Anthropic 纳斯达克敲钟:83 美元发行价募资 813 亿美元【AI 早报 2026-11-20】

Anthropic 纳斯达克敲钟:83 美元发行价募资 813 亿美元【AI 早报 2026-11-20】

Anthropic 以「ANT」登陆纳斯达克,813.4 亿美元发行规模超过 SpaceX 保持的纪录,同一天近百位研究者联署公开信反对这家公司。国内侧,腾讯混元 Hy4 flash 上线首日 Token 调用突破 50 万亿并登顶 OpenRouter,单任务成本压到 0.26 元。

今日概览

要闻

  1. Anthropic 纳斯达克上市:83 美元发行价募资 813.4 亿美元
  2. 腾讯混元 Hy4 flash 登顶 OpenRouter:224B 总参数,单任务成本 0.26 元
  3. DeepSeek 千亿融资落定:31 家机构入局,腾讯、宁德时代各占 9.57%

模型发布

  1. RadixArk 开源 DaisyRose-27B:纯 RL 训练 18 天,Terminal-Bench 4.1 得 12.0%
  2. Genie 4 上线 Gemini API:720p、24fps 实时世界生成带同步音频

开发生态

  1. Claude Code Code Mode 实测:Token 消耗最高降 77%,账单省 23%
  2. 谷歌 MaxText 引入 Streaming DiLoCo:跨数据中心训练通信量降 60 倍
  3. 谷歌为 Chrome AI 智能体造「镜像维度」互联网:内置隐藏提示注入攻击

产品应用

  1. Amazon Polly 语音克隆正式可用:几分钟录音、7 种语言
  2. 百度 Feed 上线 System 1 决策模型:低活用户 uAUC 提升 2.95%

技术与洞察

  1. OpenAI 模型改写 AMD 芯片 RTL:找到最高 14% 优化空间
  2. Claude 智能体 7 周造 38 个模型:累计下载 5.5 万次
  3. OpenAI Performance Factory:3 个月自动排查 1700 次性能回归
  4. 英伟达 SEED:浅层写记忆,单 GPU 吞吐最高提升 42%
  5. 8 所高校推 EFE 具身第一考:最强编程智能体开卷 80%、闭卷 47%
  6. GPT-6.2 Astra 机械臂评测 79 分,OpenAI 却撤了独立机器人团队

行业动态

  1. Elastic 宣布收购 HoneyHive,补齐 AI 可观测与评估
  2. 无涯智远获数亿元天使轮:用 SHINE 超网络做实时 RSI
  3. MegaRobo 融资近 2 亿美元:累计 6 亿美元押注 AI 实验室自动化
  4. BrightAI 融资 9700 万美元:Stateful 平台部署超 5 万个站点

要闻

Anthropic 纳斯达克上市:83 美元发行价募资 813.4 亿美元

Anthropic 正式在纳斯达克挂牌,股票代码「ANT」,以每股 83 美元发行 9.8 亿股,公开发行规模 813.4 亿美元,超过 SpaceX 今年 6 月约 750 亿美元的纪录。英伟达、微软、谷歌、台积电、AMD、博通、美光七家公司另以发行价认购 260 亿美元 N 类股;扣除约 19.6 亿美元老股出售部分,公司自身预计到手约 1054 亿美元。招股书披露的营收曲线是 2023 年 4100 万美元、2025 年 46 亿美元、2026 年前三季度 332 亿美元,其中第三季度单季 170 亿美元,超过半数《财富》500 强企业已成为其六位数以上付费客户。与收入同步膨胀的是支出承诺:算力与基础设施采购及租赁总额 9009 亿美元,其中 4516 亿美元须在 2030 年底前花出。第三方评估机构 METR 派驻相当于 2.5 名全职研究员的团队测算,Anthropic 过去一年走完了此前约两年的技术进度,剔除单纯增加训练算力的因素后,约 80% 的提速来自内部重度使用自家模型,员工在内网投票中自报个人效率提升最高 12 倍。上市同日,近百位研究者与创始人联署《厌恶 Anthropic 声明》,联署者包括 Hugging Face 联合创始人 Thomas Wolf、xAI 联合创始人 Igor Babuschkin、图灵奖得主 Judea Pearl、黑客 George Hotz 与 Guillaume Verdon。公司目前约 5300 人。 来源:https://www.ifanr.com/1690375?utm_source=rss&utm_medium=rss&utm_campaign=

腾讯混元 Hy4 flash 登顶 OpenRouter:224B 总参数,单任务成本 0.26 元

Hy4 flash 上线首日 Token 调用量突破 50 万亿,创混元系列首日调用新高,并在 OpenRouter 的 LLM 日排行榜登顶。定价为每百万 Token 输入 0.5 元、输出 2 元,命中缓存时 0.02 元;按内部评测集 WorkIndex 测算,单任务成本 0.26 元,是 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.1-Flash-1017(Max 档位忙时价格)的 1/8。模型总参数 224B,其中 64B 为 Engram 参数,每 Token 仅激活 12B,支持多模态与 1M 上下文;配合混合注意力、LatentMoE 和 Engram,KV Cache 被压到 Hy3 的 1/24、Hy4 的 1/6。腾讯组织 85 位用户做了覆盖 27 类 259 个任务的盲测,满意度接近 Claude Haiku 5.5,单任务成本 0.26 元对 4.73 元,端到端时长中位数 6.7 分钟对 6.8 分钟。内部场景数据:元宝真实场景下 Agent 能力比 Hy3 提升 13.6%,通用对话比 GLM-5.3-Flash 提升 2.52%;王者荣耀研发 Bug 分析中,根因定位接近同类模型,但模型请求次数减少 22.0%–39.1%,Token 消耗减少 40.5%–61.2%。目前 Hy4 flash 已在腾讯云 TokenHub 上线。 来源:https://mp.weixin.qq.com/s?__biz=MzU1NDA4NjU2MA==&mid=2247669602&idx=1&sn=c11bbd308aa13a2b4bf0c753344076b0

DeepSeek 千亿融资落定:31 家机构入局,腾讯、宁德时代各占 9.57%

工商信息显示,DeepSeek 关联企业杭州程砚企业管理咨询合伙企业新增上海珩岫、中移投资等 31 家合伙人,登记出资额由 0.6 万元增至约 34.39 亿元;该平台已投资 DeepSeek 运营主体杭州深度求索,持股比例 17.2650%,认缴出资 343.8974 万元。此轮安排与 10 月媒体报道的第二轮 1055 亿元融资相衔接。出资结构上,腾讯旗下上海珩岫以 9.5653% 成为单一比例最高合伙人;宁德时代通过厦门时代怡远、厦门时代深远、福建时代泽远三只基金分别出资 4.9198%、4.4410%、0.2045%,合计同为 9.5653%。中国移动旗下中移投资与中信证券投资各占 7.6522%,砺思资本相关主体占 7.1740%。其余产业方包括美团龙珠 2.8696%、中国电信 2.8696%、vivo 2.8696%、美的投资 2.8696%、立讯体系 2.7739%、网易 2.3913%、携程 1.4348%、小红书 0.9565%、兆易创新 1.4348%、吉利产投 0.9565%。梁文锋此次退出直接合伙人名单,其控股的杭州程策出资比例由 83.33% 降至 0.0001%,但仍担任执行事务合伙人。 来源:https://mp.weixin.qq.com/s?__biz=MzA4MTQ4NjQzMw==&mid=2652814619&idx=2&sn=508c90c2bd58e4822c25e0529c1ca6f1

模型发布

RadixArk 开源 DaisyRose-27B:纯 RL 训练 18 天,Terminal-Bench 4.1 得 12.0%

RadixArk 开源首个模型 DaisyRose-27B,基于 Qwen3.8-27B 的多模态推理模型,后训练只用强化学习,不做监督微调或蒸馏。训练围绕约 1200 个筛选过的长程 Agent 任务,动用 144 张 H200 跑 18 天,累计约 63000 GPU 小时;任务池从机器学习、软件工程、科学等领域数千个候选中筛出,单个任务包含多个相互依赖的问题,一次尝试可持续 1.5 小时、超过 100 次工具调用、累计输出超 256K token。评测上,Terminal-Bench 4.1 pass@1 达到 12.0%,多项编程、推理及指令遵循基准较基座提升。模型保留基座的架构、分词器、对话模板、图像理解与 256K 上下文,可作为 Qwen3.8-27B 的替代,采用 Apache 2.0 协议,提供 BF16 权重与 FP8、NVFP4 两种量化版本。训练后端基于开源框架 Miles 做全异步:128 张 H200 跑 Agent 推理、16 张跑训练,MFU 达到 37%,对照 Megatron 为 16%,约 2.3 倍,所需 GPU 时间减少约 57%;计入 Agent 执行时间后端到端吞吐 16800 token/s,对照约 8300 token/s。沙箱服务基于 AgentENV 构建,9 月中旬到 11 月中旬累计运行约 944000 个沙箱,峰值并发 1566、最多 12 台机器,创建成功率 10 月下旬后超过 99.95%,云基础设施成本较主流云沙箱供应商低约 80%。 来源:https://mp.weixin.qq.com/s?__biz=Mzk3NTc1NTU0Mw==&mid=2247515905&idx=1&sn=6a4e1138f6cc2dd057e2a256614760ef

Genie 4 上线 Gemini API:720p、24fps 实时世界生成带同步音频

在发布次日,Genie 4 通过 Gemini API 的 Interactions API 与 Google AI Studio 向开发者开放。输入可以是文本提示、参考图片或两者组合,输出为 720p、24fps 的连续可交互世界,并带同步的原生音频,覆盖环境声、音效到角色对白。开发者可用实时键盘控制配合在线文本提示,在运行中改变天气、光照、物体或事件,Gemini 的推理能力负责维持世界状态的一致与连贯。官方给出的用途包括交互体验原型、空间概念可视化,以及机器人和 AI 智能体的训练环境。所有输出都嵌入不可感知的 SynthID 水印。AI Studio 中已提供交互画布与入门应用。 来源:https://blog.google/innovation-and-ai/technology/developers-tools/genie-4-in-gemini-api/

开发生态

Claude Code Code Mode 实测:Token 消耗最高降 77%,账单省 23%

Anthropic 在 Claude Code v2.1.323 及以上版本的更新日志中加入默认关闭的实验功能 Code Mode,思路是让 Claude 编写 JavaScript 脚本,把多次工具调用、条件判断、循环和结果过滤组织进同一段代码本地执行,只把必要结论送回上下文。入口同时瘦身:模型侧收到的内置工具定义从 16 个减到 3 个(代码执行、状态轮询等)。第三方 bestagent.dev 测得首轮请求从约 38000 tokens 降到约 22000 tokens;Bicameral 在 4 个模型上测得每轮固定减少 13055–13106 tokens。在高频 MCP 取数场景(拉取 120 张工单统计退款总额),4 个模型的对话上下文增量从约 54000 tokens 降至 3500–8800 tokens,降幅 84%–94%,16 次运行全部答对,累计处理 Token 减少 62%–77%,真实 API 账单减少 22%–23%。代价出现在本地文件修改类任务:在 47 个 Markdown 文件查死链、跨 36 处重命名函数等 16 组对照中,有 14 组因额外写脚本或排错导致任务上下文反而增加。该轮测试在 Claude Code v2.1.326 上进行,覆盖 Opus 5.5、Sonnet 5.5、Haiku 5.5、Fable 5.2 四个模型、6 类任务共 96 次运行;3 次未过检失败全部出自 Haiku 5.5。 来源:https://mp.weixin.qq.com/s?__biz=MzU1NDA4NjU2MA==&mid=2247669564&idx=1&sn=37b24381e60fdbe730e38bc23034c8af

谷歌 MaxText 引入 Streaming DiLoCo:跨数据中心训练通信量降 60 倍

谷歌开发者博客发布 MaxText 中的 Streaming DiLoCo 方案,面向跨地域分布的 TPU 切片训练大语言模型。做法是不再每一步同步完整模型参数,而是流式传输参数分片,把跨切片通信量削减逾 60 倍,并消除网络阻塞造成的训练停顿。按官方说明,开发者可在多个数据中心之间横向扩展训练规模,同时不损害模型收敛性与训练质量。 来源:https://developers.googleblog.com/distributed-llm-training-across-metros-streaming-diloco-in-maxtext/

谷歌为 Chrome AI 智能体造「镜像维度」互联网:内置隐藏提示注入攻击

Chrome 团队首次公开「Mirror Dimension」:一个由谷歌完全控制、但与真实网络结构一致的隔离 Web 生态,包含社交媒体、购物站、银行面板等大量网站,组件与属性都按真实网站搭建。浏览器助手类智能体在其中完成任务的路径与在真实互联网上一致,同时要面对隐藏的提示注入攻击等韧性测试。Chrome AI 安全团队工程师 Charles Qian 表示,智能体不是被编程出来的,无法预判它会看到什么,探索空间极大且「网络是敌对的」,任何用户在任何网站都可能输入任何提示。为快速把环境填满,团队用大批网站与 Web 应用开发智能体,在专用 AI harness 引导下生成逼真的服务与数据流,细致到购物站输入优惠码、社交页面填充内容。由于 Chrome 内置大量用户保护与有效性校验,为了让智能体操作真实 Chrome,研究者还必须「黑」进浏览器,例如伪造 Web 证书通过校验。 来源:https://www.wired.com/story/google-built-a-giant-mirror-dimension-internet-to-test-its-chrome-ai-agents/

产品应用

Amazon Polly 语音克隆正式可用:几分钟录音、7 种语言

Amazon Polly 的语音克隆功能以受限开放(gated release)形式正式可用:提供说话人本人同意的几分钟录音,Polly 即可生成该说话人的克隆音色,运行在 Polly 生成式引擎上,自然度与准确度与其他生成式音色相当。首发支持 7 种语言——英语、西班牙语、德语、法语、意大利语、葡萄牙语和印地语,每个克隆音只讲其录制时使用的语言。克隆音默认加密并做访问控制,只有账户本人可调用。该功能在生成式引擎支持的所有 AWS 区域可用,部分 Polly 客户已直接开通,其余客户需联系 AWS 账户团队或申请获取权限。构建克隆音对 Polly 客户免费,按使用量计费。官方演示中,科学负责人 Trevor 用几句话的录音生成了可朗读任意文本的克隆音,作者 Jonas 则演示了德语克隆。 来源:https://aws.amazon.com/blogs/machine-learning/amazon-polly-launches-voice-cloning-a-unique-voice-for-your-brand/

百度 Feed 上线 System 1 决策模型:低活用户 uAUC 提升 2.95%

百度 Feed 团队把「只输出概率、不写文本」的 System 1 决策模型用于推荐打分:模型一次前向把最后隐状态交给小决策头,直接读出带类型的概率(如点击概率 0.37),省掉逐词解码,分数可直接与线上其他分融合、排序、过阈值。落地难点是同一用户要给约 1800 条候选打分,团队对比 Encoder、Decoder、双塔三条架构路线,最终改用 Decoder 架构复用用户缓存,把打分计算量粗略估算降至约四分之一,并配合知识蒸馏、FP8 量化降本。效果上,历史点击最少的一组用户 uAUC 比精排高 2.95%,在新内容与突发内容上更容易找到目标受众。初始实验用官方 laya-multilingual、Jev-API 在 MIND-small 与内部数据集上打分,AUC 约 0.539 接近随机,简单微调后升到 0.6 以上,首轮线下评估已超越线上粗排基线。该范式由 TypeSafe AI 于 2026 年 9 月 15 日发布的首个 System One 模型 Jev 确立。 来源:https://mp.weixin.qq.com/s?__biz=Mzg5MjU0NTI5OQ==&mid=2247607860&idx=1&sn=1f04106b3b4d662432c293597aa459d4

技术与洞察

OpenAI 模型改写 AMD 芯片 RTL:找到最高 14% 优化空间

OpenAI 公布与 AMD 的合作成果:其模型直接修改 SystemVerilog RTL(描述芯片电路的代码),在 AMD 一款高端 GPU 的设计中找出最高 14% 的优化空间,并在不到 5 个月内完成了大约相当于一年的设计进展,部分修改已被 AMD 纳入送交制造的芯片设计。流程是模型改写 RTL、借助专业工具判定是否构成改进,再由工程团队评估采纳。OpenAI 未披露这 14% 的 PPA(功耗、性能、面积)改进是在成品芯片上实测还是来自设计工具评估,因此是否以牺牲其他维度为代价尚不清楚。这也是「AI 设计芯片、芯片运行 AI」循环首次落到被采纳的量产设计环节;此前 NVIDIA 等公司已在探索 AI 辅助芯片设计。 来源:https://mp.weixin.qq.com/s/nCNehJh_pxTBF0Sj017SjQ

Claude 智能体 7 周造 38 个模型:累计下载 5.5 万次

来自 EPFL、ELLIS 图宾根研究所、马普智能系统研究所和帝国理工的研究者做了这样一场实验:让基于 Claude Opus 5.5 的智能体 Horizon 独立运营一个 Hugging Face 账号,自行决定做什么模型,唯一要求是「做出开发者真愿意用的模型」。7 周时间产出 38 个模型,累计约 5.5 万次下载,其中提示注入检测系列约 1.7 万次下载,进入 100 多个 GitHub 项目。Horizon 的启动资源只有一个 Team Premium 订阅加每周约 500 GPU 小时的算力,被塞进 Claude Code 里 7×24 小时挂在后台,但日均实际工作仅 16 分钟,每天卡着 Hugging Face 榜单刷新的时点醒来,只挑下载量高的方向继续投入。它不从头造轮子,以多语言底座 mmBERT 微调,38 个模型参数量全在 1.41 亿到 5.68 亿之间;训练数据也不手写,先让一款 27B 开源模型批量生成合成数据,再派 Gemma 4 31B 打标签扩充。产出集中在给 AI 应用装「护栏」:提示注入检测、个人信息遮盖、有害内容识别,以及给 88 种语言的文本自动断句补标点。人类介入集中在头三天,10 月 22 日之后团队彻底撒手,遇到搞不定的活由 Horizon 反向给人类提工单。 来源:https://mp.weixin.qq.com/s/FDPzG_bmchgqT5Bmqw9z9A

OpenAI Performance Factory:3 个月自动排查 1700 次性能回归

OpenAI 公开内部系统 Performance Factory:一个跑在云上、由 Codex 驱动的自主性能工程流水线,用来在 agentic 开发的高迭代速度下自动发现并修复性能回归。工程师定义周期性作业的工作流并写下给 Codex 智能体的指令;其中 Regression Workflow 在性能告警触发时开单,智能体调查变慢原因、把结论写进任务并提交修复方案供工程师评审,部署后另一个智能体会接着同一张单验证性能是否回到基线——从调查、写修复到验证缓解全流程自动化。上线三个多月,该工作流跟踪了 1700 多次调查,对 600 多个案例给出了根因,相当于每天 17 次自动调查。OpenAI 将这套演进分为三阶段:Codex 之前工程师手工比对指标、日志与 trace 并上机调试;随后人机协作;最后进入「智能体工厂」形态。 来源:https://openai.com/index/how-openai-performance-factory-keeps-chatgpt-fast

英伟达 SEED:浅层写记忆,单 GPU 吞吐最高提升 42%

英伟达研究者提出 SEED,拆解混合模型在「写记忆」与「读记忆」上的不对称性。以 48 层的 Qwen3.8-Flash-Next 为例:处理输入时,除最后一个 Token 外只跑前 31 层,再由轻量的 emitters 为后 17 层生成 KV Cache 和循环状态;生成阶段每个 Token 仍走完 48 层。实验显示,经过浅层特征写出的深层记忆可用,而同样的浅层特征直接预测下一个 Token 的分布偏差要大 141 倍,这正是可以省算力的空间。计入 emitters 后,非末位输入 Token 的参数相关计算量从 12.1 GFLOP 降到 9.1 GFLOP,减少约 25%。解码侧则利用循环状态的分解结构:每个头的状态矩阵 SVD 后首个奇异分量能量中位数约 85%,沿固定方向的 state sink 占约 75% 能量,剩余内容中位数只需约 6 个方向即可保留 90% 能量;Qwen3.8-Flash-Next 单请求循环状态从 113.2MB 降到压缩刚完成时的 29.2MB,整周期平均 43.4MB。在 GB300、SGLang 与编码 Agent 会话轨迹上,每 GPU 峰值吞吐提升 16%–42%,相同 P90 端到端输出速率下吞吐提升 23%–42%。全程冻结原模型权重、新增组件用蒸馏训练,论文《Shallow Encoding Emits Deep Memories》已发布 arXiv 预印本(2611.06084),由 Mingyuan Ma 与 Yangmin Li 共同一作,作者均来自 NVIDIA。 来源:https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651075302&idx=3&sn=3638e59c38cbc04d5ff6d800abd49c51

8 所高校推 EFE 具身第一考:最强编程智能体开卷 80%、闭卷 47%

西北大学、卡内基梅隆大学等 8 所高校的研究者提出 Embodied First Exam(EFE,具身第一考),一个把各类编程智能体接入仿真机器人的统一评测框架。考卷包含 1156 个任务、2288 项测试,覆盖 35 个任务集、23 个仿真器和 47 种机器人(单臂、双臂、灵巧手、人形、移动、四足、飞行器、肌肉骨骼 8 类),除 26 个改编任务集外新建 9 个任务集共 411 个任务,涉及解绳结、组装宜家家具、用灵巧手翻书、临摹画作、接抛球、打完整场乒乓球或击剑、只给目标画面完成任务、识别并拒绝危险请求。核心结果:同一批 391 个任务上,最强智能体在特权模式(可读完整仿真状态、不限次重置)下解出 80%,在标准模式(只靠传感器、默认不能重置)下只有 47%;456 项标准模式核心测试中最强者也只解出一半。标准模式下 GPT-6 Astra 仅凭传感器读数控制人形机器人打乒乓球,以 5:2 赢下整场比赛。团队逐阶段标注了 10 个智能体的 6027 次失败,发现不同智能体常常败在同一步;对 GPT-6 Astra 的对照实验显示,补上重置权限比补上精确状态更管用——看得准不等于做得准。所有任务统一打包,一条 harbor run -d embodied-first-exam -a codex -m openai/gpt-6-astra 即可开考,换框架或模型只改两个参数。 来源:https://mp.weixin.qq.com/s/TEp50ZJ7pOtbD3svbNi_yQ

GPT-6.2 Astra 机械臂评测 79 分,OpenAI 却撤了独立机器人团队

11 月 18 日 OpenAI 发布 GPT-6.2 Astra,同一天 Artificial Analysis 的机械臂真机评测中,新版拿到 79 分,前代 GPT-6 Astra 为 69 分;八项桌面操作中,新版通过 Codex 控制机械臂完整做成六项,例如把积木按形状放进对应槽位,前代只拿到部分分。就在发布前五天,OpenAI 向《财富》确认撤销独立机器人团队:研究人员并入首席研究官 Mark Chen 主管的核心研究团队,应用机器人与硬件人员转入总裁 Greg Brockman 主管的 Applied 部门。官方理由是年初原计划从 Sora 类视频模型继续做机器人研究,后来发现 GPT-6 Astra 等通用模型已能直接参与部分机器人任务。此前投入不小:2025 年 2 月起在旧金山用 3D 打印控制器遥操作 Franka 机械臂采集动作数据,最初反复把橡皮鸭放进杯子,后改做放面包、叠衣服;到 2026 年 1 月约 100 名采集员分三班、几十个工位昼夜运转。外部研究给出另一种验证方式:斯坦福与加州理工团队把 Astra 接到宇树 G1 上,保留原有导航、抓取、开抽屉等技能,由 Astra 根据指令与现场画面决定调用哪项技能,从而省掉为每个新厨房、新任务重训一套策略。 来源:https://mp.weixin.qq.com/s?__biz=Mzg3NDkyMTQ5Mw==&mid=2247503176&idx=1&sn=dd7393a3951ee84bbe209e3cde35e37a

行业动态

Elastic 宣布收购 HoneyHive,补齐 AI 可观测与评估

Elastic 宣布已签署协议收购企业级 AI 可观测与评估平台 HoneyHive,交易金额未披露。HoneyHive 的能力集中在三块:对复杂 Agent 工作流做细粒度追踪、部署前的离线评估与实验、以及生产环境的持续监控与评测,让团队在「观察—评估—改进」的闭环里迭代应用。Elastic 给出的判断是,当 AI 应用从生成回答转向执行动作,失败可能是静默的——系统看着健康,但 Agent 选错了工具或依据了错误信息,传统应用监控看不出这类问题。 来源:https://www.elastic.co/blog/elastic-and-honeyhive

无涯智远获数亿元天使轮:用 SHINE 超网络做实时 RSI

北京 AI 初创公司无涯智远(Norizon AI)宣布完成数亿元天使轮及天使加轮融资,投资方包括五源资本、红杉中国、联想之星、中关村科学城基金、戈壁创投,心流资本 FlowCapital 担任财务顾问。公司主攻实时递归自我改进(RSI),希望让大模型在部署后持续学习并把新知识写入自身参数,而不是只依赖扩大上下文窗口、RAG 或外部记忆。核心技术是 SHINE 超网络:由输入信息生成目标模型所需的参数更新,尝试用一次前向计算完成轻量级参数更新,替代需要多轮优化的传统微调,从而压低持续学习的算力开销。公司称在缓解灾难性遗忘方面,超网络方案在新知识学习效果与通用任务表现上均优于微调对照实验,目前还在研究扩大超网络规模、延长单次知识内化长度,以及提升模型在数百万 tokens 连续更新过程中的稳定性。创始人兼首席科学家张牧涵本科毕业于上海交大 IEEE 试点班,在圣路易斯华盛顿大学取得计算机科学博士、师从陈一昕,后加入 Meta AI 个性化团队参与十亿级用户的图机器学习系统研发,2021 年回国任北京大学人工智能研究院助理教授、博士生导师。团队规模超过 20 人,来自北大、清华、MIT 等高校,包括奥赛与 ICPC 金牌得主及大厂后训练、Agent 研究人员。 来源:https://mp.weixin.qq.com/s?__biz=MzA4MTQ4NjQzMw==&mid=2652814619&idx=3&sn=83a50bc16452bed7642a56ba2280e46e

MegaRobo 融资近 2 亿美元:累计 6 亿美元押注 AI 实验室自动化

中国的 MegaRobo Technologies 完成近 2 亿美元融资,投资方包括阿曼投资局、新投资方招银国际,以及既有股东 Asia Investment Capital、Granite Asia、创新工场,累计融资约 6 亿美元。公司做的是把 AI 软件与实验室仪器、机器人、自动化设备连起来的 One Intelligence Stack,让研究者规划实验、由自动化设备执行、再分析结果指导下一步研究。资金将用于技术研发、AI for Science 业务的国际化,以及让 AI 对接更复杂的设备与物理流程,初期聚焦科研与制药,包括药物筛选和候选药物评估。其 Megalaxy Lab 平台允许研究者与 AI 智能体搭建实验、向自动化设备下发指令并回收可被软件分析的结果,已服务 200 多家客户;公司整体客户超过 500 家,涵盖药企、生物技术公司与研究机构。它还联合腾讯云与 Twist Bioscience 发起国际 AI 蛋白设计竞赛 Poreva Open,计划通过 Megalaxy Lab 测试超过 10000 条蛋白序列。 来源:https://theaiinsider.tech/2026/11/19/megarobo-raises-nearly-200m-to-fund-expansion-of-ai-powered-laboratory-automation/

BrightAI 融资 9700 万美元:Stateful 平台部署超 5 万个站点

BrightAI 完成 9700 万美元新融资,由 Smith Point Capital 领投,Cobalt Capital、Marlinspike Partners、Zero Infinity Partners 及既有客户 GE Vernova 参投,Khosla Ventures、Inspired Capital、Upfront Ventures 等老股东跟投,累计融资 1.84 亿美元。资金用于扩大部署,并在亚洲和欧洲设立新办公室与现场运营团队;GE Vernova 的投资还将推动该技术在其电力、风电与电气化业务中铺开。其 Stateful 平台由三类技术组成:贴在管道、电线杆、压缩机、储罐等设施上的边缘 AI 传感器,在本地分析工况、不必回传云端即可发现潜在故障;在偏远或危险环境巡检的自主机器人与无人机,公司称效率可达人工方式的 5 倍以上;以及记录技师作业过程并提供指导的可穿戴 AI 助手。平台会分析运行状态、判断设备问题成因,并给出现场处置指令。BrightAI 称已在超过 5 万个地点部署。 来源:https://theaiinsider.tech/2026/11/19/brightai-raises-97m-in-new-funding-to-expand-physical-ai-for-monitoring-critical-infrastructure/

评论

暂无评论。

登录后可发表评论。