SK hynix Ventures 如何从挖掘有前景的技术到创造新商业机会
SK hynix Ventures 举办发布活动,其员工与全球合作伙伴探讨技术及合作机会。该部门致力于识别有前景的技术并创造新的商业机会,为未来发展寻找路径。
SK hynix Ventures 举办发布活动,其员工与全球合作伙伴探讨技术及合作机会。该部门致力于识别有前景的技术并创造新的商业机会,为未来发展寻找路径。
SK hynix Ventures 介绍了其发掘有前景技术并创造新商业机会的路径。9 月,该公司在硅谷举办了 SK hynix Ventures Day 活动。
SK hynix 通过十年风险投资,将企业风投模式从“tech sensing”演进为“path finding”,把内部研发、量产与客户资源转化为初创公司可利用的资产。
GPT-6 Astra Ultrafast 已在 OpenAI API 开放,并向符合条件的 ChatGPT Work 和 Codex 用户提供,运行在 NVIDIA Blackwell GPU 上,token 生成速度最高达 Astra Standard 模式的 8 倍。
推荐理由:原文给出了 8x 提速的量化依据和适用场景,开发者可以据此评估是否将编码智能体工作流切换到 Ultrafast 模式。
Chatham Financial 使用 Codex 和 GPT-5.6 构建技术并重新设计工作流程,将交易验证时间从 30 分钟缩短到 4 分钟以内,以此扩展其资本市场专业能力。
AI 工作负载转向推理与智能体 AI 后,系统瓶颈正从算力转向数据移动。文章指出处理器中心架构下,从 DRAM 取一次数据的能耗可达一次简单算术运算的 150 至 2,000 倍,大型机器学习模型超过 90% 的系统能耗可能消耗在内存访问与数据移动上。文章引出 SK hynix 打造下一代 AI 内存生态的愿景,主张 GPU/NPU/TPU、内存、存储与网络作为整体系统协同设计。
AWS Professional Services 构建了一套四智能体模式,基于 Strands Agents SDK 并运行在 Amazon Bedrock AgentCore 上,通过 AgentCore Gateway 以 MCP 工具连接迁移输入与输出系统。
Amazon Quick 推出 Live Data in Apps,让 AI 构建的 Quick 应用在用户每次打开时实时查询受治理的 Quick Sight 数据集,取代发布时冻结的静态快照。
社交俱乐部 The Den 使用 ChatGPT Work 后每周节省 10-15 小时。在开设新址期间,其补助金申请材料从 3 天缩短至 2 小时完成,酒类执照材料从 4 天缩短至 3 小时完成。
AWS Machine Learning Blog 发布 Claude Platform on AWS(CPonAWS)多环境访问的完整实现指南:在专用 AI Services 账户中部署订阅。
AWS 在 Amazon Bedrock AgentCore 上给出环境智能体的端到端参考实现:事件(如 S3 上传)触发 AgentCore Runtime 上的智能体执行工作流,通过单一 ask_human 工具在需要审批或澄清时暂停等待人工输入,再从中断处恢复。
Amazon Payments 在 Amazon SageMaker AI 上用多目标 contextual 多臂老虎机(LinUCB)对产品获客漏斗做个性化内容选择。
AWS 博客展示了如何将 Amazon S3 Vectors 作为 NVIDIA NeMo Agent Toolkit(NAT,版本 1.6)的自定义记忆后端,并部署在 Amazon EKS 上,以多智能体投资研究为运行示例。
美国连锁超市集团 Albertsons Cos. 正在使用 ChatGPT Enterprise 和 OpenAI API,帮助内部团队提升工作效率,并为数百万顾客简化买菜购物体验。
OpenAI 发文探讨高级 AI 在突破性想法背后的日常工作中的作用,认为执行层面的工作可能塑造下一个经济形态并影响进步速度。文章属于观点性分析,未给出具体模型、数据或产品。
台湾统一集团旗下数位平台 uniopen 通过监督微调(Amazon SageMaker AI)和提示词级输出优化,将 Amazon Nova 2 Lite 适配到其业务专属的零售内容审核策略。
Ai2 发布 Olmo-core 3,重新设计开源 MoE 训练系统,支持扩展到万亿参数规模。它从 FSDP 改为基于 DDP 的方案,47B 参数 MoE 在 8 块 NVIDIA B300 上吞吐达 52。
Condé Nast 与 AWS Generative AI Innovation Center 合作,基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建了多模态视频发现方案,采用 TwelveLabs Marengo 嵌入模型联合编码视觉、音频和转录信号。
NVIDIA AI 工厂的回报取决于三个相互关联的因素:收益能力、使用寿命和需求。据 SemiAnalysis AgentX 数据,NVIDIA Vera Rubin NVL72 比 GB300 NVL72 每兆瓦吞吐量高逾 30x,在 DeepSeek V4 Pro 模型上每百万 token 成本低至 45x。
AMD 正在采样 Versal AI Core 自适应 SoC,该芯片采用增强型航天级封装,面向最严苛的太空任务。页面正文仅为 AMD 商标与品牌资产下载的许可条款说明,未提供芯片参数、性能或上市时间等具体信息。
Google DeepMind 发布前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络防御者开放,定价为每百万输入 token $2、输出 token $10,缓存输入 95% 折扣。
推荐理由:官方博客给出定价、1M 输出 token 上限、基准分数和内部迁移案例,读者可以据此判断它在编程与安全防御上的实际定位。
NVIDIA 研究生奖学金计划开放 2027–2028 学年全球申请,面向 AI、机器学习、自动驾驶、机器人等领域的博士生,每人奖金最高 $60,000。该计划已进入第 26 年,自 2002 年以来已发放超过 220 笔、总额约 $8 million 的资助。申请截止日期为 2026 年 10 月 30 日,获得者须在 2027 年夏季先在 NVIDIA 研究办公室完成线下实习。
Microsoft Research 开发了一套机器学习系统,为美国大陆 66,935 座变电站提供位置级电网空间天气风险预测,可提前 30-60 分钟预警。
AWS 在 Machine Learning Blog 发布教程,演示用 Amazon Bedrock Knowledge Bases 在 Amazon S3 索引保险理赔文档,通过 AgenticRetrieveStream API 实现自然语言提问、多轮对话、元数据过滤和引用返回。
AWS Machine Learning Blog 发布实操教程,用 AgentCore Runtime Instances 构建由作曲、交付、合规三个智能体组成的音乐制作流水线,在 g6.xlarge 上以相同 runtimeSessionId 将三个智能体协同定位到同一 GPU 实例。
推荐理由:AWS 官方教程给出三智能体共享 GPU 实例协作的完整代码和实测数据,方法可迁移到其他长时多智能体工作流。
Google DeepMind 推出 SynthID Bio,将水印技术引入合成生物学,把可检测信号直接嵌入生物代码,可在合成的物理蛋白上验证。
推荐理由:原文给出水印在湿实验中不影响蛋白功能的验证细节,读者可据此了解生物安全防线的实际可行性。
CoreWeave 宣布其云平台正式提供 NVIDIA Vera Rubin NVL72 系统与 Spectrum-X 102.4T 以太网组网,Cognition 成为首家在其上运行生产负载的客户,实测 SWE-2 推理总 token 吞吐较 GB200 NVL72 提升最高 4.8x。
OpenAI 表示已干扰一起试图提取其受保护模型推理能力的协同行动,并将加强针对对抗性蒸馏的防御。
OpenAI 宣布与 America's SBDC 合作,为小企业扩展 AI 实操培训与本地化支持,并同步发布一份关于小团队如何使用 AI 的报告。
Anthropic 的 Claude Opus 5、Claude Sonnet 5 和 Claude Haiku 4.5 现已通过 Amazon Bedrock 在印度区域开放。
Amazon Bedrock 现已通过 bedrock-runtime 端点支持 Claude 模型的区域内推理:首尔区域提供 Claude Opus 5 和 Claude Sonnet 5,新加坡区域提供 Claude Sonnet 5。
AMD 推出面向嵌入式开发全流程的智能体 AI 助手 AMD Ross™,覆盖架构设计、优化、调试、PCB 设计、原理图审查、软件与部署。它通过 MCP 服务器连接 AMD Embedded 工具,并内置 AMD Knowledge Base、专家编写的 agent skills 和可运行设计示例,支持自然语言查询文档、执行命令和自动化工作流。
Hugging Face 推出 Open TTS Leaderboard,用 Qwen3 ASR 的 WER/CER、H200 上的 RTFx 和 TTFA 以及 WavLM 说话人相似度等客观指标评估开源 TTS 模型,把单模型评测时间从约两周缩短到数小时。
推荐理由:原文说明了用客观指标将 TTS 评测从数周缩到数小时的做法,以及主流竞技场对开源模型覆盖不足的结构性原因。
SK hynix 在 AI Infrastructure Insight 系列第三部分指出,电力供应与散热管理已成为 AI 数据中心从设计初期就必须考虑的核心需求。
GPT-6.1 Sol 在 Amazon Bedrock 正式可用,聚焦智能体编码、计算机操作和专业工作负载的更强推理能力。据 OpenAI 称,其 DeepSWE v1.1 成绩与 GPT-6 Astra 相当且每任务成本约为五分之一,超过 GPT-6 Sol 最佳成绩 6.4 个百分点;在透明度、用户意图和显式限制评估中也优于 GPT-6 Sol。
推荐理由:官方公告给出了与 GPT-6 Sol 和 GPT-6 Astra 的具体对比数据,可帮助读者评估其智能体工作场景的性价比。
Google Research 推出 Diffusion Controller 框架,将去噪过程重构为连续控制问题,用轻量“转向阻尼”网络在不动主模型权重的情况下引导图像生成。基于 Stable Diffusion v1.4 的实验中,其完全解锁版本在 Human Preference Score(HPS-v2)评测下对基线达到 90% 胜率,并支持对闭源模型做黑盒/灰盒控制。
AWS 发布 Amazon Quick 提示词工程基础教程,讲解如何通过结构化提示词让平台的 AI 功能更准确地响应自然语言请求。文章介绍核心原则——明确性、提供业务上下文、用示例示范输出格式,并给出适用于各组件的 CRISPE 通用提示词框架(含 Context、Role、Intent、Steps 等要素)。
这篇 AWS 指南逐个讲解 Amazon Quick 各组件的提示词写法。Quick Research 需明确目标、受众与关注领域,可从 Quick Index。
AWS Machine Learning Blog 发布教程,介绍用 Amazon Bedrock AgentCore 上的 Claude Sonnet 4.6 提取与 Claude Haiku 4.5 独立校验,再由 Amazon Textract 仲裁签名分歧,把合同 PDF 转为结构化数据的平台架构。
NVIDIA 发布开源表格基础模型 Kumo Tabular,现已上架 Hugging Face。给定带标签的表格,模型在单次前向传播中直接预测新行标签,无需训练、调参或特征工程,支持分类和回归,基于 Transformer 并采用列、行和 in-context 注意力,完全在人工生成的表格上预训练。
推荐理由:官方介绍了无需训练微调的表格基础模型的架构、预训练配方和四项基准表现,读者可评估它能否替代传统梯度提升树工作流。