[2025-3/1~2]光刻机、芯片、人工智能、机器人领域国内外学界进展-优快云博客

本文链接：https://blog.youkuaiyun.com/feimuwei6342/article/details/145975563

系列文章目录

[2025-2-19]光刻机、芯片、人工智能、机器人领域国内外学界进展
 [2025-2-21]光刻机、芯片、人工智能、机器人领域国内外学界进展
 [2025-2-22/23周末]光刻机、芯片、人工智能、机器人领域国内外学界进展
 [2025-2-24]光刻机、芯片、人工智能、机器人领域国内外学界进展
 [2025-2-25]光刻机、芯片、人工智能、机器人领域国内外学界进展
 [2025-2-26]光刻机、芯片、人工智能、机器人领域国内外学界进展

一、光刻机/半导体领域

英特尔再次推迟在俄亥俄州纽阿尔巴尼的 280 亿美元芯片工厂建设，推迟至 2030 年或 2031 年
英特尔承诺在俄亥俄州中部的 280 亿美元半导体项目再次推迟，首个晶圆厂 2030 年才会开放，比原定时间晚五年，第二家工厂至少 2031 年完工，2032 年运营。此次推迟主因是英特尔财务困境，公司希望使工厂运营与市场需求对齐，更好管理资本。
该项目是美国半导体制造回流的一部分，对国家安全至关重要，英特尔已获联邦芯片激励计划 78.65 亿美元中的 22 亿美元。俄亥俄州曾与英特尔协议，若工厂 2028 年底前完工，每个工厂可获 3 亿美元补助金。
州长发言人对此表示失望，但英特尔仍对项目有承诺，且基于绩效的激励与多个基准挂钩。JobsOhio 等也对项目推进有信心，英特尔承诺的就业岗位和投资不变。
工厂建设不会停，只是速度放慢，需求增加时可加速。英特尔已开始雇佣和培训当地员工，当地院校也调整课程配合。
自 2022 年宣布项目以来，英特尔面临诸多问题，2024 年收入同比下降 2%，曾裁员 15000 人，股价暴跌 57%，股东起诉高管，CEO 也已辞职。不过，项目自 2022 年 9 月动工已投入 37 亿美元，部分工程已取得进展。
来源：Intel delays $28 billion Ohio chip factory in New Albany again, to 2030 or 2031
DeepSeek 重新定义人工智能和半导体规则
英特尔承诺在俄亥俄州中部的 280 亿美元半导体项目再次推迟，首个晶圆厂 2030 年才会开放，比原定时间晚五年，第二家工厂至少 2031 年完工，2032 年运营。此次推迟主因是英特尔财务困境，公司希望使工厂运营与市场需求对齐，更好管理资本。
该项目是美国半导体制造回流的一部分，对国家安全至关重要，英特尔已获联邦芯片激励计划 78.65 亿美元中的 22 亿美元。俄亥俄州曾与英特尔协议，若工厂 2028 年底前完工，每个工厂可获 3 亿美元补助金。
州长发言人对此表示失望，但英特尔仍对项目有承诺，且基于绩效的激励与多个基准挂钩。JobsOhio 等也对项目推进有信心，英特尔承诺的就业岗位和投资不变。
工厂建设不会停，只是速度放慢，需求增加时可加速。英特尔已开始雇佣和培训当地员工，当地院校也调整课程配合。
自 2022 年宣布项目以来，英特尔面临诸多问题，2024 年收入同比下降 2%，曾裁员 15000 人，股价暴跌 57%，股东起诉高管，CEO 也已辞职。不过，项目自 2022 年 9 月动工已投入 37 亿美元，部分工程已取得进展。
来源：Intel delays $28 billion Ohio chip factory in New Albany again, to 2030 or 2031

二、芯片领域

人工智能处理器的双刃剑：批处理大小、令牌速率以及大型语言模型处理中的硬件障碍

AI 软件建模与传统软件编程差异显著，前者通过数据训练学习，模型参数规模庞大，而后者依赖固定指令。在硬件方面，CPU 因顺序执行指令难以满足 AI 处理需求，GPU 虽具备强大并行计算能力，成为 AI 工作负载的支柱，但在处理大语言模型时，尤其是推理阶段存在效率瓶颈，且功耗大，促使行业开发 ASIC 等专用加速器。
AI 加速器的性能指标 —— 批量大小和令牌吞吐量影响其处理大语言模型的效率。较大批量可提高吞吐量，但会加重内存负担，影响延迟，实时应用对此要求严苛。令牌吞吐量取决于多种因素，传统 transformer 计算成本高，增量 transformer 虽有改进但也带来新问题。
硬件加速器面临内存带宽、计算能力等瓶颈，内存带宽不足制约计算效率，计算瓶颈影响数据处理速度。解决这些问题需要创新内存架构、优化数据流策略，还需软件算法的协同优化，如采用针对性内核、梯度检查点和流水线并行技术等，以此满足大语言模型的计算和内存需求。
来源: The Double-Edged Sword of AI Processors: Batch Sizes, Token Rates, and the Hardware Hurdles in Large Language Model Processing
Arteris 推出基于 AI 的 NoC 设计

现代半导体设备广泛应用于众多领域，其高度复杂性体现在由多个子系统构成，需借助片上网络（NoC）进行连接。重新设计或优化 NoC 的需求常因新规格和布局约束产生，这对产品进度影响较大。Arteris 公司的 FlexGen 作为基于 AI 的 NoC IP 生成器，旨在应对这一挑战。它运用 AI 技术，参考拓扑结构、布局规划、性能和服务质量目标等进行学习优化，能显著缩短设计生成时间，让设计团队能探索更多方案。不过，自动化 NoC 设计存在可重复性差和约束条件不完整的问题，Arteris 通过基于机器学习来保障 FlexGen 的可重复性，并支持专家手动干预。实际测试中，Arteris 内部测试在综合性能目标下使线长降低 10%，提升了 PPA 指标；Dream Chip Technologies 使用 FlexGen 后，多项指标改善明显，生产力提高 10 倍，充分展现了 FlexGen 在优化 NoC 设计方面的成效。
来源: Arteris Raises Bar Again with AI-Based NoC Design
Arm 推出全球首款 Armv9 边缘人工智能平台

随着 AI 从云端向边缘发展，Arm 推出全球首款面向物联网的 Armv9 边缘 AI 平台，引发行业关注。该平台集成新的 Cortex-A320 CPU 与 Ethos-U85 NPU，可支持超 10 亿参数的设备端 AI 模型运行，相比去年的 Cortex-M85 平台，机器学习性能提升 8 倍。Cortex-A320 借助 Armv9 架构优势，在提升机器学习和标量性能的同时，增强了设备安全性；Ethos-U85 NPU 为边缘 AI 提供有力加速。在软件生态上，Arm 将 Kleidi 计算库扩展到物联网，优化工作负载性能，已集成到多个热门框架，提升模型运行效率，且新平台保持软件兼容性，降低开发成本与时间。这一平台得到 AWS、西门子、瑞萨等行业巨头支持，它让物联网边缘设备能运行大小语言模型，实现智能决策，未来将推动物联网创新，改变边缘计算和 AI 处理模式，成为物联网边缘 AI 发展的重要驱动力。
来源: Arm Drives Next-Generation Performance for IoT with World’s First Armv9 Edge AI Platform
GlobalFoundries 与麻省理工学院合作，共同推进人工智能关键芯片的研究与创新

2025 年 2 月 27 日，GlobalFoundries（格罗方德）与麻省理工学院（MIT）宣布达成新的主研究协议，共同推进人工智能关键芯片的研究与创新。此次合作由 MIT 的微系统技术实验室（MTL）和 GlobalFoundries 的 GF Labs 主导。初期研究聚焦 AI 及其他应用，首批项目将利用 GlobalFoundries 的硅光子技术，提升数据中心功率效率，以及 22FDX® 平台，实现边缘智能设备超低功耗。
各方对此次合作评价颇高。MTL 主任 Tomás Palacios 肯定了产学研合作的价值；GlobalFoundries 首席技术官 Gregg Bartlett 认为合作能推动 AI 芯片技术研究、培养行业人才；MIT 工程学院院长 Anantha P. Chandrakasan 指出合作可促进微电子跨领域创新，助力学生发展。
该合作有着坚实基础，双方过去和现在已有诸多合作，如 GlobalFoundries 参与 MTL 相关产业组织，MIT 教师参与其大学合作项目，双方还在劳动力发展方面协同。此次合作有望借助 MIT 科研实力与 GlobalFoundries 技术优势，为人工智能关键芯片技术带来突破。
来源: GlobalFoundries and MIT Collaborate to Advance Research and Innovation on Essential Chips for AI

三、人工智能领域

塞维利亚足球俱乐部利用 Llama 发掘未来足球明星

塞维利亚足球俱乐部（Sevilla FC）作为七次欧洲联赛冠军，在体育领域长期创新，其数据部门借助机器学习和 AI 工具提升场内外表现。但处理数据库中 30 多万份球探报告的非结构化数据存在挑战。
为此，俱乐部数据部门与 IBM 合作，基于 watsonx 和 Llama 3.1 70B Instruct 打造了球探顾问（Scout Advisor）。俱乐部内部工具处理结构化数据能力强，但处理非结构化数据不足，而球探对球员态度等评估需大量非结构化数据。此前，招聘人员分析单个球员短名单需 200 到 300 小时。
Scout Advisor 利用自然语言处理、语义分析和 AI，提供对话式搜索工具等。Llama 3.1 可让招聘人员秒解析数千份报告。它基于 watsonx 构建，利用 Llama 生成提示丰富功能理解足球术语，数据部门用少量样本学习执行任务。选择 Llama 3.1 70B 因它文本处理性能佳，尤其在西班牙语方面。
自实施 Scout Advisor 后，俱乐部选才过程转变显著：评估时间缩短，原需数小时的评估现仅需几秒；人才识别能力增强，能依专家意见数据集识别球员；竞争优势提升，成为体育行业 AI 领导者；还创造了咨询机会和新收入来源。
来源: How Sevilla FC is discovering future soccer stars with Llama
OpenAI 发布GPT-4.5

OpenAI 发布了 GPT-4.5 的研究预览，这是其目前最大且最佳的聊天模型。
模型优势：GPT-4.5 在预训练和后训练方面取得进展，通过扩展无监督学习，提升了识别模式、建立联系和生成创意见解的能力。早期测试显示，它交互更自然，知识库更广泛，能更好跟随用户意图，“情商” 更高，幻觉更少，在写作、编程和解决实际问题中很有用。
- 技术原理：通过扩大计算和数据规模，以及架构和优化创新来扩展无监督学习，在微软 Azure AI 超级计算机上训练，使其知识更广泛、对世界理解更深入。开发了新的可扩展技术，利用小模型衍生数据训练大模型，提高了可控性、对细微差别的理解和自然对话能力。
- 性能对比：与其他模型相比，GPT-4.5 在简单问答准确率上更高，幻觉率更低；人类测试者在创意智能、专业查询和日常查询方面，更偏好 GPT-4.5 的比例分别为 56.8%、63.2% 和 57.0%。它表现出更高 “情商”，事实准确性强，回答更简洁、具对话性。
- 与推理模型差异：GPT-4.5 回答前不思考，与 OpenAI o1 等推理模型不同，是更通用、更聪明的模型，未来预训练和推理两种扩展方法将相互补充。
- 安全方面：采用新监督技术结合传统方法训练，在部署前进行安全测试，扩展 GPT 范式有助于能力提升，将发布详细评估结果，为未来更强大模型的校准奠定基础。
来源: Introducing GPT-4.5
软银据传正在洽谈融资160亿美元专门投资人工智能

据知情人士透露，软银集团多名高管告知多家银行机构，其 CEO 孙正义计划借款 160 亿美元专门用于投资人工智能领域。此前软银刚完成一笔 185 亿美元的大额借款，此次融资标志着其在 AI 领域的积极投入。此外，软银后续可能还会在 2026 年年初借入 80 亿美元。
软银在 AI 领域投资布局已久，此前就计划向特朗普宣布的 “星际之门” 基建项目和 OpenAI 总计投资 400 亿美元，并围绕融资至多 185 亿美元展开磋商。在 2025 年 1 月，路透社曾报道软银洽谈向开发 ChatGPT 的 OpenAI 投资至多 250 亿美元。软银的一系列动作表明其看好人工智能的发展前景，希望通过大额投资在该领域获取巨大收益，同时也反映出人工智能产业对资本的强大吸引力，以及资本对该行业发展的推动作用。
来源: 软银据传正在洽谈融资160亿美元专门投资人工智能
人工智能在科学写作中的挑战与优势

科学写作处于关键阶段，AI 成为变革推动者。从文字处理器到在线平台，技术不断改变科学写作生态，AI（尤其是生成式大语言模型）能快速完成稿件起草、文献综述等工作，但也带来了伦理和实际问题。
- AI 融入科学写作的策略：需多方合作维持伦理标准、提升透明度。建议开发全球框架、政策和培训项目，鼓励负责任地使用 AI；创建基于实证研究的 AI 检测工具，为伦理标准提供指引。期刊应更新指南，明确 AI 使用规范；AI 工具在满足数据开放和可复现的条件下可用于初步数据分析；同时要优化稿件评估和编辑流程。
- 避免损害研究的方法：采取全面积极的措施应对 AI 伦理问题，如鼓励跨学科合作、更新期刊指南、实施透明化举措、支持 AI 检测工具开发、推动全球培训和交流等。
AI 在科学写作中的应用充满挑战，但通过重视协作、透明和问责，科学界可让 AI 成为进步工具。学术界应谨慎且有远见地将 AI 融入科学写作，注重伦理和质量，合理利用 AI 维护学术价值。
来源: The Challenges and Upsides of Using AI in Scientific Writing

四、机器人领域

自动地面清洗机如何改变商业清洁

商业清洁行业正因自主洗地机的出现而发生深刻变革。过去，商业清洁依赖人工，劳动强度大且清洁效果参差不齐。随着工业革命，机械设备虽有应用，但仍需人力监督。如今，自主洗地机借助先进技术，开启了自动化清洁新时代。
现代自主洗地机集成了多种先进技术。传感器融合与导航技术让机器能精准绘制环境地图、规划路线和避开障碍物；人工智能和机器学习算法不断优化清洁模式；云基数字管理平台方便远程监控和任务调度；自我维护功能减少了停机时间。Sparkoz 公司的 TN10 和 TN70 就是其中的典型代表，TN10 适用于小空间，TN70 则擅长大规模场所清洁，它们都具备自动对接、加水、排水和充电功能，并能实时反馈数据。
99 Ranch 超市使用 Sparkoz 的自主洗地机后，在高流量区域和特殊区域的清洁效率显著提升，人力成本降低，清洁效果更稳定。自主洗地机的应用不仅提高了清洁效率和质量，还为企业节省运营成本，减少资源浪费，提升安全性。
展望未来，自主洗地机将在技术上不断突破。传感器和 AI 算法会更先进，与智能建筑系统的融合将更深入，定制化和可扩展性更强，可持续性也将进一步提升。这一变革不仅为商业清洁行业带来新机遇，还推动了各行业设施管理向智能化、绿色化发展。
- 来源: How Autonomous Floor Scrubbers Are Changing Commercial Cleaning
具身智能科技创新与产业培育行动计划（2025-2027年）发布

北京市科学技术委员会等多部门印发《北京具身智能科技创新与产业培育行动计划（2025 - 2027 年）》，旨在发挥当地具身智能领域创新资源优势，培育人工智能新赛道。该计划以打造全球影响力的科技创新策源地和产业增长极为目标，通过创新驱动等举措，将科技势能转化为发展动能。到 2027 年，力求在多方面实现突破，包括关键技术、产品产出、基础设施建设、产业规模扩大和生态优化等。为此，将开展一系列重点任务，涵盖技术创新、平台建设、场景应用和产业生态优化。计划自印发起实施至 2027 年 12 月 31 日，实施期间遇政策调整将按新政策执行。
来源: 北京具身智能科技创新与产业培育行动计划(2025-2027年)
Sanctuary AI 为通用机器人配备新型触觉传感器，以执行高度灵活的任务

致力于开发通用型机器人物理 AI 的 Sanctuary AI 公司宣布，将新型触觉传感器技术集成到其 Phoenix 通用型机器人中。这一集成使得远程操作飞行员能够更有效地利用通用型机器人的灵巧能力，以精确和准确的方式完成复杂的、触觉驱动的任务。这一公告紧随 Sanctuary AI 尖端触觉传感器的首次亮相，展示了公司在创造用于自主劳动的灵巧智能道路上的进展。
来源: Sanctuary AI Equips General Purpose Robots with New Touch Sensors for Performing Highly Dexterous Tasks
欧洲航天局展示最新火星车钻探视频

Rosalind Franklin rover将成为第一个抵达地表以下最深达两米的探测车，采集到免受恶劣表面辐射和极端温度影响的样本。钻机系统结合了多个精密机构，通过复杂的自动化序列进行操作。它使用三根延伸杆连接，形成一个两米的“钻杆”。随着漫游车钻孔，它将同时使用红外光谱学来研究钻孔的矿物成分。
来源: Drilling into Mars