模型能力提升阶段终将放缓，届时，工程化、效率优化和对问题本质的深刻理解，将成为构建持久、可靠、有价值AI应用的关键。而现在，正是为那个时代积累经验和工具的时候。
Pantera研报解读：当每家银行都在谈代币化，真正上链的不到3%一、报告内容概述
近日，Pantera Capital发布了《The State of Tokenization Q1 2026》。该报告基于对593项代币化资产、覆盖11个资产类别的追踪数据，构建了业内首个系统性的"代币化进展指数"（TPI），核心追问：当每家主流银行都宣称拥有代币化策略时，有多少是真实的基础设施建设，又有多少只是"报纸搬上网站"式的表面包装？
文章从以下几个维度展开：
• 市场全景：3211亿美元代币化市场的资产构成、地理分布与平台集中度
• TPI三维评估：从发行赎回、可转让性、可组合性量化542项资产的链上成熟度，划分Wrapper/Hybrid/Native三层结构
• 资产类别分化：解析稳定币、国债、私人信贷等11个类别的差异化演进，聚焦私人信贷"高DeFi渗透率、低TPI评分"的结构性悖论
• 机构路线图：以BlackRock BUIDL等案例为线索，勾勒从"包装"到"原生"的四阶段演进路径
• 终局判断：提出"Wrapper市场是监管均衡而非缺陷"的论断，重新定义成功标准——从"资产是否上链"转向"是否交付了区块链本应提供的好处"
代币化已完成"资产上链"的从0到1，但距离"链上原生金融"仍有漫长道路。下一阶段的竞争不属于最擅长包装的玩家，而属于能够重新设计金融产品、释放区块链独特能力的构建者。
二、市场现状：$321B的"包装层"繁荣
2026年的代币化市场呈现出典型的"量大于质"扩张态势。593项资产横跨11个资产类别，总市值约3211亿美元，较2024年的约2006亿美元增长近60%。2025年有168项新资产上线，同比增幅115%。BlackRock的BUIDL基金AUM突破20亿美元，Franklin Templeton的FOBXX早在2021年就已上链——表面看，机构FOMO驱动了这场狂欢。
但一个比喻道破了真相：当下的代币化正处于"报纸搬上网站"的阶段。就像早期互联网只是把印刷内容复制到网页，格式没变，只是分发更快。今天的代币化资产大多也是如此——获得了链上的"数字收据"，但发行、赎回、托管和结算的核心流程仍依赖链下中介。542项已评分资产的平均TPI仅2.04分（满分5分），整个市场连及格线的一半都未达到。
资产分层结构揭示了残酷现实：
• Wrapper（包装层）：占比77.6%（460项资产），代币只是链下资产的数字镜像，链上不具备权威记账功能
• Hybrid（混合层）：占比11.1%（66项资产），部分生命周期环节上链，但关键功能仍依赖链下
• Native（原生层）：仅占2.7%（16项资产），资产从设计之初就以链上原生逻辑运行
超过四分之三的代币化资产本质上仍是"带区块链收据的传统证券"，代币增加了一个数据层，却并未改变资产的实际运作方式。
三、TPI三维评估：发行赎回是最大瓶颈
Pantera的TPI评分体系从三个独立维度衡量链上成熟度，每个维度1-5分，取平均值：
发行与赎回（Issuance & Redemption）——能否以自主、对称的链上机制完成铸造与退出？
可转让性与结算（Transferability & Settlement）——链是权威的结算层，还是链下账本的镜像？
复杂性与可组合性（Complexity & Composability）——资产能否通过智能合约在链上"工作"并组合收益？
数据揭示了各环节的真实差距：
• 发行与赎回最薄弱：91.1%的资产（494项）仅得1-2分，管理员控制铸造和托管中介赎回仍是常态；真正自主的铸造/销毁模型仅13项（2.4%）
• 可转让性略有改善：37.8%的资产（205项）达到3分，"双账本并存"的中间态正在扩大；但链上主权结算（4-5分）仅35项（6.5%）
• 可组合性最为窘迫：72.7%的资产（394项）仅得2分，绝大多数仍是简单托管型产品；深度参与多协议、跨链复杂操作的仅21项（3.9%）
稳定币是唯一例外，综合TPI约2.67，显著高于市场均值。但一个深层矛盾值得注意：约264亿美元稳定币锁定在DeFi中，其DeFi利用率却仅为9.0%——大部分稳定币仍作为现金等价物在流通，而非productive DeFi资产。"规模"与"效用"并不等同。
四、资产类别分化：私人信贷的DeFi渗透悖论
若将视野从总体数据下沉到资产类别层面，一幅更为复杂的分化图景浮现出来。
稳定币以2937亿美元的链上价值占据总市场的91.6%，是绝对的主导者。美国国债紧随其后，规模约120亿美元，由机构对链上收益的需求驱动。大宗商品也跃升至约71亿美元，但这一增长部分反映了2025年黄金牛市本身——既有代币化黄金产品随底层资产升值而增值，而非纯粹的新资产上链。
私人信贷则呈现出一个有趣的悖论：其TPI评分并不突出（综合约1.82），却在DeFi利用率上拔得头筹——64.3%的私人信贷市值以活跃DeFi TVL的形式存在，远超主动管理策略的19.0%和稳定币的9.0%。
这一现象的原因在于"集中化"而非"普及化"。Maple的syrupUSDT和syrupUSDC合计占据了该类别约三分之二的活跃DeFi TVL。这些产品是生息工具，从发行之初就被设计为可被接受为抵押品，并能在多层DeFi金库中循环加杠杆。换言之，私人信贷的可组合性是真实的，但仅限于少数协议和产品，整个资产类别尚未实现广泛的链上整合。
相比之下，美国国债和大宗商品的DeFi利用率分别仅为3.2%和2.5%，房地产和公司债券则几乎为零。这印证了一个判断：资本开始青睐结构性更强的设计，但规模扩张的速度仍快于链上成熟度的提升。市场正在变宽，但尚未变深。
五、机构入场路径：从熟悉产品到发行伙伴
代币化国债的增长轨迹最能说明机构入场的逻辑。从2021年的接近零起步，到2026年约120亿美元的规模，这一增长并非由长尾实验驱动，而是锚定于大型、可识别的金融机构。除Ondo Finance的USDY和OUSG产品合计市值超过20亿美元外，最大的代币化国债产品来自BlackRock（BUIDL，约21亿美元，通过Securitize发行）、Franklin Templeton（FOBXX/BENJI，约10亿美元）、Janus Henderson/Anemoy（约10亿美元，通过Centrifuge发行）、WisdomTree（WTGXX，约7.52亿美元）和Fidelity（FDIT，约1.62亿美元）。
这一模式表明，代币化国债已成为机构在代币化领域最清晰的"滩头阵地"：主流金融公司愿意将熟悉的短期美元产品带上链，即便更深层的原生功能尚未完全涌现。它们并非通过完全原生的链上金融结构进入代币化，而是通过熟悉的产品，并依赖Securitize、Centrifuge和Libeara等专业发行伙伴将这些产品带上链。
这种"机构发行伙伴"模式正在向国债以外的领域延伸。在私人信贷领域，Apollo通过Apollo Diversified Credit Securitize Fund（约1.31亿美元）出现在数据集中；在稳定币领域，法国兴业银行的FORGE推出的EURCV是大型银行发起的代币化现金产品的早期范例。地理分布上，BVI以1915亿美元（其中1850亿美元由2025年迁至萨尔瓦多的USDT推动）占据主导，百慕大（761亿美元，24%）和美国（236亿美元，7%）紧随其后。值得注意的是，美国注册资产的平均综合TPI为2.0，而BVI/列支敦士登资产（多为Reg S发行）则聚集在更低分数区间——监管环境与代币化路径之间存在显著相关性。
六、代币化四阶段路线图
Pantera将TPI框架映射为四个演进阶段，为机构提供清晰的产品路线图：
第一阶段：包装（Wrap，TPI 1-2）
建立链上存在，但不具备链上效用。代币作为数字收据，生命周期依赖链下基础设施。88%的已评分资产仍处于此阶段。风险不在于无法达到，而在于永久停留于此。
第二阶段：连接（Connect，TPI 2-3）
战略分化的关键节点。机构面临抉择：优化成本节约，还是构建新增长？成本路径将双账本系统视为内部效率项目；增长路径则将预言机集成、智能合约治理和放松链上转让限制视为触达新市场的平台层。
第三阶段：组合（Compose，TPI 3-4）
可组合性是资产成为"金融积木"的门槛。可作为抵押品存入链上借贷协议，可分配至风险管理金库，可整合进结构化产品组合收益。目前仅12%的市场达到此阶段。
第四阶段：原生（Originate，TPI 4-5）
从链下资产迁移到链上原生设计。发行、赎回、托管、结算和治理从第一天起即为链上原语。无许可铸造和销毁，链上主权账本，自主风险引擎。目前仅MakerDAO的USDS、Aave的GHO等DeFi原生协议完全占据此层级。
以BlackRock的BUIDL为例，今天的版本是链下货币市场基金的代币化份额，管理员铸造、T+1赎回、白名单转让——第一阶段包装。未来演进方向是：第二阶段放宽转让限制，第三阶段赋予Morpho抵押品资格和实时预言机定价，第四阶段彻底取消链下主账本，利息按区块累积，基金产品基于收益率曲线程序化再平衡。
七、核心启示与总结
这份报告的核心判断是：代币化不应以"资产是否上了链"来评判，而应以"是否实际交付了区块链基础设施本应提供的好处"来衡量。行业已成功证明资产可以在链上被代表，但尚未证明这种代表从根本上改变了资产的运作方式。
下一个成熟阶段将由效用指标定义：结算速度、转让成本占比、链上钱包持有数、日交易量、DeFi主动部署价值。投资真实基础设施深度——自主发行、链上主账本、协议级可组合性——的机构，将构建下一波真实效用和需求的护城河。
几个关键信号值得Web3生态参与者关注：
• 稳定币的"领先陷阱"：规模和TPI双高，但DeFi利用率仅9%，"流通"不等于"生产力"
• 私人信贷的"集中式可组合性"：DeFi渗透率高达64.3%，但依赖Maple等少数协议，类别整合尚未普及
• 机构路径的"渐进主义"：主流金融公司通过熟悉产品和专业发行伙伴进入，而非一步到位原生设计
• 监管与架构的共生关系：SEC监管产品倾向包装模式，DeFi原生协议在宽松司法管辖区推动更高TPI；91%的资产发行仍被门控，这不是落后，而是当前监管均衡下的理性输出
最有价值的用例需要重新设计，而非复制。Wrapper市场的普遍存在并非缺陷，而是"监管均衡"——只要规则假设中介门控的工作流程，即便最复杂的机构也将持续生产第一层包装。基础设施瓶颈与监管瓶颈是同一约束在不同堆叠层的表达。
代币化的下一幕，不属于最擅长将资产"搬上网站"的玩家，而属于那些利用区块链独特能力——可编程性、原子结算、连续市场、共享状态——重新设计金融产品的构建者。正如互联网没有停留在"报纸网站"时代，代币化也不会止步于"带区块链收据的传统资产"。跃迁所需的不是更多资本，而是对"资产如何在链上真正工作"的深层重构。Fortune Minerals，通过加拿大“NICO”一体化项目加速构建钴·铋供应链财富矿业公司（$FTMDF）正围绕其在加拿大推进的核心矿产开发项目"尼科"，陆续公布项目进展状况。由于该项目是同时生产钴、金、铋、铜的结构，因此在电池材料和战略矿产供应链方面持续引起市场关注。
公司公布的最新进展主要集中在：推进中的加拿大西北领地矿区及选矿设施，以及计划在阿尔伯塔省拉蒙特县建设的湿法冶炼厂。该项目旨在生产电池级硫酸钴、铋产品、铜水泥以及作为副产品的黄金。其特点在于建立从原矿开采到精炼的一体化结构。
尼科项目不仅是一个单纯的矿山开发项目，更因其与北美关键矿产供应链重组的大趋势相契合而备受瞩目。近期，全球市场对用于电动汽车电池、国防及工业材料的钴和铋的稳定供应已成为重要课题。财富矿业正根据这一需求变化，持续推进在加拿大建立生产基础的战略。
与此同时，公司还将项目工程设计、矿产储量审查、可行性研究、场址及基础设施相关合同、政府资金申请进展等作为主要的披露内容。在财务方面，债务偿还、可转换证券、运营资本筹措、管理层及业务开发人选同样被列为投资者需关注的关键变量。这是因为，对于初期资本投入巨大的资源开发项目而言，不仅是技术进展，融资结构也可能决定实际的项目推进速度。
报告还提及了额外的供应来源可能性。财富矿业提出，未来可能将"Sue-Dianne"铜、银、金卫星矿床作为尼科选矿厂的原料供应来源。这被视为一张能够提高未来生产灵活性并改善矿山运营效率的底牌。
归根结底，财富矿业的投资要点集中在尼科项目的商业化可能性以及融资执行力上。在加拿大持续推进关键矿产自主化的背景下，实际审批、设计、资金落实以及生产体系的建立能否按计划推进，预计将成为股价走势的关键变量。
TP AI 注意事项
本文使用基于 TokenPost.ai 的语言模型进行摘要。正文的主要内容可能被省略或与事实存在差异。Aptera Motors，太阳能电动汽车‘量产·认证’成为企业价值的分水岭Aptera Motors(SEV)凭借其超高效率“太阳能电动汽车”的开发和量产准备情况，正在吸引投资者的关注。关键在于其代表车型项目的开发进展、认证以及量产体系的建立与否。
Aptera Motors 是一家将太阳能电池板与空气动力学设计相结合，开发电动汽车的企业。该公司最近的新闻动态主要集中于主力车型的研发、验证用组装线的建设、车辆测试、认证相关工作、制造准备和生产计划。其位于美国加州卡尔斯巴德的组装运营以及与生产部件相关的“对外贸易区”指定问题也被视为主要议题。
市场上，比起 Aptera Motors 的技术愿景，人们更关注其实际转化为量产的能力。太阳能电动汽车虽然是与现有电动汽车有所区别的概念，但在商业化阶段，认证流程、质量验证以及零部件供应链的保障将直接影响企业价值。验证组装线的进展被视为展示车辆设计是否正在向实际生产体系过渡的关键指标。
财务方面的更新也反复出现。该公司相关的公告包括业绩、流动性、融资能力、公开发行、认股权证活动、B类普通股发行、投资者演示以及诉讼解决情况等。这表明 Aptera Motors 既是一家科技公司，也是一家对资本市场依赖度较高的成长型企业。对于投资者而言，现金持有水平以及额外融资的可能性与生产计划同等重要。
Aptera Motors 以“公益公司”的性质为特色，强调太阳能移动出行、空气动力学、材料科学和太阳能技术是其业务核心。这一策略旨在超越单纯的电动汽车制造商，将自己定位为可持续交通解决方案企业。
不过，未来企业价值的关键更可能在于执行而非口号。如果车辆测试、认证和生产准备能够按计划推进，Aptera Motors 便能在利基电动汽车市场中扩大其存在感。反之，如果融资或量产计划出现动摇，市场预期也可能会迅速减弱。
另一方面，韩元兑美元汇率为 1美元兑 1,492.60 韩元。以此计算，以美元计价的融资规模或成本结构，对于国内投资者来说可能会感受更为深刻。归根结底，Aptera Motors 未来的市场评价，取决于其在多大程度上能证明实际生产能力和财务稳定性，而非仅仅依靠“太阳能电动汽车”这一象征意义。
TP AI 注意事项
本摘要基于 TokenPost.ai 的语言模型生成。正文中可能存在主要内容被遗漏或与事实不符的情况。Temperature Finance, 乘RWA东风，能否冲向1.15美元Ondo Finance (ONDO)正在实物资产代币化（RWA）市场中悄然提升其存在感。除了将国债和股票等传统金融资产上链的结构外，加上收益分配的预期，代币的流动模式也在发生变化。
据外媒13日（当地时间）报道，Ondo Finance通过与贝莱德的BUIDL基金联动的链上收益产品，不断扩大其接近机构金融的产品构成。协议总锁仓价值（TVL）也已增至25.2亿美元。早期投资者包括Coinbase Ventures和Pantera Capital。
Ondo Finance的代表产品OUSG基于贝莱德基金提供链上收益。此外，与摩根大通、万事达卡的跨境结算能够在5秒内处理完成，这一点也引起了市场的关注。与一般的虚拟资产项目不同，Ondo Finance被认为同时瞄准了监管和支付基础设施。
关注度增高的更大原因在于代币结构可能发生变化。目前，ONDO主要停留在治理功能上，但如果DAO的“费用开关（fee switch）”提案获得通过，协议收益将可能流向持有者。这实质上意味着其性质将转变为收益型资产，因此有分析认为买盘可能会提前反映这一预期。
图表走势也不差。ONDO在摆脱持续近一年的下跌通道后，于今年第一季度在0.20美元至0.30美元区间形成了吸筹走势。此后，在5月份突破了长期阻力线，目前正在0.39美元附近测试支撑。若能守住这一区间，0.55美元和1.15美元将被视为下一个阻力位。
在RWA板块作为“虚拟资产与传统金融的交汇点”崛起的背景下，Ondo Finance正凭借链上收益与机构联动优势，瞄准行业领跑者的地位。不过，有分析认为，ONDO能否进一步上涨，与其说取决于技术性突破，不如说取决于实际收益分配结构和监管环境的具体化程度。
TP AI注意事项
使用基于TokenPost.ai的语言模型对文章进行了摘要。可能会遗漏原文的主要内容或与事实存在出入。TON 生态 Telegram Web3 迷你应用月活跃用户数突破 1 亿Techub News 消息，TON 基金会表示，基于 Telegram 的 Web3 迷你应用月活跃用户数已突破 1 亿，标志着这一面向消费者的加密生态系统在用户触达上达到新的里程碑。
该数据涵盖了 Telegram 迷你应用内的链下机器人互动、应用会话及钱包相关活动，并非纯粹的链上钱包交易用户数。TON Space 自托管钱包和基于 Telegram 的引导流程仍是该生态系统增长的核心。
TON 网络因其与 Telegram 消息平台的紧密集成，获得了大多数加密网络所不具备的庞大用户入口。下一步的关键在于，如何将用户参与度转化为持久的钱包使用、交易和支付行为。（Bitcoinist）Solana 30 天净流入 3.48 亿美元，RWA 总价值达 7.2 亿美元Techub News 消息，根据 RWA.xyz 数据，Solana 网络在过去 30 天内录得 3.48 亿美元的真实世界资产净流入，推动其代币化 RWA 总价值达到 7.2 亿美元。
数据显示，流入资金主要进入代币化国债、信贷产品等资产类别，表明机构型资本正进入该网络。Solana 的高速和低成本特性被视为吸引此类资金的关键因素。
（Bitcoinist）Tenor OTC 在 Base 网络新增 AERO 作为固定利率借贷抵押品Techub News 消息，去中心化场外交易平台 Tenor OTC 在 Base 网络上新增 AERO 代币作为固定利率借贷的抵押品。此举旨在为代币持有者提供更多流动性选择和财务灵活性，以促进生态系统增长。（Crypto Briefing）Tether 黄金支持合成美元 Alloy 储备突破 2.1 亿美元Techub News 消息，Tether 旗下黄金支持的合成美元产品 Alloy 储备已突破 2.1 亿美元。该产品使用 Tether Gold (XAUt) 作为超额抵押品，用户可铸造合成美元资产 aUSDT，旨在为黄金持有者提供类似美元的流动性。
Alloy 与 Tether 主流的法币支持稳定币 USDT 不同，其风险模型和用例均基于黄金价格、抵押率及智能合约设计。此次储备规模达到九位数，表明市场对黄金支持的抵押结构存在实际需求。
Tether 此举显示其在核心稳定币业务之外，正尝试提供更多样化的抵押和流动性产品，反映出稳定币领域正变得更加多元化。（NewsBTC）Securitize 扩展 BlackRock BUIDL 基金在多家加密主经纪商中的抵押品用途Techub News 消息，代币化平台 Securitize 已将其对 BlackRock BUIDL 基金的机构抵押品支持扩展至合作的加密主经纪商网络。这意味着符合条件的机构交易者可以在支持的经纪关系中将 BUIDL 代币化份额用作场外抵押品。
此举旨在提升代币化国债产品在交易基础设施中的实用性，使其不仅能作为收益产品持有，还能支持保证金、借贷或交易活动，从而更深入地融入市场运作。
BUIDL 基金是 BlackRock 推出的代币化国债产品，目前仅面向合格机构参与者，并非零售产品。此次扩展是代币化资产在专业加密市场中应用深化的体现。（NewsBTC）纽约 32 亿美元 AI 数据中心在建期间发生火灾，暴露安全监管漏洞Techub News 消息，位于纽约州萨默塞特的 Lake Mariner AI 数据中心在建工地于 6 月初发生火灾，暴露出当地消防部门对该设施安全状况缺乏了解。消防员报告现场无有效警报、灭火系统及三个消防栓失效，法定应获得的安全文件据称已在火灾中烧毁。
该数据中心由 TeraWulf 拥有并运营，英国 AI 公司 Fluidstack 将负责运行，谷歌持有其未来 14% 股权的认股权证并担保 Fluidstack 的租赁付款，Anthropic 等 AI 公司的算力需求是该设施建设的主要驱动力。这个价值 32 亿美元的数据中心园区是纽约州最大的 AI 数据中心建设项目之一。 （Ars Technica）菲律宾央行提议冻结支付运营商注册12个月并收紧VASP相关控制Techub News 消息，菲律宾中央银行提议对支付运营商实施为期12个月的注册冻结，并对涉及虚拟资产服务提供商（VASP）的安排实施更严格的控制。此举旨在加强对支付行业的监管。 （Crypto.news）CryptoQuant 报告：2026 年市场趋冷，加密货币持有者转向资产抵押贷款Techub News 消息，CryptoQuant 研究报告显示，2026 年市场状况趋弱，加密货币持有者更多地转向以数字资产为抵押的贷款。报告分析了加密贷款平台 CoinRabbit 的数据，发现零售和高净值用户的借贷活动均有所增加。
报告指出，零售用户的借贷活动变化最大，其人均贷款数量从 2025 年的 30.8 笔增至 2026 年的 53.5 笔，增幅达 74%。高净值用户的人均贷款数则从 16.5 笔增至 19.4 笔，增长 18%。同时，重复借款用户比例从 61.9% 升至 65.1%。
抵押品偏好也发生变化。高净值用户抵押资产中，比特币占比从 57.8% 降至 30.5%，Zcash 则升至 24.2%。零售用户仍高度依赖 XRP 作为抵押品，但其占比从 41.7% 降至 35.2%。交易量方面，Tether 和比特币仍居前两位，USD Coin 升至第三。（CryptoPotato）Meta FAIR 发布 AI 研究偏好模型，可提前筛选实验方案节省 GPU 时间Techub News 消息，Meta FAIR 联合牛津大学、伦敦大学学院的研究团队发布 AI 研究偏好模型（RPM），旨在让 AI 研究智能体在执行耗时的 GPU 实验前，对候选实验方案进行排序，仅运行最有潜力的方案。该模型包含仅推理和智能体驱动两种变体，使用冻结的预训练大模型（Qwen3.6-27B），相关框架 AIRA-dojo 和基准 AIRS-Bench 已开源。
在 AIRS-Bench 的测试中，使用 RPM 后，平均归一化得分从随机选择的 0.684 提升至 0.711（仅推理）和 0.729（智能体驱动）。效率方面，两种 RPM 均能在约 15 小时内达到基线模型 24 小时的性能水平，实现约 1.5-1.6 倍的加速。此外，研究在 WinoGrande 和 SVAMP 基准上取得了新的最高性能记录。（MarkTechPost）Better与Coinbase比特币抵押贷款产品可重复使用借款人抵押品Techub News 消息，数字抵押贷款机构 Better 与 Coinbase 合作推出的比特币抵押贷款产品允许重复使用借款人抵押品。该产品允许用户以比特币作为抵押品申请住房贷款，而抵押的比特币可在贷款期间被重复用于其他金融活动，例如质押或作为其他贷款的抵押品。此举旨在提高比特币作为抵押资产的利用效率，同时为借款人提供更大的资金灵活性。（CoinDesk）16 篇文章
37 篇文章
