/
AI智能戒指可翻译手语，准确率近90%
韩国延世大学研究团队开发出一套AI智能戒指系统，可将手语动作无线传输并转译为文字。该系统仅需佩戴7枚戒指，通过蓝牙低功耗芯片采集手部加速度数据，结合深度学习模型，对美国手语和国际手语各100个词汇的识别准确率均超过88%，词汇量远超现有同类系统。未来团队计划扩展词汇库、支持手机端边缘计算，并探索在虚拟现实及手部康复监测等领域的应用。
调整GPU时钟频率可将大语言模型训练能耗降低14%
荷兰特文特大学研究团队发现，通过动态电压与频率调节技术（DVFS），在大语言模型训练过程中按GPU内核级别精细调整时钟频率，可在几乎不影响训练速度（仅慢0.6%）的前提下，节省高达14%的能耗。相较于此前按迭代阶段调频的粗粒度方案，该方法将调频精度细化至单个计算内核级别，显著提升了节能效果。团队目前正在开发可自动实现最优频率调节的工具。
从像素到规划：地球AI助力自然生态修复
谷歌Earth AI开发了一套高分辨率深度学习框架，可识别传统卫星难以探测的细小生态特征，如树篱和小树丛。新发布的矢量数据集将像素信息转化为可操作的生态清单，覆盖英国全境逾13万平方公里。该系统结合视觉Transformer模型、双层标注机制与Google Earth Engine并行计算，可精准区分树林、树篱走廊等生态要素，为土地所有者和保育人士提供碳核算与生物多样性保护的实用工具，同时避免与粮食安全产生竞争。
贝索斯新创公司Prometheus究竟要做什么？
杰夫·贝佐斯联合创立的初创公司Prometheus完成新一轮120亿美元融资，估值达410亿美元，投资方包括摩根大通、高盛、贝莱德等机构。公司目前拥有150名员工，专注于"物理AI"领域，致力于开发"人工通用工程师"，通过AI工具大幅加速技术发明进程。大部分资金将用于购置算力。贝佐斯表示，公司目标是推动能创造"文明财富"的技术突破，而非仅服务于单一企业或个人。
AI数据中心耗电量惊人，真正的原因被忽视了
AI数据中心的能耗问题已引发广泛关注，但一个关键问题却鲜被讨论：为何AI数据中心需要消耗如此多的电力？答案的重要部分不在于模型本身，而在于数据中心如何应对AI工作负载带来的功率剧烈波动。为填补GPU空闲期造成的功率下降，运营商普遍采用"次级工作负载"策略，但这不仅浪费能源，还推高运营成本、加速设备损耗、延长电网接入周期。业界亟需以更智能的系统设计取代这类权宜之计。
电动滑板车创始人融资500万美元，转战太空数据中心
Orbital公司从a16z的Speedrun加速器项目中诞生，完成500万美元种子轮融资。该公司由前电动滑板车企业Spin创始人Euwyn Poon创立，计划在太空部署数据中心以满足AI算力需求。公司目前约有十余名来自亚马逊、SpaceX及诺斯罗普·格鲁曼的团队成员，计划先进行演示飞行测试英伟达Blackwell芯片，并于2028年发射首颗搭载GPU的数据处理卫星，最终目标是部署1万颗卫星，提供分布式吉瓦级算力。
AI模型革新缺陷检测与审查，但规模化仍面临挑战
AI模型正在显著提升半导体制造中的缺陷捕获率，帮助工程师区分真实缺陷与干扰性缺陷，并发现传统技术难以识别的缺陷类型。在晶圆边缘检测和混合键合等新兴工艺中，AI表现尤为突出。然而，超过70%的AI项目在试点后陷入停滞，主要原因在于数据碎片化、遗留系统兼容性差及企业级部署模型缺失。专家指出，数据工程平台的质量比模型本身更为关键。
智能体AI如何实现真实物理世界的可靠落地
本文探讨了四种提升智能体AI可靠性的关键技术：一是将物理原理融入基础模型的物理引导深度学习，减少数据需求并确保预测符合物理规律；二是基于UQ4CT框架的不确定性感知推理，在不确定性超过阈值时触发人工干预；三是AWL框架通过物理模拟器知识蒸馏，在物理科学数据集上实现精度提升29%；四是借助外部软件进行形式化验证的验证器增强接地技术。
英国如何借助NVIDIA技术将主权AI雄心转化为实际行动
在伦敦科技周上，NVIDIA与英国政府共同展示了主权AI建设的最新进展。过去一年，在英国部署AI基础设施的云服务商数量翻倍，Isambard-AI超算、主权AI基金等重点项目加速落地。多家初创企业借助NVIDIA技术在编程、医疗、推理优化等领域取得突破。NVIDIA还向英国初创生态投资20亿英镑，英国Inception成员增长50%，开发者人数突破20万，企业AI应用正从试点迈向规模化生产。
利用智能手机前置摄像头被动监测心率的研究系统
谷歌研究团队在《自然》杂志发表研究成果，介绍了一种名为PHRM的被动心率监测系统。该系统利用智能手机前置摄像头，在用户日常解锁手机时捕捉面部视频，通过深度学习技术估算心率，平均绝对百分比误差低于10%，并可追踪静息心率，精度达到可穿戴设备水平。研究覆盖近700名肤色多样的参与者，是迄今规模最大、最具包容性的远程光电容积脉搏波研究，相关数据集已向合规研究人员开放。
AI激光灭蚊仪：用深度学习精准猎杀蚊子
发明家Steven Cheng利用机器学习技术，历时四个月开发出一套AI驱动的激光灭蚊系统。该系统搭载佳能单反相机与高倍变焦镜头，结合计算机视觉和深度学习识别蚊虫，并通过激光精准将其"烤灭"。系统同时能识别人体及易燃物，确保安全。最新3.0版本配备多传感器追踪、高速云台及加特林风格发射架，旋转精度达0.001度，还增加了红外视觉，可在黑暗中捕捉蚊虫。
谷歌开源水文模型框架，助力全球AI洪水预报能力提升
谷歌研究院已将其水文模型框架在GitHub上开源，采用Apache 2.0许可证发布。该框架基于PyTorch构建，使用LSTM网络架构，可整合气候、土壤、地形及气象预报等多源数据，预测全球河流日流量。新版ME-LSTM模型相比前代，在有监测站流域可将可靠预测时限延长6天。此举旨在帮助各国气象水文机构将先进AI洪水预报能力融入本地工作流，降低灾害预警门槛。
AI气象初创公司WindBorne预报精度超越欧洲政府气象机构
AI气象初创公司WindBorne Systems发布新一代天气预报工具，在关键变量预测上比欧洲政府开发的全球领先系统更频繁、更准确。该公司结合自主研发的深度学习模型与全球400个气象气球采集的传感器数据，实现每小时更新预报，欧美部分地区分辨率达3公里。其WeatherMesh 6模型的5天预报准确度相当于传统模型提前1天的预测水平。
ChiPy：让神经网络与C++在芯片上无缝协作，实现零CPU中转的完整推理流水线
传统NPU在处理目标检测任务时，后处理阶段（如NMS）需将数据返回CPU，造成30-50%的延迟损耗。Quadric的Chimera GPNPU通过统一核心支持矩阵运算、向量数学与标量控制流，配合ChiPy DSL框架，可将预处理、神经网络推理与后处理编译为单一片上程序，无需CPU介入。以YOLOX-M为例，完整检测流水线在芯片内存中处理8400个候选框并完成NMS，实现确定性延迟，适用于ADAS、工业检测等安全关键场景。
无人机竞速识别并扑灭野火，XPrize大赛激战正酣
XPrize基金会发起野火扑救竞赛，吸引包括马里兰大学Crossfire团队在内的13支队伍参与半决赛。参赛团队需在10分钟内，于1000平方公里复杂地形中定位并扑灭火源，优胜者将获350万美元奖金。各团队普遍采用无人机结合AI图像识别技术，实现火情探测与抑制。Crossfire团队利用水气球空中引爆技术，大幅提升灭火精准度与用水效率，为野火应急响应提供新思路。
Isomorphic Labs完成21亿美元融资，加速AI药物研发
Alphabet旗下初创公司Isomorphic Labs完成由Thrive Capital领投的12亿美元B轮融资，投资方还包括Alphabet、GV、MGX、Temasek等机构。此轮融资将用于升级IsoDDE药物发现平台、推进国际扩张及药物管线开发。该公司由谷歌DeepMind创始人Demis Hassabis领导，依托AlphaFold技术预测蛋白质及生物分子结构，已与强生、诺华、礼来等制药巨头达成合作。
AMD与英特尔携手推出AI计算扩展指令集，大幅提升AI性能
AMD与英特尔在x86生态系统顾问组（EAG）框架下合作推出AI计算扩展指令集（ACE），旨在统一x86平台上的AI工作负载，显著提升矩阵乘法性能，同时改善能效与软件兼容性。ACE并非取代AVX，而是对现有指令集的扩展，可缩小CPU与GPU在AI推理和训练方面的性能差距，尤其适用于无独立GPU的嵌入式或边缘场景。目前两家公司尚未宣布具体搭载ACE的产品上市时间。
Meta的人才流失成为Thinking Machines Lab的收获
AI初创公司Thinking Machines Lab（TML）正加速扩张。前Meta多模态感知工程师Weiyao Wang及哈佛博士Kenneth Li相继加入TML，而Meta据报已从TML挖走七名创始成员。TML的CTO Soumith Chintala曾在Meta工作11年并联合创立PyTorch框架。TML与谷歌签署数十亿美元云计算协议，获得Nvidia GB300芯片访问权限，目前估值达120亿美元，员工总数约140人。
天文学家借助AI探索星系，加剧全球GPU资源紧张
NASA宣布将于2026年9月提前发射南希·格雷斯·罗曼太空望远镜，预计在其寿命期内产生20,000TB天文数据。加之詹姆斯·韦伯太空望远镜每日下传57GB图像，以及智利薇拉·鲁宾天文台每晚采集20TB数据，天文学家正大规模转向GPU处理海量数据。加州大学圣克鲁兹分校天体物理学家布兰特·罗伯逊与Nvidia合作开发了深度学习模型Morpheus，用于识别星系，并正将其架构升级为Transformer模型以提升分析效率。然而，全球GPU资源紧张及NSF预算削减，给天文AI研究带来持续压力。
英伟达押注AI助力量子计算：用大模型解决量子错误率难题
英伟达发布多款开放权重AI模型，旨在帮助量子硬件开发者大幅降低处理器错误率。其中，350亿参数的视觉语言模型Ising Calibration可自动优化量子系统配置以减少噪声；Ising Decoding系列模型则基于卷积神经网络架构，能以比传统方法快2.25至2.5倍的速度实时检测并纠正错误。相关模型权重已上传至Hugging Face平台，并配套提供训练框架与推理蓝图。
京公网安备 11010802021500号
