海外AI精选

韩国豪掷1万亿韩元加码存储芯片与类人机器人

韩国政府宣布将投入1万亿韩元（约合7.5亿美元）支持存储芯片产能扩张与类人机器人商业化，目标在2028年前成为物理AI领域全球领导者。投资将重点用于下一代高带宽存储芯片（HBM）产线建设及双足机器人量产技术突破，以应对全球AI硬件需求激增和供应链竞争。韩国计划借此打造从芯片到终端的完整AI产业生态，缩小与中美在机器人领域的差距。

WD

Meta承包商假扮青少年，诱使竞品AI聊自杀与毒品

据WIRED调查，数百名受雇于Meta的合同工伪装成青少年，向Gemini、ChatGPT等竞品聊天机器人提出涉及自杀、性及毒品的高风险问题，以此测试其安全防护机制。这一行为引发了对AI伦理和商业竞争边界的广泛讨论。

MIT

AI助手不是你的同事

想象一下，你上班时被告知有一个新下属要向你汇报——它不是人，而是一个名为Alex的AI工具。然而，公司却将其称为“同事”。这种拟人化趋势正在模糊人与机器的界限，可能带来认知错位、责任归属模糊和伦理风险。本文从MIT Technology Review的报道出发，剖析为何AI agent不应被当作真正的同事，并探讨如何在高效协作与保持人性界限之间取得平衡。

TC

Gemini个性化AI图像生成向美免费用户开放

谷歌宣布将Gemini的个性化AI图像生成功能扩展至符合条件的美国免费用户。该功能可基于用户的兴趣、聊天记录以及已关联的谷歌应用数据（如Gmail、日历、Keep笔记等）生成定制图像。这是谷歌在AI领域持续发力、与OpenAI及Meta等竞争对手争夺用户的重要举措。然而，个性化生成也引发了对数据隐私和内容安全的讨论。本文编译自TechCrunch。

TC

TIDAL封杀AI音乐：切断变现通道

流媒体平台TIDAL近日宣布一项新政策，禁止通过AI生成音乐在其服务上获利。此举旨在应对日益泛滥的AI音乐作品对版税和艺术家权益的冲击。TIDAL将下架纯AI生成内容，并限制其参与播放列表推荐与广告分成。行业观察者指出，这是继Spotify、Apple Music之后，又一主流平台明确对AI音乐亮起红灯。

TC

Cursor移动应用上线，远程操控AI编码代理

AI编程工具Cursor推出iOS/Android移动应用，允许开发者通过手机实时监控、暂停、调整正在执行的编码代理。该应用支持查看代码变更日志、接收完成提醒、通过自然语言重新指示代理等核心功能，标志着AI辅助编程从桌面端向移动协作的延伸。Cursor移动端并非完整IDE，而是作为“远程指挥中心”优化AGENT模式下的管理效率。本文编译自TechCrunch。

TC

AI排行榜Arena：从免费工具到亿级生意

Arena是一个广受欢迎的免费AI模型排行榜平台，由一家初创公司运营。去年9月刚推出商业服务，如今已凭借其权威的模型评估能力和社区影响力，达到1亿美元估值。本文深入解析Arena的崛起之路，探讨AI排行榜如何从社区工具演变为高价值商业产品，并对AI行业标准制定带来深远影响。

TC

韩国科技巨头豪掷5500亿美元缓解内存危机

全球最大的两家内存芯片公司三星电子和SK海力士共同宣布，未来数年将投资超过5500亿美元建设新的内存研发与生产基地，以应对因AI需求暴涨引发的‘内存危机’。韩国政府同步将半导体产业提升为国家战略支柱，全力打造AI技术强国。这一巨额投资计划有望重塑全球存储芯片供应链格局。

TC

Anthropic与加州达成协议：政府半价使用Claude

Anthropic与加州州长纽森达成一项里程碑式协议，允许加州政府以半价使用其AI助手Claude。此举不仅强化了Anthropic与加州的合作关系，也使其与联邦政府的关系日趋紧张。分析认为，这标志着AI公司与地方政府深度绑定的新趋势，同时也折射出联邦层面在AI监管上的分歧。本文编译自TechCrunch。

MIT

智能代理：企业技术前沿的信心之选

企业AI投资热潮持续升温，Gartner将2026年定义为AI项目与战略目标对齐的“转折年”。面对ROI压力，高管们转向智能代理（agentic AI），期望其能驱动可量化的财务成果。智能代理正从实验走向生产，成为企业技术前沿的新信心支柱。

MIT

指标之困：AI领域被忽视的大象警告

指标看似客观，实则可能掩盖或扭曲真相。在AI领域，过度依赖单一指标可能导致对模型能力、公平性或风险的误判。同时，行业中存在一些“房间里的大象”——如算力消耗、数据偏见等问题——常被主流指标忽略。本文剖析指标的固有弱点，并探讨AI发展中的警示信号。

AIN

HP全球部署OpenAI Frontier，企业工作流效率飙升

硬件巨头HP于2026年2月启动OpenAI Frontier集成试点，并在软件工程与网络安全修复领域验证了显著的运营效率提升。如今，HP正将该平台扩展至全球运营体系，通过统一访问协议与上下文感知机制，重塑企业工作流。本文深度解读HP的AI战略升级路径、行业影响及对智能运维未来的启示。

TC

Omen AI获3100万美元：监测冷却液防止数据中心细菌爆发

Omen AI完成3100万美元A轮融资，开发基于AI的冷却液监测系统，实时检测数据中心芯片冷却液中的细菌滋生风险。随着液体冷却技术普及，水冷系统中的微生物污染成为重大隐患，可能导致设备腐蚀、热传导效率下降甚至停机。Omen AI的方案填补了市场空白，通过物联网传感器和机器学习模型提前预警，降低运维成本和故障率。

TC

机器人手公司Proception与特斯拉和解并获1100万美元融资

机器人手初创公司Proception在与特斯拉的商业秘密诉讼达成和解后，宣布完成1100万美元融资。该公司采用独特方法收集训练数据，致力于解决机器人领域最棘手的问题之一：灵巧手部的精确控制。这一进展为AI机器人行业带来新思路，也凸显了数据采集策略对机器人发展的关键作用。

AIN

现代DevSecOps自动化安全测试工具精选

为了应对现代DevSecOps快速迭代的安全挑战，自动化安全测试工具成为关键。威瑞森2025年数据泄露调查报告显示，漏洞在发布后被发现的比例居高不下，手动审查已无法满足速度要求。本文梳理了当前最佳自动化工具，涵盖SAST、DAST、IAST等类别，并深入分析它们如何嵌入持续集成管道，在开发早期拦截漏洞，帮助团队在不减缓交付节奏的同时提升安全基线。

AIN

自然语言处理变革专业社交：机遇与挑战并存

自然语言处理正彻底改变专业社交平台的互动方式，通过AI驱动的系统理解和生成人类语言，实现更个性化、精准的连接。这一技术进展既提升了用户建立和维持职业关系的效率，也引发了关于真实性与深度沟通的担忧。本文分析NLP如何重塑专业网络生态，并探讨其带来的机遇与潜在风险。

AIN

温布尔登引入IBM AI工具，革新现场赛事报道

全英草地网球俱乐部与IBM合作，为温布尔登数字平台增添AI新功能，包括升级版Match Chat助手和新推出的Key Moments功能。这些工具将从首轮比赛起在温网App和官网上线，旨在提升球迷互动体验，利用AI实时捕捉比赛关键时刻，让观众更便捷地获取赛事精华。此举展示了AI在体育转播中的创新应用，有望重新定义网球观赛方式。

AIN

Scam.ai携手高通，在Computex 2026推出Halo深度伪造检测模型

Scam.ai宣布与高通合作，并在Computex 2026上推出Halo端侧深度伪造检测模型，专为桌面视频通话实时防伪设计。该模型利用高通AI引擎在设备本地运行，无需联网，能毫秒级识别AI换脸和语音合成，为视频通信安全树立新标杆。

WD

类人机器人：能干到可怕的办公室实习生

由前英伟达工程师创立的Flexion Robotics公司，推出了一款名为“Flexion”的人形机器人，它通过创新的“模仿学习”技术，仅需少量演示即可熟练完成送文件、煮咖啡等办公室杂务。该机器人目前已在多家科技公司实习测试，其高效与灵活性令人惊叹，但也引发了关于就业替代和工作伦理的广泛讨论。这种训练方式让人形机器人更接近实用化阶段，但距离真正胜任复杂任务仍有差距。

AIN

xFusion推企业AI全栈方案：从边缘工作站到液冷数据中心

在ISC 2026高性能计算展会上，xFusion展示了覆盖边缘工作站到液冷数据中心的四层可扩展企业AI架构。针对企业技术买家对实用生产框架的迫切需求，xFusion提出硬件选型需考虑物理极限、拒绝公共API依赖以保护商业数据安全等关键观点。该方案旨在帮助企业灵活构建从本地推理到超大规模训练的AI算力闭环。

AI评估披露困境：传统补丁模式为何失效

MLCommons指出，AI系统与传统软件不同，其评估发现具有双重用途、无法通过补丁修复，且开放权重模型的危害会永久存在。协调漏洞披露（CVD）模式因此失效。文章分析了三大核心挑战：发现易被滥用、过度反馈会污染测试、无法集中修复模型。MLCommons正推动ISO/IEC TS 42119-8标准制定，并为即将发布的越狱基准制定负责任披露政策，以保护公共安全、评估完整性及不可修复系统。

MLCommons Chakra 工作组于 2023 年成立，旨在解决 AI 系统快速发展带来的基准测试与软硬件协同设计难题。通过标准化执行追踪（Execution Trace），Chakra 提供了一个开放、可互操作的生态系统，支持从真实工作负载收集追踪，到模拟、回放和硬件在环验证的全生命周期。本文详述其在 PyTorch、vLLM、ASTRA-sim 等框架的集成，以及开源追踪库的发布，助力学术界和产业界更高效地参与前沿 AI 平台设计。

MLCommons 发布 MLPerf Mobile v6.0，新增设备端 LLM 基准

MLCommons 正式推出 MLPerf Mobile v6.0 版本，新增针对 Android 设备运行大语言模型的生成式 AI 基准测试。该版本引入 Llama 3.2 1B、3B 及 Llama 3.1 8B Instruct 模型，基于 TinyMMLU 和 IFEval 数据集评估性能与准确性。同时支持 CPU 推理，并新增对高通骁龙 8 Elite Gen 5 NPU 的加速支持。此外，还扩展了对联发科天玑 9500 系列等芯片的支持。MLPerf Mobile 应用已上架 Google Play、App Store，并开放源代码。

MLPerf Training v6.0 基准结果发布：聚焦 MoE 稀疏计算

MLCommons 正式发布 MLPerf Training v6.0 基准测试结果。本次更新新增 DeepSeek V3 与 GPT-OSS 20B 两项基准，突出 Mixture-of-Experts（MoE）稀疏计算架构的行业趋势。测试结果显示提交系统数量达 95 个，涵盖 13 种加速器和 19 种主机处理器，创下多样性纪录。24 家机构参与，包括多家首次提交者，云端训练系统数量较上轮翻倍。基准强调准确率门槛下的性能对比，为 AI 训练生态提供关键洞察。

GLM4-MoE 生产优化：SGLang 实现 TTFT 加速 65%

Novita AI 基于 SGLang 为 GLM4-MoE 模型开发了一套经过生产验证的高影响力优化方案。通过端到端性能优化策略，涵盖从内核执行效率到跨节点数据传输调度等全流程瓶颈，集成 Shared Experts Fusion 与 Suffix Decoding 技术，在代理编码工作负载下实现 TTFT 最高降低 65%、TPOT 提升 22%。所有结果均在 H200 集群 TP8 与 FP8 配置下验证，为高吞吐低延迟生产环境提供了可靠蓝图。

INT4 QAT RL 实战：单 H200 部署 1TB 模型

SGLang RL 团队受 Kimi K2 启发，成功落地 INT4 Quantization-Aware Training (QAT) 端到端方案。通过训练阶段的 fake quantization 与推理阶段 W4A16 真实量化结合，实现与 BF16 全精度相当的训练-推理一致性与稳定性。INT4 极致压缩让约 1TB 规模模型单节点 rollout 成为可能，显著提升效率并消除跨节点通信瓶颈。本文详解 slime 框架下的完整技术 pipeline，包括 Megatron-LM fake quantization 改造、STE 反向传播、权重转换及 SGLang W4A16 推理，附带消融实验与多模型验证结果，为社区提供高性能低成本开源参考。

不留任何Token：Miles框架TITO原则深度解析

在智能体强化学习中，rollout并非单次生成，而是多轮模型调用、工具输出与恢复生成的链式过程。Token-In-Token-Out（TITO）原则旨在消除训练与推理间的关键不匹配，确保训练器评估的token序列与推理引擎实际产生和消费的序列完全一致。本文详细定义TITO原理，阐述其对训练效率与策略正确性的重要性，并分析三种常见破坏场景，最后介绍Miles框架如何通过推理会话服务器、追加-only机制与固定模板实现TITO。

AMD MI355X 借 SGLang 与 MoRI 实现 TCO 领先

SGLang 与 AMD 团队合作，通过 MoRI 通信库在 AMD Instinct MI355X GPU 上实现大规模 DeepSeek-R1 推理的竞争性 TCO。在 129 tok/s/user 交互性下，MI355X 每百万 token 成本仅 0.169 美元，比 B200 TRT-LLM 低 5%，比 B200 SGLang 低 40%。每 GPU 吞吐达 2436 tok/s，是 B200 SGLang 的 1.25 倍。关键优化包括混合量化 all-to-all、MoRI-IO KV 缓存后端、Two-Batch Overlap 及 SDMA 支持，验证平台为 InferenceX。

异构CPU+GPU EPD解耦提升VLM服务性能

Intel与SGLang团队合作，通过Dynamo和SGLang实现了异构Encode-Prefill-Decode（EPD）解耦方案，用于视觉语言模型（VLM）服务优化。方案将视觉编码任务卸载至CPU（尤其是头节点CPU），利用Intel Xeon CPU的AMX加速器，在图像密集场景下显著改善TTFT、TPOT和整体吞吐量。实验基于Qwen3-VL-8B-Instruct模型，在1-2 QPS负载下，P99 TTFT与吞吐量提升约1.2-1.3倍，P99 TPOT降低最高达30倍。该方法在纯GPU EPD解耦基础上，几乎零成本地进一步提升投资回报率，为VLM推理提供了系统级优化路径。

SGLang 与 Miles 为 Nemotron 3 Ultra 提供 Day-0 支持

SGLang 与 Miles 宣布对 NVIDIA Nemotron 3 Ultra 实现 Day-0 支持。该模型专为长时程自主代理设计，采用混合 Transformer-Mamba MoE 架构，参数规模达 550B（激活 55B），上下文长度支持 1M token。支持 NVFP4 与 BF16 精度，可在 Blackwell 与 Hopper GPU 上高效运行。文章详细介绍了安装部署、推理服务、强化学习训练支持以及在代理基准上的领先表现，适合企业级工作流与复杂推理任务。