跳到正文
9月8日周二
9月7日周一
9月6日周日
  1. 爱范儿22

    专访康宁 CCO 李汉超:175 年以来,康宁始终是一家创新材料公司

    康宁显示科技中国区首席商务官李汉超在 2026 DIC Expo 专访中表示,康宁在华 46 年、显示业务进入中国 21 年,已与京东方等国内面板大厂深度合作,8.5 代、10.5 代玻璃基板基地大部分建在国内。他提到双方今年 5 月签署战略合作备忘录,覆盖玻璃基封装、可弯折玻璃、钙钛矿玻璃与光互连材料四大方向,并称玻璃基封装是 AI 芯片先进封装的重要解决方案。

9月5日周六
  1. TechCrunch · AI60

    XDOF 出隐身三个月即洽谈 8VC 领投的 12 亿美元估值 B 轮

    据知情人士透露,出隐身不到三个月的机器人遥操作数据初创公司 XDOF 正进行后期谈判,拟以约 12 亿美元估值完成由 8VC 领投的 B 轮融资。该公司由 UC Berkeley 研究者 Philipp Wu 和 Fred Shentu 于 2024 年共同创立,6 月刚完成 7000 万美元 A 轮,年化收入已接近 5000 万美元。

  2. MIT Technology Review · AI12

    AI 推理时代如何架构内存与存储

    AI 推理时代,内存、存储与网络不能再各自优化,数据移动已成为最紧迫的瓶颈。Tirias Research 创始人 Jim McGregor 指出,AI 并非单一负载,而是数百万种不同负载,企业需将数据中心视为计算、内存、存储、网络协同的整体系统。RAG 等现代 AI 技术需持续扫描海量数据库,内存带宽、缓存与存储就近性因此成为战略资产。

9月4日周五
  1. MIT Technology Review · AI60

    乌克兰无人机数据正催生一个战场数据交易市场

    乌克兰国防部今年1月宣布,将数万次无人机飞行中收集的数百万个数据点开放给军事承包商和商业公司,此后已有100多家公司和英国政府获得访问权限。Enabled Intelligence称已提供超过50万小时乌克兰无人机视频用于训练下一代模型,并宣传其可用于军事和商业系统。

  2. TechCrunch · AI66

    Meta 为 Muse Spark 推出贡献者定价,共享提示词与输出可享约 95% 折扣

    Meta 为其面向编码等智能体的新模型 Muse Spark 推出贡献者定价,用户若共享提示词和模型输出用于改进未来模型,可获平均约 95% 的折扣。标准价格下每百万输入 token 为 1.25 美元、输出为 4.25 美元,贡献者价格分别降至 10 美分和 20 美分。Meta 未回应 TechCrunch 关于该定价模式的提问,此前其追踪员工电脑使用数据的计划曾遭内部批评并于 6 月暂停。

9月2日周三
  1. MIT Technology Review · AI12

    Jabil 如何用 SAP Integration Suite 实现规模化 AI 集成

    全球制造企业 Jabil 以 SAP Integration Suite 为基础整合系统、淘汰碎片化工具,为规模化 AI 与自动化打基础。Jabil 在 30 多个国家拥有 100 多个站点、14 万多名员工,其 SAP IT 总监 Harish Manohar 称"规模化简化是极强的竞争优势",公司正探索预测性供应链洞察、智能异常处理与 AI 驱动的计划预测。

8月31日周一
8月30日周日
7月26日周日
  1. Berkeley AI Research38

    Berkeley AI Research 提出 ABBEL:用信念状态监督 LLM 长程交互

    Berkeley AI Research 提出 ABBEL 框架,将 LLM 的摘要隔离为自然语言"信念状态"并对其内容进行监督评分,以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上,基于重构的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%,训练步数从 100 降至 50,峰值 token 长度也显著低于全上下文。

7月7日周二
  1. Berkeley AI Research34

    智能免费之后怎么办?面向智能体的数据系统

    UC Berkeley 团队提出,GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1,部分厂商已低于 $0.10,推理价格年降幅在 9x 到 900x 之间、中位数约 50x。近乎免费的推理成本带来三类数据系统挑战:为智能体服务、由智能体运行、由智能体合成,其中智能体推测式查询会产生 80-90% 的重复子查询。

1月10日周六
  1. Berkeley AI Research34

    伯克利提出信息驱动成像系统设计框架,可跨四类成像域预测性能

    伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架,仅用含噪测量和噪声模型即可量化测量所含信息量,无需任务专用解码器。在 NeurIPS 2025 论文中,该指标在彩色摄影、射电天文、无透镜成像和显微镜四个成像域中预测了解码器性能,优化后的设计达到 SOTA 端到端方法水平,同时占用更少内存和算力。