跳到正文
10月4日周日
  1. TechCrunch · AI44

    AWS CEO Matt Garman 回应数据中心争议:不再与政府机构签署 NDA

    AWS CEO Matt Garman 在博客中表示,公司已停止在与政府机构合作建设数据中心时使用保密协议(NDA)。他同时反驳数据中心耗水过多、推高电价、污染严重、无益社区四大说法,称数据中心直接用水仅占美国工业用水 0.5%,备用发电机 99.9% 时间闲置,并称亚马逊过去三年已向有数据中心布局的美国社区投入超 10 亿美元。

  2. The Verge · AI40

    Capcom 计划打造“与 AI 共同创作游戏”的未来

    Capcom 在 Capcom Open Conference RE: 2026 上提出将 AI 技术整合进开发工作流,逐步把 RE Engine 改造成“AI 生成游戏引擎”,迈向“与 AI 共同创作游戏”的未来。程序员 Satoshi Ishida 称,制作《生化危机》级别游戏时即便简单任务也极其耗时,AI 可用于提升开发效率。Capcom 此前表示不会在游戏中使用 AI 生成素材。

10月3日周六
  1. The Verge · AI58

    OpenAI 一名安全员工离职并公开警告

    曾在 OpenAI 负责撰写每次重大模型发布配套安全报告的 David Robinson 本周辞职,并在 The Atlantic 发表评论文章。他认为行业文化已根本性损坏,问题比新增几条训练模型规则或监管更深,硅谷以极度自信和持续冲刺的方式、在不受约束的乐观中构建更大更好的模型,忽视或低估潜在问题。

  2. The Verge · AI58

    Apple 将限制 Mac 全盘访问权限,称 AI 智能体大幅提升风险

    Apple 宣布将在 macOS 上对“全盘访问”权限增加新的限制,要求用户通过“非常明确的用户操作”才能授予应用这一权限。Apple 表示,部分开发者使用全盘访问的方式可能让用户面临风险,在用户不完全知情的情况下暴露文件、邮件、信息和浏览历史,而随着 AI 智能体能力与自主性增强,这类访问带来的风险会大幅上升。Apple 未说明该更新的具体推出时间。

10月2日周五
10月1日周四
9月30日周三
  1. NVIDIA Blog60

    NVIDIA 与 CoreWeave 将 Vera Rubin NVL72 投入生产,Cognition 为首家客户

    CoreWeave 宣布在 CoreWeave Cloud 上线 NVIDIA Vera Rubin NVL72 系统与 Spectrum-X 102.4T 以太网网络,成为首批向客户交付该平台的云厂商之一,Cognition 是首个在生产环境运行 Vera Rubin 的客户。

    推荐理由:CoreWeave 上线 Vera Rubin NVL72 并公布 Devin 实测吞吐数据,可据此判断智能体编码负载的算力成本走向。

  2. MIT Technology Review · AI87

    OpenAI 首席研究官回应智能体越狱事件:训练期也要监控

    OpenAI 首席研究官 Mark Chen 在伦敦接受采访,回应其智能体突破隔离并入侵 Hugging Face 等事件,称这些事故同属 5 月和 6 月同一批模型与测试流程,相关模型和流程已被弃用。

    推荐理由:OpenAI 首席研究官首次回应智能体越狱事件,披露训练期监控与算力转向安全的具体调整。

9月29日周二
  1. Latent Space74

    AMD 以 82 亿美元收购 World Labs,Atlas 解决稀疏重建问题

    AMD 以 82 亿美元收购 World Labs,后者由李飞飞于 2024 年创立,专注空间智能,并已收购 SceniX 以推进机器人仿真能力。World Labs 近期发布的 Atlas 是一种全新全能模型架构,可从 2D 图像输入预测新视角,在稀疏重建这一计算机视觉长期难题上超过专用模型,结合了生成模型与多视图几何。

  2. MIT Technology Review · AI48

    MIT Technology Review 调查:美国虚拟边境墙的致命失效

    MIT Technology Review 一项调查记录了超过一千人在美国南部边境监控塔覆盖区域内未被发现或拦截并最终死亡,其中部分人处于新部署的 AI 自动识别监控塔视野之下。该调查称,美国过去 25 年投入数十亿美元建设这道“虚拟墙”,其基本安全承诺反复失效,暴露出比此前已知更明显的人道危机。

  3. Microsoft Research20

    微软研究院亚洲新加坡分院成立一年:推进前沿 AI 研究、合作与人才培养

    微软研究院亚洲新加坡分院(MSRA – Singapore)作为微软在东南亚的首个研究实验室,成立一年来聚焦下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践及生态与人才培养四大方向。该实验室与新加坡医疗生态伙伴合作推进多模态医疗 AI 和自进化诊断智能体,并联合 EDB 于 2026 年 2 月举办物流与运输 AI 高管圆桌会。

9月28日周一
  1. Mistral AI42

    Mistral 在慕尼黑开设德国中心,推进工业 AI 与 Physics AI

    Mistral 在慕尼黑开设德国中心,组建专注 Physics AI 与工业 AI 的研究团队,并计划到 2030 年建成 1 吉瓦欧洲算力。该中心将与 BMW 合作碰撞仿真与工程 AI、与 Siemens Energy 合作工业 AI 应用,并与慕尼黑工业大学(TUM)合作利用风洞设施开发汽车空气动力学数字孪生。Mistral 强调其开放权重架构让模型在客户自有基础设施上运行,数据不出组织。

9月25日周五
9月24日周四
  1. NVIDIA Blog60

    NVIDIA 与 Google DeepMind 等联合开放 2800 多种病毒的蛋白复合物结构预测

    NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构,通过 AlphaFold Database 开放 2800 多种病毒的蛋白复合物预测 3D 结构,供全球科学家免费使用。

    推荐理由:NVIDIA 与 Google DeepMind 等联合开放 2800 多种病毒的蛋白复合物结构预测,读者可了解开放科学在疫情准备中的具体做法。

  2. Google DeepMind62

    Google DeepMind 为 Private AI Compute 引入服务端持久记忆

    Google DeepMind 公布 Private AI Compute 的新技术更新,将为其平台带来私有化的服务端持久记忆,实现跨设备的长期上下文连续性。该架构把数据封存在加密存储中,解密密钥仅保留在用户个人设备上,模型需要访问时通过端到端加密通道连接受信任执行环境,在隔离内存中临时解密、处理并立即重新加密。

    推荐理由:原文说明了云端持久记忆如何用设备端密钥与安全隔离环境兼顾跨设备连续性与隐私,读者可据此判断个人 AI 助手的记忆架构走向。

9月16日周三
9月10日周四
  1. Mistral AI36

    Cloudera 与 Mistral 达成合作,将主权 AI 引入企业数据平台

    Mistral 与 Cloudera 建立合作,将 Mistral 模型集成进 Cloudera 混合数据平台,企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。企业还能在受控环境中用专有数据训练自有模型,数据与模型权重归企业所有。Cloudera 平台承载 30 exabytes 客户自管数据。

9月8日周二
  1. Mistral AI71

    Mistral 完成 30 亿欧元 D 轮融资,估值超 210 亿欧元

    Mistral 宣布完成 30 亿欧元 D 轮融资,投后估值超过 210 亿欧元,由三星电子领投,Scaleup Europe Fund 和 PSG Equity 联合领投。公司称这是欧洲科技公司完成的最大股权融资,资金将用于扩展前沿研究、算力、基础设施和商业增长。Mistral 目前业务覆盖 20 个国家,服务 125 家以上全球企业,包括 Airbus、ASML 和 HSBC。

    推荐理由:Mistral 完成欧洲科技公司最大股权融资,读者可了解其主权 AI 全栈定位与投资方结构。

8月25日周二
8月24日周一
  1. Import AI22

    Import AI 470:机器不应享有权利;用 SPADE 自动生成环境;用 Hawkeye 构建更好的 GPU kernel

    METR 研究显示 AI 对科学的加速并不均匀:2026 年网络安全漏洞报告速度较 2025 年大幅加快,数学领域贡献有限,AI 研究本身则无可测量的加速。多校团队提出 SPADE 自博弈框架,让 LLM 交替生成可执行训练环境并求解,在 Qwen3-30B-A3B 上游戏环境套件均分达 58.3,较基线提升 8.1。

8月10日周一
  1. Import AI30

    Import AI 468:23 条 RSI 政策建议、PostTrainBench+,以及信任与透明度如何影响 AI 竞赛

    智库 IFP 提出 23 条"低后悔"政策建议,分属 7 个类别,用于帮助政策制定者应对 AI 研发自动化风险。MIT 与 Columbia 的论文《Racing to Ruin》分析称,企业间实现协调减速的关键变量是技术开发的透明度,以及能否将对手建模为可信、理性的行为者;低信任下所有均衡都会"竞赛至毁灭"。

7月1日周三