跳到正文
  1. NVIDIA Blog

    NVIDIA 发布 Minerva,为 AI 工厂提供端到端可观测性

    NVIDIA 发布 AIOps 平台 Minerva,汇集 GPU、网络、存储、调度器与作业的遥测数据,用监督与无监督机器学习分析每小时数十亿数据点,定位异常与根因。平台内置 AI 助手并支持接入外部智能体工具。IREN、IBM、Jio、Lambda、Tesla 等计划部署,Dell、Lenovo、Supermicro 将纳入其 AI 工厂运维产品组合。

    研判 Minerva 把 GPU、网络、存储与作业遥测汇入统一知识图谱,可能降低大规模 AI 集群的故障定位与修复时间,进而影响 GPU 有效利用率这一成本变量。

  2. NVIDIA Blog

    欧洲多家金融机构基于 NVIDIA 算力部署开放权重模型

    在 GTC Berlin 上,Revolut、Starling Bank、Lloyds、bunq、NatWest、Santander 等欧洲银行与支付机构展示了基于 NVIDIA 加速计算和开放权重模型构建的自有智能系统。

    研判 欧洲多家银行与支付机构在自有基础设施上部署开放权重模型,把数据主权与推理成本同时纳入选型,NVIDIA 的加速计算与 cuDF、Nemotron 等软件栈成为底层承载。

  3. NVIDIA Blog

    NVIDIA 扩展 Cosmos 平台,新增训练工具与数据工厂蓝图

    NVIDIA 扩展 Cosmos 平台,新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图,并发布 Cosmos 3。

    研判 Cosmos 把数据生成、训练适配与部署串成模块化工具链,并开放给 GR00T、Alpamayo、Qwen、Pi0.5 等模型,可能降低世界模型开发的数据与工程门槛。

  1. Google Research

    Google 扩展 Earth AI 地理空间推理智能体早期访问

    Google 宣布扩展 Earth AI 地理空间推理智能体的实验性早期访问,覆盖 Ask Google Earth 的深度分析预览和面向开发者的 Agent-to-Agent API。

    研判 Google 将 Earth AI 基础模型封装为可调用的模块化技能,并加入前置规划与独立空间工作区,试图解决通用 LLM 在行星尺度空间数据上的多步推理短板;若早期访问反馈成立,地理空间分析的门槛与耗时可能下降。

  2. Google Research

    Google 发布 Deep Review 智能体文档审阅系统

    Google 宣布公开发布 Deep Review,一个面向复杂文档的智能体审阅系统,可检查逻辑一致性、数学陈述并做事实核查。该系统前身为 Paper Assistant Tool,曾在 STOC 2026、ICML 2026、NeurIPS 2026 和 ICLR 2027 四个会议试点,为超过 16,000 篇论文提供投稿前反馈。

    研判 Deep Review 把长文档审阅拆成分段、按信息密度分配算力、并行核查与全局综合四步,可能降低论文与法律、财务文档的初筛成本,但高层判断仍留给人。

  1. Google DeepMind

    Google DeepMind 与新加坡政府合作开发端侧诈骗检测模型

    Google DeepMind 与新加坡政府科技局(GovTech Singapore)合作,基于轻量级 Gemma 模型微调出一款可在设备端运行的诈骗检测模型,并在 SICW 2026 上展示。

    研判 模型在设备端完成诈骗对话识别,训练数据留在 GovTech Singapore 的 GCP 环境,为端侧安全能力与政府数据隔离提供了一种可复用的合作方式。

  2. Google DeepMind

    Google DeepMind 发布 Gemini 4 Argon 安全与防护报告

    Google DeepMind 公布 Gemini 4 Argon 的安全与安全报告,并开始大范围推送该模型、扩大 Fairwind Program 的受信任网络安全防御方范围。报告称 Argon 在 12 个端到端模拟网络攻击场景中全部完成,上一代为 5 个;在 Gray Swan 间接提示注入基准的 15 次自适应尝试中,攻击成功率降至 0.7%。

    研判 Gemini 4 Argon 在网络安全与生物领域的能力提升,使 Google 按 Frontier Safety Framework 同步上线前沿防护,模型能力与安全门槛被绑定发布。

  1. Microsoft Research

    微软开源 Agent Lightning v1.0:约 3500 行代码的智能体 RL 框架

    微软研究院开源 Agent Lightning v1.0,一个约 3500 行代码的轻量智能体强化学习框架,提出 Harnessed Agentic RL 范式,让部署时使用的 agent harness 直接参与训练。

    研判 把训练框架与部署用 harness 解耦,可减少为训练重写智能体循环的工程量,并让训练对象更接近线上部署版本;Kubernetes 原生调度则把大规模 rollout 的成本压到既有集群上。

已经到底了