2025.10.14 全球AI新闻速递
今日全球AI领域风起云涌，焦点集中于硬件层面的战略博弈与上层应用的持续爆发。OpenAI联手博通自研芯片，意图打破算力瓶颈，标志着AI巨头正加速垂直整合，从模型开发者转向全栈基础设施掌控者。与此同时，微软推出自研图像模型，英伟达则将AI超算能力下放至桌面级，并联合产业巨头构建更强大的生态护城河。从底层芯片到顶层应用，AI竞赛已进入“软硬一体”的深水区，算力所有权正成为定义未来十年行业格局的关键变量。
OpenAI与博通宣布达成战略合作，将共同开发和部署一个规模高达10吉瓦的定制AI芯片及网络系统。根据协议，OpenAI将主导AI芯片设计，博通提供以太网等关键连接解决方案并协同开发。该项目旨在满足日益增长的AI算力需求，预计将于2026年下半年开始部署，并在2029年底前完成。此举标志着OpenAI正式进军底层硬件，力图掌控从模型到芯片的全栈能力，以支撑其未来更大规模模型的研发。
微软发布了其首款内部独立开发的图像生成AI模型MAI-Image-1，此举旨在降低对合作伙伴OpenAI的技术依赖。该模型在生成逼真图像，尤其是自然光照和景观场景方面表现卓越。目前，MAI-Image-1正在LMArena平台上进行公开测试，微软计划在不久的将来将其深度集成到Copilot及Bing Image Creator等核心产品中，进一步强化自身在AIGC领域的产品竞争力。
英伟达宣布了两项重大进展：首先，推出基于GB10 Grace Blackwell超级芯片的桌面AI超算DGX Spark，售价3999美元，拥有1 petaflop的FP4算力，支持200B参数模型本地推理。其次，在OCP峰会上，英伟达宣布与Meta、Oracle等公司在Spectrum-X以太网平台上展开合作，并联合Power Integrations等伙伴推进800V直流供电技术，旨在提升AI数据中心能效和性能，进一步巩固其生态系统优势。
OpenAI Sora应用下载量破百万，引发创作热潮与行业担忧
OpenAI的AI视频生成应用Sora在发布后短短数日内下载量突破100万次，其强大的文生视频能力吸引了大量用户。然而，好莱坞对此反应冷淡，担忧该技术可能模糊创作与模仿的界限，并引发知识产权争议。同时，专家警告称，逼真的AI生成视频可能被用于深度伪造和传播虚假信息。在此背景下，谷歌也正准备发布其竞品模型Veo 3.1，视频生成领域的竞争正迅速升温。
北京大学人工智能研究院孙仲研究员团队在《自然・电子学》上发表论文，宣布成功研制出一种高精度、可扩展的模拟矩阵计算芯片。该芯片基于阻变存储器，首次实现了与数字计算相媲美的精度，将传统模拟计算的精度提升了五个数量级。在处理大规模MIMO信号检测等任务时，其计算吞吐量和能效比顶级GPU提升百倍至千倍，为解决AI和6G通信等领域的算力瓶颈开辟了新路径。
Andrej Karpathy发布极简ChatGPT克隆项目nanochat
前特斯拉AI总监、OpenAI创始成员Andrej Karpathy发布了开源项目nanochat。该项目用约8000行代码实现了一个完整的类ChatGPT模型训练与推理流程，涵盖了从tokenizer训练、预训练、微调到强化学习的全过程。此举旨在为开发者和研究者提供一个轻量级、低成本（在8卡H100上训练4小时成本约100美元）的实验平台，以深入理解大型语言模型的构建原理。
谷歌Nano Banana AI图像编辑器将整合入多款核心产品
谷歌宣布其Nano Banana AI图像编辑模型将深度整合到谷歌搜索、Google Photos和NotebookLM中。用户将能通过提示词直接在这些应用中对图片进行高级编辑和创作。例如，在NotebookLM中，该模型可以为视频摘要生成多种风格的封面图像，如白板风或动漫风，极大地丰富了内容创作和信息处理的交互体验。
特斯拉Autopilot可视化系统升级，并预告全自动泊车功能
特斯拉对其Autopilot可视化系统进行了重大升级，新增了对救护车、消防车、婴儿车、轮椅等多种车辆和对象的渲染模型，提升了环境感知的真实性。此外，CEO马斯克透露，名为“Banish”的全自动泊车功能将在不久后推出，届时车辆将能完全自主地寻找车位停泊并返回接驾地点，进一步迈向L4/L5级自动驾驶。
工业AI生成式设计软件供应商「设序科技」完成数千万元Pre B轮融资。其核心产品“闪设”是一个基于自研工业世界模型和智能体的软件，能够通过自然语言交互，智能生成3D设计方案和2D工程图纸，可将设计效率提升数倍至数十倍。本轮融资将用于扩展模型能力，从设计环节延伸至工艺规划和智能制造，并计划拓展海外市场。
在2025世界农业科技创新大会上，神农AI大模型3.0正式发布。该模型聚焦于36个农业智能体，具备专业的农业知识问答、病虫害诊断和生产决策推理能力。模型已推出多种参数规模的版本，并在北京、内蒙古等地推广应用，服务用户超过10万人，展示了AI大模型在赋能传统产业方面的巨大潜力。
今天的几条新闻串起来看，非常有意思。牌桌上的核心玩家们已经不满足于只在算法和模型层面上竞争了。
OpenAI和微软的动作，本质上是在回答一个问题：当算力成为最核心的生产资料时，你选择继续支付高昂的“英伟达税”，还是自己下场造锄头？ OpenAI选择后者，这是从“租赁算力”到“定义算力”的根本性转变。10吉瓦的规模，已经不是小打小闹，而是要构建一个自给自足、甚至可以对外输出的算力帝国。这背后是“股权换算力”模式的必然延伸——用未来的高利润预期，撬动今天对底层基础设施的掌控权。
而英伟达的回应也堪称教科书级别。一方面，通过DGX Spark这样的产品，把曾经遥不可及的超算能力“桌面化”，这是在培养和锁定下一代AI开发者，让他们在英伟达的生态里“出生”。另一方面，联合产业巨头推行网络和供电标准，这是在加固自己的护城河，让替换成本变得极其高昂。黄仁勋的策略很清晰：你可以造芯片，但你离不开我的生态系统。
在这场巨头的“军备竞赛”之下，像国内的模拟计算芯片这类研究，就显得尤为关键。它代表了另一条突围路线——换道超车。如果能在功耗和效率上实现数量级的突破，就有可能在特定场景下重塑算力格局。
总而言之，AI的竞争已经彻底进入了全栈战争时代。过去我们谈论模型参数、算法创新，现在和未来，谁能最高效地将沙子（硅）变成智能（推理），谁就掌握了最终的话语权。 这场游戏的终局，远未到来。