當地時間周二，輝達在加州聖克拉拉舉辦的AI基礎設施峰會上發佈了最新的 Rubin CPX GPU。這款晶片專為處理百萬級Token的程式碼生成和視訊生成任務而設計。輝達 Vera Rubin 晶片（圖片來源：輝達）在人工智慧領域，Token（標記）是一種基礎處理單位，可以代表一個詞、一個子詞，甚至是視訊或音訊中的片段。無論是使用 ChatGPT、Claude、Gemini 還是 Grok，這些模型都會將使用者輸入的文字或指令拆分成若干 Token，並基於這些 Token 進行分析和生成回答。Rubin CPX 將與輝達的 Vera CPU 及 Rubin GPU 配合使用，構成 Vera Rubin NVL144 CPX 平台的一部分。其中，“NVL144” 表示該系統配備 144 個 GPU。輝達首席執行官黃仁勳表示：“Vera Rubin 平台將再次推動 AI 計算實現跨越式發展——不僅推出新一代 Rubin GPU，還引入了一類全新處理器架構——CPX。正如 RTX 曾徹底革新圖形處理與物理模擬領域，Rubin CPX 是首款專為‘超大規模上下文 AI’打造的 CUDA GPU，可支援模型在數百萬個 Token 的知識範圍內同時進行推理與運算。”據官方介紹，Vera Rubin NVL144 CPX 的 AI 性能將達到現有 Grace Blackwell 架構 GB300 NVL72 系統的 7.5 倍。輝達表示，該平台將顯著提升客戶的 AI 商業化能力，並測算出：每投入 1 億美元，預計可實現高達 50 億美元的基於Token的收益。Rubin CPX 預計將在 2026 年底正式上市。 (超算百科)

為什麼AI實驗室越來越像職業體育球隊？算力不再稀缺，頂級人才成為新一輪AI競賽的核心資源在過去一年裡，儘管AI產業繼續高速發展，但真正值得關注的變化，並不在於技術本身，而是產業結構的核心驅動力發生了轉移。從前，決定AI領先地位的關鍵變數是“誰擁有更大的叢集、更充足的算力和更強的預訓練能力”；而現在，在算力相對充裕的環境下，真正稀缺的資源變成了人才。紅杉美國合夥人David Cahn今天夏天提出上面這個有趣的問題，他在去年夏天寫了不少關於 AI 的文章，從《AI 的 6000 億美元問題》、《AI 資本支出的博弈論》、《AI 已準備就緒》構築未來：紅杉美國2025年人工智慧最新預測、《鋼鐵、伺服器與電力》紅杉評論｜鋼鐵、伺服器和電力：如何贏得下一階段的人工智慧，一直寫到《AI 供應鏈拉鋸戰》。David表示一年過去，回頭看，其實變化並不大：原本是“6000 億美元問題”，如今變成了“8400 億美元問題”（假設 Nvidia 到 2025 年底的資料中心營收年化可達到 2100 億美元）。根據路透社消息，OpenAI 仍然佔據整個 AI 收入的大頭，近期突破了 100 億美元大關OpenAI 宣稱其年經常性收入（ARR）達到 100 億美元，它是如何做到的？。整個 AI 生態的總收入，依舊遠不及已投入的巨額資本。事實上，他去年對大科技公司 AI 收入的預估可能還偏高了。過去一年，AI 有三項重大進展：1、程式碼生成 AI 迅速爆發。一年前，這類產品的演示還令人震撼，如今程式碼 AI 領域已經創造了約 30 億美元的年化收入Cursor的百億估值背後：真壁壘or泡沫？2、“推理能力”找到明確的產品-市場契合點，引發了對“推理階段算力利用效率”的廣泛關注。通過反覆查詢模型結合強化學習，我們能獲得更精準可靠的結果。巴克萊投行：人工智慧邁向推理模型和Agent的重大轉變3、ChatGPT 的使用出現“smile curve（微笑曲線）”，使用者行為逐漸固化，這項新技術正深入日常生活。所謂“微笑曲線（smile curve）”，通常用來描述兩端高、中間低的趨勢圖。在 ChatGPT 的使用中，這種曲線可以理解為使用場景和使用者活躍度呈現“兩頭高、中間低”的態勢：一端初始高峰階段是新使用者接觸ChatGPT初期的高活躍度，嘗試各種功能中間階段活躍度下降，部分使用者因不知如何用或找不到價值而流失另一端穩定上升階段是剩下的使用者逐步將 ChatGPT 融入生活或工作流程，如寫作、郵件、程式碼輔助、研究等形成習慣，高頻使用 ChatGPT從“模型即基礎設施”到“人即護城河”這一趨勢正在從多個層面重塑AI產業格局。去年，主流觀點還集中於模型規模、訓練成本和基礎設施投入，例如“訓練一個GPT-4等級模型到底要花多少錢”“誰能率先上線超萬卡叢集”等。但到了2025年中，我們看到的是另一個敘事逐漸佔據主導地位：頂級人才才是AI下一階段突破的決定性要素。隨著AI應用層生態的持續豐富，算力價格不斷下降，建構一款AI產品的門檻不再高不可攀。大量初創企業借此機會進入市場，建構以“整合式工作流和輕量化模型呼叫”為核心的業務系統。例如 Harvey、Abridge、Perplexity、OpenEvidence 等公司，均在各自領域取得顯著進展。這些企業的核心優勢，不再是底層模型或訓練能力，而是如何用有限資源組織出一支具備創新能力的人才團隊。但與這些正面趨勢相對的是另一個現象：過去被廣泛討論的“預訓練階段”的模型開發、叢集搭建等話題，正在從公共話語體系中逐步淡出。可能原因包括大型算力叢集的建設周期延長，或者如 OpenAI 聯合創始人 Ilya Sutskever 所言，“我們所理解的預訓練方式即將終結”。與此同時，一年前我們看到很多研究實驗室因為成本壓力而合併、收縮，而如今，一批新興力量重新湧現，包括 SSI、DeepSeek、Thinking Machines 等，他們不再依賴大規模算力，而是將“團隊質量”作為差異化競爭的關鍵。這種變化的背後，是AI產業邏輯的轉變——從資源驅動轉向組織能力驅動。過去我們默認：“有錢、有卡、有電”，就能訓練出世界級模型。而現在則愈發清晰地意識到：即便你擁有最大的叢集，也未必能實現技術突破，真正的關鍵，是是否能吸引、留住並釋放頂尖人才的創造力。這種現像在Meta和Google的身上表現得尤為明顯。Meta最近以頗具戰略意圖的方式入股了AI基礎設施公司Scale 49%的股份，並將創始人Alex Wang引入Meta，主導一支“創始人風格”的實驗室，目標是重建長期主義的AI研究文化。Meta擬斥資150億美元控股Scale AI：資料優勢加持能否逆轉AI困局？Google也在多個產品線上進行重組，試圖擺脫現有AI產品的被動局面，重新掌握主動權。這些動作的共同指向是：在當前算力不再是稀缺資源的時代，人才成為唯一的突破口。某種程度上，AI實驗室如今已越來越像職業體育球隊。他們有充足的資本、有明確的“戰術體系”、有明確的“轉會窗口”，更重要的是，他們願意為頂級“球員”，即AI研究員、系統架構師、模型最佳化工程師提供極具競爭力的薪酬待遇。目前，一線AI人才的薪資包動輒在千萬美元以上，個別關鍵人物甚至可談到“億級”甚至更高。而與體育不同的是，AI領域的人才合同流動性極強，沒有多年繫結，隨時可能被挖角。具有諷刺意味的是，最早提出“AI競賽”這一概念的，其實是AI安全社區。他們的初衷，是提醒業界警惕因資本驅動和技術衝動所引發的無序博弈，可能帶來的系統性風險。然而，時至今日，這場競賽已然全面展開，並在“算力”和“人才”兩個核心維度上成為現實。從根本上說，這種趨勢反映了人類面對重大機會時的一貫反應。每當出現一個足夠誘人的技術突破或市場窗口，人們幾乎不會主動“剎車”。AI 正是這樣一種變革性技術，它有可能重塑整個產業格局甚至社會結構，回報極其可觀。也因此，圍繞它的關鍵資源，尤其是最稀缺、最難複製的人才，正在被不斷推向競爭的極限。更值得注意的是，儘管當前AI實驗室之間的競爭異常激烈，但整個行業的氛圍卻較三年前顯得更為“平穩”。一個合理的解釋是：對大多數參與者而言，“持續競賽”已成為默認狀態，市場結構基本固化，主導力量明確，生態內部逐漸建立起某種“動態均衡”。雖然風險與不確定性依然存在，但從系統性角度看，這個行業正朝著一種更自洽、更有秩序的形態演進。 (Miss LN)

剛剛，GPT-4.1 正式上線 ChatGPT，網友辣評：4.1 > 4.5就在剛剛，OpenAI 宣佈 GPT-4.1 模型正式上線 ChatGPT。Plus、Pro 及 Team 使用者現可通過模型選擇器的「更多模型」菜單訪問該模型。企業版與教育版使用者的存取權將在未來幾周陸續開放。GPT-4.1 系列包含三個版本：GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano，三者均支援高達 100 萬 token 的上下文窗口，相比 GPT-4o 的 12.8 萬 token 實現大幅提升。🧑‍💻 GPT-4.1 系列模型在程式碼生成、指令遵循和長文字理解等方面表現尤為突出，可更高效地滿足日常開發者和技術使用者的使用需求。在真實軟體工程能力的評估標準 SWE-bench Verified 基準測試中，GPT-4.1 更是得分 54.6%，較 GPT-4o 提升 21.4%，較 GPT-4.5 提升 26.6%，當時也讓不少網友調侃：4.1＞4.5。此外，GPT-4.1 mini 已替代原有的 GPT-4o mini，向所有使用者全面開放。關於 GPT-4.1 系列模型的詳細資訊，歡迎點選回看 APPSO 此前報導 👇剛剛，OpenAI 發佈 GPT-4.1 ！吊打 GPT-4.5，14 萬/月的博士級 AI 曝光在 OpenAI 持續迭代模型能力的同時，其競爭對手 Anthropic 也在積極推進下一代大模型的發佈。🥊 據 The Information 援引知情人士透露，Anthropic 即將在未來幾周內推出 Claude Sonnet 和 Claude Opus 的新版模型。新一代 Claude 模型主打「推理+工具使用」的復合能力，能夠在任務執行過程中靈活切換模式。舉例而言，在市場調研任務中，模型不僅會分析全國趨勢，還能結合本地人口資料進行深入推理，給出更精準的建議；而在程式碼生成場景下，新模型還能自動測試並修復自身生成的程式碼，從而大幅減少使用者的後續干預。 (APPSO)