夜雨聆风## 📝 要点概括
今日AI领域呈现三大主线：一是AI代理生态加速成型，River AI融资11亿美元推出Neocloud训练平台，Patronus AI获5000万美元构建代理压力测试"数字世界"，多家初创公司竞相布局全栈代理开发；二是算力能效瓶颈凸显，NonTraditional AI提出脉动阵列架构，承诺将推理功耗降低1000倍，反映电力正成为AI扩张的硬性约束；三是具身智能迈向拐点，ACE Robotics预计2027年底前迎来"ChatGPT时刻"，中国机器人企业加速商业化落地。与此同时，Anthropic与阿里、Fractile芯片公司估值飙升等事件持续搅动市场格局。
## 1. 个人代理培训平台：River AI推出River Neocloud平台|趋势猎人
【1】
个人代理培训平台
River AI推出River Neocloud平台
River AI由xAI联合创始人Igor Babuschkin创立，推出了一个以训练优先的平台，旨在帮助开发者和组织将开放模型微调为个性化代理。该公司于6月完成融资，在General Catalyst和MP TBC领投的种子及A轮融资中筹集了11亿美元，Nvidia、AMD Ventures、Y Combinator和淡马锡等机构也参与了投资。
River的API支持强化学习和底层自适应微调，允许开发者直接修改开放模型，而非仅仅依赖提示工程。该公司正在构建涵盖训练、模型、产品层和未来硬件的端到端技术栈，其Neocloud产品旨在帮助企业在没有专门基础设施团队的情况下运行复杂的大规模训练任务。
对于企业和消费者而言，River的方法强调对AI代理的更大控制权、个性化和所有权。这一平台顺应了开放权重模型与独立训练助理的更广泛趋势。
##这一趋势背后的关键主题
##这是在哪里
##相关
模块化代理开发平台
Prime Intelligence推出全栈代理平台
综合人工智能助理
可导航人工智能使特定产品的AI代理能够引导其用户使用
本地化人工智能出行平台
myRiva将AI商务旅行市场扩展至加拿大
物理人工智能开发平台
Nebius与NVIDIA支持机器人初创公司研发
免费人工智能安全平台
iboss承诺为组织提供免费AI安全平台
无服务器代理调试工具
Naïve推出Naïve API以自动化运营工作
##科技趋势
##热门列表
我们专注于推动变革的创新者。通过融合战略思维、创造性探索与实际执行，帮助将新兴想法转化为实用且持久的解决方案。
## 2. Databricks的前人工智能首席执行官认为他可以将人工智能的电费削减1，000倍- TechCrunch
【2】
2026年第一届StrictlyVC将于4月30日登陆旧金山。门票销售迅速。
# Databricks前人工智能负责人认为他可以将人工智能的电费削减1000倍
探索人工智能下一次重大突破的努力资助了一些相当雄心勃勃的项目，但有一家公司正将其视为从头重建计算架构的机会。
由Databricks前人工智能主管Naveen Rao领导的NonTraditional AI，承诺大幅提升推理处理的能效。其秘密武器是一种新型基于脉动阵列的计算架构。
周四，该公司发布了首款人工智能模型——名为Un-0——这是一种图像生成系统，首次展示了该公司技术如何重现传统人工智能系统的效果。在随附的新论文中，研究团队详细介绍了他们如何使用新架构的软件模拟器构建功能完备的图像生成模型，该模型的性能与当前最先进的扩散模型相当。
"这是一种新型计算机的'你好世界'，"拉奥告诉TechCrunch。"在接下来的一年里，你将开始看到一些非常有趣的消息。"
新的Un-0模型的输出与Stable Diffusion或OpenAI的GPT Image 1等图像生成模型的输出相似。令人印象深刻的是它如何达到这种性能。该模型建立在基于脉动阵列的架构上，与传统计算和传统大语言模型芯片截然不同。基于脉动阵列的计算优势颇为复杂，但拉奥相信它最终可将功耗降低多达1000倍。
实现这一目标的大部分基础设施仍在建设中。当前版本的Un-0运行在非传统脉动阵列芯片的软件模拟之上，但该公司计划很快发布实际芯片的原理图。此后，该计划是从头构建整个推理堆栈，NonTraditional AI最终像其他任何提供商一样提供计算能力。
"我们将建造一种由我们的芯片组成的新型系统，"拉奥说。"我们将在那里运行人工智能模型，我们将有一根网线，提示进入，推理输出，但这将以1/1000的功耗完成。"
这是一个雄心勃勃的目标，尤其对于一家员工人数仍不到50人的公司而言。但考虑到人工智能建设的规模以及满足日益增长的推理需求的预期成本，这可能是为数不多的能以规模化方式解决问题的努力之一。正如拉奥所言，可用电力供应将成为未来几年人工智能发展的硬性约束之一，而非传统AI是少数能够解决这一问题项目之一。
"由于能源原因，人工智能扩展正变得困难。这将成为未来几年的基本极限。你无法绕过它。归根结底，这将是一个能源受限的问题，"他说。
* 当您通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。
拉塞尔·布兰顿
人工智能编辑
## 3. 人工智能框架提出具有多种癌症潜力的新CAR T目标-基因工程和生物技术新闻
【3】
AI框架提出具有多种癌症潜力的新CAR T靶点
《细胞》杂志上的一项新研究描述了一种人工智能支持的策略，该策略能够加速寻找下一代CAR T细胞靶点——这是一个持续存在的挑战，即如何将治疗方法从血液肿瘤扩展至实体瘤。该研究成果题为“人工智能驱动的GPNMB CAR T细胞在多种癌症治疗中的发现”，由宾夕法尼亚大学佩雷尔曼医学院和宾夕法尼亚大学艾布拉姆森癌症中心的研究人员主导，西奈山伊坎医学院及亚琛工业大学的研究团队共同参与合作。
宾夕法尼亚大学团队开发了一种“人在回路”的人工智能框架，旨在系统性地筛选适合CAR T细胞治疗的抗原。该系统并非取代专家判断，而是将大型语言模型与来自人类皮肤癌及健康组织的单细胞RNA测序数据集相结合，从而生成并完善靶点列表，随后由科学家进行实验评估。
这一挑战早已广为人知：尽管CAR T疗法已彻底改变了多种血液恶性肿瘤的治疗格局，但在实体瘤中识别安全且具选择性的靶点依然进展缓慢且耗时费力。首席作者Daniel Baker博士表示：“发现优质的CAR靶点犹如大海捞针，而且随着测序数据的不断增加，这片‘大海’还在不断扩大。”该工作由Carl June博士指导，并与Zoltan Arany博士合作完成。Baker补充道，大型语言模型擅长快速扫描海量数据集，而人类专家则能进行深度分析——团队正致力于将这两者的优势转化为一种互补模式。
为验证该框架，研究人员将重心置于皮肤癌，整合了四个公开的单细胞RNA测序数据集及其他公共资源。利用与CAR T设计相关的标准（包括肿瘤成分表达、免疫原性、组织特异性及临床可行性），系统过滤了超过10,000种潜在抗原。随后，研究团队利用多个大型语言模型重复模拟靶点筛选过程，共进行1000次独立运行，以降低噪音并减少模型幻觉。团队对最终达成的共识列表进行审查，最终选定糖蛋白非转移性黑色素瘤蛋白B（GPNMB）作为首选候选靶点。
此后，研究人员设计了靶向GPNMB的CAR T细胞，并在多项临床前模型中验证了其疗效。在小鼠实验中，该CAR T细胞不仅成功清除了黑色素瘤肿瘤，还有效消除了单核细胞白血病和结直肠腺癌中的肿瘤，展现出更广泛的治疗潜力。这一结果与该论文的核心亮点高度吻合，即GPNMB在多种肿瘤类型中均有表达。
完整的方法学框架已收录于论文中，以便其他研究团队借鉴采用。宾夕法尼亚大学团队计划将该方法拓展至其他癌症类型，并持续推进GPNMB CAR T候选药物向临床转化。June指出：“这项研究是大型语言模型在细胞与基因治疗领域（包括CAR T细胞治疗）的首批应用之一。”该框架被刻意设计为模块化且不受特定疾病限制，旨在能够灵活适配不断演进的新数据集与未来版本的模型。Arany强调了此项工作的更广泛意义：“这仅仅是个开始，因为代理型人工智能正在迅速崛起。”
## 4. Anthropic人工智能指控后，阿里巴巴股价跌至16个月低点-Bloomberg.com
【4】
阿里巴巴集团控股有限公司股价在香港跌至16个月低点，此前Anthropic指责这家中国科技巨头"非法"访问其人工智能模型。
该公司股价暴跌4.9%，今年跌幅扩大至33%。其他开发大型语言模型的中国公司也随之下跌，其中包括小米公司和百度公司，均下跌超过3%。
## 5. 守护神人工智能获得5000万美元用于构建“数字世界”，对人工智能代理进行压力测试- TechCrunch
【5】
Patronus AI获得5000万美元用于构建对人工智能代理进行压力测试的"数字世界"
人工智能代理正变得越来越复杂。它们正在从回答问题发展到自主执行多步骤复杂任务。
但在可以信任这些代理代表用户预订旅行或进行财务分析之前，模型提供商和构建此类代理的初创公司希望确保它们在广泛的场景中可靠地执行。
人工智能实验室经常使用基准测试来展示其模型的实力，但即使在面向代理的基准测试上，高分也不能真正证明人工智能可以正确完成各种复杂的现实世界工作。
Patronus AI是一家由前Meta AI研究员Anand Kannappan和Rebecca Qian于2023年创立的初创公司，正在帮助模型开发者和公司微调模型，通过构建评估代理性能的模拟数字环境来实现这一目标。
这家总部位于旧金山的初创公司必须解决一个重要问题。Notable Capital董事总经理格伦·所罗门表示，几乎每个前沿人工智能实验室和许多新兴初创公司现在都是其客户，他将对公司模拟环境的需求描述为几乎永无止境。
过去一年，Patronus的收入增长了15倍，激发了投资者的浓厚兴趣。周四，该公司宣布了由Greenfield Partners领投的5000万美元B轮融资，Notable Capital、Lightspeed、Datadog和三星也参与了该轮融资。此轮融资后，该公司累计融资总额达到7000万美元。
Patronus使用其所谓的"数字世界模型"来创建网站和内部系统的副本。在这些环境中，代理在使用强化学习训练后进行压力测试，强化学习通过迭代奖励成功完成任务并惩罚错误。
人工智能实验室认为这些数字模拟具有很大价值，因为它们为代理提供了尝试不同、有时不可预测场景的机会。该公司将其方法与Waymo训练自动驾驶汽车的方法进行了比较——首先构建合成世界来测试车辆如何应对罕见危险，例如恶劣天气或儿童突然跑入马路。
与人类驾驶员不同的是，人工智能代理往往会走捷径，这意味着它们可能无法正确完成任务。所罗门说："Patronus非常善于发现这类投机取巧的行为，并确保模型承担相应责任。"
Kannappan表示，Patronus目前正在为软件工程和金融领域提供模拟数字世界，但这只是开始。
他说："目前我们非常关注可验证的问题，因此您可以立即检查和验证这些结果，但还有很多领域非常难以验证或几乎无法验证。"
仅仅因为这些过程可验证，并不意味着它们很简单。Kannappan说："我们希望能够真正创建一个可以运行10小时、10天甚至10周的代理的环境。"
至于竞争对手，Patronus认为它主要是与人工智能实验室已经建立的用于评估代理行为的内部团队竞争。虽然Mercor和Surge等人力数据公司帮助模型开发者进行强化学习，但Patronus通过评估代理在没有任何人类参与的情况下的行为方式与之不同。
玛丽娜·特姆金
TechCrunch风险投资与初创公司记者
## 6. 一家英国芯片初创公司的估值刚刚从10亿美元升至.
【6】
凭借单一客户的订单，这家英国芯片初创公司的估值在三个月内从10亿美元跃升至65亿美元。
Fractile尚未交付量产芯片。Anthropic已承诺投入约2.5亿美元，用于采购预计要到2027年才能落成的硬件。
该公司尚未得到广泛的市场验证。其技术仅通过了单一封闭实验室的排他性测试。
## 7. ACE Robotics首席执行官表示机器人大脑将拥有“ChatGPT.”
【7】
ACE Robotics首席执行官表示机器人大脑将实现"ChatGPT时刻" 2027年底前落地
作者：劳里·陈
2026年8月21日 上午10:03 UTC（最新更新：19分钟前）
2026年8月21日，中国北京世界机器人大会期间，ACE Robotics的标志出现在公司展位上。路透社/王廷舒摄
摘要
- 人工智能模型是机器人现实智能的主要瓶颈
- Unitree首席执行官表示，机器人大脑的"ChatGPT时刻"可能在2至3年内到来
- ACE Robotics旗舰世界模型在基准测试中表现优于英伟达
路透社北京8月21日电——中国具身智能初创公司ACE Robotics的首席执行官周五表示，人形机器人大脑有望在明年年底前实现突破，其影响力或将媲美ChatGPT对人工智能应用的颠覆性改变。
王晓刚在接受路透社专访时表示："在世界模型和环境数据捕获的推动下，我们预计明年年底前将见证具身智能领域的'ChatGPT时刻'。"
他还补充道："即便我们在2027年底迎来这一拐点，从技术成熟到实体世界模型在各行业实现大规模商业化落地，仍可能需要四到五年的时间。"王晓刚同时也是中国人工智能视觉识别先驱商汤科技的联合创始人。
尽管ChatGPT和DeepSeek等大型语言模型已彻底改变了全球办公场所和家庭的交互方式，但能让机器人在陌生物理环境中熟练执行多样化任务的具身人工智能模型，目前仍遥不可及。
随着中国人形机器人行业涌现出越来越多寻求融资和高估值的新兴企业，投资者正越来越看重机器人的实际部署能力，而非舞蹈或田径表演等展示性活动。
世界模型是决定机器人智能水平和自主操作能力的核心，与大型语言模型不同，这类物理AI模拟系统旨在帮助机器人实时感知和理解真实世界环境。
中国Unitree创始人王兴本周预测，机器人大脑最早可能在两到三年内迎来重大突破。他和多位中国机器人企业高管均承认，获取高质量现实训练数据仍是当前面临的瓶颈。
ACE Robotics成立于2025年7月，由蚂蚁集团和商汤科技支持，今年上半年已完成多轮融资，累计融资超过1亿美元。
王晓刚表示，公司目标是"在合规前提下尽早"启动首次公开募股（IPO）。按照中国上市规则，上市公司通常需至少运营三个完整财年。
该公司开源的Kairos-4B模型在公开基准测试中位列全球第一，其参数量远少于英伟达Cosmos 3和蚂蚁集团Lingbot等世界模型，但表现更优。
世界模型整合了感知、多模态理解、物理模拟和行动规划等功能，还能生成长达数分钟的远景视频及动作预测序列。
扩展训练数据
包括Unitree和初创公司X-Square在内的多家机器人企业正在开发自己的嵌入式AI基础运动模型。
ACE Robotics的王晓刚指出："过去几年，整个行业积累的数据量仅约10万小时，这对于训练具身基础模型而言远远不够。"
他表示，ACE正通过让配备轻量化传感器的真实人员在生产线上操作，快速扩大数据采集规模。
"采集效率极高……我们计划在两年内积累数千万小时的数据。"他补充道。
许多公司采用物理远程操控方式训练人形机器人，即让穿着外骨骼和控制设备的工人每天重复数百次简单的肢体动作。
ACE正将其嵌入式人工智能模型部署于商业场景，包括无人零售店、酒店服务和即时配送仓库，这些场景中使用了来自Unitree、AgiBot和傅利叶智能等中国制造商的人形机器人。
王晓刚表示："我们计划明年部署至少1000家门店，两年内扩大至1万家门店。"
在训练模型方面，ACE同时使用英伟达以及Rhino Tech和Digua Robotics等中国制造商的人工智能芯片。
"这有助于我们实现供应链多元化。未来我们肯定需要全面的智能硬件解决方案，而这些硬件的成本也需要大幅降低。"他说。
（劳里·陈报道；爱德华多·巴普蒂斯塔和亚历山大·史密斯编辑）
## 8. Ozak人工智能今日新闻：EON登陆Peerlist，OZ预售延长
【8】
## 📈 行业趋势
当前AI行业正从模型能力竞赛转向应用落地与基础设施完善阶段。代理型AI成为新的主战场，开发者对模型控制权、个性化和所有权的诉求推动开放权重模型与独立训练助理兴起。算力能耗问题日益紧迫，新型架构探索与供应链多元化并行推进。生物医疗等垂直领域开始收获AI实质性成果。中国企业在人形机器人领域投入密集，具身智能正从演示走向规模化部署。投资者更加看重实际应用能力而非展示性表演，行业竞争焦点向可验证的复杂任务执行能力迁移。