芯片

Zyphra於2026年7月16日發佈了ZUNA1.1，這是一個基於Apache 2.0許可的開源腦電圖（EEG）基礎模型。該模型是一個3.8億參數的掩碼擴散自編碼器，能夠處理任意通道佈局的EEG信號，並支持0.5至30秒的可變長度輸入，相比之前固定5秒的ZUNA1更加靈活。通過改進訓練策略（包括四種丟失模式和逐通道質量過濾）以及更大的語料庫（約350萬通道小時），ZUNA1.1在重建歸一化均方誤差上保持或優於ZUNA1。

中國國家主席習近平在上海世界人工智能大會上呼籲各國合作發展AI，並宣佈成立由29個國家組成的世界人工智能合作組織（WAICO），旨在制定全球AI規則。此舉被視為中國挑戰美國在AI領域主導地位的舉措。

英偉達正在充實其物理AI生態系統，涵蓋基礎模型、邊緣硬件、軟件、開發者工具及工業合作伙伴關係。

本文作者Scott Galloway認為，當前人工智能領域的投資熱潮與1999年的互聯網泡沫有諸多相似之處，但結局可能不同。他警告AI泡沫正在破裂，並分析了從B2C到基礎設施的連鎖反應，最終指出AI創造的價值可能更多流向用户而非股東。

貝利·弗拉尼根是一位跨學科研究者，現任麻省理工學院施瓦茨曼計算機學院、政治學系和電氣工程與計算機科學系的聯合教員。她的研究聚焦於利用計算和數學工具促進民主參與，開發了用於隨機選擇公民大會參與者的算法，並部署在Panelot.org平台上。

本期《下載》探討了圍絕經期錯誤信息的泛濫，以及中國開源AI模型縮小與美國差距的進展。此外還有特朗普媒體變現、宜居行星大氣層發現、腦機接口恢復觸覺等科技新聞。

蘋果在週五超過英偉達，成為全球市值最高的公司，這反映了投資者對人工智能前景的重新評估。蘋果市值穩定在4.88萬億美元，而英偉達因股價下跌3.5%市值降至約4.86萬億美元。

NVIDIA Vera Rubin平台通過極致協同設計降低每token成本，實現更頻繁高效的後訓練，最大化智能體AI時代的每美元智能。Nemotron 3 Ultra模型在SWE-bench驗證中得分71.7%，展示了後訓練的有效性。

NVIDIA發佈Nemotron 3 Embed，包含三個開源檢查點：8B BF16、1B BF16和1B NVFP4。其中8B模型在RTEB基準上以78.46平均NDCG@10排名第一。1B模型通過NAS剪枝和蒸餾從8B教師模型得到。NVFP4在Blackwell上保持99%+的檢索精度，吞吐量提升2倍。所有模型支持32,768 token輸入，採用OpenMDW-1.1許可。

中國芯片設計公司摩爾線程和紫光信息預測上半年收入大幅增長，得益於國內AI計算需求激增。摩爾線程預計收入增長135%-149%，紫光信息預計增長55.6%-70.2%。這凸顯了中國在AI基礎設施上的強勁需求，以及在美國出口限制下國產芯片的崛起。

沃倫·巴菲特透露，是他本人而非繼任者格雷格·阿貝爾主導了伯克希爾對谷歌母公司Alphabet的310億美元投資。他表示，人工智能巨頭被迫進行鉅額資本支出以保持競爭力，這種模式類似於他曾投資的鐵路和公用事業，因此吸引了長期迴避科技股的他。

提出分支策略優化（BPO），利用沙盒的確定性、可快照和可恢復特性，通過共享前綴的樹形 rollout 拓撲降低策略梯度方差，在多個基準上較 GRPO 和 RLOO 提升 3.6-6.1 個絕對百分點。

企業大規模部署AI時，最大障礙往往是數據從存儲到計算的基礎設施，而非GPU等計算硬件。文章指出，許多組織誤以為性能問題需要更多計算資源，實則根源在於數據飢餓，即數據無法高效、安全、持續地在存儲與計算之間流動。通過引入應用交付控制器實現松耦合架構，以及關注可達性、策略和交付三個維度的韌性，可顯著提升GPU利用率和AI投資回報。

Moonshot AI發佈了Kimi K3，一個2.8萬億參數的開源模型，擁有1M上下文長度，在Frontend Code Arena中排名第一，並在多項基準測試中取得優異成績。此次發佈標誌着開源模型的一個里程碑，儘管與頂級閉源模型仍存在差距。新聞通訊還涵蓋了其他AI新聞，包括安全事件、智能體框架和機器人技術。

SAM是一個免費的開源AI智能體，它能在你的計算機上本地運行，無需訂閲。它不僅能聊天，還能實際執行任務，擁有173種工具，支持團隊協作、離線運行，並且注重隱私。

月之暗面於2026年7月16日發佈Kimi K3，這是一款2.8萬億參數的開源MoE模型，採用Kimi Delta Attention和Attention Residuals架構，支持原生視覺和100萬token上下文窗口。K3在多項基準測試中表現出色，但整體性能仍略遜於最強大的專有模型。

AegisDB是一個自託管的AI代理內存系統，提供持久化、語義化和工作記憶功能，通過簡單的JSON-over-TCP協議訪問。它採用單個無依賴的C語言二進制文件，支持多租户、加密、備份、只讀副本和可觀測性，特別適合與Claude Code集成，確保數據完全由用户掌控。

Artificial Analysis 發佈了 AA-Briefcase 智能知識工作基準測試結果，Kimi K3 以 1547 Elo 排名第一，領先於 GPT-5.6 Sol 的 1495 分。該基準測試模擬真實商業工作流，評估模型在生成電子表格、演示文稿和備忘錄等任務中的表現。

Cushman & Wakefield首席數字和信息官Sal Companieh分享瞭如何通過產品運營模式、統一數據戰略以及與Databricks的合作，建立企業級AI核心，將想法到成果的時間從數月縮短至數天。

Skyportal SRE 是一個開源AI基礎設施工程師工具，提供Python SDK、CLI和可觀測性代理，用於管理和監控AI基礎設施。

我們改進了Daft中的LeRobot視頻讀取器，通過批量解碼將遠程數據集上的幀解碼速度從每幀3秒提升到整體數秒，實現了4-15倍的加速。

這家由英偉達和波音支持的初創公司表示，其輪式機器人已投入生產，並能持續學習新的工業任務。

Anthropic 秘密削弱了其最強大的編碼代理 Claude Fable 5，使其在涉及前沿 AI 開發任務時能力下降，以保護自身經濟地位。這一做法揭示了 AI 行業的結構性矛盾：實驗室既想製造最強大的工具，又害怕被自己創造的工具取代。與此同時，開源模型生態蓬勃發展，企業客户正在轉向更便宜的開源替代方案。

2026年上半年，能源公司通過IPO籌集了126億美元，創下自1999年互聯網泡沫以來最高半年度水平，投資者希望押注人工智能數據中心對電力的巨大需求。

VarAlign是一款VS Code擴展，能檢測AI編程助手在不同會話中創建的重複、漂移或錯位的變量。完全本地運行，代碼不會離開機器。它提供重複項、變量和會話視圖，支持生成修復提示，並可與Claude Code或Kilo Code集成自動修復。

谷歌將 NotebookLM 更名為 Gemini Notebook，強調其作為 AI 研究工具的核心地位，並新增安全雲端計算機實現原生代碼執行與數據分析，同時支持 Gemini 應用與搜索的跨應用同步，未來還將集成到 AI Mode 中。自 2023 年以 Project Tailwind 推出以來，已有超過 3000 萬用户和 60 萬個組織採用。

Google Vids 推出 Gemini Omni 和個人數字分身兩大功能，用户只需通過自然語言描述即可生成和編輯高質量視頻片段，還能創建自己的數字分身出鏡，無需實際拍攝。

Mira Murati的Thinking Machines Lab於2026年7月16日發佈了其首個開放權重模型Inkling。這是一個混合專家（MoE）Transformer，總參數975B，活躍參數41B，採用Apache-2.0許可證，支持多模態，在45萬億token上訓練。該模型並非前沿模型，而是作為通過Tinker平台進行微調的強大基礎模型。同時預告了Inkling-Small（276B總參數，12B活躍）。模型卡和訓練數據文檔異常簡短，數據來源描述模糊，僅提及公共領域和互聯網內容。Inkling在性能上與中國開放權重模型競爭，為美國開放權重生態系統增添了新力量。

Democr.ai 是一個開源的自託管代理AI運行時框架，集成了服務器驅動UI、多客户端渲染、多租户、RBAC、OS級沙箱、三層審計、可插拔AI引擎編排、知識子系統等核心功能。其核心理念是“一切皆模塊”，無供應商鎖定，強調安全作為原語。項目仍處於測試階段，但架構已面向生產級約束。

中國AI公司StepFun發佈全球首款原生代理型AI手機StepX Neo，搭載自研Step AOS系統與Amoo AI助手，可在多平台自主完成訂票、打車等複雜任務。

本文探討了AI推理市場即將面臨的利潤率崩潰，分析了“足夠好”的廉價模型如何改變市場格局。贏家包括硬件供應鏈、超大規模雲服務商、編碼代理（如Cursor）以及最終用户；而前沿AI實驗室雖然面臨風險，但可能通過不公開最強模型或轉向託管平台來應對。此外，B2C市場中的廣告變現潛力可能帶來新的轉機。

Meta發佈了Muse Spark 1.1，這是首個帶有價格標籤的Meta模型，標誌着從開源權重向閉源商業模式的轉變。同時，Meta在構建完整垂直堆棧——從芯片到雲再到應用，引發其能否與前沿AI實驗室競爭的討論。

Linux基金會宣佈x402基金會正式運營，該開放治理機構由40個成員組成，旨在標準化AI代理和應用的互聯網原生支付協議。

Thinky首次發佈完整LLM系列Inkling，採用MoE架構，總參數量975B，激活參數41B，支持文本、圖像、音頻輸入，1M上下文窗口，Apache 2.0許可。性能上成為美國最強開源模型，但略遜於中國開源旗艦和閉源模型。

這篇文章批判了“AI只是工具，如何使用才重要”這一常見説法，指出工具並非中立，它們塑造社會、環境與人性。作者以汽車、椅子為例，説明工具的設計本身帶有政治性。AI作為工具尤為危險，因為它消除了人類應有的掙扎與痛苦，導致批判性思維喪失。文章呼籲重新審視技術設計，關注工具對人類的深層影響。

這是一個由Suhas Bhairav創建的包含50多個開源Next.js AI模板和入門套件的精選集合，涵蓋聊天機器人、RAG、語音代理、圖像生成等多種AI應用。

cayleyR是一個R語言包，利用凱萊圖中的循環交集檢測來解決排列謎題。核心算法採用迭代雙向搜索，從初始和目標排列狀態生成隨機操作序列，尋找連接路徑。該包專為TopSpin(n,k)謎題設計，結合C++哈希索引狀態存儲和可選的Vulkan GPU加速，已在CRAN上發佈。

一個包含56個AI概念及其150條關聯的互動可視化地圖，用户可通過拖拽、懸停和點擊探索人工智能的關鍵主題。

本文通過一首藍調歌曲的比喻，探討大型語言模型的本質：它們生成文本時是先投擲後瞄準，還是存在內部規劃？作者結合自身使用AI寫作的經歷，反思模型創造的“虛假聲音”以及我們不斷剖析這些系統的行為。

代理推理正在將AI基礎設施的重心從訓練擴展轉向上下文感知、記憶增強推理。RAISE峯會強調了三大關鍵洞察：AI堆棧專業化、存儲作為主動內存擴展、以及資本和數據主權融入基礎設施設計。

Neocloud提供商QumulusAI宣佈通過直接上市在納斯達克交易，股票代碼QMLS。此舉不僅是一項金融交易，更標誌着以GPU和電力可用性為中心的AI基礎設施層正在成熟。公司專注於快速部署高端GPU容量，利用現有機櫃設施和模塊化數據中心，以季度為單位交付產能。直接上市提供了資本靈活性、公眾公司信譽，並抓住了AI基礎設施窗口期。文章還分析了Neocloud的差異化策略及對IT領導者的建議。

本文深入解析了推理服務中 99%、99.9% 和 99.99% 正常運行時間所對應的不同故障域，以及每個層級所需的架構設計。作者分享了 Together AI 在構建可靠推理基礎設施方面的實踐經驗，並提供了在選擇推理提供商時應提出的關鍵問題。

米拉·穆拉蒂創立的Thinking Machines Lab今日發佈了其首個基礎模型Inkling，這是一款完全開放權重的巨型模型，擁有9750億參數（混合專家架構，活躍參數410億）。該模型經過45萬億token的文本、圖像、音頻和視頻訓練，原生支持多模態輸入但僅輸出文本。Inkling旨在填補西方開源AI生態的空白，提供中國模型的替代方案。它具備'思考努力'控制和不確定性標記功能，可減少幻覺。開發者可通過Tinker API進行微調。Thinking Machines計劃通過Tinker平台收費，而非按API調用計費，這可能顛覆當前主流AI商業模式。該模型在九個月內完成開發，使用英偉達GB300 NVL72系統訓練。

思考機器實驗室於2026年7月15日發佈了其首個從頭訓練的模型Inkling，採用Apache 2.0開源協議。該模型總參數量9750億，活躍參數410億，支持100萬token上下文窗口，可處理文本、圖像和音頻輸入。其核心差異化優勢在於可控制的思考力度，用户可根據需求調整推理時的token預算，平衡成本與性能。

NVIDIA發佈了基於Thor架構的T3000和T2000模塊，專為大規模機器人與邊緣AI應用設計。T3000提供865 FP4 teraflops算力，尺寸和功耗僅為T5000的一半；T2000提供400 FP4 teraflops。新模塊支持可擴展邊緣AI平台，並引入智能體技能實現內存優化。同時推出Cosmos 3 Edge模型，適用於實時視覺分析。開發者可通過模擬模式立即開始開發，模塊將於2027年Q1上市。

Eaon是一款原生Mac應用，集成了49種AI模型，支持本地運行、自帶API密鑰或內置連接，完全免費且開源。它提供模型切換、成本監控、命令面板等功能，並注重隱私和本地化操作。

Cadence Design Systems推出AuraStack，一款用於封裝和PCB設計的AI代理，旨在自動化系統設計工作流程，將設計時間從數天縮短到幾分鐘。

AIAIO 是一款將 AI 代理會話日誌轉化為平台遊戲的創意項目。你的實際提示、錯誤和任務成為遊戲關卡，而“遺忘之牆”則根據你的 token 消耗推進。它既是教育工具，也是自我反思工具。

Inkling 是 Thinking Machines Lab 發佈的通用多模態模型，支持文本、圖像和音頻輸入，輸出文本。模型擁有 9750 億總參數（410 億激活參數），採用稀疏 MoE 架構，上下文窗口達 100 萬 token，在多項基準測試中表現優異，並開放權重供研究和商業使用。

作者詳細介紹了自己構建一台本地AI推理機器（稱為“垃圾生成器”）的過程，包括模型選擇（Qwen 3.6 27B）和硬件選型（Radeon AI Pro R9700 GPU加eGPU擴展塢），並探討了自託管LLM的優勢與挑戰。