1. Anduril联手高通推出“美国制造”笔记本电脑

2. 触屏带来涨价，消息称新款MacBook Pro售价或创纪录

3. 纳境科技完成A+轮融资，专注超表面光学器件研发制造

4.PC已死？黄仁勋：AI性能十年提升100万倍 新布局在个人智能体、AI工厂与人形机器人

1. Anduril联手高通推出“美国制造”笔记本电脑

10月27日，国防科技企业安杜里尔（Anduril）表示，计划使用高通（Qualcomm）的芯片，为政府和军方客户在美国本土制造一系列加固型计算机。

这家由创始人帕尔默·拉基（Palmer Luckey）执掌的公司，近期以极快节奏发布新军用武器和无人机，并正在洽谈以约1000亿美元的估值进行融资。据其在2026年1月披露，公司2025年营收为22亿美元，员工规模翻了一番。

这款名为BlueChip的笔记本电脑将在美国制造，电路板组装计划在安杜里尔位于俄亥俄州的工厂进行。安杜里尔表示，公司还在开发笔记本外壳、电池及其他关键部件的美国本土产能，同时对其他美国供应商进行生产资格认证。

两家公司表示，他们计划采取“分阶段方式”，目标是“建立端到端的美国供应链”。

高通首席执行官安蒙（Cristiano Amon）表示，这款笔记本所用的骁龙X芯片将由台积电在其亚利桑那州的工厂生产。

高通是笔记本电脑芯片市场的相对新入局者，一直在为其芯片增加安全与AI功能。拉基在发布会上表示，在笔记本上私密处理AI任务，对政府和防务客户来说是一项重要特性。

“我一直用自己的BlueChip笔记本在本地跑大量模型——有些信息我不想、实际上也不允许发送到云端。”拉基说，“拥有能够出色完成端侧AI推理、在本地运行模型的设备，真的非常重要。”

2. 触屏带来涨价，消息称新款MacBook Pro售价或创纪录

据报道，苹果公司在本月成功断定消费者愿意为折叠屏iPhone支付2000美元甚至更高价格。现在，它正准备通过另一款昂贵新品考验消费者的购买意愿：触摸屏笔记本电脑。

苹果计划在周三举行的“Pro and Tell”发布会上推出新款14英寸和16英寸高端MacBook Pro，在现有产品阵容之上增加价格更高的机型。新设备将配备所谓的OLED XDR触摸显示屏和灵动岛设计，这两项功能都将首次登陆Mac，同时也将把产品起售价推至新高。

据一位知情人士透露，苹果已讨论将搭载M5 Pro芯片的新款14英寸MacBook Pro定价为2899美元，比今年3月推出、随后于6月涨价的现款M5 Pro机型高出400美元。

现有不带触屏的16英寸MacBook Pro起售价为2999美元，这意味着新版本至少将定价3399美元。理论上，较大尺寸机型的价格溢价可能比小尺寸机型更高。苹果计划在新机型上市的同时继续销售非触屏版本。

如果定价为2899美元，这款14英寸机型将创下新款MacBook Pro的最高起售价纪录，超过苹果2006年推出的17英寸机型2799美元的起售价。这一定价也将使苹果跻身触摸屏笔记本电脑价格最高的厂商之列，与戴尔旗下同样配备OLED显示屏的高端产品处于同一价位区间。

在洛杉矶举行的发布会上，苹果将直接面向内容创作者、网红和媒体编辑专业人士新笔记本。苹果认为，这些群体构成了新款MacBook Pro目标受众的主体。

截至发稿，苹果发言人不予置评。

3. 纳境科技完成A+轮融资，专注超表面光学器件研发制造

近日，纳境科技顺利完成数千万元A+轮融资，本轮由浙大系核心投资平台浙大友创领投，老股东方广资本、杭州高新金投持续追加投资。

纳境科技是一家专注于超表面光学器件设计、制造的硬科技企业，核心研发团队来自浙江大学、麻省理工学院等知名院校，在超透镜自主设计、微纳晶圆加工、全自动光学检测方面拥有全链条自研能力。

公司基于超表面光学与半导体工艺结合制作新一代轻薄、高效光学芯片，产品更紧凑、更高效、成本低、交付快，交付周期可压缩至4周，广泛应用于XR、自动驾驶、安防监控、智能手机、机器人等领域。此前纳境科技曾完成数千万元Pre-A轮融资，由中国互联网投资基金及浙江新干世业投资领投，百大集团跟投。

4.PC已死？黄仁勋：AI性能十年提升100万倍 新布局在个人智能体、AI工厂与人形机器人

英伟达首席执行官黄仁勋在GTC柏林大会发表演讲，勾勒AI产业从大语言模型走向自主智能体（AI Agent）、AI工厂与实体机器人的发展蓝图。他指出，过去十年AI性能提升约100万倍，远超同期摩尔定律带来的约100倍增长，关键在于硬件、软件、算法与系统架构的整合式设计。从可在桌面运行个人AI智能体的计算设备，到可将数据中心部署时间缩短至14天的整合式AI工厂，以及人形机器人参考平台，英伟达正试图将AI从数字工具推进为能执行任务、理解企业知识并与实体世界互动的完整计算系统。

黄仁勋在演讲中以一台轻薄的RTX Spark计算设备作为开场，指出这类设备具备最高128GB统一内存，并以此对比2016年英伟达将DGX-1送往OpenAI旧金山办公室的情景。当年DGX-1同样具备128GB内存，却是一台需要两人搬运的大型设备；如今相近容量的计算设备已能由一人单手举起。黄仁勋借此说明，过去十年间AI性能提升约100万倍，而摩尔定律同期带来的提升约为100倍，两者之间的差距来自整个计算系统的协同优化，而不只是单一芯片的进步。

英伟达将这种方法称为“极致协同设计”，涵盖芯片、系统架构、软件、算法及数据中心等不同层级。随着AI模型逐渐具备推理、规划及使用工具的能力，产业对计算资源的需求也从单纯训练大型模型，扩展至长时间运行AI智能体、访问企业数据、调用软件工具，以及在模拟环境中训练机器人。

黄仁勋认为，传统个人电脑主要按照用户输入的指令执行工作，未来的电脑则有机会成为用户的个人AI智能体与工作助手。用户不必亲自操作每一套软件，而是将任务交给AI智能体，由智能体自行规划步骤、选择工具并完成工作。英伟达因此将RTX Spark定位为可在桌面端运行个人AI智能体的计算平台。

依照演讲中的产品规格，RTX Spark的FP4 AI计算性能最高可达每秒1 Petaflops，统一内存容量最高128GB，并整合Blackwell RTX GPU与Grace CPU。黄仁勋在演讲中将相关超级芯片称为N1X。这类设备希望将高性能AI计算能力带到个人工作环境，让用户可以在本地运行模型，也能视需求将较大型的工作负载交由云端处理。演讲内容指出，相关设备已于10月16日开始销售。

英伟达表示，打造这类个人AI计算设备涉及大量软件与硬件整合，公司与微软已秘密合作四年，累计投入数千个工程师年。RTX Spark支持OpenGL、DirectX及CUDA等技术，目标是让既有软件与开发工具能在新一代AI计算环境中持续运作。台式机、笔记本电脑与工作站等PC产业产品，也正朝整合AI计算能力的方向发展。

不过，AI智能体并非只要具备一个大模型就能独立工作。黄仁勋将完整AI智能体系统归纳为五大要素，包括模型、Harness、沙箱、知识与工具。模型负责感知、推理、规划及工具使用；Harness负责编排任务、调度活跃内存、工作内存与长期内存；沙箱用来隔离智能体执行环境；知识让智能体理解企业数据与私人文件；工具则让智能体能够使用人类既有的软件系统。

这套架构也意味着AI智能体的计算需求不再只集中于模型本身。智能体进行更复杂的推理、反复修正计划及调用工具时，会消耗更多token，进而增加GPU计算需求。英伟达提出以Vera Rubin平台支持不同工作层级的设计：Vera Rubin NVL72负责模型计算，Vera MGX计算节点执行Harness，Vera CMX存储节点提供知识数据，Vera RTX计算节点则负责执行CUDA-X函数库等工具工作。英伟达希望借此将模型、记忆、企业数据与工具整合为完整的AI智能体基础设施。

Vera Rubin的硬件设计也着重于简化组装与提高部署效率。黄仁勋在台上展示一个计算托盘，表示其设计不需要传统线缆，并采用全液冷架构。依照演讲说法，上一代Grace Blackwell系统组装一台约需两小时，Vera Rubin系统则可将组装时间缩短至不到五分钟。这项改变除了减少安装与维护复杂度，也有助于大型AI数据中心更快完成部署。

AI智能体能够自行操作文件、连接网络及调用工具，但自主性提高也带来安全风险。黄仁勋指出，若仅依赖提示词要求AI智能体不要执行危险操作，并不足以构成可靠的安全防护。英伟达因此推出OpenShell参考架构，将权限规则放在AI智能体本身之外，并让每个智能体在独立沙箱中运行。

通过这套架构，管理者可限制智能体能读写哪些文件、连接哪些网络，以及执行哪些系统调用。敏感密钥也不直接交由智能体掌握，而是由外部政策与系统控制访问权限。英伟达并提出由BlueField-4数据处理卡支持的Sentry机制，在主机系统之外监控智能体行为，一旦发现越权操作，就能在毫秒级时间内隔离相关工作负载。

英伟达认为，安全机制将是AI智能体能否进入企业核心工作流程的关键。当智能体开始处理商业文件、访问内部数据库、操作业务软件，甚至代表用户执行交易时，企业必须能够明确定义其权限、追踪行为并在必要时中止操作。OpenShell试图将这些管理机制纳入AI智能体的基础架构，而不是只依赖模型本身遵守指令。

在更大规模的部署层面，黄仁勋将AI数据中心称为“AI工厂”，并以制造业作为比喻。他指出，传统工厂将原料转化为产品，AI工厂则将电力、计算资源与数据转化为智能。企业若想成为AI经济的一部分，不应只消费AI服务，也必须具备生产AI服务与智能成果的能力。

依照演讲中的估算，一座1吉瓦规模的AI工厂，若将土地、电力、厂房、计算设备、网络、存储与散热等成本纳入，整体投资约需500亿美元。若工厂一年可创造400亿美元收入，延后投产三个月就可能错失约100亿美元收入。这项估算凸显大型AI基础设施的建设速度，可能直接影响企业能否及时取得计算产能并将其转化为商业收入。

为缩短AI工厂的建设时间，英伟达推出NVIDIA DSX POD。每个POD由七个液冷计算机架组成，机架之间通过总长约17公里的Spectrum-X网络线连接。整套设备会先在工厂内完成整合、布线及测试，再装入可运输的集装箱，运往数据中心。当现场的水电设施准备完成后，设备即可进行部署，并通过干冷器散热及800V直流电系统供电。

英伟达表示，传统大型AI系统从运送、组装到测试，部署时间可能长达约六个月；DSX POD则将整合、启动、验证及老化测试等流程提前移至工厂完成，使现场部署时间最短可缩至14天。这项设计延续了英伟达将整机架系统移入工厂组装的方向，并进一步将原本需要在数据中心进行的多项工程流程纳入标准化供应链。

能源与用水效率也是AI工厂设计的重要部分。英伟达指出，在产出相同token数量的条件下，DSX MaxLPS最多可降低30%的用电量。通过闭环液冷与干冷器设计，系统也能减少散热过程中的水分蒸发。依照演讲中的估算，若以2吉瓦规模计算，每天可节省约5400万升水，相当于约18万户家庭一天的用水量。对于需要大量电力与散热资源的AI数据中心而言，如何提高能源效率、降低用水需求，将直接影响建设成本与运营可持续性。

除了企业AI工厂与个人AI智能体，黄仁勋也将物理AI与机器人列为下一阶段的重要发展方向。演讲中的示范主角是MicroDuck机器人，该机器人由Hugging Face与Pollen Robotics相关团队参与开发。示范展示开发者如何利用AI智能体建立模拟环境、训练机器人行走，再将训练结果部署到真实机器上。

整个流程从RTX Spark开始。开发者先以文字描述训练场景与机器人需要学习的技能，再由Hermes与Nemotron模型协助规划场景及列出所需物件。接着，系统通过OpenAI相关工具流程调用Astra，使用FreeCAD建立3D物件、利用Blender加入材质，再通过Omniverse SimReady函数库补上物理属性，最后在Isaac Sim中建立模拟环境。

接下来，AI智能体为MicroDuck配置关节、执行器与连杆，并通过Newton物理引擎模拟机器人的运动。训练阶段则转移到云端，在Isaac Lab中让数千个虚拟MicroDuck并行训练。虚拟机器人可反复尝试、跌倒并调整动作策略，直到学会指定技能。训练完成后，策略会下载回RTX Spark，经过评估再部署至实体机器人。演讲中，四只实体MicroDuck登台展示行走、坐下、站立与翻身等动作。

这项示范呈现出英伟达所主张的物理AI工作流程：一套系统负责开发及训练AI模型，另一套系统在Omniverse等数字孪生环境中让AI学习技能，最后再将成果部署至机器人本体。通过模拟环境反复测试，开发者可减少直接在真实世界进行试错的成本与风险，也有机会缩短机器人从设计到实际应用的时间。

在人形机器人方面，英伟达与Agile Robots共同推出Agile ONE SN参考人形机器人平台，目标是降低开发者打造机器人时必须自行整合软件、计算系统、传感器与机械结构的门槛。依照演讲公布的规格，Agile ONE SN身高1.4米、体重40公斤，具备31个自由度，预先配置Isaac GR00T，并由Jetson Thor平台驱动，预计2027年初上市。

黄仁勋认为，人形机器人有机会成为下一个大型产业，但若每一种任务都需要重新设计一套机器人系统，市场将难以形成规模经济。手机、个人电脑及大型NVLink系统的发展，都显示标准化平台有助于扩大出货量，再通过规模带动技术进步。人形机器人未必适用所有工作场景，但由于外形与人类生活及工作环境兼容，有机会涵盖工厂、仓库乃至家庭中的多种任务。

Agile ONE SN结合英伟达开放的数据集、Isaac模拟平台与GR00T模型，试图成为机器人开发者可直接使用的参考平台。英伟达希望通过标准化硬件及软件工具，让开发者将更多时间投入任务设计与AI训练，而不是从零开始整合整套机器人系统。

在模型策略上，英伟达也持续扩大开放模型布局，涵盖不同产业与应用领域。语言模型系列为Nemotron，世界基础模型系列为Cosmos，人形机器人模型为GR00T，自动驾驶模型为Alpamayo，量子计算模型为Ising，气候与物理模拟则包括Earth-2。

黄仁勋指出，这些开放模型不一定在所有任务中都位居最前沿，但英伟达希望通过开放模型权重、训练数据与复现脚本，让企业可以使用自有数据进行后训练与调整，使模型更符合特定业务需求。企业可依照自身的知识、流程与保密要求，建立更贴近内部工作方式的AI系统。

为进一步让AI智能体理解企业数据，英伟达推出Agent Knowledge Foundation，协助智能体处理各类企业知识来源，包括格式不一的文件与结构化数据库。相关工具可通过Nemotron进行数据解析、嵌入与重排序，新的Kumo模型则可直接从数据中进行预测。英伟达认为，企业AI智能体的价值不只取决于模型能力，也取决于它能否在权限允许的范围内，获取并正确运用企业内部知识。

黄仁勋在演讲尾声表示，欧洲企业也将逐步成为AI企业。这项主张反映英伟达希望扩大AI基础设施与软件平台的应用范围，让AI不再只是少数科技公司的产品，而是进一步进入制造、物流、企业服务、机器人与其他产业。

整场演讲涵盖个人AI计算设备、AI智能体安全、整合式AI工厂、开放模型、企业知识管理与物理AI等多个领域，显示英伟达正将竞争重心从单一GPU延伸至整套AI计算系统。随着AI智能体需要更多推理与工具操作、AI工厂需要更高密度的计算与电力供应，机器人也开始通过模拟训练连接数字模型与实体世界，硬件、软件、数据中心与开发工具之间的整合能力，将成为AI产业下一阶段的重要竞争关键。（钜亨网）