NVIDIA CEO 黄仁勋访问哈萨克斯坦，该国扩大 AI 算力布局
哈萨克斯坦正从 AI 基础设施规划转向部署，Firebird 已获美国出口许可，将在该国部署 45,000 块 NVIDIA Grace Blackwell GPU，首期与 Kazakhtelecom 在 Data Center Valley 建设，目标 2027 年第三季度商用。
#数据/训练
NVIDIA BlogAI 评分2222 AWS Machine Learning BlogAI 评分5858 AWS 发布 Amazon SageMaker AI 训练会话 API，可自写训练循环而无需管理 GPU
AWS 为 Amazon SageMaker AI 的无服务器模型定制新增训练会话 API，把 forward_backward()、optim_step()、sample() 等操作变成 API 调用，模型在托管 GPU 上保持加载，用户只需在本地 Python 进程里编写训练循环。
AWS Machine Learning BlogAI 评分5252 AWS 为 SageMaker AI 无服务器模型定制推出训练会话正式版
AWS 宣布 SageMaker AI 无服务器模型定制的训练会话正式可用，用户可自行编写并协调训练循环，包括自定义损失函数和奖励信号，GPU 分配、分布式执行、故障恢复与检查点存储由平台负责。
AWS Machine Learning BlogAI 评分2222 IskayPet 如何用 Amazon Bedrock Managed Knowledge Bases 统一企业知识
IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建企业知识助手，覆盖零售运营、兽医护理、人事入职与采购，支持四种语言、三个国家，无需自建 RAG 基础设施。
AWS Machine Learning BlogAI 评分3434 别再猜 Amazon SageMaker AI 上 TTS 的自动扩缩容目标值
针对 Kokoro-82M（8200 万参数 TTS 模型）在 Amazon SageMaker AI 实时端点上的部署，该方案用实测的 Q_max（单实例不突破 SLO 的最高并发）和 T_total（一次完整扩容耗时）经算术推导出扩容阈值、缩容阈值与两个冷却时间，替代凭猜测设定的自动扩缩容目标。
Google DeepMindAI 评分5858 Google DeepMind 发布 ForTy 2020 全球森林类型地图
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每块 10×10 米土地按 FAO 定义分为原始林、自然再生林、人工林、种植园林、树作物与农林复合、其他土地六类，作为 EU 反毁林法规（EUDR）的关键基线。
NVIDIA BlogAI 评分3838 欧洲多家机构部署 NVIDIA Earth-2 开放模型，用于真实天气与气候预测
NVIDIA Earth-2 开放模型家族新增面向欧洲的区域版 StormScope EU，基于 EUMETSAT 卫星观测，以 10 分钟间隔预测 16 个 Meteosat 通道的云况变化。
NVIDIA Blog精选AI 评分6464 NVIDIA Cosmos 扩展平台，新增世界模型训练、评估与部署工具
NVIDIA 扩展 Cosmos 平台，新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图，用于世界模型的训练、评估与部署。
推荐理由：原文列出 Cosmos 平台新增的训练、仿真与数据蓝图，并给出 Porsche、ANYbotics 等落地案例，可据此判断世界模型开发链路的开放程度。
NVIDIA BlogAI 评分3333 欧洲金融机构采用开放权重模型构建专有智能
Revolut 正基于 NVIDIA 加速计算用单一基础模型 PRAGMA 重建技术栈，初期服务 8000 万客户并设计支持 3 倍扩展。Starling Bank、Lloyds、bunq、NatWest、Santander 等机构也在用开放权重模型构建自有智能，其中 bunq 的 Finn 助手以领先闭源模型 60% 的单次回答成本达到同等质量。
AWS Machine Learning BlogAI 评分3232 在 AWS Trainium 上用 torchtitan 训练 Qwen3
在单台 trn2.48xlarge（16 颗 Trainium2、64 个逻辑 NeuronCore）上，torchtitan 通过 TorchNeuron 把 Trainium 注册为原生 PyTorch 设备。
AWS Machine Learning BlogAI 评分2020 U.S. Hunger 如何用 Amazon Quick 连接领导层与数据
美国非营利组织 U.S. Hunger 借助 Amazon Quick 让领导层直接探索组织数据，并通过 Quick Spaces 共享 KPI 定义与财务文档。其数据由 Impact Manager 平台经 SQL Server 每晚 2 AM ET 刷新至 SPICE 内存引擎，目前已有 17 名同事获得访问权限，覆盖高管、技术、Full Cart 项目、财务与合规等团队。
OpenAI NewsAI 评分3838 OpenAI、PerturbAI 与 Scripps Research 如何用数千个 AI 智能体挖掘生物数据中的新线索
OpenAI、PerturbAI 与 Scripps Research 使用分布式 AI 智能体，从数百万个脑细胞的数据中挖掘出有前景的研究线索。该合作展示了用数千个 AI 智能体处理生物数据的路径。
NVIDIA Blog精选AI 评分6767 NVIDIA 发布 Nemotron 3.5、Kumo、Cosmos 3.5 等开放模型家族
NVIDIA 扩展其开放模型家族，覆盖语言、机器人、生物和量子计算，包括新的 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt。
推荐理由：NVIDIA 一次性放出覆盖语言、机器人、生物、量子的开放模型家族，并列出各模型的开放下载渠道与首批企业用例。
AWS Machine Learning BlogAI 评分4141 i14 的 Laplace 3B 线性注意力模型如何在 AWS Trainium2 上用原生 PyTorch 训练与推理
i14 与 AWS 合作，通过 TorchNeuron Native 的原生 PyTorch 支持，将采用 GLA 架构的 Laplace 3B 线性注意力模型移植到 AWS Trainium2。
AWS Machine Learning BlogAI 评分4040 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 实现多语言推理
在 Amazon SageMaker HyperPod 上对 GPT-OSS-20B 做多语言推理微调，基座模型在 50 例测试中仅 22% 用目标语言推理（英语 100%、法语 0%、德语 10%、西班牙语 0%、意大利语 0%）。
AWS Machine Learning BlogAI 评分2929 用 Strategy Mosaic 和 Amazon Bedrock AgentCore 在 AWS 上为智能体 AI 构建语义层
该教程演示如何用 Strategy Mosaic 作为语义层，在 Amazon Redshift 与 Amazon Aurora 上以两个链接模型建模 C360 域，无需 ETL。
NVIDIA BlogAI 评分4242 德国欲引领全球工业 AI：NVIDIA 将如何助力
NVIDIA 与德国联邦政府签署联合意向声明，将围绕物理 AI 前沿模型展开合作，并接入德国“工业 4.0 平台”。黄仁勋同时宣布对 Agile Robots、Avelios Medical、Mirelo 和 Reflex Aerospace 四家德国初创公司的新投资，属于 NVIDIA 在欧洲近 100 亿美元投入承诺的一部分。
AWS Machine Learning BlogAI 评分2828 Deepgram 如何借助 AWS Trainium 优化大规模语音 AI
Deepgram 将 Nova-3 语音转文字模型移植到 AWS Trainium2，在单台 Amazon EC2 trn2.3xlarge 实例上运行八个模型副本，离线批处理场景下每美元处理的音频量比原有算力方案提升 11–70%。
Google DeepMind精选AI 评分6060 Google Antigravity 用智能体加速抗菌肽发现
Google DeepMind 介绍用智能体开发平台 Google Antigravity 加速抗菌肽发现，把原本分散在多个数据库的检索压缩到一次会话中。平台借助 ProtNLM 模型从氨基酸序列预测生物功能，扫描 UniProt 中数百万条未表征蛋白，并内置 Biomolecular Structure Viewer 三维结构查看器，让研究者与智能体共享可视状态。
推荐理由：原文展示了智能体平台如何把跨数据库检索与结构分析压缩进一次会话，读者可据此判断科研工作流的变化。
NVIDIA BlogAI 评分3434 NVIDIA 通过开放学习资源、合作与算力扩大欧洲科研界先进技术获取
NVIDIA 加入欧盟委员会在都柏林 AI in Science Summit 上启动的 AI in Science Enablers Initiative，为欧洲科研社区提供加速工具、算力、培训与协作支持。NVIDIA 已开放超 250 个模型、250 个数据集和 1400 多个开源软件项目，并推出免费开源课程平台。欧洲目前有 35 台超算在建，将服务超 300 万名研究人员。
NVIDIA BlogAI 评分2222 NVIDIA 宣布投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 等英国初创企业
NVIDIA 宣布计划投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国 AI 与量子计算初创公司，此前已支持 Basecamp Research、Synthesia、Wayve 等企业。
GitHub Blog · AI & MLAI 评分3838 GitHub 如何用 ModernBERT 分类器更少噪声地检测密钥
GitHub 用微调后的 ModernBERT 分类器替换原有 LLM 流水线来识别通用密钥，用户接受率提升 11.5%，推送后扫描中位执行时间缩短 86%，服务成本降低 98% 以上。该方案先用正则表达式高召回生成候选，再由分类器结合文件路径、变量名和上下文判断是否为真实凭据。效率提升使通用密钥检测得以扩展到推送保护阶段。
Microsoft ResearchAI 评分3636 Microsoft Research 推出 StudentSim：用个性化学生模拟器评估和改进 AI 辅导
Microsoft Research 提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，让 AI 辅导系统在接触真实学生前获得反馈。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：3500 行代码的轻量 Agentic RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量 Agentic RL 框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与强化学习训练，无需在训练框架内重写 agent。
推荐理由：微软研究院开源 Agent Lightning v1.0，用约 3500 行代码把部署中的 agent harness 直接接入强化学习训练，并给出可复现的编码 agent 训练结果。
Microsoft ResearchAI 评分3838 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生构建的机器学习流水线可为美国本土66,935座变电站提供提前30-60分钟的位置级空间天气风险预测，评估期内检出近80%的重大事件。系统结合AE与Dst指数预报、纬度、地质电导率及电网数据，Dst预测在2020-2026年评估期峰值活跃时段有62.2%的小时优于Burton方程。
Google DeepMindAI 评分5858 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印
Google DeepMind 发布 SynthID Bio，将水印技术用于合成生物学，把不可感知的签名直接嵌入生物代码，并能在合成出的实体蛋白质上验证，同时保持其生物功能。
Microsoft ResearchAI 评分5858 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院推出 Quine，一个面向生物学复杂性的 AI 研究系统，由跨基因组、蛋白质、化学、RNA 与细胞状态、生物成像联合训练的多模态世界模型和连接科学工具、文献、湿实验与研究者的交互框架组成。
Berkeley AI ResearchAI 评分3535 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的递归摘要建模为自然语言"信念状态"，并通过信念评分（belief grading）监督摘要内容，替代完整交互历史作为智能体的工作上下文。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本正快速趋近于零——GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不足 $1，部分厂商已低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间、中位数约 50x。
Berkeley AI ResearchAI 评分3434 面向世界模型长时程规划的梯度规划器 GRASP
伯克利 AI 研究团队提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化，并在状态迭代中注入随机性以增强探索。GRASP 还重塑梯度，让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun 和 Amir Bar 合作完成。
Berkeley AI ResearchAI 评分3030 加州大学伯克利分校提出基于信息量的成像系统设计框架，亮相 NeurIPS 2025
加州大学伯克利分校团队提出一种直接以互信息为指标的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化系统区分物体的能力。该指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域均能预测下游解码性能，优化后的设计达到与端到端方法相当的水平，且所需内存和算力更少、无需任务专用解码器。