社区

近日，AI Native生物制药公司百奥几何（BioGeometry）宣布完成A+轮融资。至此，公司A轮系列融资超1亿美元。本轮融资由国寿资本领投，老股东上海生物医药基金再度加码。国开科创、瑞力投资、国方创投及头部生物医药产业方等多家机构跟投，老股东达晨财智持续加注，指数资本继续担任独家财务顾问。本轮融资将重点用于GeoFlow（分子水平）与GeoCell（细胞水平）两大微观世界模型的持续迭代、高通量自动化实验室扩建和自研药物管线的商业化落地。 连接分子与细胞：构建多尺度微观世界模型 GeoFlow与GeoCell跨尺度模型概念示意 生命科学研发的关键在于理解不同尺度之间的联系：分子的结构与相互作用如何影响细胞功能，细胞对干预的响应又如何帮助解释分子的作用机制。百奥几何围绕这一问题，构建连接“分子—细胞”的微观世界模型体系。其中，GeoFlow是分子水平的全原子生物分子世界模型，持续融合结构预测、从头设计与多步推理能力；GeoCell面向细胞水平，对细胞状态及其在不同扰动下的响应进行建模。两者共同支持从分子设计到生物功能预测的跨尺度探索。 GeoFlow：从结构预测、分子设计走向复杂分子系统 GeoFlow V1—V4模型演进示意 GeoFlow两年间完成三次代际跃迁： V1（2024.06）直接在原子层面刻画三维空间，蛋白－蛋白复合物结构预测达到AlphaFold 3同等水准； V2（2025.04）全球首次将结构预测与从头设计统一到同一模型，成为国内首个跑通抗体从头设计的AI大模型，打破海外闭源模型垄断； V3（2025.10）首次引入“生成－评估－优化”的多步推理闭环，模仿抗体亲和力成熟过程自主进化，在20余个靶点上苗头分子平均命中率接近20%，较上一代AI方法提升近百倍，先导分子发现周期压缩至三周内。 即将发布的GeoFlow V4 遵循Scaling Law，在模

图片 绝大多数人脑子里都有想做的小东西，只是卡在了画图、接线、写代码、调试这一长串门槛里。气核科技要做的不是更好的创客套件，而是一套打通想法到实体的全链路系统，他们叫它“生成式物理具现”（Generative Physical Instantiation）。 当所有人都在聊AI生成图文视频的时候，为什么这家公司敢一头扎进最难的物理造物赛道？ 这里是数科星球DigitalPlanet，今天我们对话气核科技创始人罗世豪，聊聊怎么把普通人的创意，从一句描述变成一个能动、能交互的实体。 图片 01 长长的造物链条：困住普通人创意的底层痛点 很多人第一次听到气核科技，第一反应都会拿乐高、树莓派、嘉立创3D打印去对标。但聊完我们会发现，他们想解决的，是一个藏在所有DIY、创客、硬件原型行业底层很久的老痛点：想法和实物之间，链条太长、专业门槛太高。 一个普通人想要做一个能动的小装置，标准流程是这样：先把模糊想法整理成方案，三维建模，挑选电机、传感器、主控板，采购元器件，打印外壳或者CNC加工，装配、接线、写嵌入式代码，反复调试，出问题还要来回返工。 整条链路拆开来，每一环都有独立的工具、独立的知识体系。建模要用CAD，打板找嘉立创，打印找创想三维，代码自己啃单片机和数电模电。任何一环不懂，整个项目就卡住。 市面上绝大多数硬件DIY工具，都只解决链条里的某一个环节。 乐高给你标准化成品组件，照着说明书拼；树莓派、Arduino给你一块开发板，剩下的结构、驱动、逻辑，全部要用户自己搞定；3D打印机只管把模型变成塑料壳体，它不问这个壳里面装什么电路、要怎么动。这些工具本身都很好，但它们没有把“创意”作为起点。 罗世豪想做的，是一套端到端的基础设施。 用户只需要说出想法，或者像玩沙盒游戏一样拼搭，系统自动完成方案、建模、仿真、代码生成，最后对接制造，输出一套可以快速拼装、不用焊接、不用拧螺丝的实

摩尔定律放缓，全球半导体都在找新出路。**刚落地的麒麟9050 Pro，用“逻辑折叠+垂直堆叠”给出了另一条路——不靠EUV，不拼制程，靠堆叠。 01 麒麟9050 Pro：逻辑折叠首次商用 10月初，麒麟9050 Pro裸片显微照曝光：两颗面积相同裸片垂直堆叠，一颗管计算逻辑，一颗专做SRAM缓存，靠混合键合连接。 数据亮眼：晶体管密度提升55%，等效达2.38亿/mm²。计算裸片中芯N+3工艺，缓存裸片N+2工艺，不同工艺混搭集成，业内少见。 核心思路很简单：把传统平面芯片的长距离水平走线，改成极短垂直互连，缩短信号路径，降低功耗。这正是**韬定律的精髓——不缩尺寸，改叠芯片。 注意，这不是简单Chiplet。逻辑折叠是把同一SoC内部电路拆开垂直叠放，从设计阶段就为堆叠优化，是更底层的架构创新。 余承东已放话：逻辑折叠不止旗舰，后续会下放更多机型。 02 手机+AI双线并行 **不只手机端发力。**900系列AI芯片优先供国内，路线图曝光：不拼单颗算力，走超节点集群架构，靠灵衢总线、NPO封装光互连，上万颗芯片组统一内存算力池，面向万亿参数大模型。 手机端逻辑折叠验证混合键合量产可行性，数据中心**NPO封装落地。两条产品线，同步拉动国内先进封装产线建设。这也是资本扎堆押注国产封装设备的底层逻辑。 另传**推子品牌星芒，定位中端，搭载麒麟8系+原生鸿蒙，目标1799-4000元。麒麟芯片正从旗舰向中端渗透。 03 主战场变了：从光刻到封装 过去十年焦点在光刻、制程。**这套方案，把竞争重心拉到先进封装。 两层意义： 第一，降低对EUV单一依赖。 按何庭波预判，到2031年，基于韬定律的高端芯片晶体管密度可等效1.4nm。 第二，给国内封测、设备、材料厂商创造巨大窗口。 逻辑折叠量产离不开晶圆键合、减薄、电镀、测试全套设备，国产设备商迎来真实落地场景。 但别过度神话。垂

很多人看半导体设备，眼睛只盯着光刻机和刻蚀机，容易忽略一个贯穿芯片制造全过程的基础工序——薄膜沉积。 芯片制造几十道工艺，不管前端晶圆制造、先进封装还是存储芯片，都需要反复生长多层薄膜。薄膜的均匀度、厚度、纯度，直接决定芯片良率。而ALD原子层沉积，更是先进制程的刚需设备，技术壁垒极高。 这门生意，长期被海外厂商垄断。直到最近几年，国内才有了真正能打的玩家。 微导纳米，国产ALD赛道的核心选手，刚刚扔出一记重磅炸弹：定增募资不超过49.44亿元，全力砸向半导体薄膜设备。 钱怎么花？ 大头32.25亿元，投进尖端薄膜沉积技术研发中心，主攻半导体ALD设备，目标很明确——往更高阶工艺、更多芯片客户产线里挤。剩下的钱，用于无锡、华中两大产业化基地建设，扩大产能，加速设备在国内晶圆厂和存储产线的验证与放量。 从光伏跨界到半导体，微导纳米的路径很清晰：先把光伏薄膜设备做到头部，再用这笔钱反哺半导体业务，把ALD设备往更先进的制程和封装场景里推。 半导体设备行业有个绕不开的痛点：验证周期太长，导入门槛太高。 一台薄膜设备想进大厂产线，需要长时间线上测试、稳定性验证，样机做完只是第一步，量产导入往往要耗上好几年。设备厂商必须持续烧钱搞研发，还得扛住客户验证周期带来的现金流压力。 49亿定增，说白了就是给长期研发和客户验证储备弹药。 产业窗口期也确实到了。国内晶圆厂扩产、存储产线持续推进，带来大量薄膜设备替换需求。海外设备交付周期越拉越长、价格居高不下，给国产薄膜设备撕开了口子。 但挑战同样现实。 海外老牌设备厂商积累了数十年，在工艺适配、机台稳定性、配套工艺方案上优势明显。国产ALD设备目前更多切入成熟制程，想进高阶工艺，良率、长期稳定性都得经受产线严苛考验。半导体设备零部件国产化的难题，同样卡着薄膜设备厂商的脖子。 微导纳米这49亿定增，不是孤立事件。 国产半导体设备正在从单点样机突破

半导体设备的成本压力，正在自上而下传导。 近期行业消息，ASML通知多家客户，将对设备备件、核心零部件上调约10%报价，调价将在近期生效。这轮涨价并非EUV整机提价，而是聚焦于光刻机运行过程中需要定期更换的耗材与零部件，覆盖光源模块、光学元件、精密传感器、真空组件等易损耗核心件。 很多人会觉得，只是零部件涨价，影响有限。 但对于晶圆厂来说，光刻机属于常年24小时不间断运行的核心产线设备，定期维保、更换备件是刚性支出。一台EUV光刻机的全生命周期内，备件与维保成本累加起来，是一笔巨大开销。零部件涨价，会直接抬升晶圆厂长期运维成本，侵蚀工厂利润。 当前全球晶圆厂扩产节奏分化。先进制程产线高度依赖ASML EUV，成熟制程产线大量使用DUV设备，两类产线都会受到这次调价波及。尤其国内多条成熟制程产线，DUV设备保有量大，备件持续采购需求旺盛，长期运维开支将同步走高。 ASML给出的理由很直接：上游精密光学、特种材料、精密机械零部件供应商成本上涨，人力、供应链、制造端多重压力叠加，不得不向下游转移成本。半导体精密零部件属于高度细分赛道，供应商集中度极高，可替代选择极少。晶圆厂几乎没有备选方案，议价能力偏弱。 放在整个产业周期看，这件事释放出两层信号。 第一，半导体设备并非买完就结束，设备全生命周期成本，才是晶圆厂容易忽略的大头。过去行业更多关注光刻机采购的天价一次性投入，而持续多年的备件维保支出，长年被低估。零部件涨价，会倒逼晶圆厂重新评估产线TCO（总拥有成本），在扩产、设备选型上更加谨慎。 第二，零部件供应链的卡脖子风险，不止在整机，同样藏在耗材、备件里。哪怕已经落地投产的产线，后续持续稳定生产，依然依赖海外精密零部件供给。一旦出现供货延迟、价格上调，直接影响产线稼动率。这也是国内半导体零部件、光学组件企业的机会窗口。 国内半导体零部件国产化正在提速，光学元件、真空、精密传动部

产业圈最懂“稀缺分配”的，依旧是英伟达。 近期供应链实锤消息：英伟达正式调整Blackwell架构GB202核心产能，原本供给旗舰消费卡RTX5090的核心裸片，全面转产RTXPRO5500专业算力卡。 简单翻译：顶级消费游戏卡，基本断供；全部高端硅料，优先喂给企业AI算力。 这一波操作看似只是显卡市场的供需调整，实则是黄仁勋对接下来一年AI产业的终极预判：算力不够用，必须把每一寸硅片用在AI增长最高的地方。 本次产能腾挪的核心主角RTXPRO5500，核心规格对标RTX5090，关键升级点直指AI推理场景：搭载84GBGDDR7大显存，专为工作站本地微调、企业私有化AI推理、工业仿真设计打造。 相比于消费卡，专业卡的产业价值、客户粘性、算力落地场景，完全不在一个维度。 消费级显卡的核心场景是游戏、娱乐，市场天花板稳定且有限；而当下爆发的AIAgent、端侧智能、企业私有大模型，正在吞噬海量推理算力。 英伟达的取舍非常直白：有限的HBM、CoWoS封装产能，不再为游戏市场兜底，全面倾斜B端AI算力。 除了产能重新分配，英伟达近期联合微软官宣RTXSpark计划，正式吹响端侧AI普及的号角。 未来的WindowsPC，不再是简单办公设备，而是具备自主执行、智能调度、多任务处理的本地AI终端。人人PC跑大模型、本地部署AIAgent的时代，正在加速落地。 云端靠GB系列超级芯片做训练，企业端靠RTXPRO做推理微调，个人端靠RTXSpark实现全民AI，英伟达已经搭建完成云端—企业—终端的全栈算力闭环。 之所以敢大刀阔斧砍掉消费高端卡产能，核心原因只有一个：高端算力产能，早已全额锁单、彻底售罄。 制约AI产业发展的从来不是需求，而是供给。HBM显存紧缺、先进封装产能不足、高端裸片良率受限，三重瓶颈下，英伟达没有多余产能可以分给消费市场。 这也给行业释放明确信号：2026年的算力

AI算力竞争，不止GPU芯片，机架之间的高速互联，正在成为AI工厂扩容的核心瓶颈。英伟达联合思科正式发布USFP（超密小型可插拔）全新光模块外形规范，单模块最高带宽12.8Tb/s，直接面向下一代万卡级AI集群。 这不是一款新品发布，而是英伟达在算力生态层面，锁定高速光互联话语权的关键布局。 USFP最核心的突破，是把单通道电信号提升至400Gb/s。对比当前行业主流200Gb/s通道方案，带宽密度直接翻4倍，同时单位比特传输能效提升约1.3倍。 在万卡、十万卡规模的AI工厂里，服务器之间的数据交换量呈指数级暴涨，传统光模块方案会带来大量交换机层级叠加，功耗、布线、空间成本快速失控。 USFP规格设计目标，就是在不增加网络层级的前提下，连接更多GPU计算节点，简化AI集群网络架构，降低大规模算力集群的建设门槛。 不同于芯片单独发布，这次USFP是开放行业规范，英伟达、思科还拉上泰科电子、安费诺一起共建硬件生态。 意味着USFP并非英伟达私有方案，会向全产业链开放，吸引光模块厂商、服务器整机厂跟进开发配套产品。 从产业逻辑看，英伟达这套打法一脉相承：先定义硬件标准，再拉动上下游供应链量产，让整个生态适配自己的Blackwell、VeraRubin算力平台。 很多人习惯把目光聚焦在GPU算力参数上，但大型AI训练、智能体Agent系统，真正卡脖子的往往是网络。 当集群规模突破上万卡，GPU算力再强，如果互联带宽不足、延迟过高，大量算力会被闲置浪费。近年头部云厂商自建AI工厂，在光模块、交换机上的资本开支持续走高，高速光通信赛道持续爆发。 USFP新标准，正是瞄准万卡集群时代的互联痛点，提前锁定下一代算力网络的技术框架。 利好之下，国内光通信产业链要理性看待机会。 USFP只是外形与电气规范，核心高速光芯片、激光器、调制器依然是高壁垒环节。国内光模块厂商可以跟进封装、组装配套，但

存储赛道的双线作战，长鑫一边在4F²架构攻坚服务器高端市场，另一边消费端的量产落地同样传来捷报。 在2026世界制造业大会上，长鑫存储正式官宣第五代DRAM平台（G5）实现规模量产，配套两款24GbLPDDR5X同步亮相，国产DRAM在手机内存赛道再下一城。 G5平台是长鑫消费DRAM主力迭代工艺。 对比上一代G4平台，G5最直观的提升是晶圆产出效率，单片晶圆可产出裸片数量提升50%，单颗芯片容量同步拉高。 本次量产的两款LPDDR5X颗粒，单颗容量做到24Gb，相比前代产品容量提升一半，分别采用不同Ball数封装方案，覆盖中高端智能手机、平板等便携终端。 很多人会把G5简单理解成单纯工艺缩小，但长鑫这次配套的数字孪生制造体系，才是隐藏亮点。 这套虚拟生产系统覆盖芯片设计、工艺开发、晶圆制造全流程，在流片前就在数字空间完成器件仿真、工艺试错，减少真实晶圆的试验消耗，压缩研发迭代周期。 放在存储行业，数字孪生能够大幅降低新工艺平台的研发成本，也是海外三星、美光新一代产线标配能力，长鑫把这套体系落地到G5量产，属于制造能力层面的补齐。 从市场格局看，当前全球手机LPDDR市场，三星、SK海力士依旧占据绝大部分份额。长鑫此前LPDDR产品已经打入国内安卓手机供应链，而G5平台量产，意味着长鑫能以更高密度、更低单位成本供货，进一步向上渗透中高端手机机型。 叠加当前存储周期上行，DRAM持续供不应求，手机厂商需要更多备选供应商，国产LPDDR5X正好踩在窗口期。 不过G5定位是消费级产品，和之前大火的4F²VSG架构路线属于两条产品线，二者目标市场完全不同。G5主攻手机、便携设备，走大规模出货、成本优化路线；4F²架构瞄准服务器DDR5RDIMM，主打高密度算力内存，技术难度、客户认证门槛高出一个量级。 一高一低两条路线并行，也是长鑫当下的核心策略：用消费端G5量产贡献营收与现金流，

图片 图片 这是一篇兼具执行力、深度思考的Agent时代商业内容，适合每个人。 图片 @数科星球DigitalPlanet原创 作者｜苑晶 编辑｜大兔 绝大多数企业AI转型都卡在同一个死局：工具买了一大堆，员工却根本不愿用。不是大模型不够强，而是旧组织装不下新技术。 当老板亲自下场写代码、公司靠Markdown文档完成全部决策，一家7600万用户的跑腿平台，正在把自己改造成一台“自动驾驶”的AI企业。 UU跑腿创始人乔松涛，不再忙于业务会议，而是把大量时间投入写代码。这家覆盖全国的同城即时服务平台，正在被AI彻底推倒重构。 公司打散前端、后端、产品、运营的传统部门划分，取消大量中层管理；人与人之间不再依靠开会沟通，全部换成对AI友好的Markdown文档；业务决策、数据巡检、异常预警、大部分审批交给AI智能体Agent完成； 甚至提出预判，未来三到五年，办公室绝大多数电脑前的工作都可以交给AI完成。 01  一场惨痛的“洋务运动” UU跑腿拥抱AI的起步阶段，和国内绝大多数公司一模一样。 团队快速落地一百多个AI应用，上线两百多个技能，搭建一批智能体。公司给全体员工报销调用大模型的Token开销，投入不小，产出却令人沮丧，员工主动使用率极低。 乔松涛开始反思问题根源。 在深度使用AI、消耗上百亿Token之后，他得出一个颠覆性结论：很多企业的AI化，本质上是一场现代版的“洋务运动”。 晚清洋务运动引进国外坚船利炮，但底层的官僚体系、组织结构没有变革，最终难以改变结局。 企业采购最先进的AI模型，但管理制度、部门架构、考核方式、协作习惯全部沿用旧体系，再厉害的AI工具也发挥不出力量。 乔松涛把企业AI进化划分成三个阶段：AI赋能、AI优先、AI原生。 图片 绝大多数公司止步于第一阶段。 AI赋能是把AI当成附加工具，人的工作流程没有改动。AI优先会基于AI重新改造业

文章配图-1 2026年8月21日，中诚华隆2026 GPU新品发布会在北京举办，正式推出全新HL200推理芯片及超节点智算集群方案，实现国产AI推理算力从单点芯片突破到万卡级集群体系化协同的跨越式升级。工业和信息化部电子信息科技委执行副主任兼秘书长毕开春、中国科技咨询协会理事长刘志光出席活动并致辞。来自国家主管部门、科研院所、产业投资机构、央国企及产业链核心合作伙伴的百余位代表参会，共同见证国产推理算力全新成果落地。 精准匹配产业迭代需求 HL200构筑国产推理芯片硬核实力 当前AI产业加速从训练驱动转向推理驱动，随着AI Agent规模化落地、长上下文交互与多轮对话场景普及，行业Token消耗快速攀升，超长上下文高效、低时延推理能力，已成为算力赛道核心竞争壁垒。 面向万亿参数大模型商业化落地刚需，中诚华隆延续“一年一芯”迭代节奏，基于前代芯片技术积淀全面升级，推出二代HL200推理芯片，精准适配生成式AI与AI Agent高并发推理场景。 HL200原生支持FP4、FP8超低精度推理，兼容主流FP16精度，全维度覆盖大模型推理算力需求。数据显示，芯片单卡FP16/BF16算力0.5P、FP8算力2P、FP4算力4P，能效比达5.12 TFLOPS/W，稳居国内第一梯队，有效解决行业推理能效偏低、部署成本偏高的痛点。生态层面，HL200全面兼容PyTorch、ONNX、vLLM等主流技术栈，配套OpenAI兼容接口与轻量化迁移方案，大幅降低企业模型迁移与业务切换成本。 目前，HL200在DeepSeek V4 Flash、DeepSeek V4 Pro、GLM 5.2等主流大模型的对标适配测试中，相较国际同级芯片，Prefill全流程性能全面领先，模型解码延迟优势显著，可稳定支撑大模型规模化、高时效商业推理部署。 突破单卡算力边界 万卡级超节点集群打造极致算力底座 针对万