｜2026年10月13日 星期二｜

NO.1 Meta发布Muse Wonder模型，个人AI智能体服务迎来新升级

10月12日，科技巨头Meta正式推出了其新一代AI模型Muse Wonder及其完整版Muse Wonder Full。据Meta官方介绍，这款新模型在编程、财务分析、法律问题处理以及个人和专业智能体任务执行等方面，均展现出了与行业领先模型相媲美的实力。Meta首席执行官马克·扎克伯格在发布会上强调，Muse Wonder相较于此前推出的Muse Spark实现了重大突破和升级。未来，这款新模型将逐步集成到Meta的个人AI智能体Muse中，为用户提供更加智能、高效的服务。不过，用户若想在Muse中使用这款新模型，需订阅每月20美元或100美元的付费服务。Meta AI负责人Alexandr Wang表示，公司希望通过个人智能体服务形成差异化竞争优势，进一步拓展AI市场。

徽声在线点评：Meta正积极将前沿AI模型能力转化为消费者可付费使用的服务，这无疑为AI商业化探索了一条新路径。然而，新模型的性能仍需经过外部独立评测机构的验证，其订阅业务能否形成稳定收入来源，也有待市场进一步观察。

NO.2 微软加速自研AI芯片布局，Maia 300芯片明年大规模部署

10月12日，有媒体报道称，微软正计划从2027年起以吉瓦级规模部署其新一代自研AI芯片Maia 300，该芯片将主要用于AI推理任务，以提升数据处理效率和降低能耗。微软预计，Maia 300芯片每兆瓦可处理的Token数量将比主流GPU系统高出40%，这意味着在相同能耗下，其算力产出将显著提升。微软数据中心硬件业务负责人Rani Borkar透露，公司计划从明年起就开始大规模部署Maia芯片。目前，微软优先将自研芯片用于Copilot等内部AI服务，而非直接向外部客户出租算力。值得一提的是，微软上一代自研AI芯片Maia 200已于今年开始部署，并成功服务于微软自有AI产品及多种模型。

徽声在线点评：随着AI推理需求的持续增长，云厂商正通过自研芯片来提高能效、控制成本。若Maia 300芯片能够达到预期表现，微软有望降低对英伟达GPU的依赖，并进一步改善其AI服务的运营经济性。

NO.3 英伟达与思科强强联合，推出400Gb/s可插拔光模块

10月12日，英伟达与思科宣布联合推出新一代超高密度可插拔光模块标准USFP，并展示了首款规划产品。这款新产品支持单通道400Gb/s电信号速率，相较于现有200Gb/s方案实现了一倍的提升，同时带宽密度也提升至四倍，功率效率提高了约1.3倍。为了推动USFP成为开放行业规范，英伟达与思科还将与TE Connectivity、安费诺等合作伙伴共同开发笼架、连接器及模块。随着AI训练和推理集群规模的不断扩大，数据中心网络正面临着带宽、功耗及延迟等多方面的压力。新标准的推出旨在提升互联效率，减少额外网络层级带来的成本。不过，目前双方尚未公布具体上市及量产时间表。

徽声在线点评：AI算力的持续扩张正推动着高速互联技术的不断升级。英伟达与思科此次通过开放标准及多供应商合作的方式，试图完善AI工厂网络生态，为AI行业的未来发展奠定坚实基础。

NO.4 博通CEO警示：AI投资者需理性，资本成行业扩张新瓶颈

10月12日，博通CEO陈福阳（Hock Tan）在新加坡举行的DBS Asia Future Forward大会上发表了引人深思的演讲。他指出，部分AI投资者对所押注的技术缺乏充分了解，却盲目期待获得高额回报，这种行为无异于“赌场赌徒”。陈福阳认为，资本可能正逐渐取代芯片、存储和电力供应，成为AI行业扩张的主要制约因素。与此同时，英特尔CEO陈立武也表达了类似观点，他指出融资成本上升与投资回报不确定性正成为行业面临的核心挑战。不过，陈福阳也表示，AI算力需求仍超过供应，这种失衡状态可能持续至2029年甚至2030年。但如果模型能力提升或应用普及不及预期，基础设施需求可能会放缓。

徽声在线点评：AI行业的竞争焦点正逐渐从争夺算力转向验证投资回报。在此背景下，融资能力与商业化效率将成为影响企业能否持续扩大投入的关键因素。

NO.5 瑞银报告：AI投资逻辑生变，基础设施成下一阶段重点

10月12日，瑞银在最新报告中指出，AI投资逻辑正发生深刻变化，从模型竞争转向基础设施建设。报告强调，电力供应、数据中心容量和融资能力将成为影响AI行业扩张的关键因素。瑞银能源与资源领域专家Catherine Gordon表示，Alphabet与亚马逊近期签署的长期购电协议，充分凸显了电力供应对AI扩张的重要性。与此同时，行业反馈显示AI需求仍具韧性，项目交付速度、供应链保障及基础设施建设能力的重要性进一步上升。瑞银还特别关注稀土、钨等关键原材料，认为能够满足电网扩建、数据中心建设及制造业回流等需求的资源企业有望获得更多市场关注。

徽声在线点评：AI投资的瓶颈正逐渐从算力芯片延伸至电力、数据中心和关键材料等领域。在此背景下，具备稀缺资源或交付能力优势的企业可能成为下一阶段市场挖掘的重点对象。

免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。