AI行业前沿

1、哈佛三个退学生创立的芯片公司 Etched 结束四年隐身，宣布 Transformer(AI自注意力机制深度学习架构)专用芯片 Sohu 已经量产——$8亿融资，$10亿订单，8颗芯片跑 Llama 70B 每秒 50 万 token。英伟达 H100 需要 160 台才能追上。

2、上海 AI 实验室发布 Agents-A1——一个只有 350 亿参数的 MoE 模型，通过"长任务训练"在 Agent 任务上追平了万亿参数级模型。通过更久训练，而不是加更多参数。

3、arXiv 上一篇论文提出 ECHO——训练 AI 同时做两件事：执行任务，和判断哪些记忆值得保留。不是记住一切——是选择性地记住。

4、安全公司 Spectra 开源 Evil Spectra——一套专门用来测试 AI Agent 漏洞的工具链。

同一个方向：AI 正在从"Scaling"（规模扩展）转向"Specialization"（专业分工）。

Scaling Law（缩放定律）的尽头

GPT-5.6不是一个大模型——它是一个路由器。Sol、Terra、Luna 三档，各自管各自的事。OpenAI 自己已经不把"更大的单一模型"当作答案了。

Sakana AI 做了一个实验：一个只有 70 亿参数的"指挥家"模型，通过智能调度其他模型，在 GPQA Diamond 上得分 87.5%——超过了 GPT-5 的 82.3%。

Gartner 预测：到 2026 年底，40% 的企业应用将嵌入任务专用 AI Agent。而 2025 年这个比例不到 5%。

Ilya Sutskever 说预训练的红利正在衰减。Jensen Huang 提出了新的三阶段框架：预训练、后训练、推理时计算。Scaling 不再是一维的"堆更多 GPU"——它变成了多维的"在哪个环节用多少算力"。

三个哈佛生Etched Sohu 

他们把 Transformer 架构直接烧进了硅片。不能跑 CNN。不能跑 Mamba。不能跑扩散模型。只能跑 Transformer。

代价是放弃了灵活性。回报是：FLOP 利用率 80%+——而 GPU 通常只有 30%-40%。144GB HBM3E 内存。台积电 4nm 工艺。8 颗芯片塞进一个机架。

投资人说这是一个"all or nothing"的赌注。Hinton（深度学习教父）投了。李飞飞投了。彼得·蒂尔投了。Jane Street 投了超过 1 亿美元。

与此同时，博通的 AI ASIC 业务年化收入已达 84 亿美元，同比增长 1064%。博通已经签下了包括 OpenAI 在内的 6 个超大规模客户。英伟达的 GPU 市场份额从 87% 下滑到 75%。

硬件在从"通用"走向"专用"，"所有 AI 计算都用 GPU"的时代正在结束。

自然之道

35 亿年前，地球上只有单细胞生物。

它们没有大脑。没有器官。没有分工。一个细胞做所有的事——吃东西、排泄、感知光线、分裂繁殖。

然后多细胞生物出现了。细胞开始分工。有的专门感知光线——变成了眼睛。有的专门传输信号——变成了神经。有的专门收缩——变成了肌肉。

分工让"更聪明"到"更高效"。

进化的方向从来不是"更大的单细胞"。而是"多细胞分工协作"。

AI 现在正在经历完全相同的转折。

2023-2025 年的 AI 竞赛，本质上是"单细胞竞赛"——谁的模型更大、参数量更多、训练算力更强。GPT-4 到 GPT-5，参数从万亿到十万亿。模型越来越大，但边际收益越来越小。

2026 年，AI 开始长"器官"了。

推理芯片（Etched Sohu）是肌肉——专门执行计算。长任务训练（Agents-A1）是耐力——不靠爆发力靠持久力。选择性记忆（ECHO）是大脑皮层——不是记住一切，是记住重要的。专用安全工具（Evil Spectra）是免疫系统——不是通用防御，是针对性抗体。

一个"AI 多细胞生物"正在成形——一个分工协作的系统。

投资映射：从"押注英伟达"到"分散布局"

如果 Scaling→Specialization 是正确的，那么 AI 投资也需要进化。

过去三年，AI 投资的唯一逻辑是：买英伟达。因为不管谁做大模型，都需要 GPU。GPU 是 AI 时代的"铲子"。

但现在，"铲子"正在变成"工具箱"。不同环节需要不同的工具：

-训练：仍然需要 GPU（但需求增速可能放缓）

-推理：ASIC 正在抢份额（博通 $84 亿、Etched $10 亿订单、Groq LPU）

-Agent：CPU + 异构计算（不是所有 Agent 任务都需要 GPU）

-记忆：高密度存储 + 低延迟检索（CXL 互联、近存计算）

-安全：硬件可信执行环境（TEE/机密计算）

Scaling 时代不会结束。GPT-6 会更大。Gemini 4 会更强。

但AI 行业正在变化：从"依靠更大的模型解决一切问题"，到"依靠更聪明的分工让每个环节都有最适合的工具"。

单细胞生物没有消失。但多细胞生物才能走出这个星球。

数据来源：Etched官方（6/30）、arXiv 2606.30616v1（Agents-A1·6/29）、Sakana AI（6/30）、Gartner（2026Q2）、SemiAnalysis（6/30）。