AMD RDNA 4：野心與現實的博弈智譜AI：國資加持下難破的「六小虎」魔咒？優必選人形機器人：夢想與現實的協奏曲端側生成式AI：Stability AI 與 Arm 的聯姻是炒作嗎？CogView4：智譜AI的「中國特色」是進步還是噱頭？OpenAI的「NextGenAI聯盟」：教育慈善下的戰略棋局人形機器人半程馬拉松：科技盛宴，抑或嘩眾取寵？英偉達 RTX 5070 FE 延期：品控疑雲下的市場迷局「Manus」AI Agent 爆紅：技術創新，還是營銷鬼才？圖靈獎頒給強化學習：AI 發展路上的肯定與反思PyTorch 核心開發者離職：人才遷徙，生態重塑？AI 教育白皮書：中國的 AI 教育是引導還是應付？谷歌創始人再創業：Dynatomics 能否重塑製造業？DeepSeek 登頂：實至名歸？數據注水？AMD Instella：开源模型是追赶还是另辟蹊径？米哈游前 AI 负责人创业：降维打击，抑或水土不服？

AMD 最新發佈的 RDNA 4 顯卡，RX 9070 系列，確實讓人眼前一亮。然而，單純地看發佈會上的數據，總覺得有些不踏實。 549 美元的 RX 9070 和 599 美元的 RX 9070 XT，看似性價比很高，但這種「刀法精湛」的產品定位，是否能真正撼動英偉達在中端市場的地位，我個人持保留意見。

光追與 AI：AMD 的追趕之路

AMD 這次在光線追蹤和 AI 性能上的提升，的確值得肯定。第三代光線追蹤加速器性能翻倍，第二代 AI 加速器在稀疏矩陣計算上的提升，都表明 AMD 在努力追趕英偉達。但光追效果並非單純的數字遊戲，實際遊戲中的表現才是關鍵。尤其是面對英偉達 RTX 系列在光追技術上的深厚積累，AMD 能否提供流暢且視覺效果優秀的光追體驗，還有待市場驗證。此外，AI 加速器在遊戲之外的應用，例如視頻編輯、圖像處理等專業領域，也是衡量其價值的關鍵指標。僅僅強調在遊戲中的 AI 性能提升，似乎有些片面。

挑戰 RTX 5070 Ti？數據背後的真相

AMD 宣稱 RX 9070 XT 性能僅比英偉達 RTX 5070 Ti 低 2%，但價格卻低了 150 美元。這種「田忌賽馬」式的比較，很容易讓人產生誤解。首先，RTX 5070 Ti 的實際性能如何，目前還沒有定論。其次，即使 RX 9070 XT 在某些測試中表現接近 RTX 5070 Ti，但在其他方面，例如功耗、驅動優化、軟體生態等方面，可能存在差距。

FSR 4 技術的推出，無疑是 AMD 的又一利器。但 FSR 4 的實際效果，很大程度上取決於遊戲開發商的優化程度。如果遊戲開發商不願意花費額外的時間和精力去優化 FSR 4，那麼 FSR 4 的效果將大打折扣。此外，FSR 4 與英偉達 DLSS 技術的競爭，也將決定其最終的市場地位。僅僅依靠 AMD 自己的努力，很難在與英偉達的競爭中取得優勢。

總之，AMD RDNA 4 顯卡 RX 9070 系列的發佈，給了市場更多的選擇，也讓消費者有了更多的期待。但要真正挑戰英偉達在中端市場的地位，AMD 需要做的還有很多。除了不斷提升硬體性能，還需要加強軟體生態建設，並與遊戲開發商建立更緊密的合作關係。

國資再押注大模型：智譜 AI 能否打破「六小虎」魔咒？

智譜 AI 完成新一輪 10 億元融資，杭州國資平台加持，這消息乍一聽很振奮人心。但仔細想想，這背後也反映出大模型賽道的「燒錢」本質。靠融資續命，始終不是長久之計。尤其是智譜 AI 這樣的「大模型六小虎」之一，面臨著來自頭部企業的巨大壓力，以及其他新興力量的挑戰，能否真正突圍，成為一個令人懷疑的問題。

開源策略：是真誠還是無奈？

智譜 AI 宣布 2025 年將成為「開源年」，這策略看似開放，實則可能是一種無奈之舉。在大模型領域，開源已經成為一種趨勢，但開源並不意味著成功。如果智譜 AI 的開源模型在性能和功能上沒有明顯的優勢，那麼很難吸引到足夠多的開發者參與，更難以形成繁榮的生態。此外，開源也意味著競爭更加激烈，其他企業可以基於智譜 AI 的開源模型進行二次開發，從而降低智譜 AI 的競爭優勢。

智譜 AI 在商業化方面一直走在前列，這無可厚非。但過於強調短期收入，可能會犧牲長期的技術積累和創新能力。據稱，智譜 AI 今年春節復工後不到一個月，收入就超過 1 億元。這種快速增長的背後，是否隱藏著一些問題？例如，API 平台是否過度商業化，是否會影響開發者的體驗？這些問題都需要引起智譜 AI 的重視。

智譜 AI 的融資，再次證明了國內大模型賽道的火熱。但火熱的背後，也隱藏著泡沫。很多企業都在盲目跟風，缺乏核心技術和清晰的商業模式。智譜 AI 能否打破「六小虎」的魔咒，成為真正的大模型領頭羊，我個人認為，還有待時間的檢驗。

人形機器人協同作業：優必選的夢想與現實的距離

優必選實現全球首例多台人形機器人自主協同作業，這聽起來很科幻，但實際應用前景如何，我個人持謹慎態度。人形機器人，尤其是要在工業場景中應用，面臨著巨大的挑戰。成本、穩定性、安全性，任何一個環節出現問題，都可能導致整個項目失敗。

群體智能：噱頭還是核心競爭力？

優必選提出的人形機器人群腦網路（BrainNet）架構，聽起來很厲害。但這種架構的實際效果如何，還有待驗證。群體智能並不是簡單地將多個機器人連接在一起，而是需要解決機器人之間的協調、通信、以及任務分配等一系列複雜的問題。如果這些問題不能得到有效解決，那麼所謂的群體智能，很可能只是個噱頭。

優必選已經與多家行業領軍企業達成合作，這無疑是一個好消息。但合作並不意味著成功。這些企業是否真的需要人形機器人？人形機器人能否真正提高生產效率、降低成本？這些問題都需要經過嚴格的評估。如果人形機器人不能創造實際的價值，那麼這些合作關係很可能只是曇花一現。

優必選在人形機器人領域的探索，值得肯定。但在看到光鮮亮麗的成果的同時，也要清醒地認識到，人形機器人距離真正的大規模應用，還有很長的路要走。技術的成熟、成本的降低、以及安全性的提升，都是必須要解決的問題。

端側生成式 AI：Stability AI 與 Arm 的合作是趨勢還是炒作？

Stability AI 與 Arm 合作推出端側生成式音頻模型，這消息一出，很多人的第一反應可能是：哇，以後手機也能離線生成音樂了！但冷靜下來想想，這真的是一個突破性的進展嗎？還是又一次的技術演示，離實際應用還很遙遠？

性能提升 30 倍：數字遊戲還是真實體驗？

Stability AI 宣稱，通過利用 ARM KleidiAI 技術，該模型的響應時間提升了 30 倍。這種數據上的提升，確實很吸引眼球。但實際使用中，幾秒鐘的生成時間，真的能帶來良好的用戶體驗嗎？尤其是在生成式 AI 對算力要求極高的情況下，端側設備的性能瓶頸，很可能會影響生成效果和穩定性。

Stability AI 強調，這一突破使得高級 AI 音頻功能得以普及，讓全球數十億智能手機用戶受益。但有多少用戶真的需要在手機上離線生成音頻？這種應用場景是否真的具有廣泛的市場需求？相比於在雲端生成，端側生成在隱私保護、數據安全等方面可能具有優勢。但這些優勢是否足以抵消性能上的不足？

Stability AI 與 Arm 的合作，無疑是端側 AI 發展的一個重要信號。但要將端側生成式 AI 真正推向市場，還需要解決很多問題。算力、功耗、模型優化、應用場景，每一個環節都需要經過深入的探索和實踐。如果只是為了追求技術上的突破，而忽略了用戶的需求和體驗，那麼端側生成式 AI 很可能只會成為一個曇花一現的概念。

CogView4：智譜AI的「中國特色」文生圖模型是進步還是噱頭？

智譜 AI 推出首個支持生成漢字的開源文生圖模型 CogView4，這聽起來挺有「中國特色」的。但仔細分析一下，這種「特色」真的是技術上的進步，還是為了迎合市場的噱頭？

擅長中文：是優勢還是限制？

CogView4 擅長理解和遵循中文提示詞，是首個能夠在畫面中生成漢字的開源文生圖模型。這對於廣告、短視頻等領域的創意需求，可能確實有一定的優勢。但如果 CogView4 在處理英文提示詞方面表現不佳，那麼它的應用範圍將會受到很大的限制。在全球化的背景下，一個優秀的文生圖模型，應該能夠同時處理多種語言，而不是只擅長一種語言。

CogView4 支持輸入任意長度提示詞，能夠生成範圍內任意分辨率圖像。這確實提高了創作的自由度，也提升了訓練效率。但這種「自由」是否會導致生成結果的不確定性增加？高分辨率圖像是否會對算力提出更高的要求？這些問題都需要經過實際的測試和驗證。

CogView4 的推出，無疑是國內文生圖領域的一個積極信號。但要與國外領先的文生圖模型競爭，CogView4 需要在技術上不斷創新，並拓展更多的應用場景。僅僅依靠「中國特色」，很難在激烈的市場競爭中取得優勢。

OpenAI的「NextGenAI聯盟」：是教育慈善還是戰略佈局？

OpenAI 成立 NextGenAI 聯盟，投資 5000 萬美元推動 AI 研究與教育，這看似是一項善舉。但背後是否隱藏著 OpenAI 的戰略佈局？這項投資真的能促進 AI 研究和教育的發展嗎？還是只是 OpenAI 擴大影響力的一種手段？

學術合作：是互利共贏還是利益交換？

NextGenAI 聯盟匯集了美國和國際知名學府，OpenAI 為這些學府提供資金、計算資源和 API 訪問權限。這種學術合作，看似是互利共贏。但實際上，OpenAI 可以通過這種合作，獲取最新的研究成果、吸引優秀的人才，並在學術界建立良好的聲譽。而這些學府則可以利用 OpenAI 的資源，提升自身的學術水平和影響力。這種合作關係，是否會影響學術研究的獨立性和客觀性？

OpenAI 聲稱，NextGenAI 將加速研究進展，催生新一代機構利用 AI 的變革性力量。但實際上，OpenAI 可以通過控制資金的流向，引導研究方向，從而確保 AI 的發展符合自身的利益。這種做法，是否會扼殺其他有潛力的研究方向？

OpenAI 對教育的投入，值得肯定。但在讚賞 OpenAI 的慷慨之餘，也要保持警惕。 OpenAI 的舉動，很可能是一種戰略佈局，旨在鞏固其在 AI 領域的領先地位，並為未來的發展打下基礎。

人形機器人半程馬拉松：是科技盛宴還是嘩眾取寵？

北京將舉辦全球首個人形機器人半程馬拉松比賽，這聽起來很有未來感。但仔細想想，這場比賽的意義是什麼？是為了展示人形機器人的技術水平？還是為了吸引眼球、提升城市形象？這種比賽是否真的有助於推動人形機器人的發展？還是只是在浪費資源、嘩眾取寵？

技術展示：是實力證明還是自曝其短？

人形機器人參加馬拉松比賽，需要具備一定的運動能力、穩定性和續航能力。這對於人形機器人技術來說，無疑是一個巨大的挑戰。但如果參賽機器人的性能不佳，頻繁出現故障，那麼這場比賽很可能會變成一場鬧劇，反而會損害人形機器人的形象。

比賽設置了冠、亞、季軍，以及完賽獎、最佳耐力獎、最佳人氣獎等系列獎項。這種獎項設置，看似是為了激勵參賽者，但實際上可能會導致參賽者過於追求成績，而忽略了安全性和穩定性。此外，機器人的審美標準與人類不同，所謂的「最佳形態創意獎」，很可能只是一種人類的自娛自樂。

人形機器人半程馬拉松比賽，可以看作是一次科技的展示。但要真正推動人形機器人的發展，需要更多的實際應用和商業化探索，而不是僅僅依靠這種花哨的比賽。

英偉達 RTX 5070 FE 延期：是品控問題還是飢餓行銷？

英偉達 RTX 5070 FE 版顯卡延期發售，這消息讓許多期待已久的玩家感到失望。但這背後的原因是什麼？是因為英偉達近期面臨顯卡質量控制問題？還是為了營造供不應求的假象，進行飢餓行銷？

質量控制：是個例還是普遍現象？

英偉達表示，近期確實面臨顯卡質量控制問題，部分 RTX 5090 買家發現他們的顯卡 ROPs 數量比廣告宣傳的要少。這種問題雖然只影響了不到 0.5% 的產品，但卻嚴重損害了英偉達的品牌形象。如果這種質量問題是普遍現象，那麼 RTX 5070 FE 延期發售，很可能是為了避免更大的損失。

英偉達在顯卡評測禁令解除前幾小時才通知評測人員延期消息，這種做法讓人懷疑其透明度。如果英偉達提前發現了質量問題，為什麼沒有及時通知評測人員？這種延遲通知，是否是為了掩蓋真相？

英偉達 RTX 5070 FE 延期發售，讓 AMD 的 Radeon RX 9070 系列顯卡有了更多的機會。但如果 AMD 不能抓住這次機會，提供穩定可靠的產品，那麼消費者很可能會繼續等待英偉達的 RTX 5070 FE。

「Manus」AI Agent 爆紅：是技術突破還是營銷炒作？

全球首款 AI Agent 產品「Manus」上線，並以邀請碼的方式進行小範圍內測，邀請碼價格一度被炒高至上萬元。這種現象讓人不得不懷疑，「Manus」的爆紅，到底是技術上的突破，還是營銷上的炒作？

多重簽名：是安全保障還是故弄玄虛？

「Manus」採用多重簽名（multisig）系統，由多個獨立模型驅動，並具備知識記憶功能。這種技術聽起來很複雜，但實際效果如何？多重簽名系統真的能有效提高 AI Agent 的安全性和可靠性嗎？知識記憶功能是否會導致 AI Agent 產生偏見？

「Manus」的核心優勢在於強大的工具調用能力和任務異步處理機制。但這種能力是否真的比其他 AI 助手更強大？任務異步處理機制是否會導致任務執行效率降低？這些問題都需要經過實際的測試和比較。

「Manus」的爆紅，很可能是因為其創新的產品形態和營銷策略。但要真正獲得用戶的認可，還需要不斷提升技術水平，並提供更加穩定可靠的服務。僅僅依靠炒作，很難在激烈的市場競爭中生存。

AI 教父 Barto 和 Sutton 榮獲圖靈獎：是對強化學習的肯定還是對 AI 發展的反思？

AI 先驅 Barto 和 Sutton 榮獲 2024 年圖靈獎，這無疑是對強化學習領域的巨大肯定。但在慶祝之餘，我們是否也應該對 AI 的發展進行一些反思？強化學習在過去幾十年取得了巨大的進展，但它是否真的解決了我們面臨的真正問題？

學術貢獻：是理論先驅還是實用價值？

Barto 和 Sutton 在 20 世紀 80 年代就開始研究強化學習，他們的理論和算法為後來的 AI 發展奠定了基礎。但在當時，強化學習並沒有受到太多的關注，因為它缺乏實際的應用。直到近年來，隨著計算能力的提升和數據的爆炸式增長，強化學習才開始在遊戲、機器人、自然語言處理等領域得到廣泛應用。

Barto 和 Sutton 的研究表明，AI 的發展需要長期的積累和堅持。即使在短期內看不到希望，也要繼續探索和創新。但在追求學術貢獻的同時，也要關注 AI 的實際應用價值，確保 AI 的發展能夠真正造福人類。

Barto 和 Sutton 榮獲圖靈獎，是對 AI 研究人員的鼓勵。但在享受榮譽的同時，也要時刻保持清醒的頭腦，思考 AI 的未來發展方向。我們需要更加關注 AI 的倫理問題、安全問題和社會影響，確保 AI 的發展不會對人類造成危害。

PyTorch 核心開發者離職：是人才流失還是生態重塑？

PyTorch 團隊的核心開發者 Horace He 宣布離開 Meta，加入初創公司 Thinking Machines Lab，這無疑是 Meta 的一次人才流失。但從更廣闊的角度來看，這是否也是 AI 生態重塑的一個信號？

平台依賴：是穩定發展還是扼殺創新？

PyTorch 作為一個開源框架，為 AI 研究人員和開發者提供了便利的工具和平台。但如果 PyTorch 過於依賴 Meta 的支持，那麼它的發展可能會受到 Meta 政策的影響。如果 Meta 調整了 PyTorch 的發展方向，或者減少了對 PyTorch 的投入，那麼 PyTorch 的生態可能會受到嚴重的衝擊。

Horace He 的離職，可能反映出一些 AI 人才對大公司的不滿。他們可能認為，在大公司工作缺乏自由和創新空間，無法實現自己的理想。加入初創公司，可以讓他們更加自由地探索 AI 的前沿技術，並創造更大的價值。

PyTorch 的發展需要更多的參與者，而不是僅僅依賴 Meta 的支持。更多的企業和個人參與到 PyTorch 的開發和應用中，才能讓 PyTorch 的生態更加繁榮。

中國將發布 AI 教育白皮書：是政策引導還是應付輿論？

中國將在今年發布 AI 教育白皮書，這聽起來是一項重要的政策舉措。但這項政策的目的是什麼？是為了引導 AI 教育的健康發展？還是為了應付國內外對 AI 教育的關注？

教育改革：是迎合潮流還是提升素質？

教育部部長懷進鵬表示，要加大產教融合和科教融匯，在人工智能、生物技術、新能源、新材料等諸多領域加快布局。這種做法，看似是為了迎合 AI 的發展潮流，培養 AI 人才。但如果教育改革過於強調 AI 技術的學習，而忽略了學生的基礎知識和人文素養的培養，那麼很可能會導致學生失去獨立思考和創新能力。

AI 教育白皮書，應該關注 AI 對教育的影響，而不是僅僅關注 AI 技術的應用。我們需要思考，如何利用 AI 技術來提升教育的質量和效率，如何培養學生適應 AI 時代的能力，而不是簡單地將 AI 技術引入課堂。

AI 教育的發展需要更加謹慎和理性，不能盲目跟風，更不能拔苗助長。我們需要從學生的實際需求出發，制定科學合理的教育方案，確保 AI 教育能夠真正提升學生的素質和能力。

谷歌創始人開設新 AI 公司 Dynatomics：是重拾激情還是另起爐灶？

谷歌聯合創始人 Larry Page 正在建立一家名為 Dynatomics 的新公司，專注於將 AI 應用於產品製造領域。這消息讓人好奇，Larry Page 為什麼要離開谷歌，另起爐灶？是因為對現狀不滿意？還是為了重拾創業的激情？

製造業升級：是技術驅動還是需求拉動？

Dynatomics 希望通過 AI 算法，快速找到最優的設計方案，從而提升產品的性能、降低成本、甚至創造出前所未有的新型產品。這種做法，看似是技術驅動的。但實際上，製造業的升級需要技術和需求的雙重驅動。如果市場對新型產品的需求不大，那麼即使 Dynatomics 開發出再先進的技術，也很難獲得成功。

Larry Page 選擇將 AI 應用於產品製造領域，可能反映出他對製造業的未來發展趨勢的看好。但製造業的轉型升級是一個漫長而複雜的過程，需要大量的資金、技術和人才投入。 Dynatomics 能否在這個領域取得突破，還需要時間的檢驗。

Larry Page 的創業精神值得敬佩，但他的選擇也充滿了風險。他能否再次創造谷歌那樣的輝煌，我們拭目以待。

DeepSeek 登頂全球 AI 應用第 2 名：是實至名歸還是數據注水？

DeepSeek 凭借 DeepSeek-R1 模型在网页端中排名第 2，這消息無疑是对 DeepSeek 的肯定。但在為 DeepSeek 感到高興的同時，我們也需要理性地分析一下，這個排名是否實至名歸？是否存在數據注水的可能？

用戶增長：是自然增長還是營銷推廣？

DeepSeek 在 14 天達到 100 萬用戶，20 天就瘋漲至 1000 萬用戶。這種用戶增長速度，確實令人驚訝。但這種增長是自然增長，還是營銷推廣的結果？如果 DeepSeek 投入了大量的營銷預算，那麼用戶增長速度的參考價值就會大打折扣。

DeepSeek 能夠在短時間內吸引大量用戶，可能與其开源 R1 模型有关。开源可以降低用户的使用门槛，吸引更多的开发者参与。但开源也意味着竞争更加激烈，DeepSeek 需要不断提升 R1 模型的性能和功能，才能保持其竞争优势。

DeepSeek 取得的成绩值得肯定，但它仍然面临着巨大的挑战。如何保持用户增长，如何提升模型性能，如何拓展应用场景，这些都是 DeepSeek 需要思考的问题。

AMD 发布 Instella 开源语言模型：是追赶潮流还是另辟蹊径？

AMD 发布 Instella 开源语言模型，这是 AMD 在语言模型领域的重要进展。但这是否意味着 AMD 要与谷歌、OpenAI 等巨头在语言模型领域展开正面竞争？还是另辟蹊径，寻找差异化的发展路径？

硬件优势：是制胜法宝还是发展瓶颈？

Instella 模型在 AMD Instinct MI300X GPU 上从零训练而成，这表明 AMD 希望利用其硬件优势，在语言模型领域占据一席之地。但硬件优势并不意味着就能在软件领域取得成功。谷歌、OpenAI 等公司在语言模型领域已经积累了大量的技术和经验，AMD 想要追赶，需要付出巨大的努力。

Instella 模型的开源，可以吸引更多的开发者参与，共同提升模型的性能和功能。但开源也意味着需要投入更多的资源来维护和支持社区。 AMD 是否有足够的决心和能力来做好这件事，还有待观察。

AMD 发布 Instella 开源语言模型，可以看作是对 AI 领域的一次积极探索。但要在这个竞争激烈的市场中生存和发展，需要更多的创新和突破。