精选TechCrunch、MIT科技评论、WIRED等全球顶尖科技媒体AI报道中文，如转载中文请标注本站出处。
企业内容管理平台 Box 推出了一套采用“智能体优先”思路的内容检索系统，其核心基于英伟达 Nemotron 开源模型。据称，新系统响应查询的速度提升至原来的四倍，错误率降低 20%，而消耗的 token 数量减少 90%。这标志着企业搜索正从“检索增强生成”的单轮问答，转向由模型自主规划、多步执行任务的智能体检索架构，也让企业在与微软、Glean 等对手的竞争中有了新的技术路线选择。
TechCrunch报道，初创公司Aina推出一款带屏幕、摇杆和麦克风的智能戒指，用户可直接通过语音与AI智能体对话，还能接听电话、在Mac上听写笔记。这款产品试图在健康追踪之外，为可穿戴设备开辟AI交互新入口，也引发业界对戒指形态能否承载复杂交互的讨论。
Dropbox宣布以3.5亿美元收购数据基础设施初创公司Tigris Data，该交易旨在支撑其全新存储平台DBX Agent Cloud的开发。这一平台面向构建AI模型与智能体的开发者，标志着Dropbox从云存储服务商向AI基础设施提供商的战略转型。本文梳理交易细节、技术背景与行业影响。
药物研发长期受困于漫长而昂贵的实验流程。英国政府支持的初创公司Potential Sciences提出一条新路径：用计算机生成的生化数据训练AI模型，让候选药物在进入实验室之前先经历一轮“数字筛选”，从而压缩研发周期与成本。这一思路若能验证，或将为AI制药打开新的想象空间。
当AI代理开始替你执行任务，控制它的入口正在从手机屏幕转向指尖。据《连线》独家报道，初创公司Aina正在研发一款智能戒指，用户只需轻点一下，就能指挥自主AI代理完成操作。这家公司押注的是：未来你不再需要掏出手机来管理虚拟助手，可穿戴设备将成为AI代理最自然的“遥控器”。
Agility今日正式登陆纳斯达克，成为全球首家公开交易的纯人形机器人公司。这不仅是公司融资里程碑，也意味着人形机器人赛道开始接受公开市场定价。本文梳理其业务进展、行业竞争与投资风险，并分析“第一股”光环下的机会与挑战。
成立仅数月的YC初创公司Discovered Materials宣布，设立总额100万美元的悬赏基金，围绕五个尚未解决的材料科学问题，每个解决方案奖励20万美元。该公司用AI寻找芯片材料，希望以开放创新加速材料发现，并验证AI在半导体材料研发中的潜力。这既是科研激励，也是初创公司构建生态、吸引人才与实验合作者的战略动作。
Husk是一位以揭露AI聊天机器人缺陷而走红的网红，短视频动辄百万播放。令人意外的是，OpenAI、Anthropic及马斯克旗下SpaceX等顶级AI实验室，如今都主动向他抛出橄榄枝。这一转变背后，是AI行业日益严峻的信任危机——与其让批评者在暗处开火，不如把最有影响力的批评者拉到牌桌上。本文深度解析这位“AI黑粉”如何逆袭成为行业座上宾。
Wild Dolphin Project创始人Denise Herzing正借助人工智能，分析她四十年来积累的海豚音频与视频素材，试图破解这种高智商海洋哺乳动物的交流密码。这不只是一场技术实验，更可能改写人类与动物沟通的边界——当大模型能与人对话之后，科学家们把目光投向了更远的疆域。
Agility Robotics正式登陆纳斯达克，成为美国首家上市的人形机器人企业。这家以Digit机器人闻名的公司从实验室走向公开市场，既标志着人形机器人商业化进入新阶段，也让这一赛道的技术成熟度、盈利能力和市场泡沫等问题接受资本市场的严格审视。上市首秀能否经得起考验，将影响整个人形机器人行业的走向。
美国参议院将于11月9日表决《两党美国可负担性与就业法案》（BAAJA），这项旨在削减审批繁文缛节的立法可能加速输电、电网和清洁能源项目建设。中期选举刚落幕，能源负担与就业成为两党交集。本文梳理法案背景、潜在影响与争议，并分析其对美国能源基础设施和电力供应的意义。
数据中心反对浪潮在周二的中期选举中首次明显跨越党派界线。当AI算力扩张撞上居民的电费账单、水资源与地方财政，数据中心正从科技行业的内部议题，演变为一场全国性的政治博弈。本文梳理这场反弹的来龙去脉，并分析中期选举之后可能升级的监管与投资风险。
TechCrunch援引消息称，苹果正大幅削减工程团队使用AI的预算，内部AI支出明显收缩。在生成式AI竞赛持续升温、各大科技巨头加码投入的背景下，苹果这一反向操作引发关注。此举可能源于成本控制、内部工具效率优化，或AI战略节奏调整。本文梳理事件要点、行业背景，并分析其背后可能的逻辑与影响。
2026年美国中期选举中，AI行业政治行动委员会投入数百万美元，试图影响国会席位归属。TechCrunch复盘发现，这些资金既有斩获也有失手，结果喜忧参半。随着AI监管、版权和算力政策升温，行业政治参与正走向常态化，相关团体已开始布局下一选举周期。
美国民主党在得州等AI基础设施重镇大获全胜，地方政治风向突变，让数据中心建设者如坐针毡。电力成本、用水争议与社区反对叠加，监管前景不明。于是，一群科技精英把目光投向近地轨道：那里有充足的太阳能、天然的真空散热，最重要的是——没有选民。太空数据中心究竟是云计算的下一站，还是选举夜之后的一场集体心理按摩？
由硅谷亿万富翁支持的“Leading the Future”网络曾以1亿美元竞选资金和高调反AI监管立场进军2026年中期选举。但WIRED指出，这场豪赌在投票夜并未转化为实际政治影响力，也暴露出AI议题与选民关切之间的落差。
美国选民以压倒性多数投票支持限制AI与数据中心，然而科技行业并未反思自身问题，反而将这股民意反弹归咎于“反特朗普”情绪，声称选民反对的不是科技本身。当AI能耗、就业冲击与社区利益冲突日益凸显，科技巨头是否还听得见普通选民的声音？本文梳理事件脉络与行业背景。
Meta宣布收购AI编程初创公司Conductor，后者主打让软件工程师部署多支AI智能体团队、并行推进项目不同模块开发的模式，交易金额尚未披露。此举被视为Meta加码AI开发者工具、布局“智能体编排”新赛道的重要一步，也折射出AI编程工具正从单点代码补全走向多智能体协同的行业趋势。
OpenAI 全球政策负责人 Chris Lehane 公开提出，希望用一份“新的社会契约”定义 2028 年美国大选，让 AI 红利更公平地惠及美国人。表面上看，这是科技巨头对公共利益的承诺；但细究其主张，这份议程既回应了公众对失业与监管的焦虑，也暗含为 OpenAI 争取有利政策空间的商业算计。当 AI 公司开始为选举设定议题，谁来监督议程的制定者？
当“AI代理替你打理一切”成为行业热词，Uber却给出了一组冷静的数据：上个季度最繁忙的一周，全平台只有4名乘客通过AI代理完成叫车。这一数字与资本市场的热情形成鲜明反差。本文梳理Uber的AI布局、代理式商务在支付授权与责任归属上的现实障碍，并分析为何打车这类高频、强实时的交易场景，反而成了AI代理最难落地的领域之一。
智能手机初创公司Nothing的CEO近日透露，公司正在打造一款以AI为核心的神秘设备，并计划于下个月正式发布。目前该产品的具体形态仍是谜团，但官方表示其设计初衷是利用人工智能大幅提升生产力。在AI硬件屡遭质疑的当下，Nothing能否凭借设计基因和软件体验突出重围，成为市场关注的焦点。
AI从业者深知部署系统与基础模型行为差异显著，但安全评估常错误假设可组合性。研究表明，微调等修改会导致安全分数不可预测地变化，正反方向均有可能。MLCommons强调需针对完整部署系统进行测试，其Candela服务提供带误差范围的可靠基准，支持团队判断修改影响。文章呼吁建立可预测的可组合性测试框架，以降低合规负担并助力监管。相关工作组欢迎研究者加入，推动AI安全评估进步。
MLCommons近日发布AILuminate Safety 1.2.1和Jailbreak 1.1两项基准，开发者可通过Candela服务自测AI系统产生有害内容的风险及抗攻击能力。基准由80多家机构共识构建，覆盖12类危害场景，并采用确定性评估器提升准确性。公开结果显示27个系统表现差异显著，开放权重模型从第4到98百分位不等，而护栏系统接近满分。Jailbreak测试揭示攻击可使违规率从11.08%升至18.65%。新版支持更快、更可靠的评估，助力AI产品安全部署。
MLCommons 推出 Candela 平台，为开发者和部署者提供 AI 风险与可靠性基准测试服务。该平台基于 AILuminate 基准，支持 Safety 1.2.1 和 Jailbreak 1.1 等测试，覆盖暴力犯罪、金融健康法律建议等十二类危害及越狱攻击。采用封闭提示、私有分类器和项目反应理论评分，确保结果可比且防污染。支持练习测试、注释结果和官方结果三种模式，可测试完整系统配置。微软、NVIDIA、Google DeepMind 等成员公司已肯定其价值，助力跨组织 AI 治理与合规决策。
Agentic应用会反复向模型提交超长且高度相似的历史上下文。HiCache在Radix cache基础上把KV复用扩展到主机内存与外部存储，并进一步适配CP、PP、Speculative decoding和P/D分离等生产级推理架构。
SGLang 引入 Elastic Expert Parallelism Scaling，让 MoE 推理服务可在运行中细粒度增加 GPU，无需完整副本或重启。借助 Mooncake PG 与 NIXL，系统在 8×H100 测试中比重启更快完成扩容，并支持 CUDA graph 重捕获与 EPLB 重平衡。
SGLang 团队宣布与 AWS 合作推出 SGLang Trainium plugin Beta，基于新发布的 TorchNeuron，为 AWS Trainium2 与 Trainium3 提供 LLM 推理服务和 RL rollout 支持。该插件旨在帮助团队以更高性价比运行开放模型服务与后训练流程，并探索 Trainium 与 GPU 混合部署的异构 RL 新范式。
AMD 与 Miles 团队在 AMD Instinct MI355X 上，用 Miles、SGLang、Megatron-LM 和 Harbor 对 Qwen3-30B-A3B-Instruct 进行全异步 agentic RL 训练，将 SWE-bench Verified 子集 pass@1 从 7.3% 提升至 27.5%。
DeepSeek 开源 DeepInfer 后，SGLang 团队用 DeepInfer 自身基准在相同硬件上复测 DeepSeek-V4.1-Flash。结果显示，SGLang 在 prefill 吞吐、decode 步长等关键指标上持平或领先，并补齐了完整推理服务所需的 KV cache、PD 分离和负载均衡能力。
InfiX.ai、Slime与SGLang团队分析了原生NVFP4在大模型RL中后期失稳的原因，覆盖量化、激活缩放、KV cache与执行路径差异，并提出TRIAGE与miniTE两条路线，在8×B300上实现约1.33–1.37倍学习器更新加速。
