SNN类脑芯片融资：医疗设备“大脑”功耗骤降
▲图片由AI生成 融资新闻 + 类脑芯片技术 + 医疗场景落地
[众享AI摘要] 近期，前沿生理类脑芯片企业米能科技完成数千万元股权融资，由蓝湾资本、锡创投联合投资，资金将用于医疗级标准化模组量产迭代、全链路闭环生理调控系统工程落地及全国医疗设备厂商生态导入。该公司聚焦医疗设备上游底层算力基础设施，自研数模混合脉冲神经网络（SNN）类脑内核，复刻人脑神经异步工作逻辑，替代传统MCU+ANN通用算力方案。该芯片采用事件驱动设计，仅在脑电图、心电图等生理波形出现特征突变时才唤醒算力单元，无异常时进入深度休眠，实现7×24小时不间断监护，从硬件根源解决长期穿戴设备的功耗、延迟和安全瓶颈。平台由多模态生理感知阵列、事件驱动类脑计算内核和医疗级可编程调控单元三层自研硬件构成，具备完整底层知识产权，2025年已产生规模化营收。该技术适配居家慢病监测、无创脑机交互、康复闭环调控等场景，为医疗设备厂商输出可快速集成的标准化底层能力包。
月之暗面Kimi K3开源：2.8万亿参数，免费部署
▲图片由AI生成 开源大模型发布 + 超算接入 + 长文本多模态能力
[众享AI摘要] 7月27日晚，月之暗面正式开源其最新大模型Kimi K3，同步发布模型权重、技术报告，并开放支撑K3训练的三大关键Infra技术：MoonEP、FlashKDA和AgentEnv。Kimi K3拥有2.8万亿参数，采用混合专家（MoE）架构，具备原生视觉理解能力，支持100万token的上下文窗口。这意味着该模型能够一次性处理超长文本、多模态信息，并实现高效推理。月之暗面表示，任何个人或企业均可自由下载、部署Kimi K3，用于内部研发或嵌入终端产品，完全免费。7月28日，国家超算互联网AI社区正式上线Kimi K3模型及API调用服务，企业和开发者可通过API一键调用，快速下载模型文件并进行部署开发。此举大幅降低了超大规模开源模型的使用门槛，有望推动AI应用在长文本理解、多模态推理等场景的快速落地。
80%消费者已入手AI硬件，32%将加购
▲图片由AI生成 AI 原生智能硬件产业升级
[众享AI摘要] 36氪研究院发布的《2026年中国智能硬件行业发展研究报告》指出，中国智能硬件已进入AI原生发展初期。腾讯研究院2026年3月调研数据显示，国内80.8%的消费者已购买或使用过至少一类AI相关硬件产品，其中32.0%的用户计划在未来三个月增加相关消费支出，消费端需求稳步上升。技术层面，端侧AI芯片、轻量化大模型、多传感融合等底层突破，使智能硬件逐步摆脱对云端算力的依赖，实现本地自主感知、分析决策与功能迭代。产品核心竞争力从硬件规格转向端侧AI体验，产业链上中下游正经历价值重塑：上游核心元器件向AI定制化、高集成、国产化迭代；中游沿软硬协同、柔性提效方向突破低毛利困境；下游终端向多场景纵深渗透。然而，行业仍面临碎片化竞争加剧、供应链成本承压、场景规模化落地不足、数据安全合规升级等挑战，传统硬件堆砌与低价代工模式已难以为继。报告系统梳理了产业生态格局与升级方向，为行业参与者提供决策参考。
MCP协议大改：无状态化，部署成本骤降
▲图片由AI生成 MCP 协议升级 + 无状态分布式架构 + AI 工具通信效率
[众享AI摘要] MCP协议于2026年7月28日发布第五个大版本，核心架构从有状态双向协议彻底转向无状态请求/响应协议。这一变革使MCP服务器能够像HTTP服务一样灵活部署，原生支持serverless架构、边缘计算节点及CDN加速，大幅提升可扩展性与部署弹性。新协议引入MRTR（多轮往返请求）机制，有效解决无状态场景下中途需要用户输入确认的交互难题。同时新增Mcp-Method和响应头规范，进一步标准化通信流程。该版本意味着AI模型与外部工具之间的通信将不再依赖持久连接，开发者可以更轻松地在分布式环境中集成MCP服务，降低运维成本，加速AI应用从原型到生产的落地进程。对于依赖实时工具调用和动态数据获取的AI代理、自动化工作流及边缘智能场景，这一升级将显著提升响应速度与系统鲁棒性。
大模型三选一：Fable 5稳，GPT 5.6省，Opus 5尴尬
▲图片由AI生成 三大主流大模型日常体验对比
[众享AI摘要] 用户“宝玉”分享了对三个主流大模型的日常使用体验与场景对比。Claude Fable 5虽然价格较高，但在复杂任务和技术方案讨论中表现最为可靠，结果一致性强，适合需要高准确度的专业场景。GPT 5.6 Sol则展现出极高的性价比，在写作、日常对话和轻量级任务中表现流畅高效，成为日常使用的主力。相比之下，Claude Opus 5在性能与价格之间处于“两头不沾”的尴尬位置：既不如Fable 5在复杂任务中稳定，又在性价比上输给GPT 5.6 Sol，整体定位模糊。这一对比反映出当前大模型市场已进入差异化竞争阶段，不同模型在成本、可靠性、场景适配上的取舍愈发明显。用户应根据具体任务需求选择最合适的模型，而非盲目追求“最强”或“最新”。
OpenAI开源Codex Security：AI扫漏洞，自动修代码
▲图片由AI生成 AI 代码安全扫描 + 开源 DevSecOps 工具链
[众享AI摘要] OpenAI正式将此前闭源的Codex安全插件拆分为独立项目，以Apache-2.0协议开源，发布为Codex Security。该工具提供命令行界面和TypeScript SDK，利用AI模型自动扫描代码仓库中的安全漏洞，不仅能识别真实漏洞，还能验证问题真实性并自动生成修复补丁。与以往仅提示风险的静态扫描工具不同，Codex Security可结合上下文理解代码逻辑，减少误报率，支持批量扫描，大幅提升安全审计效率。这一开源举措回应了开发者社区长期以来的需求，使团队无需依赖闭源插件即可集成AI驱动的安全流水线。Codex Security适用于CI/CD流程、代码审查和日常开发，有望降低企业安全修复成本，推动AI在DevSecOps中的落地。
© 版权声明
© 本站文章版权归 众享AI 所有，未经许可禁止转载。
