搜索
未来几年，医疗大模型的行业竞争将不再局限于基础模型技术的单点对抗，而是演变为模型能力、医疗数据、临床场景、医院生态四位一体的综合实力竞争。下文筛选海内外各10家代表性企业，集中展现了全球医疗大模型产业链核心力量与资本流向（本文内容仅作行业研究参考，不构成任何投资建议、投资引导及相关承诺）。
但如果你问的问题收束成：「今年最火的 AI 可穿戴硬件是什么？」那答案大概率只有一个—— Fitbit Air。仅仅一个数据就足以说明它的现象级爆火：作为一款官方开售已经超过两个月的设备，在二手平台你至今仍然需要加价 200~300 元购买。
最近，有个很有意思的现象。
Token可以“热”，但Token工厂必须靠原生液冷“冷”下来。
这两天，AI圈百家争鸣。GPT-6曝光、DeepSeek V4 Flash公测、SD2.5发布、MiniMax多模态开源视频模型发布……
一个80亿参数的大模型，一口气吞下15万亿token的训练数据，堆到硬盘上差不多7TB。可它真正「背」得下来的，少得可怜：每个参数只装得下3.6 bit。一个英文字母8 bit，连半个都填不满。
Seltz为Agent自建一套持续更新的Web索引，让它能够及时看见公开网络中正在发生什么；AnySearch聚合开放Web和20多个垂直数据源，让Agent知道面对不同问题应该去哪里查；Octen则重写索引、排序和服务层，让Agent可以同时展开几十甚至上百次查询，更快、更大规模地看见信息。
Axis Robotics 与佐治亚理工、加州大学伯克利分校、南洋理工等高校团队通过超过 5 万条人类演示和一组规模实验，给出了一个肯定但更复杂的答案：众源仿真数据可以有效，但模型能否从数据规模中持续获益，取决于任务覆盖、行为多样性、质量控制和数据增强，而不只是轨迹数量。
最近，一篇来自 UIUC 与哈佛大学的论文，试图把这块最后的拼图补上。作者给这个新范式起了个名字，叫 Explorative Modeling（探索式建模），模型简称 XM。它的想法简单到近乎朴素，却指向一个大胆的结论：生成模型除了参数和数据，其实还有第三根可以放大的轴。
这篇文章，我们邀请到了由SGLang孵化的RadixArk的联合创始人和核心成员，以及数据中心专家，一起聊聊AI Infra的四层架构、行业如何把“硅”的潜力榨到极限，以及背后的关键技术。