2026年Q2全球Fabless排名大洗牌 2026年第二季度，全球Fabless（無晶圓廠IC設計）行業迎來新一輪洗牌。 資料顯示，全球前十大Fabless廠商Q2合計營收達到1414.5億美元，同比增長73%。 最大變化是AMD升至第三，高通降至第四，頭部格局出現近一年多以來首次明顯調整。

該公司曾做出“全球首個AI軟體工程師”。 智東西9月9日消息，今日，美國AI程式設計獨角獸Cognition宣佈完成超20億美元（約合人民幣134億元）E輪融資，估值達到480億美元（約合人民幣3221億元）。 ▲Cognition宣佈完成超20億美元E輪融資（圖源：X） 本輪融資由新投資方a16z和Accel領投，現有投資方Founders Fund、General Catalyst和Avenir共同參與。其他參投方包括Benchmark、Bessemer、Kleiner Perkins、Greylock、Lightspeed、Altimeter、Bond Capital、Difussion等。

過去兩年，AI算力需求的爆發式增長，讓GPU和CPU成了最搶手的硬體。但大多數人沒注意到的是，這場搶購潮已經向產業鏈上游傳導——晶圓代工廠的先進製程產能，正在經歷前所未有的擠兌。 2025 年下半年起，晶圓代工行業便已是熱浪迭起。而到了2026年下半年，該行業漲價風潮並未見消退跡象，反而愈演愈烈。 01. 最高25%！三星、台積電火熱漲價 據悉，三星電子已將部分先進製程晶圓代工新訂單的價格上調最高15%，原因是AI晶片需求激增導致產能持續緊張。業內人士透露:三星於7月上調了採用4奈米製程（SF4）生產的晶片價格。中國大陸和美國客戶的SF4訂單價格較上月上漲10%至15%，而中國臺灣地區客戶因與台積電同處一地，漲幅為5%至10%。此外，5奈米製程晶圓價格同樣上漲10%至15%，8奈米製程價格也上漲近10%。

Anthropic 最近採訪了 15 家正在大規模使用 Agentic Coding 的科技公司，其中包括 ClickHouse、Harvey、Cognition、Clay 等明星公司。Cognition、ClickHouse 和 Harvey 的估值都已超過 100 億美元，也是目前採用 AI 程式設計最積極的一批公司。 基於這些訪談，Anthropic 整理出了一份實操指南。所謂 Agentic Coding，就是讓 Agent 深度參與程式碼開發。指南雖然以 Claude Code 為主，其中提到的技能、計畫模式和 worktree 也都是 Claude Code 的功能，但背後的工作方法同樣適用於其他 Agentic Coding 工具。 https://claude.com/blog/claude-code-guide-for-startups 這篇文章按教學結構重新組織：五條規則是什麼，為什麼順序不能打亂，每條怎麼做，以及那裡容易踩坑。

AI基礎設施的短缺，已不是某一個環節的問題，而是從晶片、記憶體、網路互聯、資料中心，一路延伸至電力、冷卻、變壓器，乃至銅礦—— 隨著巨頭明年CapEx預估邁向1兆美元，GPU和記憶體等核心硬體訂單已排至2028年。由於現有計算架構逼近物理極限，機架功率激增數十倍，資料中心的晶片、電力（轉向800V直流電）和液冷系統正面臨“推倒重來”的全面重構。 近日，矽谷頂級風險投資機構a16z（Andreessen Horowitz）"機器時代基金"（Machine Age Fund），專注投資AI基礎設施領域。a16z聯合創始人Ben Horowitz、普通合夥人Martin Casado，以及前VMware CEO、科技顧問Raghu Raghuram，在一場公開視訊對話中系統闡述了這只基金的戰略邏輯——而其背後，是一幅AI算力需求與供給能力之間正在急劇拉大的裂口圖景。 一、基金定位：為何是“機器時代”

過去一年半，AI 程式設計工具的變化快得讓人眩暈。從程式碼補全到智能體自動編寫，再到如今需要你親自“駕馭”一群 AI 模型協同工作——技術浪潮一波接一波，彷彿稍不留神就會被拋下。許多開發者興奮之餘也感到焦慮：模型這麼多，到底該用那一個？訂閱成本越來越高，產出卻未必成正比；依賴單一服務商，又擔心那天政策一變就斷了糧；更別提在不同工具之間來回切換，思路被切得七零八落。 這些困擾背後，其實是一個更根本的問題：當 AI 模型變得像商品一樣觸手可及，個人開發者究竟該如何把它們組織起來，形成一個穩定、高效、成本可控的工作系統？換句話說，在這場 AI 編碼的混亂革命中，真正的支點在那裡？ 這篇文章給出的答案是：駕馭框架（harness）。作者沒有追逐最炫的模型，也沒有被工具綁架，而是搭建了一套屬於自己的“工作台”，讓多個大語言模型各司其職，把成本砍掉四分之三，同時把個人項目的質量和節奏推到了新的高度。如果你也曾在琳瑯滿目的 AI 工具前感到無從下手，或者想知道如何讓手頭的模型真正為你所用，那麼這篇文章或許就是你要找的那塊拼圖。 Harness才是關鍵

RSI（Recursive Self-Improvement，遞迴自我改進）正在成為人工智慧領域最受矚目的前沿方向。 當模型可以自主生成任務、自動驗證結果、並把每一次試錯沉澱為能力，智能的增長第一次擺脫了對人類資料的依賴，進入自我複利的軌道。 AI進入自進化時代，整個行業都在等一個答案——RSI的方法論會在那些場景率先落地。 而晶片設計，一直被認為是現代工業體系中最複雜的工程任務之一。

過度設計害人害己 2026年8月21日，中國國家市場監管總局發佈一則公告。 特斯拉、小米、小鵬、零跑、吉利、奇瑞、東風、北汽藍谷、中國一汽九家車企，備案召回427.51萬輛汽車。原因驚人地一致：車內應急機械拉手與內飾顏色接近，不易識別和操作。 看似大規模的召回，但多數車企的整改方案，卻簡單到令人捧腹：僅是一張貼紙便能完成，部分車型則配合一次OTA升級。