由三位前 OpenAI 研究人员创立的初创公司 Applied Compute 正就以 13 亿美元估值筹集新资金进行谈判，包括该项投资在内。据透露，该公司致力于帮助企业使用自有数据定制模型。若融资成功，其估值将较不到三个月前公布的上一轮融资（ 估值约 5 亿美元 ）增长逾一倍。
做后端、大数据、分布式存储的同学，大概率都遇到过这样的问题：
不知道有多少人曾为了让数据图表既“好看”又“好懂”，而在设计软件与代码编辑器之间反复横跳，熬到“头秃”。
数据库技术初创公司ClickHouse 在新一轮融资中筹集了 4 亿美元，公司估值达到 150 亿美元——比不到一年前的估值翻了一番以上。这笔大规模融资传递出投资者对人工智能应用支撑型企业的青睐信号，这类企业正与Databricks 和 Snowflake 等公司展开竞争。
大语言模型的爆发，让大家见证了 Scaling Law 的威力：只要数据够多、算力够猛，智能似乎就会自动涌现。但在机器人领域，这个公式似乎失效了。
随着 AI 技术的蓬勃发展， AI 模型的参数规模和推理频次呈指数级增长。据高盛研究部预测，到 2030 年，全球数据中心的电力需求将增长 160%。
视觉模型用于工业“缺陷检测”等领域已经相对成熟，但当前普遍使用的传统模型在训练时对数据要求较高，需要大量的经过精细标注的数据才能训练出理想效果。
一早，OpenAI曝光了过去三年营收数据，信息量巨大：2025年ARR突破200亿美元，算力与收入几乎同步飙升，形成了一个强大的自转飞轮。
3D模型的实例分割一直受限于稀缺的训练数据与高昂的标注成本，训练效果有待提升。
清华在Nature上发表的最新研究发现，AI使科学家更聚焦于数据丰富、问题明确的领域，导致创新单一化，跨界合作减少。研究团队提出「全流程科研智能体系统」，推动AI从工具进化为伙伴，拓展科学边界。
