周四，在1月底創出歷史新高之後，美股迎來了最黑暗的一天，科技股集體下跌。華爾街普遍認為，這與一起由20歲女性提起的里程碑式訴訟有關，或意味著科技巨頭們未來將面臨巨大的法律風險。美股“七巨頭”慘跌周四，華爾街的基準指數標普500收跌1.74%，納斯達克綜合指數更是大跌2.38%，雙雙創下1月20日以來最大跌幅和六個月以來的新低。值得注意的是，納斯達克綜合指數已較去年10月下旬的峰值下跌超過10%，跌破了所謂“技術性調整”的門檻。其中，科技股集體重挫。Meta Platforms（META）跌幅居前，暴跌7.96%創出11個月新低，單日跌幅僅次於去年10月30日的11.34%。一天之內，Meta總市值縮水1200億美元，至1.39兆美元。另外，輝達（NVDA）下跌4.16%；特斯拉（TSLA）下跌3.59%；Google（GOOG）下跌3.06%；亞馬遜（AMZN）下跌1.97%；微軟（MSFT）下跌1.37%創出11個月新低。“七巨頭”中僅有蘋果（AAPL）收紅，微漲0.11%。更慘的是，有資料顯示，截至周二收盤，“七巨頭”的股價都比過去52周高點下跌了兩位數百分比。其中，微軟慘上加慘，較高點下跌超過33%。對此，部分華爾街分析師表示悲觀。“我不太確定現在是不是買入‘七巨頭’的好時機——我認為它們還有更大的下行風險，”Slatestone Wealth首席市場策略師 Kenny Polcari表示。“就算以後它們大幅上漲，我現在也不會貿然入場。我覺得我的錢還有其他地方可以投資，”他補充道。20歲女性起訴Meta贏了對於“七巨頭”的拋售潮，華爾街有很多解釋，包括：美伊戰爭帶來的不確定性、油價上漲引發頑固通膨、聯準會維持高利率、巨額的AI基建支出承諾引發擔憂等等。但最新最危險的一根導火線，正是一位20歲女性針對Meta的里程碑式訴訟。加州陪審團周三裁定，Meta和Google應對一名自幼年時便沉迷於社交媒體的女性的抑鬱和焦慮負責，並賠償她600萬美元。這一罕見的判決讓矽谷為其在加劇青少年心理健康危機中所扮演的角色承擔了責任。陪審團裁定，Meta和Google應向該女子支付300萬美元的補償性賠償金和300萬美元的懲罰性賠償金，其中Meta應承擔70%的賠償金。本案原告是一名20歲的女性，姓名首字母為“KGM”。中為KGMKGM在二月份作證時表示，她早期使用社交媒體導致她對這項技術上癮，並加劇了她的抑鬱症和自殺念頭。她說，由於使用社交媒體，她患上了身體畸形恐懼症——一種經醫生診斷的臨床疾病。今年二月，KGM在庭審中表示，她從6歲開始使用YouTube，9歲開始使用Instagram。到小學畢業時，她已經在YouTube上發佈了284個視訊。KGM告訴法庭：“我不再與家人聯絡，因為我把所有時間都花在了社交媒體上。”她還補充說，她從10歲開始就患有焦慮症和抑鬱症，後來被確診患有這兩種疾病。KGM表示，一些功能，例如通知，會讓她感到“興奮”，而律師則認為這些功能是故意設計成讓人上癮的。KGM說，她有時會在上學期間去廁所，只是為了查看通知。KGM還表示，她幾乎在所有照片上都使用了Instagram濾鏡，這些濾鏡會改變照片的容貌。她說，在開始使用社交媒體和濾鏡之前，她從未體驗過與身體畸形恐懼症診斷相關的負面情緒。1月下旬，Snapchat的母公司Snap Inc.已就此案達成和解。和解的具體細節尚不清楚。對這一判決結果，Meta以及Google旗下的YouTube發表聲明表示異議。他們表示將考慮採取法律行動，包括提起上訴。社媒平台股價暴跌Meta近期的麻煩還不止這一起，周二，經過近七周的審判，新墨西哥州的一個陪審團裁定，Meta對兒童心理健康有害，並違反了該州的消費者保護法。陪審團支援州檢察官的論點，即擁有Instagram、Facebook和WhatsApp的Meta將利潤置於安全之上。陪審團認定，Meta違反了該州《不正當競爭法》的部分條款，指控該公司隱瞞了其平台上存在的兒童性剝削風險及其對兒童心理健康的影響，裁定Meta必須支付3.75億美元的賠償金。此外，超過40位州檢察長對Meta提起訴訟，聲稱Meta故意設計令人上癮的Instagram和Facebook功能，加劇了年輕人的心理健康危機。受此裁決影響，Reddit（RDDT）和Snap Inc.（SNAP）等其他社交媒體平台的股價周四也出現暴跌，分別下跌超過8.86%和10.69%，分別創出9個月新低和歷史新低。歷史性判決影響科技巨頭的走勢雖然對於Meta這樣一家市值1.5兆美元、年淨收入超過600億美元的公司來說，這些處罰微不足道。但從法律角度和對科技巨頭的影響來說，這是三起具有里程碑意義的訴訟案件。這也是陪審團首次認定社交媒體應用程式應被視為缺陷產品，因為它們被設計用來利用兒童和青少年正在發育的大腦，這一判決可能會為成千上萬起類似的訴訟定下基調。哈佛大學法學院講師蒂莫西·埃德加將這些結果描述為“一個重大的分水嶺事件”，它“代表著美國人看待大型科技公司方式的巨大轉變”。“這可以說是多年來日益增長的懷疑情緒的最終體現，”埃德加說。“這可能會導致公司改變應用程式和平台的運作方式，”Emarketer的高級社交媒體分析師Minda Smiley表示。任何對產品的重大改變“都可能——而且很可能會——改變廣告商希望在這些平台上展示廣告的方式，從而對公司的盈利產生重大影響。”這些裁決也預示著《通訊規範法》第230條（保障言論自由）可能面臨重新審視。新墨西哥州總檢察長勞爾·托雷斯表示：“這些案件很有可能促使國會重新審視第230條款，即使不廢除它，也會對其進行大幅修改。”托雷斯說：“我認為陪審團對公司處以罰款並追究其責任，向華盛頓特區的政策制定者發出了一個重要的訊號，表明社區中存在著亟待解決這些問題的緊迫性。”美國參議院司法委員會資深成員、伊利諾伊州民主黨參議員迪克·德賓支援改革第230條款，並表示最新的判決加強了他的立場。“新墨西哥州和加利福尼亞州接連做出的這些決定表明，大型科技公司已經變成了大型菸草公司，”德賓在一份聲明中說道。他指的是上世紀90年代，當時菸草公司因向公眾隱瞞其產品的危害而被勒令支付數十億美元的罰款。“現在，國會是時候徹底廢除第230條了。” (美股財經社)

美國社交媒體史上具有里程碑意義的一起案件迎來裁決。綜合美國有線電視新聞網（CNN）、英國廣播公司（BBC）等外媒報導，美國洛杉磯的一個陪審團當地時間3月25日裁定，Meta及YouTube應對其平台具有成癮性並導致青少年心理受到傷害負責，要求兩家公司合計賠償原告600萬美元（約合人民幣4100萬元）。“平台故意讓人上癮”據報導，現年20歲的加州女子凱莉（Kaley）和她的母親此前起訴了Meta（Facebook、Instagram等社交媒體母公司）、Google旗下視訊分享網站YouTube，以及Snap和TikTok，指控這些公司故意讓凱莉在童年時期上癮，並導致她產生焦慮、軀體變形障礙和自殺念頭。Snap和TikTok在庭審前已和原告達成和解，但和解金額未公開。凱莉表示，她從9歲開始使用Instagram，6歲開始使用YouTube，在此過程中並沒有遇到任何因其年齡而阻止她使用的嘗試。"我不再與家人交流，因為我把所有時間都花在了社交媒體上，"凱莉在作證時說，並表示，她從10歲時開始出現焦慮和抑鬱的情緒，並在多年後確診。凱莉的律師說，Instagram的一些功能，如無限滾動等，是為了讓人上癮而設計的，並指出Meta的增長目標是讓年輕人使用其平台。在洛杉磯高等法院經過七周的審理後，陪審團又進行了一周多的審議，裁定Meta及YouTube支付總計300萬美元的補償性賠償，以及300萬美元的懲罰性賠償（Meta承擔210萬美元，YouTube承擔90萬美元）。當地時間2月18日，Meta聯合創始人兼CEO祖克柏在向陪審團作證後離開洛杉磯高等法院。 IC Photo陪審團認定，Meta以及YouTube故意建構了具有成癮性的社交媒體平台，導致凱莉的心理健康受到傷害。Meta應承擔70%的責任，YouTube承擔30%的責任。Meta和YouTube均表示計畫對判決提出上訴。Meta公司的發言人稱：“我們尊重但不同意這一判決，並將提出上訴。青少年的心理健康問題極為複雜，不能僅與單一應用掛鉤。我們將繼續積極辯護，因為每起案件情況不同，並且我們對保護青少年的線上安全記錄充滿信心。”Google公司發言人何塞·卡斯塔涅達回應稱，該案“誤解了YouTube，YouTube是一個負責任的串流媒體平台，而非社交媒體網站。”今年2月，Meta首席執行長祖克柏向陪審團作證時，曾表示公司的長期政策是不允許13歲以下使用者使用任何平台。當內部研究和檔案顯示Meta其實知道兒童在使用其平台時，祖克柏辯稱，他一直希望在識別13歲以下使用者方面取得更快的進展，他堅持認為，隨著時間的推移，公司已經找到了“正確的位置”。“這是一場全民公決”CNN稱，本案是全美超過1500起類似起訴社交媒體公司的案件中，第一個進入正式審判的，其裁決會對後續案件的處理起到參考和指引作用。也可能導致社交媒體平台的營運方式發生重大變革，尤其是針對年輕使用者的部分，同時可能讓科技公司面臨數百萬甚至數十億美元的損失。此外，這些公司還將在今年晚些時候面對由全美各地學區和州總檢察長提起的數百起額外訴訟。一些人將這一系列法律行動比喻為科技巨頭的“大菸草時刻”（Big Tobacco moment，上世紀美國菸草公司因長期隱瞞產品危害，最終面臨歷史性訴訟與巨額賠償的行業轉折點）。有律師對美國全國廣播公司（NBC）說，這一裁決的意義遠不止單一案件，“多年來，社交媒體公司一直以兒童為目標群體來牟利，同時卻隱藏其平台具有成癮性和危險性的設計特徵。今日的裁決是一場全民公決，由陪審團向整個行業發出，宣告問責已經到來。”據報導，宣判當天，美國各地青少年的家長也來到現場，這些父母表示，他們的孩子因為社交媒體受到傷害或死亡，他們希望這一裁決能推動美國國會通過更全面的網路安全立法。當地時間3月25日，因社交媒體失去孩子的家長聚集在洛杉磯高等法院外。 IC Photo就在洛杉磯的陪審團作出裁決前一天，新墨西哥州的一個陪審團也認定Meta對其平台危及兒童、使兒童接觸到露骨色情內容及與性侵犯者接觸負有責任。研究和諮詢公司弗雷斯特（Forrester Research）研究總監邁克·普羅克斯說，這一連串裁決凸顯了社交媒體公司與公眾之間的“臨界點”。近幾個月來，澳大利亞、英國等國已經對青少年使用社交媒體施加限制。“針對社交媒體的負面情緒已經積累多年，如今終於爆發。”普羅克斯說。原告凱莉的律師馬克·拉尼爾對NBC說，他希望這些訴訟程序能夠帶來透明度和問責制，“讓公眾看到這些公司一直在我們國家乃至全球策劃並製造一場成癮危機。”拉尼爾坦言，這是他42年律師生涯中遇到的最棘手的案件。“我認為陪審團明白，這是中國歷史上第一個關注社交媒體成癮的案件。他們不想留下任何疑問，而是要表明自己對證據進行了非常認真、嚴肅的審查，” 拉尼爾表示，“所以他們花了很長時間，他們仔細審閱每一個問題，並對每一項都給出了‘是，有罪’的答案。” (觀察者網)

半導體IP領域巨頭Arm下場推出實體晶片了。美國當地時間3月24日，Arm宣佈首次將產品矩陣延伸至量產晶片產品領域，首發產品為Arm AGI CPU。這是一款由Arm自主設計、面向AI資料中心的CPU晶片。根據介紹，首批晶片產品將在今年內陸續推出。Arm此舉也獲得了資本市場認可，3月25日美股收盤，Arm股價大漲超16%。一直以來，Arm的常規商業模式都是推出半導體IP給晶片設計廠商（如高通和聯發科）、雲服務廠商（如亞馬遜雲、阿里雲）等，由後者根據需要對這些IP進行晶片設計工作，再交由晶圓代工廠進行製造。這令Arm長期以來的收入構成主要為授權費（license）和版稅（royalty），其此前並未真正推出實體晶片產品。此番真正激發Arm正式下場推出晶片的，來自於AI浪潮翻湧。Arm首席執行長Rene Haas在演講環節就指出，AI時代CPU晶片正承擔核心計算任務。尤其是近幾個月以來，以Open Claw“龍蝦”為代表的智能體（Agent）興起，涉及大量調度類計算工作，這就需要由CPU晶片來完成，這也是加速晶片（如GPU晶片）無法替代的能力。自此，Arm在原有IP、計算子系統（Compute Subsystems，CSS）業務基礎上，新增Arm自主設計的晶片產品。Meta是其早期合作夥伴及聯合開發者，首批還官宣了一系列合作方和OEM代工方。當然，在IP領域發展多年的Arm如何紮根CPU晶片市場，又計畫如何與x86既有陣營競爭？在受訪環節，高管團隊進行瞭解答。CPU新機遇自Open AI將ChatGPT推入市場至今，全球公認需求旺盛的領域是GPU及其產業鏈相關晶片。這也導致輝達業績和股價持續上升，一度成為美股市值新“王”。這令大眾忽略了一個事實：CPU晶片依然不可或缺。Rene Haas在演講中分析道，大語言模型爆發之前，傳統雲端運算使用的流程是：輸入指令-得到搜尋結果，CPU就承擔了其中核心計算任務。加入AI能力後，開始轉變成通過人們的手機、電腦等移動裝置輸入提示詞給雲端，雲端將其轉化成詞元（token）輸送給AI資料中心，再由資料中心內的加速器晶片生成對應的計算結果，在這些流程中，資料中心CPU晶片就負責調度、管理，將token返回給使用者。這意味著CPU晶片在雲端和AI資料中心中仍將擔任重要角色。根據他預測，每吉瓦（GW）算力的資料中心大約需要3000萬CPU核心（cores），這包括AI叢集主節點、加速器、專用機架裝置等。（Rene Haas展示Arm AGI CPU，圖源：受訪者提供）而在最近幾個月，“龍蝦”熱正引發智能體爆發式增長。Rene Haas指出，智能體無需休息可以全時段運行，其發起請求的速度遠超人類。因此預計智能體發起的查詢會是人類token需求量的15倍甚至更多。海量的智能體工作負載發出，會讓資料中心不堪重負，這就需要越來越多的CPU晶片來平衡智能體負載。而智能體的工作流就涉及大量調度類計算，這是CPU晶片的優勢所在，也是GPU等加速晶片無法替代的。基於此，接受包括21世紀經濟報導在內的媒體採訪時，Arm雲AI事業部執行副總裁Mohamed Awad介紹道，選擇將自研CPU晶片定位解決Agentic AI的工作負載，正是源於客戶需求。由於智能體運行需要增加CPU晶片數量、規模累積後需要更高性能，但資料中心又面臨能耗限制，多重因素疊加，令市場上對這類符合要求的晶片存在明顯缺口。而Arm在與眾多超大規模雲服務商探討合作過程中，後者就提出，Arm此前提供IP和CSS的方案，並不能很好解決問題，希望能夠獲得更優的解決方案，最終Arm選擇推出CPU晶片。Mohamed Awad分析，代理式AI工作負載需要在大規模場景下實現持續穩定的性能輸出。Arm AGI CPU正是為此設計。Arm的參考伺服器採用1OU雙節點設計，每台刀鋒伺服器中整合兩顆CPU晶片，並配備獨立記憶體與I/O，共計272個核心。這些刀鋒伺服器可在標準風冷36千瓦 (kW) 機架中滿配部署，30台刀鋒伺服器可提供總計8160個核心。此外，Arm還與Supermicro合作推出200千瓦 (kW) 液冷設計方案，可容納336顆Arm AGI CPU，提供超過45000個核心。據介紹，在該配置下，Arm AGI CPU可實現單機架性能達到最新x86系統的兩倍以上，每吉瓦AI資料中心算力的資本支出 (CAPEX) 節省100億美元。爭奪戰場Arm此番推出CPU晶片，顯然直指搶佔x86沉澱多年的戰場。Rene Haas受訪時表示，Arm認為該款晶片預計未來有望在資料中心市場與x86爭奪份額，預計產品將被廣泛採用。根據介紹，Arm AGI CPU是旗下資料中心晶片產品線的首款產品，現已開放訂購。其後續產品規劃也已確認，該產品線將與Arm Neoverse CSS產品路線圖平行推進。按照規劃，2027年將推出第二代Arm AGI CPU晶片。（Arm AGI CPU計畫演進路線圖）此番也並非Arm獨立努力，其背後已經有一眾合作方。Meta就是首款晶片的早期合作夥伴及聯合開發者。據悉，Meta利用該代理式AI CPU最佳化其全系應用的基礎設施，並與其自研的Meta訓練與推理加速器（MTIA）協同部署，從而在大規模AI系統中實現更高效的編排與調度。雙方承諾將圍繞Arm AGI CPU的多代晶片產品展開長期深度合作。此外，Arm還確認與Cerebras、F5科技、OpenAI、SAP、SK電訊等企業達成進一步商務合作，計畫將這款晶片部署在加速器管理、控制平面處理、雲與企業級API、任務與應用託管等領域。在商業化方面，Arm也與聯想、廣達電腦、Supermicro（超微電腦）等OEM或ODM廠商合作，計畫在今年下半年逐漸落地。當然更受關注的是，在CPU晶片市場看起來還算“新人”的Arm，如何與x86架構多年的軟體生態積累競爭？Mohamed Awad受訪時指出，如果說4-5年前，Arm在資料中心軟體支援方面的確與x86架構生態存在差距。但在這些年間，包括Google、亞馬遜雲、Meta等頭部雲服務廠商以及輝達和多家中國公司，都在積極投資資料中心相關軟體生態系統，這也逐漸豐富了Arm在該領域的軟體包，目前已經有不少AI軟體先天採用Arm架構，目前有超過1萬家公司的資料中心在使用Arm旗下產品，這是Arm在當前資料中心軟體生態方面的信心。當然，目前為止，手機類業務依然是Arm業務的核心支撐。公司發佈的2025財年財報顯示，手機AP目前依然為公司版稅（royalty）業務貢獻45%收入構成，隨著Arm進入實體晶片市場，Rene Haas預計，5年後的2030年，資料中心CPU晶片市場的總潛在市場 (TAM) 規模約為1000億美元，其中Arm有望獲得150億美元營收；此外其持續發展的IP業務預計到2030年將達到百億美元規模。從行業視角看，作為長期處於產業鏈上游的IP巨頭，Arm向下游延伸，不僅反映了AI算力需求激增背景下，核心晶片在架構與系統層面進行深度協同的迫切性，也凸顯出資料中心市場正從性能競爭，轉向圍繞能效、規模與整體系統最佳化的綜合博弈。 (21世紀經濟報導)

上周，紐約時報報導了矽谷一個新風氣叫 tokenmaxxing，Meta 和 OpenAI 的工程師在內部搞 token 消耗量排行榜，比誰燒得多。黃仁勳在 GTC 2026 上更激進，提議企業給工程師發 token 預算，作為工資之外的第二份薪酬。OpenAI 的資料則顯示，過去一年企業客戶的推理 token 消耗量暴漲了約 320 倍。需求側在爆炸。供給側呢？黃仁勳在同一場 keynote 上搬出了 Tokenomics 這個概念，把它從加密貨幣的語境裡拎出來，重新定義為 AI 推理的經濟學。核心指標叫 Tokens per Watt，衡量每瓦特電力能產出多少 token。他說推理拐點已經到了，NVIDIA 預計 Blackwell 和 Vera Rubin 晶片訂單量到 2027 年將達到 1 兆美元。國內大模型廠商一直在講類似的事情，只是換了說法叫“推理成本”或者“token 單價”。不管那種說法，指向的問題是一樣的，當 token 變成 AI 時代的水電煤，誰來建發電廠和電網？過去三年，行業給出的答案是，建更大的資料中心，塞更多的 GPU。這在訓練時代完全成立。但推理和訓練的邏輯不同。訓練一個模型是一次性工程，推理要做幾十億次，而且對延遲極度敏感。當推理請求像洪水一樣湧來，把所有 GPU 集中在幾個超巨量資料中心裡，可能恰恰成了瓶頸。瓶頸不在算力，在物理。具體來說，在光速。推理時代撞上“光速牆”在今年 GTC 上，有一家公司對這個問題給出了非常系統的回答。Akamai，國內讀者可能不太熟悉這個名字，但在海外，它是 CDN 概念的開創者，也是目前全球最大的分散式運算平台，擁有業內最龐大的邊緣節點網路。1998 年成立，全球前十的視訊串流媒體平台、遊戲公司、銀行基本都是它的客戶。全球擁有超過 4400 個邊緣入網點，覆蓋 130 多個國家，承載全球近三分之一的網際網路流量。這家公司在近三十年裡經歷了三次轉型，從 CDN 到安全，再到雲端運算和 AI。今年 GTC 上，它帶來了兩個 session，核心主題只有一個，為什麼 AI 推理必須走向分佈式。Akamai CTO Office 的 SVP Andy Champagne 在 session 上描述了一個“個人 AI 導播”的場景，非常有畫面感。一場 F1 比賽有 20 多個 4K 機位同時在拍，傳統做法是導播間一個人切鏡頭，幾百萬觀眾看到的畫面一模一樣。但如果每個觀眾都能看到根據自己偏好定製的直播流，喜歡的車手、偏愛的鏡頭角度，那就需要在邊緣即時合成個性化的視訊。幾百萬路不同的 4K 視訊流，不可能從一個資料中心統一往外推。類似的邏輯出現在越來越多的即時場景裡。遊戲 NPC 需要在 50 毫秒內響應，超過這個閾值玩家體感明顯示卡頓。Akamai 產品管理 VP Shawn Michels 在另一個 session 舉了即時廣告插入的例子，從掃描視訊、識別廣告位、競價、生成個性化廣告到拼回視訊流，整條鏈路的預算只有 100 毫秒。這恰恰是 Akamai 的先天優勢所在，它在全球已有超過 4400 個邊緣節點，這種“就近處理”的能力不是純雲廠商從零搭建能輕易追上的。同樣的延遲壓力還存在於 AI 語音助手、電商推薦引擎、智能試衣間、自動駕駛感測器處理和工業產線質檢等場景中。AI 一旦嵌入即時應用，就必須繼承那個應用原本的延遲要求。物理定律不會因為 GPU 更快就網開一面。光在光纖中每秒約跑 20 萬公里，從倫敦到美東資料中心單程延遲約 28 毫秒，往返就是 56 毫秒。從東京出發更遠，往返約 134 毫秒。這還沒算任何計算時間。回頭看上面那些場景的延遲要求，不難理解為什麼把推理全部扔到少數幾個集中式資料中心裡是行不通的。延遲之外還有頻寬。Andy 在 session 裡算了一筆帳，同樣 1GW 的算力，如果集中在一個資料中心用 Blackwell 做視訊推理，出口頻寬需求是 75 Tbit/s。分佈到 20 個區域節點，每個只需 3.75 Tbit/s。集中式的出口流量是分佈式的 20 倍，背後的網路成本差距不言而喻。如果換成下一代 Vera Rubin，集中式的出口頻寬更是飆到 135 Tbit/s。晶片越快，集中式架構的出口瓶頸反而越嚴重。在同一個 session 上，Comcast負責 AI 與邊緣計算方向的嘉賓從等候理論的角度做了更嚴謹的分析。在相同 GPU、相同模型的條件下，集中式和分佈式部署之間僅僅 14 毫秒的往返延遲差異，就導致了約 30% 的 GPU 利用率差距。他的原話是，“這是物理定律層面的優勢，沒法靠 batching 或者提高 tokens/s 來彌補。”一個近三十年的伏筆Andy 在 session 上做了一個很有意思的類比，把 AI 的發展時間線和網際網路做對齊來看。網際網路的普及率已經超過 95%，AI 目前大約只有 7%。他的判斷是，AI 現在大概處於網際網路的 MySpace 時代。想想 MySpace 之後又誕生了多少公司、多少市值、多少技術突破。AI 的好戲才剛剛開始。這個類比其實點出了 Akamai 做分佈式推理的底層邏輯。近三十年前這家公司解決的問題和今天面對的問題，結構上是一樣的，把集中的東西變成分佈的。當年分發的是網頁和視訊，現在分發的是 AI 推理。方法論一脈相承。他在 session 結尾說了兩句話，頗能概括這種邏輯，“AI 工廠創造智能，AI Grid 分發智能”，以及“沒有分佈式推理的 AI，就像沒有 CDN 的網際網路”。GTC 期間，NVIDIA 官方將 Akamai Cloud 和 AWS 一起列為首批提供 RTX PRO Blackwell Server Edition 實例的雲服務商。黃仁勳 keynote 展示的合作夥伴 logo 牆上，Akamai 赫然在列。NVIDIA 電信業務全球副總裁 Chris Penrose 評價說，Akamai 通過營運 AI Grid，正在為生成式 AI、AI Agent 和物理 AI 建構連接組織，將智能直接推送到資料所在的地方。Akamai 也在 GTC 上正式發佈了業界首個全球規模落地 NVIDIA AI Grid 參考架構的方案，將 NVIDIA AI 基礎設施深度整合到自身的分佈式網路中。這不是一個鬆散的合作。Akamai 是首家將 AI Grid 從概念推到營運等級的廠商，底層跑的是 NVIDIA AI Enterprise 軟體棧、Blackwell 架構 GPU 和 BlueField DPU 加速網路的完整技術堆疊。推理基礎設施的幾個現實問題回到地面，對於正在考慮推理部署的 AI 團隊，有幾個繞不開的現實問題。不是所有推理都需要 H100。 這個認知正在被越來越多團隊接受。H100 為訓練和大規模推理而生，但如果跑的是 8B 參數的模型、做的是語音互動或者視訊分析，用 H100 就像開卡車送外賣。Akamai 目前部署的 RTX PRO 6000 Blackwell Server Edition 是一個值得關注的選項。直接看 Token 經濟，$2.50/小時全包價，每美元 Token 產出是同類方案的 2.1 倍。性能層面，這張卡配了 96GB GDDR7 視訊記憶體和 4,000 TOPS FP4 算力，在 NVFP4 精度下推理吞吐量比 H100 高出 60% 以上，對比上一代 RTX 4000 Ada 提升達 19 倍。另一個容易被忽略的差異是視訊處理能力，RTX PRO 6000 原生支援 112 到 132 路視訊編解碼，如果做的是視覺 AI 相關的產品，這個能力是定位於訓練和超算的 H100 不具備的。再加上風冷設計，在邊緣機房有限的空間和功耗條件下部署門檻低得多。Shawn Michels 在 GTC session 裡的觀點說的是未來的推理基礎設施一定是混合架構，不同 GPU 匹配不同的工作負載，沒有萬能卡。Egress 費用是隱性殺手。 很多團隊做預算時只看 GPU 租用價格，忽略了資料出站費。AI 產品服務全球使用者，視訊和模型響應產生的出站流量成本可能比 GPU 本身還貴。邊緣部署的經濟邏輯之一正在於此，推理結果在本地生成、本地交付，不用跨大半個地球回傳。Akamai 的 egress 價格是 $0.005/GB，和三大雲廠商的差距非常明顯。調度比算力更難。 GPU 散到全球各地只是第一步，更難的是讓每個請求找到最合適的那台機器。Akamai 在 GTC 上展示了他們的 AI 編排器（Orchestrator），這不是傳統的根據延遲和負載來分配流量的負載平衡。它會考慮模型親和性（那台機器已經載入了需要的模型）、GPU 視訊記憶體佔用、KV Cache 狀態等 AI 場景特有的因素來做即時路由決策。現場 demo 中，推理請求從巴黎節點即時切換到加州節點，使用者側完全無感知。這背後是 Akamai 做了近三十年流量調度的老本行，在 AI 場景上的自然延續。目前 Akamai 的 Blackwell GPU 節點已覆蓋歐洲、亞太和美洲共 19 個節點，配合 4400 多個邊緣入網點協同工作。對於出海的 AI 團隊來說，東京、新加坡、孟買、雅加達這些亞太節點尤其值得留意。出海 AI 創業者的第三種選擇Akamai 從 CDN 到安全，再到雲端運算和 AI 推理的轉型路徑，本身就是網際網路基礎設施演進的一個切面。它在這條賽道上的差異化在於，不是從零建資料中心，而是把已經運行了近三十年的全球分佈式網路變成了 AI 推理的底座。這步棋能走多遠，取決於它能不能跟上 AI 硬體更新的速度，也取決於邊緣推理的市場需求能否如預期般爆發。但對中國出海 AI 創業者來說，一件事正在變得越來越清楚，全球化部署推理能力正在從“以後再說”變成“現在就得解決”。合規（資料主權、不出境）、延遲（使用者體驗的硬門檻）、成本（egress 和 GPU 租用的真實帳單），這是出海時最現實的三座山。Akamai 的邊緣推理平台提供了一種此前不太存在的選擇，不必自建全球基礎設施，也不必把雞蛋全放在幾家超大規模雲上，而是可以借助一張已經覆蓋 130 多個國家的分佈式網路，把推理跑到離使用者最近的地方去。 (矽星人Pro)

Manus 賣身Meta後，目前正在接受是否違反外商投資相關規則的問詢/OpenAI 下個模型剛訓完，部門先改名成“AGI部署”，Altman 這次太敢了？/月之暗面 創始人放話：從今年開始，AI研究會越來越像AI自己做的Meta 一邊裁700人一邊獎高管，祖克柏這把AI賭得有多狠？我看到這條時，第一反應就是：Meta 對 AI 的執念，已經開始直接拿人開刀了。3月25日，Meta 在美國啟動新一輪裁員，涉及數百名員工，核心波及 Reality Labs，也包括 Facebook、全球營運、招聘和銷售團隊；紐約時報給出的數字更狠，僅 Reality Labs 一線就約700人被裁。公司嘴上說是“組織重組”，部分人還能轉崗，甚至要搬城市，但背景誰都看得懂——祖克柏還在往 AI 裡繼續砸錢，要追 OpenAI、Anthropic 和 Google。(CNBC 紐約時報)更擰巴的是，裁員消息傳出的前後，Meta 又給核心高管準備了新的股票激勵計畫，說是為了在 AI 豪賭期穩住關鍵人物。我看著都覺得刺：前腳砍掉 Reality Labs 和業務線員工，後腳給高層加“留任籌碼”，而且公司 1 月才在 VR 部門裁過 1000 多人。Meta 現在像在公開宣佈，舊戰略可以繼續流血，新戰場只能是 AI——可問題是，這場加注最後燒掉的，究竟是成本，還是公司內部的信任？(CNBC 紐約時報)Reddit 終於對機器人動手了！可你上網發言，先要證明自己是人？我最先注意到的，不是 Reddit 要打擊機器人，而是它終於把“誰像人、誰不是人”這件事擺上檯面了。3月25日，Reddit 宣佈，今後會給為使用者提供服務的自動化帳號打標籤，同時要求被懷疑是機器人的帳號完成人類驗證。平台說這不是全站普查，只有在發帖速度、操作模式等訊號“看起來不對勁”時才觸發；過不了驗證，帳號可能直接受限。驗證手段也很現實，點名了 Apple、Google、YubiKey 的 passkeys，甚至 Face ID、World ID。(TechCrunch)這事最有意思的地方在於，Reddit 沒打算禁止 AI 寫帖或評論，只是不想讓機器人假裝成真人混進社區。我一邊覺得它說得很克制，一邊又覺得這幾乎是在承認：今天的社交平台，已經很難單靠內容本身判斷“誰在說話”。同一時間，Reddit 還說自己平均每天移除約10萬個帳號，繼續清理垃圾和可疑 bot。平台想保匿名，又得證明你是人，匿名社區這張老王牌，到了 AI 時代還撐得住嗎？(TechCrunch)Harvey 又融2億美元，法律AI不只是風口，已經開始吞行業了？我看到 Harvey 這輪融資，腦子裡冒出的不是“又一家獨角獸”，而是：律師行業真的開始被 AI 改寫了。3月25日，法律 AI 公司 Harvey 宣佈完成 2 億美元融資，估值達到 110 億美元，這輪由 新加坡主權基金 GIC 和 Sequoia 領投；更誇張的是，它去年 12 月的估值還只有 80 億美元，幾個月就又抬了一截。公司給出的營運資料也很硬，產品已覆蓋 1300 多家機構、超過 10 萬名律師，服務場景包括合同審查、合規、盡調和訴訟。(CNBC)更刺激的是，Harvey 講的已經不是“輔助工具”故事了。公司披露，今年1月年經常性收入已到1.9億美元，客戶裡還有 NBCUniversal 和 HSBC 這種大企業，新增資金則會繼續砸向 AI agents 和全球嵌入式法律工程團隊。我看這已經不是“律師用不用 AI”的問題，而是大所和法務團隊還要不要繼續按舊人海模式運轉。OpenAI、Anthropic 在天上卷模型，Harvey 這種垂類公司，已經開始在地面上直接收行業門票了。(CNBC)川普科技顧問委員會 幾乎半個矽谷都進白宮了，誰還敢說AI只是商業戰？我看到名單時有點恍惚，這那是普通顧問團，簡直像把美國科技權力中樞直接搬進白宮。3月25日，川普任命首批24名總統科學技術顧問委員會成員，名單裡包括 Meta 的馬克·祖克柏、輝達的黃仁勳、甲骨文的拉里·埃裡森、Google聯合創始人謝爾蓋·布林、AMD 的蘇姿丰等重量級人物；委員會由 David Sacks和白宮科技政策辦公室主任 Michael Kratsios共同牽頭，任務是給總統提供科學、技術、教育與創新政策建議。(美國之音 華爾街日報中文網)更有張力的是，這個委員會討論的不只是 AI 本身，白宮明確點到了勞動力市場、國家安全、國土安全和美國科技領導地位。我會覺得這事危險又真實：以前科技公司是去華盛頓遊說，現在更像被請進來一起寫規則。前腳美國還在爭論 AI 該不該被嚴管，後腳最有資源、最有晶片、最有平台的人已經坐到了桌邊——政策是要約束巨頭，還是乾脆由巨頭定義下一輪政策？(美國之音 華爾街日報)PDD 營收還在漲，利潤卻先掉頭，Temu 的低價神話開始疼了？我看到拼多多母公司這份財報，最戲劇化的不是數字差，而是節奏變了。PDD Holdings 3月25日披露，2025年第四季度營收 1239.12 億元，同比增長 12%，折合約 180 億美元；但歸母淨利潤只有 245.41 億元，同比下滑 11%，約合 35.1 億美元，低於市場大約 40 億美元的預期。管理層嘴上講的是“高品質發展”和下一個十年的供應鏈投入，我看到的卻是一個靠效率著稱的平台，開始用利潤給增長續命。(Yahoo Finance 華爾街日報)更微妙的是，外部環境和競爭壓力，PDD 自己也沒再掩飾。財報裡明確說，為了滿足消費者變化、維持生態穩定，公司必須持續投資，而這些投入“不可避免會影響財務表現”；華爾街日報的說法更直接，PDD 正在努力留住平台商家。前腳 Temu 還在全球用低價沖城略地，後腳利潤已經被成本和生態壓力咬了一口。問題來了，平台能一直讓消費者便宜、讓商家留下、還讓股東滿意嗎？(Yahoo Finance 華爾街日報)Arm 不只賣設計了，自己下場做晶片，Rene Haas 這是要掀桌子？我看到 Arm 這一步，真的有種“供應商突然坐上牌桌”的感覺。Arm 不再滿足於給別人授權架構，這次直接推出首款自研資料中心 CPU——Arm AGI CPU，目標非常明確，就是盯著 agentic AI這種持續推理、規劃、行動的工作負載來打；而且它不是概念稿，由 TSMC 用 3nm 工藝代工，官方還給出很硬的參數：最多 136 個 Arm Neoverse V3 核心，主打高密度、高頻寬和低時延。(Arm Newsroom WIRED)更刺激的是，Arm 明知道這會得罪一批老夥伴，還是往前走了。官方宣稱，AGI CPU 單機架性能可達 x86 平台的兩倍以上，早期系統已經可用，2026 年下半年會更大範圍鋪開；WIRED 對 Rene Haas 的訪談則把這層衝突說透了——Arm 一邊談文化轉向，一邊在 SoftBank 支援下自己做晶片，這對過去依賴 Arm IP 的客戶來說，幾乎等於“合作方親自下場競爭”。以前 Arm 是裁判，現在它想當選手，生態還會像以前那樣安靜嗎？(Arm Newsroom WIRED)快手 財報穩住了，真正搶戲的卻是可靈AI開始自己賺錢了！我看快手這份成績單，最扎眼的已經不是短影片主業，而是 AI 終於開始像生意了。快手 3月25日披露，2025 年第四季度總營收 396 億元，同比增長 11.8%，和市場預期基本一致；經調整淨利潤 55 億元，同比增長約 16%。但真正有戲劇性的，是它親手把“可靈 AI”從講故事階段拽進了收入表：Kling AI 單季收入達到 3.4 億元人民幣，說明這類文生視訊產品，終於不只是在刷存在感。(PR Newswire Bloomberg)更猛的是速度。公司還披露，2025年12月，可靈AI單月收入已經超過 2000 萬美元，折算成年化收入跑速約 2.4 億美元。我會覺得這很像一個訊號：平台公司過去總說“AI 會提高效率”，現在終於敢把 AI 單獨拉出來談變現。同一時間，國內大模型和視訊生成都在卷價格、卷效果、卷生態，快手卻先把收入做出來了。問題是，可靈接下來會成為新增長曲線，還是只是財報裡最亮的一塊反光？(PR Newswire Bloomberg)OpenAI 下個模型剛訓完，部門先改名成“AGI部署”，Altman 這次太敢了？我看到這條內部備忘錄消息時，最先愣住的不是模型進展，而是 OpenAI 的語氣已經像在提前宣佈新時代。Alex Heath 援引內部備忘錄稱，Sam Altman 告訴員工，OpenAI 下一代模型已完成預訓練，內部代號叫 “Spud”，並且他直接放話，“幾周內”會有一個“非常強”的模型，足以真正加速經濟。同時，公司還調整組織架構，把 Safety 併入 Research，把 Security 調整到 Scaling 體系。(The Decoder The Information)更耐人尋味的是，Fidji Simo 負責的產品組織被改名為“AGI Deployment”。我讀到這兒的時候，幾乎能感覺到 OpenAI 想傳遞的情緒：它不只想做模型，還想把“AGI 如何落地”先佔個名字。同一時間，外界看到的是 Sora 被收縮、算力往新模型傾斜，內部看到的卻是安全、擴展、產品重新排兵佈陣。前腳還在解釋安全治理，後腳已經把“部署 AGI”寫進組織名裡，OpenAI 這是領先的自信，還是把壓力直接攤在檯面上了？(The Decoder The Information)Manus 賣身Meta後，目前正在接受是否違反外商投資相關規則的問詢路透 3 月 25 日援引英國《金融時報》稱，Manus 聯合創始人、CEO 肖弘和首席科學家季逸超，本月在北京被監管部門約談後，被告知在審查期間不得離境，但仍可在境內活動。被審查的核心，是 Meta 對 Manus 的收購是否違反外商投資相關規則；這筆交易去年 12 月公佈，路透此前引述消息稱，估值大約在 20 億到 30 億美元。(Reuters Financial Times)需要說說明的是，目前審查是完全遵循相關的法律法規，並非所謂的「違法」審查，也並不意味著該筆收購交易就此終止。Meta 這邊的回應很平靜，直接說交易“完全符合適用法律”，並預計會有“適當結果”；而 Manus 則被曝正在積極尋求法律和諮詢支援。(Reuters Financial Times)蔡崇信 說CEO永遠安全！AI都快變虛擬員工了，他還這麼篤定？我看到蔡崇信這句“CEO 崗位永遠安全”時，第一反應不是輕鬆，反而是更刺耳了。3月23日西門子 RXD 大會上，阿里巴巴集團主席蔡崇信和西門子全球 CEO 博樂仁對話時表示，智能體不會取代 CEO，因為 CEO 最稀缺的不是執行力，而是時間和精力。他的邏輯很直接：以前 CEO 得嚴控直屬匯報人數，避免被管理事務拖垮；有了智能體後，CEO 反而能管更多事，把時間騰給戰略和未來。(新浪科技)可我覺得這句話真正的衝擊，不在“CEO 安全”，而在它默認了大量中間層和執行層會先被 AI 重構。同一場對話裡，蔡崇信還強調，阿里的核心戰略是**“未來一切都將由 AI 驅動”**，阿里要靠雲基礎設施支撐所有想用 AI 的企業。前腳說 AI 不會替代 CEO，後腳又說企業未來一切都由 AI 驅動，這種表態聽上去像是在安慰塔尖，可塔身已經開始搖了，不是嗎？(新浪科技)月之暗面 創始人放話：從今年開始，AI研究會越來越像AI自己做的我讀到楊植麟這段發言時，最強烈的感覺是：研究員的位置，可能也要被重新定義了。3月25日，在2026中關村論壇年會上，月之暗面創始人楊植麟表示，從今年到明年乃至未來若干年，AI 的研究和研發方式會發生重大變化，越來越多研究將由 AI 主導完成。他說得很具體，未來每位研究員都會配備大量 AI Token，這些資源能幫助合成新任務、新環境、定義獎勵函數，甚至探索新的網路架構。(新浪科技 東方財富)更有張力的是，他不是在談一個遙遠想像，而是在給時間表。從今年開始，研發會逐步加速，人與 AI 的分工會被重新切開。我看這句話真正刺痛人的地方在於：過去大家還在爭“AI 能不能幫研究員提效”，現在頭部創業者已經直接把 AI 放到“主導研發”的位置上。前腳行業還在追參數、追訓練卡數，後腳討論已經變成“誰先讓 AI 參與設計下一代 AI”，那研究員接下來到底是在做研究，還是在管理研究？(新浪科技 鳳凰網科技)飛豬 把旅行外掛塞進一堆AI應用裡，訂票這件事真要交給助手了？我看到飛豬這次發 skill，最直接的感受就是：旅行平台終於不甘心只做“被搜尋到”的那一端了。3月25日，飛豬發佈首個全品類出行旅遊技能外掛“flyai”，已經上線 ClawHub、GitHub等平台，開發者和使用者可以在 OpenClaw、悟空、Kimi Claw等數十個“龍蝦”應用裡安裝使用。意思很明白，飛豬不想等使用者打開 App 再下單，它要先鑽進各類 AI 助手的工作流裡，把訂機票、訂酒店、做行程這套動作提前佔住。 (AI Daily Insights)

能無限進步的「超級智能體」來了！最近，Meta研究團隊的一篇題為HYPERAGENTS（超級智能體）的論文迅速刷屏。這篇論文將LSTM之父Jürgen Schmidhuber二十年前提出的哥德爾機（Gödel Machine）思想，與達爾文開放演算法相結合，提出了能持續自我迭代的達爾文哥德爾機。基於此這一思想，Agent不僅能更好地完成具體任務、持續提高自身表現。更關鍵的是，它可以不斷最佳化“改進自身”的底層邏輯，實現“元學習（Meta-learning）”這，便是論文定義的新一代超級智能體——Hyperagents。論文更進一步提出：未來AI有望通過持續自我迭代，最終突破人類預設的初始演算法邊界，也正因如此，AI安全必須被擺在核心位置。不少網友也感慨道：元學習真正讓人既害怕又興奮的，是元層面的改進能夠跨領域遷移。這不是在某一件事上變得更厲害，而是學會了在一切事情上變得更厲害。目前，這篇論文已被ICLR 2026接收。從哥德爾機到達爾文哥德爾機要理解超級智能體Hyperagents，必須先瞭解它的基石——哥德爾機（Gödel Machine）。哥德爾機是一種假設性的自我完善型AI。它在數學上尋求證明：如果存在某種更好的策略，它會通過遞迴重寫自身程式碼來解決問題。而這一假設，最早由尤爾根·施密德胡伯（Jürgen Schmidhuber）在二十多年前提出。在傳統機器學習中，AI的“學習方法”是人類預設的硬編碼，它只能通過調整內部參數來逼近目標；而哥德爾機則打破了這一限制，它能夠將演算法框架本身視為可編輯的程式碼，通過自主重寫程序來實現學習能力的自我演進。但問題也隨之而來：哥德爾機往往要求AI在自我演進之前，證明該改動具備淨收益。也就是說，改程式碼花掉的算力成本，未來能不能通過更強的性能賺回來？不幸的是，這種計算在現實中的複雜任務中幾乎是無法實現的。針對這一問題，Meta團隊提出達爾文哥德爾機（DGM），它利用開放式演算法（Open-ended algorithms），通過在大模型提議的程式碼改進方案中進行搜尋，獲取能從經驗上提升性能的方案。換句話說，DGM利用基礎模型來提議程式碼改進方案，並利用開放式演算法的最新創新成果，來搜尋並建構一個不斷增長的、多樣化且高品質的AI智能體庫。基於此，DGM能創造出各種自我改進方案，例如：增加補丁驗證（Patch Validation）步驟、最佳化檔案查看功能、增強編輯工具、生成並篩選多個解決方案以選出最優解，以及在進行新更改時，會自動加入歷史嘗試記錄（並分析失敗原因）以供參考。論文的實驗還表明，DGM獲得的算力越多，自我提升效果越好。超級智能體雖然DGM很強，但它存在一個致命限制：它主要在程式設計任務中有效。這是因為DGM依賴一個關鍵假設——評估任務與自我修改任務必須“對齊”。在程式設計領域，這種對齊是天然的：提升了程式設計能力，自然也就提升了修改自身程式碼的能力。也就是說，解決外部程式設計問題的邏輯工具，可以直接轉化為修改其自身底層程式碼的能力。相反，如果是在非程式設計領域（如寫詩），即便提升了寫詩能力，也無法直接轉化為修改程式碼的邏輯水平。在這種缺乏“自指性（Self-referentiality）”的任務中，DGM的遞迴進化鏈條就會斷裂，陷入停滯。基於此，文章提出超級智能體——它們既能修改自己的任務執行行為，也能修改生成未來改進建議的過程。這實現了所謂的元認知自我修改（metacognitive self-modification）：不僅學習如何做得更好，還學習如何更有效地進行改進。進一步，論文將超級智能體實例化為DGM-Hyperagents (DGM-H)。DGM-H是對DGM的擴展，其中任務解決行為和自我改處理程序序都是可編輯且可進化的，其框架如下：自指性架構：它將“任務智能體（Task Agent）”與“元智能體（Meta Agent）”整合為一個單一的、可編輯的程序。元級進化：在Hyperagents中，“改進的方法”本身也是可以被改進的。這使得系統不再要求任務與修改必須對齊，從而實現了跨領域的“元認知自我修改”。打個比方，在Hyperagents中，運動員不僅在訓練，教練也在學習如何更好地執教。由此，運動員的表現和教練的執教水平不斷螺旋上升。此外，DGM-H還改進了生成新智能體的過程（例如引入持久化記憶、性能追蹤等），且這些元級改進具有跨領域遷移和跨運行累積的特性。實驗驗證：從20%到50%的跨越實驗證明，達爾文哥德爾機（Darwin Gödel Machine）能夠通過修改自身程式碼庫實現持續的自我提升。在SWE-bench上，DGM自動將其性能從20.0%提升至50.0%。在Polyglot上，DGM的性能從初始的14.2%躍升至30.7%，遠超由Aider開發的具有代表性的人工設計智能體。這些結果證明了DGM能發現並實施有效的自我改進。而實現這一點的關鍵在於其開放式進化搜尋策略：通過從現有智能體庫中採樣生成新智能體，DGM能夠平行探索多條進化路徑。性能稍遜的“祖先”智能體在發現新方法和功能方面起關鍵作用，避免了早熟收斂。此外，DGM的改進具有廣泛的遷移性：針對Claude 3.5 Sonnet最佳化的智能體，在切換到o3-mini或Claude 3.7 Sonnet時仍能提升性能。在Polyglot基準中，Python任務上的自我改進同樣提升了Rust、C++、Go等不同語言任務的表現。 (量子位)

重磅！Arm CPU 路線圖公開發佈剛剛，歷史性突破！Arm發佈三十多年來首顆自研專用CPU——Arm AGI CPU。打破長期IP授權模式，直擊AI算力剛需，劍指x86陣營。核心參數拉滿：3nm工藝，136核Neoverse V3核心。主頻3.2-3.7GHz，300瓦功耗，雙Chiplet封裝（台積電代工）。快取亮眼：2MB L2/核心，128MB共享SLC。介面拉滿：96條PCIe 6.0，支援CXL 3.0，12通道DDR5，總頻寬825GB/s。極致能效！放棄同步多線程，剔除冗餘功能。每瓦性能碾壓英特爾、AMD最新x86晶片，號稱“最高效agentic CPU”。強強聯手！與Meta聯合開發，Meta為首個客戶。OpenAI、SAP等巨頭已確認採購，商業化勢頭強勁。量產明確：今年下半年全面量產，中國是重要目標市場。巨額投入：斥資7100萬美元，耗時18個月新建實驗室。伺服器方案雙選擇：風冷36kW（8160核）、液冷200kW（超45000核）。定價具競爭力，可直接替代Meta現有計算CPU。行業震動！打破Arm中立定位，衝擊x86陣營格局。Arm高管表態：此舉核心是滿足客戶需求，有望帶來數十億美元收入。AI時代算力革新，Arm正式從IP授權商，躋身自研晶片賽道。全新Arm AGI CPU核心亮點高性能 CPU：採用 Armv9.2 架構，Arm AGI CPU 最高整合 136 個 Neoverse V3 高性能核心，每核配雙 128 位 SVE2 單元，支援 bfloat16/INT8 AI 加速。全核主頻 3.2GHz，睿頻 3.7GHz。高記憶體頻寬：單核心記憶體頻寬最高 6GB/s，緩解高吞吐 AI 負載的記憶體瓶頸，提升 AI 與雲端系統性能。先進 I/O 與加速器互聯：支援 96 路 PCIe Gen6、CXL 3.0 及 AMBA CHI 擴展鏈路，實現大規模異構計算。企業級安全架構：面向多租戶雲與 AI 基礎設施提供硬體級安全，包含根安全引擎、指針認證、分支目標間接保護。 (芯榜)PDF文件：https://www.arm.com/static/az/pdf/product-brief/arm-agi-cpu-product-brief.pdf