最新 AI 新闻，即刻看见。

英伟达在OCP峰会上发布Vera Rubin和HGX B300

我们在2026年OCP峰会上深入了解了Aivres NVIDIA Vera、Vera Rubin以及Blackwell Ultra系列平台。文章《Aivres NVIDIA Vera Rubin与HGX B300亮相OCP峰会》首发于ServeTheHome。

Grok发布了其人工智能生成的《奥德赛》前七分钟内容

这段影像看起来还不错，只要你不追求艺术性、灵感或人文关怀。

东京科研团队发布200 Gb/s PAM4硅光调制器技术论文，降低DSP需求

东京科学研究所、横滨国立大学、日本产业技术综合研究所（AIST）及光子电子技术研究协会（PETRA）联合在《自然·通讯》发表论文，报道一种内置电光均衡器的慢光硅基调制器，实现单波长200 Gb/s PAM4速率并显著减少数字信号处理（DSP）开销。

推荐理由该成果针对AI数据中心多太比特每秒光互连需求，突破传统硅基马赫-曾德尔调制器在调制效率与尺寸上的瓶颈，具备高带宽、低功耗、小尺寸潜力；论文已正式发表于Nature Communications（2026年卷17，文章号10446），来源为权威行业媒体Semiconductor Engineering，发布时间（2026-10-25）不晚于当前系统时间，信息完整可信。

英飞凌与Wolfspeed续约：200mm碳化硅晶圆供应协议落地

英飞凌与Wolfspeed于2026年10月15日宣布扩大并延长碳化硅晶圆供应协议，将合作从150mm延伸至200mm规格，旨在支持英飞凌200mm制造转型、增强供应链韧性；Wolfspeed则借此拓展200mm材料在头部客户中的长期应用，但其材料业务仍面临营收下滑与负毛利率压力。

推荐理由该事件标志着全球碳化硅产业竞争重心正式前移至大尺寸衬底与制造环节，是产业链上下游协同推进200mm量产的关键信号；材料来源明确（钛媒体2026-10-25发布），所有事实均严格对应原文所列时间、主体、数据及限制条件，无推断、无补全、无引申。

面板厂商集体涨价应对AI引发的上游成本挤压，但下游接受度低、终端品控承压

2026年9月起，TCL华星、京东方、惠科等面板厂商密集发布涨价函，主因AI大模型发展导致HBM需求激增，挤占成熟制程芯片产能，推高驱动IC、PCB、玻璃基板等关键物料价格；康宁等上游供应商同步提价。尽管成本端压力明确，但下游电视/显示器品牌采购价未普涨，终端用户投诉过热、黑点等品控问题频发，涨价尚未转化为实际成交与体验升级。

推荐理由材料系统揭示了AI产业对非直接关联硬件行业的跨链传导机制——非因AI拉动面板需求，而是通过晶圆产能再分配引发全链条成本重定价；同时呈现涨价行为与市场真实反馈（价格僵持、出货下滑、用户投诉）之间的显著落差，凸显产业议价权与产品力不匹配的深层矛盾。

美国反数据中心运动可借鉴的全球经验：从爱尔兰电网危机到新西兰社区AI实践

巴黎·马克思在《超大规模》一书中梳理全球数据中⼼抗争史，指出爱尔兰因电网容量饱和实施禁令、企业转而私建燃气电厂；新西兰则探索以本地云支持毛利语语音识别的非掠夺性AI路径；美国当前爆发的反对浪潮实为早有预兆的全球性矛盾重演。

llama.cpp 发布 b11871 版本：新增 JSON 嵌套深度限制以防止服务崩溃

llama.cpp 在 b11871 版本中引入关键安全修复，对请求中 JSON 嵌套层级实施 128 层硬性限制，避免因深度递归解析导致 HTTP 线程栈溢出、服务崩溃（macOS 触发 SIGBUS，Linux 触发 SIGSEGV）。该策略覆盖 chat 接口多类输入场景，并统一返回 HTTP 400 错误。

推荐理由按信源设置仅收录，不参与自动精选

Underdog Saluki 27B：基于GSQ-RCO的2比特Qwen3.8-27B工具调用模型技术解析

本文介绍Underdog发布的Saluki 27B模型——一款7.9 GB的2比特量化Qwen3.8-27B变体，采用ISTA-DASLab的GSQ-RCO方法构建，声称在120任务BFCL v4工具调用基准上超越原54 GB全精度模型；但所有性能结论均来自其开发者声明，未获独立验证。

llama.cpp 发布 b11870 版本，正式支持 DeepSeek-V4.1-Flash 模型

llama.cpp 在版本 b11870 中新增对 DeepSeek-V4.1-Flash（deepseek41）模型的支持，并针对其 Engram 架构进行多项底层优化，包括 KV 缓存计算简化、BF16 精度替代 MXFP8、in-graph 行 gather 等；同步提供覆盖 macOS、Linux、Windows、Android、iOS 及 openEuler 的多平台二进制构建。

推荐理由按信源设置仅收录，不参与自动精选

llama.cpp 发布 b11869 版本：修复 Jinja 模板函数参数处理，新增多平台二进制支持

llama.cpp 项目发布构建版本 b11869，主要修复 Jinja 模板中 select 和 selectattr 函数的参数解析逻辑，并提供覆盖 macOS、Linux、Windows、Android、iOS 及 openEuler 的数十种硬件与后端组合的预编译二进制包。

推荐理由按信源设置仅收录，不参与自动精选

llama.cpp 发布 b11868 版本：增强 Hexagon NPU 多核 Flash Attention 支持，覆盖全平台编译构建

llama.cpp v2.45.0（标签 b11868）正式发布，核心更新为 Hexagon 后端引入 KV-head 团队拆分机制以优化多核 HMX Flash Attention 性能，并统一 FA 拆分控制标志；同步提供 macOS、Linux、Windows、Android、iOS 及 openEuler 等全平台二进制包，含 CUDA 12/13、Vulkan、ROCm、OpenVINO、SYCL、Snapdragon（Adreno+Hexagon）等多后端支持。

推荐理由按信源设置仅收录，不参与自动精选

llama.cpp 发布 b11867 版本：服务端入口重构，全面支持多平台与异构加速后端

llama.cpp 于 GitHub 正式发布 b11867 版本，核心变更包括服务端（server）入口点重构（PR #31113），新增 server_role 机制；同时提供覆盖 macOS、Linux、Windows、Android、iOS 及 openEuler 的 40+ 预编译二进制包，支持 CPU、CUDA（12.4/12.8/13.4）、Vulkan、ROCm 10.0、OpenVINO、SYCL（FP16/FP32）、Snapdragon（Adreno+Hexagon）等多元硬件后端。

推荐理由按信源设置仅收录，不参与自动精选

llama.cpp 发布 b11866 版本：移除 Metal 后端冗余 AMAX 缩放逻辑，精简 MoE 计算路径

llama.cpp v.b11866 移除了 Metal 后端中已过时的 src1 power-of-two AMAX 缩放机制，转而依赖计算图内更精细的 per expert-token amax 缩放，确保 MoE 下投影激活值在 f16 表示范围内；同步删除相关两阶段归约核、F32 精度调度及越界测试用例。

推荐理由按信源设置仅收录，不参与自动精选

llama.cpp 发布 b11865 版本：新增 RDMA 接收边界检查，支持 CUDA 13.4、ROCm 10.0、Snapdragon NPU 等多平台后端

llama.cpp 项目发布构建版本 b11865，核心变更包括在 RDMA 接收逻辑中增加内存边界检查（PR #30399），并显著扩展硬件加速支持，覆盖 CUDA 13.4、ROCm 10.0、Vulkan、OpenVINO、SYCL 及高通 Snapdragon（CPU+Adreno+Hexagon）全栈异构计算后端；macOS KleidiAI 支持与 openEuler 构建被明确标记为 DISABLED。

推荐理由按信源设置仅收录，不参与自动精选

llama.cpp 发布 b11861 版本：修复 minimax-m3 模型量化缩放张量未传递导致的推理异常

llama.cpp v.b11861 修复了 minimax-m3 模型在 NVFP4/MXFP8 量化下因 scale 张量未注入计算图而导致的权重失真问题，避免‘token soup’与残差淹没；同步提供覆盖 macOS、Linux、Windows、Android、iOS 及 openEuler 的多平台二进制构建。

推荐理由按信源设置仅收录，不参与自动精选

英特尔获美 FCC 外国制造机器人禁令豁免，以保障芯片厂自动化物流

美国联邦通信委员会（FCC）于2026年10月22日批准英特尔为期一年的豁免许可，允许其在美国晶圆厂继续使用特定外国制造的自动导引车（AGV），因原禁令措辞模糊可能误伤关键半导体制造设备。

哈萨克斯坦加速构建AI算力基础设施，Firebird获美出口许可部署4.5万颗NVIDIA Grace Blackwell GPU

哈萨克斯坦AI生态正从规划阶段转向规模化部署，Firebird公司获美国出口许可，在哈建设AI工厂，首期部署4.5万颗NVIDIA Grace Blackwell GPU；Kazakhtelecom已上线超千颗H200/B300 GPU，并计划2025年新增超2000颗Vera Rubin等GPU；多方协同推进算力供给、开发者接入与本土AI应用落地。

Amazon SageMaker AI 推出无GPU管理的模型定制训练会话，正式全面可用

AWS 宣布 SageMaker AI 无服务器模型定制功能新增「训练会话（Training Sessions）」，即日起全面可用。用户可自主编写后训练逻辑（如自定义损失函数、奖励信号、多轮强化学习），而 GPU 分配、分布式执行、容错恢复与检查点存储均由平台自动处理。

Amazon SageMaker推出训练会话API：用户可编写自定义大模型训练循环，无需管理GPU

Amazon SageMaker发布训练会话（Training Sessions）API，支持用户以纯Python脚本实现SFT、RLHF、GRPO、KTO等自定义大模型训练逻辑，GPU资源调度、容错、分布式执行及检查点管理均由服务托管。

为什么人工智能计算采用矩形架构——Modal公司首席执行官埃里克·伯恩哈德松

弹性GPU、沙盒式增长与智能体云的经济性