白宮新聞秘書萊維特稱，美國總統川普於當地時間2月28日上午與以色列總理納坦雅胡通電話。川普還將繼續與其國家安全團隊密切關注伊朗局勢。伊朗外交部：遇襲小學150至160人死亡當地時間2月28日，伊朗外交部發言人表示，在美國和以色列軍事行動中遭襲的伊朗小學死亡人數達到150至160人。伊朗法爾斯一體育館遭襲超過15人死亡總台記者從伊朗方面瞭解到，當地時間2月28日，美國與以色列在聯合襲擊中，轟炸了位於伊朗法爾斯省拉默爾德市的一座體育館。初步評估顯示，襲擊已造成超過15人遇難。襲擊發生時，館內正有大批兒童在進行體育活動和遊戲。目前，當地救援力量正在廢墟中搜尋倖存者，傷亡人數恐將進一步上升。伊朗民航組織：全境領空無限期關閉取消航班並退款總台記者獲悉，當地時間2月28日，伊朗國家民航組織發言人宣佈，出於安全考量，伊朗領空即刻起對所有飛行任務關閉，封鎖狀態將持續至另行通知。官方嚴正提醒廣大旅客，請勿親自前往機場，以配合當前的特殊管制措施。針對航班取消帶來的影響，通報明確要求所有票務代理機構及航空公司必須履行責任，向受影響的旅客全額退還票款。美廣播機構稱正向伊朗境內播放川普呼籲政權更迭的內容當地時間2月28日，美國政府營運的廣播機構表示，正在向伊朗境內傳送美國總統川普呼籲伊朗民眾推翻本國政府的資訊。美國全球媒體署在社交媒體上稱，近幾個月已提升美國之音（VOA）波斯語頻道的播出能力，並正利用衛星技術向伊朗境內傳輸內容。 (紅星新聞)

“我們將鐵電電晶體的物理柵長縮減到了1奈米極限。”2月23日，北京大學電子學院研究員邱晨光告訴科技日報記者，團隊創造性地製備了迄今尺寸最小、功耗最低的鐵電電晶體，有望為AI晶片算力和能效提升提供核心器件支撐。相關研究成果線上發表於《科學·進展》上。傳統鐵電電晶體存在能耗過高、邏輯電壓不匹配等短板限制了其大規模應用。為此，北京大學邱晨光研究員—彭練矛院士團隊，利用奈米柵極結構設計，巧妙解決了鐵電材料“改變極化狀態”需要高電壓高能耗的問題。邱晨光表示，這一技術打破了傳統鐵電電晶體的物理限制，使得能耗比國際最好水平整整降低了一個數量級。邱晨光解釋，有著超低工作電壓與極低能耗特性的奈米柵鐵電電晶體，不僅能為建構高能效資料中心提供核心器件方案，也為發展下一代高算力人工智慧晶片奠定關鍵技術基礎。 (長安街知事)

輝達CEO黃仁勳上周親自出面宴請合作夥伴的工程師團隊，這一罕見舉動凸顯出下一代高頻寬記憶體HBM4對這家AI晶片巨頭的戰略重要性。隨著三星電子在HBM4競賽中率先出貨，SK海力士能否按時交付高性能產品，將直接影響輝達今年下半年推出的新一代AI加速器Vera Rubin的市場表現。2月14日晚間，黃仁勳現身輝達總部附近的一家韓式炸雞餐廳，花費約兩小時為30多名SK海力士和輝達工程師逐桌調製燒啤、敬酒致意。他反覆強調"我們是一個團隊"和"我為你們驕傲"，並敦促工程師們"通過不懈挑戰和努力交付非凡成果"，特別提及SK海力士承諾供應的第六代HBM4產品。這場臨時安排的聚會釋放出明確訊號：HBM4被輝達視為Vera Rubin加速器的關鍵差異化元件。輝達對HBM4供應商提出了"運行速度11 Gbps以上"和"頻寬3.0 TB/s以上"的規格要求，較競爭對手AMD的同類要求高出30%以上。行業分析師認為，黃仁勳的親自現身提升了SK海力士維持HBM4最大供應商地位的可能性。據行業消息人士透露，輝達去年12月初步分配了今年的HBM供應份額，SK海力士獲得55%以上，三星電子佔20%多至接近30%，美光科技約20%。雖然三星在技術競賽中的推進引發了份額變動的可能，但業內普遍認為SK海力士有望在第一季度完成質量最佳化後確保最大配額。罕見的"工程師外交"半導體行業將黃仁勳親自為合作夥伴工程師舉辦晚宴視為高度不尋常的舉動。這場聚會是黃仁勳上周臨時指示輝達員工"組織一場晚宴鼓勵SK海力士HBM工程師"後迅速安排的，凸顯SK海力士的HBM4對輝達未來業務的關鍵性。黃仁勳於當晚5點20分左右抵達位於聖克拉拉的99 Chicken餐廳。在晚宴臨近尾聲時的最後敬酒環節，他表示："AI加速器和HBM4代表了非凡的、世界上最具挑戰性的技術。我為所有夜以繼日工作的你們感到驕傲，我相信你們將交付卓越成果。"他補充道："我知道HBM4和Vera Rubin的開發時間表很緊，但我相信你們。現在是SK海力士和輝達共同向世界展示偉大的時刻。"SK海力士於2020年7月以HBM2E（第三代）產品正式進入輝達供應鏈，隨後成為HBM3（第四代）和HBM3E（第五代）的事實上獨家供應商，與台積電一起形成了被稱為"AI半導體三方聯盟"的緊密關係。技術門檻與時間壓力HBM4被視為決定輝達下一代AI加速器Vera Rubin性能表現的關鍵元件。Vera Rubin計畫於今年下半年推出，HBM4作為一種通過堆疊12層先進DRAM晶片製成的高性能記憶體模組，負責及時向處理計算的GPU提供海量資料。輝達對HBM4提出的規格要求遠超競爭對手。其要求的運行速度和頻寬指標比AMD對HBM4的要求高出30%以上，實際上將HBM4定位為Vera Rubin的關鍵差異化因素。與基本由SK海力士獨霸的HBM3E市場不同，將於下半年全面開啟的HBM4市場呈現出不同的競爭格局。三星電子於2月12日向輝達出貨了首批正式HBM4產品，成為行業首家，其產品運行速度達到11.7 Gbps（最高13 Gbps），頻寬為3.3 TB/s。SK海力士目前已確保HBM4性能達到11.7 Gbps或以上，正在向輝達批次供應付費樣品，同時進行性能最佳化工作。行業預計SK海力士將在近期獲得輝達的正式"批次供應"批准。在晚宴上，黃仁勳敦促SK海力士工程師"無延遲交付頂級性能的HBM4"。這一表態被解讀為對供應時間表的明確要求。HBM份額爭奪戰升溫隨著三星在HBM4技術競賽中取得進展，今年的供應份額分配可能出現變動。不過業內普遍認為，SK海力士在第一季度完成質量最佳化後，仍有很大機會確保最大配額。一位半導體行業消息人士向媒體解釋稱："三家記憶體製造商的最終HBM4最佳化工作要到3月左右才能完成。最近還出現了一種趨勢，即優先增加通用DRAM生產以提高盈利能力，而不是爭奪HBM市場份額。"據華爾街見聞此前文章，Evercore的調研還指出了產品代際演進的差異，一些業內人士強調了"minor"（小幅演進）和"major"（大幅演進）之間的區別。其中從H100到B100/B200被視為minor過渡，而到GB-Series機架級系統是major演進，從GB-Series到VR-Series是minor，但到Rubin Ultra的過渡伴隨著叢集規模從144擴大到576則是major升級。這場由黃仁勳親自主持的晚宴，既是對長期合作夥伴的認可，也是對關鍵供應鏈環節的督促。對於SK海力士而言，能否在激烈競爭中保持領先地位，未來數月的執行力將是決定性因素。 (華爾街見聞)

2月4日，有關埃隆·馬斯克團隊近期到訪中國多家太陽能企業的傳聞，引發市場與投資者的高度關注。消息傳出後，中國太陽能類股立即出現明顯反應。多家A股與港股太陽能相關企業股價短期內獲得兩位數漲幅，引發市場對潛在合作機會的猜測。其中，晶科能源股價在消息傳出的兩個交易日內暴漲36%，2月5日回落6.07%；協鑫整合股價三個交易日累計上漲26%；TCL中環三個交易日累計上漲16%；晶盛機電在兩個交易日內暴漲33%，2月5日回落9.85%。據《證券時報》報導，2月4日，晶科能源、協鑫整合回應，確認接待了馬斯克旗下公司的來訪團隊，但均未披露具體商業計畫或合作協議。企業普遍強調，這些交流仍停留在技術與行業層面的初步溝通階段，未與相關團隊開展任何合作。這一動作迅速引發市場熱議。有分析人士指出，這不僅是一次普通的企業考察，更反映出全球科技巨頭在新能源佈局上的前瞻性戰略。隨著人工智慧算力需求快速增長，對穩定、高效電力的需求也日益凸顯，太陽能產業因此成為資本市場和科技行業關注的焦點。圖片由AI工具生成01馬斯克點燃市場情緒一位投資經理表示，此輪股價上漲主要源於市場情緒與預期交易，而非企業基本面出現實質性變化。上漲的核心原因，主要源於投資者將馬斯克對太陽能的興趣，解讀為科技巨頭正在向能源上游延伸的訊號。在此前《馬斯克的“太空太陽能夢”，離不開中國供應鏈》的這篇解讀中，我們詳細闡述了馬斯克如此看重中國太陽能供應鏈的原因。作為全球太陽能製造的主導力量，中國企業正成為馬斯克太空能源藍圖中，不可迴避的供應鏈核心。太陽能技術公司炎和科技創始人馮凡指出，目前中國企業從裝備、材料到元件的產能與出貨量佔據了全球70%以上，構成了全球太陽能產業真正的基礎設施層。換句話說，如果馬斯克要推動大規模、低成本的太空太陽能路線，無論他是否在美國本地化部署，都會“不可避免地依賴中國”。對於國內太陽能概念股的火熱表現，外媒也給出了相關分析：從長遠角度看，多數機構依然看好中國太陽能產業的發展前景。畢竟，中國供應商在製造成本控制、產業鏈完整性以及大規模工程化能力方面具有明顯優勢，這些優勢在短期內很難被其他國家取代。不過，也有多家機構提醒，類似的情緒性上漲往往來得快、退得也快。如果後續缺乏明確訂單、合作協議或資本投入落地，股價可能面臨回呼壓力。與此同時，國內行業層面也開始密集釋放“降溫”訊號。2月4日晚，中國太陽能行業協會執行秘書長劉譯陽表示，太空太陽能技術仍處於探索與驗證的初期階段，當前判斷明確技術方向為時尚早。在2月5日“太陽能行業2025年發展回顧與2026年形勢展望研討會”上，工業和資訊化部電子資訊司副司長王世江指出，太陽能行業當前正處於新一輪深度調整期，行業深層次的供需錯配尚未解決，企業的經營依然面臨較大挑戰，整治行業內卷將成為今年工作的重中之重。02馬斯克重點關注的太陽能賽道根據相關披露，此次馬斯克團隊訪問的企業覆蓋太陽能全產業鏈，包括裝置、矽片、電池元件以及前沿技術方向，尤其對異質結（HJT）和鈣鈦礦等下一代高效率技術表現出更高關注度。這兩條技術路線被認為在理論效率和長期成本下降空間上具備優勢。一位太陽能技術從業者解釋了這兩個賽道的重要性：從效率上看，相比傳統PERC電池（一種主流的高效單晶矽太陽能電池），HJT具備更高的開路電壓與溫度係數優勢，量產效率仍有提升空間。HJT在高溫環境下發電損失更小、單位面積能發出的電更多，而且生產過程中用到的高溫步驟更少、材料也更省，因此既有提升效率的空間，也具備持續降本的潛力。而鈣鈦礦電池之所以備受矚目，主要有兩大優勢：一是它在陰天、弱光等光照不足的情況下，依然能保持不錯的發電效果，在真空和低溫的太空環境中，理論效率還能進一步提高，非常適合用於太空發電。二是鈣鈦礦具備輕量化與柔性化潛力，甚至在發射時以捲曲形態收納，到達軌道後再展開使用，大幅降低發射體積與載荷重量，這使其在太空太陽能場景中具備獨特優勢。對馬斯克而言，無論是AI資料中心、超級計算叢集，還是SpaceX 的地面設施與潛在太空能源構想，核心訴求都是在單位土地和單位資本投入下獲取儘可能多、穩定的電力輸出。HJT 和鈣鈦礦正對應“效率和成本優先”的技術邏輯。不過，合作的現實路徑仍需回到產業基本面。一位太陽能產業的研究人員指出，馬斯克和國內的太陽能公司存在接觸或者潛在合作，未必是停留在簡單的太陽能元件採購，也可能會圍繞特定應用場景展開定製化電池方案開發、極端環境下的長期穩定性驗證。而這張入場券最終能否兌現，仍取決於一個最樸素的問題：這個技術能否真正被大規模、穩定而低成本地製造出來。03炒的是預期，基本面支撐不足晨星（Morningstar）分析師王成指出，在本輪上漲之後，部分太陽能企業的股價已經接近，甚至短暫超過其測算的合理估值區間。短期看，如果繼續上行需要更明確的基本面催化，而非單一事件驅動。多家機構的分析師普遍認為，即便未來中國太陽能企業真的獲得與SpaceX或其他馬斯克系業務相關的訂單，其對整體收入結構的提升幅度可能有限。太空太陽能或極端應用場景在經濟性上仍屬邊緣探索，更多意義在於技術驗證和戰略訊號，而非立刻轉化為大規模商業利潤。2月4日晚間，相關部分企業紛紛公告，否認與馬斯克團隊合作具體落地可執行項目的存在，並提示“太空太陽能”產業化處理程序具有較大不確定性。從商業邏輯看，太空太陽能的經濟性尚未得到驗證。畢竟，面對高昂的發射成本、複雜的在軌部署與能量回傳體系，以及長期運行可靠性等問題，仍使其更接近前沿技術探索。在缺乏明確降本路徑之前，其商業價值更多體現在技術儲備與戰略卡位層面。在業內看來，馬斯克相關動向釋放的更大意義，是對未來能源形態與產業方向的訊號強化，在這次的太陽能概念熱背後，真正被點燃的不只是股價情緒，還有大眾對全球“下一代能源底座”的無限想像。 (芯榜)

據知情人士透露，馬斯克團隊近期在摸底北上廣深杭豪宅，已有心儀的房子在洽談。01商業航天、太陽能、豪宅多手抓繼摸底中國太陽能產業後，馬斯克團隊又開始摸底中國豪宅了。今天中午，有市場傳聞稱，馬斯克團隊密訪中國多家太陽能企業，重點考察有異質結、鈣鈦礦技術路線企業。太陽能概念股隨後大漲，晶科能源、中來股份、澤潤新能、時創能源20%漲停，拓日新能、亞瑪頓、特發資訊、英威騰等多隻個股也封上10%漲停板。馬斯克帶火A股也不是頭一回了。之前商業航天、腦機介面都曾被他一句話點燃。馬年炒馬斯克，果然名不虛傳。這麼這次買豪宅的消息是真是假呢？馬斯克確實喜歡豪宅，而且買過的數量不少。他曾在加州洛杉磯Bel-Air地區擁有7套頂級豪宅，總價值上億美元，其中包括已故影星吉恩·懷爾德的故居。這些房子每一套都自帶花園泳池體育場，上個廁所都能跨越足球場。（馬斯克位於加利福尼亞希爾斯堡的一棟豪宅）不過，馬斯克在2020-2021年間陸續出售了這些豪宅，一度成為“無房者”，並公開表示房子會拖慢他追逐火星與科技願景的腳步。他目前的主要居所是位於德克薩斯州SpaceX基地附近的一間價值約5萬美元的預製小屋，面積約37平。然而，馬斯克雖然出售了大部分房產，但仍在德克薩斯州為家人購置了價值約3500萬美元的多棟豪宅，用於安置他的11個孩子和多位前女友，打造“家族大院”。馬斯克的母親梅耶·馬斯克也非常喜歡中國，長期活躍在上海，甚至有在社交媒體上表達過在上海安度晚年的想法。所以，從為家人購置核心資產的角度出發，馬斯克是有購買中國豪宅的意向的。北上廣深浙都有可能，北京、上海的可能性更大。02一線城市豪宅，正在觸底反彈馬斯克團隊現在摸底中國豪宅，有可能不僅是摸底，而是抄底了。近一年，北上廣深的頂豪都賣得很好，上海有綠城潮鳴東方、上海壹號院，北京有建發海晏，深圳有中海深灣玖序，廣州也有秒賣106億的保利玥璽灣。不少外籍客戶都在買，比如廣州的僑鑫·保利·匯景台，就因為社區內成熟的國際化配套，深受外籍客戶青睞。（匯景新城社區國際化配套）新房的成交均價，也被不斷帶動上漲。對比2021年，上海的成交均價從5.54萬/平漲到了2025年的8.15萬/平，漲幅47%，創下歷史新高。北京漲了16%，廣州漲了3%，只有深圳微跌了0.4%。（資料來源：克而瑞）上漲原因就是豪宅爆發式井噴，直接拉高了成交均價。新房日光賣爆，二手房也正在觸底反彈。比如廣州珠江新城，之前察叔寫過，僅一個多月時間，標竿盤嘉裕公館就漲了8000元/平，中海璟暉漲了5700元/平。連腰斬最狠的保利心語也微漲了，相比前兩個月漲了4800元/平。成交也放量大漲！整個1月份，珠江新城成交了82套二手房，同比增長115%，如今2月剛過4天，又成交了10多套，有越賣越火的架勢。所以馬斯克團隊現在摸底中國豪宅，有可能不僅是摸底，而是抄底了。 (南方地產觀察)

【新智元導讀】2026年1月，前OpenAI CTO Mira Murati創辦的明星公司Thinking Machines Lab遭遇「滅頂之災」：聯合創始人Barret Zoph因辦公室戀情醜聞被降職後心生不滿，聯合另外兩名核心骨幹向Mira逼宮索權，遭拒後被當場開除。然而僅不到一小時，三人便集體叛逃回OpenAI，在老東家的迎接下風光回朝。這場融合了私情、背叛、權力與千萬年薪的矽谷大戲，揭示了AI人才戰爭的瘋狂與殘酷。2026年1月14日，舊金山的一場「政變」，讓AI界的權力版圖再次破裂。如果說2024年的OpenAI「宮斗」是一場震驚世界的地震，那麼剛剛發生的這場Thinking Machines Lab（TML）的解體，則是一場精心策劃的「血色婚禮」。故事的主角，依然是那些熟悉的名字：Mira Murati，剛從OpenAI出走一年的前CTO，如今是TML的掌門人；Barret Zoph，曾經的OpenAI核心研究員，Mira最信任的戰友，也是這次背叛的主角。一切看似突如其來的「意料之外」，實則草蛇灰線，伏脈千里。權力的遊戲：從披薩店到「政變」時間回撥到2026年1月初的一個周一早晨。在Thinking Machines Lab位於舊金山的總部，氣氛壓抑得令人窒息。Mira Murati本來以為這只是一場和Zoph的例行一對一會議，但當她推開門時，發現等待她的是一場精心策劃的伏擊。Barret Zoph坐在那裡，身邊是另外兩名核心骨幹Luke Metz和Sam Schoenholz。這不是匯報工作，而是「逼宮」。三人圖窮匕見，直接向Mira攤牌：交出所有的技術決策權，讓公司的高級主管直接向Zoph匯報。Mira冷冷地看著這群曾經的戰友，反問Zoph：「過去半年你幾乎沒怎麼幹活，憑什麼要更多的權力？」她緊接著追問：「你們是不是已經找好了下家？」Zoph沉默不語。Metz和Schoenholz則矢口否認。最具戲劇性的一幕發生在這次會議的第二天晚上。當Thinking Machines的辦公室籠罩在未知的恐懼中時，Barret Zoph卻正坐在一家著名的披薩店裡，談笑風生。坐在他對面的，是Meta的高管Alexandr Wang和Nat Friedman。這是一場赤裸裸的「拍賣」。Zoph就像一個待價而沽的商品，在OpenAI和Meta之間左右逢源，尋找出價最高的買家。周三，結局揭曉。Mira以「缺乏信任、績效不佳及不道德行為」為由，直接開除了Zoph。然而，就在Zoph被掃地出門的僅僅不到一小時後，OpenAI的應用業務CEO Fidji Simo便高調宣佈：Barret Zoph回歸，擔任企業版業務負責人。緊隨其後的，是Luke Metz和Sam Schoenholz的集體「叛逃」。他們不僅回到了OpenAI，還直接匯報給剛剛「被開除」的Zoph。TML的創始團隊，瞬間只剩下三個人。Mira Murati，這位曾經被稱為OpenAI「奧特曼背後的女人」，在創業僅僅不到一年後，就被自己的老東家和昔日盟友聯手「偷家」。狗血劇情：「你是被操縱的受害者？」這場決裂的種子，早在半年前就已埋下。而引爆它的，是一段極具諷刺意味的「辦公室戀情」。2025年夏天，Mira震驚地發現，Zoph與公司內部一名初級員工——一位同樣從OpenAI跳槽過來的下屬——保持著長期的地下戀情。在矽谷的職場倫理中，高管與下屬的戀情是大忌。更何況，這名下屬在事情敗露前已經悄然離職，回到了OpenAI。面對質問，Zoph最初選擇了撒謊。當證據確鑿時，他拋出了一個令人咋舌的理由：「我是被她操縱才進入這段關係的。」這位身經百戰的AI技術大牛，將自己描述成了一個無辜的受害者。Mira沒有選擇直接公開醜聞，而是保留了他的體面——Zoph雖然保留了聯合創始人的頭銜，但被剝奪了管理權，降級為一名普通的「技術貢獻者（IC）」。對於心高氣傲的Zoph來說，這無疑是奇恥大辱。在那之後的幾個月裡，Zoph開始頻繁「生病」、「休假」，甚至以家人離世為由長期缺席。他的Slack狀態總是灰色的，那個曾經極其活躍的程式碼貢獻者消失了。但他並沒有閒著。早在去年10月，當另一位聯合創始人Andrew Tulloch跳槽去Meta時，Zoph就已經悄悄聯絡了Sam Altman。小扎真的是來者不拒啊！OpenAI反擊戰：500萬年薪與「總經理」制為什麼是現在？為什麼是OpenAI？把視線拉高，你會發現這場人事狗血劇的背後，是OpenAI正在經歷的一場生死存亡的變革。2026年的AI戰場，早已不是ChatGPT一家獨大的時代。Anthropic旗下的Claude Code正如同一頭嗜血的野獸，瘋狂撕咬著企業級市場的份額。為了贏，OpenAI正在進行一場徹底的「基因改造」。根據Fidji Simo最新的內部備忘錄，OpenAI正在全面轉向「總經理」負責制。Barret Zoph：負責企業版業務。Vijaye Raji：掌管廣告業務。Nick Turley：負責ChatGPT。Thibault Sottiaux：負責Codex。那個曾經理想主義的OpenAI消失了，取而代之的是一個層級分明、目標精準的商業機器。科研不再是象牙塔裡的遊戲，而是必須「緊密服務於產品策略」的工具。為了這場戰爭，OpenAI不惜血本。據說，OpenAI為頂級研究員開出的年薪包已經高達500萬至1000萬美元。為了搶人，OpenAI甚至取消了新員工前6個月的股權鎖定期（vesting period）。這意味著，跳槽即暴富，無需等待！在Sam Altman和Fidji Simo眼裡，Zoph是否「私德有虧」根本不重要，他是否「背叛」也不重要。重要的是，他是一把能刺穿企業市場的尖刀。歷史的重複歷史總是驚人的相似，但這一次，劇本被反轉了。我們很難不聯想到2023年那個震驚世界的感恩節。那一次，是注重「AI安全」的Ilya Sutskever試圖通過董事會罷免激進商業化的Sam Altman。那一年的Sam Altman，是被放逐的受害者。他在微軟的支援下，帶著Greg Brockman和一眾死忠粉，在短短5天內上演了一場「王者歸來」。而到了2026年，這場戲的主角換成了Barret Zoph，但核心卻變了。如果說2023年的政變是「理想主義 vs 現實主義」的路線之爭，那麼2026年的這場政變，則是「純粹的利益博弈」。這次沒有關於AI是否會毀滅人類的哲學辯論，沒有關於非營利組織使命的高尚探討。剩下的，只有辦公室戀情的狗血、私下勾兌的背叛、以及赤裸裸的金錢交易。那個曾經被Ilya視為洪水猛獸的「商業化幽靈」，如今已經徹底吞噬了OpenAI。Sam Altman不再是那個需要被審判的激進分子，他已經成為了規則的制定者。而Barret Zoph，不過是他用來鞏固商業帝國的一枚強力棋子。通過接納Zoph，OpenAI實際上在向全世界宣告：為了生存和勝利，我們可以原諒一切，甚至包括背叛。矽谷的旋轉門：左右橫跳很多人會問：為什麼？為什麼Barret Zoph可以如此毫無心理負擔地在老東家和新東家之間反覆橫跳？為什麼OpenAI可以毫不避諱地吃「回頭草」？這要歸咎於矽谷獨特的「旋轉門」機制。首先，加州法律禁止競業禁止協議（Non-compete ban）。這意味著，那怕你是掌握核心機密的高管，今天辭職，明天就可以去競爭對手那裡上班。法律賦予了人才極致的流動自由，也讓企業的商業秘密時刻處於裸奔狀態。其次，人才的極端稀缺性。在AI領域，能做Post-training（後期訓練）、能搞定Agentic AI的頂級人才，全球加起來可能不超過幾百人。他們是稀缺資源，是行走的印鈔機。對於OpenAI、Google、Meta這樣的巨頭來說，只要能挖到人，此前的恩怨情仇都可以一筆勾銷。最後，是資本的推波助瀾。此次Thinking Machines的解體，直接導致其120億美元的估值面臨崩塌。投資人不僅沒有懲罰背叛者，反而可能在幕後推動了這場併購式的「挖角」。Josh Kushner（Thrive Capital創始人）甚至在OpenAI內部演講中直言，即使是億萬富翁等級的投資人，現在也要親自下場勸說人才留下來。在這場遊戲中，只要你的技術夠強，你就可以在大廠和創業公司之間無限循環：在OpenAI積累名氣。跳出來融資創業，身價暴漲。帶著創業公司的核心團隊和技術，被OpenAI高價「收編」。這就形成了一個完美的閉環。Barret Zoph只是這個閉環中最新、最顯眼的一個玩家。「混亂」是階梯在《權力的遊戲》中，小指頭有一句名言：「混亂不是深淵，混亂是階梯。」對於Mira Murati來說，這是至暗時刻。她創立的公司遭受重創，120億美元的估值面臨重估，團隊人心惶惶。但對於Barret Zoph來說，利用TML作為跳板，他不僅洗去了在OpenAI上一輪內鬥中的邊緣化地位，還帶著一支「私家軍」風光回朝，直接掌控了OpenAI最核心的變現業務。他在披薩店裡左右逢源的那一刻，或許就已經看透了這個遊戲的本質：技術只是籌碼，人性才是戰場。當TML的辦公室變得空蕩蕩時，OpenAI位於舊金山的總部裡，香檳大概已經開啟。只不過，這酒杯裡裝的不僅是美酒，還有昔日同袍的鮮血。在這個AI、資本、人才都瘋魔的時代，沒有人是無辜的，只有輸家和贏家。 (新智元)

過去半個世紀,全球科技產業的資本開支與創新節奏,都和一個規律緊密相連，那就是摩爾定律——晶片性能每18個月翻一番。在摩爾定律之外，還有一個“安迪-比爾定律”，它講的是，摩爾定律所主導的硬體性能提升的紅利，會迅速被軟體複雜度的增加所抵消。安迪指的是英特爾前CEO安迪·格魯夫，而比爾，指的是微軟創始人比爾·蓋茲。這種“硬體供給、軟體消耗”的螺旋上升,驅動了PC與網際網路時代的產業進化。時移世易，安迪、比爾都已經退出產業一線，但是規律的底層邏輯並未改變，而且被新的“安迪·比爾”推向更高的極致。ChatGPT的爆發拉開了生成式人工智能時代的大幕，在Scaling Law(規模法則)的主導下,模型參數指數級膨脹,軟體對算力的索取遠超摩爾定律的供給速度，AI發展的邊際成本急劇上升。當硬體供給遭遇能源、資料等天花板時，舊的“安迪比爾”式增長範式開始失效。產業需要一場逆向革命。大模型作為AI時代的“軟體”，需要通過極致的演算法與工程化重構，在現有硬體上爆發更強的能力。2025年，中國大模型公司成為這一路徑的最堅定實踐者。從DeepSeek V3通過細粒度混合專家(MoE)架構以1/10算力成本對標頂尖模型，到Kimi等團隊在稀疏注意力機制上的突破，被稱為“東方力量”的中國大模型公司，正試圖用架構創新努力拉平客觀存在的算力差距。清華大學電腦系副教授劉知遠及其聯合創立的面壁智能團隊，也是其中的典型代表。他們發佈的MiniCPM("小鋼炮")系列模型，僅用約1/10的參數規模,即可承載對標雲端大模型的智能水平，成為端側高效AI的案例。2025年11月，劉知遠團隊的研究登上全球頂級學術期刊《自然·機器智能》(Nature Machine Intelligence)封面，正式提出大模型的“密度法則”(Densing Law)。基於對51個主流大模型的嚴謹回測，論文揭示了驚人的非線性進化規律：從2023年到2025年，大模型的智能密度以每3.5個月翻倍的速度狂飆。這是一條比摩爾定律陡峭5倍的進化曲線。這意味著，每100天，就可以用一半參數量實現當前最優模型相當的性能。每100天成本減半，一年後成本就可能降至原來的十分之一。如此快的迭代速度，對技術創新、產業落地提出了不同以往的挑戰。劉知遠在與騰訊科技的對話中直言:如果一家大模型公司發佈一款新的模型後“3到6個月無法收回成本”，這家公司的商業模式就不可持續，因為後來者很快就能以四分之一的資源實現同等能力。當研發迭代周期被壓縮至百天量級,人類的智力供給已逼近極限,產業的終極形態必將發生質變。工業革命的標誌是機器製造機器,而劉知遠期待的AI時代生產力標誌，將是“用AI製造AI”。唯有如此,才能支撐這場超越摩爾定律的智能風暴。騰訊科技：我們今天的主題是您和團隊最新發表在《自然·機器智能》上的關於大模型“能力密度”（Densing Law）的論文。您能介紹一下這項研究的背景嗎？劉知遠： 雖然這篇論文是 2025 年發表的，但這個想法早在 2024 年上半年就已經開始萌生。2023 年初，ChatGPT 的出現引發了全球對大模型的追逐，中國團隊也不例外，當時大家都在研究如何復現 ChatGPT。到了 2023 年下半年，一線的團隊基本完成了復現工作。那時候我們開始思考大模型未來的發展路徑。有些團隊可能會繼續沿用 ChatGPT 的技術路線，通過增加參數規模、投入更多資料來訓練 GPT-4 水平的模型。這條路線雖然確定性高，但意味著要花費更多經費，這顯然不是一條可持續的發展路徑。你不可能無限地增加成本來換取更強的能力。因此，我們開始探討如何用更低的成本、更高的質量來實現模型能力。2024 年初，我們推出的 Mini CPM 系列模型驗證了這一點：我們可以用更少的參數，實現歷史上需要幾倍甚至幾十倍參數才能達到的能力。這是經驗性的結果，我們想尋找其背後的規律，於是促成了 2024 年對“密度法則”的探索。圖：Densing Law論文登上Nature Machine Intelligence封面騰訊科技：這項研究是否因為中國的國情，使我們更重視大模型的效率問題？它在國內外是獨一無二的嗎？劉知遠： 追求效率當然有中國算力有限的國情因素。我們必須關注如何用更少的算力實現更高品質的模型。這也是為什麼 2024 年下半年，《經濟學人》的一篇封面文章提到，中國企業正通過技術創新繞過“算力牆”，並舉了面壁智能和 DeepSeek 的例子。但同時，追求效率也符合人工智慧本身的發展規律。人工智慧是一場堪比工業革命的科技浪潮，如果要讓每個人都受益，技術就不能昂貴。我們必須像歷史上任何一次科技革命那樣，用更低的成本實現更高品質的產品和服務。因此，我們自信地認為，密度法則對人工智慧的未來發展具有重要意義。騰訊科技：在“密度法則”中，一個關鍵概念是量化“智能”，但這本身是一個難題。在研究開始前，您為什麼覺得這件事是行得通的？劉知遠： 這個問題問得非常好。實際上，我們在密度法則這篇論文裡並沒有真正解決“如何度量智能總量”這個科學問題，而是找了一條取巧的辦法：找一個參照物（Reference Model）。我們假設用同一套技術方案訓練的模型，無論尺寸大小，其密度大致相同。我們將這套方案訓練出的模型作為 Reference Model，並假設其密度為 1。然後，我們觀察目標模型達到某種智能水平時，Reference Model 需要多大參數才能達到相同水平。通過比較兩者達到相同能力所需的參數量，我們就可以算出目標模型的相對密度。這種方法規避了直接計算模型內部智能總量的難題。當然，如何衡量智能的總量（Mass）是未來幾年人工智慧需要攻克的基礎科學問題。歷史上任何大的科技革命背後都有科學理論支撐，如資訊理論之於通訊，熱力學之於蒸汽機。智能科學未來也需要解決如何衡量智能總量的問題。騰訊科技：您在2024年WAIC期間曾提到模型的“密度法則”周期是8個月，但最終論文的結果是3.5個月。為什麼進化的速度比您預期的快這麼多？劉知遠： 2024年年中我們剛有這個想法時，研究尚在初期，觀測的時間跨度和模型數量都有限，所以當時的資料不夠穩定。我們2024年下半年發佈的版本算出來是3.3個月，到今年正式發表時，我們補充了2025年的新模型資料，周期修正為3.5個月。其實，具體的周期是三個月還是八個月並非最重要，最重要的是，這個速度遠遠快於摩爾定律的18個月。這意味著我們正以前所未有的速度迎來一場智能革命。每100天成本減半，一年後成本就可能降至原來的十分之一。同時，我們確實觀察到了一個加速現象。2023年之前，這個周期接近五個月；2023年之後，則縮短到三個多月。我們猜測，這是因為ChatGPT引發了全球性的關注，更多的資源和人才投入加速了技術創新。所以，“密度法則”並非自然規律，而是我們人類社會在該科技領域的一種“自我實現”：投入越多，密度增長越快。騰訊科技： 剛才提到投入，大模型有暴力美學的 Scaling Law，您覺得 Densing Law 和 Scaling Law 是統一的還是矛盾的？劉知遠：我認為它們是硬幣的兩面，相輔相成。“規模法則”的表像是模型越大、能力越強，其背後是我們找到了一條通用的智能構造方案（Transformer架構+序列預測學習），使得在一個模型內持續增加智能成為可能。它開啟了通往通用人工智慧的道路。在坐標系中，“規模法則”是一條參數規模越大、模型能力越強的持續上升曲線。而“密度法則”告訴我們，通過在模型架構、資料治理、學習方法等方面的持續技術創新，我們可以用更小的參數承載更多的智能，從而找到一條更加“陡峭”的“規模法則”曲線。也就是說，用相同的參數實現更強的能力，或者用更少的參數實現相同的能力。所以，沒有“規模法則”就不會有“密度法則”，兩者都是人工智慧發展中至關重要的規律。騰訊科技：“規模法則”似乎正面臨資料、算力和能源的天花板。密度法則何時會遇到瓶頸？劉知遠： Scaling Law的持續發展確實面臨電力、算力、資料等約束。而 Densing Law 正是實現更可持續Scaling Law 的方式。通過技術創新提高密度，我們可以在算力或成本基本不變的情況下，持續提升模型能力。例如DeepSeek V3宣稱用 1/10 的算力實現同等能力，OpenAI 的 API 價格持續下降，都反映了內部通過技術創新用更小的模型提供同等服務。當然，資料枯竭問題可能需要依賴另一項技術——大規模強化學習來解決，即讓模型通過自我探索生成高品質資料進行學習。騰訊科技：2025年有那些讓您覺得驚豔的技術突破，能讓 Densing Law 更加陡峭？劉知遠：今年是模型架構創新的大年，主要有三個方向：第一，以DeepSeek V3為代表的細粒度混合專家（MoE）架構走向成熟，通過稀疏啟動少數專家來大幅提升計算效率。第二，稀疏注意力（Sparse Attention）機制大行其道，通過減少注意力計算中的內容參與度，有效處理長序列。這兩者分別最佳化了Transformer的FFN層和Attention層，實現了計算的“按需分配”。第三，復興循環神經網路（RNN）思想，通過與Transformer混合架構，利用其“記憶”機制降低計算複雜度。這些創新都在變相地提升模型密度。此外，大規模強化學習的應用也取得了巨大飛躍，尤其在數學和程式碼領域，模型通過自我探索持續提升能力，暫時還看不到盡頭。這解決了資料枯竭的問題。騰訊科技： 您覺得密度法則能推廣到多模態模型或世界模型嗎？劉知遠： 我認為這是一個普遍規律。雖然不同領域的倍增周期可能不同，但只要是通用的、遵循 Scaling Law 的模型，未來也一定會遵循 Densing Law。就像晶片摩爾定律和電池密度提升一樣，技術創新總是追求用更少的資源實現更高的性能。騰訊科技：您如何看待Google最新發佈的Gemini 3？它是否可被稱為里程碑式的突破？劉知遠：我們內部認為Gemini 3是一個非常重要的里程碑。它在圖像生成中對文字的控制達到了前所未有的高度，這表明其模型的可控性和對世界的理解能力達到了一個新水平。我們推測，它不只依賴於Diffusion模型，很可能將自回歸（Auto-regressive）的思想融入其中，實現了生成過程的逐層細化和高度一致性。歷史上，所有文生圖模型都難以處理好文字內容，Gemini 3的突破，在我看來是一個非常值得關注的新範式。這也印證了密度法則：只要能實現某種智能，未來一定可以在更小的終端上運行。比如 Gemini 3 現在的能力，未來一定可以在手機、PC 或汽車晶片上跑起來。騰訊科技： 現在還沒有出現能替代智慧型手機的端側 AI 裝置，是不是因為 Densing Law 還沒進化到位？劉知遠： 端側裝置的發展受限於多個因素。第一，還沒有形成好的端側應用場景。現在的手機助手雖然使用者多，但並未與硬體緊密結合。第二，端側技術生態尚未形成。AGI 發展還沒收斂，模型能力還在持續提升，且在產品設計上還沒法完全規避錯誤。就像早期的搜尋引擎也是經過產品打磨才普及一樣，AGI 結合智能終端也需要一個過程。一旦產品形態成熟，智能終端的廣泛應用就會成為可能。騰訊科技： 您提到 MiniCPM 4 可以看作一種“模型製程”，這個怎麼理解？劉知遠： 我更願意把這一代模型比作晶片製程。通過技術創新，我們形成了一套新的模型製程，無論建構什麼尺寸的模型，其密度都更高。例如 MiniCPM 4 在處理長序列時速度提升了 5 倍，意味著可以用更少的計算量承載更強的能力。但目前的挑戰在於，硬體支援還不夠好。我們正在努力做軟硬協同最佳化，希望在消費級硬體上真正跑出理想狀態。騰訊科技： 這需要和高通、聯發科等硬體廠商協同創新嗎？劉知遠： 我們跟硬體廠商交流密切。但硬體廠商受摩爾定律 18 個月周期的影響，架構調整更審慎。而模型每 3 個月就進化一次。所以短期內是軟體適配硬體，長期看硬體會針對穩定的新技術做最佳化。現在端側晶片廠商已經在認真解決大模型運行的瓶頸，比如訪存問題。騰訊科技： 之前大家嘗試過剪枝、量化等方法來做小模型，這和原生訓練的高密度模型相比如何？劉知遠： 我們做過大量實驗，剪枝、蒸餾、量化都會降低模型密度。量化通過後訓練可以恢復一部分效果，是目前端側比較落地的做法。但蒸餾現在已經融合進資料合成體系，不再是簡單的“大蒸小”。剪枝目前還沒找到保持密度的好方法。就像你不能通過剪裁把 14nm 晶片變成 7nm 晶片一樣，要把密度做高，必須從頭建構一套複雜的原生技術體系，包括架構設計、資料治理、學習方法和軟硬協同。這本身就是技術護城河。騰訊科技：“密度法則”對產業界意味著什麼？對於創業公司來說，機會在那裡？劉知遠：3.5個月的迭代周期意味著，任何一個投入巨資訓練的大模型，如果不能在3到6個月內通過商業化收回成本，這種模式就很難持續。因為很快就會有技術更新的團隊用更低的成本實現同樣的能力。因此，雲端API服務的競爭會極其慘烈，最終可能只會剩下幾家擁有海量使用者和強大技術迭代能力的頭部廠商。對於創業公司而言，機會可能在於“端側智能”。端側場景的約束條件非常明確（如功耗、算力、響應時間），這使得技術優勢，即誰能把模型密度做得更高，成為唯一的競爭點，大廠的“鈔能力”（如不計成本的投入）在這裡難以發揮。雖然手機廠商也在高度關注，但它們的決策會更審慎。我們認為，端側智能會先從智能座艙等對功耗不那麼敏感的場景開始，而最終，AGI時代一定會有屬於它自己的智能終端形態，這是我們希望探索的星辰大海。騰訊科技： 面對算力軍備競賽和快速折舊，您怎麼看泡沫論？劉知遠： 快速發展肯定伴隨局部泡沫，但整體上我們正進入智能革命時代。如果以 18 個月為周期，資訊革命走了 50 個周期；如果 AI 也走 50 個周期，按現在的速度，大概到 2030-2035 年就能實現全球普惠的 AGI。未來網際網路的主體不再只是人，還有無數智能體。雖然訓練模型的廠商會收斂，但推理算力需求會爆炸式增長。騰訊科技： 李飛飛（美國國家工程院院士）說 AI 是文明級技術，您對這場革命樂觀嗎？劉知遠： 我相當樂觀。騰訊科技：如果AI變得無比強大，未來人類會不會無事可做？劉知遠：我不這樣認為。未來一定是人機協同，人是把關人。人類知識大爆炸導致我們只能成為細分專家，阻礙了跨領域創新。人工智慧可以幫助我們成為知識的主人而不是奴隸，去探索宇宙、生命等更多未解之謎。騰訊科技： 您2026年最期待的創新是什麼？劉知遠： 我最期待“用 AI 製造 AI”。明年一個重要節點是自主學習（Self-play）。目前的強化學習還依賴人類給標準答案，未來模型如果能自主判斷探索結果的價值，就實現了自主學習。在此基礎上，結合密度法則的提升，我們有可能為每個人建構專屬的、持續學習的個人大模型。未來的生產標誌就是“用 AI 製造 AI”。不再依賴有限的人力，而是由 AI 來賦能 AI 的研發和製造。這將是一個指數級加速的過程。 (騰訊科技)