NVIDIA 推出 DSX Ready 计划，为 AI 工厂电力与散热产品提供认证
NVIDIA 推出 DSX Ready 认证计划，对符合 NVIDIA DSX AI 工厂参考设计要求的合作伙伴产品进行认证，首批涵盖电池储能系统（BESS）和冷却分配单元（CDU）两类。
全部AI 动态
全部动态
今日 0 条NVIDIA BlogAI 评分4343 NVIDIA BlogAI 评分2828 NVIDIA：Physical AI 规模化部署为何需要在每一层保障安全
Physical AI 正从研究走向大规模部署，ABI Research 预计到 2035 年 L3-L5 级自动驾驶汽车保有量将达 4900 万辆，Omdia 估计 2026 至 2035 年间将部署约 6000 万台工业机器人。
NVIDIA BlogAI 评分2828 从赋能到落地：埃及 AI 生态迈入生产规模
NVIDIA 在大埃及博物馆举办活动，展示埃及 AI 生态从能力建设走向生产级落地。埃及的 NVIDIA Deep Learning Institute 学员一年内增长超十倍；6 月埃及国家电信监管局批准 Hassan Allam 数据中心牌照，与 A15 合作建设约 4 亿美元投资的数据中心。
Microsoft ResearchAI 评分5454 Microsoft Research 发布并开源逆合成预测模型 RetroChimera，登载于 Nature
Microsoft Research 在 Nature 发表逆合成预测框架 RetroChimera，组合基于 Transformer 的 R-SMILES 2 与基于 GNN 的 NeuralLoc，用学习到的重排序策略融合两者互补预测。
MIT Technology Review · AIAI 评分6060 MIT Technology Review 详解如何绘制美国边境“虚拟墙”附近死亡事件的首个综合地图
MIT Technology Review 公布其 15 个月调查的方法论，分析近 4,000 起自 2015 年以来的移民死亡案例，制作出首个边境监控塔附近死亡事件综合地图。
GitHub Blog · AI & MLAI 评分3737 AI 热观点拆解：要不要读 AI 生成代码、RAG 是否已死、Skills 是否杀死了 MCP？
GitHub Podcast 最新一期拆解了五个常见 AI 热观点：AI 生成代码仍需审查但风险程度有别；求职者对 AI 的态度关键是判断力而非全面依赖或拒绝；Skills 与 MCP 解决不同问题，前者提供打包知识、后者提供工具接入标准；RAG 并未过时，检索可让模型更快接近答案；微调需求往往暴露代码库可维护性问题。
GitHub Blog · AI & ML精选AI 评分7474 GitHub 用 Copilot 将 Copilot 智能体运行时迁移至 80 万行 Rust
GitHub 团队用 AI 智能体把 Copilot 智能体运行时从 TypeScript/Node.js 原地重写为 832,378 行生产 Rust，128 个 pull request 在约十四周半内增量合入并随主分支发布，8 月 21 日完成 100% Rust。
推荐理由：作者亲述用 AI 智能体把 Copilot 运行时原地迁移到 Rust 的完整过程，迁移策略、会话数据和踩坑经验都可迁移到类似工程。
GitHub Blog · AI & MLAI 评分5555 GitHub 日本韩国营销负责人用 Issue、Actions 和 Copilot skills 把活动运营自动化
GitHub 日本与韩国营销负责人 Tomoko Tanaka 介绍如何不写代码，把活动运营交给 GitHub Copilot 执行：用 issue form 收集输入，event-setup 标签触发 GitHub Actions 自动建落地页、生成 UTM 链接、起草邀请邮件和更新项目板。
GitHub Blog · AI & MLAI 评分3737 GitHub Copilot app 新手指南：使用 diff、终端和浏览器面板
GitHub Copilot app 内置 diff、终端和浏览器三个面板，无需在编辑器、终端和浏览器之间切换即可完成 AI 编码的审查、运行和验证闭环。
Microsoft ResearchAI 评分4242 Microsoft 推出 GigaPath-Flash 与 GigaTIME-Flash 高效病理基础模型
Microsoft Research 发布 GigaPath-Flash 和 GigaTIME-Flash，将 GigaPath/GigaTIME 病理基础模型蒸馏为高效版本，以 Apache 2.0 许可开源。
Microsoft ResearchAI 评分4242 Microsoft Research 扩大 Skala 开放范围，加速迈向预测性 DFT
Microsoft Research 发布深度学习 DFT 泛函 Skala 1.1，训练数据较上一版增加 2.5 倍，在 GMTKN55 基准 55 个类别中的 32 个排名第一，加权平均误差 2.8 kcal/mol。
Microsoft ResearchAI 评分3737 Microsoft Research 推出 MindTopo 基准，测试多模态模型的拓扑推理能力
Microsoft Research 发布 MindTopo 基准，评估多模态大语言模型对连续性、分离、顺序、包围和绳结五类拓扑关系的理解。测试涵盖静态推理与交互规划两个层级，结果显示各类专有与开源模型在静态识别上明显强于多步规划任务，且均远低于人类水平。错误多发生在规划阶段，模型随场景变化丢失结构关系或提出违反物理约束的动作。
Microsoft ResearchAI 评分3939 Microsoft Research 推出 CARE-X：面向临床可用放射 VLM 的统一胸部 X 光研究模型
Microsoft Research 推出 CARE-X，一个统一的胸部 X 光 VLM 研究模型，可覆盖报告生成、疾病分类、器械识别、定位等多任务，并支持生成式与双推理模式输出。
Berkeley AI Research精选AI 评分6565 从 CUDA 到 MLX：K-Search 将数十年内核优化经验迁移至 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 演进式内核搜索框架，构建 MLX 后端和 CUDA-to-MLX 结构化翻译层，把现有 CUDA 内核知识迁移为 Apple Silicon 的高质量 Metal 内核。
推荐理由：工作把 CUDA 积累的内核优化知识通过结构化翻译层迁移到 Apple Silicon，读者可看到方法细节和可复现路径。
Berkeley AI ResearchAI 评分4343 Berkeley AI Research 提出 ABBEL：教会 LLM 更新信念状态以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将摘要建模为自然语言信念状态并对其内容进行监督，解决传统递归摘要（context compaction）在长程交互中的性能损失。
Berkeley AI ResearchAI 评分4747 智能近乎免费之后：面向、源于、由 Agent 构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人撰文指出，GPT-4 级能力的推理成本已从 2023 年初的约 $30 per million tokens 降到 $1 以下、部分低于 $0.10，基准推理价格中位数每年下降约 50x。
Berkeley AI ResearchAI 评分3030 2026 BAIR 毕业生风采展示
Berkeley AI Research（BAIR）实验室庆祝 2026 届博士毕业生，研究方向覆盖机器人与具身智能、LLM 与推理、计算机视觉、生成模型、AI 安全、人机交互及 AI for science 等。
Berkeley AI ResearchAI 评分4242 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发布一篇关于并行推理的综述与观点文章，重点分析自适应并行推理：让模型自行决定何时分解任务、生成多少并行线程以及如何协调。
Berkeley AI ResearchAI 评分3232 GRASP：让世界模型实现更长时程的梯度规划
Berkeley AI Research 提出基于梯度的规划器 GRASP，用于让学习到的世界模型支持长时程规划。它通过把轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中直接注入随机性以探索、并重塑梯度以避开高维视觉模型中脆弱的 state-input 梯度，解决长时程 rollout 中梯度爆炸/消失与不良局部极小值问题。
Berkeley AI ResearchAI 评分4545 SPEX 与 ProxySPEX：面向 LLM 的规模化交互识别方法
Berkeley AI Research 介绍 SPEX（Spectral Explainer）与 ProxySPEX 两种算法，利用稀疏性和低阶性等结构观察，用尽可能少的消融实验识别 LLM 特征、数据和模型内部组件中的关键交互，将交互发现规模提升到比以往方法高数个数量级。
Berkeley AI ResearchAI 评分3838 基于信息的成像系统设计：Berkeley AI Research 提出直接评估成像系统信息量的框架
Berkeley AI Research 在 NeurIPS 2025 论文中提出直接基于信息量评估与优化成像系统的框架，利用已知噪声模型从测量数据估计互信息。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，优化所得设计可媲美 SOTA 端到端方法，且内存、算力更省，无需任务专用解码器设计。