1. 恒湾科技完成B+轮融资（深创投领投、国开科创跟投）："基站变算力节点"，投资方点名"6G已纳入国家'十五五'未来产业布局" [📦6G/算力下沉/未来产业] 🔍 我方相关
AI-RAN与6G射频技术平台公司恒湾科技（成都，2019年成立）宣布完成B+轮融资，深创投领投，国开科创、沃赋创投等跟投，资金用于核心芯片自研、AI-RAN与6G技术研发及海外布局。要点：①技术路线上自研核心芯片与算法，累计超百项知识产权（发明专利43项），海外客户覆盖欧美日韩巨头并实现相当规模商业化收入；②行业拐点背景：2024年2月英伟达联合软银、爱立信、诺基亚、微软发起AI-RAN联盟，此后推出ARC平台并于2026年GTC提出AI Grid愿景——AI算力下沉到基站侧与网络边缘，每台基站既是通信节点也是分布式AI算力节点；③深创投领投表态明确"6G时代最大变化不是更快而是算力下沉""6G已被纳入国家'十五五'未来产业布局"，国开科创强调"6G将成为支撑海量物理AI的AI原生网络底座"；④公司内部已将企业级AI Agent部署到研发、交付与运营全流程。
储备选题两条储备线索合一——①"算力下沉至基站"是智算中心之外的另一条边缘算力供给路线：我国5G基站存量全球最大，通信杆站+电力+传输的现成条件使"基站即算力节点"具备改造成本优势，物理AI（机器人/自动驾驶）时代低时延推理需求爆发前，AI-RAN布局是"十五五"未来产业的卡位点，国资（深创投/国开科创）表态已给出政策坐标，可写"路径B"选题（以运营商存量基础设施牵引边缘智能）；②投资方公开引用"十五五"未来产业布局表述，可视为6G政策叙事从通信速率转向"AI原生网络底座"的信号，建议跟踪6G与算力基础设施规划的合并叙事；③可嵌入：分布式边缘算力节点的统一标识、调度与计量结算体系，是工业互联网标识与算力网融合的新场景
查看选题库 → 2. Jeff Dean离职谷歌后首次公开访谈：新公司Discovery Loop瞄准"一个模型拥有20个领域博士级能力"的科研自动化，实验迭代从一天一周压缩到一分钟一小时 📌 续报（信号板#34 RSI信号，详见08-21第🔥5条Prime Intellect对闭源RSI的实证挑战，本次为RSI头部玩家路线图首披露） 📌 续报(8-21第5条)
8月21日量子位报道，Jeff Dean在斯坦福2026 Frontier&Pioneer Symposium发表离职后首次公开访谈：①承认Gemini早期对Coding能力"重视得晚了一点"，但Coding能力提升会迁移为更善于推理的系统；②承认TensorFlow两大失误（初期无Eager Execution、contrib子目录造成社区混乱）；③离开谷歌原因之一是小团队可极致聚焦，云计算让10人团队无需自建基础设施；④新公司Discovery Loop核心目标：让一个模型同时具备20个不同领域接近PhD的专业能力，调度Agent与Multi-Agent系统拆解组合子问题，把"科学方法循环"（拆解—实现—实验—评价—反馈）整体自动化，把一轮实验迭代从一天/一周压缩到一分钟/一小时，同时运行成千上万次实验；⑤对递归自我改进的定义：覆盖模型参数、训练数据、Eval、模型架构的全要素自动化Loop（联合创始人Quoc Le早期NAS/Evolved Transformer工作延续）。
储备选题RSI（递归自我改进）从叙事进入工程路线图阶段——Jeff Dean"20个博士+分钟级实验迭代"的表述把AI4AI的竞争焦点落到"科研自动化基础设施"（实验编排、快速评价、反馈闭环），与8-21 Prime Intellect"科研能力是试错吞吐量问题"、DeepMind RSI（8-19）形成三方印证。研判：①美国顶级科学家（Jeff Dean创业）+资本正向科研自动化infra聚集，若"一天→一分钟"的迭代加速实现，AI研发速度将出现数量级跃升，中美AI代差的核心变量从"模型能力"转向"科研自动化基础设施"，我国在该方向的系统性布局（AI实验室自动化、实验数据平台）存在可见缺口，建议作为前瞻储备选题持续跟踪；②"小团队+云算力即可参与前沿竞争"（Jeff Dean离开谷歌的理由）提示科研组织形态变革，国家科研资助体系如何适配"10人小团队+算力租赁"模式值得政策研究；③Coding能力与推理能力正相关（Dean观点）为"以代码为杠杆"的模型评测与训练策略提供权威背书
查看选题库 → 3. 太初元碁发布"预制算力"集装箱产品矩阵：工厂预制率超90%、接水电24小时投运、交付效率提升70%，算力利用率提至60%以上 [📦算力基建储备]
8月19日AI Hangzhou 2026杭州人工智能大会期间，国产AI芯片企业太初元碁发布面向产业集群建设的分布式算力解决方案，以预制化集装箱算力单元破解算力落地瓶颈：三类产品——风冷智算集装箱（45英尺、64卡、FP16算力80PFLOPS）、液冷超节点集装箱（20英尺、128卡高密）、超节点集装箱集群（45英尺三舱、256卡、FP16稀疏算力307PFLOPS，可支撑中等参数量模型预训练）。工厂预制率超90%，现场接入水电24小时内投运，交付效率较传统模式提升70%，支持积木式分期扩容、风光储绿电接入，IP55防护可部署于户外/园区/矿区等无传统机房场景，算力利用率提升至60%以上；配套自研算力管理平台实现广域分布式节点统一调度，内置大模型与训练微调工具，已在气象预测、生物医药、量子计算模拟等领域落地。同时展出以自研芯片T2 Ultra为核心的HyperIntelliX超智融合计算系统（全国产智算+超算融合，支撑万亿参数训推与AI4S）。
储备选题算力基建供给侧的"预制化"创新——直击三个落地堵点：①建设周期堵点：传统智算中心建设周期以年计，"24小时投运+70%交付效率提升"把算力供给从"基建项目"变为"设备交付"，与8-21日报智谱API哄抢暴露的"推理算力供给滞后"问题形成供给侧回应，"预制算力"可写入算力基础设施"平急两用、快速布点"的政策叙事；②场景堵点：无传统机房的矿区/园区/户外场景（IP55）+绿电接入，为"算力跟负荷走、跟绿电走"提供硬件形态，与风电光伏大基地的算力协同布局可衔接；③深问出题：国产AI芯片（非英伟达生态）的预制算力单元要过"软件生态关"——宣称利用率60%以上，但行业实际推理利用率普遍偏低，跨节点调度效率与模型适配真实水平需要第三方评测验证，"预制算力"的标准化（接口、计量、验收标准）是规模化推广的前提，可嵌入我方算力计量监测与标准研究
查看选题库 → 4. Ornith-1.5系列开源模型发布（8月19日）：397B MoE部分性能超Claude Opus 4.8，量化版可在手机端运行，"自我改进循环"训练机制 [📦开源模型储备]（补收：8-20 IT之家已报道，昨日日报因搜索后端故障漏收，今日补录）
DeepReinforce 8月19日推出Ornith-1.5系列开源模型，训练重点引入"自我改进循环"机制（模型在学习过程中不断给自己提出更困难的任务以实现自主性能提升）。三个规模：Ornith-1.5-397B（MoE，总参数3970亿，性能媲美Claude Opus 4.8并在部分测试超过）；Ornith-1.5-35B-A3B（MoE，总参数350亿，优于稠密模型Muse-Glimmer-30B和Gemma-4-31B）；Ornith-1.5-9B（稠密，多数测试优于Gemma-4-31B），另有量化版Ornith-1.5-9B-Mobile可在安卓手机、iPhone 17等机型运行。
储备选题开源模型梯队再添一极，两个信号值得储备：①"自我改进循环"训练机制从研究概念（RSI）下沉为开源模型的工程训练手段——开源社区用"自主提题+自我提升"逼近闭源旗舰（397B部分超Opus 4.8），与Qwen3.8-27B（消费级显卡跑Opus级Agent）、GLM-5.3、Kimi K3共同印证"开源逼近闭源"已成常态而非个案，海外开源力量（DeepReinforce）加入意味着闭源模型的溢价窗口在收窄，我国开源生态的先发优势需要靠迭代速度维持；②9B量化版跑在手机上（端侧Agent的模型底座进一步丰容）——端侧+开源组合对"数据不出端"的政企场景（政务、工业敏感数据）是关键使能，端侧智能体的本地工具调用与审计留痕是配套需求，建议关注端侧Agent在企业内网的部署潮
查看选题库 →