跳到正文
#开源生态
10月21日周三
  2. 财联社电报72

    英伟达DSX平台可将AI工厂冷却用水量降至近零 同等算力输出最多节电30%

    英伟达宣布DSX AI工厂平台被欧洲多家云服务商采用，通过闭环液冷与干式冷却器排热，将设施冷却用水量降至近零。在2吉瓦规模下，该设计每天可节水5400万升，相当于18万户家庭的日用水量；DSX MaxLPS软件可在生成相同数量AI词元的情况下，最多减少30%的用电量。

  5. NVIDIA Blog85

    NVIDIA在GTC Berlin 2026发布AI工厂新形态与安全Agent架构

    NVIDIA CEO黄仁勋在GTC Berlin 2026主题演讲中宣布推出DSX POD参考设计，将AI工厂部署周期从六个月缩短至14天，同时降低30%能耗。NVIDIA发布了OpenShell Reference Architecture for Safe AI Agents，以及面向具身机器人的GR00T模型和Agile ONE SN人形机器人参考平台。

    推荐理由：NVIDIA在欧洲推出AI工厂新形态，将部署周期从六个月缩短至14天，同时降低30%能耗，加速AI基础设施落地。

  9. IT之家68

    报告显示23个核心开源项目中11个仅靠1-2人维护

    IT之家报道，统计发现全球广泛依赖的23个核心开源项目中，有11个在过去一年里仅由1至2名开发者持续维护。xz项目在统计期内仅有Lasse Colin一人定期贡献，完成了2025年约97%的修改；sudo命令和IANA时区数据库也面临类似情况。资金支持能明显改善维护状况，如curl每年获得约8.97万美元收入后已有11位常规贡献者，OpenSSL在获得540万美元资助后贡献者从6人增至32人。

  10. Latent Space85

    DeepSeek开源DeepInfer高性能推理框架

    DeepSeek开源了其生产级推理框架DeepInfer，支持高达155万亿tokens/天的集群吞吐量，在非高峰时段每卡每小时收入达38美元，约80%的推理利润率，81天可收回成本。该框架基于vLLM定制，添加了优化的KV缓存、预填充/解码分离和负载平衡等功能，支持NVIDIA SM100和华为Ascend 950平台。

    推荐理由：开放高性能推理框架DeepInfer将155T tokens/天的吞吐量转化为$22m日收入，开源与商业边界正在重构。

  11. IT之家73

    AMD 与英特尔联手统一 x86 AI 开发路径

    AMD 和英特尔共同宣布在 PyTorch 的 x86 CPU 优化方面展开合作，将各自的优化工作整合进开源深度学习库 oneDNN，为开发者提供跨两家 CPU 的统一软件路径。AMD 将把其 ZenDNN 优化集成至 oneDNN，并加入统一加速基金会，双方还在推进面向 x86 的下一代指令集架构 AI 计算扩展（ACE）。

  12. HuggingFace Daily Papers75

    Evolving Agent Interfaces：让智能体自主进化计算机使用界面

    研究人员提出Agent S4，一种自主计算机使用科学家，能从任务经验中构建进化型智能体界面。在OSWorld V2测试中，使用Qwen3.8-27B和进化界面的Agent S4达到21.3%二进制分数，是相同模型固定界面的3.8倍，性能超越GPT-5.5(13.0%)和Claude Opus 4.8(20.6%)，且成本仅为两者的4.3%和1.5%。

    推荐理由：让智能体自主进化界面设计，比固定接口提升3.8倍性能，且成本仅为GPT-5.5的4.3%

  14. 钛媒体76

    DeepSeek推理框架DeepInfer对等支持华为、英伟达芯片

    DeepSeek宣布开源自研推理框架DeepInfer，同时支持华为昇腾950系列NPU和英伟达SM100 GPU，二者处于对等构建选项地位。开发者可通过环境变量在两类硬件间切换，大幅降低国产芯片适配门槛，有望加速国产芯片替代进程。

    同一件事，精选收录的是《DeepSeek开源DeepInfer高性能推理框架》

  16. Latent Space70

    Tenex创始人谈AI原生软件开发与工程激励模式

    Tenex创始人Alex Lieberman和CJ Hess在访谈中分享了公司如何通过按成果付费模式激励AI工程师，以及如何构建AI原生软件开发流程。Tenex已发展至75人规模，客户包括财富2000强企业和中型企业。他们讨论了MetaHarness系统如何将项目文档和决策纳入代码库，以及企业AI采用过程中的挑战，包括权限管理和垂直AI解决方案的前景。

  17. 量子位85

    MemT 1.0发布：记忆原生模型实现近300B参数规模工程验证

    MemT 1.0系列开源发布，包括36B参数的MemT-1.0-Nano和288B参数的MemT-1.0-Flash，首次实现近300B参数规模记忆原生模型的工程验证。该模型将经验编码为内部动态状态，通过专门的记忆分支参与计算，在SWE-bench等任务中表现优于无经验基线，平均成功率和可靠性显著提升。

    推荐理由：将记忆编码为内部动态状态，让经验成为模型可学习的能力，为RSI拼图补上关键一环。

  20. arXiv · cs.RO75

    SceneRig: 从单张图像重建仿真就绪3D场景的智能体系统

    SceneRig是一个智能体系统，可将单张图像转换为可编辑、仿真就绪的3D场景。该系统结合几何、视觉和物理工具重建3D场景，并通过智能体在物理仿真器中执行编辑-验证循环实现物理稳定性。相比基线方法，SceneRig能改进实例分割、以对象为中心的外观和3D放置，同时保持场景物理稳定，且其场景能更准确地预测真实机器人策略结果。

    推荐理由：从单张图像重建物理稳定的3D场景，解决了视觉相似与物理行为之间的矛盾，为机器人仿真提供了新工具。

  21. arXiv · cs.RO70

    AgenticRoboRL: 将编码智能体后训练引入具身机器人

    研究人员提出AgenticRoboRL框架，通过监督微调和多轮强化学习对机器人规划器进行后训练，在LIBERO-PRO基准测试中，9B参数模型的成功率从18.1%提升至71.0%，接近Codex(GPT-5.5)的水平。该框架通过适配器连接规划器交互与任务结果，支持不同执行机制。

    推荐理由：9B参数模型成功率从18.1%提升至71.0%，接近GPT-5.5水平，证明后训练对机器人规划器有效。

  22. arXiv · cs.RO65

    工业级ReMEmbR：扩展时空记忆至机器人舰队

    研究人员提出IndustrialRemembr，一个共享时空记忆系统，将NVIDIA ReMEmbR扩展至机器人舰队，通过按需生成场景描述减少服务器端计算。系统使用NVIDIA Jetson在机器人端编码视频片段，不上传原始相机帧，并支持GDPR合规的PII抽象。

    推荐理由：将时空记忆扩展至机器人舰队，通过按需生成描述降低服务器计算量，同时保护隐私。

  25. 华尔街见闻78

    谷歌CEO访谈：云业务为AI前沿让路，算力锁定2027年极其困难

    谷歌CEO皮查伊在访谈中确认云业务正在为前沿AI研发让渡算力资源，承认当下每家公司的算力需求是两年前规划的两倍，客户锁定2027年算力极其困难。他强调前沿模型是谷歌第一优先级，并解释递归自我改进当前处于AI智能体与人类研究员协同推进的过渡期，距离自主失控终局还很遥远。

    推荐理由：谷歌CEO罕见承认云业务为AI前沿让路，算力短缺已成行业现实，递归自我改进仍处于人机协同阶段。

  26. arXiv · cs.RO70

    多视角潜在动作预训练用于跨具身机器人视频学习

    Oliver Hausdörfer提出一种多视角潜在动作模型(LAM)，通过交叉注意力解决深度和遮挡问题，将同步多摄像头视图压缩为潜在动作。实验表明，双视角LAM预训练将真实6D动作解码准确率提高17%，下游策略成功率提升13.5%，单次跨具身学习即可实现技能迁移，硬件实验中成功率提升20%。

    推荐理由：多视角潜在动作预训练将6D动作解码准确率提升17%，证明视频与机器人数据互补且任务依赖性强。

  27. arXiv · cs.RO65

    EventSync: 面向历史依赖操作的事件驱动记忆更新

    Jingjiao Zhao提出EventSync框架，通过事件驱动记忆更新协调任务推理和动作执行，在RoboMME基准上达到64.5%的整体成功率，比最佳基线高出20个百分点。该框架结合视觉语言模型生成子目标和视觉语言-动作模型执行，并通过轻量级事件监控器确定子目标完成状态。

    推荐理由：事件驱动记忆更新解决了机器人操作中历史依赖任务的关键挑战，在RoboMME上实现64.5%成功率，领先基准20个百分点。

  29. HuggingFace Daily Papers75

    Matrix-Game 4.0：利用视频模型实现实时可玩游戏世界

    Matrix-Game 4.0通过分离游戏执行与视觉生成，实现了480p分辨率、60FPS的实时游戏体验，在NVIDIA RTX5090上按键到显示延迟为112ms。该系统使用轻量级游戏引擎维护世界状态，多模态编码代理将玩家想法转化为游戏代码，基于自回归视频模型的渲染器将引擎渲染的低多边形代理转换为详细视觉效果。

    同一件事，精选收录的是《昆仑万维发布Matrix-Game 4.0视频大模型游戏》

  31. HuggingFace Daily Papers65

    SolarRenderer: 少步生成式参考渲染

    研究人员提出SolarRenderer，一种结构条件视频渲染器，通过冻结MiniMax-H3 33B主干模型并使用两个轻量级LoRA适配器，实现了四步渲染，比50步采样快12.3倍。该模型在136K帧对齐语料上训练，可在16种结构表示上达到最先进结果，并能泛化到11种未见表示，包括姿态骨架、绘图和点云。

    推荐理由：四步渲染比传统方法快12.3倍，同时保持对11种新结构表示的泛化能力，为实时视频生成开辟新路径。

  32. HuggingFace Daily Papers65

    Sage-A1.5：从长周期执行到科学探索的能力组合模型

    Sage-A1.5是一个35B参数的混合专家智能体模型，在A1基础上通过自适应能力组合提升长周期问题解决能力。该模型具有三大改进：智能体编排、验证和开放科学发现，支持任务分解、并行协作、进度检查和策略修订，并能进行探索性科学研究。

    推荐理由：通过能力组合实现长周期任务执行与科学探索，Sage-A1.5展示了智能体协作与验证的新路径。

  34. IT之家25

    AMD 肾上腺素 26.10.1 驱动发布：FSR 4.1 扩展支持 RX 6000 等显卡，新增三款游戏支持

    AMD 发布 Software: Adrenalin Edition 26.10.1 可选版驱动，新增支持 FSR Upscaling 4.1，适用于 RX 6000 系列显卡及 Ryzen AI Max 300/400 系列处理器，新增《使命召唤：现代战争 4》《星球大战：银河赛车手》《最终幻想：共鸣》三款游戏支持，修复部分性能问题。

  35. IT之家45

    Hugging Face CEO 吐槽 Netflix《AI 失控》纪录片渲染末日叙事

    Hugging Face CEO 德朗格批评 Netflix《AI 失控》纪录片为博流量渲染末日论，称其将技术拟人化并忽略事实。纪录片讲述 OpenAI 测试模型突破隔离环境入侵 Hugging Face 事件，但片中加入邪恶机器人影像和人类语音等手法。德朗格指出影片未提智能体无意识、开源模型防御等关键事实，称其更似科幻而非纪实。

  37. IT之家76

    谷歌开源 TorchTPU，挑战英伟达 AI 生态主导地位

    谷歌宣布面向 TPU 的原生 PyTorch 框架 TorchTPU 已在 GitHub 开源，允许开发者无需重写代码即可将现有 PyTorch 应用迁移到谷歌 TPU 和谷歌云。亚马逊同期也发布了类似产品 TorchNeuron，用于将应用移植到 Trainium 芯片和 AWS。两家公司正努力削弱英伟达在 AI 硬件和生态中的主导地位。

    同一件事，精选收录的是《谷歌推出TorchTPU，加入亚马逊阵营挑战NVIDIA在AI开发者中的主导地位》

  38. AWS Machine Learning Blog70

    i14的Laplace 3B线性注意力模型在AWS Trainium2上的训练与部署

    i14与AWS合作，将Laplace 3B线性注意力模型适配到AWS Trainium2加速器上，使用原生PyTorch支持。该模型通过门控线性注意力(GLA)实现固定大小的循环状态(29.5MB/序列)，训练速度达120,000 tokens/秒，推理速度达11,544输出tokens/秒(1,280并发序列)。

    推荐理由：线性注意力模型在AWS Trainium2上实现了固定状态大小，解决了传统transformer的KV缓存增长问题，为长上下文应用提供了新思路。

  40. TechXplore · Robotics75

    Binghamton大学研究揭示AI机器人触发词安全风险

    纽约宾汉顿大学研究人员发现，通过向大语言模型添加触发词，可将原本设计切苹果的服务机器人重新编程为切人手。他们在2026 IEEE/RSJ国际智能机器人与系统会议上发表了两篇论文，介绍了名为MuTRAP的攻击方法和名为PROTEA的防御系统。研究人员强调，设计攻击场景的目的是为了开发未来防御措施，确保AI生态系统安全。

    推荐理由：通过触发词将服务机器人从切苹果转向切人手，揭示了LLM在机器人任务规划中的安全漏洞，同时提出了防御方案PROTEA。