IPO 时的市值： NVIDIA：3.45 亿美元 Amazon：4.3 亿美元 Apple：12 亿美元 然而如今，如果一家 neolab 种子轮融资不到 4 亿美元，人们就会质疑它为什么融得这么少。 在我看来，充裕的资本对 AI 初创公司创始人来说是一把双刃剑。
IPO 时的市值： NVIDIA：3.45 亿美元 Amazon：4.3 亿美元 Apple：12 亿美元 然而如今，如果一家 neolab 种子轮融资不到 4 亿美元，人们就会质疑它为什么融得这么少。 在我看来，充裕的资本对 AI 初创公司创始人来说是一把双刃剑。
匹配字段摘要、正文
Google 正通过全栈设计把 AI 数据中心变成电网的主动合作伙伴：其 AI 算力需求从 2025 年 5 月到 2026 年 5 月增长七倍，月处理超 3 千万亿 token。Google 用 BESS 储能、54 VDC 机架级电池备份和液冷替代传统集中式 UPS，并计划逐步迁移到 800 VDC 配电。Google 还与 Meta、Microsoft、Nvidia 共同制定公用事业与超大规模厂商的接口规范。
匹配字段摘要、正文
微软 Surface 部门负责人确认，新款 Windows 笔记本将不再使用 2024 年设立的 "Copilot+ PC" 标签，尽管这些设备仍满足此前 Copilot+ 的全部要求。高通高管也表示该徽标不太可能回归，戴尔和 Nvidia 的新笔记本同样已停用该标签。该标签最初要求 NPU 算力达 40 TOPS、至少 16GB 内存和 256GB 存储。
匹配字段摘要、正文
美国具身智能公司 Skild AI 展示人形机器人 Messinator，其大脑基于旗舰机器人基础模型 S1，并在 NVIDIA Isaac Sim 搭建的虚拟足球场中通过强化学习和 self-play 自我对弈训练，只设定进球这一个目标，盘带、护球、抢断和倒地起身等行为均为自行习得。团队称机器人在虚拟世界累计踢了 140 年，最终能把足球策略迁移到真实人形机器人上，完成带球、护球、抢断并在真人对抗中调整位置。Skild AI 成立于 2023 年，脱胎于卡内基梅隆大学机器人研究体系，此前推出过跨硬件机器人基础模型 Skild Brain，并公开过约 10 万种身体结构、约 1000 个仿真年的 omni-bodied 训练成果。
匹配字段摘要、正文
英国 AI 云厂商 Nscale 宣布获得 33.6 亿美元可转债融资，用于推进 IPO。其中 23.6 亿美元可立即使用，另有 10 亿美元来自现有投资方 Nvidia，将于 11 月中旬到账，票据将在 IPO 完成后转为股权。Nscale 上周提交 IPO 文件，据 Financial Times 报道其在纽交所的估值预计为 350 亿美元，据 Bloomberg 报道拟募资 30 亿美元；其 IPO 文件显示，自两年前从澳大利亚加密货币矿企 Arkon Energy 分拆以来，公司已累计获得超过 1030 亿美元合同，目前正在挪威和西弗吉尼亚等地建设大型数据中心园区。
匹配字段摘要、正文
Remedy Entertainment 的《CONTROL Resonant》在发售当天加入 GeForce NOW，Ultimate 会员可以 GeForce RTX 5080 级性能串流，支持 DLSS 4、光线追踪、NVIDIA Reflex 和最高 5K HDR，无需 100GB 本地安装。GeForce NOW 还将于今年秋季 Googlebooks 上市后支持这一新笔记本品类，本周另有《DragonSword: Awakening》等九款游戏加入。
匹配字段摘要、正文
开源终端 AI 编码智能体 OpenCode 可接入 Amazon Bedrock 上的开放权重模型，推理在用户自己的 AWS 账户内完成，无需管理基础设施，也没有按席位收费。文章演示了用 Moonshot AI Kimi K3、OpenAI GPT-OSS 120B 和 NVIDIA Nemotron 3 Super 120B 配置多模型工作流，并介绍 Bedrock 的三种定价层级：Priority、Standard 按 token 计费，Flex 成本低 50%。
匹配字段摘要、正文
Together AI 发布教程，介绍如何基于 Qwen3.5 4B 微调一个类似 Jev 的分类模型，训练成本约 17 美元、耗时约 25 分钟。教程从 Hugging Face 的多个数据集采样 38,340 条样本，经 fetch_sources.py 和 build_all.py 归一化后，用 Together 微调服务训练，再部署到 1x_nvidia_h100_80gb_sxm 专用端点并通过 HTTP 接口调用。作者同时上线了 together/Tev1-4B-experimental，不想自行训练的用户可直接在 Together 无服务器平台使用。
Together AI 发布教程，介绍如何基于 Qwen3.5 4B 微调一个类似 Jev 的分类模型，训练成本约 17 美元、耗时约 25 分钟。教程从 Hugging Face 的多个数据集采样 38,340 条样本，经 fetch sources.py 和 build all.py 归一化后，用 Together 微调服务训练，再部署到 1x nvidia h100 80gb sxm 专用端点并通过 HTTP 接口调用。作者同时上线了 together/Tev1-4B-experimental，不想自行训练的用户可直接在 Together 无服务器平台使用。
匹配字段摘要、正文
MiniMax H3 视频 VAE 在 Nvidia GPU 上编码最高提速约 2.2 倍、解码提速约 1.4-2.7 倍，1344x768、129 帧的编解码往返从 24.3 秒降至 12.7 秒。改动包括默认开启的融合编码器 kernel、支持 --fast fp16_accumulation 的自定义卷积，以及 int8 解码器；int8 解码器与标准解码器 PSNR 均为 67.7 dB。需将 ComfyUI 升级到 v0.36.0 以上，并加载 int8 MiniMax-H3 VAE 文件。
MiniMax H3 视频 VAE 在 Nvidia GPU 上编码最高提速约 2.2 倍、解码提速约 1.4-2.7 倍，1344x768、129 帧的编解码往返从 24.3 秒降至 12.7 秒。改动包括默认开启的融合编码器 kernel、支持 --fast fp16 accumulation 的自定义卷积，以及 int8 解码器；int8 解码器与标准解码器 PSNR 均为 67.7 dB。需将 ComfyUI 升级到 v0.36.0 以上，并加载 int8 MiniMax-H3 VAE 文件。
匹配字段摘要、正文
Pragmatic Engineer 采访微软 Windows 团队，梳理下一代 Windows 在系统层面对 AI 智能体的支持计划。Windows 将原生支持智能体身份识别（基于 Entra ID，可在任务管理器中与人类用户区分），并推出本地 MCP 服务器注册中心 ODR、智能体隔离技术 MXC，以及跨 GPU、NPU、CPU 运行本地模型的 Windows ML。微软还计划在系统中内置小语言模型，Scott Hanselman 演示了一台搭载 NVIDIA GPU 的预发布 Surface 笔记本本地运行 Qwen 并接入 GitHub Copilot，出词速度约 40 tokens/秒。
匹配字段摘要、正文
Ed Zitron 在长文中质疑 AI 数据中心的真实产能，认为微软等超大规模厂商用 gigawatt 这类模糊说法夸大了 AI 算力上线规模。他引用微软约 2.2 million 颗 GPU、约 1.993GW 容量与约 50 billion 美元 GPU 的数据，对比其自 2022 年以来约 265 billion 美元的资本开支，估算有 50 billion 至 100 billion 美元的 GPU 仍在仓库或未通电的数据中心里。他进一步汇总各厂商 construction in progress 数据，推算约 200 billion 至 300 billion 美元的 NVIDIA GPU 是提前数年售出，并认为折旧压力和项目融资债务会放大风险。
匹配字段摘要、正文
Amazon SageMaker AI 的 Inference Recommendations 内置并发扫描功能，可自动向端点发送递增的并发流量并测量吞吐与延迟，找出端点饱和点，无需自建压测基础设施。文章以 NVIDIA Nemotron-3 Nano 30B（MoE、3B 激活参数）部署在 ml.g7e.2xlarge 为例，按 64、256、1024 三档并发各发 1024 个请求，结果显示 256 并发时吞吐趋平、p99 延迟陡升，即为饱和拐点。
匹配字段摘要、正文
White Circle 于 9 月 21 日发布后训练框架 Halo，可在 Hugging Face 既有模型上加入多 GPU 分布式训练，无需重写模型实现，新模型系列适配代码约 100 行，权重仍以 SafeTensors 格式保存。在 8 基 NVIDIA B300 上对 gpt-oss-20b 的实测中，Halo 的吞吐最高达到 TRL 的 2.8 倍，峰值显存随配置变化，约 26GB 至 60GB。用 Halo 对 GLM-4.7-Flash 做监督微调后，GLM-4.7-Flash-Coder 在 SWE-rebench-V2 上的单次尝试解决率从 33.15% 提升到 41.65%。
匹配字段摘要、正文
Aikido Security 于 9 月 21 日发布其首个开源权重安全模型 Altar-1，模型权重已公开，可在组织自管基础设施上运行。Altar-1 基于 GLM-5.3 压缩，通过量化和 REAP 专家剪枝把每层专家候选从 256 减到 168，体积降至 328GB，比量化版 GLM-5.3 小 32.8%，且未做再训练。在 30 个仓库 32 个已知漏洞的 3 次评测中，Altar-1 与量化版 GLM-5.3 均重新发现 23 个，16 位版为 25 个；模型已在 Hugging Face 的 AikidoSec/altar-1 发布，模型卡建议使用 4 基 NVIDIA H200 搭配 vLLM 推理。
匹配字段摘要、正文
NVIDIA 在埃及大埃及博物馆举办活动，展示当地 AI 生态已从赋能走向生产规模：埃及 NVIDIA Deep Learning Institute 学员规模一年增长超十倍，Hassan Allam 获牌照建设数据中心，相关投资约 4 亿美元。非洲已有四座 AI 工厂宣布或上线，另有 656 兆瓦新增算力在建，NVIDIA 已在非洲培训超 8.5 万名开发者。
匹配字段摘要、正文
IDC 数据显示，2026 年 Q2 以太网交换机收入同比增长 43.4% 至 189.1 亿美元，路由器市场增长 22.8% 至 45.1 亿美元。数据中心交换机收入达 123 亿美元，同比增长 64.5%，其中 800 Gb/sec 端口交换机收入同比增长 6.1 倍至 50.7 亿美元。Nvidia 以太网业务同比增长 2.8 倍至 38.6 亿美元，超过 Arista 的 25.3 亿美元。
匹配字段摘要、正文
上下文窗口是大语言模型单次请求可处理的 token 总量，涵盖提示词、对话历史、检索内容与模型输出。更大的窗口能让模型同时处理更多信息，但研究（Lost in the Middle、NVIDIA RULER）发现上下文越长，模型对信息的利用越不可靠，尤其是埋在中间的内容。有效做法是结合检索、摘要与缓存管理上下文，而非一味追求最大窗口。
匹配字段摘要、正文
Anthropic 分享 Claude 在 Claude Science 中优化 30 多个开源生物分子模型的结果，平均提速约 4 倍，输出完全一致时约 2 倍，并开发出低内存 Big 模式，可在单个 NVIDIA GPU 节点上准确预测超过 10,000 tokens 的生物分子系统。Anthropic 开源了全部优化代码，并与 Adaptyv Bio 联合发起蛋白质设计竞赛，提供最高 100 万美元 Claude 额度、25 万美元 Modal 算力额度和超过 5,000 个设计的湿实验验证。Claude 还开发了 FlashPairformer 自定义 kernel，在 triangle attention 上平均比现有方案快 2.7-2.9 倍。
匹配字段摘要、正文
Unsloth 发布 Docker 镜像，用户可在本地训练和运行 500+ 模型，支持新的 GUI 或 notebook 工作流，无需额外配置，并兼容 NVIDIA 与 AMD 硬件。官方同时给出了使用指南和 GitHub 仓库链接。
匹配字段摘要、正文
NVIDIA TensorRT Edge-LLM 在单台 Jetson AGX Thor 开发者套件上运行 Qwen3.6-27B，于 MLPerf Inference v6.1 Edge Agentic 基准测试中达到 52.33 tokens/秒，24 分 36 秒完成全部 1,007 轮性能负载，比 llama.cpp 参考实现的 2 小时 37 分钟快 6.4 倍。该结果依托 NVFP4 权重与激活量化、FP8 KV cache、基于树的多 token 预测以及跨智能体轮次的 KV cache 复用，其中约 96% 的提示词 token 由热缓存提供。相关代码位于 TensorRT Edge-LLM release/0.9.1-mlpinf 分支。
匹配字段摘要、正文