第一財季博通總營收同比增29%，AI收入同比翻約一倍至84億美元，高於公司指引，軟體業務收入僅增1%，第二財季AI收入預計107億美元，同比增143%。博通料第二財季總營收同比增47%至220億美元，較分析師預期均值高逾7%；電話會稱明年Anthropic將帶來3GW算力需求、OpenAI將批次部署晶片，Meta定製晶片路線圖進展不錯。盤後漲超5%。輝達的挑戰者、ASIC晶片大廠博通又一次交出兩位數大增的成績單，本財季的指引繼續穩健，體現人工智慧（AI）資料中心裝置的需求繼續強勁。博通同時推出高達100億美元的股票回購計畫，被視為該司利用企業客戶AI支出增長的戰略正在取得成效。美東時間4日周三，博通盤後公佈，截至2026年2月1日的公司2026財年第一財季（“一季度”），淨營收同比增長29%至193.1億美元，高於分析師預期的192.6億美元；非GAAP口徑下調整後每股收益（EPS）同比增長28%至2.05美元，也高於分析師預期的2.03美元。驅動博通增長的核心仍是AI相關半導體業務。包括ASIC在內的半導體解決方案業務一季度收入同比超預期增長超50%。其中，一季度AI半導體收入達84億美元，同比暴增106%，高於博通此前業績電話會提供的指引約82億美元，主要由定製AI加速器和AI網路需求帶動。博通CEO陳福陽表示，公司的AI收入將加速增長，預計第二財季（“二季度”）AI半導體收入將進一步升至107億美元。這意味著，博通本財季的AI晶片收入將環比增長逾27%，同比增長143%。博通同時給出了明顯高於市場預期的指引：二季度營收預計約220億美元，同比增約47%，較分析師預期的均值205.3億美元高約7.2%，和一些分析師的樂觀預期一致；調整後EBITDA利潤率預計約68%，持平一季度。同時，公司董事會批准新的股票回購計畫，授權到今年底回購額度最高100億美元。財報公佈後，周三收漲超1%的博通盤後股價先小幅上漲，曾小幅轉跌，後又轉漲、漲幅擴大到5%以上。股價加速上漲期間，博通高管在業績電話會上透露，預計公司客戶Anthropic將在2027財年帶來3 GW算力需求，OpenAI將在2027年批次部署晶片，還稱Meta的定製晶片路線圖“正在推進之中，進展不錯”。分析認為，股價起初轉跌的反應更像是高預期下的再定價，在AI主線擁擠、估值更敏感的背景下，除了一季度和二季度總體資料，部分源於博通一季度軟體業務收入僅小幅增長，投資者也會重新審視增長結構、現金與負債變化以及後續超預期空間，從而引發一定的獲利了結與波動。Q1總營收繼續加速增長 AI收入同比翻倍、Q2目標107億美元財報顯示，一季度博通的總營收刷新了前一季所創的單季最高紀錄，且同比繼續加速增長，增速由前一季的28%提升至29%。陳福陽在財報中強調，本季AI收入84億美元，同比增長106%，高於去年12月陳福陽在業績電話會上預估的82億美元。增長主要來自兩塊：定製AI加速器（custom AI accelerators）需求旺盛；AI網路（AI networking）持續放量。博通預計二季度AI半導體收入將達到107億美元，意味著AI業務仍在加速爬坡，並將繼續成為推動二季度營收躍升至220億美元的關鍵變數。半導體收入高增、軟體“穩而不長”按分業務看，一季度博通增長幾乎由半導體“拉滿”：包括ASIC在內的半導體解決方案業務收入125.15億美元，同比增長52%，增速較前一季的34.5%明顯加快，分析師預期123.1億美元，營收佔比從一年前的55%升至65%，高於前一季的61%。包括VMware在內的基礎設施軟體業務收入67.96億美元，同比僅增長1%，營收佔比從一年前的45%降至35%，前一季度同比增長19%、佔總營收的39%。這組資料體現，博通當前的增量主要來自AI相關半導體周期，而軟體業務更多體現“壓艙石”屬性——規模大、貢獻穩定現金流，但短期增速有限。也正因增長更集中在AI半導體，市場對其客戶集中度、訂單節奏和供需變化會更敏感，這類結構性關注點在財報後往往也會放大股價波動。股東回報加碼：單季回饋109億美元，新增100億美元回購授權博通繼續用真金白銀強化股東回報：董事會批准季度現金股息0.65美元/股，本季股息合計約30.86億美元。首席財務官（CFO）Kirsten Spears稱，公司一季度通過分紅+回購合計回饋股東109億美元，其中回購約78億美元。董事會又批准新的回購計畫：最高回購規模100億美元，有效期至2026年12月31日。回購與分紅對長期股東當然是利多，但在財報後的短線交易裡，市場也可能會同時關注：回購力度很大、現金餘額下降、負債水平不低——這些因素疊加時，股價的即時反應未必只看“回購利多”單一維度。EBITDA創新高、利潤率68% 自由現金流80億 利息支出仍高盈利能力依舊強勁。博通披露，一季度調整後稅息折舊及攤銷前利潤（EBITDA）同比增長30%至131.28億美元，刷新前一季所創最高紀錄，EBITDA利潤率約為68%，高於公司指引67%。。調整後淨利潤為101.85億美元，同比增長30%，前一季度同比增長39%。一季度調整後EPS同比增長28%，較前一季增速37%放緩，但還高於分析師預期。現金流方面，博通延續了“強造血”特徵：經營現金流82.6億美元；資本開支2.5億美元；自由現金流（FCF）80.1億美元，同比+33%，約為營收的41%。對投資者而言，FCF強勁意味著公司在高強度AI投入與股東回報之間仍有較大騰挪空間；但也會帶來另一個現實問題：當公司既要回購分紅、又要管理較高負債成本時，市場會更在意現金流的“分配優先順序”。截至一季度季末，博通資產負債表的幾個變化值得留意：現金及現金等價物141.74億美元，環比前一季末的161.78億美元下降約20億美元。應收帳款84.6億美元，庫存29.62億美元，均環比增長。在半導體快速放量階段，應收與庫存抬升並不罕見，但也會被市場用來觀察需求強度與交付節奏。債務端：短期債務22.52億美元、長期債務638.05億美元；當季利息支出8.01億美元。高利率環境下，利息成本的“粘性”也是科技硬體公司估值敏感點之一。 (invest wallstreet)

非GPU時代大幕拉開。頭圖由AI生成芯東西3月2日消息，近日，多家外媒報導，非GPU晶片應用迎來爆發期，前有Meta傳已與Google簽署數十億美元合作，大規模租用TPU訓練模型；後有OpenAI被曝計畫匯入輝達基於Groq技術的AI推理晶片。這些重磅合作正是全球AI算力格局加速重構的縮影。2026年伊始，摩根大通的一份產能報告流出：Google計畫在2027年部署600-700萬顆TPU，大部分將供給Anthropic、OpenAI、Meta以及蘋果等外部客戶。無獨有偶，2月13日，OpenAI上線GPT-5.3-Codex-Spark。這款模型選擇了一家特殊的晶片廠商來承接推理任務——Cerebras，一個以“晶圓級晶片”挑戰輝達的“叛逆者”。這是OpenAI首次在主力模型上大規模採用非GPU晶片完成部署，背後原因在於Cerebras帶來的更低延遲與更低能耗，為即時程式設計帶來接近即時的響應體驗。僅僅半年之前，全球AI產業的目光還牢牢鎖定在輝達的財報和產能分配上，人們爭相與這家算力巨擘結成利益同盟。如今，全球頭號AI玩家們紛紛重新規劃未來幾年的晶片訂單。IDC預測，到2028年，中國非GPU伺服器市場規模佔比將接近50%；高盛投資研究部的模型顯示，全球AI伺服器中非GPU晶片出貨佔比，將從2024年的36%增長至2027年的45%。▲全球AI晶片中GPU架構和非GPU架構比例（資料來源：高盛全球投資研究部，芯東西製圖）面對日益清晰的算力變局，一個更深層的轉折正在發生：AI的競爭焦點正從單純的算力規模，深刻轉向對能效比與延遲的極致追求。這一轉折，將GPU推向尷尬境地：由於每次計算都需要在外部視訊記憶體和計算單元之間頻繁往返搬運資料，這種冗長的傳輸路徑讓GPU始終受困於高能耗和高延遲的先天缺陷。路透社爆料，OpenAI已多次表示對輝達晶片的“不滿”——響應速度未達預期，在程式碼生成產品Codex上感受尤為明顯。壓力迫使輝達這條“巨龍”尋求改變。2025年底，輝達不惜以近三倍溢價拿下Groq核心技術與團隊。這家公司的創始人Jonathan Ross正是GoogleTPU核心設計者。被稱為“TPU之父”的他，創立Groq的初衷就是要打造一款超越GoogleTPU的AI晶片。最終，輝達以200億美元的天價，買下了這把“高階TPU”之劍。去GPU化的趨勢仍在繼續。沒有人願意把未來十年的基礎設施押注在一個能耗大、延遲高、系統封閉的技術上。但這場算力變局的核心懸念尚未解開：TPU能否真正扛起對抗GPU的大旗？那個讓輝達不惜押下重注的Groq，又藏著怎樣的技術底牌？01.從自用到商用：GoogleTPU擾動全球算力格局一直以來，GoogleTPU都作為其內部的核心算力支撐，專供自家大模型訓練與推理使用。而去年至今，Google策略發生重大轉變，被曝要正式將TPU推向商用市場。巨額訂單迅速湧向Google。博通CEO透露，AI明星公司Anthropic下單了總額210億美元（約1486億元人民幣）的訂單，採購基於GoogleTPU建構的AI算力系統；與此同時，Meta被曝已與Google達成數十億美元的AI晶片交易。此外，潛在客戶還包括蘋果，以及已與SpaceX合併的xAI等，TPU市場規模持續擴大。這背後是雙重機遇的疊加。一方面，大模型進入規模化落地階段，全球算力需求爆發、成本壓力加劇，單一依賴GPU的架構瓶頸日益凸顯。另一方面，GoogleTPU的性能已具備與頂級GPU分庭抗禮的實力——2025年推出的第七代TPU，是Google迄今為止性能最高、可擴展性最強的AI晶片：單晶片峰值算力4614 TFLOPS（FP8精度），最大叢集9216顆晶片、總算力達42.5 EFLOPS。TPU v7在同等算力輸出下功耗僅為輝達B200的40%至50%。更為關鍵的是，依託自研光電路交換機（OCS）技術，其萬卡級叢集可實現近乎線性的加速比，顯著降低了傳統GPU叢集在萬卡規模下的通訊效率損耗。▲Google TPU v5e、v5p、v6、v7晶片關鍵性能對比（圖片來源：SemiAnalysis）GoogleTPU崛起還有更為直接的例證：在TPU上訓練的Gemini 3，在多個權威基準測試中位居榜首，為業界頂尖模型之一。此外，對於大模型公司而言，算力成本是繞不開的難題。“每美元產生的Token數”正取代峰值算力，成為衡量晶片商業價值的標尺。TPU憑藉AI專用架構帶來的2-4倍能效優勢，以及萬卡叢集近乎線性的擴展能力，將大模型推理的綜合成本相比GPU拉低50%以上——這正是Anthropic、Meta們用訂單投票的根本邏輯。因此，當下大多大模型企業會選擇採購TPU+GPU多元算力來緩解成本壓力。去年11月，半導體研究機構SemiAnalysis對比大模型公司的採購成本後發現：與OpenAI相比，同時使用TPU與GPU的Anthropic，在與輝達談判時擁有更強的議價權。這一事實表明：未來頭部AI公司，大機率都會轉向“多晶片平行”路線，以降低對單一架構的依賴、提升成本競爭力。▲OpenAI與Anthropic購買算力的成本對比（圖片來源：SemiAnalysis）綜上，GoogleTPU的性能跨越式提升、頂尖大模型的規模化驗證、頭部AI公司的主動佈局，這三重因素共同印證，TPU已從過去的全球算力產業補充路線，正式升級為全球算力競爭中的主流路線。這不僅打破了長期由輝達絕對主導的AI晶片格局，也為國內外算力晶片打開了全新發展窗口。02.不止於TPU：十年磨一劍，“TPU之父”探索更高階的可能然而，GoogleTPU的成功並非終點。國內外一批聚焦TPU晶片的創新企業快速崛起，它們擺脫復刻GoogleTPU的發展模式，逐步走出了一條差異化、多元化平行的發展之路。這其中的代表玩家，就是被輝達高價收購的AI晶片創企Groq。這家公司的創始人，被稱為“TPU之父”的Jonathan Ross，創立Groq的初衷就是要打造一款超越GoogleTPU的AI晶片。行業資深專家表示，二者的不同之處與晶片架構密切相關。GoogleTPU採用“固定架構+叢集擴展”的設計思路：其晶片內部搭載相對固定的計算單元，依託二維資料流模式開展固定化的算力運算；在晶片間互聯層面，則通過建構3D Torus拓撲結構，實現多晶片間的高效資料流傳輸與協同計算。▲GoogleTPU架構（圖片來源：Google官網）與GoogleTPU晶片的固定資料流不同，Groq的TSP（Tensor Streaming Processor）晶片是一種“軟體定義硬體”（Software Defined Hardware）的新型資料流處理器。“通過建構可重構的軟硬體系統，使其在保持可程式設計性的同時，達到接近ASIC的極致性能。”美國DARPA“電子復興計畫”（ERI）高度看好“軟體定義硬體”技術，並將其作為國家級戰略佈局的核心方向之一。這也是Groq被稱之為“高階TPU”的原因。通過晶片內功能切片化微架構的底層設計，結合軟體層面的靈活配置能力，TSP可根據不同任務場景和計算需求實現計算邏輯與資料流路徑對應。同時，該晶片依託大容量片上SRAM及靜態調度機制，在顯著提升資料訪存效率的同時還能有效降低資料搬運能耗，實現計算效率的提升。二者的性能表現對比，Groq的優勢也已經得到資料驗證。公開資訊顯示，在相同推理任務中，Groq晶片的首token延遲比GoogleTPU v7晶片降低20%～50%，每token成本降低10%～30%。架構選擇的背後，折射出整個產業對計算效率瓶頸的重新審視。電腦體系結構泰斗、圖靈獎獲得者David Patterson教授在最新研究中指出，大模型每次生成都繞不開資料搬運，而搬運能耗遠高於計算本身，未來的核心命題是“讓資料離計算更近”。為此，他提出了幾個AI晶片的演進方向：近記憶體處理、3D堆疊、低延遲互連。這些均指向同一個目標——用架構創新降低資料移動的能耗與延遲。David Patterson的洞察將AI規模化的競爭拉回最樸素的物理層面，誰能用更低的能耗、更低的延遲跑通下一代模型，誰就能在未來十年的算力牌桌上佔得先機。03.“高階TPU”含金量還在上升：三大創新將架構優勢發揮至極相比於Groq所強調的確定性資料流能力，國內的清微智能、海外的Cerebras等晶片企業在高效的多維度資料流動態配置及先進整合方式上，還在持續提升“高階TPU”的含金量。主要表現為如下幾個方面：其一，通過3D Chiplet技術建構三維立體資料流架構。依託“計算核心+3D DRAM芯粒”的組合，清微智能在“垂直+水平”兩個維度上形成高效資料流計算模式，核心目標是突破傳統二維資料流架構的效率侷限。具體而言，三維資料流計算架構可依據計算任務核心需求以及資料特性，在水平維度與垂直維度上實現資料流的靈活調度，最大化縮短資料傳輸路徑、提升資料流周轉效率，顯著降低資料搬運過程中的延遲與能耗，最終實現計算效率的進一步提升。其二，是依託算力網格技術建構靈活資料流計算範式。該技術可突破傳統固定組網的擴展性與語義適配瓶頸，通過靈活組網及Scale up與Scale out協同，能根據AI任務特性，即時下發資料流的動態配置資訊，實現在多種互聯拓撲結構間靈活切換和精準調度，降低互聯延遲，充分釋放資料流架構算力。其三，通過前沿的晶圓級晶片技術，將資料流架構的優勢發揮到極致。具體而言，晶圓級晶片技術將資料流架構思想從晶片內部擴展至整片晶圓尺度，在整片晶圓高密度整合大量計算核心，極大縮短計算核心間的互聯距離，實現數量級的互聯頻寬提升與通訊延遲的降低，從而將資料流架構的算力規模與計算效能發揮到極致，是資料流計算架構的理想物理載體。以Cerebras晶圓級晶片為例。實測資料顯示，Cerebras CS 3系統在推理性能上較輝達旗艦DGX B200 Blackwell GPU快21倍，成本與功耗均降低 1/3，在算力、成本、能效上展現出顯著的綜合優勢。▲Cerebras CS-3 vs輝達GPU：大模型推理速度對比（圖片來源：Cerebras官網）04.結語：AI算力規則正在重構當GoogleTPU走出圍牆、OpenAI擁抱晶圓級晶片、輝達天價收編Groq，這些訊號均指向同一個方向：TPU已變成巨頭們真金白銀押注的主戰場。算力世界的單極時代，正在被多元架構終結。決定下一代AI天花板的，不再是算力堆砌的軍備競賽，而是能耗、延遲、確定性共同構成的AI能力新指標。對於國產晶片而言，這場變局既是機遇也是挑戰。跟隨者只能瓜分殘羹，唯有走出自己的底層創新之路，才有資格參與下一輪全球算力洗牌。 (芯東西)

進入2026以來，許多 AI 圈的大神和大佬們都在提一個新概念：“agentic engineering”，智能體工程。先是前 OpenAI 聯合創始人、大神 Karpathy 表示：Agentic Engineering 會是下一個階段。然後 OpenClaw 的創始人 Peter Steinberger 在加入 OpenAI 之後的一次播客中則給出了更為激進的說法：現在提 Vibe Coding，已經是一個侮辱性詞語了。那麼，大佬們為什麼會這樣說？智能體工程究竟都做那些呢？近日，Meta資深工程師John Kim分享了內部的實踐做法。John表示，agentic engineering和vibe coding完全不同，這兩個概念之間的差距，遠比想像中大。有人給ChatGPT 或 Gemini 輸入一個提示詞，複製一段程式碼，部署在本地localhost 上，截圖發圈，說“我做了一個產品”。這種熱情值得鼓勵，但這不是工程。但他並不是在否定這些嘗試。他表示，很多人嘗試用AI程式設計、探索新工具是非常棒的事情。但把“vibe coding”和“AI 程式設計”劃等號，其實是對整個行業的傷害。所有做AI程式設計的人都被歸為“vibe coding”，這並不是一個合理的做法。“工程意味著系統設計、上下文管理、驗證閉環、工具建構，以及長期演進的能力。工程是可持續的，是可復用的，是可積累的。”非常有“α含量”的是，John 還給出了 agentic engineering 的五大支柱：context engineering（上下文工程）、agentic validation（Agentic驗證）、agentic tooling（Agentic工具化）、agentic codebase（Agentic程式碼庫）、compound engineering（複合式工程）。John 在介紹這五大支柱的同時，也爆料了許多前沿公司，如OpenAI、Anthropic、Google、Meta等頂尖工程師的“黃金做法”。下面是更詳細的觀點整理，各位enjoy：上下文工程才是王道！“第二大腦”會成為重要的工程真正決定Agent上限的，並不是模型參數規模，而是它所處的資訊環境。John表示，上下文是最關鍵的一點，輸入垃圾就會輸出垃圾。John表示，在工作中經常會被問道這樣的問題：現在模型的上下文窗口非常大，直接把所有內容都喂進去不就好了？還需要最佳化嗎？”在他看來，即使上下文窗口很大，也不意味著要堆砌資訊，而是精準篩選。因為模型的本質是基於統計機率生成輸出。它會根據你輸入的資料，計算某種機率分佈，生成一個最可能的輸出結果。因此，在做上下文工程時，你必須認真思考：到底需要給模型多少、什麼樣的上下文，才能讓它把事情做好。此外，他還提出了“第二大腦（second brain）”的概念，即那些不直接屬於程式碼本身，但圍繞程式碼存在的領域資訊，比如產品資訊、產品規格、配置決策、領域規則等這些原本存在於工程師腦海裡的知識，應該存放在那裡，才能讓 AI 輕鬆獲取？談到實現方式，以ClockCode 為例，他給出了聯眾解法：一是，可以在本地維護一個.cloud 檔案，把不適合直接寫進程式碼庫的內容放進去，二是，直接提交到程式碼倉庫中。對於提交到程式碼倉庫這一方法，John提到OpenAI 做了一個實驗，並在一篇名為《Harness Engineering》的文章中提及，正在把越來越多的資訊推入程式碼庫，目的是給AI 提供更多上下文。他們實際上是在為 AI 最佳化程式碼庫，而不僅僅是按照人類開發者的習慣去組織程式碼。John認為，“第二大腦”會成為一個重要的工程領域，它早在 RAG 系統中就已經出現，而現在它只是疊加在 agentic engineering 之上的又一層能力結構。Agentic驗證：沒有驗證閉環，輸出只是機率猜測當Agent開始承擔真實工程任務時，生成能力不再是瓶頸，驗證能力才是關鍵。John 明確提到，讓Agent能夠自我驗證，是讓其輸出質量顯著提升的關鍵因素之一。他引用Boris Chen的實踐經驗強調，是否具備驗證機制，是“生成糟糕輸出”和“真正可用且經過驗證的結果”之間的巨大差異。在John看來，驗證可以嵌入多個維度，比如，在後端任務中加入整合測試或單元測試；在前端任務中，讓Agent自己操作 Chrome 瀏覽器、截圖並進行自我驗證；在移動端場景下，甚至可以使用 ADB 來模擬互動，無論採用什麼驗證方式，這將是創造性工程大量湧現的地方。此外，他特別指出，驗證極具挑戰尤其是UI驗證。比如，目前在沒有成熟視訊模型進入Agent解碼循環的情況下，我們如何確認介面互動的真實效果？”截圖是一種方法，但並不完美。領域特定語言（DSL）、模擬器控制邏輯、可觀測資料分析，都是可能的替代路徑。再比如，在日誌層面，Agent在驗證過程中能“觀察”到那些可觀測資料？這些資料能否幫助它完成自我驗證？諸如，OpenAI 開始使用 LogQL，在驗證循環中記錄大量記錄檔，讓Agent在執行過程中攜帶日誌資料，從而判斷資料是否真實正確，而不是只依賴測試結果。“沒有驗證循環，Agnet只是一次性推理工具；有驗證循環，Agent才具備自我修正與質量保證能力。”Agentic工具化：凡是需要人手操作的地方，都是摩擦當Agent執行流程頻繁被打斷時，問題通常不在模型，而在工具層。John引用Peter Steinberger 的觀點，將這種阻礙稱為“摩擦”。他也發出了這樣的疑問：“什麼在阻礙Agent？Agent循環中有那些步驟必須由人類接手？”如果每次遇到邊界條件都需要人工干預，那麼自動化永遠無法形成穩定結構。反觀Agent技術越來越成熟，他也承認，有越來越多的公司開始建構Agentic工具，比如ChatGPT和Gemini引入搜尋功能、深度研究、多模態能力、任務系統等能力，這些本質上都可視為Agentic工具。在John看來，OpenClaw是Agentic工具最成功的案例。他指出，OpenClaw成功的重要原因並非模型能力更強，而是建構了大量 CLI 工具，讓Agent能夠完成原本需要人工處理的任務。“工具化的本質，是將一次性的人類操作轉化為可復用的自動能力。當Agent無法完成任務時，與其手動接管，不如建構一個工具。”凡是需要登錄網站修改配置、手動觸發指令碼、重複執行命令的地方，都意味著潛在的工程機會。Agentic程式碼庫：程式碼的結構，決定了Agent的理解深度你的程式碼庫是否為AI Agent做過最佳化？John給出的回答是：大多數老項目幾乎完全沒有為Agent做過最佳化。目前有多少是死程式碼或糟糕的設計模式？有多少相互競爭的框架共存於其中？他強調道，清理程式碼庫、提升工程質量非常重要。因為每一次“糟糕的上下文”進入你的Agent循環，本質上都在污染Agent。Agent本質上是機率性的，如果你的程式碼中存在奇怪的、相互衝突的模式，就必須主動清除它們。在John看來，OpenAI在這方面做的更好，OpenAI最佳化檔案結構時始終讓AI能夠穩定、持續地生成一致的內容。此外，他們還加入了面向Agent的日誌系統，讓Agent可以讀取日誌資料。建立的文件不僅服務於人類開發者，也服務於Agent，以便Agent能夠掌握領域知識。“OpenAI將所謂的“黃金原則”直接編碼進程式碼倉庫。規則非常明確、風格高度統一，這種一致性是為未來的Agent而設計，而不僅僅是為未來的人類工程師。”John補充道。“我們必須意識到，我們不再只是為下一位工程師寫程式碼，而是在為下一位Agent寫程式碼。”複合式工程：當能力開始疊加John表示，“複合式工程”的思維方式，是團隊成功的關鍵。”何為複合式工程？John做了詳細的拆解：如果把‘上下文工程、Agentic驗證、Agentic工具化、Agentic程式碼庫最佳化’全部結合起來；如果把所有知識都放入程式碼庫，讓Agent能夠看到、共享；如果整個團隊都真正認同 agentic engineering 的理念，就會產生一種新的行為模式：隨著時間推移，不斷複利增長。“簡言之，每當最佳化一個工作流、加入一個新技能；每當建構一個新的 MCP；每當把這些能力納入程式碼庫與共享庫中，這一切都會產生複利效應,這就是複合式工程。”在五大支柱中，John把複合式工程放在了最後，原因在於這些理念必須被真正內化，並在團隊中傳播。同時,他也道出了目前大部分團隊存在的問題：每個人都有自己的工作流，每個人都在本地做最佳化，但團隊內部缺乏統一理念。Jonh認為，未來的團隊應該向OpenAI團隊學習，因為他們集體認同這一理念，共同復合地積累知識、工具和工作流，讓Agent隨著時間推移越來越強大，能夠自我驗證、持續運行，甚至讓程式碼在很大程度上“自我建構”。 (51CTO技術堆疊)

現在矽谷最火的詞，絕對是Claw。就在過去的半個月裡，全球AI巨頭似乎集體接到了一份名為“做自己的OpenClaw”的劇本。大家都很急。Meta急了。在Manus的熱度上再添一把火，甚至等不及把新推出的Manus Agent塞進telegram裡。Anthropic更急。作為Claude Cowork背後的人，它在過去48小時內瘋狂上新迭代，生怕身後的追隨者看清它的背影。微軟急了。Microsoft Copilot Task閃電落子，誓要在Windows辦公生態裡豎起最硬的、自家的Agent屏障。Notion更急。3.3版本幾乎是“原地Agent化”，直接把Agent變成了7x24小時輪班的數字員工。甚至連Perplexity都坐不住了。不再甘心只做搜尋，轉頭就掏出了端到端的All AI in One“全端項目經理”。畫風之統一、動作之迅猛，彷彿誰慢一秒，誰就會被踢出下一代AI競爭的入場券。至於那些還沒有自己Claw的AI巨頭，應該已經在去“海鮮市場”的路上了。這些巨頭下場做的“自家OpenClaw”，Open不Open另說（不是）……但在“把AI變成能執行任務的系統級Agent”這件事上，大廠們的動作出奇地統一。這場由OpenClaw引發的效應，正在演變成一場關於AI Agent進化的 “龍蝦大戰”。曾經那個只能陪你聊天的對話方塊，正在集體“長出爪子”，撕碎舊有的工作流，直撲那些人類最頭疼的瑣碎工時。具體有那些玩家入局？Claw（螯/爪）這個詞兒，在這一波Agent浪潮中被賦予了特殊的象喻：AI長出的能夠點選滑鼠、操作 App、調度檔案的“手”。既然模型已經足夠聰明，那就給它最高權限，讓它替人類去幹活唄！過去十幾天裡，包括微軟、Anthropic、Meta在內的多家巨頭，都興致勃勃開始“烹飪”龍蝦了。Meta ManusMeta最有意思。在去年年底重金購入Manus這個強力Agent的情況下，他們又讓Manus推出了進階版本Claw——Manus Agent，並且把這玩意兒直接接入了telegram的聊天室。Manus Agent的重點在於長期記憶。Meta試圖讓Manus Agent記住你的風格、語氣甚至那些細碎的偏好。想像一下，你在telegram上給它發一句“按老規矩幫我做個視訊”，它就能自動呼叫你的歷史素材，配合Gmail和 Notion，完成從指令碼、視訊生成到傳送的全流程。使用者們樂見其成，並且還期待更多功能：以及，讓Agent走進社交場域這一集，總感覺咱在那裡看過？（狗頭保命）Ahthropic作為在一月初就推出了Claude Cowork並引發熱潮的先行引領者，Anthropic並沒有讓自己的腳步慢下來。過去48小時內，A社唰唰往外出貨——先是發佈了手機遠端操控程式碼，然後又丟出了自動化Agent task（定時任務）。有網友已經焊跳預言家了：我預計2-4周後Claude Cowork，能和OpenClaw媲美。更多網友就OpenClaw和Anthropic在本輪龍蝦大戰中的戰略戰術問題展開了激烈討論。微軟作為鈔能力與生態位的頂級玩家，Microsoft剛剛宣佈了自己的Microsoft Copilot Tasks。它可以做啥呢？第一，自主計畫。不用等你投喂指令，Microsoft Copilot Tasks能根據你的日程安排，主動制定本周的工作計畫。第二，跨應用操作。Microsoft Copilot Tasks可以讀取你的Outlook郵件，抓取關鍵資訊，然後自動在Google Calendar上預約會議，順便 在PowerPoint裡生成匯報提綱。第三，定時任務（Cron Jobs）。你可以告訴它，讓它“每天下午五點自動彙總今日團隊進度並行送周報”，然後自己準時下班拎包就走。如網友留言那樣，它能很好地接入微軟生態。既然你的辦公場景就在Windows、Outlook和Excel，那咱就直接在這些應用裡植入一個Claw。NotionNotion兩天前發佈的Custom Agents，可能是AI大廠們目前對“Claw”概念落地最徹底的產品。Custom Agents是一套完全自主的系統，它的發佈標誌著Notion正式從文件工具轉型為協作平台。它能在不需要手動輸入prompt的情況下，24/7全天候待命。只需要給它一個“任務描述”，並設定觸發條件（比如：有人在Slack上@我），它就會自動開工。Notion官方表示，在測試階段，Custom Agents的早期使用者已經建立了超過2.1萬個Custom Agents。在Notion內部，則有2800個Custom Agents在輪班工作。官方還在長文中介紹：通過MCP協議，Custom Agents可以自由穿梭在Slack、Figma、HubSpot和Notion Mail之間。網友表示，oh，這看起來更像一個企業級的OpenClaw～就是不知道價格怎麼樣了。PerplexityPerplexity昨天推出了自己的Claw：Perplexity Computer。這個產品試圖將搜、研、計、編、部署統一。只要你有一個想法，它幫你研究完後直接寫程式碼並部署上線。詳細內容可以看我們昨天的推文，指路《21萬年費彭博終端機被AI復刻！Perplexity倆月憋出新“PC”：整合所有AI功能，以Opus為核心調度19個模型》。為什麼是現在？為什麼這些巨頭在幾年來始終如一的大模型熱之後，在此時此刻集體轉向了“Claw大戰”？這一關乎整個AI產業底層邏輯的深刻巨變，原因至少有三個。首先，最核心的變數在於模型能力終於跨越了那道至關重要的信任閾值。在一開始，AI擅長作畫吟詩，但在處理多步驟、高邏輯密度的複雜任務時，還是無奈會出現一本正經胡說八道。然而，隨著像o1這樣基於強化學習、引入CoT推理路徑的模型出現，AI的邏輯一致性得到了質的飛躍。到了現在，人類已經能夠大膽地把部分系統權限交給AI Agent了。看看Notion 3.3的Custom Agent，它甚至允許企業級使用者即時審計AI的每一次點選、每一條日誌。其次，行業共識正在發生漂移。Scaling Law的紅利進入邊際遞減區間後，純粹靠堆算力、堆資料來換取模型參數的提升，在使用者感知端已經越來越不明顯。各大AI巨頭敏銳地察覺到，下一波增長曲線不在於模型變得多麼“博學”，而在於它變得多麼“能幹”。讓AI直接去網頁上幫我訂一張機票、去後台改一串程式碼，顯然對使用者來說更香。這種從“知識中心”向“執行中心”的重心偏移，正是“Claw 化”浪潮的本質驅動力——尤其是在Manus、Claude Cowork、OpenClaw展示出自己的實力過後。最後，也是 AI 商業化進入深水區的必然選擇：生產力兌現的邏輯正在從“賣token”轉向“賣工時”。在傳統的AI Chatbot，使用者的付費意願受限於產出內容的字數或優美程度。但在Agent 時代，AI兜售的是實打實的勞動時間。就像Vercel技術經理Brian Emerick那句話說的那樣：“很快，公司裡跑來跑去的Agent可能會比人還多。”可以說，矽谷巨頭們集體交卷，是因為他們終於看清了 AI 變現的終極路徑—— (量子位)

當地時間2月24日，社交媒體巨頭Meta與美國晶片設計公司AMD共同宣佈，雙方簽署了一項為期5年的戰略合作協議。根據協議，Meta將在未來5年內，採購高達6吉瓦算力的AMD資料中心裝置。首批搭載AMD新一代定製款MI450圖形處理器的算力裝置，預計將於今年下半年開始部署。這筆交易的總金額將超過600億美元，甚至達到上千億美元。本次合作最引人矚目的是其創新的財務安排。為了深度繫結，AMD向Meta授予了基於業績的認股權證，允許Meta未來以每股僅1美分的價格，購買最多1.6億股AMD股票。如果雙方達成特定的技術和商業里程碑，Meta有望持有AMD高達10%的股份，從單純的客戶變為重要戰略股東。對Meta來說，繫結AMD可實現供應鏈多元化，擺脫對單一供應商的過度依賴，大幅強化人工智慧（AI）基礎建設。而對於AMD而言，這筆千億級訂單不僅為其帶來了未來5年的穩定營收，更關鍵的是，它證明了AMD具備服務頂級超大規模雲端運算廠商的能力，穩固其行業地位。業內分析人士指出，這一合作將推動全球科技巨頭AI基建投資競賽持續升溫，打破市場壟斷格局，加速AI晶片多元化競爭與技術創新。更多資訊請看今日雙語“外企頭條”↓Google推出新版人工智慧圖像生成模型Nano Banana 2Google Launches Its New Version of AI Image Generator Nano Banana 2據外媒報導，總部位於美國的搜尋引擎公司Google2月26日宣佈推出其AI圖像生成工具的新版本Nano Banana 2，旨在更快速地生成更優質的視覺內容。According to foreign media reports, Google, a search engine company headquartered in the U.S., announced on February 26th the launch of a new version of its AI image generation tool, Nano Banana 2, aimed at generating higher-quality visual content more quickly.據介紹，更新後的版本可生成更高解析度的圖像、更優質的資訊圖和資料可視化內容，並可加入用於行銷或賀卡用途的文字。The updated version can generate images with higher resolution, superior infographics, and data visualization content, and can also incorporate text for marketing or greeting card purposes.Google表示，Nano Banana 2將把此前僅限於Pro版本的功能向所有使用者開放。Google stated that Nano Banana 2 will make features previously exclusive to the Pro version available to all users.報導指出，隨著Open AI、字節跳動和Adobe推出相關熱門產品，人工智慧圖像和視訊生成領域的競爭正日趨激烈。The report points out that the AI image and video generation is becoming increasingly fierce, with Open AI, ByteDance and Adobe introducing popular products.Block公司裁員近半，股價飆升24%Block Shares Soar 24% as Company Slashes Workforce by nearly Half據外媒報導，美國金融科技公司Block2月26日宣佈將裁減超過4000名員工，佔其員工總數的近一半。該公司股價在盤後交易中飆升超過24%。According to foreign media reports,on February 26th, the U.S. fintech company Block announced that it would lay off over 4,000 employees, accounting for nearly half of its total workforce. Shares of the company skyrocketed more than 24% in extended trading.Block首席財務官表示，此次裁員將使公司“通過組建規模更小但極具才華的團隊，利用人工智慧實現更多工作自動化，從而實現更快的發展。”Block's CFO said the job cuts would enable it "to move faster with smaller, highly talented teams using AI to automate more work."Block還預計，其他公司也會相應調整員工隊伍，因為“智能工具”會帶來更高的效率提升。Block also predicts that other companies will similarly adjust their workforce as they gain higher efficiency improvements from "intelligent tools". (經濟日報)

據媒體報導，人工智慧（AI）研究公司OpenAI從Meta挖走了知名AI研究員Ruoming Pang（龐若鳴），而Ruoming Pang大約七個月前從蘋果公司加入Meta。據悉，在OpenAI數月積極招攬下，Ruoming Pang於上周離開Meta。Ruoming Pang此前負責Meta“超級智能實驗室”（Superintelligence Labs）的AI基礎設施工作，該部門正在開發公司下一代AI模型。“超級智能實驗室”（Superintelligence Labs）是Meta去年夏天新成立的AI部門，由Scale AI前首席執行長Alexandr Wang和GitHub前首席執行長Nat Friedman共同領導。作為知名華人AI工程師，Ruoming Pang在上海成長，先後畢業於上海市向明中學、上海交通大學，後出國留學，曾在Google任職長達15年，他於2021年加入蘋果，負責領導基礎模型研發團隊（AFM）。據媒體報導，Ruoming Pang去年加入Meta時，獲得了一份為期數年、總價值超過2億美元（約合14億元）的薪酬方案。在爭奪AI技術主導地位的競賽中，科技公司正競相提供天價薪酬方案，以吸引頂尖人才，其中以Meta為典型代表。從去年開始，Meta不惜投入重金招募最頂尖的AI研究人員和工程師，動輒開出數千萬美元、甚至高達1億美元的薪酬方案。而OpenAI正是最大的受害者，包括Shengjia Zhao和Jiahui Yu等在OpenAI具有重要地位的AI工程師均被Meta成功挖角。除了豪擲重金外，Meta首席執行長馬克·祖克柏還親自下場，頻繁向AI領域的人才傳送電子郵件和WhatsApp消息。據OpenAI首席研究官Mark Chen去年12月在一檔播客節目中爆料，祖克柏甚至會親自煲湯送給他想挖的人。為了抵禦競爭對手搶人，OpenAI大幅提高了員工薪酬，包括提供高額獎金，以及股票套現機會。對Meta而言，Ruoming Pang的離開表明，競爭對手同樣可以挖走該公司的員工。而祖克柏不惜以超高薪水引入AI領域人才，已經引發公司老員工的不滿。Meta前首席AI科學家楊立昆（Yann LeCun）和前AI研究副總裁Joelle Pineau均已離開了該公司。與此同時，資本市場正持續質疑Meta在AI領域的巨額投入，自四季報公佈以來，Meta股價累計下跌了逾11%。 (科創日報)

當地時間2月24日，人工智慧（AI）晶片大廠AMD宣佈和Meta達成了一項多年的合作協議，Meta將部署高達6吉瓦的AMD Instinct GPU為其的AI基礎設施提供動力。有分析稱，該協議價值約1000億美元。最新的合作協議拓展了雙方現有的戰略合作夥伴關係，並在晶片、系統和軟體方面協調發展路線圖，旨在為 Meta 的工作負載量身打造 AI 平台。Meta將部署MI450 GPU和Helios機架方案，今年下半年開始交付Meta部署的首批AI系統是基於AMD Instinct MI450 架構定製的GPU和代號為“Venice”的第六代AMD EPYC CPU，運行 ROCm 軟體，並基於 AMD Helios 機架級架構建構，該機架級架構由AMD 和Meta通過開放計算項目 (Open Compute Project)聯合開發，旨在實現可擴展的機架級 AI 基礎設施。預計將於2026年下半年開始發貨。（相關文章：AMD發佈Helios機架：18個2nm CPU+72個MI455，FP4算力2.9EFLOPS！）AMD董事長兼首席執行長蘇姿丰博士表示：“我們很榮幸能與Meta公司拓展戰略合作夥伴關係，助力他們以前所未有的規模突破人工智慧的界限。此次合作將持續多年，涵蓋Instinct GPU、EPYC CPU和機架式人工智慧系統，使我們的產品路線圖保持一致，從而為Meta的工作負載提供高性能、高能效的最佳化基礎設施，加速業界規模最大的人工智慧部署之一，並將AMD置於全球人工智慧建設的核心地位。”Meta創始人兼首席執行長馬克·祖克柏表示：“我們很高興與AMD建立長期合作夥伴關係，共同部署高效的推理計算能力，並提供個人超級智能。這對Meta而言是實現計算多元化的重要一步。我期待AMD在未來多年裡繼續成為我們重要的合作夥伴。”Meta將成為Venice CPU主要客戶除了在GPU領域的合作之外，AMD和Meta正在拓展雙方在AMD EPYC處理器領域的合作關係。Meta與AMD已攜手走過數代產品，在其全球基礎設施中部署了數百萬顆AMD EPYC CPU以及大量的AMD Instinct MI300和MI350系列GPU。AMD表示，隨著AI基礎設施規模和複雜性的不斷增長，CPU已成為AI計算堆疊的戰略支柱，與GPU共同實現效率、可擴展性和編排能力。基於雙方產品路線圖的深度契合，Meta將成為第六代AMD EPYC CPU（代號“Venice”）和下一代EPYC處理器“Verano”的主要客戶。“ Verano”處理器針對特定工作負載進行了最佳化，旨在提供卓越的每瓦性能。蘇姿丰表示，Meta計畫採購的這款定製CPU將經過精心調校，在提供強大性能的同時，儘可能降低能耗。該協議將涵蓋AMD的兩代CPU。“毫無疑問，馬克·祖克柏對他想要實現的目標非常有雄心壯志，我們希望利用我們技術的方方面面來真正幫助 Meta 實現這一目標，”蘇姿丰說道。Meta的多元化戰略：自研晶片繼續推進不過，Meta並不希望依賴於少數晶片供應商，而是希望多元化。祖克柏在聲明中也強調：“對於Meta而言，這是實現計算多元化的重要一步。”就在幾天之前的2月17日，Meta也與輝達（NVIDIA）宣佈建立多年、跨世代的戰略合作夥伴關係。Meta將實現輝達 CPU 和數百萬個Blackwell 和 Rubin GPU 的大規模部署，以及將輝達 Spectrum-X 乙太網路交換機整合到 Meta 的 Facebook 開放式交換系統平台中。同時，Meta也在持續推進自研晶片。Meta 的基礎設施負責人 Santosh Janardhan 在與記者的電話會議上也表示，Meta 計畫繼續從其他供應商購買晶片，同時開發自己的內部處理器。對此，蘇姿丰也表示，“Meta有很多選擇。我希望確保在他們考慮下一步需求時，我們始終擁有發言權。”Meta已承諾在未來幾年內至少投資6000億美元用於美國的資料中心和人工智慧基礎設施建設，其中包括預計2026年1350億美元的資本支出。Meta最近公佈了在印第安納州建設一座價值100億美元的燃氣資料中心園區的計畫，該園區設計計算能力為1吉瓦。Meta可認購10%的AMD股份作為協議的一部分，為了進一步協調雙方的戰略利益，AMD也將向Meta授予了一份為期5年的基於業績的認股權證，每股行權價為0.01美元，最多可認購1.6億股AMD普通股，約佔公司股份的10%。該認股權證將根據與Instinct GPU出貨量相關的特定里程碑逐步授予。首批認股權證將在Instinct GPU出貨量達到1吉瓦時授予，後續認股權證將隨著Meta的採購量增長至6吉瓦而逐步授予。此外，認股權證的授予還與AMD股價達到特定閾值掛鉤，而Meta能否行使認股權證則取決於其是否達成關鍵的技術和商業里程碑。據《華爾街日報》報導，全部股票獎勵取決於AMD的股價，股價需要達到600美元，Meta才能獲得最後一筆股票獎勵。AMD股票周一收於196.60美元。AMD執行副總裁、首席財務官兼財務主管 Jean Hu 表示：“我們預計此次合作將推動公司未來多年營收大幅增長，並提升我們的非GAAP每股收益，這標誌著我們在實現雄心勃勃的長期財務模式方面又邁出了重要一步。這種基於業績的合作模式也使AMD和Meta在執行力和長期價值創造方面緊密結合。”需要指出的是，AMD此次與Meta達成的合作協議與去年和OpenAI達成的協議基本一致。2025年10月6日，AMD與OpenAI共同宣佈，雙方達成一項6吉瓦的協議，為OpenAI的下一代AI基礎架構提供動力，該基礎架構將基於多代AMD Instinct GPU。首批1吉瓦的AMD Instinct MI450 GPU部署預計將於2026年下半年開始。同時，AMD將向OpenAI發行了至多達1.6億股AMD普通股的認股權證，如果OpenAI行使全部認股權證，將可以獲得AMD約10%的股權。受該利多消息刺激，AMD在2月24日美股盤前交易中一度大漲超15%，隨後的盤中交易也一度大漲超10%，最終收盤上漲8.77%，報收於213.84美元/股，市值3486.47億美元。 (芯智訊)