AMD、Cisco 与 HUMAIN 在沙特的 AMD Instinct AI 基础设施正式上线,并计划扩至 250 MW
AMD、Cisco 与 HUMAIN 宣布基于 AMD Instinct MI355X GPU、EPYC CPU 和 Cisco Silicon One AI 网络的 AI 基础设施在沙特阿拉伯正式上线,向 HUMAIN 客户提供生产级算力。
AMD、Cisco 与 HUMAIN 宣布基于 AMD Instinct MI355X GPU、EPYC CPU 和 Cisco Silicon One AI 网络的 AI 基础设施在沙特阿拉伯正式上线,向 HUMAIN 客户提供生产级算力。
AMD 宣布其 Instinct GPU 和 EPYC CPU 将为欧洲下一代 LUMI-AI 超级计算机提供算力支持。(原文正文仅包含 AMD 商标下载条款内容,未提供该合作的更多技术细节。)
AMD、Cisco 与 HUMAIN 宣布基于 AMD Instinct MI355X GPU、AMD EPYC CPU 和 Cisco Silicon One 网络的 AI 基础设施已在沙特阿拉伯上线,向 HUMAIN 客户提供从模型训练到推理的 GPU 即服务。
AMD 与沙特阿拉伯通信和信息技术部(MCIT)及数字合作组织(DCO)宣布启动一项生态计划,为开发者、初创公司提供开放软件工具、培训和社区项目。双方于 LEAP 2026 举办首场研讨会,介绍 AMD AI Developer Program、AMD ROCm 开放软件生态及 DCO 的 AI 伦理与负责任治理培训课程。后续 DCO 将与 AMD 及成员国探索扩展 AI 能力建设与知识共享。
SK hynix 在 AI Infrastructure Insight 系列文章中指出,AI 性能不能只靠 GPU 等加速器的算力,还需内存带宽、网络、存储与散热协同。
Voice Arena 与 Hugging Face 为 Open ASR Leaderboard 发布 Monsoon 四个评测集,覆盖印度英语与印地语,印地语是该多语言榜单首个非欧洲语言。
推荐理由:原文给出 Monsoon 评测集的划分结构、说话人覆盖与区域分析示例,读者可借此理解聚合 WER 之外的模型差异来源。
Marvell 公布 2027 财年第二季度业绩,净营收 27.39 亿美元创纪录,同比增长 37%,高于 5 月 27 日指引中值 3900 万美元。数据中心收入 21.715 亿美元,同比增长 46%,占营收 79%;GAAP 毛利率 53.1%,非 GAAP 毛利率 58.9%,经营现金流 6.055 亿美元。
推荐理由:财报给出数据中心收入增速加快和上调展望的指引,读者可以据此了解 AI 需求对 Marvell 业务的实际拉动。
Google Earth AI 推出实验性研究能力行星预测引擎(PPE),可从自然语言查询出发自主执行数据发现、清洗、特征工程、模型训练与评估的完整地理空间预测流程,将此前需数周人工数据工程的工作缩短到几分钟。
Google DeepMind 于 8 月 27 日发布 Gemini Omni 1.1 Flash,带来面向开发者的生成视频创意控制套件,可通过 Gemini API 在 Google AI Studio 中使用。
推荐理由:官方发布给出了场景延展、关键帧插值、4K 放大等新能力的具体参数和开放渠道,开发者可据此评估是否接入生成视频工作流。
Google DeepMind 推出据称全球首个针对专有前沿模型的双盲评估,将外部评测限制在密码学安全的隔离环境中,防止模型提前看到测试题造成基准污染。此次与 Singapore AI Safety Institute、OpenMined、AVERI 和 MLCommons 合作,用机密基准测试一个 Gemini Flash Lite 模型,以提升评估的可信度和完整性。
AMD 发布 ROCm 10 软件栈,并宣布 ROCm.AI 正式可用,该 AI 原生开发平台包含 ROCm Hyperloom、AMD Skills 和 ROCm CLI 三大组件。
推荐理由:AMD 官方给出 ROCm.AI 三大组件的能力细节和 3.3x 推理、2.4x 训练的提升数据,开发者可据此评估是否迁移到新工作流。
Google 推出自监督基础模型 GlucoFM,采用双流设计将缓慢血糖基线趋势与短期偏离分开处理。在四个队列、七项临床预测任务共 14 项评估中,其平均 PR-AUC 比最强基线 CGM 基线从 54.7 提升至 58.8,在全部糖尿病风险和 beta 细胞功能障碍评估中领先,并在餐后血糖响应预测上取得最低 MAE。
Google DeepMind 发布 Gemini 3.5 Transcribe,定位为更精准、支持智能交互的实时语音转写模型。模型可将原始音频直接转为格式化文本,自动清除口头语和自我纠正,支持自定义词表、超过 85 种语言、最多三名说话人区分,并可通过 function calling 调用其他 Gemini 模型。
推荐理由:官方公布了模型在噪声环境、自定义词表和多说话人场景的能力细节与 API 入口,读者可据此评估语音转写工作流能否迁移。
SK hynix 于 8 月 25 日在首尔 COEX 举行的 Dell Technologies Forum 2026(DTF)上展示了覆盖完整内存层级的 AI 内存产品组合,延续与战略伙伴 Dell 的合作。
Sentence Transformers v6.0 新增 MultiVectorEncoder 模型类型,这篇教程演示如何训练和微调 ColBERT 风格的多向量检索模型。
推荐理由:作者用实测数据支撑每个训练选择,读者能学到一条可在单卡上复现的多向量模型领域微调方法。
Lam Research 使用 SEMulator3D® 集成应力建模,在制造前预测 GAA 堆叠纳米片沟道间的应力不均匀——nFET 应力差达 400-800 MPa,pFET 则低于 200 MPa。DOE 实验表明沟道厚度、fin 宽度和横向刻蚀共同影响应力均匀性,其中将最顶层沟道厚度从 4 nm 增至 7 nm 可显著降低应力差。
Google 在 CHI 2026 发表研究原型 AgentHands,让 AI 智能体在 Android XR 等沉浸式环境中生成与语音同步的手势,延续 Project Astra 与 Gemini 3.1 Flash Live 的方向。
IBM 发布 Granite 4.2 推理模型家族,含 3B、8B、30B 三个稠密解码器模型,基于 Granite 4.1 基座(从头在约 15T token 上预训练,五阶段策略将上下文扩展至 512K),经 SFT 与多阶段 GRPO 强化学习后训练,全部以 Apache 2.0 许可开源。
推荐理由:官方完整披露从预训练、SFT 到多阶段 GRPO 和智能体 RL 的训练细节,可迁移到类似模型的构建流程。
Hugging Face 提出 Quantization-Aware Healing(QAH),将 GPT-OSS 120B 结构压缩至 60B 参数并量化为 MXFP4 后,直接从压缩前的原始模型蒸馏,而非从恢复后的 bfloat16 检查点蒸馏。
Hybrid Bonding(混合键合)正成为 HBM、NAND、3D 堆叠 DRAM 和 AI 加速器等下一代产品的关键连接技术,它省去 bump、直接以 Cu–Cu 键合,将芯片间距从焊球约 100µm、微凸点约 20µm 缩小到 1µm 以下。
Hugging Face 在 Gradio 中推出 gr.Workflow,把 AI 应用流水线直接做成界面:用类型化节点描述步骤,提供拖拽画布,每个节点可运行、每个中间结果可见。
推荐理由:原文给出 gr.Workflow 的节点类型、REST API 与部署方式,并附多个可打开复制的 Space 示例,便于直接上手搭建 AI 流水线。
AMD 宣布将在 Versal 自适应 SoC 中率先提供原生 UCIe 1.1 接口支持,实现自适应 SoC 与共封装专用 chiplet 之间的低功耗、高带宽通信。
Mistral 与 HUMAIN 宣布战略合作,覆盖 AI 基础设施、先进模型开发与解决方案部署,规模达数亿欧元。双方将本地化先进 AI 模型,初期聚焦网络安全和语音,并计划开发阿拉伯语表现强劲的前沿模型;Mistral 将探索使用 HUMAIN 数据中心基础设施,双方还计划在沙特针对受监管行业制定联合市场策略。
AMD 通过 Learning Labs 项目为学生提供动手学习技术的机会,包括编程、数字媒体、组装 PC 和 3D 打印。2020 年至 2025 年,AMD 向超过 800 所大学、科研机构和非营利组织捐赠技术,惠及约 1.048 亿人,并于 2025 年承诺投入 1.5 亿美元扩展美国 AI 教育。
Google Research 推出 Biomarker Discovery Framework,一个多智能体系统,将候选生物标志物优先排序结构化为人类监督下的迭代研究流程,结合假设生成、统计分析、模型训练与对抗性验证。在三个队列共 9,279 人次观测中,该系统自主识别出 41 个心理健康候选数字生物标志物和 25 个代谢类候选标志物,并构建了睡眠时长变异性等新型复合特征。
Google DeepMind 回顾其以游戏驱动的 AI 研究历程:DQN 玩 Atari 49 款游戏、AlphaGo 2016 年击败李世石、AlphaStar 在 StarCraft II 达到 Grandmaster 水平,相关基础延伸至 AlphaFold 并获 2024 年诺贝尔化学奖认可。
Google Research 推出 Mobility-Embedded POIs(ME-POIs)框架,将聚合匿名化的到访流动模式融入语言模型的地点表示,捕捉 POI 的时间活动节奏。
Hugging Face 撰文介绍如何用 Inference Endpoints、Jobs 和 Storage Buckets 为 Papers with Code 构建混合搜索引擎。
Hugging Face 发布研究,用一致性分歧探针、数字静默检索和拼写切换三类测试,评估 11 个开源 ASR 模型的基准优化(benchmaxxing)行为。
推荐理由:原文用三类探针量化语音识别中的基准优化现象,并给出模型名单、比例数据与可复用的检测脚本,读来能帮助避开仅看 WER 的选型误区。
LiquidAI 为 LFM2.5 系列的 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点,通过投机解码在不改变输出质量的前提下加速推理,H100 上吞吐最高提升 3.18x,端侧最高 2.87x。
推荐理由:官方给出 DSpark 投机解码草稿模型的实测加速数据和 llama.cpp、SGLang 用法,端侧部署者可对照判断收益。
Microsoft Research 发布 Skala 1.1,其训练数据是上一版本的 2.5 倍,在 GMTKN55 基准的 55 个类别中 32 个排名第一,加权平均误差为 2.8 kcal/mol,且计算成本相当于 meta-GGA 泛函。Skala 现已登陆 CP2K,并正在集成至 Psi4、FHI-aims、ORCA 和 VASP,同时推出跟踪各版本计算性能的动态基准。
Mistral 发布 Agentic Search,一个让模型在复杂文档中搜索、导航、读取并验证信息的多步检索层,通过 Mistral Search Toolkit 及 Studio 和 Vibe 中的 Libraries 提供。
推荐理由:官方给出了在 FinanceBench 和 OfficeQA Pro 上的具体提升数字与工具设计,读者可据此评估其对企业文档检索工作流的适用性。
SK hynix 联合 UVA、UIUC、NTU、MIT、延世大学研究者在《Nature Electronics》发表 co-packaged optics(CPO)技术路线图,通讯作者为 SK hynix AI Infra Team Lead Seunghoon Hong 和 UVA 教授 Kyusang Lee。
AMD 于 2026 年 8 月 19 日宣布任命 Tim Ryan 为董事会成员,同日生效。Ryan 现任 Citi 技术与业务赋能主管,此前在 PwC 任职三十余年,2016 至 2024 年担任美国主席兼高级合伙人。
AMD 宣布任命 Tim Ryan 为公司董事会成员。需说明的是,所提供的页面正文实为 AMD 商标与品牌素材的使用条款,仅涉及下载 AMD 商标时的许可条件、Cookie 提示及联系邮箱 [email protected],未包含 Tim Ryan 的背景或任命细节。
墨西哥科学、人文、技术与创新部(Secihti)与 AMD 签署谅解备忘录,旨在建立覆盖人工智能、高性能计算和半导体等领域的国家创新生态。双方将协调学术活动、研讨会和培训项目,培养专业人才。合作还将支持 Coatlicue 超级计算机和国家级高性能计算与 AI 集群等项目,助力墨西哥科研基础设施建设与技术主权。
IBM Research 团队基于 ALTK-Evolve 在 AppWorld 的 585 个多步任务上测试八种模型后发现,智能体记忆该给多少取决于模型能力。
AMD 宣布截至 2026 年中期 AI 能效提升估计达 4x,超过该阶段 3x 的预期目标,正朝 2030 年机架级 AI 训练与推理能效提升 20x(20x30)的目标推进。
AMD 发布 2025-26 企业责任报告,回顾 2020-2025 目标进展并展望 2030。2020 至 2025 年,可再生能源用电占比从 22% 升至 58%,运营温室气体排放减少 30%,AI 训练和高性能计算节点能效提升 38x,Green500 榜单上的 AMD 系统从 11 台增至 194 台;新目标为 2024-2030 年将机架级 AI 能效提升 20x。
Hugging Face 官方博客宣布 Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder,支持 ColBERT 式 late interaction 检索,任何 PyLate 和 Stanford-NLP ColBERT checkpoint 可直接加载,colpali-engine 模型也可用于视觉文档检索。
推荐理由:官方教程覆盖加载、评分、索引与压缩的完整链路,读者可以据此判断多向量检索是否值得引入自己的搜索栈。