Palantir 前高管创办 Dream,获 a16z 领投 1700 万美元,为建筑业打造 AI 世界模型
Palantir 前员工 Andy Elder 和 Arjun Mathur 创办的 Dream 结束隐身状态,获得 a16z 领投的 1700 万美元种子轮融资,打造面向建筑行业的"建成世界模型"。
Palantir 前员工 Andy Elder 和 Arjun Mathur 创办的 Dream 结束隐身状态,获得 a16z 领投的 1700 万美元种子轮融资,打造面向建筑行业的"建成世界模型"。
亚马逊CEO Andy Jassy在季度财报电话会上重申AWS有望成为年营收万亿美元的业务,并预计2026年现金资本开支约2200亿美元,大部分投向AWS,2027年还会明显增加。AWS本季营收同比增长39%,为连续第六个季度稳步增长,Jassy预计2027年和2028年增速均超过40%,并在未来五到十年达到万亿美元营收规模。投资者仍担忧投入规模,亚马逊股价当日盘后下跌约6%。
AWS Batch 为 SageMaker Training 作业新增配额管理能力,管理员可按团队或项目划分配额份额,并通过 RESERVE、LEND、LEND_AND_BORROW 三种资源共享策略自动出借闲置 GPU 容量。
The Verge 的 Decoder 播客邀请 SemiAnalysis 分析师 Joey Brookhart 解读 Anthropic 递交的 S-1,该文件显示 Anthropic 已积累 700 亿美元以上 ARR,并计划在纳斯达克上市,估值区间为 1.5 万亿至 2 万亿美元。
推荐理由:借 Anthropic S-1 的审计数据拆解前沿实验室的单位经济,并讨论算力承诺与 AGI 投入之间的取舍。
AWS 发布 Ray Train DLC 镜像(train-ml-cuda-v1.1),预集成 Ray 2.58.0、PyTorch 2.13.0、CUDA 13.0.2、NCCL 2.29.7 与 EFA 及 AWS OFI NCCL 插件,无需自行构建镜像。
GitHub 在 Universe 大会上发布 Octoverse 2026 报告,EVP Jay Parikh 重点提到 2026 年每月合并 PR 在不到一年内增至三倍,达到 2.2 亿次。
C-BRAIN 联合 NVIDIA 用 AI 加速阿尔茨海默病研究,其开源工具 OpenScientist 可在数分钟内完成原本需数周至数月的分析,单次运行成本低于 10 美元。该联盟由 18 家机构组成,采用集中与联邦混合架构调用机构内“暗数据”,目前运行 64 块 NVIDIA 数据中心 GPU,并计划引入 Blackwell 系统与 BioNeMo、MONAI。
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology(ForTy)2020,把全球每一块 10×10 米土地划入六类森林与土地利用类型,并同步给出 2017 至 2025 年的逐年变化时间序列。
Revolut 正基于 NVIDIA 加速计算以单一基础模型 PRAGMA 重建技术栈,初期服务 8000 万客户并设计支持 3 倍扩展。Starling Bank 在 Civo 英国云上用自有交易数据训练出智能层 Starling Intelligence,Lloyds 则用 RTX PRO 6000 Blackwell GPU 构建交易基础模型 ATUM。
微软研究院提出 StudentSim,从公开的去标识化学习记录训练个性化 AI 学生模拟器,让 AI 辅导系统在接触真实学生前就能获得反馈。研究同时发布 StudentSimEval 基准,从行为保真度和对辅导引导的响应度两个维度评估模拟器,覆盖国际象棋、英语二语写作和数学三个场景,StudentSim 均优于主流基线。该系统仅为研究用途,未部署于课堂,也不替代教师。
微软研究院开源 Agent Lightning v1.0,一个约 3500 行代码的轻量 Agentic RL 框架,提出 Harnessed Agentic RL 范式,让部署时使用的 agent harness 直接参与强化学习,无需在训练框架内重写 agent。
推荐理由:微软开源 3500 行代码的 Agent RL 框架,用真实 harness 训练,并给出 6000 样本提升 14.6 个点的完整流程。
伯克利 AI 研究团队提出 ABBEL 框架,将 LLM 的摘要内容隔离并监督为自然语言"信念状态",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,基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%,训练步数从 100 步降至 50 步,峰值 token 长度也明显低于全上下文设置。
UC Berkeley 的 Aditya G. Parameswaran 等人提出,推理成本正快速下降——GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1,部分厂商已低于 $0.10,基准测试中推理价格年降幅在 9x 到 900x 之间、中位数约 50x。