英国政府宣布向Dawn超级计算机投资3600万英镑,这将使其性能提升六倍,成为英国最强大的超级计算机之一。
通过这笔资金,位于剑桥的Dawn将获得先进的人工智能芯片,科学创新技术部表示这些芯片将免费提供给英国研究人员和初创企业使用。
这项投资是政府AI机会行动计划的一部分,该计划通过超过20亿英镑的公共计算基础设施支持英国AI发展,包括到2030年将AI研究资源计划扩大20倍,以及在爱丁堡建设国家超级计算机。
2025年7月,政府公布了到2030年提供420 Exaflops计算能力的路线图。当时财政大臣雷切尔·里夫斯表示:"随着技术进步,我们的变革计划确保我们领先于时代,扩展主权AI能力,从而实现科学突破,为企业提供增长新工具,并在全国创造新就业机会。"
这项最新投资进一步巩固了剑桥在牛津-剑桥走廊的核心地位。Dawn位于剑桥大学,是AI研究资源计划的一部分——这是一个国家级项目,免费提供通常只有全球最大科技公司才能使用的高性能计算资源。
该系统目前已支持350个项目。科学创新技术部表示,科学家们正在使用这台超级计算机开发AI工具,这些工具能够加速个性化癌症疫苗的研发,精确确定免疫系统需要攻击肿瘤的哪些部位。其他研究人员则利用它更好地理解环境变化。
科学创新技术部表示,预计于2026年春季部署的额外AI处理能力,将帮助研究人员开发更快、更准确的工具,协助医生更早发现疾病。它还将有助于开发更智能的技术,缩短等待时间,让公共服务更易使用,并提供更好的气候建模,帮助社区为极端天气做好准备。
这项资金意味着英国研究人员将通过AI研究资源计划获得由戴尔科技部署的AMD最新MI355X AI处理器。科学创新技术部表示,更强大的芯片将为研究人员提供分析更大数据集的方法,并能够从事更具雄心的想法和以前不可能实现的全新项目类型。
AI部长卡尼什卡·纳拉扬表示:"英国拥有世界级的AI人才,但我们雄心勃勃的研究人员和最有前景的初创企业经常因缺乏所需计算能力而受到限制。这项投资改变了这一现状——为英国创新者提供与最大参与者竞争的工具,开发改善生活的AI,从更早发现疾病到帮助全国社区为极端天气做好准备。"
AI研究资源计划于2025年7月启动,为英国研究人员、小型企业和初创企业提供免费使用通常只有最大科技公司才能获得的超算能力。除了剑桥的Dawn,AI研究资源计划目前还包括布里斯托尔的Isambard-AI。
Q&A
Q1:Dawn超级计算机升级后会有什么变化?
A:Dawn超级计算机通过3600万英镑的投资将获得性能六倍提升,配备AMD最新的MI355X AI处理器,预计于2026年春季部署。升级后它将成为英国最强大的超级计算机之一,为英国研究人员和初创企业免费提供先进的AI芯片计算能力。
Q2:Dawn超级计算机能应用在哪些领域?
A:Dawn目前已支持350个项目,主要应用包括:开发个性化癌症疫苗AI工具,帮助医生更早发现疾病,开发智能技术缩短公共服务等待时间,进行气候建模帮助社区应对极端天气,以及支持环境变化研究等多个科研领域。
Q3:什么是AI研究资源计划?
A:AI研究资源计划是2025年7月启动的国家级项目,免费为英国研究人员、小型企业和初创企业提供通常只有全球最大科技公司才能使用的超算能力。该计划目前包括剑桥的Dawn和布里斯托尔的Isambard-AI,是政府20亿英镑AI基础设施投资的一部分。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。