由山姆·阿尔特曼（Sam Altman）支持的核聚变初创公司Helion近日宣布完成新一轮4.65亿美元融资，公司估值随之升至155亿美元。 这笔资金将用于推进其首座商用核聚变电站“Orion”项目，目标是在2028年前按与微软签订的供电协议，将聚变电力接入电网。 根据Helion披露数据，公司此前已于2025年1月完成4.25亿美元融资，此次融资后累计融资规模已达15亿美元，显示出资本市场对核聚变商业化前景的持续押注。 本轮为G轮融资，由Thrive Capital领投，新股东包括Alta Park Capital、Anti Fund、BoxGroup、Lux Capital、Peak XV Partners以及比尔·福特（Bill Ford）等，老股东Capricorn Technology Impact Funds、Lightspeed Venture Partners、Mithril Capital、Dustin Moskovitz旗下Good Ventures Foundation、软银愿景基金2号（SoftBank Vision Fund 2）及一所大学的捐赠基金继续跟投。 Helion采取的技术路线与不少同行不同。当前核聚变领域主要有两条路径：一是利用强磁场约束高温等离子体，二是利用高能激光压缩燃料促成聚变反应，多数公司计划通过产生的高温蒸汽驱动汽轮机发电。 Helion同样采用磁场压缩燃料，但并不打算走“先产热再转蒸汽”的传统路线，而是试图直接从磁体中“收集”电能。 在Helion的设计中，当反应堆内部等离子体发生聚变反应后会迅速膨胀，推动外部磁场发生变化，从而在磁体线圈中产生电流，类似于电动车通过“反向驱动”电机实现能量回收制动并给电池充电。 Helion使用的是氘和氦‑3作为燃料，先将其加热并在磁场中加速，再压缩至聚变条件，随后将反应释放的能量以感应电流形式直接输出，用以大幅提高整体能效。 这一构想若能实现，将显著提升聚变电站的能源转化效率，但也引发部分专家质疑。 有物理学家指出，Helion与许多竞争对手不同，很少在同行评议期刊发表技术细节论文，使得学界难以全面审视其理论基础，一些专家因此对其时间表和技术可行性持保留态度。 Helion首席执行官戴维·柯特利（David Kirtley）则回应称，公司更看重装置的实际运行结果，而非理论争论，他此前表示，“我们不想在理论上无休止讨论聚变，我们只想把设备真正造出来。” 尽管存在争议，Helion并非唯一一个在资本市场受到追捧的核聚变公司。 近月来，多家聚变初创企业宣布获得大额融资：例如Focused Energy刚刚完成2.4亿美元融资，主攻激光驱动聚变方案；Thea Energy则在近期筹得1亿美元，跻身融资规模靠前的聚变企业行列。 今年2月，Inertia Energy以隐身状态走出，发布4.5亿美元A轮融资；更早前，由比尔·盖茨支持的Type One Energy则宣布，正在为其B轮融资筹集2.5亿美元，已先行完成8700万美元过桥资金。 资本持续涌入的背后，是核聚变商业化时间线依旧漫长且充满不确定性。 尽管一些企业在过去数月中陆续宣布完成关键技术和工程里程碑，认为这些成果为未来建设商用电站铺平道路，但多数公司仍预计，真正具备商业规模的首座聚变电站运营时间很可能要到下一个十年中期之后。 核聚变之所以受到追捧，在于其一旦实现商业化，有望利用类似海水等极为广泛的资源，提供近乎“无限”的稳定电力，不受天气和昼夜变化影响。 对于日益依赖高性能算力和大规模数据中心的人工智能企业而言，廉价、稳定且低碳的电力供应具有极强吸引力。 一旦聚变发电的度电成本被大幅压低，其潜在影响不止于AI产业，还可能对其他若干以万亿美元计的能源市场格局带来颠覆性冲击。 在投资机构看来，核聚变项目的时间跨度远超传统风投惯常的退出周期，但其一旦成功，回报空间或许也远超常规科技项目。 Helion此次巨额融资以及其与微软签订的供电协议，被视为核聚变从“实验室阶段”向“准商业化”迈出的又一步，尽管距离真正点亮电网、稳定供电仍有不少技术和工程挑战需要跨越。 查看评论
手机新浪网 – 20 May 26 阿森纳提前1轮锁定英超冠军，阿尔特塔夺执教第4冠 #阿森纳获得英超冠军##阿森纳是冠军#阿森纳在英超还剩1轮就将结束的情况下领先积分榜次席曼城4分，他们也提前1轮锁定了本赛季英超的冠军。这也是阿尔特塔执教阿森纳 22年，从温格到阿尔特塔 1 个帖子 - 1 位参与者 阅读完整话题
美国加利福尼亚州奥克兰联邦法院陪审团在经过不到两小时评议后，驳回了埃隆·马斯克对OpenAI首席执行官萨姆·阿尔特曼及OpenAI提出的全部指控，标志着这场持续三周、备受瞩目的法律战以马斯克败诉告终。 这也为这两位曾经的“挚友”、如今在人工智能领域的头号竞争对手之间的一段戏剧性纷争画上了阶段性句号。 本案由美国地方法官伊冯娜·冈萨雷斯·罗杰斯主持，她采纳了陪审团的咨询性裁决，认定阿尔特曼及OpenAI无需承担责任，并裁定马斯克提出的“违反慈善信托义务”和“不当得利”等主张因超过诉讼时效而被驳回。 法官表示，相关索赔“将当场被驳回”，并指出有“充分证据”支持陪审团关于诉讼时效问题的认定。 陪审团认为，马斯克在本案中仅享有三年的起诉时限，而他并未在法定期间内提起诉讼。 马斯克方面的律师史蒂文·莫洛在庭上保留了当事人日后提起上诉的权利。 马斯克于2024年提起诉讼，指控阿尔特曼及OpenAI偏离了原先“保持公司为非营利机构”的承诺，违背了其成立时的公益使命。 马斯克于2015年协助创办OpenAI，并在三年后退出董事会。 微软自2019年起就对OpenAI进行投资，也被列为本案被告之一，马斯克指控该公司在OpenAI“违反慈善信托”的过程中扮演了“帮助与教唆”的角色。 法院同样驳回了针对微软的相关主张。 庭审结束后，OpenAI及微软的律师在奥克兰市中心法院外以拥抱、拍肩的方式庆祝这一结果。 根据马斯克团队提交的诉状，他们曾要求法院命令OpenAI及微软返还高达1340亿美元的“非法所得”，并解除阿尔特曼及OpenAI总裁格雷格·布罗克曼的管理职务，同时推翻该公司在2025年的重组安排，这次重组为其营利性业务的扩张扫清道路。 马斯克表示，任何相关资金应被归还给“OpenAI慈善机构”，而非流向他个人。 案件的核心在于马斯克的指控：OpenAI高层“掏空了一家慈善机构”，阿尔特曼及布罗克曼被指背弃了OpenAI成立之初“造福人类”的公益宗旨，而转而追求个人商业利益。 马斯克在庭上作证称，他向OpenAI捐赠了约3800万美元，前提是该机构将开发造福全人类的人工智能，而不是用来“让某个个体暴富”。 OpenAI方面的律师则反驳称，马斯克此前的捐款并未附带任何具有法律约束力的限制条款，而且在与GoogleDeepMind的高成本竞争中，引入营利性结构是维持公司长期生存的唯一现实路径。 他们还出示证据显示，马斯克本人曾提出将OpenAI改造为营利性公司，条件是他能够掌控该机构，甚至曾推动OpenAI并入特斯拉的设想。 与此同时，马斯克在2023年创立了自己的竞争性人工智能实验室xAI，该实验室目前已并入SpaceX体系。 OpenAI的律师在法庭上将这场诉讼刻画为马斯克在失去对OpenAI控制权之后，为打击竞争对手、削弱对方的一次策略性行动。 在为期数周的庭审中，陪审团先后听取了阿尔特曼、布罗克曼、微软首席执行官萨提亚·纳德拉以及马斯克本人的证词。 这一裁决出炉之际，阿尔特曼与马斯克各自掌舵的企业均处在冲刺资本市场的关键期。 今年3月下旬，OpenAI完成一轮融资，融资规模达1220亿美元，公司估值超过8500亿美元。 这家ChatGPT开发商一方面加快模型迭代和消费级服务布局，另一方面则在企业级AI市场中全力追赶Anthropic等对手。 马斯克方面则正准备为SpaceX的首次公开募股进行路演，该公司在今年2月与xAI合并后估值达到1.25万亿美元。 SpaceX已于4月秘密提交上市申请，市场预计其招股说明书最早可能在本周对外公布。 随着本案的落幕，外界普遍关注，这场围绕公益与利润、控制权与创新竞赛的法律风波，将如何影响两家在AI与航天领域最具话语权企业的后续发展轨迹。 查看评论
OpenAI 首席执行官萨姆·阿尔特曼日前在社交平台 X 上公开表示，他的公司并不是在打造“夺走你饭碗的机器人”，而是希望用 AI 来“增强和提升”人类，而非创造可以完全取代人的“实体”。他强调，“对工作的末日论在长期看很可能是错误的”，人们将会找到新的、更有满足感的工作形态。 过去一年多，全球各行各业裁员风潮此起彼伏，大公司和小企业都未能幸免，不少高管甚至直言是 AI 推动了业务重组和人力缩减，加重了公众对“AI 抢工作”的焦虑。其中一个典型例子，是《糖果传奇》开发商 King 裁撤了一支刚刚完成内部 AI 工具开发的团队——这套工具能更快生成游戏关卡，而项目一结束，他们就被解雇，并由自己搭建的系统顶替。去年 7 月，招聘网站 Indeed 和 Glassdoor 也被曝裁掉了 1300 名员工，原因是它们用于匹配候选人与岗位的内部 AI 系统表现太好，以至于相关岗位“多余”了。 在这样的背景下，“AI 终将接管几乎所有工作”的观点广为传播，也成为很多人反感这类技术的重要原因之一。火上浇油的是 Anthropic（Claude 的开发公司）首席执行官达里奥·阿莫代伊的多次公开言论——他反复表示，人类距离“AI 写几乎所有代码”的世界，只有“大约六个月（或者六到十二个月）”。 面对外界的担忧，阿尔特曼在 X 上继续阐述了自己的立场，认为所谓“工作末日论”在长期看来可能是错误的，因为社会会不断诞生新的、更加充实的工作类型。他描绘了一种未来：如果你不想辛苦工作，也“不必非得这样”，但仍然可以享有“繁荣而精彩的生活”。 不过，阿尔特曼本人此前也因为有关工作的言论遭到不少批评。他曾被指责将许多被 AI 取代的白领岗位称作“并不算真正的工作”，并拿其与农耕等体力劳动进行对比。在他看来，五十年前的一位农民如果看到今天的办公室工作，很可能不会把那些操作键盘和开会的日常视为“真正的劳动”。 围绕 AI 安全与商业化路径，阿尔特曼与阿莫代伊之间的“暗战”也持续多年。阿莫代伊早年在 OpenAI 任职，后来对公司在安全和商业化方向上的做法产生了担忧，遂在 2020/2021 年前后与其妹妹及多位研究人员离开，创立了自称“更值得信任”的新公司 Anthropic。此后双方在行业内的竞争和分歧不断显化。 最近，两家公司之间的紧张关系进一步升级。美国五角大楼此前取消了与 Anthropic 的一份合同，OpenAI 随即“接盘”拿下了这笔合作，引发外界对两家机构关系的更多关注。在 2026 年印度举办的一场 AI 峰会上，当科技领袖们与总理共同举手合影，以示团结之时，阿尔特曼和阿莫代伊却刻意没有牵手，借这一细节展现出微妙的对立姿态。 在关于 AI 与就业的争论中，一边是连续不断的裁员、被自动化系统替代的真实个案，另一边则是阿尔特曼口中“AI 将帮助人类走向更繁荣生活”的愿景。至少从他最新的公开表态来看，OpenAI 希望把自己定位成人类的“放大器”和“助手”，而非主动夺走人类工作的“接班人”。 查看评论
Demo 具备单点开放能够验证东西的作用，但不应该只停留在展示层，而要进入汽车研发体系内部，成为一种新的工程能力。 汽车设计研发是一项高复杂度、高成本、高安全要求的系统工程，单点AI Demo难以真正落地。阿尔特太乙基于一线研发经验与私域数据，构建了从知识大模型、造型AI创绘、空气动力学智能预测、CAD智能检索、零部件智能生成到2D智能投图的产品矩阵。其核心理念不是做单点工具，而是打造“工程师一句话，平台全程跑完”的全流程AI研发设计平台，让AI从“惊艳一刻”走向“长期生产力”。 以下为演讲内容，经36氪整理编辑： 刘亚彬丨阿尔特汽车副总裁、阿尔特太乙人工智能总经理 大家上午好，我是阿尔特汽车的刘亚彬，非常高兴有机会在这里跟大家分享我们有关AI+汽车设计研发持续的实践和思考。 今天的主题是：当 AI 走出 Demo，它如何真正进入汽车设计研发的深水区？过去一年多，AI 给整个科技产业带来了非常大的震动，但站在汽车研发这个行业里，我们会更冷静地看待这件事。一辆车从产品定义、造型设计、工程设计，到仿真验证、试验验证、工艺制造、质量交付，每一个环节都有大量约束。它既有性能目标，也有法规要求；既有成本边界，也有制造工艺；既要满足用户体验，也要承担安全责任。我们自己在做AI的过程中做了一二百个Demo，也收到过几千个Demo，真正落地的并不多，这个过程中我们有一些思考跟大家分享一下。 一个Demo 很漂亮，说明技术有想象力，具备单点开放能够验证东西的作用，但不应该只停留在展示层，而要进入汽车研发体系内部，成为一种新的工程能力。我将汽车设计研发的核心挑战，系统性地概括为“三高”特征：高复杂度、高成本、高安全要求。 首先第一个挑战是高复杂度，复杂的系统工程。从工程师的一句构想，到基础材料学，再到信号处理，最终延伸至生产制造与智能制造的完整链条——在这条技术链条上，每一个环节都由“最小作用单元”构成，而这些单元之间彼此交织、相互影响，最终形成的是一个不断权衡与取舍的复杂过程。 第二点是高成本，这与漫长的开发周期密不可分。汽车研发目前仍需约24个月，虽已基于软件工程发展和经验累计从过去的30多个月有所缩短，但仍难以及时响应用户需求的变化。而每个设计都要经历仿真、实验、制造直至市场验证的多重关卡，试错代价极高。更棘手的是，变更的影响链条极长——任何一个零部件的失误，都可能沿着链条波及整个系统乃至整车，导致模具重开，造成大规模的资金与工时浪费。 第三点是高安全。汽车研发之所以受限于诸多法规与标准，是因为安全本身是一个多维度、跨区域的复杂命题。不同国家、不同板块都有各自的信息安全、功能安全、结构安全、约束系统安全及主动安全要求，法规约束极为严苛。这使得单个Demo无法从单点扩张到整个开发流程中。与此同时，质量责任极其重大——研发过程需要做性能衰减排查，对质量进行全流程保证，确保产品的一致性。而这一切的前提，是每一个环节的结果都必须可追溯，才能满足汽车产业对安全的终极要求。 这“三高”挑战构成了AI进入汽车研发深水区的核心门槛，也使得市面上的Demo呈现出两个鲜明特点。第一个特点是“样例可行”，意思是它在全流程的每个环节里都可用。但问题在于，从文本到图形，再到CAD、CAE，每个环节的技术逻辑都不一样，单点生成之后，工程上如何闭环？Demo做完后，最终的结果还是得落到工程师手里，由人来判断，或者判断结束。第二个特点是“效果比较惊艳”，但结果是否可信？工程上的可信度，有时连5%都很难满足。尤其是在接触部件比较多、系统比较复杂的设计中，概率统计与工业确定性之间的矛盾应该如何解决？最起码在汽车研发领域，要想做出靠谱的AI，第一要能接入流程，也要懂约束，同时还要能追溯结果，并且能处理各式各样的业务。 今天的主题是带AI到一线，阿尔特太乙本身就在一线，我们离一线非常近，推开门、到隔壁楼就是一线。阿尔特本身做汽车设计研发，走在行业前端，是唯一在A股上市的汽车设计研发公司。阿尔特太乙是诞生于汽车设计研发一线的AI科技公司，我们拥有公网上无法查到的数据，所有场景都对外开放，同时我们在AI领域与科研机构、顶尖AI大厂以及相关保险公司均建立了深度合作。 高质量数据集也必不可少，全流程里每个数据原来都是工业软件和工程师，通过操作PC或者work station来制作出来对应的数据，但这些数据之间的关系并未在过程中被固化。如果要做AI，我们近500款车型的研发设计经验，以及近100类多元数据格式，如何实现打通与实时流转？如何将设计数据与规范性数据关联在一起？这是我们目前正在推进的一项庞大工程。再次强调数据的重要性，是因为：Demo是给人看的，而生产力落在流程里，作用于数据之上。要实现数据之间的联通、让数据“能说话”，这不仅是数据本身的问题，还涉及语义层面。我们需要在数据之上增加一层元数据，将语义解释附加其上，例如针对设计对象的本体和设计过程的本体。基于这些私域数据，我们已经走通了多款产品，以下我重点介绍六个典型场景。 第一个场景是汽车研发知识大模型。 它能够将公司20年的know-how在一分钟内快速定位。具体能力包括：产品调研中如何将VOC（客户之声）翻译为工程语言；专业问答与快速检索规范、法规及历史经验案例；图纸理解与图形学识别；质量审查，包括对公差、材料工艺的描述性审查；当收到检测报告时，能够像拥有十年以上工作经验的专家一样，对不符合规范的内容给出评价；以及知识溯源。这些能力可以有效弥补通用大模型在工程可行性和工程量化方面的不足。知识大模型解决的是“懂”的问题，而下一个场景要解决的是“画”的问题 第二个场景是造型AI创绘-太乙。 这也是阿尔特太乙发布的第一款产品。它解决的核心问题是：如何将一个灵感以最短路径转化为可交付的工程资产。当前Diffusion模型发展迅速，能够生成图像，但无法直接交付——因为工程可行性、比例关系、品牌DNA等多方面约束仍需满足。我们需要将自身对数据的理解、对造型领域的know-how注入模型中，从而支持文生图、图生图、渲染、从草图到效果图、文生视频、图生视频、图生3D等能力。之所以要做到3D，是因为造型从趋势主张到最终NURBS曲面生成，中间需要一个完整的闭环，这个闭环必须能够生成3D模型乃至大曲面。造型生成之后，下一个关键问题是：它的空气动力学表现如何？ 第三个场景是“御风”空气动力学智能预测。 这是我们探索AI4 Engineering的重要实践。其流程是：以大语言模型为入口，结合圆方模型，最终生成造型效果图，效果图再生成3D模型，3D模型进而预测表面速率和压力分布，并给出设计修改建议。它最大的价值不是简单减少沟通成本，而是将CFD仿真工作大幅前置——交到设计师和项目经理手中，让他们能够快速做出预测，从而改变研发节奏。我们还具备参数化轮廓建模、基于轮廓的效果图生成、3D生成建模以及AI快速风阻预测等能力。针对轿车、SUV、卡车等不同车型，我们已开展了多类风阻代理模型的数据级研究，覆盖全流程风阻开发。以上三个场景偏向造型与性能，而研发流程中还有一个核心痛点：如何在海量CAD数据中快速找到所需内容。 第四个场景是CAD智能检索。 相比于文本检索，我们面临的核心挑战是CAD数据的检索。如何构建查询语句？如何进行向量化数据检索？是否采用Agent RAG？通过这些技术的结合，我们帮助工程师快速定位下一步工作内容，查找相似零部件，甚至通过模糊输入找到对应的3D数据，并确保3D数据所附带的层级标签清晰可读。这一能力与圆方模型（工业3D CAD基座模型）深度结合。检索只是第一步，更深层的需求是：能否直接用一句话生成CAD？ 第五个场景是零部件智能生成。 这是我们当前的重点开发方向。其核心能力分为两个维度：一是“懂设计”——基于B-rep（边界表示）等当前前沿技术，实现用一句话在3D空间中快速生成CAD模型；二是“会操作”——基于操作序列完成相应动作，不改变传统工业软件的操作方式，而是让AI自主思考应该如何执行。生成CAD之后，还需要一个关键环节将其交付到生产端：二维投图。 第六个场景是CAD 2D智能投图。 它连接设计与生产，核心是将工艺要求准确反映在二维图纸中。自动化技术可以完成批量投图、规则引擎判断和公差标注。而AI在此基础上进一步发挥作用：智能选择基准面、智能对应公差标注，并最终判断标注是否准确。其目标是让工程师从重复性劳动中解脱出来，将精力投入到真正需要判断力和创造性的工作中。 如何走出Demo、实现规模化落地？我们的经验是：一切基于数据。包括我们自己的私域数据、行业公开数据，以及合成数据。但数据本身并不足够——汽车工程语言体系有其独特性，工程师之间的交流、工程师与消费者之间的沟通，所传递的信息完全不同，因此必须做好专业术语的语义映射。在此基础上，流程与组织是阿尔特太乙的明确优势。流程层面，我们构建了从设计、仿真到验证的完整业务闭环，融入工程规则与边界，通过智能体与Skill编排以及上下文工程，形成可运转的研发流程体系。组织层面，我们建立了工程师持续反馈机制、跨部门协同机制、问题闭环跟踪机制，以及知识沉淀机制。数据是基础，语义是桥梁，流程是骨架，组织是保障——四者缺一不可。 基于这些能力，我们构建了AI+汽车研发设计平台。其核心逻辑，不是打造单点工具，而是实现“工程师一句话，平台全程跑完”。具体而言，平台需要解决以下几个问题：如何调用数据和工具？如何在数据平台上完成数据加工？各智能体之间如何协同合作、自主完成决策？我们的理解是，通过大模型能力，以一个统一入口（无论是自然语言，还是图形与自然语言的组合）实现全流程闭环。 在推进这一平台的过程中，我们也积极与产业伙伴共建生态。在国家行业共建的牵引下，我们与产业伙伴围绕“让AI可验证、可交付、可闭环”这一目标，开展了一系列合作。过去两年，我们与众多科研机构、高校、工业软件公司、智能体开发公司、物理AI公司以及3D重建生成领域的伙伴进行了广泛探索。目前，我们正参与国家人工智能应用中的汽车研发方向工作，联合发布了汽车设计研发领域的智能体与AI白皮书，并完成了基础开发数据集的构建。我们非常愿意将这些成果开放出去，与产业伙伴共享。 回顾一路走来，从Demo到生产力，阿尔特太乙已经走过了一段路程，其中有收获，也有诸多苦涩。接下来，我们诚邀各位产业伙伴，与我们一起走好后半程。谢谢大家！
36氪获悉，天眼查App显示，近日，阿尔特拉半导体技术（上海）有限公司发生工商变更，CATIA COLETTE HAGOPIAN卸任法定代表人、董事长，由Garth Ernest Bossow接任。该公司成立于2010年12月，注册资本200万美元，经营范围包括软件开发、电子专用材料研发、工程和技术研究和试验发展等，由ALTERA HOLDINGS CORP.全资持股。