NVIDIA 通过开放学习资源、合作与算力,扩大欧洲科学界对先进技术的获取
NVIDIA 加入欧盟委员会在都柏林 AI in Science Summit 上启动的 AI in Science Enablers Initiative,为欧洲研究界提供加速工具、算力、技能培训与协作项目支持。
日期栏展示收录日期,历史补录归入原文日期。
NVIDIA 加入欧盟委员会在都柏林 AI in Science Summit 上启动的 AI in Science Enablers Initiative,为欧洲研究界提供加速工具、算力、技能培训与协作项目支持。
北欧正成为欧洲增长最快的基础设施枢纽之一,预计到 2027 年底部署 1 吉瓦 AI 云容量,Bitdeer、CoreWeave、Crusoe、Nscale 等云厂商在列。
Figma 将开源内容框架 Payload 集成进 Figma Make,团队在提示生成应用时即可同时获得数据库、文件存储、用户登录和管理后台。设计者可用真实内容提示体验,营销人员通过内置管理面板增改内容,开发者用 Payload 开源框架定制应用,并可按角色分配细粒度权限。
推荐理由:Figma 把 Payload 的后端与内容管理并入 Figma Make,读者可据此判断设计到上线的流程变化。
Figma 在 Config India 2026 上宣布与 Sarvam 达成 MCP 合作,Sarvam 的 Indus 加入 Claude Code、ChatGPT、Cursor、GitHub Copilot 等 MCP 合作伙伴生态,并推出面向印度大学生的 Campus Leaders 教育项目,首批将于 2027 年 1 月启动。
针对 MoE 模型在解码阶段 M 维过小导致 Hopper GPU 利用率低的问题,AWS 通过 Swap-AB 转置让专家维度 N=8192 进入首个操作数位置,在 H200 上实现端到端输出吞吐提升 2–4%,该优化已合入 vLLM 0.24.0 及之后版本。
NVIDIA 将完整的 Run:ai 平台以开源软件形式发布,向客户、开发者和生态伙伴开放生产级 AI 工作负载与 GPU 编排能力。此次发布扩展了 NVIDIA DSX AI Factory 平台,把 Run:ai 确立为开放基础,让更广泛的生态能够推出差异化解决方案。
推荐理由:NVIDIA 将 Run:ai 全平台开源并纳入 DSX AI Factory,读者可了解 GPU 编排能力的开放范围。
IBM 的 Spyre 加速器软件栈已将 torch.compile 后端从自研的 sendnn 换成基于 PyTorch Inductor 扩展的 backend=inductor,编译器体积缩小约 7 倍。
Tessl Blog 提出评估 AI 软件工厂开放性的两个问题:能否把企业上下文带进去,能否把工厂学到的东西带出来。文章指出,工厂在运行中会积累架构决策、评审纠正、事故约束和评估用例等知识,仅支持多模型、接入外部编码智能体或本地部署并不足以让这些知识迁移。开放工厂应让上下文与学习成果可检查、可提取、可复用,并保留其来源、适用范围和评审状态。
NVIDIA 宣布计划投资 Doctolib、Entalpic、Genesis AI 和 Pigment 四家法国初创公司,分别覆盖医疗智能体、先进材料、通用机器人和企业规划领域。此前 NVIDIA 已在法国投资 Alice&Bob、Gradium 和 Scintil Photonics,并在整个欧洲承诺投入近 100 亿美元。
AWS 发布面向多节点部署的 Ray LLM Deep Learning Container,可在 Amazon EKS 上把单个大语言模型跨两个 GPU 节点部署,一个节点做 prefill、另一个做 decode,并统一暴露 OpenAI 兼容端点。
NVIDIA 在 OCP 全球峰会上通过开放 MGX 架构向 OCP 贡献了 Vera Rubin 机架与计算托盘设计,为系统构建者提供下一代 AI 工厂基础设施的共同基础。
NVIDIA 与 Cisco 宣布推出超密集小型可插拔(USFP)光模块,为首个支持 400Gb/s 单通道电信号的模块,可实现最高 12.8Tb/s 容量。其带宽密度达 200Gb/s 单通道光模块的 4 倍,能效约为 1.3 倍,支持最高 100 瓦功耗且无需独立嵌入式散热电路。
Mozilla.ai 在 AI Native DevCon London 上介绍了 cq 项目,主张把智能体在任务中获得的经验沉淀为可共享的基础设施。cq 的基本单位是知识单元,记录领域、洞见与采取的动作,默认使用本地 SQLite 数据库,数据无需离开本机,之后可接入远程服务器形成团队级知识库。
IBM 的 torch-spyre 团队通过 PrivateUse1 为 Spyre 数据流 AI 加速器注册设备身份,并接入 PyTorch 的分配器、流、事件与编译抽象。张量可常驻 device="spyre",流提供顺序语义,事件连接跨流依赖,FX 图仍走 Inductor 编译路径。该集成统一了 eager 与编译执行路径,降低启动开销。
Anthropic 宣布启动 Anthropic Cyber Mission,一项面向防御方的长期计划,首批聚焦关键基础设施与开源软件两个方向。
推荐理由:Anthropic 把前沿模型投向关键基础设施与开源软件防御,读者可了解其合作方与免费扫描服务的具体安排。
Anthropic 推出 OSS Scanner,一个面向开源生态的可选漏洞扫描服务,加入的项目可免费获得由最强模型定期执行的安全扫描。该服务输出完全由模型生成,不经人工审核或分诊,报告包含可复现样例、漏洞说明和候选补丁。
推荐理由:Anthropic 公开了 OSS Scanner 的扫描流程、误报率与维护者反馈,可据此判断模型自动找漏洞的可用边界。
PyTorch 博客介绍用 Triton 重写推荐系统 Table Batched Embedding(TBE)前向与反向算子,性能超过原有 CUDA kernel。
NVIDIA《State of AI in Telecommunications》报告显示,89% 受访者认为开源模型和软件对公司 AI 战略重要。NVIDIA 发布 300 亿参数的 Nemotron 3 Large Telco Model(LTM),由 AdaptKey 基于开源电信数据集微调,并开放完整微调流程配方。
PyTorch 将图像、视频、音频的解码与编码能力统一收敛到 TorchCodec,TorchVision 和 TorchAudio 中旧的 I/O API 已弃用或移除。
PyTorch 加速器集成工作组公布 2026 上半年进展,推出跨仓库 CI Relay(CRCR)机制,通过 webhook 并行向已注册下游仓库派发事件,结果数秒内汇入 hud.pytorch.org/crcr 看板,并设 L1–L4 四级准入与五层校验。
将 Helion 集成进 vLLM 线性后端后,单个 Helion GEMM 实现即可覆盖 Standard GEMM、Split-K、Swap-AB 等变体,并通过按 shape 自动调优选出最佳配置。
Comfy 宣布 Comfy API 正式上线,面向付费 Comfy 套餐用户,可将 ComfyUI 工作流连同自定义节点、LoRA、模型和 Python 依赖打包,部署为自动扩缩的 API 端点。
推荐理由:原文给出从 ComfyUI 工作流到托管 API 端点的完整路径,可据此判断自建与托管部署的取舍。
LiveKit Agents 与 Pipecat 是构建生产级实时语音和视频 AI 智能体的两大主流开源框架,前者基于 LiveKit 自研 WebRTC 和 SIP 基础设施、提供更高层抽象,后者不预设传输层、以更低层抽象让开发者逐级搭建流水线。TEN Framework、Dograh、Vision Agents 和 Vocode 等名字虽会出现,但均未进入生产选型名单。
阿里 Qwen 团队的最新图像模型 Qwen-Image-2.1 已在 ComfyUI 原生支持,开放权重、7B 参数,基于优化的 MMDiT 架构。该模型可直接输出带 alpha 通道的 RGBA 图像,原生生成 2048×2048,并最多接受 10 张参考图,生成与编辑共用同一模型。
推荐理由:ComfyUI 原生支持 Qwen-Image-2.1,读者可了解其 RGBA 输出与 10 张参考图等能力差异。
Sakana AI 宣布成立前沿智能小组(FIG),主张智能尚未"解决",应主动探索替代当前 Transformer 规模化范式的新路径。FIG 由公司内部逐步成长而成,定期讨论挑战主流的研究想法、邀请外部研究者提出不同智能观点,并强调研究自由、允许失败与"伟大无法被计划"等原则。该小组关注当前系统仍存在的幻觉、面对全新情境表现不佳及高能耗等根本问题。
Zyphra 推出 Zyphra Cloud 平台的首个组件 Zyphra Inference,基于 AMD MI355X GPU 并与 TensorWave 合作,服务 Kimi K2.6、DeepSeek V3.2 和 GLM 5.1 等开源模型。
Reflection 宣布完成 20 亿美元融资,组建了曾参与 PaLM、Gemini、AlphaGo、AlphaCode、AlphaProof 及 ChatGPT 等项目的 AI 团队,并搭建起可训练前沿规模 MoE 模型的大规模 LLM 与强化学习平台。该平台已在自主编程领域验证有效,下一步将把方法拓展到通用智能体推理,并从头结合大规模预训练与先进强化学习来构建开放模型。