AMD 大中华区市场营销副总裁纪朝晖提出智能体主机与智能体 PC 两种新终端形态，前者专供智能体运行、一台可跑 6 个智能体，后者让用户私有携带多个智能体且数据不上云。他认为当前最大挑战不是硬件，而是 AI 与真实工作流之间的“最后一公里”，需把“AI 赋能千行百业”变成“AI 赋能一行一业”。AMD 还通过锐龙智能体创新应用大赛、ROCm 开源生态和“春雨计划”寻找并培养智能体时代的“超级个体”。
匹配字段摘要、正文
2026年10月21日,AMD大中华区市场营销副总裁纪朝晖提出智能体主机与智能体PC两种新的AI终端形态。据半导体产业纵横报道,智能体主机专供智能体运行,一台可跑6个智能体;智能体PC让用户私有携带多个智能体,且数据不上云。纪朝晖认为,当前最大挑战不是硬件,而是AI与真实工作流之间的“最后一公里”,需把“AI赋能千行百业”变成“AI赋能一行一业”。AMD还通过锐龙智能体创新应用大赛、ROCm开源生态和“春雨计划”寻找并培养智能体时代的“超级个体”。目前该提法仅有上述单一来源报道,尚无后续进展。
匹配字段摘要
IBM 与印度电子和信息技术部下属的 MeitY Startup Hub 于 10 月 13 日签署 MoU，面向 AI、混合云和量子计算领域的印度深科技初创企业提供企业技术、技术指导和商业化机会。初创企业可使用 IBM watsonx、AI 编码智能体 IBM Bob 和面向数字主权的 AI 软件栈 IBM Sovereign Core，并获得混合云与量子计算技术培训。双方还将推动主权 AI 创新、开源生态建设、创始人辅导，并重点发掘二、三线城市创新者。
匹配字段摘要
360集团创始人周鸿祎在钛媒体《DeepPractice深度实践》访谈中判断，AI失控是确定性事件，AI的尽头不是能源而是安全治理。360自研AI攻防系统“图龙锋”上线三个月自动挖出上万个漏洞，包括Windows、Office潜伏七八年的老漏洞，以及Codex、Claude Code、OpenClaw等主流Agent平台的漏洞；配套自动化防御体系“仪天阵”以模型对抗模型。周鸿祎主张以模治模、用AI对抗AI，并认为中国在开源生态上“绝对必胜”。
匹配字段摘要
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。Anthropic 称过去六个月用模型扫描发现超过 29,000 个候选漏洞，仅人工复核约 6,000 个；在 97 个严重和高危漏洞的验证中，85 个（88%）达到其 CVD 流程标准，仅 1 个为误报。
匹配字段摘要
9月14日，《人工智能安全治理框架3.0》发布，梳理更新人工智能安全风险分类，并就优化调整技术应对和综合治理措施提出建议。中国政法大学人工智能法研究院副教授文禹衡表示，3.0版本把智能体风险、具身智能风险单独列出，因为智能体在虚拟空间产生的行为已可传导到物理社会，治理出现结构性转变。框架还强化开源生态安全与供应链安全管理，对开源模型下载使用明确禁止性行为、划出红线，并提出以动态平衡兼顾安全与创新。
匹配字段摘要、正文
Hugging Face 团队到访美团上海办公室，与 LongCat 团队交流未来模型开发和开源计划。双方还讨论了 Hugging Face Transformers 的最新功能与技术细节，并表示期待探索更多开源生态合作方式。
Hugging Face 团队到访美团上海办公室，与 LongCat 团队交流未来模型开发和开源计划。双方还讨论了 Hugging Face Transformers 的最新功能与技术细节，并表示期待探索更多开源生态合作方式。 · The Hugging Face team visited Meituan’s Shanghai office to discuss LongCat’s future model development and open-source plans. The teams also discussed recent Hugging Face Transformers features and technical details, and expressed interest in exploring further collaboration across the open-source ecosystem.
匹配字段摘要
Nathan Lambert 认为，针对开放权重模型最严峻的一次可行性考验正在发生，白宫正讨论通过新的行政令管理开放模型，可能只影响中国来源模型和政府用途。他判断最可能的动作是在未来 6 个月内禁止或无限期推迟能力明显超过 GPT 5.5、Claude Opus 4.8 或 GLM-5.2 区间的开放权重模型，而这类模型目前最可能来自中国公司。他批评 Anthropic 主导的蒸馏议题已演变为监管俘获，并认为若美国单独禁止相关模型进口，全球开源生态仍会继续，反而让美国自身更难预测。
匹配字段摘要、正文
Interconnects 第 22 期开源模型盘点指出，开源模型生态正从少数中国厂商主导走向多元，作者把发布方分为纯模型厂商、大科技公司和产品公司三类。本期收录 NVIDIA Nemotron-3-Ultra-550B-A55B-BF16、Cohere 以 Apache 2.0 发布的 Command A+（218B-A25B MoE）、GLM-5.2、Zyphra 的 ZAYA1-74B-preview、Poolside 的 Laguna-M.1 等模型。作者认为开源模型开发并非由单一类型参与者驱动，这种多样性正是开源生态的优势之一。
匹配字段摘要
2026年10月13日,IBM与印度电子和信息技术部下属的MeitY Startup Hub签署谅解备忘录,面向AI、混合云和量子计算领域的印度深科技初创企业扩大技术访问。据代表来源报道,初创企业可使用IBM watsonx、AI编码智能体IBM Bob和面向数字主权的AI软件栈IBM Sovereign Core,并获得混合云与量子计算技术培训。双方还将推动主权AI创新、开源生态建设、创始人辅导,并重点发掘二、三线城市创新者。目前尚无后续发展事实。
匹配字段摘要
2026年10月7日,Anthropic发布扩展版Cyber Verification Program(CVP),将Project Glasswing与原有CVP合并为Defense、Red Team、Specialized三个访问层级,各层级对Claude Opus 5.5、Claude Sonnet 5.5、Claude Mythos 5.1等模型提供不同程度的安全拦截放宽。据Anthropic News报道,在CyScenarioBench评测中,无CVP权限时任务在首个提示词即被拦截,Defense层级50次试验中46次被拦截,Red Team层级无拦截且Claude Opus 5.5完成50项中的34项。CVP已在Claude Platform、Google Cloud Vertex AI和Microsoft Foundry上线,Amazon Bedrock上仅对符合Enterprise Frontier Safeguards的客户开放。10月8日,Anthropic推出Anthropic Cyber Mission,其中包含面向开源生态的OSS Scanner,加入项目可免
匹配字段摘要
2026年9月11日,Hugging Face团队到访美团上海办公室,与LongCat团队就未来模型开发和开源计划展开交流。双方还讨论了Hugging Face Transformers的最新功能与技术细节,并表示期待进一步探索开源生态合作方式。目前输入材料未披露具体合作项目、协议或后续时间表。
匹配字段摘要
美国司法部已就英伟达以129.3亿美元收购Hugging Face的交易展开问询，评估该交易对AI竞争的影响，核心关注点是这笔交易是否会让英伟达掌控AI模型和软件的一个根本性分发点。英伟达于2026年9月3日宣布该收购，对价包括约119亿美元现金和最高10亿美元员工留任股权激励，预计2027年上半年完成交割。Hugging Face托管超过300万个AI模型、50万个数据集，服务逾1800万开发者和20万家企业。
的强制，而在默认设置、搜索排序、工具链优化方向、文档与教程的倾向性这些日常而隐蔽的层面。当平台的所有者同时是平台上最重要参与者的供应商时，利益冲突是结构性的，而非靠一纸承诺可以消解的。 更值得深思的是，Hugging Face一年前曾拒绝英伟达5亿美元投资，理由正是不希望单一投资方获得过大话语权。从拒绝少数股权投资到接受全资收购，这一转变本身说明：在资本密度极高的AI基础设施竞赛中，独立的中立平台要同时做到“做大”和“保持独立”，几乎是一个不可能三角。 司法部的审查未必会阻止这笔交易，因为政府调查不等于违法认定，工作人员主导的反垄断案件往往历时数年，最终可能以和解或行为性救济收场。但审查本身已经提出了一个超越个案的问题：当AI的基础设施层——算力、框架、模型分发——以“效率”和“生态协同”之名加速向少数巨头集中时，那些承载公共利益属性的“中立层”，应当由谁来守护，又应当以什么方式守护？ 如果答案仅仅是收购方的一句开放性承诺，那么开源生态所珍视的“任何人自由使用”的原则，将越来越取决于一家公司的自我约束，而非制度性的保障。这或许是Hugging Face交易审查留给AI治理的最关键一问。
匹配字段正文
清华大学沈阳教授提出自进化数学（PCU）、自进化算法优化（PAE）与自进化软件工程（ECX）三套框架，并警告AI社会可能滑向“高技术、低理性、强固化”的“三层折叠”深渊。其团队用AI为118511个数学猜想排名，哥德巴赫猜想仅列第49；在“小森邻”项目中，渲染耗时从138–182毫秒降至18–19毫秒，锐减86%–90%。
生活。巨头只需改一行参数、涨一次接口费，或在下一次更新中将某项功能收归官方，就能让成千上万个小团队一夜清零。更残酷的是，当AI连审美与直觉都超越人类时，由于AI没有肉身、不能坐牢，中层人类留存的唯一价值，可能只剩下在医疗事故、金融爆仓与工程坍塌的责任书上签字画押，充当承担无限连带责任的「替罪羊」。 要打破这种异化，中层力量必须主动争取技术生态的博弈权： 推动开源生态与反垄断：支持开源模型与分布式算力，打破少数科技巨头对底层接口的生杀大权，把「租地种田」变成「自带农具」。 把「背锅的义务」转化为「掌舵的权力」：既然人类必须为最终结果承担法律与道德责任，那么人类专业者就必须拥有对黑箱算法的一票否决权与审查权。只要我们坚持算法透明、严守安全底线，那份只有人类血肉之躯才能承担的责任，就会变成任何超级算力都无法剥夺的最高指挥权。 4. 破除「顶底合谋」死局：走出傲慢说教，重建真实世界的吸引力 顺着博弈论往下推演，智能时代最令人警惕的社会死锁，是「顶层算力寡头」与「底层沉迷大众」的跨层合谋。对沉迷虚拟爽感的大众而言，发放补贴、提供免费娱乐的算力巨头是「大恩人」，而中间那群试图关掉短视频、逼大家面对
匹配字段正文
宁德时代三季度归母净利润212.46亿元、同比增长14.54%，低于机构预测下限，10月21日A股收跌12.03%，两个交易日累计跌近15%，市值蒸发约1400亿元。这轮调整压的是估值而非已兑现业绩：创业板指PE-TTM从6月约54倍回落至约32倍，科创50从约264倍降至110倍上方。同期股票型ETF连续8个交易日净流入，截至10月14日累计947.53亿元。
部署的厂商，境外交付进入管理范围，新增合规成本。公告尚在征求意见，以正式文本为准。 目录上一次因AI引发关注还是2020年，新增个性化信息推送技术，直接改变了字节跳动出海交易的谈判格局。这次选择在大模型资本运作最密集的窗口期列管，并同步启动出口前登记，规则先行于交易。征求意见期本身就是企业调整商业模式的窗口。 政策的另一面，也在为二级市场的分化定价提供依据，开源生态的厂商获得了一层政策保障，闭源出海的厂商则要承担额外的合规成本。当产业资本在一级市场主导定价、监管在政策层面划出边界，AI公司之间的估值分化将不再由板块整体行情决定，而由公司自身的差异决定。 三季报是最近的验证点 几条线索在此汇合，估值回到相对合理的区间，配置资金在逆势买入，一级市场给出了更稳的产业定价，政策明确了技术路线的边界。剩下的变量只有两个，贴现率何时回落，新叙事何时凝聚。 中信证券10月9日的研报判断，下一轮科技行情的窗口大概率在四季度，需要三个条件验证，加息预期边际逆转、新叙事凝聚共识、资金面完成再平衡。三个条件中，前一个是外生变量，取决于美国的通胀路径；后两个，三季报就是最近的检验。 资金面的再平衡走得最靠前，
匹配字段正文
2026年上半年全球人形机器人出货约1.9万台，中国厂商份额升至97%以上；2025年全球出货约2.5万台、中国占约52%，全球具身智能融资超110亿美元。报告指出产业已进入量产元年与商业化拐点，但意向订单与实际交付比例仅约10%—20%，商业化仍是关键卡点。中美沿价值链错位卡位：美国强在“大脑”与算力资本，中国强在“身体”与供应链量产。
刻意走美国本土供应链路线，说明“大脑在美国、身体在中国”并非唯一路径。开放互补使双方成本曲线下移，但技术、供应链、标准、市场四层仍须采取“竞争性合作、选择性开放”策略。 趋势与展望： 1.中美双核格局短期难逆转，但竞争维度正从“错位”走向“对立” 美国正加速补齐制造与供应链短板（通过本土建厂、盟友代工），中国正向上游基础模型与原创算法发起突破（通过大厂自研、开源生态）。未来3—5年，两国将从“各守一段”的错位竞争，逐步进入“全链条正面交锋”的对位竞争，届时成本、效率与场景密度将决定胜负。 2.欧洲“研究+治理”面临商业化压力，或向“规则输出+高端制造”升级 随着具身智能进入规模部署阶段，单纯的基础研究与治理话语权难以支撑产业闭环。欧洲若不能在整机或核心零部件上形成商业闭环，其“研究+规则”路线可能被边缘化；反之，若能依托ISO标准话语权与高端精密制造，将“规则优势”转化为“标准授权+高端零部件”的商业模式，则可在价值链上游维持长期影响力。 3.商业化临界点临近，规模部署开始兑现 2026年正处于商业化临界点的起点，人形与广义具身产品从演示走向量产，仓储物流、工业巡检等场景进入规模化部署
匹配字段正文
MiniMax于10月23日宣布开源M3.1 Flash模型，该模型上线72小时处理超过100万亿Token。相较上一代M3，M3.1 Flash能力全面提升，使用成本降低70%，线上推理速度提升近3倍。MiniMax称将携手华为昇腾、NVIDIA、AMD等芯片厂商及vLLM、SGLang、Hugging Face等推理框架与社区推进开源首日接入。
芯、摩尔线程、NVIDIA、AMD等海内外芯片厂商，以及Together AI、Fireworks、Nebius等推理和云服务平台，共同推进M3.1Flash的开源首日接入。此外，vLLM、SGLang、智源FlagOS和Hugging Face、魔搭等推理框架与开源社区，也将与MiniMax共同推动模型在不同芯片、云平台和开发环境中的应用，持续拓展全球AI开源生态。 M3.1Flash发布后，多家国际投行给出评价。花旗认为，该模型巩固MiniMax的竞争地位，并可能加快其在开发者及企业生态中的B2B商业化进程。花旗指出，中国AI竞争的重点正加速向端到端智能体工作流和推理成本效率转移。杰弗瑞则肯定了模型在Agent任务、编程、电脑操作及网络安全等方面的能力提升与成本效益，维持MiniMax“买入”评级。 摩根士丹利指出，M3.1Flash的定价在中国主流Flash模型中极具竞争力，Agent任务成本亦有显著优势。该行认为，智能水平、吞吐量与成本的共同改善，有助于扩大企业采用，并维持MiniMax“增持”评级及900港元目标价。 值得注意的是，如今Flash模型成为了国产大模型更新“潮流
匹配字段正文
PyTorch Conference North America 2026 于 10 月 20–21 日在圣何塞举行，吸引 3500 多名参会者，聚焦加速开放智能及 PyTorch、vLLM、DeepSpeed、Ray、Helion、Safetensors 等项目。会上公布了 Google 与 Meta 合作的 TorchTPU 原生 PyTorch TPU 后端，以及面向 AWS Trainium 的 TorchNeuron 原生后端，后者于 10 月 20 日以 Apache 2.0 进入公开测试。Shopify 分享了用 PyTorch 与 vLLM 构建持续学习循环的案例，称其每天将生产故障压缩进模型权重，服务成本降低 96%。
ollege。 如今，AI 创新同时在所有技术栈层面发生，研究、模型、基础设施、硬件和生产持续相互推动。PyTorch 基金会是这一互联生态系统的中心枢纽，将构建开放 AI 的研究人员、开发者和公司团结在一起。 “当更多的人、项目和组织开展合作时，开放系统的学习速度会更快，从而产生复合收益，”PyTorch 基金会执行董事 Mark Collier 表示。“开源生态系统让突破能够在组织之间传播，而不是被锁在一家公司内部。” Nebius 长期以来也一直为 vLLM 提供用于开发、测试和基准测试的计算资源，包括在 DeepSeek R1 等大型模型上的多节点工作。 Nscale 最初通过 Ray 进入 PyTorch 基金会的项目生态系统，Ray 是用于分布式计算和扩展 AI 工作负载的开源框架。在 Nscale 计划收购 Ray 背后的公司 Anyscale 之后，Nscale 已承诺继续投资 Ray 的开发及其贡献者社区，延续 Ray 自 2025 年 10 月加入基金会以来在基金会下的治理。 “大多数基础设施提供商将框架和数据中心视为两个独立的问题。我们则把它们视为一体。PyTor
匹配字段正文
PyTorch Foundation 公布 2026 届 Ambassador 名单，共 24 人，覆盖五个项目区域，从尼日利亚、布基纳法索到新加坡、印度、罗马尼亚、西班牙、英国和美国。这些社区领袖将通过技术工作坊、meetup、教育资源和导师指导，帮助开发者了解 vLLM、DeepSpeed、Ray、Helion、Safetensors 等基金会生态项目并参与贡献。
工作坊、导师指导，或解决其社区挑战的应用。 对于刚接触 PyTorch 的人来说，这可能意味着参加第一次动手工作坊。对于经验丰富的开发者来说，这可能意味着发现一个新项目、与维护者建立联系，或做出第一次开源贡献。Ambassador 通过将人们聚集在一起，并将当地社区与更广泛的生态系统连接起来，帮助创造这些机会。 推进 PyTorch Foundation 的开源生态系统 PyTorch Foundation 支持一个不断壮大的开源项目生态系统，帮助开发者和研究人员构建、训练、优化和部署 AI 系统。除了核心 PyTorch 框架之外，该生态系统还包括 vLLM、DeepSpeed、Ray、Helion 和 Safetensors 等项目，涵盖模型训练、推理、分布式计算、性能优化和模型共享。 Ambassador 计划帮助将这些技术与世界各地的社区连接起来。通过技术工作坊、meetup、教育资源、导师指导和社区主导的倡议，Ambassador 帮助开发者发现基金会项目、理解其实际应用，并找到贡献的机会。 Ambassador 可能会为学生组织 PyTorch 入门工作坊，帮助开发者探索使
匹配字段正文
Modal 发布开源训练服务器 Spindle，可在自家 Modal workspace 中运行，兼容 Tinker API，按 GPU 时长而非 token 计费。部署只需执行 spindle deploy，支持全参数训练和多 LoRA，覆盖多种开源模型。官方给出的对比中，DAPO-math 单轮任务在 8 卡 H200 训练、8 卡 H200 推理、8 个客户端共享时价格为每百万输出 token 1.99 美元，较 Tinker 降低 80%。
系统构建在 Modal 原语之上： Modal Clusters 使大模型的传入请求能够被调度到动态可用的 RDMA 连接节点上，而无需预留集群， Modal Volumes 提供快速、持久的检查点保存，以及 Modal Servers 提供快速的推理层。在构建多 LoRA 训练的过程中，我们还向 Miles 和 SGLang上游贡献了多项改进，并将继续投入开源生态。 设计一个高性能的多租户训练系统需要克服各种挑战，我们必须仔细思考这些问题。这带来了许多令人兴奋的工作成果，如今它们支撑着 Spindle 的核心组件，包括多客户端批调度、异步检查点保存、增量权重同步，以及面向多 LoRA 和 KV 感知请求路由的自定义推理路由器。你可以在此处阅读更多关于我们设计的 内容. Spindle 实际运行 Over the past couple months, we’ve run an expansive set of RL workloads across math reasoning, agentic coding, and search agents. Here are a few ex
匹配字段正文