东方财富为OpenClaw推出「妙想Skills」金融技能包：六大投研功能接入MCP数据库，4月30日前限时免费

在线券商和金融数据平台东方财富（300059.SZ）3 月 13 日发布「妙想 Skills」，为 OpenClaw 提供六项专业投研技能：智能股票筛选（支持 A 股、港股、美股多维度条件组合）、宏观数据洞察（覆盖中国及全球宏观经济与高频行业指标）、金融数据查询（实时行情、PE/PB/ROE 等财务指标）、财经资讯穿透（分钟级预警与事件关联）、量化 API（支持跨平台多语言二次开发）以及妙想问答（输出投研分析报告）。

该技能包底层原生集成东方财富的机构级 MCP 金融数据库，安装方式为在东方财富 APP 内搜索「skills」，复制技能描述后粘贴到 OpenClaw 中即完成部署，无需代码配置。六大功能 4 月 30 日前限时免费体验。此前东方财富已在 ai.eastmoney.com 推出「妙想」AI 投研助理，此次 Skills 发布是其将投研能力向 OpenClaw 平台延伸的首次尝试。

信源：https://caifuhao.eastmoney.com/news/20260313145625783332890

Ollama宣布成为OpenClaw官方模型提供商：一条命令接入，支持云端与本地模型混合调用

本地大模型运行工具 Ollama 今日宣布正式成为 OpenClaw 的官方模型提供商。用户执行 openclaw onboard --auth-choice ollama 即可完成接入，所有 Ollama 模型将与 OpenClaw 无缝协作。

Ollama 此次接入提供「Cloud + Local」混合模式，用户可同时使用 Ollama 云端托管的模型和本地运行的模型。OpenClaw 的引导向导会自动检测本地已安装的 Ollama 模型，并通过 Ollama 原生 API 支持流式传输和工具调用。OpenClaw 创始人 Peter Steinberger 参与了此次集成的审核工作。

信源：https://x.com/ollama/status/2033339501872116169

字节跳动2月已内部叫停豆包AI眼镜项目，研发投入超5000万元，此前曾否认出货传闻

字节跳动已于 2 月内部确认暂停豆包 AI 眼镜项目，该产品线在可见周期内不再作为确定性方向推进。

该项目此前由字节与代工厂龙旗科技联合研发，产品重量不足 50 克，搭载自研空间算法芯片，起步价控制在 2000 元以内。原计划无屏版 2026 年一季度率先发布，带显示版四季度跟进，龙旗的起订量要求达 100 万台，字节在该项目上的研发投入已超 5000 万元。今年 1 月蓝鲸新闻曾报道产品「即将出货」，同日豆包相关负责人向第一财经否认，称「传闻不实，目前没有明确的销售计划」。

暂停的核心原因是字节内部判断 AI 眼镜当前难以做出真正的差异化。该眼镜走无屏路线，主要交互方式为语音，与字节 2024 年推出的 Ola Friend AI 耳机（定价 1199 元）功能高度重叠。行业层面，Meta 智能眼镜 2025 年全球销量超 700 万副，占据 73% 市场份额，后来者在硬件层面难以形成根本差异。此前 vivo 也已叫停自身 AI 眼镜项目，理由同样是「难做差异化」。

信源：https://mp.weixin.qq.com/s/0XBZT_UFLAOsiSj3GFvfGQ

月之暗面发布Attention Residuals技术报告：用注意力替代固定残差连接，等效多用25%算力但推理延迟增加不到2%

月之暗面（Moonshot AI）发布技术报告 Attention Residuals（AttnRes），提出用注意力机制替代 Transformer 中标准的残差连接。标准残差连接以固定权重逐层累加所有层的输出，随模型加深会稀释每一层的贡献并导致隐藏状态无界增长（PreNorm 稀释问题）。AttnRes 让每一层通过学习到的 softmax 注意力，选择性地从之前各层的表示中检索信息，实现「按需回看」而非「全部堆叠」。

为解决完整版 AttnRes 在大规模训练时的内存开销（O(Ld)），团队提出 Block AttnRes：将层分组为若干块（约 8 块），块内仍用标准残差，块间才执行注意力聚合，内存降至 O(Nd)。实验显示，Block AttnRes 匹配了多用 1.25 倍计算量训练的基线损失，推理延迟增加不到 2%，可直接替换现有残差连接。

该方法已在 Kimi Linear 架构（48B 总参数，3B 激活参数，1.4T tokens 训练）上验证，多步推理基准 GPQA-Diamond 提升 7.5 分，代码生成基准 HumanEval 提升 3.1 分。

信源：https://x.com/kimi_moonshot/status/2033378587878072424?s=46

「AI治愈狗癌症」刷屏后的真实故事：肿瘤缩小但癌症仍在进展，生物医学工程师称疫苗制造「极其简单」，真正的障碍是监管审批

悉尼机器学习工程师 Paul Conyngham 用 ChatGPT 和 DeepMind 的 AlphaFold 自学 mRNA 疫苗设计，为患肥大细胞癌的救助犬 Rosie 打造了定制疫苗。他与新南威尔士大学（UNSW）RNA 研究所合作完成疫苗设计，在昆士兰大学 Gatton 兽医学院完成注射。注射后，Rosie 的一个肿瘤明显缩小，治疗兽医 Paola Allavena 教授称「肿瘤大概缩小了一半」。该故事近日在社交媒体上被广泛传播为「AI 治愈了狗的癌症」。

但据新南威尔士大学发表的原始报道，Rosie 的癌症目前仍在进展（"Rosie's cancer is progressing"），距离治愈仍有距离。生物医学工程师 Patrick Heizer 在 X 上指出，制造单个 mRNA 疫苗在技术上「极其简单」（trivially easy），真正困难且昂贵的是在随机对照试验中证明疫苗同时安全且有效，而这一步尚未完成。

Conyngham 本人也指出，整个过程中最大的障碍并非疫苗设计，而是伦理审批：他花了三个月、每晚两小时来撰写一份 100 页的伦理审批文件，「比制造疫苗更难」。生物学作者 Ruxandra Teslo 在分析中引用了 GitLab 联合创始人 Sid Sijbrandij 的类似经历（骨肉瘤复发后自费探索实验疗法，2025 年起未再复发），认为早期临床试验的监管官僚是阻碍个性化医疗落地的核心瓶颈。

信源：https://www.writingruxandrabio.com/p/the-bureaucracy-blocking-the-chance

谷歌今起向香港所有用户开放Gemini网页版

谷歌今日宣布，将逐步向香港所有用户开放 Gemini AI 体验，首先上线网页版（gemini.google.com），手机应用将在稍后跟进。此前，香港个人用户一直无法官方访问免费版 Gemini，需借助 VPN 或非本地账号绕过地理围栏限制。

此次限制的解除并非由本地法规推动。据港媒报道，香港互联网总体保持开放，并无法律禁止使用生成式 AI 工具，此前的屏蔽源自谷歌自身的内部风险评估。

信源：https://www.winandmac.com/2026/03/google-hong-kong-gemini-is-coming/

MuleRun 2.0发布：免部署、7×24小时云端运行的个人AI Agent，定位OpenClaw的「零门槛替代方案」

AI Agent 平台 MuleRun（赛博骡子）发布 2.0 版本，主打零部署和 7×24 小时云端运行。与需要本地安装配置的 OpenClaw（龙虾）不同，MuleRun 完全在浏览器中运行，任务在专属云端虚拟机上执行，用户关机后仍可持续工作。

MuleRun 2.0 的核心卖点是「主动式 AI」：学习用户习惯和决策逻辑后可自主推荐任务、推送日报，而非被动等待指令。安全方面，由于运行在沙箱化云环境中，不接触本地敏感数据和密码，规避了近期 OpenClaw 用户反馈的邮件误删和凭证泄露等安全问题。演示功能包括通过自然语言指令实时建站、生成吉卜力风格 AI 视频和创建网页游戏。平台同时提供开放的 Agent 模板网络，用户可分享和调用高质量 Agent 配置。

信源：https://x.com/mulerun_ai/status/2033394129653391758

X平台代码曝光AI内容检测功能：基于C2PA标准，发帖前将弹出「检测到AI生成内容」警告

MacRumors 分析师 Aaron 在 X 应用代码中发现了与 AI 内容检测相关的字符串，包括 `COMPOSE_VIEW_C2PA_AI_DETECTED_TOAST`（发帖界面 C2PA AI 检测弹窗）和 `AI generated content detected`（检测到 AI 生成内容）。这表明 X 正在开发一项功能：当用户发布的内容被识别为 AI 生成时，发帖前将弹出警告提示。

该功能基于 C2PA（内容来源与真实性联盟）标准，这是由 Adobe、微软、谷歌、英特尔等公司发起的开放技术标准，通过在文件中嵌入加密签名的元数据来追踪内容来源和创作工具。LinkedIn、TikTok、Meta 等平台已支持 C2PA，X 此前被认为是该标准的「缺席者」。目前 X 的自有 AI 工具 Grok 生成的图片和视频已添加水印，但尚未对第三方 AI 工具生成的内容进行主动检测。

信源：https://x.com/aaronp613/status/2033342036380700969

郭明錤：英伟达投资Groq后LPU出货将增逾10倍，两年累计达500万颗

天风国际证券分析师郭明錤今日发布最新供应链调查称，英伟达投资 AI 推理芯片公司 Groq 后，Groq 旗下 LPU（语言处理单元）出货规划大幅上修。2026 至 2027 年累计出货量预计达 400 万至 500 万颗，其中 2026 年占比约 30% 至 40%，2027 年占 60% 至 70%，较历史年度出货规模增长逾 10 倍。

LPU 需求快速增长有两大驱动：深度整合英伟达 CUDA 生态显著降低了开发部署门槛，同时超低延迟推理负载快速扩张，涵盖 AI 编程 agent、实时消费级应用和具身 AI 等场景。

硬件架构方面，英伟达计划将单机柜 LPU 密度从 64 颗提升至 256 颗，以在维持超低推理延迟的同时满足长上下文推理的 KV-cache 扩容需求。新架构机柜预计 2026 年四季度至 2027 年一季度量产，机柜出货量 2026 年约 300 至 500 个，2027 年跃升至 1.5 万至 2 万个。

郭明錤还列出 LPU 融入英伟达生态需关注的三个方向：机柜级互联（NVLink Fusion 和 RealScale）、NIM 开发者接口能否让开发者无需区分 GPU 与 LPU、TensorRT-LLM 编译器对 LPU 编译优先架构的适配。供应链方面，LPU/LPX 机柜将首次大规模使用 M9 级 CCL（覆铜板）材料，对 PCB 产业链构成催化。

信源：https://x.com/mingchikuo/status/2033426239378334132

通义开源Fun-CineForge：影视级配音大模型，首引时间模态破解遮挡难题

通义实验室今日发布并开源 Fun-CineForge，定位为首个支持影视级多场景配音的多模态大模型，同步开放高质量数据集 CineDub 的构建流程，形成「数据+模型」一体化开源。Fun-CineForge 底层基于 CosyVoice3 语音合成能力，接受视频画面、配音文本与参考语音作为多模态输入，参考给定音色合成与画面对齐的语音。

现有 AI 配音模型仅依赖唇部视觉信息学习音画同步，无法应对说话人面部遮挡、镜头频繁切换等复杂场景。Fun-CineForge 的核心创新是首次在配音模型中引入「时间模态」，通过明确指定哪个角色在哪个时间区间说话，使模型在说话人面部不可见时仍能将语音精准定位到正确时间段。

数据集 CineDub 从 350 多部中英文影视剧中生产，覆盖独白、旁白、对话和多说话人场景。基于大模型思维链的双向矫正机制将中文字错率从 4.53% 降至 0.94%，英文词错率从 9.35% 降至 2.12%，说话人分离错误率从 8.38% 降至 1.20%。

评测显示，Fun-CineForge 在词错率、唇部同步等多项关键指标上均优于 DeepDubber-V1 和 InstructDubber 等现有开源基线。单人场景中独白和旁白的中文字错率分别仅 1.49% 和 1.90%，并首次支持双人对话与多人对话场景。当前支持 30 秒以内视频片段推理，代码与模型已同步上线 GitHub、HuggingFace 和 ModelScope。

信源：https://github.com/FunAudioLLM/FunCineForge

Cloudflare fork AI安全沙箱just-bash引争议：Vercel CTO批评安全代码被删，当事人称只是个人实验

Cloudflare 近日以 @cloudflare/shell 名义发布了对 AI agent 沙箱工具 just-bash 的 fork 版本，引发其作者、Vercel CTO Malte Ubl 今日发长文公开批评。just-bash 是一个用 TypeScript 实现的 bash 解释器，通过内存虚拟文件系统为 AI agent 提供沙箱化执行环境，采用 Apache 2.0 许可证在 Vercel Labs 下开源。Ubl 承认 Cloudflare 在许可证框架内完全有权 fork，但认为 just-bash 仍处于早期快速迭代阶段，安全模型正在演进，此时 fork 而非向上游贡献代码违反了开源社区的协作礼仪。他列举了 fork 中的安全问题：

1. 移除了项目仍处于 beta 阶段的免责声明和 README 中关于可选功能带来额外攻击面的说明
2. fork 版本继续使用 pyodide 实现 Python 支持，但删除了原版为约束 pyodide 而编写的安全代码，使 Python 程序默认获得对 JS 宿主环境的完全访问权限（原版后来已因判定 pyodide 无法确保安全而弃用，但该迁移可能发生在 fork 之后）
3. 用于防止宿主逃逸的 DefenseInDepthBox 和防止原型链污染的深度检查机制在 fork 中缺失（Ubl 指出这些可能因 fork 时间早于引入而从未存在，也可能被主动删除）

不过据 @cloudflare/shell 文档，该 fork 并非只做减法，也有多项安全强化：用 re2js 替换原生 JavaScript 正则引擎以防止 ReDoS 攻击；在 just-bash 5 项执行限制基础上新增 13 项，覆盖字符串长度、数组大小、输出体积、文件描述符、命令替换深度及各语言执行超时等；新增 DNS 级私有 IP 屏蔽以防御 SSRF；环境变量改用 Map 存储以规避原型链污染。架构上，@cloudflare/shell 将 SQL、代码执行、Markdown 转换抽离为可插拔接口，核心不再捆绑 WASM 依赖，可跨 Workers、Node.js、Deno 和浏览器运行。

参与 @cloudflare/shell 开发的 Cloudflare 首席系统工程师 Sunil Pai 在帖文下公开回应，称这只是他个人的实验性尝试，原计划周末后联系 Ubl 讨论贡献 hooks 等合作事宜，承认应该加上实验性标签，「this wasn't about beef」（这不是在搞对立）。两人已通话沟通，就事前未互相知会一事致歉。

Vercel CEO Guillermo Rauch 则措辞更为激烈，称「Cloudflare 的使命是 fork 整个开发者生态并摧毁开源」，并提及 Cloudflare 此前推出的 Next.js 替代方案 Vinext「带着 10 个漏洞就交付给了一个 .gov 网站」。不过 Rauch 同时表示他个人「很欣赏 Sunil，也投资了他的公司」，Ubl 的批评是在安全问题上追究行业同行的责任。

信源：https://x.com/cramforce/status/2033285112478171373

谷歌NotebookLM流量一年半从零做到反超Perplexity，后者自去年四季度持续下滑

网站流量分析平台 Similarweb 数据显示，谷歌旗下 AI 研究与笔记工具 NotebookLM 过去两个月的网站总访问量已超越 AI 搜索引擎 Perplexity。

据 Similarweb 发布的全球流量趋势图，NotebookLM.com 直到 2024 年年中访问量还接近零，下半年开始起量，2025 年四季度进入陡峭增长期，2026 年 2 月月访问量已达约 1.8 亿次。Perplexity 此前一路领先，2025 年 10 月前后达到约 2.1 亿次的峰值后转入下行通道，至 2026 年 2 月已回落至约 1.5 亿次。两条曲线在 2025 年底至 2026 年初交叉，NotebookLM 完成反超。

信源：https://x.com/Similarweb/status/2033171355546386570

a16z联创：比特币就是答案，AI将让一人独角兽从偶然变成必然

a16z 联合创始人 Marc Andreessen 在接受 David Senra 访谈时指出，比特币、Minecraft、WhatsApp、Instagram 是历史上极少数由一两人打造的现象级产品，他相信 AI 将使这类「一人独角兽」从偶然变成常态。

他用小说家对比电影导演来解释这个预测：小说家可以随时改写任何情节，而导演拍摄期间绝无法推倒重来，因为有 300 人在等。软件开发过去更像拍电影，需要分工协作；AI 正在让它越来越像写小说，一个人就能完整掌控整个创作过程。

他同时指出，AI 正在从根本上重写风险投资的资金量级。头部 AI 公司正在融资数十亿乃至数百亿美元，此前以 1000 万至 5000 万美元为惯常上限的 VC 单笔投资，在今天的 AI 竞争中已基本失去参与能力。

信源：https://www.youtube.com/watch?v=qBVe3M2g_SA

a16z联创批评深度学习之父：AI先驱最不适合预测AI未来，爱迪生都不知道留声机会播爵士乐

a16z 联合创始人 Andreessen 以爱迪生的案例论证技术发明者预测社会影响的内在局限：爱迪生发明留声机时坚信其主要用途是在家中播放宗教布道，结果留声机落地即成音乐播放器，并直接催生了爵士乐时代。他认为，在实验室深耕 20 年的 AI 先驱太专注于眼前技术细节，对技术将如何嵌入更广泛的文化和经济体系缺乏判断力，是预测 AI 社会影响「最不称职的一群人」，并补充道「包括我自己」。

他以此批评深度学习先驱、被誉为「人工智能教父」的专家 Geoffrey Hinton 关于 AI 将导致大规模失业、需全面推行全民基本收入（UBI）的论断，称 Hinton 自我宣称的社会主义立场先于其技术分析。「一个社会主义者的答案当然是共产主义，真是巧合。」

信源：https://www.youtube.com/watch?v=qBVe3M2g_SA

a16z联创高度评价马斯克：没有第二个马斯克

a16z 联合创始人 Andreessen 在访谈中高度评价马斯克，称他或许已「破解了未来 100 年最优的公司管理方式」。核心方法是完全绕过中间管理层，直接与一线工程师对接。马斯克每天进行约 120 次工程师设计审查，每次 5 分钟，每小时 12 次，持续约 10 小时，目标是识别当前最关键的生产瓶颈，然后当天亲自配合该工程师解决。

Andreessen 将这套方法与他在 IBM 实习时见到的「大灰云」对比：IBM 层层经理将 CEO 与实际技术工作彻底隔绝，CEO 只能收到被粉饰过的信息。特斯拉持续领先传统车厂的本质，是马斯克每年亲手修复 52 次关键生产瓶颈，而传统公司解决同等问题往往需要数月。

这套方法还形成了正向人才循环：全球顶尖工程师争相加入马斯克的公司，因为他是唯一能以工程同行身份与一线人员并肩工作的 CEO，无法胜任的人则被迅速淘汰。Andreessen 坦言这套方法几乎无法复制，他以假想单位「毫马斯克」（milli-Elon）衡量创始人成色：多数创始人处于 0.1 至 1 个 milli-Elon 区间，达到 500 个 milli-Elon 的创始人他会倾囊支持。

信源：https://www.youtube.com/watch?v=qBVe3M2g_SA

谢赛宁首次受访：两次拒绝Ilya，称语言是「鸦片」、硅谷被LLM催眠

上周完成 10.3 亿美元种子轮融资的世界模型公司 AMI Labs 联合创始人兼首席科学官、Diffusion Transformer（DiT）论文共同作者谢赛宁近日首次接受公开长篇访谈。谢赛宁生于 1990 年，毕业于上海交通大学和加州大学圣地亚哥分校，现于纽约大学任教，此前在 Meta FAIR 和 Google DeepMind 任研究科学家，论文引用近 10 万次。

谢赛宁对 LLM 路线提出系统批评。他认为 LLM 并非 Bitter Lesson（Richard Sutton 提出的「苦涩的教训」）的成功验证，「某种程度上，LLM 是反 Bitter Lesson 的」，理由是语言本身就是人类数千年文明高度凝练的产物，属于精巧的人工结构，而 Bitter Lesson 的核心主张恰恰是减少人类知识介入。他称语言是「鸦片」：「你加多了总是会觉得更幸福的，它有用，但它是一个捷径。如果你一直吸鸦片就废了；如果你一直拄着拐杖，你就没办法训练大腿的肌肉。」

他给世界模型一个简洁定义：语言模型是预测下一个 token，世界模型是基于你的动作预测下一个状态。世界模型的优势在于安全可控，因为它能预测行动后果，可在推理阶段主动规避危险行为，而非像 LLM 完全依赖微调和对齐。他认为 AGI 是「伪命题」，引用强化学习之父 Richard Sutton 的观点称，打造一只松鼠在真实世界生存的智能，比拿 IMO 金牌和写代码难得多。

谢赛宁透露自己曾两次拒绝 OpenAI 前首席科学家 Ilya Sutskever。2018 年他通过 OpenAI 面试拿到 offer，但毫不犹豫选择了 FAIR，因为何恺明、Piotr Dollár、Ross Girshick 等计算机视觉顶尖研究者在那里。Ilya 打电话来时「非常生气」，质问是不是给的钱不够。2024 年 Ilya 创立 SSI 后再次邀请，两人通话的主题是如何赋予 AI「爱」的能力，但当谢赛宁问及对多模态和视觉的看法时，Ilya 认为「已经解决得很不错了」，路线分歧使他再次婉拒。

谈及 AMI 为何刻意不在硅谷设办公室，谢赛宁说「Silicon Valley is very LLM-pilled，硅谷已经深陷于 LLM，完全被它催眠了」。AMI 以巴黎为总部，以「草根联盟」模式在全球聚集拥有真实世界数据的合作伙伴，他以万事达卡联合地方银行对抗 Visa 的历史来类比。他提出世界模型时代的训练范式是「以前是 download internet 的时代，现在是 download human 的时代」，短期两大落地出口分别是 AI 智能眼镜和机器人。

信源：https://mp.weixin.qq.com/s/PIOh_aXVuNUT27G5UoKCkw

清华团队开源多智能体AI课堂OpenMAIC：AI老师语音授课带白板，AI同学举手讨论，已接入OpenClaw

清华大学今日开源 OpenMAIC（Open Multi-Agent Interactive Classroom），一个基于多智能体协作的 AI 课堂系统。用户输入一个主题或上传 PDF 文档，系统自动生成包含课件（可导出 PPTX）、随堂测验（AI 判分）、交互式网页模拟和项目制学习（PBL）的完整课堂。

OpenMAIC 的核心特点在于「多智能体沉浸式课堂」：AI 老师通过 TTS 语音授课，同时自主控制激光笔、聚光灯，在白板上即兴绘制流程图和步骤演示；AI 同学会在课堂中举手提问和发起圆桌讨论，用户可旁观也可随时插话参与。底层使用 LangGraph 调度，支持接入 OpenAI、Claude 及本地 Ollama 等模型。

该系统已接入 OpenClaw，用户可通过飞书、Slack、Telegram 等消息应用直接对 AI 助手下达指令生成课程。项目采用 AGPL-3.0 许可证开源，在线体验地址为 open.maic.chat。

信源：https://github.com/THU-MAIC/OpenMAIC

SWE-CI：现有编程基准全在测错误的能力，AI长期维护代码远弱于一次性修bug

中山大学与阿里巴巴联合团队发布代码维护基准 SWE-CI，直指 SWE-bench 等现有基准的根本盲区：真实软件开发中，维护活动占全生命周期成本的 60%-80%，但主流基准均采用「快照式」范式，只测一次性修复能力，无法评估模型能否在长期演化中保持代码质量。

SWE-CI 包含 100 个任务，均来自真实 GitHub 仓库，平均跨越 233 天、71 次连续提交的演化历史。评测采用「架构师-程序员」双 Agent 协议：架构师分析当前代码与目标版本的测试差距并生成需求文档，程序员据此修改代码，两者最多迭代 20 轮，以 EvoScore 衡量长期可维护性（越晚的迭代权重越高，惩罚先快后烂的短视代码）。

对 8 家厂商 18 个模型的测评结果：

- Claude Opus 系列全程领跑，GLM-5 表现突出
- 2026 年后发布的模型比此前版本进步幅度明显更大，代码维护能力正在加速演进
- 零回归率（全程不引入任何旧功能退化的比例）是最严峻的短板：绝大多数模型低于 0.25，仅 Claude Opus 系列两款模型超过 0.5

信源：https://arxiv.org/abs/2603.03823

分析：黄仁勋今日需证明Groq整合路线，否则定制芯片叙事占上风

知名行业分析师 Patrick Moorhead 在 GTC 2026 开幕前发布长篇分析，核心判断是：今日黄仁勋演讲的真正考题，是能否展示训练 GPU、预填充加速器、Groq 解码处理器和 CPU 在统一软件层下协同运作的完整路线图。做到，GTC 2026 标志着英伟达完成平台转型；做不到，叙事将倒向超大型云厂商自研芯片。

他梳理的已确认事实：Vera Rubin NVL72 机架（72 颗 Rubin GPU + 36 颗 Vera CPU，NVLink 6 以每 GPU 3.6TB/s 互联）已在 AWS、谷歌云、微软、甲骨文四家云厂部署，下半年量产爬坡；Rubin GPU 以 1.6 倍于 Blackwell 的晶体管数量实现 5 倍推理性能，推理达 50 Petaflops、训练达 35 Petaflops；200 亿美元 Groq 并购完成，以非排他性许可为框架，同步引入创始人 Jonathan Ross 及约 80% 的工程师团队，超过 2019 年 70 亿美元收购 Mellanox 的规模。

Moorhead 对今日演讲的预判：正式推出 NemoClaw（英伟达面向企业 AI Agent 的开源平台）；展示 2028 年架构 Feynman 的路线图，该架构据分析机构报告将采用台积电 A16 1.6nm 工艺；Ross 预计亦将亮相演讲台。

他也指出了三个风险：Groq 整合在超大型云厂规模下尚未验证，200 亿美元对未经实战的技术代价高昂；能源约束是 2027 年最大变量，近 40% 的新建数据中心集中在电力充裕的德克萨斯州，但沿海地区面临真实瓶颈；英伟达数据中心 AI 市占率预计在未来两年从 90% 以上压缩至约 70%。

信源：https://x.com/PatrickMoorhead/status/2033215183884042493