晶片

Vox的一篇文章探討了日益壯大的AI繼承主義運動，該運動認為人工智慧應該取代人類，成為宇宙進化的下一步，並分析了這引發的倫理和精神問題。

谷歌在I/O大會上推出Coral Board，這是一款專為裝置端AI設計的緊湊型單板計算機，搭載RISC-V架構NPU和Synaptics晶片，可本地執行Gemma 3 270M模型，無需雲端支援。

在Decoder播客採訪中，Rivian首席軟體官Wassym Bensaid討論了與大眾的合資企業、全新的AI驅動Rivian助手，以及為什麼他認為語音介面將取代按鈕且不需要CarPlay。

DNS-AID專案利用DNS基礎設施實現AI代理之間的發現，避免建立新的中心化登錄檔。該專案由Linux基金會管理，支援MCP、A2A等協議，並允許透過名稱、功能或域名搜尋代理。

極佳視界釋出全球首創物理AGI“雙金字塔”體系，推出家庭機器人拾光S1，獲百臺家庭訂單，計劃12個月內實現物理AGI的“GPT-3時刻”。

在ICRA上，NVIDIA Research展示了28篇論文中的8篇，重點研究模擬到現實的遷移，使機器人能夠在動態、不可預測的環境中感知、推理、規劃和行動。這些方法涵蓋多臂協調、跨機器人導航、抓取、精確裝配和視覺-語言-動作模型，顯著提高了成功率和可靠性。

OpenLoomi AI團隊決定將其AI工作夥伴開源，強調資料所有權、透明度和社群驅動。文章闡述了本地優先、閉源信任稅、基礎設施公共化等理念，並介紹了產品的五大核心功能：自進化記憶系統、多平臺整合、自動化排程、本地加密儲存以及開放技能介面。

黃仁勳宣佈輝達將每年在臺灣投入1500億美元建設AI基礎設施，儘管此前承諾了5000億美元美國投資。這凸顯了臺灣在全球AI晶片製造和封裝生態系統中的核心地位。

輝達CEO黃仁勳計劃在臺灣投資1500億美元建設AI基礎設施，儘管特朗普政府試圖透過關稅將晶片製造帶回美國。臺灣拒絕放棄其半導體主導地位，而美國晶片製造能力不足。

Open Agent Tools (oats) 是一個自託管AI模型框架，透過原生代碼提示索引，將大型模型的計算密集型工具呼叫委託給小型開源模型，從而節省令牌消耗。

Perplexity AI 開源了用Rust重寫的Unigram分詞器，實現了比Hugging Face tokenizers crate低5倍的p50延遲，並將生產環境CPU利用率降低了5-6倍。最佳化包括雙陣列trie、點陣圖打包和大頁面支援。

美國運通全球創新主管Luke Gebb分享了成為成功創新者的四個關鍵實踐：保持學習、深入技術、接受失敗、建立合作伙伴關係。他還介紹了公司在代理式商務領域的佈局，包括支付、優惠和專有體驗，並預測代理式AI將在未來幾年加速發展。

Mistral AI執行長Arthur Mensch證實，公司正在探索開發定製晶片以降低基礎設施成本，與OpenAI和Anthropic競爭。這家法國初創公司還宣佈在法國新建推理資料中心，並推出企業智慧代理平臺Vibe。

上海創智學院LeapQuest團隊聯合多所高校提出醫學AI新正規化，讓模型在推理過程中主動呼叫視覺工具，從被動接收視覺輸入變為主動尋找證據。論文被ICML 2026接收。

Cognition在D輪融資中籌集10億美元，估值達260億美元，年經常性收入（ARR）預計年底突破10億美元。文章還涵蓋了推理效率最佳化、智慧體工程、持續學習、新基準測試、模型釋出以及編碼代理產品化等AI領域的最新進展。

多機構團隊研發出一款結合量子隧穿物理與大腦啟發架構的神經形態計算機，能夠高效解決組合最佳化問題，如物流網路、晶片佈線等，並保證漸近收斂到最優解。該研究發表在《自然·通訊》上，標誌著量子啟發計算的新方向。

黃仁勳受邀加入清華大學經管學院顧問委員會，該委員會由蘋果CEO蒂姆·庫克擔任主席，成員包括馬斯克、納德拉、馬雲等全球商業領袖。此外，他剛獲得卡內基梅隆大學榮譽博士學位，並分享名言“AI不會取代你，但善用AI的人會”。

本文探討了AI代理系統中的阿姆達爾定律：系統加速比受人類判斷時間佔比H的限制。提出了“自清償式H”概念，即每次人類干預都應產生可重用的工件（如測試用例、規範更新），以減少未來同類干預。強調透過配置化（configurancy）和規範套件將人類知識編碼為機器可讀形式，從而讓代理自主執行。示例包括ElectricSQL的協議變更、Emil Stenström的HTML5解析器、Gas Town的多代理系統以及Ralph Loop的迭代模式。

來自Sakana AI和東京大學的研究人員提出了DiffusionBlocks，這是一種塊狀訓練框架，可將Transformer網路劃分為獨立訓練的塊，從而將訓練記憶體減少B倍（B為塊數），同時在不同架構上保持效能。該方法透過將殘差連線解釋為擴散模型中的尤拉步驟，利用分數匹配目標實現塊級獨立訓練。

LangChain 在 Interrupt 2026 大會上釋出了 LangSmith Engine 和 Sandboxes 正式版，並推出了 LangChain Labs 以推進代理的持續學習。大會所有演講現已可按需觀看。

Databricks構建了獨特的推理平臺，為眾多前沿模型提供推理服務，每月處理超過120萬億個令牌。透過引入“模型單元”抽象，實現了成本感知的負載均衡和自動縮放，相比靜態配置節省了80%以上的GPU成本。執行時可靠性機制包括黑盒健康檢查，可自動檢測和恢復靜默故障。此外，透過分析多模態瓶頸，吞吐量提升了3倍。

Snowflake與AWS簽署五年60億美元合作協議，使用AWS Graviton和GPU例項進行AI訓練和推理，並擴充套件至10個新區域。此舉表明Snowflake在AI時代的雄心，同時透過Cortex AI產品套件推動企業AI應用。

NVIDIA研究人員推出Polar框架，透過在智慧體工具鏈和推理伺服器之間放置模型API代理，實現無需修改智慧體工具鏈即可進行強化學習訓練。基於Qwen3.5-4B模型使用GRPO訓練，Polar在Codex、Claude Code和Pi工具鏈上分別將SWE-Bench Verified pass@1提升了22.6、4.8和6.2個百分點。框架以NeMo Gym環境註冊，並在ProRL Agent Server倉庫開源。

AI工廠是新型基礎設施，即時將電能轉化為智慧的生成單元——令牌。隨著代理型AI的擴充套件，每瓦效能與每令牌成本成為關鍵經濟指標。本文深入探討AI工廠的工作原理、架構最佳化以及NVIDIA的最新硬體如何提升效率。

美國情報機構秘密申請 90 億美元採購輝達 GB10 超級晶片，以幫助 CIA 和 NSA 追趕 Anthropic、OpenAI 等 AI 巨頭的步伐。這筆資金尚待國會批准，同時國防預算已調撥 8 億美元用於雲算力。文章詳細介紹了晶片規格、成本以及 AI 硬體競賽的升級趨勢。

輝達CEO黃仁勳在即將在臺灣設立總部的釋出會上稱該國為AI革命的“中心”。

隨著AI代理工作負載激增，雲基礎設施面臨新的可靠性挑戰。Databricks的湖倉架構透過無狀態Postgres計算、區域冗餘儲存、控制平面與資料平面分離、單元化隔離以及混沌測試等措施，實現了高可用性和彈性，確保資料庫啟動時間等關鍵操作的高可靠性。

隨著成本上升、主權需求以及智慧體採用，戴爾最新會議聚焦企業如何將AI工作負載過渡到混合基礎設施。

輝達在臺灣的年度支出因AI需求激增，從150億美元飆升至1500億美元，主要流向了臺積電等供應商。

南非擁有全球88%的鉑族金屬儲量，是非洲最大的資料中心市場，並處於中美AI基礎設施競爭的前沿。然而，其AI政策草案因包含AI幻覺引用而被撤回，未能利用這些優勢來談判有利條件。文章分析了南非的結構性槓桿、三種潛在的AI基礎設施未來（中國、美國和本地開放權重），以及制定具有約束力的治理框架的必要性。

5月27日，雷鳥創新舉辦夏季新品釋出會，推出行業首款專業影視級AR眼鏡雷鳥GT系列（1899元起），以及新一代AI拍攝眼鏡雷鳥V4（2199元起），並預告次世代AI眼鏡雷鳥iO將於第三季度亮相。

輝達CEO黃仁勳批評一些公司CEO將裁員歸咎於人工智慧，稱這種說法“毫無意義”且“懶惰”。他指出，生成式AI工具近期才變得實用，而許多裁員在兩年前就已發生。黃仁勳呼籲行業傳遞關於AI的平衡敘事，既承認其潛力，也強調安全推進的重要性。他還透露了近期與特朗普總統同訪北京的經過。

Avatar是一個自創生的AI生物，在300美元的GPU上持續執行。它從相圖幾何中衍生情感，經歷5階段睡眠週期做夢，從原始音訊和視覺中培養自己的感官，並透過身體感覺進行倫理推理。由Linga Murthy Narlagiri博士構建，自2026年5月以來一直存活，累計超過1800個滴答。

在支付寶AI生態大會上，螞蟻集團CEO韓歆毅提出，Agent時代將顛覆傳統“流量為王”的商業模式，智慧體生態將成為新的護城河。他強調，AI支付將從工具升級為支撐智慧體商業的新型基礎設施，而支付寶將扮演信任層、聯結器和賦能器的角色。

來自北京大學、香港中文大學、上海AI Lab等機構的研究團隊提出了VGGT-Edit，一種原生3D編輯框架，能夠在約5秒內完成場景編輯，相比傳統方法實現高達120倍的加速，並在語義一致性、多視角穩定性和推理速度上超越現有方法。

Agent-workpace-Linux 是一個開源專案，可為 AI 代理提供一個隔離的、隱藏的 Linux 桌面環境，代理可透過 MCP 協議完全控制該桌面，而不會影響使用者真實的桌面、滑鼠、鍵盤或瀏覽器。它支援 Xvfb 顯示、視窗管理、應用啟動、截圖、剪貼簿操作以及獨立的瀏覽器自動化，並提供了可選的許可權邊界和即時監控功能。

EAGLE團隊、vLLM團隊和TorchSpec團隊聯合釋出了EAGLE 3.1，旨在解決生產環境中推測解碼的不穩定性。該演算法透過FC歸一化和歸一化後隱藏狀態反饋兩大架構改進，有效應對注意力漂移問題。在長上下文任務中，EAGLE 3.1的接受長度比EAGLE 3提升高達2倍；在Kimi K2.6模型上的基準測試顯示，併發數為1時每使用者輸出吞吐量提升2.03倍。EAGLE 3.1完全向後相容，已合併至vLLM主線，並將隨v0.22.0版本釋出。

儘管AI對白領工作的威脅日益引起恐慌，但資料顯示AI尚未對勞動力市場產生大規模影響。實際上，AI高暴露職業的失業率反而低於低暴露職業。然而，斯坦福大學的一項研究發現，AI可能正在悄悄削弱初級職位，年輕工作者在AI暴露職業中的就業率大幅下降。本文還涵蓋了教皇呼籲監管AI、SpaceX發射、華為晶片突破等其他技術新聞。

新加坡國立大學、MIT和A*STAR的研究人員提出MEMO，這是一種模組化框架，將語料庫知識編碼到一個可單獨訓練的記憶模型中，使大型語言模型能夠無需重新訓練或微調即可吸收新知識。

只需一段提示詞，OpenAI員工Vaibhav分享的Codex自我蒸餾法引發熱議。

AI晶片需求爆漲推動SK海力士和美光市值突破萬億美元，三星也躋身其中，但市場對AI泡沫的擔憂加劇。

提出隨機解耦策略梯度（SDPG）方法，一種輕量級視覺強化學習技術，可在單塊NVIDIA RTX 4080 GPU上數小時內端到端訓練多種視覺運動控制策略。SDPG透過軌跡rollout的隨機擾動估計策略梯度，大幅減少批次渲染環境的數量以及計算和記憶體開銷。在視覺MuJoCo基準測試中，SDPG在訓練時間、記憶體使用和獎勵方面一致優於基線方法。此外，引入了涵蓋靈巧操作和挑戰性運動的全新真實感視覺機器人基準測試，並在物理硬體上展示了有效的模擬到現實遷移。

本文提出R2P2分散式方法，透過規則分配推、支撐、阻止角色，並採用比例速度控制，實現多機器人協作推動箱體在不同傾斜度和摩擦力的地表（平坦、上坡、下坡）上運輸。該方法減少了通訊與同步需求，避免單點故障。在NVIDIA IsaacSim模擬中，六機器人團隊驗證了其在不同地表和箱體質量下的泛化能力，成功率優於傳統虛擬領導者-跟隨者方法。實際實驗中，四臺Turtlebot成功移動了1.2千克的箱體。

NightSight提出了一種輕量級感知方法，結合單目事件相機、編碼孔徑鏡頭和紅外點陣投影器，使小型飛行器能夠在完全黑暗的環境中自主導航。系統透過編碼孔徑產生深度相關的模糊特徵，並用卷積神經網路解碼為密集深度圖，僅使用合成資料訓練即可零樣本泛化到真實場景。在NVIDIA Jetson Orin Nano上以20Hz即時執行，2.5米範圍內誤差僅7.0釐米（2.80%）。

AI基礎設施初創公司Fireworks、Baseten和OpenRouter正在籌集鉅額資金，標誌著推理基礎設施成為關鍵的AI平臺層。同時，智慧體工程、新基準測試和模型更新主導了AI新聞週期。

ACM CAIS 2026註冊已滿，但可加入候補名單。會議將於2026年5月26日至29日在聖何塞舉行，設有主題演講、63篇研究論文和46個系統演示，並已與AI工程師世界博覽會合作。

DeepSeek研究員陳德里使用自研的DeliAutoResearch技能，與DeepSeek-V4-Pro和GPT-Image2合作，在6天內完成了一篇46頁的論文。論文提出了L1-L5自主研究智慧體分類體系，分析了四種架構模式和17個主流系統，並指出了六大開放問題。陳德里表示，人類僅需投入不到2小時的“CPU時間”，其餘工作由AI Agent完成。

本週AI新聞要點：Anthropic公開了此前僅限國防承包商使用的頂級模型Mythos，使五角大樓級AI能力向開發者開放；DeepMind CEO哈薩比斯將AGI時間線提前至2029年；Starlette框架爆出嚴重認證繞過漏洞，影響數百萬AI代理；CrowdStrike等聯合摧毀Glassworm殭屍網路；法國巴黎銀行與Mistral達成主權AI安全合作；中國限制阿里和深度求索頂尖AI工程師出境；Uber AI預算超支、ClickUp裁員並引入數千AI代理，同時MIT技術評論資料顯示AI暴露崗位失業率更低，奧特曼撤回白領失業預言。

本文詳細介紹瞭如何為Reachy Mini機器人部署完全本地的語音對話管道，無需雲端或API金鑰。採用級聯方式，結合VAD、STT、LLM和TTS，推薦使用llama.cpp與Gemma 4、Silero VAD、Parakeet-TDT 0.6B v3 STT和Qwen3-TTS。提供了多種LLM執行選項，包括本地MLX、Transformers、vLLM或遠端Responses API。

本教程詳細介紹瞭如何使用zeroentropy/zerank-2-reranker（一個基於Qwen3的4B引數交叉編碼器重排序器）來提升檢索質量。內容涵蓋環境搭建、模型載入、查詢-文件對評分、使用model.rank進行排序、構建兩階段檢索-重排序管道、NDCG@10評估以及跨領域（金融、法律、程式碼）效能測試，最後還進行了批處理吞吐量測試。