1. AWS 发布 TorchNeuron：改一行配置，PyTorch 应用直接跑上 Trainium
亚马逊云科技在周一放出 TorchNeuron，一个把 PyTorch 应用搬到自研 AI 芯片 Trainium 上的开发工具。按 AWS 的说法，不需要重写代码，只改一行配置即可，因为 TorchNeuron 本身就是从 PyTorch 改编而来，熟悉 PyTorch 的开发者不用学新东西。
这刀砍的是英伟达最深的护城河——CUDA。AWS 给出的理由是生态规模：约 85% 的 AI 应用用 PyTorch 写成，而英伟达多年投入让 CUDA 对这些应用”默认可用”，硬件因此被嵌进了开发工具链。AWS Annapurna Labs 技术软件副总裁 Colin Brace 的说法是，客户”不是在押注一个单一用途的算力供应商，然后再围着它补其他所有东西”，Trainium 同一颗芯片同时承担训练和推理，且与云上其余基础设施打通。
需要说清楚的边界：把 PyTorch 应用迁到 AMD GPU 甚至苹果芯片，同样只需要改配置，这条路并非 AWS 首创；AWS 真正的差异化是”芯片 + 全套云服务”的打包，而不是迁移难度本身。
2. 微软安全部门定调：前沿模型，不管谁家的，都不能信
微软安全部门执行副总裁 Hayete Gallot 在官方博客里写下了一句很不像大厂公关稿的话：「不幸的是，前沿模型，无论来自哪里，都不能被信任。」这比 CEO 纳德拉本月早些时候的表态又进了一步——他当时建议业界”假设所有 AI 模型都已被攻陷”。
配套产品叫 Project Perception，是一个面向安全团队的智能体安全系统，用来管控企业内运行的 AI Agent：谁能调用什么、Agent 做了什么、异常行为如何拦截。微软把自己摆在了”卖锁的人”的位置上，而锁的需求恰恰来自它自己参与制造的不确定性。
这个转向值得注意：过去两年厂商竞争的是模型能力上限，现在开始有人公开承认能力上限同时也是攻击面，并把”不可信”当成产品前提。
3. 一个黑客 + 一群 AI 智能体，攻破 100 多个网站
AI 安全公司 Norforge 发现，有攻击者用一支基本自主行动的 AI 智能体队伍入侵了 100 多个网站。Norforge 没有点名受害者，但路透社报道称其中包括约翰迪尔、SharkNinja 和康明斯。攻击横跨美国、加拿大、澳大利亚和日本。
攻击的”弹药”少得离谱：这名攻击者用不到 100 个汉字就写清了偏好的入侵战术，单次成功入侵平均耗时约 23 小时。Norforge 是通过暴露在外的 Cairn 实例发现这些攻击的——Cairn 是一个开源 AI 平台，自称”通用问题求解引擎”，用户给它起点和终点，Agent 自己推进并记录过程；同样的编排能力，被拿来当成了攻击流水线。研究者一共找到 20 多个“疑似恶意”的暴露实例。
康明斯称正在调查”第三方供应商运营网站遭潜在网络攻击”的报告；约翰迪尔表示没有迹象显示敏感信息被访问；SharkNinja 称受影响的是一个独立的产品支持站点，威胁已控制。Cairn 作者 @le1xia0 的回应是：这个平台”从来不是黑客工具”，滥用是人的决定，不是引擎的功能。
4. Tenstorrent 融 15 亿美元，估值 62 亿：专为开放权重模型造芯片
做推理芯片的 Tenstorrent 完成 15 亿美元融资，估值 62 亿美元，比 2024 年底的 26 亿美元翻了一倍多。本轮由 Trace Capital（Quiet Capital 联合创始人 Ben Mahdavi 新设的基金）和 Innovation X 领投，Cadence Ventures、Eclipse、Fidelity、SanDisk、T. Rowe Price 跟投。
五个月前，这家成立十年的英伟达挑战者曾收到英特尔和高通最高 50 亿美元的收购意向，最终选择独立。CEO Jim Keller 对彭博表示，转折点是自家 Galaxy 服务器跑通了 DeepSeek 系列模型。新钱将用于扩大”为开放权重模型和视频生成服务”定制的芯片产能。
同一赛道上的 Etched 本月被曝正在以 400 亿美元以上的估值接洽投资。开放权重模型越强，专门服务它们的推理硬件就越有生意——这条逻辑正在被真金白银验证。
5. OpenAI 三款 Aurora 图像模型在 API 闪现，随后上了 Arena 盲测
上周末，OpenAI 的 API 里短时间出现了三个模型引用：aurora-red-alpha、aurora-green-alpha、aurora-blue-alpha，几小时后被撤下，看起来像一次误发布。几乎同时，这三个名字出现在图像竞技场的盲测里开始生成图片。
从盲测表现看，red 出图更快但质量偏低，green 更慢但画面更好，blue 还没被测到。社区普遍猜测这是 GPT-Image-3 的预演，但官方没有任何确认。参考历史节奏：OpenAI 上次发布 ChatGPT Images 2.5 时带了两个 API 模型——主打速度的 Flare 和主打精度的 Sunburst；更早在 4 月，也用三个”磁带”代号的 Image V2 变体跑过同样的 Arena 流程。
所以现在能确定的只有”三款图像模型正在内测”，至于版本号、开放时间、定价，全都还是空白。
6. VAST 开源 EdenLive：单张 RTX 5090，720P 实时跑出 24FPS 以上的世界模型
VAST 把实时世界模型 EdenLive 的权重和推理代码全部开源，连同技术报告和端到端 Demo。硬指标是：5B 参数模型，在单张消费级显卡 RTX 5090 上、720P 分辨率下生成速度超过 24FPS，能连续生成分钟级画面，从用户操作到画面响应的端到端延迟在百毫秒级。
它的技术选择是把”世界怎么运行”和”画面怎么呈现”拆开：上游交互系统维护状态和规则，EdenLive 只负责把简化场景或参考视频、加上目标首帧和提示词，渲染成写实或二次元等不同画风。同一套布局和运镜可以出多个美术风格版本，实拍视频也能实时重绘——把真人换成卡通角色、把手换成机械臂，动作和构图保持不变。这条”解耦”路线在 Project Eden 阶段就已提出，比行业共识早了约三四个月。
限制也写得坦率：更适合场景漫游、推箱子这类低频交互，高频激烈操作、多角色身份保持、小物体精细控制、长时间生成的一致性都还有提升空间。同时开源的还有一个叫 Game Prototype Turbo 的 Skill，能做”提示词到可玩原型”的快速生成。
7. 商汤大装置日均服务 6 万亿 Token：PD 分离让同等旗舰卡吞吐翻 5 倍
商汤大装置副总裁、CTO 宣善明在深圳的 CSDI Summit 上给出了一组运营数据：平台日均 Token 服务量已达 6 万亿，预计 2026 年全年规模增长 25 倍，第四季度做到日均 10 万亿。行业侧的数字是，推理支出占 AI IaaS 总支出比重 2026 年约 55%，2027 年升至 59%。
支撑这套产能的是分离式推理。Prefill 处理输入、计算密集，Decode 逐步生成输出、吃显存带宽，两者被拆到不同硬件上：国产算力集中承担 Prefill，高带宽高端 GPU 承担 Decode，中间用 KV Cache 传输连接。临港 AIDC 已建成万卡级异构推理集群，同一集群里混跑 800G、400G、200G 三种网络规格。工程上的麻烦是配比失衡——某些配置下需要 30 到 50 个中低阶 Prefill 节点才能匹配一个 Decode 节点，一旦 Decode 故障，大量 Prefill 资源跟着闲置；他们的解法是预留少量高端算力补位，并让节点在两种角色间动态切换。
据其测试，在相同数量高端旗舰卡条件下，异构推理与资源协同可把整体 Token 吞吐提升到原来的 5 倍。下一步是跨域 PD 分离（本地低阶算力做 Prefill、异地高阶集群做 Decode）和 AF 分离（Attention 与 FFN 分置），后者预期单卡吞吐提升 150% 至 200%、运营成本降 30% 至 40%。跨域可行的前提之一是模型架构进步：部分模型的 1M 上下文 KV Cache 已从近 100GB 压到约 1GB。
8. 英伟达开源 Nemotron 3.5 Super VL 与两款 Bolt：120B 多模态，端侧 74B 本地跑
英伟达本周扩充开放权重家族，主角是 Nemotron 3.5 Super VL——120B 参数的 MoE 模型，每个 token 激活 12B，把推理、指令遵循、工具调用与文本/图像/文档/视频理解塞进同一个模型，不再需要单独挂一个视觉语言模型。定位是”常开型”企业 Agent，参数比 Nemotron 3 Ultra 少，官方称指令遵循和工具调用的准确率接近。
英伟达的说法是，在文档理解、财务会计、科学实验、医保理赔、安全攻击韧性等任务上做后训练后，Super VL 完成任务的速度快于 Opus 5、GPT-6.1 Sol、Luna 和 Astra。这类对比向来缺第三方复现，但客户名单有一定说服力：Skydance、EY、Ramp、CrowdStrike、Perplexity、Salesforce。卖点是”可以用自己的数据后训练、部署在自己的基础设施上、成果归自己”。
端侧是另一条线：Nemotron 3.5 Bolt 74B-A9B 24GB 面向本地 Agent 任务，在速度和多步推理之间取平衡，支持工具调用和网页浏览；最小的 Bolt E4B 4GB 针对对话型 Agent，本月 23 日上线。Super VL 和 74B-A9B 已可下载。
9. 众星微 12 款互连芯片量产、累计出货 80 万颗，国产集群补上”高速公路”
一家被称作”中国博通”的国产互连芯片公司众星微，在一场发布会上摆出 12 款量产芯片、三款新品和一整套核心 IP，覆盖网卡、存储卡和 Switch。累计出货量已达 80 万颗，客户名单包括浪潮、联想、新华三、中兴通讯，落地互联网、金融、运营商、电力能源等行业。
新品里有几个硬指标：PCIe 6.0 Switch 最多支持 144 条通道，带宽较上一代翻倍，具备 100 纳秒级时延，支持 CXL 内存扩展与池化；800G 多协议 AI NIC 支持 800G 线速转发、微秒级时延；多模 RAID 芯片兼容 SAS、SATA、PCIe 5.0 三模，内置硬件加密。第三方测试口径下，16 盘 RAID5、256KiB 顺序写场景中，其 RAID 卡写入带宽比国际大厂对标产品高约 47%；PCIe 5.0 交换芯片双向带宽均达 55GB/s，与国际对标产品相当。
这家公司给出的公式很朴素：集群有效算力 = 单点算力 × 规模 × 互连效率。当集群从万卡走向十万卡，互连就是那块最短的板。可靠性侧的投入也算实在：RAID 卡研发阶段用了 500 台服务器、1000 张板卡做累计 60 万小时实机测试，芯片客户退货率低于 100 DPPM。
10. 达摩院玄铁首发车规路线图：E908A 成为首款同时达 ASIL-B 与 ASIL-D 的 RISC-V CPU IP
在深圳的 RISC-V 中国峰会上，阿里巴巴达摩院玄铁发布了面向自动驾驶与具身智能的处理器路线图，并推出车规增强处理器 玄铁 E908A——首款同时达到 ASIL-B 和 ASIL-D 标准的 RISC-V CPU IP，单点安全度量（SPFM）业内首次超过 90%，面向安全岛、域控、车载网关等实时计算场景。下一代 C950A 的目标性能是现有 RISC-V 车规产品的 5 倍。
服务器侧的进展是玄铁 C950：多核互联产品 XT-LINK 提升多核性能线性度，在四类 Agentic 工作负载上比主流传统架构处理器提升 10% 以上；跑今年 8 月发布的 Qwen3.8-Flash-Next，推理速度达到 43 token/秒。生态侧的数据更能说明分量：GCC 社区 RISC-V 相关贡献量全球第二，OpenJDK 社区过半 RISC-V 代码来自达摩院，C950 首次实现 RISC-V 与服务器 Java 的深度适配，性能提升 30%；淘宝、钉钉、微信、WPS 已在玄铁平台上跑通。
行业机构预测 RISC-V 处理器出货量年增 50%，2030 年市占率约 25%。达摩院还在与北京开源芯片研究院、中兴微电子做空间多线程（SMT），双线程性能收益达 30%。
相关文章
