近期,光电混合计算企业曦智科技正式公布了3位公司高管任命:原AMD PCIe IP/SoC负责人胡永强将担任曦智科技全球副总裁,负责公司电子芯片设计研发;前阿里云异构计算首席科学家张伟丰博士被任命为曦智科技软件副总裁;此外,前Arm全球渠道销售副总裁Hal Conklin将出任曦智科技商务拓展总监。此次人事任命将巩固并强化曦智科技软硬件能力,加速推进公司在光电混合计算领域的产品化、商业化进程。
胡永强在半导体领域拥有超过30年电子芯片设计、研发及产品化经验。他于上世纪90年代初加入惠普,负责光通信方向的电子芯片开发,之后分别在ATI 、AMD、Atmel、Western Digital等知名芯片企业领导核心研发团队。服务于AMD的十余年时间里,胡永强主要负责AMD微处理器产品的开发,包括PCIe IP、多媒体芯片、GPU、CPU和APU等产品。加入曦智科技后,他将领导公司全球电子芯片工程团队,以在PCIe和数据互联领域数十年的产品研发经验和深入的行业洞察,帮助加速曦智科技工程开发的产品化落地。
张伟丰博士曾在包括微软、Arm、高通等知名科技公司任职。加入曦智科技之前,张伟丰博士任阿里云异构计算首席科学家,负责阿里云 AI 异构硬件加速、软硬协同设计、AI 编译和大规模异构资源池化加速等技术产品研发工作。同时,他还担任了开放计算基金会( OCP)软硬协同设计工作组(AI Co-design Workgroup)技术主席,及权威AI基准测试组织MLCommons董事会成员。张伟丰博士认为,在AI等大规模应用的驱动下,算力需求急剧增加。光电混合解决方案将有效推动未来高效算力网络的实现,从而引领新一代计算范式。他表示,“ 曦智科技是全球最早布局光电混合计算赛道的企业之一,其准确的公司定位、与当前产业趋势相契合的技术优势和产品路线,已使其成为了这一赛道的领军企业,我很高兴能成为其中一员。”
Hal Conklin曾在Arm任职10年,担任全球渠道销售副总裁,并在多家科技类初创公司任职销售副总裁。凭借丰富的战略营销经验,Hal Conklin曾带领团队实现全新产品品类年销售额从0至千万美金级别的跨越式增长。对于加入曦智科技,他表示:“曦智科技是一家开放并专注,勇敢且谦逊,创新而务实的公司。面对摩尔定律的限制,曦智科技选择了一条区别于目前传统芯片计算范式的颠覆式创新赛道,并已取得了重大进展。我相信曦智科技的光电混合技术一定会为算力提成和全球半导体行业的发展带来深远影响。我也希望在下一次全球算力升级过程中,用自己的经验和专业力推动新技术进入市场。”
曦智科技创始人兼首席执行官沈亦晨博士表示:“曦智科技致力于建立光电混合计算新范式。这不仅需要前沿的集成硅光技术,还要结合行业顶尖的电子芯片设计、软件开发、封装技术等。此次三位业界精英的加入,将进一步拓展曦智科技的软硬件开发能力,助推曦智科技的产品化落地。”他进一步表示,“曦智科技已进入高速商业化阶段,正积极布局产品在下一代弹性的、异构的数据中心中的应用。三位深厚的产业背景,将进一步推动公司实现商业化变革,加速曦智科技的市场化进程。”
目前,曦智科技在全球的团队已超过200人,累计融资额超2亿美金。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。