今日(6月17日)A股主要指数悉数上涨, 沪指站上4100点,创业板指、深证成指放量涨超1%,科技成长风格明显占优。覆盖创业板+科创板高成长龙头的硬科技宽基——双创50ETF华宝(588330)场内价格大涨3.26%逼近前高。沪深京三市成交额3.11万亿元,较昨日放量278亿元。
盘面上,半导体产业链全线爆发,盛美上海20CM涨停,全“芯”布局芯片产业的 科创芯片ETF华宝(589190) 场内价格强势拉升5.98%, 刷新上市高点 ;PCB、存储芯片、半导体设备等概念多重共振, 科技ETF华宝(515000)、电子ETF华宝(515260) 携手涨超4%,双双 创历史新高 !
上周五以来 券商板块 迎来 连续上涨 ,吸引市场目光,关于 “券商补涨” 的讨论再起。规模374亿元+的顶流 券商ETF华宝(512000) 此前日线3连阳后,今日场内震荡收平。基金经理丰晨成表示, “双背离” (行情走势与市场交投热度背离、基本面与估值背离) 构筑性价比,估值修复行情 有望继续。
消息面上,6月17日,证监会主席吴清在2026 陆家嘴论坛 上表示,持续 深化“两创板”改革 , 科创板 方面将抓紧推出2项改革措施,其中包括, 科创板第五套标准扩围至AI领域 ,积极支持优质AI大模型企业上市。此外,央视新闻发文, AI爆发式增长 对算力的需求正呈现出 指数级攀升 ,算力是 国家综合国力的重要体现 。
中信证券认为,AI产业进展处于早期阶段,AI带来的机遇大于挑战。视频生成模型、世界模型、物理AI等新方向新范式仍层出不穷,技术创新将会持续引领模型创新趋势,预计模型迭代周期将持续缩短。此外,国产模型与海外模型差距持续缩小,国产云厂商相比海外亦有更充分的CAPEX加码空间,随着“国模国芯”生态持续完善,国产算力将有更大的弹性。*
创业板人工智能ETF华宝(159363)基金经理曹旭辰指出,或由于ADR的原因, 海力士 下午直接新高,突破箱体,带动全球存储产业整体估值上修(可能导致A股 半导体设备 表现活跃)。如果今晚 美联储议息 没有坏消息, 科技板块的上行速度可能会加快 。
【ETF全知道热点收评】重点聊聊科技、电子、券商等行业主题ETF的交易和基本面情况。
一、【帽子戏法!华宝基金科技ETF(515000)大涨4.52%创新高!PCB、存储、设备三端共振,“科技牛”强势】
科技龙头强者恒强 ,盘中三度猛攻演绎 “帽子戏法” 。国内首只*科技龙头先锋—— 科技ETF华宝(515000)场内大涨4.52%,再创上市以来 (2019年8月16日) 新高!
成份股多点开花, PCB龙头延续爆发 , 深南电路涨停创历史新高 ; 存储芯片龙头强势,兆易创新涨停创历史新高 ; 半导体设备拉升 ,盛美上海20CM涨停,拓荆科技涨超12%,中微公司大涨10%。
当前, 电子、通信等科技板块迎多重催化: PCB龙头提价,AI算力、光模块、车载需求共振驱动盈利中枢上移;存储巨头扩产印证AI强劲需求,涨价趋势料延续;上游设备及材料受益晶圆扩产,需求持续向好。 产业链闭环共振,科技龙头业绩弹性可期。
基本面利好持续催化PCB板块行情。 消息面上,PCB行业龙头宣布覆铜板再度提价15%,为年内第四次上调。业内指出,本轮PCB涨价由AI算力基建、高速光模块迭代、车载电子三大需求共振驱动,叠加上游原材料紧缺,成本传导顺畅,盈利中枢持续抬升, PCB涨价具备强持续性 ,区别于以往消费电子周期的短期调价。
全球 内存龙头SK海力士股价续创历史新高,点燃存储芯片行情 。SK海力士计划到2034年将晶圆产能提高两倍,以满足人工智能推动下不断增长的存储芯片需求。国金证券认为, AI需求强劲,存储涨价趋势有望持续。 AI短期、中期的需求都非常强劲,研判AI算力硬件核心公司二三季度业绩环比有望加速, 建议关注业绩有望超预期方向。 *
AI驱动存储行业持续高景气,上游半导体设备需求旺盛,设备价格已有上浮迹象。 平安证券 表示,映射至国内,包括存储在内的晶圆制造行业欣欣向荣,晶圆厂潜在扩产空间可观。同时,晶圆厂扩产将拉动设备、设备零部件、材料需求持续向好。*
科技牛,买龙头! 科技ETF华宝(515000) 及其联接基金 (联接A:007873,联接C:007874) ,从沪深市场的 电子、计算机、通信、生物科技 等科技领域中选取 规模大、市占率高、成长能力强、研发投入高 的50只上市公司, 集中代表A股科技龙头核心资产 ,风险收益特征相较其它单一科技赛道品种 更加均衡。
业绩层面, 科技ETF华宝(515000)近期场内价格频创新高 ,其标的指数 表现强势,配置价值持续凸显 。截至2026年6月17日, 科技龙头指数近一年累计上涨132% ,显著 跑赢同期科创50 等科技指数,是布局科技主线行情的优质工具。
注:科技ETF华宝被动跟踪中证科技龙头指数,该指数基日为2012.6.29,发布于2019.3.20,中证科技龙头指数2021-2025年年度历史收益分别为:-3.92%、-34.84%、0.81%、11.50%、51.54%。 指数成份股构成根据该指数编制规则适时调整,其回测历史业绩不预示指数未来表现。
二、【创历史新高!电子ETF华宝(515260)强势拉升4.45%!PCB、玻璃基板爆发!深南电路等6股涨停,多股刷新纪录!】
AI行业有望整体进入复苏上行通道,资金布局科创人工智能ETF易方达(588730)
截至收盘,中证科创创业人工智能指数上涨2.8%,中证人工智能主题指数上涨2.6%, 上证 科创板 人工智能指数上涨2.3%。 同花顺 iFinD数据显示,科创人工智能ETF易方达( 588730 ,联接基金A/C:023564/023565)昨日获资金净流入。
长江证券 指出,AI相关领域持续的高景气度已反映在企业财务表现上,2026年一季度人工智能板块营收同比增长11.24%,利润端虽仍处减亏通道,但规模效应有望逐步释放。同时,模型侧与应用侧的持续迭代正支撑生态需求扩张,行业整体进入复苏上行通道,合同负债同比环比双增印证订单回暖趋势。
风险提示:基金有风险,投资需谨慎。
资讯所属栏目还有更多独家策划、专家专栏,免费查阅>>
近日,OpenAI已向美国证券交易委员会秘密提交S-1上市申请,此次IPO“可能成为华尔街规模最大的上市事件之一”。值得注意的是,OpenAI递表距离其头号竞争对手Anthropic递交上市申请仅相差一周。两家头部大模型公司密集冲刺资本市场,标志着AI行业的竞争重心正从技术验证、用户增长转向更硬核的收入质量、成本效率与商业兑现。
从公开数据看,头部AI公司的商业化路径已经开始分化。OpenAI凭借ChatGPT占据消费级用户入口,周活跃用户达9亿,付费订阅用户达5000万,用户规模和订阅转化能力突出。Anthropic偏向企业和开发者场景,其年化收入预估达470亿美元,主要来自API调用。同时,模型层竞争持续推动调用成本下降。OpenAI、Anthropic、DeepSeek等头部厂商通过更高性价比的新模型和API降价,持续降低AI应用开发门槛。DeepSeek近期将V4-Pro模型API价格降至原价1/4,进一步强化了降价信号。模型能力越成熟、调用成本越低,AI就越容易从前沿技术变成可被广泛调用的基础能力。
这也改变了AI产业链的价值判断。随着模型能力逐步基础设施化,应用厂商可以基于更成熟、更低成本的模型能力,围绕内容创作、办公提效等高频场景,完成产品化、流程化和商业化;具备用户入口、产品化能力和付费场景的应用厂商,也因此迎来更清晰的价值重估窗口。
以AIGC软件A股上市公司万兴科技(300624.SZ)为例,公开资料显示,公司近年来持续推进AI能力在内容创作、办公提效、实用工具、AI漫剧等场景中落地。其中,AI漫剧是万兴科技AI应用布局中最具备代表性的方向之一。
2026年初,公司推出一站式AI精品影视内容创作平台万兴剧厂(reelmate.cn)。作为国内首个“精品影视内容创作全链路工具+漫剧大模型深度共创”产品,万兴剧厂深度集成Seedance 2.0、Vidu Q3、Kling 3.0 4K、Happy Horse、TGI2等主流大模型,进一步推动AI漫剧走向“影视级精品化”。目前,平台已形成从AI原创剧本、资产生成、智能分镜到后期剪辑成片的全流程Agent化生产闭环,单集分镜创作周期已提速至1人/天/10集,真人剧分镜创作效率提升10倍,后期剪辑提效翻倍,综合效率较传统手搓模式提升超5倍,部分创作者可实现“1人1天创作1部剧”。
值得注意的是,万兴剧厂针对海外真人剧这一关键增量市场,率先推出海外真人剧工作流,从剧本到成片一站式解决英文剧本改编难、分镜断裂、角色走形、口型错位等行业痛点。成都心视觉文化传播有限公司基于万兴剧厂创作的海外仿真人剧《She Swapped My Daughter!》上线AnyReel平台仅两天,累计播放量即突破230万,单集收藏量超过23万,迅速冲上平台热榜;另一部作品《Fatal Rebirth:Falling for My Son’s Vengeance》在TikTok单频道播放量突破330万。
商业化方面,万兴剧厂采用AI积分按量计费、Token消耗驱动的模式。3月全面开放后,其收入与用户规模快速增长,周度AI积分消耗量复合增速达63%,并已吸引一批头部及中腰部漫剧创作团队客户,支持剧集创作数万集。《全员罢工后我反手注销公司》《我劝果农清空砂糖橘,他们骂我吃差价》等多部由万兴剧厂赋能的AI真人剧跑出高播放量,也验证了这款AI创作工具的产业化潜力。
当前,AI行业正在进入商业兑现的新阶段。尤其对于应用层厂商而言,可借此降成熟模型能力转化为产品能力,推动业务发展。随着AI内容生产需求持续释放,万兴科技在AI创作工具、数字创意软件和内容出海工具链上的布局,也有望成为市场观察其AI应用价值的重要线索。
本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!
“特别声明:以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布,本平台仅提供信息存储空间服务。
Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”
您当前使用的浏览器版本过低,导致网站不能正常访问,建议升级浏览器
谷歌(Chrome)浏览器 下载
(来源:第三代半导体产业)
6 月 15 日,扬杰科技发布公告披露,公司董事会审议通过《关于变更部分募集资金投资项目的议案》,决定对 2023 年 GDR 发行配套两大海外募投项目予以结项,合计约 12451.82 万美元剩余募集资金,转向布局车规级功率半导体模块封装、AI 基础设施功率器件技改两大境内核心项目,精准锚定新能源汽车、AI 算力高景气市场。
据公告披露,扬杰科技此前 GDR 募集资金净额达 21211.43 万美元,截至 2026 年 5 月 31 日,项目累计投入资金 11141.91 万美元,整体投资进度 52.53%。本次拟终止的两大募投项目分别为 “发展功率元件业务”“海外研发中心和全球销售及售后服务网点建设”。其中 “发展功率元件业务” 已投入 4778.48 万美元,旗下越南工厂一期已实现满产,月产能稳定至 12 亿只;海外研发与销售网点项目虽未动用 GDR 募集资金,但公司依托自有资金完成全球化布局,现已在全球超 50 个国家及地区搭建本地化研销网络,落地 7 大海外研发中心,现有配套能力可充分匹配现阶段海外经营需求,两大原有项目均已达成阶段性建设目标。
对于本次募投资金调整的核心逻辑,扬杰科技表示,当前新能源汽车、AI 基础设施产业迎来高速增长周期,境内相关项目落地具备更强实施必要性与时间窗口优势;叠加全球贸易环境波动加剧,海外项目投资不确定性、潜在风险持续抬升。出于审慎经营、提升募资使用效率考量,公司将剩余资金倾斜至战略契合度更高、投资收益更优的境内核心赛道,集中资源抢抓国内高增长产业机遇。
两大全新募投项目均落址江苏扬州维扬经济开发区,项目盈利与产能规划清晰可观。
车规级功率半导体模块封装项目总投资额 10 亿元,拟投入募集资金 3.49 亿元。项目规划新增用地 62 亩,新建约 11.2 万平方米生产建筑,配套采购 230 台(套)专业生产检测设备。项目建设周期 2 年,全面达产后将形成年产 7500 万只车规级功率半导体模块产能,预计年营收 12 亿元,税后财务内部收益率 21.27%,税后投资回收期 5.87 年,目前项目已完成江苏省投资项目备案。
AI 基础设施用功率器件生产线技术改造项目总投资 5.5 亿元,计划投入募集资金 5 亿元。项目依托园区现有厂区实施,改造约 4 万平方米厂房并引进先进产线设备,完成小信号功率半导体产线升级。技改落地后将新增年产 190 亿只小信号功率器件产能,公司整体产能规模扩容至 620 亿只 / 年,产品定向供给 AI 算力中心、数据中心,覆盖电源管理、信号链、驱动接口、电路保护控制等核心应用场景。项目建设期同样为 2 年,达产后预计年营收 10.83 亿元,税后内部收益率 29.89%,税后投资回收期仅 4.93 年,经济效益突出。
此次募投项目变更,标志扬杰科技产业布局重心向高附加值车规半导体、AI 算力功率器件两大黄金赛道集中,依托成熟海外产能与全球化渠道基础,叠加境内新建、技改产能释放,进一步完善高端功率半导体产品矩阵,强化公司在新能源汽车、人工智能算力基础设施领域的核心竞争壁垒。
来源:半导体产业网 根据公开信息整理报道
重要会议: 为更好的推动国内功率半导体及集成电路学术及产业交流,在 第三代半导体产业技术创新战略联盟(CASA) 指导下, 中国科学院上海微系统与信息技术研究所、极智半导体产业网和第三代半导体产业 将于 2026年6月25-27日 在上海联合主办,“ 2026功率半导体器件与集成电路会议(CSPSD 2026) ”。CSPSD2026 作为国内功率半导体领域的重要学术与产业交流平台 , 会议设置“ 开幕大会 + 主题论坛 +展 览展示+参观考察+ 益企跑 ”等形式,目前 嘉宾报告议题重磅揭晓 ,会议嘉宾阵容涵盖“产学研用”在内国家级科研院所专家、高校科研团队、头部企业领袖三大核心群体,报告议题更是覆盖从“基础研究 - 技术突破 - 产业应用 - 未来趋势” 的全方位交流体系,全力推动功率半导体与集成电路领域的技术革新、学术交流与产业协同发展,为我国半导体产业高质量创新升级赋 能助力。 点击→
举报邮箱:jubao@vip.sina.com
距开幕还有三十天,2026世界人工智能大会组委会今天公布了筹办进展。
17日下午,在2026世界人工智能大会暨人工智能全球治理高级别会议倒计时30天发布会上,上海市经信委主任汤文侃介绍,将于7月17-20日举行的大会,分设世博、张江、西岸三大片区,以“智能伙伴,共创未来”为主题,设置论坛会议、展览展示、评奖赛事、应用体验、创新孵化、招才引智六大板块:计划举办140余场主题论坛,集聚1400余位国际嘉宾,展览总面积超10万平方米,1100余家全球企业参展,将推出3000余项展品,并首设OPC专属展示区,180家企业携成果入驻。
他介绍,大会集聚了1400位嘉宾、千余名行业领军人才、龙头企业和创投代表,分享行业洞察,专业能级与行业影响力达到历年之最。
大会展览板块分为三大片区,总面积超过十万平方米:世博展览馆呈现全景应用展示场,徐汇西岸打造未来科技体验场,浦东张江聚焦智能基建新引擎。
具体来看,1100多家企业的三千多项产品集中亮相,超过三百款AI产品全球首发。大会聚焦创新业态,将有180家企业参与OPC和初创专区,呈现AI重塑创业逻辑、释放产业活力。
而本届大会最具标志性的变化,是首次创新自主举办高水平国际化的AI顶级学术会议“WAIC Academic”。该会由图灵奖得主、中外院士领衔组建学术阵容,确立了国内AI学术全新的权威标准。已累计收稿332篇,有效投稿284篇,覆盖全球十来个国家及我国港澳地区。
中国计算机学会副秘书长束庆山介绍,今年全新打造的学术品牌——世界人工智能大会学术会议,是为了搭建开放、公正的国际学术舞台。
“面对当前国际学术交流中的壁垒与干扰,我们坚信科学无国界,学术应回归开放、公正、自由。无论学者来自哪个国家、哪所机构,只要潜心研究,都能在这里获得公平对待与认真倾听。首届会议将于今年大会期间在上海举办,这是中国举办顶级人工智能学术会议的重要探索。”他介绍。
另外在产学研投融通生态方面,大会聚焦初创企业培育与产业生态融通,贯通AI的研发、展示、洽谈、签约、落地与产业链路,依托数字化匹配工具与专家一对一服务,打通场景精准对接通道。汤文侃说,截至目前,已赋能57个核心应用场景落地,累计促成162亿元的意向合作。大会还将联动一系列资本企业和投资企业,设立专属资本对接专区,赋能AI优质项目落地。
举报邮箱:jubao@vip.sina.com
AI也解不开物理世界?影视飓风X天猫抛出硬币揭秘下一代硬件 新浪网
雷递网 雷建平 6 月 17 日
琻捷电子科技(江苏)股份有限公司(简称: “SENASIC 琻捷 ” , SENASIC ,股票代码: “06675.HK” )今日在港交所上市,成为港股 Physical AI 端侧感算芯片第一股。
SENASIC 琻捷发行价为 18.36 港元,全球发售 5340.7 万股,募资总额近 10 亿港元。 SENASIC 琻捷此次上市获得了 5145倍认购。
SENASIC 琻捷今日开盘价为31.6港元,较发行价上涨72%;截至目前,公司股价进一步上涨,涨幅超过110%,公司市值超过150亿港元。
欣旺达与 保隆科技是基石投资者
SENASIC 琻捷基石投资者分别为欣旺达香港、隆威香港、 Oakwise (最终实益拥有人为国轩高科)、 Tembusu 、阎焱、雾凇、 Thalassa Capital 、 Chample 、 Libra Fixed Income One SP ,一共认购 2.83 亿港元。
欣旺达香港认购 4000 万港元,欣旺达香港是 A 股公司欣旺达电子旗下全资公司,欣旺达公司(股份代号: 300207 )主要专注于锂离子电池行业。
隆威香港认购 2351 万港元,由 A 股公司保隆科技控制; Oakwise 认购 7358 万港元, Oakwise 是一家 2018 年成立的香港资产管理公司,最终实益拥有人为国轩高科。
此外, Tembusu 、阎焱、雾凇分别认购 1567 万港元, Thalassa Capital 认购 4930 万港元, Chample 认购 3000 万港元, Libra Fixed Income One SP 认购 2000 万港元。
SENASIC 琻捷创始人、 CEO 李梦雄对雷递网表示,从公司创办走到上市这一天,自己内心非常激动,因为这是公司发展过程中极具战略意义的里程碑,当然,上市也是公司迈向更广阔舞台,承担更大责任的一个新起点。
“ 复旦系 ” 构成独特团队基因图谱
SENASIC 琻捷成立于 2015 年,是一家无线传感 SoC 领域企业,一直专注于高性能车规芯片的研发、设计与销售。 SENASIC 琻捷成立之初就与复旦结下不解之缘。
据介绍, SENASIC 琻捷创始人为李梦雄,李梦雄黄冈中学毕业后考入复旦,本科和硕士都是在复旦度过。
在复旦微电子所,李梦雄师从国内模拟电路芯片设计先驱洪志良。洪志良教授是 “ 中国模拟电路设计教父 ” 级人物,在学术界和产业界都享有极高声誉。
李梦雄在洪志良门下系统学习了模拟电路设计、射频芯片、 ADC/DAC 等核心技术,为日后从事端侧无线智能芯片研发奠定了扎实的理论基础。
2015 年,在外企工作的李梦雄敏锐的意识到:中国汽车市场逐年扩大,汽车产业链正在快速从欧美向中国转移,国产核心零部件的需求随着产业链的迁移正在撬动巨大的市场需求。随即,李梦雄毅然决然回国创业。
2015 年,在复旦校友的帮助下,李梦雄临时借用了复旦大学张江校区的两间办公室,成立了 SENASIC 的前身宁波琻捷电子科技有限公司。
从高管阵营来看, SENASIC 琻捷高管团队兼具专业技术与管理,董事长兼 CEO 李梦雄曾任职多家海外科技公司,具备 20 年行业经验,是知名传感芯片设计者和领导者;副总裁李曙光曾就职于高通,主导以太网以及高速串并转换电路的设计与研发,具备 20 年以上集成电路设计研发和管理经验;总裁朱守腾曾就职于三星、思诺信,具备 15 年以上汽车电子行业市场和销售经验;技术总监温立拥有超过 15 年工作经验,在无线传感技术和电池系统应用技术方面积累丰富的技术专业知识;研发总监陈诚在高性能混合信号集成电路研发和架构创新方面拥有 20 年深厚经验,尤其擅长 ADC 领域;首席财务官许雅蕾女士曾任职于君海联芯(君联资本及 SK 海力士),拥有超过 10 年的金融服务行业与半导体相关的投资与财务管理经验,目前负责公司财务管理、资本市场事务及内部控制体系建设。
中新网北京6月17日电 (记者 吕少威)人工智能+生态大会(AIEC2026)16日在北京举行。大会以集聚激活生态创新力量、加速推进人工智能落地为宗旨,来自国家信息中心、阿里云、 浪潮信息 等知名机构和领先企业的专家代表共聚一堂,围绕“人工智能+”从战略部署迈向产业实践的关键路径展开深入研讨。 6月16日,人工智能+生态大会(AIEC 2026)在北京举行。主办方供图 当前,“人工智能+”正从单点技术应用,转向开源模型破局、开放生态成势的生产力体系重构。开源模型打破了少数闭源模型对前沿智能能力的垄断,开放生态则进一步把模型能力深度扩散至平台、工具、场景、组织和开发者中,推动AI从“可用”走向“规模化可用”。 国家信息中心信息化和产业发展部主任单志广在主论坛上表示,人工智能正从训练阶段全面迈入推理阶段,Token调用量的指数级增长,是AI规模化应用最直接的量化标志。Token不再只是大模型处理文本的技术单位,而是贯通电力、算力、模型服务和应用价值的新型经济单元,推动AI基础设施评价标准从追求算力峰值,转向单位能效、成本效益与场景服务能力。 单志广指出,凭借算力和能源基础设施、丰富的产业场景、活跃的开放生态等综合优势,伴随“人工智能+”行动深化,中国有望率先实现AI从技术突破到规模化落地的跨越,构建全链条产业竞争优势。 当 AI从试验走向生产,企业首先要回答的问题不再只是“能不能用 AI”,而是“如何把 AI纳入组织体系”。智能体进入生产系统后,企业面对的不再只是某个流程的效率提升,而是如何管理、调度和治理一种新的数字化劳动者。 浪潮信息董事长彭震指出,AI产业革命不仅改变工具,更改变了“劳动者”的定义。随着 Agent成为企业生产力的重要组成部分,AI原生转型的重点正在从个人提效转向组织进化。企业需要将智能体纳入组织管理体系,推动管理对象从传统的人、财、物,扩展到人、数字员工、数据和智能能力。 围绕这一变化,彭震提出 Humagent(Human+Agent)组织概念,即企业从管理 Human进化到管理Humagent,通过重新定义岗位、角色、权限、责任边界和绩效评价,最大限度释放 AI在企业中的智力贡献,同时保障企业运营的稳健、高效与低成本。 在这一过程中,人机协同成为组织进化必须回答的核心命题。清华大学全球产业研究院院长彭凯平指出,技术进步的终极目标是增进人类福祉而非替代人类价值。智能时代下,审美感、创造力与同理心是人类的核心特质,智能体与人类天然互补——前者承担标准化、确定性的执行工作,后者聚焦审美创造、战略决策与情感联结,共同构建人机协同的新型组织进化图景。 “AI+”能否规模化落地,要在真实产业场景中接受验证。中国丰富而复杂的制造业、工业和服务场景,正在为智能体提供最真实的验证土壤。 在制造与工业场景中, 美的集团 美云智数副总裁魏晓刚指出,美的正在推动智能体从单点提效走向制造业全流程重构。围绕Factory Agent,美的将工艺、供应链、品质、设备等场景中的数据、知识和流程经验沉淀为智能体能力,形成贯穿研、产、供、销、服的Agent Factory,打造智能体1.3万个。这意味着,智能体在制造业中的价值不只是替代某个岗位或优化某个环节,而是通过多场景、多角色、多业务链路协同,进入企业日常运营系统,推动制造业从经验驱动、流程驱动,进一步走向数据与智能驱动。 大会还设有五大分论坛,分别围绕AI Coding、企业级Agent落地、大模型产业化、OPC超级个体与智算中心Token服务展开,从模型能力、技术底座到产业场景、商业模式,系统呈现人工智能在千行百业中的落地路径。 本届大会由清华大学全球产业研究院主办, 中关村 科学城管委会支持。(完) .appendQr_wrap{border:1px solid #E6E6E6;padding:8px;} .appendQr_normal{float:left;} .appendQr_normal img{width:100px;} .appendQr_normal_txt{float:left;font-size:20px;line-height:100px;padding-left:20px;color:#333;} 海量资讯、精准解读,尽在新浪财经APP
moomoo TotalView 显示博通(AVGO)卖盘堆积——AI半导体股显疲态。AVGO 报 378.88 美元,... - moomoo 社区 Moomoo
阅读完需:约 16 分钟
2026 年,AI 落地的故事正在上演一个奇特的悖论:模型能力突飞猛进,企业 AI 投入成本与日俱增,但然后呢?越来越多的案例和数据显示,真正进入生产并产生持续 ROI 的项目仍然是少数。Gartner 甚至预测,2026 年 60% 的 AI 项目将被放弃。
背后的原因不是模型不够好,而是数据没有准备好被 AI 消费。
当 AI 进入真实业务流程后,现实的卡点是能不能拿到正确的数据、理解正确的业务语义,并基于可信的数据完成任务。在 Agentic AI 时代,这种矛盾被进一步放大。过去,数据的消费者是人,如今,越来越多 Agent 开始参与分析、开发、治理等数据工作,人和 Agent 需要基于同一套数据体系协同工作。如果企业还在沿用上个时代专为人而设计的数据平台,很难支撑 Agent 在生产环境中稳定、准确、可信地运行。
在 6 月 5 日举行的腾讯云 AI 产业应用大会上,腾讯云宣布面向 Agent 升级全栈数据平台能力,试图解开的正是这个结。通过 生产级数据智能体 DataBuddy 、 数据智能平台 WeData 和 AI 原生大数据底座 三层架构,构建人和 Agent 协同工作的智能入口、统一控制面和数据底座。
这三层架构中,带给笔者最大惊喜的,是 Buddy 家族的新成员——DataBuddy。因为它瞄准的,是数据工作流本身。从数据工程、数据治理到数据分析,数据团队最难啃的脏活累活,它都按照 Agentic AI 时代的新范式,重构了一遍。
当行业关注点从模型能力转向 AI 落地,数据成了越来越绕不开的话题。因为在真实的业务流程中,不管 AI 是做经营分析、生成报表还是最终执行,都需要完整跑通从数据接入到数据分析、数据治理,再到最终的业务输出,这样一整条链路。这中间,任何一个环节的不确定,都会放大结果的不可靠。
然而,企业现有的数据平台,大多并不是为这条链路设计的。
回顾大数据平台的发展历程就会发现,过去 20 年,大数据平台经历过两次完整的代际演进:在大数据时代(2006-2014),重点关注的是离线数仓、ETL、报表决策,把分布式存算和开发任务工具化;在湖仓一体时代(2014-2023),重点关注的是湖仓存算、数据治理,以及资产化。
本质上,这两个时代解决的,都是 人如何更高效地使用数据 这个问题。业务方提一个数据需求,分析师先理解业务口径,再写 SQL 取数、对齐指标,最后做出一份报表。如果底层数仓不能满足,还需要数仓工程师对数仓分层做调整。这些需求从提出到交付,少则两三天,多则一两周。
这件事过去 20 年都没怎么变。整流程虽然效率不高,但基本能够运转。
但当 Agent 开始开始批量上岗后,数据平台终于迎来了新的使用者:Agent。Agent 对数据的时效性、准确性和语义一致性提出了更高的要求,原本可以依靠人工经验弥补的断层,在 Agent 面前变成了硬伤。
AI 时代带来了新的问题,同时,很多旧时代的问题,如数据孤岛、治理缺失等也被再次放大。新旧问题交织在一起,老办法已经不够用了。
“ 平台效率与数据质量的短板,正成为企业 AI 落地的最大瓶颈 ”,腾讯云大数据总经理周清认为, 真正的 AI-Native 数据平台,不等于 AI+ 数据平台 。在 GUI 旁边加一个 Copilot 侧边栏,也不会让一个平台真正进入 AI 时代。真正能带来改变的,是将交互、研发、运行时、治理这四个范式同时重构:
交互范式 :在 AI 时代,自然语言成为新的交互方式,真正的产物是 AI 生成的,UI 是 AI 产物的投影;
研发范式 :从人写代码转向 Spec-Driven,从数据需求的 Spec 来驱动 AI 去理解主动生成产物,人来做评审;
运行时范式 :Agent 是一等运行时公民,与任务共生命周期;
治理范式 :元数据将成为 Agent 可调用的语义 API。
近日, 欣旺达 网络能源产品线研发总工杨孔梁团队与香港科技大学(广州)未来科技学院副院长陈民、可持续能源与环境学域韩伟教授、李翔宇教授、梁雨桐教授团队开展专项技术交流会。 ▍ 聚焦 AIDC储能技术 共探高功率、高可靠储能系统创新方向 在 AIDC储能技术交流环节,双方结合当前算力基础设施高速发展趋势,围绕数据中心储能系统架构、大功率变流器、无线电能传输等前沿技术方向展开探讨。 韩伟教授所在的智能电力电子探索与设计实验室( SPEED-Lab)长期深耕高频电力电子、碳化硅 / 氮化镓功率器件、构网型逆变器控制等领域,具备完善的大功率实验平台、硬件在环测试系统与动态无线充电测试设备,在高压电能变换、储能系统稳定控制等方面积累了丰富研究基础。 欣旺达团队结合 AIDC场景下储能高可靠、高功率密度、快速交付等实际应用需求,分享了储能系统落地运维、场景化解决方案等工程实践经验。双方聚焦AIDC储能拓扑优化、系统稳定性提升、大功率设备适配等技术难点交换思路,并就后续协同研究方向形成初步共识。 ▍ 探索 AI技术应用 以数字智能赋能储能全生命周期管理 AI技术应用是本次交流的重点议题之一。 双方一致认为,AI技术有望为储能运维复杂、安全管控难、效率偏低等行业痛点提供新的解决思路。 韩伟教授团队展示了 GaN电机驱动AI管家、储能系统智能运维、故障智能诊断与闭环处置等相关创新成果。相关方案依托本地 / 云端大模型,可实现设备状态实时采集、异常根因分析与自动化运维处置,适配弱网、涉密、高可靠等工业场景。 欣旺达长期践行 “AI+ 电池”战略,将人工智能融入产品研发、生产制造、智能运维等环节,自研AI智能调优系统、电池全生命周期管理平台已在相关业务场景中实现应用。 ▍ 深化产教融合 构建 “基础研究—技术攻关—产业应用”协同闭环 产教融合、协同创新,是科技成果走向产业落地的重要桥梁。高校在基础研究、前沿探索、人才培养等方面具备优势,企业在产业场景、工程实践、市场落地等方面具备资源与经验。通过校企协同,可进一步打通 “基础研究 — 技术攻关 — 产业应用 ”的创新链路,推动科研成果更好服务产业发展需求。 本次交流既是一次围绕前沿技术方向的深入探讨,也是双方深化合作的全新起点。未来,欣旺达将持续加强与高校及科研机构的联动协作,围绕 AIDC储能、智能电力电子、AI能源应用等领域持续开展技术探索,不断提升储能产品与解决方案安全性、可靠性与智能化水平。 .appendQr_wrap{border:1px solid #E6E6E6;padding:8px;} .appendQr_normal{float:left;} .appendQr_normal img{width:100px;} .appendQr_normal_txt{float:left;font-size:20px;line-height:100px;padding-left:20px;color:#333;} 海量资讯、精准解读,尽在新浪财经APP
【赛迪网讯】2026年一季度全球科技企业财报集中落地,海外算力巨头、国内互联网平台、国产算力芯片厂商同步交出阶段性成绩单。本轮财报季清晰划开AI产业发展分水岭:产业链利润向上游算力硬件集中,大模型与云服务步入规模化商业化,但企业间路径、盈利状态出现显著分化,行业正式告别概念炒作,进入“以营收、现金流论成色”的兑现周期。
海外算力基座:硬件高盈利,云厂商持续加码资本开支
全球AI产业需求底座由海外芯片与云厂商牢牢支撑,英伟达、微软、谷歌一季度业绩印证算力长期紧平衡格局,硬件环节利润率持续处于历史高位。
英伟达2026财年Q1总营收816.2亿美元,同比增长85%,毛利率维持71.5%,数据中心AI芯片收入占总营收九成以上。Blackwell新架构批量交付,高端训练芯片订单饱满,二季度营收指引再度上调,市场预期算力供需缺口至少延续至2026年末。产业链传导效应同步显现,博通Q2AI芯片收入同比大涨143%,交换机、高速网卡需求持续放量,仅下游需求增速边际放缓引发市场短期分歧。
云厂商层面,微软FY26Q3总营收828.9亿美元,Azure云增速40%,AI业务年化收入突破370亿美元,同比增幅123%。M365 Copilot付费席位突破2000万,企业端AI办公工具规模化落地;全年1900亿美元资本开支计划中,超三分之二资金投向GPU与AI服务器硬件。谷歌Alphabet一季度营收近1100亿美元,GCP云同比增长63%,AI长期储备订单规模达4620亿美元,Gemini大模型深度赋能搜索与广告业务,在加大算力投入的同时实现利润率稳步扩张。
海外头部共性特征十分明确:算力硬件是本轮AI景气最大受益者,高单价、高毛利带来丰厚利润;云厂商依托企业级AI订阅服务打开增长空间,但持续巨额资本开支一定程度压制短期净利润,行业形成“硬件赚利润、软件扩收入”的格局。
国内互联网AI:商业化拐点出现,投入与兑现两极分化
2026年5月,百度、阿里、腾讯、联想集中披露季度与财年报告,国内AI企业彻底跳出“只谈研发投入”叙事,AI相关收入成为财报核心看点,但各家变现节奏差异显著。
百度一季度总营收321亿元,AI业务收入136亿元,占通用业务收入比重首次突破50%,成为国内首家AI收入过半的互联网大厂。文心大模型、智能云、政企行业解决方案构成三大收入支柱,政企算力采购、企业定制化大模型订单翻倍增长,标志百度完成从搜索平台向AI科技企业的转型。
阿里云2026财年全年总营收突破万亿,AI产品年化收入358亿元,AI相关收入占云外部收入30%,连续11个季度三位数增长。管理层明确AI业务跨越高投入阶段,未来一年目标将AI收入占比提升至半数,依托电商、金融、工业场景形成差异化落地优势。
腾讯则仍处在大规模投入周期,一季度AI专项资本开支319.36亿元,同比、环比大幅提升,全年AI投入预期超千亿元。混元大模型、智算集群、AI Agent持续加码,但当前尚未形成规模化正向收益,短期利润持续承压,走“先建算力底座,后兑现商业化”路线。
硬件终端厂商联想全年AI相关收入同比增长105%,AI业务占集团总收入33%,服务器、边缘智能终端、行业解决方案拉动增长,依靠端边云一体化布局实现业绩快速兑现,成为消费与工业硬件赛道AI转型标杆。
整体来看,国内互联网阵营分化清晰:百度、阿里、联想已实现AI业务稳定创收;腾讯等企业仍处于重资产投入期,短期以抢占算力与场景资源为核心目标。政企数字化、企业办公AI、工业智能是国内三大核心变现赛道,C端通用大模型付费仍处在培育阶段。
国产算力芯片:盈利拐点确认,自主替代打开增长空间
A股算力芯片企业2026年一季报4月底全部披露,国产AI芯片产业正式走出持续亏损周期,经营数据全面改善,国产化替代逻辑持续验证。
寒武纪一季度营收28.85亿元,同比增长159.56%,归母净利润10.13亿元,同比增幅185.04%,经营性现金流历史性由负转正。核心驱动来自思元590高端训练芯片批量出货,各地政务、央企算力集采订单集中落地,产品结构向高毛利高端芯片倾斜,彻底摆脱此前持续亏损状态。
海光信息一季度营收、净利润同比分别增长50.76%、35.82%,DCU推理、训练芯片持续放量,国内数据中心国产化替换需求稳步释放。国产算力产业链形成清晰传导:上游芯片盈利修复,中游服务器、配套硬件同步受益,形成正向循环。
对比海外芯片企业,国内厂商增速更快,但整体营收规模、毛利率仍存在差距,当前增长核心驱动力是国内信创政策、算力自主可控需求;中长期竞争仍取决于高端训练芯片迭代速度与生态适配能力。
本文由算苗科技提供,量子位获授权转载,版权归原作者所有
中国北京( 2026 年 6 月 17 日) — 专注3D架构AI云端大算力芯片研发设计的算苗科技今日宣布,旗下面向大模型推理的3D TokenPU芯片A4E已于6月15日正式流片,标志着中国在高端AI算力芯片领域,实现依托国产供应链、采用3D混合堆叠架构的大模型专用处理器落地,有望为国内大模型产业提供自主可控、高性能、高性价比的算力支撑。
大模型时代原生设计 专注推理能效比
当前,AI产业正加速由训练向推理迁移。德勤预测,未来超80%的算力需求将集中在推理侧。然而,大模型推理长期受制于“内存墙、算力墙、通信墙”三大核心瓶颈,尤其是数据在存储器与处理器之间的频繁搬运,造成高达80%的能耗和70%的成本压力。
作为大模型时代原生的算力芯片企业,算苗科技首创3D TokenPU架构,跳出通用GPU的设计思路,专攻推理场景极致性能。第一代产品A4E将8层存储晶圆垂直堆叠在计算逻辑晶圆上,通过硅通孔(TSV)与凸点(bump)技术实现微米级互联,将传统芯片间的“毫米级”传输距离压缩两个数量级,带来16TB/s的超大访存带宽,有效缓解数据饥饿问题。
在架构设计方面,算苗科技引入Tile-Native软硬件协同理念,将Tile作为数据搬运、存储和计算的基本单元,实现“一次搬运、多次复用”的高效模式。硬件原生支持Tile级数据调度与多精度动态切换,软件端则构建适配LLVM、Triton等开源生态的编译工具栈,兼顾开发者友好性与算子优化效率。这种“硬件架构-软件工具-算法特性”的闭环优化,为大模型推理提供了更高性能和更低TCO(总拥有成本)。
“我们不是在别人的赛道上追赶,而是在开辟新的方向。”算苗科技创始人兼CEO汪福全博士表示,“3D TokenPU专为大模型Token处理而生,不必单纯依赖制程缩小,就能实现算力密度、能效比的跨越式提升。”
从设计到制造自主可控 面向量产
算苗科技已构建起覆盖芯片设计、核心IP、制造、封装的国产化供应链体系。A4E芯片基于自研RISC-V架构与自研IP、自研软件体系打造,与国内头部供应链伙伴深度合作,采用成熟国产工艺也可实现卓越推理性能。在工程化量产层面,算苗团队核心成员已在高通量存算一体芯片项目中,完成万片级3D混合堆叠晶圆的量产,是全球少数掌握该技术的团队之一。同时,公司构建了高精尖人才梯队,研发人员占比超80%,核心骨干来自中科院、清华、北大等顶尖院校,兼具深厚的半导体工程化落地与AI前沿算法研究能力。
携手客户 深耕千亿级推理市场
当前全球大模型推理市场已迈入千亿美金规模,中国市场也达到数千亿人民币规模。算苗3D TokenPU的核心客户为头部大模型厂商,目前已联手客户开展近一年的深度研发工作;从芯片定义阶段便锚定真实推理场景需求,针对性完成架构与底层算法深度调优,实现AI算力和大模型算法的极致匹配。
算苗3D TokenPU 大算力芯片的技术路线与产业化潜力,也获得了资本市场的高度认可。公司已先后完成多轮融资,投资方覆盖国资平台、头部市场化基金与一线产业资本,包括国开金融、北京顺禧、源码资本、石溪资本、联想创投、襄禾资本等。
关于算苗科技( SUNMMIO )
算苗科技SUNMMIO是大模型时代原生的芯片企业,为3D TokenPU概念首创者,专注3D架构AI云端大算力芯片的研发,团队核心成员拥有全球领先的3D混合堆叠晶圆量产能力。公司依托国产供应链与成熟制程,以3D堆叠+Tile-Native软硬件协同创新,突破AI算力墙、内存墙、通信墙三大瓶颈,打造高带宽、高性能、高性价比解决方案,助力国产算力产业跃迁与全球化发展。欲了解更多信息,请访问: www.sunmmio.com 。
今日(6月17日),AH芯片半导体、PCB集体爆发,港股硬科技再度冲高,港股通信息C指数大涨2.73%,持续碾压恒生科技(涨幅仅0.22%)。 同类规模最大、流动性最强*的港股通信息技术ETF华宝(159131) 早盘低开后直线拉升,随后震荡走强,强势收涨2.69%, 单日成交额超24亿元大幅放量。 成份股方面,半导体PCB联袂狂飙,建滔集团、 兆易创新 、智谱、 澜起科技 、 天岳先进 等5股涨超10%, 华虹宏力 、ASMPT涨超8%,舜宇光学科技涨超6%。 消息面上,建滔集团再度上调CCL价格15% ,高容MLCC华强北报价多数产品5月至今已翻倍。与此同时, 智谱今日宣布上线并开源新一代旗舰模型GLM-5.2 ,该模型专为长程任务能力打造,核心特色包括1M无损上下文、强化Coding能力、Day 0适配国产算力平台,并采用MIT开源协议。 银河证券指出,本周DRAM、NAND价格环比继续走高;模拟芯片行业处于周期反转过程中,全球产能供不应求,AI电源芯片国产化提速。 6月预计全球半导体板块将处于高位震荡阶段,建议继续关注产业链有增量和景气加强的环节 。或可关注 存储、半导体设备和材料、功率半导体、国产算力方向。 从近六月表现来看,聚焦港股硬科技的 港股通信息技术ETF华宝 (159131)标的指数——中证港股通信息技术综合指数 累计涨幅超30%,跑赢同期恒生科技45%,跑赢港股通科技41%,跑赢港股通互联网超58%,锐度和弹性显著领先。 统计区间:2025.11.17-2026.6.17。港股通信息C指数2021-2025年年度历史收益分别为:-9.54%、-34.47%、-0.25%、21.58%、39.30%。指数过往业绩不预示未来表现。 港股稀缺“纯血”硬科技!支持T+0交易!全市场首只、同类规模最大、流动性最强的港股通信息技术ETF华宝(159131) ,场外联接基金代码 026755 ,标的指数由“ 80%硬件+20%软件 ”构成,重仓港股“半导体+电子+计算机软件”,涵盖60只 港股硬科技 公司,其中 “ 中芯国际 +华虹半导体” 两大晶圆代工巨头合计权重超21%,国产AI PC龙头 联想集团权重15.89% ,PCB龙头 “建滔集团+建滔积层板” 合计权重超10%, 三者均为全市场具有挂钩产品得指数中含量最高 。无惧行情轮动, 此外,近日指数最新纳入 智谱、壁仞科技 等多只千亿港股硬科技新秀,成份股 不含阿里巴巴、腾讯、美团 等大市值互联网企业,锐度更高,更易捕捉港股AI硬科技行情。 数据来源:中证指数公司,沪深交易所。 注:“全市场首只”是指港股通信息技术ETF华宝是全市场首只跟踪中证港股通信息技术综合指数的ETF。截至2026.6.16,港股通信息技术ETF华宝最新场内规模为13.37亿元,为当前跟踪中证港股通信息技术综合指数的8只ETF中规模最大;今年以来港股通信息技术ETF华宝的日均成交额为5.65亿元。标的指数中证港股通信息技术综合指数(HKD)2021-2025年年度历史收益分别为:-9.54%、-34.47%、-0.25%、21.58%、39.30%。指数过往业绩不预示未来表现。 基金费用说明:港股通信息技术ETF华宝申购赎回代理机构可按照不超过0.5%的标准收取佣金。场内交易费用以证券公司实际收取为准。不收取销售服务费。 参考机构观点来源:银河证券《板块高位震荡,关注景气加强方向》 风险提示:港股通信息技术ETF华宝及其联接基金被动跟踪中证港股通信息技术综合指数,该指数基日为2014.11.14,发布于2017.6.23。材料中指数成份股仅作展示,个股描述不作为任何形式的投资建议,也不代表管理人旗下任何基金的持仓信息和交易动向。本产品由华宝基金发行与管理,代销机构不承担产品的投资、兑付责任。投资人应当认真阅读《基金合同》、《招募说明书》、《基金产品资料概要》等基金法律文件,了解基金的风险收益特征,选择与自身风险承受能力相适应的产品。基金过往业绩并不预示其未来表现,基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证,基金投资须谨慎! 基金管理人评估的该基金风险等级为R4-中高风险,适宜积极型(C4)及以上的投资者。 销售机构(包括基金管理人直销机构和其他销售机构)根据相关法律法规对该基金进行风险评价,投资者应及时关注销售机构出具的适当性意见,并以其匹配结果为准,各销售机构关于适当性的意见不必然一致,且基金销售机构所出具的基金产品风险等级评价结果不得低于基金管理人作出的风险等级评价结果。基金合同中关于基金风险收益特征与基金风险等级因考虑因素不同而存在差异。投资者应了解基金的风险收益情况,结合自身投资目的、期限、投资经验及风险承受能力谨慎选择基金产品并自行承担风险。中国证监会对该基金的注册,并不表明其对该基金的投资价值、市场前景和收益做出实质性判断或保证。基金有风险,投资须谨慎。 .appendQr_wrap{border:1px solid #E6E6E6;padding:8px;} .appendQr_normal{float:left;} .appendQr_normal img{width:100px;} .appendQr_normal_txt{float:left;font-size:20px;line-height:100px;padding-left:20px;color:#333;} 海量资讯、精准解读,尽在新浪财经APP
���������6��17����Ϣ������ ����վ�ڡ�ʮ���塱ȫ�·�չ��㣬������109���ش������������������ҵ����ȫ���������У��������Ų�ҵ��������ǿ�ǹᴩȫ�ֵĺ������ߡ�
���գ���������������������ܲ�ҵ�����ᣬ���й�����4300ƽ��չ���ֳ�����֤�˹���AI��δ�оƬ������ϵͳ������������ʵ��ȫջʽͻΧ��
��������AI���� ���ΰ�ȫ�ɿظ���
����AI��Ҫ���ã���Ҫ��ȫ��������Ҫ�ڡ�������ͻ�ơ��й�������ϯ��ѧ�ҡ��Ƽ�ί�����Ρ����ڹ�˾��ϯ��ѧ���ǿ������������ߣ�������ʱ�����������γɡ�˫���ġ��������㴦��������˼�����ߣ�ͨ�㴦�����е�ִ�п��ơ�ͨ������㴦�������γ�˫�������ģ������Ƿ��ڹ�˾��ʮ���塱�滮��ͨ�ǽ�ϡ�˫��������һ�������㡣������һ�ܹ��£���������S5000C-E���Ը�����������AI���������ܽ�ϣ��γ�һ�������AI���������ΪAIʱ���ṩ������������
���˵оƬ��Ӳ���ĸ���������ϵͳ�����������ֲ�ҵ�ĺ��ĵ��������������ϵͳ�����������Ż������ϴ�ͨ��Ӳ����������ݣ����һ�����ȶ�����ȫ�����õ�����������̬��������������˾���������з����ܾ�����Ԫ����ʾ������������һ���������̬��ȥ������̬�ںϣ��������ϵͳ����̬���⣬ͬʱ��˰�ȫ�����⣬��������̬֮�����л���һ�����У����Լ�����ǵİ칫���������֡���
�������ƣ�ʱ�´��ġ�����Ϻ����������ͨ�û���˵������һ���İ�ȫ�����������ǰ���Ϻ�����������밲ȫ���ŵĻ������棬�ٰ��ճ�ʹ�õĸ�����˽���ݷ�������һ��ϵͳ���档ͨ�����ַ�ʽ��AI�Ͱ�ȫ�ܹ����õ�Эͬ������AIӦ���������˳�����ء���
���ֻ�ʱ���������Ǻ��ĵ�����Ҫ�أ�Ҳ�ǹ��Ұ�ȫ����Ҫ��ɲ��֡��人�������ݿ�ɷ�����˾�ܾ���Ƥ����ܣ���оƬ������������ϵͳ���������ݿ�һ���ͨ������ж�صȹ����״��������߳��й����������ܹ����������й����ӹ��Ҷ���Դ����ҵ��������Эͬ���ð�ȫ�ɿعᴩÿһ������
��оƬ˫���ġ�����ϵͳ��ȫ���뵽���ݿ�һ���������AI������ʵ�֡���������ȫ��������ȫ�����DZ������������������ܹ���
����AI����Ծ�� �ƽ⡰�Ӳ������Ų������ò�������
���˰�ȫ�ɿ��ļ����������������Щ���������߽�ǧ�а�ҵ�����ʵ�����⣬���Dz�ҵ�����ĺ���Ŀ�ꡣ�ڱ����Dz����ϣ����߿��������µĹ���AI PC��أ��Լ���������Ʒͻ���Խ�չ��
�й����ǵ�ίίԱ�������ܲ����ָ��һ̨AI�ʼDZ������ߣ������DZ����ṩ��160 TOPS��������Ӧ��˵�����Ŀǰ���ǿ�����������ߵ�AI�ᱡ�ʼDZ�֮һ����
��ֵ��һ����ǣ����й������������ڹ�˾���й��������й��������������ϴ������ƽ̨���ڹ���Ȩ��������������֯SPEC����������SPEC Cloud IaaS 2018�����У�һ�����������һ������־���ҹ�����������ϵ�ڹ���Ȩ���Ƽ��������ʽ����ȫ���һ�ݶӡ����ǿ������������Ҳ�����ǹ��ҵ�����������뵽2.0ʱ����һ����־�������֤���˷��ڵ�CPU�����ڳ��ǵķ�����֮�ϣ���������ϵͳ��ֱ���ϡ�ϵͳ�Ż����������ﵽ�˹����Ƚ���ˮƽ����
Ȼ��������AI�����Ŀ��ٷ�չ����ҵ���ֻ�ת�ͽ����½Σ����ܶ���ҵ��Ȼ������AI���Ӳ������Ų������ò��𡱵���ʵ���⡣�й�������ϯ��ѧ�ҡ��е�����о�ԺԺ�����Ĵ��ڽ��ܲɷ�ʱ��ϵͳ�Ե������������������
���ȣ�ͨ��������AIʱ����Type C�ӿڡ�����������չ��ķ�ʽ���ܹ���AIϵͳ�dz�����ذ�ԭ�е�ϵͳ��������������Эͬ���á���Σ�AIҪ���ܿصĻ������淢�����ã������ǻ�ͨ�������������һ�ַ�ʽ����AI���������ڴ���һ�������ܿص�ȥ���ӳɹ���������������ҵ�ڲ�һ����ȫ�ġ��ܿصĻ��������ͨ��ҵ����Ա�ܹ�ͨ����Ȼ������AI���й�ͨ��ͨ����Ȼ��������Լ���Ҫ��AI�������ܹ�����Ҫ������γ�һЩ���ܵ�Ӧ�á�Դ����GienCoder��������������������ͨ��������������ֱ����ҵʹ�㣬������ҵ��������������ƽ̨��ΪAI�ڽ��ڡ���Դ������ȹؼ���ҵ����������Ĺ�ģӦ����ƽ�˵�·��Ŀǰ����ȫ��300+��ҵ�ͻ���Ͷ�á�
���������»�������������ˮ��һ����ȫ�ջ�
�ڹ��Ҳ��ֵ�109���ش��У�һ�廯���������»�������Ҫһ���������Ŀ�꣬���ǽ�����������Ĺ�ģ��Ӧ���ѵ����ս��ͨ���ͳһ�Ĺ���������������ʵ��ȫ��������ͳ����ȣ�������������ˮ��һ������ȫ�ջݡ������ɿصط��������־��ú����ܻ���ҵ������
�й�������ϯ��ѧ�ҡ��й��������ܹ���ʦ���ƽ��ʾ���������AI��ʱ���������dz�����ȫ��AIȥת�͡����ݰ�ȫ�Ǻ��߲�����Խ�������ڶԿͻ������������⣬�й�����������ˡ�ר��AI�ơ���ս�Ե�������һս����ط�Ϊ������Σ���һ���ǻ�����ʩ�㣬����������⣻�ڶ�����ƽ̨�㣬����ģ�ͷ���������Ĺ������У�����������ܽ����ҵ�ͻ�������Ŀǰ�Ѿ��Ƴ��˶���Ʒ����AI����������AI+���桢��ҵ����ҵ�����壬�Լ���������зdz���Ҫ�Ĵ�ʽ��ܡ�
��һ���ֲ��ǹ����ļ���չʾ��������109���ش��С�һ�廯���������»������γɺ�Ӧ����оƬ������ϵͳ���Ӱ�ȫ��Ӧ�ã�����ҵ��ص��������ȣ�һ��ȫջʽ�IJ�ҵ���������й���������ȫ��չ�����й��������Dz����ϵ�������֣�������չʾ���й����Ų�ҵ�����ɴӼ���ͻ�Ƶ���̬�������ӵ���Ӧ�õ�ȫ�渳�ܵ�ϵͳ�Կ�Խ��