Synaptics发布Astra SR200系列多模态边缘AI处理器，最高算力400 GOPS，并集成Google Research第二代Coral NPU架构。三款引脚兼容型号SR210、SR230、SR250采用Arm Cortex-M85与Cortex-M52双核，面向智能眼镜、可穿戴设备和工业视觉等本地推理场景。芯片封装内整合最多8MB SRAM与可扩展至数百MB的定制DRAM，官方未公布售价和终端产品上市时间。
匹配字段标题
Logan Kilpatrick 表示，Gemini 4 Argon 上线后的前 72 小时内处理了约 25 万亿 token。他称对智能的需求非常惊人，且仍被低估。
匹配字段标题
Google 发布 TorchTPU，这是 PyTorch 的一个专用版本，让开发者无需重写底层代码、只需调整少量配置，就能把现有模型和应用迁移到 TPU 上运行。Google 称与 Meta、Hugging Face 以及 vLLM、SGLang 的开发者合作，确保相关代码库兼容；同时推出 TPU agent suite 协助迁移并自动修复错误，并更新端侧工具 LiteRT 以兼容 PyTorch 应用。此前 AWS 也发布了面向自家 Trainium 芯片的 TorchNeuron。
匹配字段标题
Google DeepMind 新论文发现，自进化智能体在编辑系统提示词、记忆或技能文件来学习新任务时，会遗忘此前已掌握的任务。团队在话题、工作流或领域不断变化的任务流上测试了 ReasoningBank、GEPA 和 Meta-Harness，其中 GEPA 学得最多，平均每块提升 6.2 分，但在其他任务上损失也最大，为 4.3 分；它学会向用户追问缺失信息后，后续任务块改写了这条规则，15.5 分的增益降至 2.5 分。作者建议，若智能体会自行修改提示词或记忆，应把任务专属规则分开存放，并在每次更新后重测旧任务。
匹配字段标题
Google 开源 TorchTPU，取代 PyTorch/XLA，让 PyTorch 代码可在 TPU 上运行并逐步调试。此前 TPU 通过 PyTorch/XLA 把操作交给编译器排队执行，调试体验与 GPU 不同；TorchTPU 改为按代码逐操作执行以便调试，生产环境再切换到 torch.compile 提速。原文称 TorchTPU 训练 Qwen 3 8B 时用到最高 52% 的 TPU 峰值算力，并提到 Google 与 Amazon 现在都提供原生 PyTorch 后端。
匹配字段标题
Google 宣布将把 Gemini 助手引入搭载 Google Built-in 系统的汽车，替代现有 Google Assistant，并通过软件更新覆盖已上路的现有车辆。Gemini 支持日常语言连续对话，可查询车辆设置与电动汽车电池电量、总结短信并生成回复、提供导航进度和路况等行程信息。符合条件的已登录 Google 账号用户会在车载系统中看到升级选项，首批以英语版本面向美国市场推出，未来数月逐步扩大范围，后续还将接入 Gmail、Google Calendar 和 Google Home。
匹配字段标题
Google 把 Personal Intelligence 引入车载 Gemini，Android Auto 和内置 Google 的汽车可让 Gemini 读取 Gmail、Calendar、Maps、Photos、YouTube 和 Search 中的个人信息。该功能今日起向 Android Auto 推送，内置 Google 的车型将在未来几个月获得支持；只有开启 Personal Intelligence 设置并连接手机时才会提供个性化回答。
匹配字段标题
Google 开始向 Android Auto 和 Android Automotive 推送 Gemini 的 Personal Intelligence，可调用 Gmail、Calendar、Photos、Maps、Search 和 YouTube 来个性化回答，例如直接查询航班登机口与延误、按照片找到洗车店并导航。该功能需用户主动开启，若手机端 Gemini 应用已启用则会自动带到 Android Auto；Android Auto 即日起推送，Android Automotive 将在未来数月上线。
匹配字段标题
Gemini 的 Personal Intelligence 功能开始向 Android Auto 推送，开启后可连接 Gmail、Google Calendar、Google Photos 和 Google Search 中的用户数据，提供更个性化的回答。该功能在 Gemini 设置中完全由用户主动选择开启，未来几个月还将登陆直接运行 Google 车载系统的内置 Google 汽车。Google 高级产品经理 Karan Daryanani 表示，该功能的两项核心能力是从邮件、照片或 Google Maps 收藏地点中提取具体细节，以及跨复杂来源进行推理。
匹配字段标题
Google 与 Meta 的 PyTorch 团队合作推出开源项目 TorchTPU，为 Google TPU 提供原生 PyTorch 后端，迁移只需把 model.to("cuda") 改为 model.to("tpu")。项目支持 eager 与 torch.compile 两种模式，新增 DeferAndFuse eager 模式，覆盖约 450 个 Aten 算子，并已在 4,917 个 Hugging Face 模型上验证开箱运行，其中 Tier 1 通过率 98%、Tier 2 相对 GPU 数值一致性 97%。官方称其已用于部分 Google Cloud 大客户的推理与训练生产负载，并集成 vLLM、SGLang、TorchTitan、Ray 和 TorchRec。
匹配字段标题
Google 宣布 Gemini 已在全球 Android Auto 和内置 Google 的汽车上线，并开始推送 Personal Intelligence，可在授权后连接 Workspace（含 Gmail、Google Calendar）、Google Photos、Google Maps、YouTube 和 Search，回答航班登机口、沿途餐厅、照片中的地点等问题。Personal Intelligence 今日起在 Android Auto 推送，内置 Google 的汽车将在未来数月跟进，目前面向 18 岁以上符合条件的个人 Google 账号，不含 Workspace 商业、企业或教育用户，并排除欧洲经济区、瑞士、英国和尼日利亚。
匹配字段标题
Google 开源 TorchTPU，这是与 Meta 的 PyTorch 团队共同开发的 Cloud TPU 原生 PyTorch 后端，在 PyTorch Conference 2026 上宣布，现有代码通过 torch.device("tpu") 即可指向 TPU。Google 团队称 TorchTPU 取代 PyTorch/XLA，建议所有新工作负载使用；它基于 PrivateUse1 接口，提供 Strict、Debug、DeferAndFuse 三种 eager 模式，torch.compile(backend="tpu") 经 StableHLO 和 OpenXLA 编译。TorchTPU 在 PyPI 上为 v0.2.0，要求 Python 3.11+，Apache 2.0 许可，配套 vLLM-TorchTPU、SGLang-TorchTPU 和 TorchTitan 仓库；Google 自报 TorchTitan 在 Ironwood 上训练 Qwen 3 8B 达到 52% MFU，可扩展至 8,192 颗芯片。
匹配字段标题
Arm 基于 Google AI Edge Model Explorer 的插件架构开发了开源适配器，支持 TOSA、VGF 和 PTE 等模型格式，可在图上直接检查编译器 IR、对比 NPU 委派与 CPU 回退，并叠加周期级性能追踪。借助该工具，Arm 在 VGF 图中发现 ExecuTorch Arm 后端引入的多余 TRANSPOSE 算子，并在 Ethos-U NPU 上定位到单个 TRANSPOSE 节点是主要延迟瓶颈。这些适配器现已通过 PyPI 或 GitHub 提供。
匹配字段标题
Google 宣布将于 2027 年初把 Financial Services Verification 项目扩展至美国和加拿大，要求金融广告主在投放前证明已获监管机构授权，以阻止品牌冒充和金融诈骗。该项目目前覆盖 42 个国家、约 20 亿互联网用户；2025 年 Gemini 已帮助系统在广告投放前拦截超过 99% 的违规广告。Google 在美国与 American Bankers Association 合作，在加拿大与 Canadian Bankers Association 对接，并将在执法开始前向广告主提供注册表清单和接入指引。
匹配字段标题
Google 为 Gemini 推出面向小企业主的业务落地页，可在其中管理品牌、财务和客户洞察，并连接 Google Business Profile、Google Ads、Google Workspace 以及 Adobe、Canva、Dropbox、Shopify、Wix、Zoho、Xero 等第三方应用。用户上传网站、品牌套件、字体或配色即可定义品牌风格，配合 Nano Banana 2.1 生成风格统一的营销视觉；Gemini 还能把表格、收据和采购记录转成财务图表与交互模型。这些功能将在未来数日面向所有 Gemini 应用用户全球逐步上线。
匹配字段标题
Google 研究团队开发的 AMIE（Articulate Medical Intelligence Explorer）在近期研究中先与患者对话采集病史，再向医生提供简明摘要，使医生能把更多时间用于协作诊疗、讨论治疗方案和回应患者关切。研究期间每例 AMIE 与患者的交互都有受训医生监督，但全程无需中断对话或介入。团队正把 AMIE 从文本扩展到图片、音频和视频交互，并筹备覆盖全美更多患者、含对照比较的更大规模临床研究。
匹配字段标题
Google 将 TorchTPU 集成进 Meta 的 TorchTitan，Cloud TPU 现可通过原生后端 torch.device("tpu") 直接训练 PyTorch 模型，无需重写为 JAX。TorchTitan TPU 分支提供 Llama 3 70B/405B、Qwen 3 8B/32B/235B MoE 和 FLUX.1 12B 等预训练配方，并用 Splash Attention 等 Pallas 内核替换标准实现。在 FLUX 上，SimpleFSDP 让 TorchTitan 达到与 JAX MaxDiffusion 99% 的性能持平。
匹配字段标题
Google 发布基于 TorchTPU 的 vLLM 与 SGLang 原生 PyTorch 后端，分别与 Inferact、RadixArk 合作开发，两个引擎已在预览客户的生产环境中运行。官方称在 Ironwood TPU（TPU 7x）上跑 Qwen 3.5 时，高并发配置下每百万 token 成本为 2.01 美分，并已在 SemiAnalysis InferenceX 的 AgentX 赛道提交结果。功能上支持前缀缓存与 KV cache 卸载、投机解码、分离式服务以及图像视频输入的多模态模型，SGLang-TorchTPU 已在 Meta 生产环境使用。
匹配字段标题
Google Research 开源 Harness²，它不修改模型权重，而是通过调整系统提示词、记忆、工具指导、Skills、子智能体等八类组件，让 Agent 根据执行反馈改进自身工作方式。项目采用 Apache 2.0 协议，支持 OpenCode 和 Codex，默认使用 OpenCode，官方说明这是研究项目而非商业产品。其 Propose–Probe–Compose 机制通过候选方案执行同一任务的行为差异寻找改进方向，官方报告称仅一步优化在部分实验取得最高增益，但递归探索会带来额外模型调用与执行成本。
匹配字段标题
联想 Googlebook 售价 $1,149，运行以 Android 为核心的 Googlebook OS，并融合部分 ChromeOS 特性，但实际办公体验相当割裂。界面和快捷键与桌面电脑习惯不符，应用主要依赖 Play Store 的 Android 应用，部分生产力场景下并不理想甚至缺失。Chrome 为完整桌面版，网页与 Android 界面混用基本可用，但整体仍显未完成。
匹配字段标题