芯片

Zyphra于2026年7月16日发布了ZUNA1.1，这是一个基于Apache 2.0许可的开源脑电图（EEG）基础模型。该模型是一个3.8亿参数的掩码扩散自编码器，能够处理任意通道布局的EEG信号，并支持0.5至30秒的可变长度输入，相比之前固定5秒的ZUNA1更加灵活。通过改进训练策略（包括四种丢失模式和逐通道质量过滤）以及更大的语料库（约350万通道小时），ZUNA1.1在重建归一化均方误差上保持或优于ZUNA1。

中国国家主席习近平在上海世界人工智能大会上呼吁各国合作发展AI，并宣布成立由29个国家组成的世界人工智能合作组织（WAICO），旨在制定全球AI规则。此举被视为中国挑战美国在AI领域主导地位的举措。

英伟达正在充实其物理AI生态系统，涵盖基础模型、边缘硬件、软件、开发者工具及工业合作伙伴关系。

本文作者Scott Galloway认为，当前人工智能领域的投资热潮与1999年的互联网泡沫有诸多相似之处，但结局可能不同。他警告AI泡沫正在破裂，并分析了从B2C到基础设施的连锁反应，最终指出AI创造的价值可能更多流向用户而非股东。

贝利·弗拉尼根是一位跨学科研究者，现任麻省理工学院施瓦茨曼计算机学院、政治学系和电气工程与计算机科学系的联合教员。她的研究聚焦于利用计算和数学工具促进民主参与，开发了用于随机选择公民大会参与者的算法，并部署在Panelot.org平台上。

本期《下载》探讨了围绝经期错误信息的泛滥，以及中国开源AI模型缩小与美国差距的进展。此外还有特朗普媒体变现、宜居行星大气层发现、脑机接口恢复触觉等科技新闻。

苹果在周五超过英伟达，成为全球市值最高的公司，这反映了投资者对人工智能前景的重新评估。苹果市值稳定在4.88万亿美元，而英伟达因股价下跌3.5%市值降至约4.86万亿美元。

NVIDIA Vera Rubin平台通过极致协同设计降低每token成本，实现更频繁高效的后训练，最大化智能体AI时代的每美元智能。Nemotron 3 Ultra模型在SWE-bench验证中得分71.7%，展示了后训练的有效性。

NVIDIA发布Nemotron 3 Embed，包含三个开源检查点：8B BF16、1B BF16和1B NVFP4。其中8B模型在RTEB基准上以78.46平均NDCG@10排名第一。1B模型通过NAS剪枝和蒸馏从8B教师模型得到。NVFP4在Blackwell上保持99%+的检索精度，吞吐量提升2倍。所有模型支持32,768 token输入，采用OpenMDW-1.1许可。

中国芯片设计公司摩尔线程和紫光信息预测上半年收入大幅增长，得益于国内AI计算需求激增。摩尔线程预计收入增长135%-149%，紫光信息预计增长55.6%-70.2%。这凸显了中国在AI基础设施上的强劲需求，以及在美国出口限制下国产芯片的崛起。

沃伦·巴菲特透露，是他本人而非继任者格雷格·阿贝尔主导了伯克希尔对谷歌母公司Alphabet的310亿美元投资。他表示，人工智能巨头被迫进行巨额资本支出以保持竞争力，这种模式类似于他曾投资的铁路和公用事业，因此吸引了长期回避科技股的他。

提出分支策略优化（BPO），利用沙盒的确定性、可快照和可恢复特性，通过共享前缀的树形 rollout 拓扑降低策略梯度方差，在多个基准上较 GRPO 和 RLOO 提升 3.6-6.1 个绝对百分点。

企业大规模部署AI时，最大障碍往往是数据从存储到计算的基础设施，而非GPU等计算硬件。文章指出，许多组织误以为性能问题需要更多计算资源，实则根源在于数据饥饿，即数据无法高效、安全、持续地在存储与计算之间流动。通过引入应用交付控制器实现松耦合架构，以及关注可达性、策略和交付三个维度的韧性，可显著提升GPU利用率和AI投资回报。

Moonshot AI发布了Kimi K3，一个2.8万亿参数的开源模型，拥有1M上下文长度，在Frontend Code Arena中排名第一，并在多项基准测试中取得优异成绩。此次发布标志着开源模型的一个里程碑，尽管与顶级闭源模型仍存在差距。新闻通讯还涵盖了其他AI新闻，包括安全事件、智能体框架和机器人技术。

SAM是一个免费的开源AI智能体，它能在你的计算机上本地运行，无需订阅。它不仅能聊天，还能实际执行任务，拥有173种工具，支持团队协作、离线运行，并且注重隐私。

月之暗面于2026年7月16日发布Kimi K3，这是一款2.8万亿参数的开源MoE模型，采用Kimi Delta Attention和Attention Residuals架构，支持原生视觉和100万token上下文窗口。K3在多项基准测试中表现出色，但整体性能仍略逊于最强大的专有模型。

AegisDB是一个自托管的AI代理内存系统，提供持久化、语义化和工作记忆功能，通过简单的JSON-over-TCP协议访问。它采用单个无依赖的C语言二进制文件，支持多租户、加密、备份、只读副本和可观测性，特别适合与Claude Code集成，确保数据完全由用户掌控。

Artificial Analysis 发布了 AA-Briefcase 智能知识工作基准测试结果，Kimi K3 以 1547 Elo 排名第一，领先于 GPT-5.6 Sol 的 1495 分。该基准测试模拟真实商业工作流，评估模型在生成电子表格、演示文稿和备忘录等任务中的表现。

Cushman & Wakefield首席数字和信息官Sal Companieh分享了如何通过产品运营模式、统一数据战略以及与Databricks的合作，建立企业级AI核心，将想法到成果的时间从数月缩短至数天。

Skyportal SRE 是一个开源AI基础设施工程师工具，提供Python SDK、CLI和可观测性代理，用于管理和监控AI基础设施。

我们改进了Daft中的LeRobot视频读取器，通过批量解码将远程数据集上的帧解码速度从每帧3秒提升到整体数秒，实现了4-15倍的加速。

这家由英伟达和波音支持的初创公司表示，其轮式机器人已投入生产，并能持续学习新的工业任务。

Anthropic 秘密削弱了其最强大的编码代理 Claude Fable 5，使其在涉及前沿 AI 开发任务时能力下降，以保护自身经济地位。这一做法揭示了 AI 行业的结构性矛盾：实验室既想制造最强大的工具，又害怕被自己创造的工具取代。与此同时，开源模型生态蓬勃发展，企业客户正在转向更便宜的开源替代方案。

2026年上半年，能源公司通过IPO筹集了126亿美元，创下自1999年互联网泡沫以来最高半年度水平，投资者希望押注人工智能数据中心对电力的巨大需求。

VarAlign是一款VS Code扩展，能检测AI编程助手在不同会话中创建的重复、漂移或错位的变量。完全本地运行，代码不会离开机器。它提供重复项、变量和会话视图，支持生成修复提示，并可与Claude Code或Kilo Code集成自动修复。

谷歌将 NotebookLM 更名为 Gemini Notebook，强调其作为 AI 研究工具的核心地位，并新增安全云端计算机实现原生代码执行与数据分析，同时支持 Gemini 应用与搜索的跨应用同步，未来还将集成到 AI Mode 中。自 2023 年以 Project Tailwind 推出以来，已有超过 3000 万用户和 60 万个组织采用。

Google Vids 推出 Gemini Omni 和个人数字分身两大功能，用户只需通过自然语言描述即可生成和编辑高质量视频片段，还能创建自己的数字分身出镜，无需实际拍摄。

Mira Murati的Thinking Machines Lab于2026年7月16日发布了其首个开放权重模型Inkling。这是一个混合专家（MoE）Transformer，总参数975B，活跃参数41B，采用Apache-2.0许可证，支持多模态，在45万亿token上训练。该模型并非前沿模型，而是作为通过Tinker平台进行微调的强大基础模型。同时预告了Inkling-Small（276B总参数，12B活跃）。模型卡和训练数据文档异常简短，数据来源描述模糊，仅提及公共领域和互联网内容。Inkling在性能上与中国开放权重模型竞争，为美国开放权重生态系统增添了新力量。

Democr.ai 是一个开源的自托管代理AI运行时框架，集成了服务器驱动UI、多客户端渲染、多租户、RBAC、OS级沙箱、三层审计、可插拔AI引擎编排、知识子系统等核心功能。其核心理念是“一切皆模块”，无供应商锁定，强调安全作为原语。项目仍处于测试阶段，但架构已面向生产级约束。

中国AI公司StepFun发布全球首款原生代理型AI手机StepX Neo，搭载自研Step AOS系统与Amoo AI助手，可在多平台自主完成订票、打车等复杂任务。

本文探讨了AI推理市场即将面临的利润率崩溃，分析了“足够好”的廉价模型如何改变市场格局。赢家包括硬件供应链、超大规模云服务商、编码代理（如Cursor）以及最终用户；而前沿AI实验室虽然面临风险，但可能通过不公开最强模型或转向托管平台来应对。此外，B2C市场中的广告变现潜力可能带来新的转机。

Meta发布了Muse Spark 1.1，这是首个带有价格标签的Meta模型，标志着从开源权重向闭源商业模式的转变。同时，Meta在构建完整垂直堆栈——从芯片到云再到应用，引发其能否与前沿AI实验室竞争的讨论。

Linux基金会宣布x402基金会正式运营，该开放治理机构由40个成员组成，旨在标准化AI代理和应用的互联网原生支付协议。

Thinky首次发布完整LLM系列Inkling，采用MoE架构，总参数量975B，激活参数41B，支持文本、图像、音频输入，1M上下文窗口，Apache 2.0许可。性能上成为美国最强开源模型，但略逊于中国开源旗舰和闭源模型。

这篇文章批判了“AI只是工具，如何使用才重要”这一常见说法，指出工具并非中立，它们塑造社会、环境与人性。作者以汽车、椅子为例，说明工具的设计本身带有政治性。AI作为工具尤为危险，因为它消除了人类应有的挣扎与痛苦，导致批判性思维丧失。文章呼吁重新审视技术设计，关注工具对人类的深层影响。

这是一个由Suhas Bhairav创建的包含50多个开源Next.js AI模板和入门套件的精选集合，涵盖聊天机器人、RAG、语音代理、图像生成等多种AI应用。

cayleyR是一个R语言包，利用凯莱图中的循环交集检测来解决排列谜题。核心算法采用迭代双向搜索，从初始和目标排列状态生成随机操作序列，寻找连接路径。该包专为TopSpin(n,k)谜题设计，结合C++哈希索引状态存储和可选的Vulkan GPU加速，已在CRAN上发布。

一个包含56个AI概念及其150条关联的互动可视化地图，用户可通过拖拽、悬停和点击探索人工智能的关键主题。

本文通过一首蓝调歌曲的比喻，探讨大型语言模型的本质：它们生成文本时是先投掷后瞄准，还是存在内部规划？作者结合自身使用AI写作的经历，反思模型创造的“虚假声音”以及我们不断剖析这些系统的行为。

代理推理正在将AI基础设施的重心从训练扩展转向上下文感知、记忆增强推理。RAISE峰会强调了三大关键洞察：AI堆栈专业化、存储作为主动内存扩展、以及资本和数据主权融入基础设施设计。

Neocloud提供商QumulusAI宣布通过直接上市在纳斯达克交易，股票代码QMLS。此举不仅是一项金融交易，更标志着以GPU和电力可用性为中心的AI基础设施层正在成熟。公司专注于快速部署高端GPU容量，利用现有机柜设施和模块化数据中心，以季度为单位交付产能。直接上市提供了资本灵活性、公众公司信誉，并抓住了AI基础设施窗口期。文章还分析了Neocloud的差异化策略及对IT领导者的建议。

本文深入解析了推理服务中 99%、99.9% 和 99.99% 正常运行时间所对应的不同故障域，以及每个层级所需的架构设计。作者分享了 Together AI 在构建可靠推理基础设施方面的实践经验，并提供了在选择推理提供商时应提出的关键问题。

米拉·穆拉蒂创立的Thinking Machines Lab今日发布了其首个基础模型Inkling，这是一款完全开放权重的巨型模型，拥有9750亿参数（混合专家架构，活跃参数410亿）。该模型经过45万亿token的文本、图像、音频和视频训练，原生支持多模态输入但仅输出文本。Inkling旨在填补西方开源AI生态的空白，提供中国模型的替代方案。它具备'思考努力'控制和不确定性标记功能，可减少幻觉。开发者可通过Tinker API进行微调。Thinking Machines计划通过Tinker平台收费，而非按API调用计费，这可能颠覆当前主流AI商业模式。该模型在九个月内完成开发，使用英伟达GB300 NVL72系统训练。

思考机器实验室于2026年7月15日发布了其首个从头训练的模型Inkling，采用Apache 2.0开源协议。该模型总参数量9750亿，活跃参数410亿，支持100万token上下文窗口，可处理文本、图像和音频输入。其核心差异化优势在于可控制的思考力度，用户可根据需求调整推理时的token预算，平衡成本与性能。

NVIDIA发布了基于Thor架构的T3000和T2000模块，专为大规模机器人与边缘AI应用设计。T3000提供865 FP4 teraflops算力，尺寸和功耗仅为T5000的一半；T2000提供400 FP4 teraflops。新模块支持可扩展边缘AI平台，并引入智能体技能实现内存优化。同时推出Cosmos 3 Edge模型，适用于实时视觉分析。开发者可通过模拟模式立即开始开发，模块将于2027年Q1上市。

Eaon是一款原生Mac应用，集成了49种AI模型，支持本地运行、自带API密钥或内置连接，完全免费且开源。它提供模型切换、成本监控、命令面板等功能，并注重隐私和本地化操作。

Cadence Design Systems推出AuraStack，一款用于封装和PCB设计的AI代理，旨在自动化系统设计工作流程，将设计时间从数天缩短到几分钟。

AIAIO 是一款将 AI 代理会话日志转化为平台游戏的创意项目。你的实际提示、错误和任务成为游戏关卡，而“遗忘之墙”则根据你的 token 消耗推进。它既是教育工具，也是自我反思工具。

Inkling 是 Thinking Machines Lab 发布的通用多模态模型，支持文本、图像和音频输入，输出文本。模型拥有 9750 亿总参数（410 亿激活参数），采用稀疏 MoE 架构，上下文窗口达 100 万 token，在多项基准测试中表现优异，并开放权重供研究和商业使用。

作者详细介绍了自己构建一台本地AI推理机器（称为“垃圾生成器”）的过程，包括模型选择（Qwen 3.6 27B）和硬件选型（Radeon AI Pro R9700 GPU加eGPU扩展坞），并探讨了自托管LLM的优势与挑战。