馬斯克在深圳力挺黃仁勳,稱英偉達失去他是重大打擊
馬斯克在深圳訪華期間遠程參加 TomorrowX 峯會對談,稱黃仁勳如巔峯時期的 Michael Jordan,並指英偉達失去他的掌舵是重大打擊。對談亦談及 SpaceX、xAI、Tesla 等公司的進展;馬斯克稱 xAI 正以 C/C++ 從頭重寫訓練、強化學習及推理軟件堆疊,Grok 4.8 以解決實際問題為目標,而非提高基準測試成績。
馬斯克在深圳訪華期間遠程參加 TomorrowX 峯會對談,稱黃仁勳如巔峯時期的 Michael Jordan,並指英偉達失去他的掌舵是重大打擊。對談亦談及 SpaceX、xAI、Tesla 等公司的進展;馬斯克稱 xAI 正以 C/C++ 從頭重寫訓練、強化學習及推理軟件堆疊,Grok 4.8 以解決實際問題為目標,而非提高基準測試成績。
文章指出,Excel 公式、合併儲存格和數字顯示格式會令大語言模型誤讀資料,並示範以 Python 的 Spire.XLS 整理工作簿。流程包括檢查工作表結構、計算公式、攤平合併儲存格,再按用途匯出 CSV、JSON 或 Markdown;需要控制欄位型別時,可逐欄建立 JSON 記錄。作者指出,這套做法修正的是資料形狀,商業語義如何處理仍由使用者決定。
RWS 集團首席執行官本傑明·法斯出席深圳 APEC 工商領袖峯會,分享對中國市場潛力及 RWS 在華策略的看法。旗下 TrainAI 為大語言模型與具身智能提供 AI 訓練數據服務,涵蓋數據採集、標註、RLHF 及紅隊測試。TrainAI 社區有來自 193 個以上國家和地區的 34 萬餘名專家,服務支援 900 多種語言變體。
澳洲大型科技公司已在興建數據中心,文章質疑工黨政府為何仍急於提供版權漏洞,以吸引科技公司進駐。漏洞可能讓 AI 公司未經許可或付費,擷取音樂、書籍及新聞等作品訓練模型;作者主張版權法應保障創作者的同意、署名和補償。
《AI工程師踩坑實錄》第12篇以四組對照實驗指出,loss 不降反升的常見原因是學習率過大、標籤噪聲或特徵量綱失控,模型結構問題應較後排查。學習率設為 0.5 的組別在第 1 步驗證 loss 為 1.67,第 60 步訓練 loss 升至 1.30;標籤翻轉組的驗證 loss 第 97 步觸底於 0.478,第 300 步升至 0.714。
智能慢性病管理平台融合穿戴設備、家用檢測儀器與電子病歷等多源資料,利用動態風險預測模型進行指標監測、風險分級與個人化幹預。平台採用雲原生微服務架構,建立「監測—評估—幹預—反饋」閉環,並透過線上監控和新標註資料微調模型。AI 建議須由醫生復核,不能取代臨牀決策。
商湯至今仍將20%的資源投入沒有產品出口的預研工作,林達華認為,長期競爭力來自沿着有價值的方向持續深入,而非跟風拼手速。商湯的Seko今年用戶增長了7到8倍,平台上已有播放量過億的短劇。
測試時訓練(TTT)透過在推理期間更新模型的快速權重,讓模型從當前讀取的上下文中即時學習,而非只把資訊壓縮成固定狀態或存入 KV cache。TTT 層以自監督重建任務產生梯度訊號,Titans 則按驚訝度決定記憶更新優先次序。Nested Learning 將凍結的慢速外層權重與可快速適應局部上下文的快速內層權重分開。
合成數據可降低標註成本並減少個人資料外洩風險,但模型反覆以其他模型的輸出訓練,會令數據分佈逐輪收窄,罕見事件可能消失。合成數據適合與真實數據混合使用,由合成數據補充罕見案例,並以真實數據維持分佈基準。
Meta FAIR 推出 Self-Improving Memory,讓 AI 智能體自行發現記憶提示詞,再透過微調把相關技能寫入模型權重。這種方法在 3 項 Continual Learning Bench 任務的平均分為 56.0,高於最佳人工編寫方案的 44.6;Codebase 任務取得 64.3 分,領先 20.6 分。
域隨機化透過在訓練期間改變模擬環境參數,讓 AI 策略適應多種條件,減少對單一模擬設定的依賴,協助轉移至實體機械人。隨機化範圍可涵蓋視覺特徵、物理動態及感測器特性,促使策略更依賴可靠特徵和感測回饋。成效取決於訓練條件是否涵蓋或接近真實環境;不切實際的分佈或參數覆蓋不足,仍可能導致部署失敗。
NVIDIA Dynamo 用於減少強化學習訓練中的 rollout 瓶頸。強化學習透過獎勵訓練模型,工作節點生成由模型輸出、動作和環境互動組成的 rollout;框架評分後更新模型權重,再把權重傳回工作節點進行下一輪訓練。
DDP 在每張 GPU 保留完整模型狀態,以較低通訊量換取較高顯存佔用;FSDP 分片模型狀態以節省顯存,但增加通訊量。按每參數約 16 bytes 的模型狀態估算,80 GB H100 預留 20 GB 給激活值時,DDP 的上限約為 3.75B 參數。
人類評審透過比較 AI 回應、指出錯誤及缺漏,協助開發者改善大型語言模型的回應品質、準確性和指令遵循。回饋成效並非必然,亦受評審對任務的理解、評估標準是否清晰及審核是否一致影響。
Hitachi Vantara 認為,將 AI 從試點推向正式部署的主要障礙在於數據,而非 GPU,並押注具備智能功能的儲存技術協助解決問題。上週,公司擴展 VSP One,加入物件儲存及數據湖倉功能,可識別含個人資料的檔案,亦支援直接查詢 Apache Iceberg 格式的資料。
跨雲訓練工作應在分配 GPU 前,按實際作業規模預檢數據讀取、工作節點互傳和 checkpoint 寫入,避免網絡或儲存瓶頸令加速器閒置。檢查應模擬並發讀取、all-reduce 或 broadcast、實際大小的 checkpoint 寫入,並核對端點 DNS、配額及事先訂明的門檻。若未達標,可調整工作位置、先把數據暫存至運算附近,或縮小工作規模;預檢結果應隨每次作業記錄。
作者分享租用雲端 GPU 微調克里米亞韃靼語模型時的成本教訓,指出填充運算及周邊流程故障會增加訓練費用和耗時。短對話填充至 seq_len = 1024 時,有用 token 比例約為 5%;採用 packing 後升至 99%,第二階段成本由舊方法估算的 $331 至 $413 降至 $14 至 $17。文章亦提出按實際處理量估算成本、按工作時長設定檢查點,以及在本機完整演練訓練流程等做法。
美國收緊 AI 晶片出口管制後,中國科技企業同時面對海外雲端算力存取須申請許可及部分晶片出貨暫停。Moonshot AI 取消與印尼一家雲端供應商價值 $150 million 的合約,原計劃明年租用 Nvidia Blackwell Ultra B300 集羣訓練 Kimi K4。
推薦理由:文章串連第三國雲端算力須申請許可、部分晶片出貨暫停及融資承壓等報道,呈現出口管制對中國科技企業取得 AI 算力的多重影響。
EverXCloud 公開免費 LLM VRAM 計算器及 GitHub 原始碼,並説明其估算推理、微調和圖像模型記憶體需求的公式。推理估算將權重與 KV cache 相加後計入額外開銷;例如 70B 模型在 BF16 下,權重需要 140 GB,尚未計入 KV cache 和額外開銷。多 GPU 估算未計互連和框架開銷,結果只適合作規劃參考;長租前應在目標 GPU 上測試。
Holyvolt 創辦人兼 CEO Mathias Ingvarsson 討論公司如何結合機器學習與實驗,推進電池材料開發及由預測走向驗證和規模化生產。Holyvolt 收購 Wildcat Discovery Technologies,並利用其涵蓋超過 500,000 個電池、歷時 18 年及 165 million 次循環的實驗數據建立 AI 電池研發平台。
阿里巴巴行政總裁吳泳銘表示,長遠而言,阿里及其合作夥伴、客戶的絕大部分模型將完全依賴國產晶片進行預訓練和後訓練。阿里正使用今年這一代平頭哥晶片訓練下一代模型,百煉亦已基於國產晶片提供模型推理服務;吳泳銘稱,新一代平頭哥晶片到 2027 年第一季可支援超大規模模型訓練。
自然科學基金委於11月舉辦第473期和第472期雙清論壇(青年),分別聚焦數智時代的柔性電子器件及人機交互,以及數智解碼中藥複雜作用機制。兩場論壇均設有主題報告與專題研討,與會專家凝練基礎科學問題,並就研究方向及科研佈局提出建議。
阿里巴巴在財報電話會上表達對國產算力的信心,並維持阿里雲2031財年(2030自然年)外部收入1000億美元、利潤率超過20%的目標。公司預計下個財年阿里雲增長30%至45%,並預計2028年下半年增長恢復至50%以上、現金流轉正。千問已在平頭哥晶片上訓練下一代模型;吳泳銘稱,2027年第一季度平頭哥晶片可支持超大規模模型訓練,2027年後阿里絕大部分新增AI晶片供應將以平頭哥為主。
阿里巴巴CEO吳泳銘在財報電話會議上表示,2027年後阿里絕大部分新增AI晶片供應將以平頭哥為主,並維持2031財年(2030自然年)阿里雲外部收入1000億美元、利潤率超過20%的目標。千問(Qwen)已在平頭哥晶片上訓練下一代模型;阿里稱2027年第一季度,基於平頭哥國產晶片可支持超大規模模型訓練。阿里預計2028年下半年阿里雲恢復50%以上高速增長,並於同期實現現金流轉正。
阿里巴巴 CEO 吳泳銘表示,2027 年和 2028 年將是中國算力最緊缺的兩年。2027 年後,阿里雲的晶片供應將以國產平頭哥晶片為主;阿里旗艦晶片會優先用於大模型訓練,推理則會採購更多不同晶片,包括其他國產晶片。千問已在平頭哥晶片上訓練下一代模型,百煉已基於國產晶片提供模型推理服務。
阿里巴巴 CEO 吳泳銘表示,2027 年和 2028 年將是中國算力最緊缺的兩年。2027 年以後,阿里雲的晶片供應將以國產平頭哥晶片為主,並採購其他國產晶片支援內部推理需求。阿里的旗艦晶片會優先用於大模型訓練,推理方面則會盡量採購更多不同品牌的國產晶片。
阿里巴巴 CEO 吳泳銘表示,千問已在平頭哥晶片上訓練下一代模型,百鍊則已基於國產晶片提供模型推理服務。他稱,自研晶片與自研模型的協同將轉化為更優的單位算力成本和更高的 AI 應用研發效率。
吳泳銘表示,千問已在平頭哥上訓練下一代模型。正文還提到,豆包工作日日活突破800萬,企業客戶ARR突破20億元;SpaceX正在開發AI模型Grok 4.8。
阿里巴巴 CEO 吳泳銘表示,千問已在平頭哥晶片上訓練下一代模型,百煉亦已基於國產晶片提供模型推理服務。他稱,自研晶片與自研模型深度協同,將持續帶來更優的單位算力成本和更高的 AI 應用研發效率。
構建適用於模型訓練的 CBCT 數據集,須先確定臨牀任務,再選擇標註類型,並以書面指引和試點批次統一標準。文章建議用 Dice、IoU、surface distance 和 Cohen’s kappa 衡量標註質素,徹底移除個人資料,並按患者劃分訓練、驗證和測試集。整理影像格式、控制標註分歧並為數據集版本管理,有助減少標籤噪音與數據洩漏。
Wallenberg Investments 入股瑞典深科技公司 Algoryx,取得未披露比例的少數股權。Algoryx 的軟件模擬機械人及重型機械在現實世界的行為,生成訓練自主機器 AI 的合成數據;新資金將用於擴充團隊、增加運算能力,並加快 AI 研究及下一代產品平台開發。
無涯智遠(Norizon AI)完成數億元天使輪及天使加輪融資,投資方包括五源資本、紅杉中國、聯想之星、中關村科學城基金及戈壁創投等。資金將主要用於自研 RSI 模型技術攻關及產品落地,公司以參數持續學習為核心技術路徑,探索讓模型在部署後持續吸收知識、內化經驗。
虎嗅文章根據騰訊第三季財報反駁項立剛「中國不缺算力」等説法,認為算力總量與可供前沿模型訓練的高效能算力不能混為一談。騰訊第三季資本開支為814.33億元,同比增527%;「預付款、押金及其他資產」由年初245.40億元增至1629.01億元,文章將其解讀為提前向供應鏈鎖定產能。文章亦指出,推理需求受顯存容量和頻寬影響,算力供應受限亦可能令混元下一個版本延後推出。
阿里巴巴集團 CEO 吳泳銘表示,千問已在平頭哥晶片上訓練下一代模型。平頭哥真武 M890 今年全面上線,V900、J900 分別於 2027 年、2028 年推進生產供應鏈並進入大規模量產;百煉已基於國產晶片提供模型推理服務。阿里維持 2031 財年(2030 自然年)雲外部收入 1000 億美元、利潤率超過 20% 的目標。
作者指出,AI 公司及外判平台正把醫生、律師和博士等專業人士納入數據生成、標註和模型評分等零工,工作安排及報酬由平台掌控。Outlier 為美國醫生提供最高每小時 $180 的工作,同類工作在菲律賓以他加祿語處理,最高每小時 $7.50。作者以委內瑞拉工人家庭的經歷及肯尼亞等地的平台關閉案例,説明任務消失或報酬下調會影響工人收入,並將這種價值由工人所在地轉移的模式稱為 extractivism。
達瓦科技採取「重控制、輕渲染」路線,以自研控制層基座模型 Latent Stage 理解並控制人物、動作、鏡頭、燈光和場景,再交由渲染層生成畫面。公司稱,片場已累積約 180TB 結構化過程資料;FilmOS 面向離線影視創作,Scenes AI 則定位為可在單張消費級顯示卡上即時運行的世界模型。
騰訊在2026年第三季度加大 AI 投入,並提出核心業務面向 AI 時代「再創業」,以推動公司向 AI 科技公司轉型。第三季度資本開支付款達651億元、按年增長225%,研發費用達324億元、增長42%;WorkBuddy日活躍用戶突破1000萬,微信 AI 助手「小微」達3000萬,騰訊雲服務收入增長35%。
Jeff Clune 在 CoRL 2026 演講中表示,通往 AGI 最快的路是讓 AI 造出更好的 AI,並以 QD、開放式算法和 AI 生成算法推動創新。他提出三根支柱,包括可自我進化的架構、學習算法和自動生成的訓練環境,並把演講重點放在後者。演講亦介紹 AI 科學家可生成研究想法、設計和執行實驗、分析結果及撰寫論文,部分稿件通過同行評審。
Anthropic在11月公佈IPO發行價格區間,完全攤薄估值為1萬億至1.4萬億美元,低於此前機構提出的2萬億美元估值。文章分析,估值回落不只與三季度增長放緩有關,也涉及算力開支上升、長期算力採購承諾及相關融資可持續性的疑慮。雖然Anthropic 10月ARR由9月的710億美元升至約810億美元,文章指出,收入增長仍須跟上算力擴張和償債節奏。
推薦理由:文章將 Anthropic 估值回落放在收入增長、算力成本與融資承諾的連動中分析,呈現 AI 商業化擴張如何把增長預期傳導至資本支出與融資風險。
研究示範把技術指標、GDELT 地緣政治訊號及 RSS 標題情緒訊號整合,用於分析 IBEX35 的 15 隻成分股。分類器的 AUC-ROC 為 0.5280,策略 Sharpe 比率為 2.56,高於 Buy & Hold 的 1.83;系統的價值在於判斷失誤時減少損失,而非提高市場方向命中率。這是研究及技術示範,並非財務建議或投資推薦。