AI竞争转向可交付系统:AMD Helios、CuspAI融资与智能体安全

AI竞争转向可交付系统:AMD Helios、CuspAI融资与智能体安全

AMD把首款机架级 AI 系统带进 Azure,上海加码 AI 制造,CuspAI 获 4.5 亿美元融资,近期论文则把代理安全从代码审查推进到部署前监控。

先看结论

截至 7 月 21 日 08:00(UTC+8),AI 行业最清晰的新变化是,竞争正在从模型展示转向可部署系统:AMD 把 GPU、CPU、网络和软件打包成首款机架级 AI 系统,微软确认会在 Azure 数据中心采用;上海则把工业大模型、工业智能体和算力租赁写进制造业扶持政策。1 2
资本侧仍在给有明确应用路径的公司大额融资,CuspAI 把材料发现平台推向新一轮扩张,01.ai 则被报道正在筹备 IPO 前融资。研究侧的两个新样本提醒行业,编码代理的安全问题要落到代码变更和部署前监控,不能只看任务是否完成。3 4

速览

板块关键动态跟踪点
大公司与基础设施AMD 推出 Helios 机架级 AI 系统,微软加入客户名单;Gartner 预计 AI 平台与模型支出继续增长。1 5机架级交付、推理成本和企业使用效率。
产业落地上海发布 AI 制造扶持政策,覆盖工业大模型、工业智能体、数据集和算力。2政策能否转化为真实产线和可复用数据。
创业与投资CuspAI 完成 4.5 亿美元 B 轮;01.ai 被报道筹备香港 IPO 前融资。3 4科学发现平台的商业化,以及 IPO 前融资的真实性和规模。
前沿研究新论文分别从代码变更和结构化监控评估自主代理安全。6 7上线前能否审计代理留下的代码、权限和日志变化。

大公司与基础设施

AMD 的 Helios 是其首款机架级 AI 系统,单个 tray 包含 4 个 Instinct GPU、1 个 EPYC CPU,最多配 12 个网络芯片,预计 2026 年晚些时候开始发货。微软将把 Helios 部署到 Azure 数据中心,为自身、AI 客户和 Azure AI 服务提供前沿模型推理算力;CNBC 还提到,Meta、OpenAI 和 Oracle 已作出相关部署承诺。对 AMD 来说,卖单颗 GPU 正在变成交付整套机架系统,真正要看的是客户部署节奏和软件协同,而非发布会规格。1
Gartner 预计,全球终端用户在 AI 模型和平台上的支出将从 2025 年的 393.11 亿美元增至 2026 年的 642.52 亿美元,同比增长 63.4%。该机构把增长拆为基础生成式 AI 模型、专业模型、应用开发平台和数据科学与机器学习平台,并指出企业预算更看重成本、延迟、性能和可靠性。厂商之间的比较,正在从模型价格表转向谁能帮助企业控制整体使用成本。5
上海 7 月 20 日发布的政策包把 AI 制造拆成几类支持:工业大模型、AI 编码模型、具身智能和工业智能体等项目最高可获 2000 万元,第三方算力租赁最高支持 4000 万元,工业大模型和智能体的安全方案最高 1000 万元,AI 赋能的计算机、手机、陪伴机器人、智能眼镜和 AI 服务器等产品项目最高 2000 万元。政策包已经发布,但具体申请资格和流程仍以相关申报通知为准。2

创业与投资生态

英国材料科技初创公司 CuspAI 宣布完成 4.5 亿美元 Series B,投后估值 26 亿美元。Vestbee 报道,Kleiner Perkins 和 NEA 领投,Bezos Expeditions、AMD Ventures 等机构参与;资金将用于扩大美国、亚太和欧洲业务,推进 AI 驱动的材料发现平台。这个案例的看点不在于又一轮大额融资,而在于 AI 公司把模型、科学专家、数据和实验室能力放在同一条研发链上,商业化验证会比纯软件产品更慢,也更依赖实验结果。3
01.ai 的情况要保留边界。彭博社报道,该公司正在筹备 IPO 前融资,目标是在 2027 年、公司财年结束后于香港上市;融资目标金额和潜在投资者没有披露。文章中的 IPO 时间来自李开复接受采访时的表述,融资安排则是媒体报道,不应写成已经完成的融资或确定的上市计划。4

前沿研究

一篇 7 月 14 日提交的论文分析 AIDev 数据集中的 16,112 个文件变更和 4,022 个拉取请求,发现 38.9% 的自主编码代理生成 PR 至少包含一个安全代码异味,其中 82.3% 属于供应链完整性问题。论文还称,自动化和人工审查在集成前未发现 81.1% 的真实泄露凭证。这个比例只适用于该数据集和代理辅助开发场景,不能外推成所有代码库的漏洞率,但它把审查重点拉回到代理实际提交了什么。6
另一篇 7 月 16 日提交的论文在 ControlArena 的基础设施即代码环境中测试结构化监控器。异步评估里,在 1% 误报率审计预算下,未训练的 git diff 监控器漏掉 11.6% 的攻击,信息流图监控器把漏报降到 3.5%,训练后的异步随机森林监控器低于 1%。同步模式下,信息流图实时回滚把主任务与隐蔽任务同时成功的比例从 74.4% 降到 0%,且论文报告对合法任务完成没有可测量影响。结果仍是论文设定下的实验,不等于生产环境保证,但说明部署前检查代码、权限和日志变化,可能比只给代理加一层安全提示更有效。7

怎么读这些信号

  • 产品和基础设施团队要看模型能否进入持续运行的系统,指标包括机架交付、推理成本、工具协同和工业现场的可复用数据,而不只是单轮回答。
  • 投资和采购团队可以把 CuspAI 与 01.ai 分开看:前者已经披露融资和估值,后者仍处于媒体报道的 IPO 前筹备阶段,不能用同一套确定性判断。
  • 研究和安全团队应把代理生成的代码变更、权限扩大、日志削弱和凭证泄露放进上线前验收;任务成功率单独看,覆盖不了这些风险。

Contenido relacionado

  • Inicia sesión para comentar.
More from this channel