消息稱智譜考慮自研芯片
重點摘要
智譜（Z.ai）正評估自研AI晶片的可能性，以應對GLM系列模型需求激增。自研晶片可實現軟硬體協同優化，提升算力效率並降低對外部供應商的依賴，OpenAI、DeepSeek等競爭對手也有類似規劃。
美媒《The Information》於當地時間7月7日報導指出，中國AI初創公司智譜（Z.ai）正在評估自研定製晶片的可能性。此舉被視為因應其GLM系列人工智慧模型需求快速成長而採取的戰略布局。 智譜長期專注於大型語言模型的開發與應用，其GLM系列模型在學術與商業領域皆獲得廣泛採用。隨著市場對高效能AI運算的需求持續攀升，智譜面臨的算力壓力也隨之增加。報導稱，該公司高層已開始討論是否要投入資源設計自有晶片，以期在模型訓練與推理環節獲得更大的自主性。 自研晶片的優勢在於能實現軟硬體的高度整合。對於大型AI模型開發商而言，自行設計晶片可以針對自家模型的運算特徵進行最佳化，從而提升算力利用效率，並在長期降低對外部晶片供應商的依賴。這不僅有助於控制成本，也能在供應鏈波動時維持穩定的運算能力。 這並非AI業界首次出現自研晶片的風向。在此之前，OpenAI已率先公開其自研晶片項目，內部代號為「Jalapeño」，顯示該公司正積極布局從模型到硬體的垂直整合。Anthropic與SpaceXAI也被傳出有意投入類似計畫，進一步印證業界對自主晶片的興趣正快速升溫。 近期市場上也傳出DeepSeek正在推進自研AI晶片的相關項目。這家同樣以大型模型聞名的公司，據悉正評估面向推理場景的客製化晶片設計，企圖在高效能運算領域尋求突破。隨著越來越多的AI開發者朝自研晶片邁進，過去由少數晶片巨頭主導的生態系統正面臨結構性的轉變。 對智譜而言，若最終決定啟動晶片自研計畫，意味著公司將從純軟體開發者轉型為軟硬體並重的技術業者。這項決策不僅需要投入大量資金與技術人才，也將考驗其在晶片設計、製程合作與量產管理等環節的執行能力。 不過，目前該計畫仍處於初步評估階段，尚未有正式啟動或具體時間表的消息。智譜是否會跟進其他同行的腳步，仍待後續觀察。業界普遍認為，隨著AI模型規模持續擴大，算力效率與供應鏈安全將成為所有AI公司無法迴避的核心課題。
Related
相關文章
200+具身機器人的大腦，融了個天使輪
由上海人工智能研究院孵化的具身智能新創「靈境智源」，在尚未對外公開融資消息的情況下，僅憑不到兩週的窗口期，就完成超億元的天使輪與天使+輪融資，兩輪皆實現超額認購。據了解，這家成立僅一年的企業，在融資過程中吸引數十家一線財務投資機構、產業CVC與產業資本密集對接排隊盡調，最終提前關閉募資，由經緯創投領投、上海閔行國資戰略跟投，兩輪絕大部分份額均由經緯創投包攬，老股東翻倍鎖倉，展現對該項目高度信心。
李開復要做升級版的Palantir，零一萬物發佈“一號位AI”
零一萬物在7月7日正式發表「萬策AI」平台，並同步推出三款鎖定企業高層的「一號位決策AI」產品——老闆AI、銷冠AI與投資官AI。創辦人李開復在會後與媒體深度對談，直言企業導入AI轉型失敗往往不是技術問題，而是決策者錯位、資料孤島與缺乏可量化的財務影響。他更透露零一萬物2025年已達成5億訂單、2.5億審計收入，2026年前五個月訂單突破15億，目標在2027年衝刺上市，成為「中國首家盈利的AI 2.0公司」。 過去一年，李開復親自會見數百位企業CEO。
剛剛，Fable 5 極限續命五天，Claude 榨乾指南請收好
這篇消息聚焦「剛剛，Fable 5 極限續命五天，Claude 榨乾指南請收好」。目前站內已移除先前混入的模型思考或安全判斷文字，並保留來源可確認的主題供讀者追蹤。
Meta AI大戰再落一子：新圖像模型Muse全面接入Instagram、WhatsApp，廣告商也能用
隨著Meta持續擴大AI模型、自研基礎設施和商業服務的佈局，這家公司正在逐步從一家社交媒體平臺，轉向兼具消費級AI產品、企業AI服務與AI基礎設施能力的綜合性AI平臺。
超 90% 使用非代碼開發，Claude Cowork 擴展至網頁與手機端
首頁 > 智能時代>人工智能 超 90% 使用非代碼開發，Claude Cowork 擴展至網頁與手機端 2026/7/8 7:38:05 來源：IT之家 作者：故淵 責編：故淵 評論： IT之家 7 月 8 日消息，Anthropic 昨日（7 月 7 日）發佈公告，宣佈 Claude Cowork 開始擴展到網頁端和移動端，用戶可在不同設備之間延續會話與文件操作。
告別雲端焦慮：本地優先的桌面 AI 助手 Rowboat 如何重塑你的工作臺？
Rowboat 是一款開源桌面 AI 助手，採用本地優先架構，透過建立長期上下文記憶與知識圖譜，深度整合郵件、會議記錄等工具。它支援純 Markdown 格式本地儲存，可自由選擇本地或雲端模型，解決雲端隱私與數據自主權的痛點。