找到 13 筆
2026 年 10 月 12 日，銘芯啟睿宣布完成首代高密度、大容量 RRAM 晶片“泰山一號”流片，採用 28nm CMOS 工藝與 1T4R 單元結構，單晶片容量 1Gb，密度 30Mb/mm²，訪問延時小於 20ns，並整合片上硬體糾錯電路。該路線讓一個選擇電晶體對應四個阻變儲存單元，以降低每單元電晶體面積開銷，被稱為國際首款高密度大容量 1T4R 1Gb RRAM 晶片。目前該晶片已完成流片，正在推進驗證。
這篇博文把線性層、MLP 和自注意力解釋為不同形式的記憶儲存，並估算容量：在 64 維 key 下，線性層約存 64 條記憶，MLP 約 2700 條，自注意力可超過 100 萬條。它用干擾-訊號比衡量召回品質：儲存越多，鍵之間干擾越大，干擾等於訊號時達到容量；鍵正交時召回才精確。文章還指出梯度下降的一步可視為寫入一條 key 為輸入、value 為負梯度乘學習率的記憶，並配有互動式應用展示召回如何失敗。
銘芯啟睿（MemSilicon）10 月 12 日宣布完成國際首款 1T4R 結構的 1Gb RRAM 晶片「泰山一號」流片，採用 28nm CMOS 工藝。該晶片密度達 30Mb/mm²，訪問延時小於 20ns，並整合片上硬體糾錯電路，目前正在推進驗證。公司另佈局嵌入式 RRAM IP 與 RRAM+DRAM 混合存算兩條產品線，面向顯示驅動、MCU 及端側推理等場景。
SentinelOne 藉助 OpenAI Daybreak，把惡意軟體分析從數週縮短到數小時。分析提速後，團隊騰出更多容量去調查其他威脅。原文未披露所用模型版本、部署方式與適用客戶範圍。
Google 在 Gemini API 更新說明中宣布，Gemini 2.5 系列模型僅向過去活躍使用過它們的使用者開放，新專案需改用 3.5 Flash-Lite 或 3.8 Flash。官方稱 2.5 模型並未棄用，仍會通過 API 繼續提供，此舉是為保障整體容量與效能。
SpaceX 與 Anthropic 的算力協議包含超 300 兆瓦新容量和 22 萬塊輝達 GPU，並提高 Claude Code 與 API 的使用額度；SpaceX 8 月首份財報顯示季度 AI 業務收入 25.61 億美元，同比增長 247%。算力緊張正在重塑矽谷關係，Google 2024 年花 27 億美元請回的 Gemini 聯合負責人 Noam Shazeer 因團隊算力被重新分配轉投 OpenAI。
OpenRouter 上線 Private Endpoints，企業可把微調模型、專屬部署或預留容量註冊成私有端點，沿用現有 API 與 model slug 呼叫，且僅本組織可見。這是 Enterprise 計劃的附加功能，需帳戶代表開通；組織流量預設優先走私有端點，限流或不可用時按 Provider Selection 與 BYOK 回退設定溢位到公共提供商。
由 Ericsson、AstraZeneca、Saab、SEB 等組成的瑞典聯合體啟用 Sferical One 超算，執行在兩套 NVIDIA DGX SuperPOD 上，共 16 機架 DGX GB300 系統、1152 塊 GPU，並將基於 Nemotron 開源模型建置服務。北歐正成為歐洲增長最快的基礎設施樞紐，AI 雲預計到 2027 年底在該地區部署 1 吉瓦容量，Bitdeer、CoreWeave、Nscale 等均在列。
《The Verge》一名作者開始連載自己日常使用本地 AI 的體驗，此前他一直不願把最私人的資料交給雲端服務。他認為如今在本地執行較強模型已越來越可行，但不確定是否值得為一臺配了大容量、價格不菲記憶體的電腦或筆記本花大錢。文章還提到 Apple 對新款 Mac 桌面機的宣傳。他自認不是 AI 專家，會邊用邊寫。
Anthropic 發布一篇思想實驗文章，探討「每秒 100 萬 token」的四種含義：上下文容量、輸入處理速度、聚合吞吐量和單智慧體輸出速度，並強調這不是對任何現有模型的實測。文中以 Claude Opus 5.5 為例，其上下文視窗為 100 萬 token，但單次請求輸出上限遠小於此。文章用互動計算器演示：若單智慧體達到每秒 100 萬 token，1000 個故事結局約 1 秒寫完，但加入 60 秒固定檢查後，端到端加速從 10000 倍降至 132.57 倍。
論文提出 Selection-based Structured Reasoning（SSR），把多模態智慧體的推理從自由生成改為從預設候選中選擇。SSR 將反覆出現的高層推理表示為預先設定、可複用的自然語言候選，模型在每一輪從這些候選裡選擇，而不是開放式生成。作者指出，多模態智慧體通常在每次行動前生成自由形式的推理，小模型受容量限制，往往產生冗長卻對動作生成幫助有限的推理，同時帶來可觀的推理成本。
得州已凍結所有新建資料中心的併網許可：ERCOT 的大型新增客戶排隊量從 2024 年底的 63GW 漲到今年 6 月的 474GW，超過歷史峰值需求五倍，其中約九成是資料中心。此前只是要求資料中心自付電網升級費用，如今升級為暫停受理新申請。PUCT 於 6 月批准 Batch Zero 方案，把 75MW 及以上大型負荷合併審查、統一分配電網容量，並新增電壓穿越規則，要求新資料中心在常規故障時保持併網；截至 6 月，377 家公司中僅 28 家回答了州政府的資源使用調查。
論文發現，在資料受限的低資源語言預訓練中，混入高資源輔助語言的資料比激進超引數調優更有效。原文指出，世界上多數語言可用的預訓練資料有限，模型必須反覆重複同一批資料，導致泛化能力下降。此前的兩種補救辦法是：用高權重衰減等激進調參壓縮權重、限制網路容量；或按可調混合比例摻入輔助語言資料，擴大訓練分佈、豐富訓練訊號。該研究在資料受限條件下對二者做了對比，結論是雙語預訓練勝過超引數搜尋。