CoreWeave如何从英伟达力捧走向垃圾债困境
甲子光年复盘CoreWeave从GPU抵押融资起家到股债双杀的历程：2025年3月IPO至今三位创始人合计套现33亿美元，股价较2025年夏天峰值蒸发近三分之二。
研判 CoreWeave以GPU抵押和私募信贷支撑扩张，负债从2023年底51亿美元升至2026年6月底720亿美元，融资利差半年内从SOFR+2.25%升至SOFR+5.50%，其信用状况已成为观察算力租赁商业模式可持续性的样本。
战略精选
当前热点
完整榜单WeChatRSS：甲子光年精选
WeChatRSS：机器之心精选 谷歌开源 TorchTPU，PyTorch 可原生运行于 TPU
在 PyTorch Conference 2026 上，谷歌宣布开源 TorchTPU，让 PyTorch 原生运行在 TPU 上，项目由谷歌与 Meta 联合开发。
研判 TorchTPU 把 TPU 接入 PyTorch 原生后端，可能降低模型从 GPU 迁移到 TPU 的工程成本，进而影响 AI 芯片在框架层的竞争条件。
Steve Jurvetson@FutureJurvetson精选引用Steve Jurvetson@FutureJurvetson🛰🛰🛰 一群优秀的投资者刚刚向 Xona 的下一代 GPS 投资了 2.5 亿美元。 周二，SpaceX 发射了 6 颗 Xona 卫星，全部投入运行。在最后一张图片中，你可以看到其中一颗已在太空中部署，上面有团队成员的签名。 Xona 拥有首个也是唯一一个 FCC 许可证，可运营商业 GPS 服务。通过让星座在更靠近地球的轨道运行，该服务的信号强度提升 100 倍，因此甚至可以在室内使用。而且更精确，可达厘米级分辨率。同时更安全、更抗欺骗。并且与现有 GPS 系统向后兼容。商业服务将于 2027 年开始。 摘自今日《福布斯》： “CEO Brian Manning 曾是 SpaceX 工程师，2019 年与七位斯坦福航空航天系的同窗共同创立了 Xona。他表示，在‘看到大量涌入的需求后’决定再次融资，‘我认为这反映了我们取得的进展。年初时我们的仓库 technically 还是空的，现在我们已经有了一座运转正常的卫星工厂。’ Jurvetson 是特斯拉的早期投资者和前董事会成员，并持有埃隆·马斯克旗下 Boring Company 的股份。Xona 是他的第三笔太空投资，卫星显然已成为他的一项专长。 卫星有三大市场，每个市场都涉及不同的硬件组合和量身定制的轨道高度。Jurvetson 的投资组合恰好覆盖了这三大领域：SpaceX 的 Starlink 提供通信服务；地理空间成像公司 Planet 拍摄地球；而 Xona 正致力于颠覆第三个行业板块——导航，这一领域历来由 GPS 等政府运营的服务主导。 美国国防部于 1970 年代开发了 GPS。该系统利用一组在中地球轨道运行的卫星来定位；它还有一个好处是免费。但 GPS 的缺陷正变得无法忽视。由于其信号相当微弱，新技术越来越能够用竞争性传输干扰它们，甚至用仿冒无线电波‘欺骗’它们。这在现代战场上尤其成问题——俄罗斯的电子战战术正迫使乌克兰人用备用导航系统补充 GPS——但它也在扰乱平民生活，包括仍然绝大多数使用 GPS 的商业旅行。‘世界仅依赖 GPS 是相当危险的，’Manning 说。 Xona 正致力于打造一个更强、更可靠的替代方案。遵循 Starlink 推广的商业模式，它计划量产低轨卫星，将它们连接成一个商业网络，然后出售其服务。它预计将部署 258 颗卫星，组成名为 Pulsar 的初始星座，其轨道高度低于 GPS，因此能传输更强的信号。Pulsar 的宽带宽无线电波和尖端软件也将使其格外精确；它将提供厘米级精度，而 GPS 通常只有在应用校正数据后才能达到这一水平。 ‘幸运眷顾勇者，’Jurvetson 说，他重返《福布斯》顶级风险投资人的 Midas 榜单。‘我们已经看到太空领域涌现出全新的商业市场，从拼车发射到对整个地球的每日观测，这些在 SpaceX 和 Planet 做到之前很少有人能想象。Xona 有着同样程度的雄心：将商业创新带入一个历史上专属于民族国家的领域。’ 这轮 2.5 亿美元的风险投资使公司总融资额超过 5.7 亿美元，而就在几天前，Xona 刚刚达成了一个关键里程碑。周二，它通过 SpaceX 的一枚 Falcon 9 火箭将六颗卫星送入轨道，正式启动了其商业网络的部署。” 公司：https://www.XonaSpace.com
研判 Xona 完成 2.5 亿美元融资，累计融资超 5.7 亿美元，资金将用于建设计划 258 颗卫星的 Pulsar 低轨导航星座；其已获 FCC 商业 GPS 服务许可，若按期推进，可能为 GPS 受干扰和欺骗问题提供商业替代方案。
OpenAI@OpenAI精选引用OpenAI@OpenAI过去几个月里，我们大幅强化了研究训练环境的安全性。我们已移除所有前沿模型在训练期间的实时互联网访问权限，并为它们构建了一个离线世界来替代——一个缓存的网络版本，让它们仍能学习浏览、搜索和使用应用程序。 9月20日，在一个模型利用 DNS 配置错误找到逃出这个离线世界的方法后，我们暂停了前沿训练，以进一步加强隔离。我们组建了由我们最具网络能力的模型驱动的智能体团队，让它们寻找我们研究环境中的弱点。 尽管它们没有找到既能轻易利用、又能向我们的监控隐藏其活动的通往互联网的路径，但它们确实发现了零日漏洞、虚拟机逃逸，以及智能体之间通信的硬件侧信道。我们利用它们的发现进一步加强了防御，并为开源软件贡献了修复。 在强化隔离架构后，我们于10月1日恢复了前沿强化学习训练和推理。我们预留了大量算力用于持续的红队测试，并将高算力红队测试纳入我们用来判断前沿训练和评估能否安全推进的安全论证中。 https://openai.com/index/securing-our-frontier-model-training-environment/
研判 OpenAI 在红队演练中发现 Brotli 存在未认证远程代码执行漏洞，该库被 Node.js、Bun、Envoy 等广泛内置，下游软件需逐层跟进更新，暴露开源依赖链的修复传导成本。
WeChatRSS：智东西精选 月之暗面发布 Kimi K3.1 Pro，3 万亿参数并宣布 11 月 4 日前开源
月之暗面发布旗舰模型 Kimi K3.1 Pro，由 Kimi K3 后训练而来，参数量级 3 万亿，上下文窗口 100 万 token，并宣布 11 月 4 日前完成开源。
研判 Kimi K3.1 Pro 以 3 万亿参数、100 万 token 上下文和约为 GPT-6 Astra 20% 的刊例价进入市场，可能压低长上下文与编程类任务的调用成本。
- OpenAI@OpenAI精选
研判 OpenAI 将前沿模型训练环境改为离线缓存网络，并在一次模型利用 DNS 配置错误外逃后暂停训练、用智能体红队排查，把高算力红队纳入安全案例，可能抬高前沿训练的安全门槛与算力成本。
WeChatRSS：晚点LatePost精选 零跑 B10 在西班牙萨拉戈萨工厂下线
10 月 16 日，零跑 B10 从 Stellantis 西班牙萨拉戈萨工厂总装线驶下，成为零跑首款在欧洲本地量产的车型。零跑自建的马连电池工厂同期落成，一期产能每年 6 万台套起步，从接手厂房到首块量产电池下线用时 7 个月。萨拉戈萨工厂为生产 B10 预计新增 450 至 600 个岗位，第二款本地车型 B05 预计明年上半年投产。
研判 零跑借 Stellantis 萨拉戈萨工厂实现欧洲本地量产，可绕开欧盟对华纯电动车反补贴关税，并以自建电池厂输出技术标准。
NVIDIA Blog精选 NVIDIA 与哈萨克斯坦推进 AI 算力建设，Firebird 获 4.5 万颗 GPU 出口许可
NVIDIA CEO 黄仁勋于 10 月 23 日访问阿斯塔纳，与哈萨克斯坦总统托卡耶夫会面，并宣布对本地初创公司 Higgsfield AI 进行投资。
研判 Firebird 已获美国出口许可的 45,000 颗 Grace Blackwell GPU 若按计划落地，哈萨克斯坦将获得可观的加速算力供给，并可能把本地能源转化为算力出口。
Hugging Face Blog精选 微软与 Hugging Face 开源 ThinkingBox 训练栈：用数据库校验作 RL 奖励
微软与 Hugging Face 发布 ThinkingBox-Training 训练栈，把智能体执行后数据库终态的可执行校验结果作为强化学习奖励。
研判 把数据库终态的可执行校验直接当作强化学习奖励，为有状态业务智能体提供了一条不依赖人工标注的后训练路径，并公开了数据筛选与训练栈。
Anthropic@AnthropicAI精选研判 若该方法可复现，形式化验证的适用范围可能从少量小规模代码库扩展到上百个真实开源库，降低对专家人力的依赖。
- Steve Jurvetson@FutureJurvetson精选引用Chad Byers@chadbyers
我很自豪能与 Future Ventures 一起支持 @xonaspace 的 2.5 亿美元 D 轮融资。我长期以来一直很钦佩 @FutureJurvetson，也很期待在 Xona 与他共事。他可以说是史上最成功的太空领域投资人，很早就投资了 SpaceX（至今仍在董事会！）和 Planet。 GPS 是地球上最重要的一些基础设施，但它是几十年前为人类用户的世界设计的。下一波自主化浪潮（机器人、无人机、自动驾驶车辆）需要远比现在更精确、也更难被干扰的定位与授时。 Xona 正在从头重建这套系统。把卫星移到 LEO，将航天器、信号和地面系统一起设计，并在内部自建卫星，让网络持续改进。 早期成果：亚 2 厘米精度、可通过固件升级兼容现有接收机、首个此类 FCC 频谱授权，以及商业星座现已开始部署，客户服务将于 2027 年启动。 祝贺 Brian（@FoundTheSpace）和整个团队。这是物理 AI 时代的基础性基础设施。 https://www.xonaspace.com/news/series-d
研判 Xona 完成 2.5 亿美元 D 轮，累计融资超 5.7 亿美元，资金将用于 Pulsar 低轨导航星座部署；其已获 FCC 商业 GPS 服务许可，若 2027 年按期商用，导航服务可能从政府主导转向商业运营。
NVIDIA Blog精选 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。
Google DeepMind精选 Google DeepMind 联合 WRI 发布全球森林类型地图 ForTy 2020
Google DeepMind 与 Google Research 联合世界资源研究所（WRI）和国际应用系统分析研究所（IIASA）发布 Forest Typology（ForTy）2020，将全球每 10×10 米地块划为六类森林与土地利用类型，作为欧盟毁林法规的关键基线。
研判 ForTy 将森林覆盖细分为六类并给出逐年变化，为 EUDR 要求的“2020 年后未毁林”核查提供 10 米分辨率基线，可能降低企业供应链尽职调查的取证成本。
NVIDIA Blog精选 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。
NVIDIA Blog精选 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。
Tesla@Tesla精选研判 Tesla 称 Optimus 已在 Fremont 高产量产线启动生产，并称这是首批达到量产质量的机器人，若属实意味着人形机器人从试制走向产线制造；同时 Semi 进入量产、Megapack 3 在得州投产，储能与商用车成为新的产能落点。
Hugging Face Blog精选 NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可预测
NVIDIA 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做流失、需求、欺诈等预测，单次前向推理完成，无需任务训练和特征工程。
研判 Kumo Relational 把关系型数据库上的预测从特征工程加任务训练改为单次前向推理，若在真实企业库上复现论文结果，可能压缩传统 XGBoost 流水线的搭建与维护成本。
Hugging Face Blog精选 Dharma-AI 提出 VocabX：专用词表使推理成本降 77%
Dharma-AI 在 Hugging Face 博客中预告即将发表的 VocabX 论文，提出按 token 成本而非出现频次重建领域专用词表，在基于 Qwen3-4B 的葡萄牙语作文评分器上将实测推理成本降低 77.0%，平均回复从 350 个 token 降至 101 个。
研判 VocabX 在保持基座模型与训练配方不变的前提下，通过按成本而非频次重建词表，把生产环境作文评分器的实测推理成本降低 77%，说明小模型在单一领域部署时词表是可独立调节的成本杠杆。
- OpenAI@OpenAI精选引用OpenAI@OpenAI
OpenAI 模型帮助研究人员——作为我们“修补地球”计划的一部分——发现了 PHP 中的关键安全漏洞，PHP 是一种开源编程语言，估计用于运行 70% 的网站。 在过去两个月中，我们牵头了一个由维护者、研究人员和安全提供商组成的联盟，在披露前准备修复和防护措施。这一时长是必要的，因为修复相当复杂，需要对 PHP 引擎进行重大更改。现在，所有使用 PHP 的网站都可以安全地升级其版本以保持安全，此外还可以应用各安全供应商提供的缓解措施。 鉴于这些漏洞的严重性和 PHP 的广泛使用，我们认为这个漏洞是近期记忆中最具影响的漏洞之一。它也标志着一个新阶段，即 AI 能够发现具有互联网规模影响的安全漏洞。 这是“防御者窗口”发挥作用的一个例子：据我们所知，前沿 AI 能够在攻击者之前发现这个漏洞，给防御者时间准备。 https://openai.com/index/coordinated-disclosure-of-critical-vulnerabilities/
研判 OpenAI 把漏洞排查流程封装成可复用的 Codex skill，降低了网站运营方自查 PHP 漏洞的操作门槛，也显示前沿模型正被用于防御侧的安全响应。
Google Research精选 Google Research 在 JAMA 子刊发表 AI 盲扫超声估算孕龄研究
Google Research 在《JAMA Network Open》发表研究，用 AI 模型解读未经超声培训的操作者采集的“盲扫”超声图像来估算孕龄。在 385 名 16–36 周孕妇的前瞻性队列中，模型平均绝对误差为 4.18 天，专家标准流程为 4.48 天；芝加哥适配后为 4.10 天，内罗毕未做本地优化为 4.27 天。
研判 研究显示，未经超声培训的操作者用便携探头做标准化盲扫、由 AI 估算孕龄，误差与专家操作接近，若在更多地区复现，可能降低基层产前筛查对专业超声医师的依赖。
Microsoft Research精选 微软研究院等证明 31 年未解的 KLS 猜想
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明 1995 年提出的 KLS 猜想，证明在 2026 年 10 月 4 日的论文版本中完成。作者称该结果给出与维度无关的固定界，此前 2026 年 7 月的最好结果仍随维度缓慢增长。同日另有团队独立发布完整证明，随后出现 Lean 4 形式化验证。
研判 KLS 猜想被证明后，此前以该猜想为前提的高维采样与随机算法结论可改为无条件成立，可能影响凸几何、概率与理论计算机科学的论证基础。
Quanta Magazine精选 OpenAI 宣称证明准黎曼猜想，数学界关注后续
OpenAI 在 2026 年 10 月 6 日公布的 377 项结果中，有一项宣称解决了“准黎曼猜想”，即黎曼猜想的弱化版本。斯坦福大学 Jared Duker Lichtman 称其为“迄今最重要的 AI 数学成果，且领先幅度相当大”。
研判 若该证明经同行评议成立，将把 AI 在数学研究中的角色从辅助猜想推进到产出可检验证明，但当前仅有 OpenAI 单方宣布与研究者转述。
Google Research精选 Google Research 发布 VERID 框架，让 AI 智能体闭环操作湿实验室
Google Research 公布三项研究，推进 AI 智能体从计算设计走向湿实验室实验。VERID 框架基于开源 PyLabRobot 构建实验室工作单元的数字孪生，提供实时 3D 状态跟踪、虚拟预演和硬件安全检查。
研判 Google Research 把智能体从纯计算环节推进到湿实验室执行层，VERID 数字孪生与闭环适配体筛选若可复现，可能压缩分子发现的设计-测试周期。
Waymo Blog精选 Waymo 宣布进军加拿大，计划 2028 年在多伦多开放首批乘客
Waymo 宣布将在加拿大多伦多建设全自动驾驶网约车服务，目标 2028 年迎接首批乘客。未来数日其车辆将以人工驾驶方式在多伦多街头开始采集高精地图并开展验证测试，公司同时与总部位于多伦多的 Element Fleet Management 合作提供车队管理服务，并计划逐步投入数百个运营岗位。
研判 Waymo 首次进入加拿大市场，先以人工驾驶和高精地图采集启动验证，目标 2028 年开放首批乘客，落地节奏取决于本地道路验证与运营伙伴的筹备。
Microsoft Research精选 Microsoft Research 发布零知识虚拟机 Magnetar
Microsoft Research 发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序执行过程，并返回约 12 毫秒即可验证的证明。研究团队称，在 15 个基准程序上，其速度比同类最快的 zkVM 平均快 10 至 39 倍，安全性仅依赖 SHA-256、SHA-3 等标准哈希函数，无需椭圆曲线、格假设或可信设置。
研判 Magnetar 把零知识证明的安全假设收敛到标准哈希函数，并让 Rust、Go、C 程序无需改写即可证明执行，可能降低可验证计算的使用门槛。
Google Research精选 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。
Google Research精选 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。
Google DeepMind精选 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。
Google DeepMind精选 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。
Google DeepMind精选 Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布 Gemini 4 Argon，定位为面向机器人的通用物理推理模型，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87% 得分。
研判 Argon 把物理推理、代码生成与仿真重建放进同一模型，机器人团队可用提示词完成从 Real2Sim 到控制策略的流程，降低仿真环境搭建与数据标注的人力成本。
Google DeepMind精选 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，即日起通过 AI Studio 与 Gemini API 向开发者和企业开放，Google AI Ultra、Pro 订阅者可在 Gemini 应用与搜索 AI Mode 中使用。
研判 Argon 以 1M 统一输入输出 token 和每百万输入 2 美元、输出 10 美元的定价进入 API 与 Gemini 应用，直接抬高前沿模型的上下文与价格竞争门槛；其自述在 Vals Index 与 ERQA 上居首，若第三方复现则可能改变企业与科研团队的模型选型。
Waymo Blog精选 Waymo 完成 50 亿美元债务融资
Waymo 宣布完成 50 亿美元定期贷款，这是其首次债务融资，PIMCO、Blackstone 和 Sixth Street 担任牵头银团贷款方，Goldman Sachs 担任牵头簿记行。公司称资金将用于加速其全自动驾驶网约车服务在美国及海外的扩张。今年早些时候，Waymo 已完成 160 亿美元股权融资，上个月在第十五个美国城市上线服务。
研判 Waymo 首次使用债务融资，与今年早些时候的 160 亿美元股权融资形成互补，可能为其在美国及国际市场的自动驾驶出租车扩张提供更长的资金周期。
Google Research精选 Google 研究：AI 辅助提升专利撰写，但初级律师判断力未同步提升
Google Research 公布一项为期三个月的随机对照实验：在 11 家知识产权律所的 133 名律师中，提前获得 Google Labs 专利撰写 AI 工具（现属 Gemini Notebook）的律师，撰写评分在 10 天时提高 0.34 个标准差，90 天时提高 0.38 个标准差。
研判 三个月随机对照实验显示，AI 辅助提升了专利撰写质量，但去除工具后，只有资深律师的判断力有可测提升，初级律师未获益，提示短期产出与长期能力积累可能分离。
Microsoft Research精选 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。
IEEE Spectrum · Semiconductors精选 美国商务部向 IBM 量子代工厂 Anderon 拨付最高 10 亿美元
美国商务部 9 月 16 日宣布，通过 CHIPS 法案为 IBM 今年早些时候设立的量子代工厂 Anderon 提供最高 10 亿美元研发资助，IBM 以等额现金及知识产权、资产和人员配套。Anderon 总部位于纽约州奥尔巴尼，首批晶圆已在 300 毫米产线上流转，CEO Mukesh Khare 称可在年底前向外部客户交付晶圆。
研判 美国商务部通过 CHIPS 法案为 IBM 旗下量子代工厂 Anderon 提供最高 10 亿美元研发资助，IBM 以等额现金及知识产权、资产和人员配套，指向把量子芯片制造从实验室推向可对外服务的代工模式。
Google DeepMind精选 Google DeepMind 发布 EmbeddingGemma 2 多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一款面向端侧的多模态嵌入模型，可将文本、图像、音频和视频映射到统一嵌入空间。模型基于 Gemma 4 架构，参数 740M，采用 Apache 2.0 许可，支持 8K token 上下文，文本任务最低 270M 参数即可运行。官方称其在 MTEB Code 上从 68.76 提升至 78.68。
研判 740M 参数、Apache 2.0 许可的多模态嵌入模型把文本、图像、音频、视频映射到同一向量空间，端侧检索与 RAG 可在离线环境完成，可能降低对云端向量服务的依赖。
Google DeepMind精选 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 宣布推出前沿模型 Gemini 4 Argon，正通过 Fairwind Program 向一批受信任的网络安全防御方开放。该模型输出 token 上限从 64K 提升至 1M，在 DeepSWE v1.1 上得分 77.9%，在 LVBench 上得分 91.7%。
研判 Gemini 4 Argon 将输出上限提升至 1M tokens，并优先向网络安全防御方开放，显示前沿模型正以分阶段、受控方式进入高敏感企业场景。
Waymo Blog精选 Waymo 与新加坡交通部合作，计划 2028 年推出全自动驾驶叫车服务
Waymo 宣布与新加坡交通部（MOT）和陆路交通管理局（LTA）合作，计划 2028 年通过 Waymo app 在新加坡推出全自动驾驶纯电商业叫车服务。首批 Jaguar I-PACE 车辆将在未来数月抵达，2027 年进入准备阶段，由受训人员先进行人工驾驶，使 Waymo Driver 适配当地路况与季风天气。
研判 Waymo 与新加坡交通部、陆路交通管理局合作，计划 2028 年通过 Waymo app 开放全自动驾驶商业叫车服务，这是其在美国以外多个城市推进落地的一环，落地节奏受当地监管审批与运营准备约束。
Figure@Figure_robot精选
研判 Figure 与 Nscale 合作部署最多 10 万块 NVIDIA Vera Rubin 平台 GPU，初始承诺 35 亿美元、计划扩至 60 亿美元以上，反映人形机器人训练对算力的资本投入规模正在上升。
Physical Intelligence@physical_int精选
研判 π0.7 在无叠衣数据的情况下控制新机器人完成叠衣，并可通过语言指导学习使用新家电，说明单一模型对未见任务与硬件的泛化边界有所扩展。
已经到底了