据报道,芯片制造商Hailo Technologies Ltd.正准备通过与特殊目的收购公司合并的方式将其股票上市。
据Calcalist今日报道,援引Hailo投资者Delek Automotive的监管文件,该计划旨在缓解这家芯片制造商面临的"急需流动性"的财务压力。Hailo在1月份裁员近10%,并在同一时期贷款900万美元。
这家为联网设备制造人工智能芯片的公司在2024年估值为12亿美元。Delek的监管文件显示,计划中的股票上市将使Hailo的估值降至5亿美元以下。
SPAC是一种专门为带领其他企业上市而创建的投资工具。与这类公司合作比传统上市方式能够更快进入公开市场,同时也免除了初创公司组织路演的需要,路演是一系列旨在吸引机构投资者参与的活动。
Hailo的芯片被用于摄像头、工业机器人和各种其他设备中。它们基于公司描述为结构驱动数据流架构的设计。Hailo表示,该技术能够比竞争处理方法更高效地运行推理工作负载。
神经网络的人工神经元被组织成称为层的集群。第一层执行回答AI提示所涉及的初始计算,并将结果发送到第二层进行进一步处理。第二层完成第二组计算,将输出与第三层共享,依此类推。
每个层都在主机设备处理器的不同部分运行。Hailo的结构驱动数据流架构将层放置在相邻的芯片部分,这减少了数据在它们之间移动时必须经过的距离。减少数据移动既降低了处理延迟,也降低了功耗。
Hailo最先进的芯片之一Hailo-10H在处理INT4数据时每秒可执行40万亿次计算。它使用约2.5瓦特的功率,能够承受高达221华氏度的温度。Hailo还提供几款专门为摄像头优化的芯片,以及可以连接到服务器的PCIe卡。
该公司的芯片配套了一套旨在简化客户AI项目的软件工具。有一个名为HailoRT的运行时,可以将多达16个Hailo设备连接成一个推理集群。此外,Hailo还提供一套经过优化可在其芯片上运行的预训练AI模型。
Calcalist没有具体说明公司将与哪家SPAC合作进行上市,也没有透露希望筹集的资金数额。不过,报告确实表明Hailo计划在未来几个月内在美国证券交易所进行股票上市。
Q&A
Q1:Hailo公司为什么要通过SPAC上市?
A:Hailo面临"急需流动性"的财务压力,已在1月份裁员近10%并贷款900万美元。通过SPAC合并上市比传统上市方式更快进入公开市场,同时免除了组织路演的需要。
Q2:Hailo芯片的核心技术优势是什么?
A:Hailo采用结构驱动数据流架构,将神经网络层放置在相邻的芯片部分,减少数据在层之间移动的距离,从而降低处理延迟和功耗,能够更高效地运行AI推理工作负载。
Q3:Hailo-10H芯片的性能表现如何?
A:Hailo-10H是公司最先进的芯片之一,在处理INT4数据时每秒可执行40万亿次计算,功耗约2.5瓦特,能承受高达221华氏度的温度,主要用于摄像头、工业机器人等设备。
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。