NVIDIA DSX 打通電網與 AI 工廠,多家能源廠商接入
NVIDIA 公布 DSX AI Factory 平台進展,把電網、變電站與機房作為一套系統統一規劃與執行,GE Vernova、日立能源、施耐德電氣、西門子能源等廠商已接入。平台包括用於開工前模擬驗證的 DSX Sim、讓 AI 工廠負荷跟隨電網狀況調節的 DSX Flex,以及提升每瓦算力並跨系統共享訊號的 DSX MaxLPS 與 DSX Exchange。
依意思最接近的 24 筆
NVIDIA 公布 DSX AI Factory 平台進展,把電網、變電站與機房作為一套系統統一規劃與執行,GE Vernova、日立能源、施耐德電氣、西門子能源等廠商已接入。平台包括用於開工前模擬驗證的 DSX Sim、讓 AI 工廠負荷跟隨電網狀況調節的 DSX Flex,以及提升每瓦算力並跨系統共享訊號的 DSX MaxLPS 與 DSX Exchange。
輝達在 GTC Berlin 發布 DSX POD 參考設計:由合作伙伴在模組化集裝箱內整合並驗證完整的 Vera Rubin AI 工廠,站點水電就緒後現場部署可從六個月縮短到 14 天。Vera Rubin 已全面量產,DSX 平台稱冷卻用水最多減少 100%,同等 AI 產出省電 30%。
小紅書 Dots 團隊開源稀疏注意力加速方案 DoSA,在保持原始 Top-K 選擇結果完全等價的前提下加速索引器,約 1M token 上下文下 Dots3-Note-preview、GLM-5.2、DeepSeek-V3.2 的首 token 延遲較各自 SGLang 基線分別降低約 37%、46% 和 48%。其做法是用分數上界與入選門檻下界,提前排除約 97% 不可能入選的候選,只對剩餘候選做全部索引頭的精確打分。
DeepSeek 彈性計算團隊大量招聘,尤其需要資深工程師,併發布技術報告《DeepSeek 彈性計算(DSec):面向大規模 Agent 訓練的沙盒基礎設施》。DSec 支撐 DeepSeek-V4 全部訓練、評測和資料預處理,單個分片約 160 臺伺服器、3 萬 CPU 核心、250TB 記憶體,每天服務約 300 萬個沙盒,高峰線上超 38 萬個,每秒建立 5000 多個。團隊接下來要把 Agent 執行環境的數量和種類擴充成百上千倍。
德國聯邦政府與輝達簽署意向宣告,將聯合推進面向物理 AI 的前沿模型,並對接德國“工業 4.0 平台”。黃仁勳同時宣布投資 Agile Robots、Avelios Medical、Mirelo、Reflex Aerospace 四家德國初創,屬於其在歐洲近 100 億美元投入的一部分。西門子同日宣布與輝達合作推進自主工廠,全虛擬產線除錯可減少最多 85% 的工程工作量,基於智慧體的生產規劃最高可降本 20%。
UIUC、冷泉港實驗室等機構提出 DSReg,可直接加在已訓練好的 JEPA(LeJEPA)表徵上,讓每一維對應太陽、溫度等真實世界變數,且不需要重建觀測、解碼器或標籤。方法先估計觀測對錶徵的區域性 Jacobian,再在正交矩陣上最小化稀疏度,找到這個旋轉,理論上首次得到完全可識別的 JEPA。在合成資料、3DShapes 與 dSprites 上,它的恢復效果接近用標籤擬合的監督上界,六個下游任務均優於 LeJEPA,原有預測效能不變。
Block 旗下 Dessa 團隊發布全雙工語音模型 Dessa,完全用人類對話音訊從零訓練,不含文字與預訓練模型。它邊聽邊說,會在對話中插入「嗯」「懂了」等回應,原生處理情緒、語調與笑聲,推理快於即時,可在 M4 Max 或更強的 MacBook Pro 上本地執行。官方稱訓練只用了單臺 NVIDIA GB200 NVL72,並開放少量名額給 AI 安全研究者提前試用。
Block 研究實驗室發布語音模型 Dessa,它能一邊說話一邊傾聽,並可在 MacBook M4 Max 等消費級裝置上本地執行。該模型完全以人類語音資料訓練,使用了單個 Nvidia GPU 機架;笑聲、停頓與情緒都內建於模型本身,不依賴文字標籤或文字中轉來驅動。Block 稱目前不對外開放,僅招募安全研究員測試,重點評估語音代理是否可能欺騙對話另一方。
OpenAI 發布常駐型個人 AI agent Dots 數日後,其產品負責人 Alexander Embiricos 將於 10 月 13 至 15 日出席在舊金山 Moscone West 舉行的 TechCrunch Disrupt 2026,在 AI Stage 參與名為 What Comes After the Chatbot? 的對話。Dots 不侷限於回答提示,它擁有自己的雲端計算機,可連線人們日常使用的應用,並能在後臺持續朝某個目標推進。
Block 發布名為 Dessa 的對話模型,稱其完全基於人類語音對話從零訓練,並支援全雙工語音對話。為展示效果,Block 分享了多段 Dessa 與人類的聊天記錄;其中由專案負責人 Ragavan Thurairatnam 分享的一段裡,交流大多自然,但 Dessa 一開場把說話者誤認成“Ronaldo”。Block 稱這是首個可進行真實對話、完全用語音訓練的模型,訓練資料不是文字而是人類對話語音。
NVIDIA 部落格介紹了三家 Inception 計劃中的乳腺癌 AI 初創公司,其中 iSono Health 已獲 FDA 許可的可穿戴自動化 3D 超聲 ATUSA 每側乳房約 2 分鐘完成標準化掃描,傳統手持超聲最多需 45 分鐘,公司稱其敏感度高出 28%。該系統基於 150 萬幀超聲影像訓練,已在加州、得州等地合作診所商用,並啟動 3200 名患者的多中心臨床研究。
Hinton、Bengio 等 22 位作者聯合發表首篇 RSI(遞迴自我改進)論文《What if automating AI R&D triggers an intelligence explosion?》。論文引用 Anthropic 內部資料:AI 生成獲批程式碼佔比從 2025 年 1 月的低個位數升至 2026 年 5 月的超 80%,Claude 在高層監督下自主完成的 AI 研發工作比例從 2026 年 3 月的約 1% 升到 8 月的 26%。
OpenAI 於 9 月 21 日發布官方戰略宣告,把自動化 AI 研究員與遞迴自我改進(RSI)列為下一階段重要目標,並計劃在 2028 年 3 月前打造真正的自動化 AI 研究員;Anthropic 同期披露,截至 8 月 Claude 已在約 26% 的內部 AI 研發工作中承擔主導角色。
Anthropic 在提交給美國 SEC 的 S-1 上市檔案中承認,其 AI 資料中心正越來越依賴天然氣(主要成分是甲烷)供電。檔案稱,爭奪電力供應與電力充足的資料中心選址的競爭十分激烈,公司資料中心的建設因此容易受到燃料成本上漲和現有供應鏈約束的衝擊。這意味著生成式 AI 的算力擴張與化石燃料繫結,供電成本與穩定性風險已被寫進公開的上市披露。
微軟團隊的順序診斷系統 DxO 登上《Science》封面,在 304 例 NEJM 疑難病例中診斷準確率 83.2%,參與比較的獨立執業醫生為 22.3%。DxO 以 GPT-5 為底層模型,編排多種臨床推理角色並計入檢查成本,在 325 例急診病例中準確率 80.3%、醫生為 46.8%。不設預算時 NEJM 每例檢查費約 5431 美元、高於醫生的 4725 美元;設預算後可降至約 1303 美元、準確率 79.6%。研究仍是回顧性文字病例,未驗證治療方案與患者結局,微軟下一步將與醫院合作開展前瞻性研究。
TechCrunch Disrupt 2026 將設 Smart Systems Stage 專場,由 Ambrosia Energy CEO Ben Longmier 與 Bloom Energy 資料中心解決方案負責人 Bill Thayer 對談 AI 基礎設施熱潮中的贏家。議題聚焦電力、電網、資料中心、冷卻與電氣裝置等物理層約束,以及哪些短缺會演變成獨立品類。
民調預測民主黨將在 11 月中期選舉中至少翻轉國會一院,屆時關鍵委員會的主導權將回到民主黨手中,AI 公司可能迎來新一輪審查。目前委員會中的民主黨高層已表示,願意就資料中心的稅收抵免和近期的駭客事件向 AI 行業施壓;一旦接管委員會,他們可以設定議程並傳喚 CEO 作證。
Docker 發布 docker-agent,一個 Docker CLI 外掛,可用宣告式 YAML 配置建置、執行和分享 AI 智慧體,無需寫程式碼。它支援多智慧體協作、內建工具與任意 MCP server,模型側相容 OpenAI、Anthropic、Gemini、AWS Bedrock、Mistral、xAI 與 Docker Model Runner,並自帶 think、todo、memory 工具和基於 BM25、嵌入與重排序的 RAG。
開發者 FeiZ 發布基於 DeepSeek Harness 的民間外掛 ds-bot,可把多個 Bot 組成團隊,每個 Bot 擁有獨立名稱、職責、指令、形象與可切換的模型,並具備持久化長期記憶。它支援設定 Main Bot 主管,訊息預設由主管回覆並排程其他 Bot,以降低群聊的 token 消耗;記憶以 Markdown 檔案儲存,每輪對話後自動審查增刪改,資料儲存在本機 DSH 目錄的 bot/ 與 sessions/ 中。
ServiceNow CoreAI 團隊發布 AutoSynthData,用目標模型的失敗案例和更強教師模型的成功軌跡定位能力缺口,再自動生成並驗證新任務用於後訓練。任務由系統規範、使用者提示和驗證器三部分組成,需滿足可行性、真實性與難度要求,驗證器則要求一致、可靠且不繫結單一參考軌跡。團隊在 EnterpriseOps Gym 資料集上演示了該流程,模型提升後課程會轉向仍難完成的任務。
17 歲 AI 研究者陳廣宇已離開月之暗面,加入 Jeff Dean 等四位前 Google 核心研究員 8 月創辦的 Discovery Loop。他在 Kimi 期間參與 Kimi Delta Attention 計算核心最佳化,並與張宇、蘇劍林以共同第一作者發表《Attention Residuals》,該技術成為 2.8 萬億引數 Kimi K3 的核心架構之一。Discovery Loop 計劃讓 AI 自動提出假設、設計並執行實驗、分析結果形成迭代閉環,先做機器學習研究自動化再拓展到其他科學領域;
研究團隊提出具身 RSI 系統 Recursia,通過內外雙層迴圈讓機器人從執行經驗中改進共享執行棧,在 LIBERO-Pro Long 零樣本長時操作的位置/任務擾動下成功率達 28.4%/53.4%,比輝達 ASPIRE 高 5.8/15.1 個百分點。共享棧分為工具、技能、交接、驗證四層,候選修改需經通用性檢查、機制測試及父子版本配對比較。
Gudea 上週宣布完成 700 萬美元種子輪融資,由 Mudita Venture Partners 和 Silicon Road Ventures 聯合領投,公司累計融資約 1500 萬美元。其 AI 平台分析資訊在 X、Reddit、TikTok 等 500 多個主流與邊緣網站上的傳播路徑與推動者,而不只是統計提及量和曝光數,目前已有近 40 家客戶,包括財富 50 強電信與零售企業、政府機構和一家大型 AI 實驗室。
川普推動把「人工智慧」改名為「超級智慧」,矽谷部分有影響力的人物正在跟進。馬斯克在川普表態數小時後即表示支援,並承諾把 SpaceXAI 更名為 SpaceXSI,是回應最快的一位。不過大眾仍普遍沿用 AI 這一說法。川普稱白宮認為「超級智慧」是更被接受、更準確的新術語。