国家和亿万富翁的太空雄心都需要更好的能源来源,而由两位斯坦福博士创立的新兴初创公司可能拥有解决方案。
Arinna由首席执行官Koosha Nazif和首席技术官Alex Shearer创立,该公司周三宣布已完成400万美元种子轮融资,用于开发由他们博士研究期间开发的全新材料制成的超薄太阳能电池板。
本轮融资由SpaceCadet Ventures领投,Anorak Capital和Breakthrough Energy Foundation参投;公司拒绝透露估值。
Arinna的名字来源于赫梯太阳神,发音类似"arena",预计将在今年年底前将其首批产品送入轨道进行测试。在太空中验证其光伏技术后,该公司希望在2028年建设一个能够以兆瓦级规模大规模生产的设施。
Shearer表示:"我们正在构建验证面板,将其发送给首批客户,以证明这些二维光伏技术具有在太空中生存所需的效率和耐久性。我们将在明年以更大规模证明这一点,同时完善制造光伏电池每个层面的工艺,以实现卷对卷生产。"
Arinna专门为航天器制造太阳能电池。在SpaceX出现之前的时代,大多数卫星都是定制的,航天器使用由稀土元素制成的昂贵但坚固的太阳能电池板。随着大规模制造卫星的出现,更便宜的硅电池板正在被使用,但由于宇宙辐射,它们降解得更快。
相比之下,Arinna的技术基于一种新材料——过渡金属二硫化物(TMDs),这是一种原子级薄的半导体,近几十年来才得以开发。Arinna的超薄太阳能技术可以制造出极其灵活的电池,该公司声称比传统太空太阳能电池板更便宜、更耐用。
Breakthrough Energy的材料科学家兼高级总监Ben Gaddy告诉TechCrunch:"多年来,太阳能发展大多是在已知和现有技术上挤出微小的百分比改进。这是完全不同类别的材料。"
Nazif和Shearer在斯坦福大学攻读博士研究期间相遇。Nazif的研究方向是可以用于创造与传统半导体一样强大的光伏电池的材料,而Shearer则开发了大规模生产这些电池的技术。Shearer开玩笑说:"Koosha更像是建筑师,而我是施工者。"
该公司预计其光伏技术将比传统电池板灵活得多,效率提高32%。Shearer表示,Arinna的技术还不需要保护性覆盖层,在轨道上可持续15年,并可在几周内交付。
只要该公司能在今年的轨道测试活动中顺利通过而没有意外,并能实现其大规模制造计划,这些都将是对当前技术的重大升级。
领投本轮融资的SpaceCadet Ventures普通合伙人Wiz Khuzai告诉TechCrunch:"我从我们投资的所有太空公司中看到的是,电力是一个障碍,一个瓶颈。Arinna将成为太空中下一代电力需求的解锁器。"
Q&A
Q1:Arinna公司的太阳能技术有什么特别之处?
A:Arinna使用过渡金属二硫化物(TMDs)这种全新的原子级薄半导体材料制造超薄太阳能电池板。与传统太空太阳能电池板相比,这种技术制造的电池更灵活、效率提高32%、更便宜、更耐用,不需要保护性覆盖层,在轨道上可持续15年。
Q2:Arinna计划如何验证其太阳能技术的可靠性?
A:Arinna预计在今年年底前将首批产品送入轨道进行测试,通过实际的太空环境验证其光伏技术的效率和耐久性。验证成功后,公司计划在2028年建设能够以兆瓦级规模大规模生产的设施。
Q3:为什么太空需要新的太阳能技术?
A:传统太空用太阳能电池板要么使用昂贵的稀土元素制成但成本高,要么使用便宜的硅电池板但在宇宙辐射下降解较快。随着卫星大规模制造的趋势,需要既便宜又耐用的新型太阳能技术来满足不断增长的太空电力需求。
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。