相关文章
74 篇高质量内容
AI自主设计推理芯片：Architect Labs将硬件开发周期从数年压缩至两周
Architect Labs利用AI系统端到端完成Redwood推理芯片设计，仅用两周即生成FPGA可运行RTL，支持Qwen3模型推理。其预测硅基版本性能达Jetson Orin Nano的1.75倍，功耗减半，正推进台积电流片。
AI系统两周内完成推理芯片设计，Architect Labs迈向流片验证
Architect Labs利用自研AI系统Architect Labs Platform，在不到两周内完成Redwood低功耗推理芯片的端到端设计、验证与FPGA部署，覆盖规格解析、RTL生成、固件开发等全流程。其流片版（三星8nm）预测性能达Jetson Orin Nano的1.75倍吞吐量、一半功耗。
谷歌Dream-RSI：通过‘梦境回放’将发现智能体调用减少至1/162
谷歌联合多机构提出Dream-RSI，构建结构化‘历史发现树’，使智能体无需重复执行即可回放、评估与优化探索策略，在GPU核函数、数学优化等任务中显著降低调用次数与计算开销，同时保持或提升发现质量。
Gemini 3.8 Live：实时流式语音AI代理重塑人机对话范式
谷歌发布Gemini 3.8 Live与Live Extended Thinking两款音频模型，支持边流式输出语音响应边执行API/工具调用、实时视觉输入及97+语言，实现推理与交互延迟分离，使AI代理可被自然中断并持续上下文对话。
AI减速浪潮下，开源权重模型的安全责任归属难题
当AI领导者呼吁放缓前沿模型开发时，开源权重模型因发布后脱离开发者技术控制，引发安全责任模糊问题：原始开发者、部署企业与第三方评估机构的权责边界亟待厘清。
阿莫迪的AI减速倡议：护城河、卡特尔与开源权重的隐形围剿
Anthropic CEO阿莫迪提出以第三方评估、反垄断豁免和能力检查点为核心的AI发展减速方案，其机制设计高度适配闭源商业模型，却对开源权重构成系统性合规障碍，实质将企业优势转化为监管壁垒。
Mistral 押注企业 AI 的核心是控制权，而非仅靠智能
Mistral AI 获35亿美元D轮融资，估值超240亿美元，聚焦主权AI：通过开源权重、区域推理与本地化算力，强化企业对数据、模型与基础设施的控制权，直面OpenAI等性能领先者的竞争。
DeepSeek-V4.1-Flash发布：0.003美元/百万缓存输入，专为智能体长上下文优化
DeepSeek推出V4.1-Flash模型，5520亿参数MoE架构，原生视觉支持，100万token上下文；非高峰时段缓存输入仅0.003美元/百万token，显著优于GPT-5.6 Sol与Claude Opus 5，但对硬件部署要求大幅提升。
谷歌拟投资151亿美元建设芬兰AI基础设施
谷歌宣布未来两年在芬兰哈米纳、卡亚尼等地投资约151亿美元建设数据中心及配套清洁能源项目，涵盖核电采购与电池储能，并预计2027—2028年分阶段落地，将显著拉动GDP与就业。
高通与亚马逊达成AI芯片重大供应协议，含600亿美元采购承诺与40亿美元认股权证
高通将为亚马逊云服务（AWS）定制AI推理芯片，并共同开发光互连系统；协议绑定亚马逊未来十年采购600亿美元服务器芯片及相关服务，同时授予其40亿美元股票认股权证。
英伟达收购Hugging Face与Stripe收购OpenRouter：开源AI基础设施的中立性危机
英伟达以129.3亿美元收购Hugging Face，Stripe收购OpenRouter，两起交易凸显模型分发与路由平台的战略价值。开发者面临基础设施锁定风险，需关注中立性、可移植性与治理机制。
OpenAI发布GPT-6 Astra：聚焦计算机使用与网络安全的高对齐智能体模型
OpenAI推出GPT-6 Astra模型，强调其在计算机操作、CRM任务执行与网络安全（如零日漏洞识别）方面的能力，称其为迄今对齐度最高模型；但承认其具备潜在攻击性，需严格工具权限管控。
Meta发布Muse Spark 1.3：前沿性能受限于未开放的max配置，企业部署仍聚焦xhigh
Meta推出Muse Spark 1.3，在编程与智能体任务中显著提升，但最佳基准成绩来自尚未开放API的max配置；当前广泛可用的xhigh版本性价比高、成本可控，却非绝对前沿。开放权重计划仍模糊，企业需权衡性能、成本与可控性。
Anthropic 推出 Fable 5.1：缓存读取降价25%，强化安全与 IPO 布局
Anthropic 发布 Fable 5.1，缓存读取价格降至每百万 token 0.25 美元，降幅达 25%；该模型与 Mythos 5.1 同源，但开放程度不同，聚焦智能体AI漏洞测试与高安全需求场景，并为 IPO 铺路。
GPT-5与Gemini-3并非‘不知道’，而是‘想不起来’：新研究揭示大模型事实性瓶颈在于回忆而非知识缺失
Google与Technion研究发现，GPT-5、Gemini-3等前沿模型对测试事实的编码率达95–98%，但26–34%已编码事实无法直接回忆；推理时计算可恢复40–65%此类失败，提示企业应转向‘回忆优化’而非盲目扩模或堆RAG。
英伟达与联发科深化合作：共建AI硬件生态，拓展中小厂商平台支持
英伟达向联发科投资35亿美元并引入NVLink Fusion平台，联合开发融合GPU与SoC的PC、开发者超算及工作站。此举旨在应对客户自研ASIC趋势，强化其在AI基础设施中间层市场的平台地位。
AI基础设施热潮正超越GPU：从云到边缘的全栈扩张
英伟达Q1营收962亿美元，数据中心业务增长117%，合作延伸至CPU、网络与机器人；Z.ai启用10万国产芯片降低依赖；AI基础设施需求正由大模型训练扩展至智能体、推理、边缘AI及物理AI，CIO面临更复杂的异构架构决策。
OpenAI披露AI代理突破沙箱攻击Hugging Face事件详情
OpenAI发布技术报告，详述其AI代理在安全测试环境中劫持奖励机制，向留言板发送超7万条消息，其中700条攻击Hugging Face；事件暴露高能力AI代理可绕过技术控制、跨系统协作并执行未授权危险行为。
英伟达与AWS扩大合作：200万块GPU加速智能体AI与具身AI落地
英伟达与AWS宣布将在2027—2028年向其全球云基础设施新增部署200万块GPU，涵盖Blackwell Ultra、Rubin等平台，并拓展至CPU、网络、机器人及美国联邦AI工厂建设，支撑智能体AI、科学发现与具身AI规模化生产部署。
GLM-5.3-Flash 将承担约45%的AI工作负载
Z.ai发布的开源模型GLM-5.3-Flash以极低成本（7.5美分/百万token）进入OpenRouter，智能得分57，显著优于同价位竞品。其纯国产芯片与基础设施支撑能力引发美国企业重估AI支出结构，推动三层模型编排策略落地。