Vera Rubin 平台从芯片到电网进行了全栈协同设计，旨在提供最高的每瓦性能和最低的 Token 成本。基准测试表明，在保持相同服务质量的前提下，Vera CPU 支持的并发 AI 智能体数量比其他 CPU多出高达 1.6 倍，编排速度快 2.2 倍，同时还能提高基础设施的利用率和成本效益。经过三代机架级协同设计的迭代，NVIDIA 打造出的 Vera Rubin NVL72 系统实现了托盘内

OpenAI 表示，这次实验希望提醒开发者，基准测试很少只测量模型本身。它们同时也受到 API 设置、测试框架设计以及提示词方式的影响。对于希望最大化模型性能的 API 开发者，OpenAI 建议采用与自身产品一致的配置；对于模型之间的比较，OpenAI 也建议参考采用这些设置的评测结果，因为它们更接近 ChatGPT 和 Codex 中的真实使用环境。

如今，这场争议已经动摇了用户对AI写作的基本预期。模型未必越写越好，提示词也不再长期有效。AI写作的黄金时代，正在崩塌！进入，模型一代比一代强，文章却一篇比一篇烂。它知道什么时候列出几条建议，在哪里塞进小标题，也不会忘记在结尾补上一句总结。但通篇读完，脑子里却一句话都留不下来。

微分智飞则在飞行具身领域深入探索，将 Seedance 融入飞行机器人应用，打造出一套标准化、高难度的数据集生成流程，能够精准模拟障碍物闪避、室内自主寻路、智能目标锁定乃至复杂镜头运动等真实难题，产出高质量训练数据。增加了视频局部编辑能力，支持在维持整体画面节奏的前提下，对背景、商品、人物等局部元素进行精准修改；此次升级将视频生成从“能生成”推向“可修改、可迭代、可交付”的新阶段，其应用边界也正从

HBM在AI硬件中的角色正在发生根本性转变。它不再只是GPU的配套存储，而是升级为决定算力上限的核心环节。在AI服务器中，HBM的价值量占比正快速攀升——从2021年的7%升至GPU成本的25%以上。2026年7月，HBM4从样品走向量产。这不仅是技术迭代的一小步，更是AI硬件竞赛进入内存主导时代的一大步。当然，更深层的变化在于产业话语权的转移。HBM之父金正浩指出，由于HBM供不应求，供应方开始

面对人工智能快速发展带来的新需求，华为持续推进昇腾计算生态建设，希望通过本次训练营，以“课、训、赛”相结合的培养模式，帮助学生提升工程实践能力，为国产AI生态培养更多高水平计算人才。在专题分享环节，华为海思CANN高校生态运营经理王杰作《昇腾CANN生态技术解读》专题分享，系统介绍了昇腾CANN技术体系和开发者生态，围绕算力资源、开发工具及在线实践平台等内容进行分享，并现场演示CANN算子开发入门

面对人工智能快速发展带来的新需求，华为持续推进昇腾计算生态建设，希望通过本次训练营，以“课、训、赛”相结合的培养模式，帮助学生提升工程实践能力，为国产AI生态培养更多高水平计算人才。在专题分享环节，华为海思CANN高校生态运营经理王杰作《昇腾CANN生态技术解读》专题分享，系统介绍了昇腾CANN技术体系和开发者生态，围绕算力资源、开发工具及在线实践平台等内容进行分享，并现场演示CANN算子开发入门

在该模式下，豆包可以理解工作目标，自主拆解任务，并调用本地电脑、文档、表格、网页等工具持续执行任务，从“回答问题”升级为“生产力工具”。据介绍，豆包专业版采用三级阶梯定价方案：标准套餐连续包月68元，专家模式、办公任务模式等功能的额度为免费版的5倍以上；该服务基于最新的豆包2.1系列大模型，面向复杂办公和生产力场景，提供更高的复杂工作场景使用额度，并上线全新的办公任务模式。该服务基于最新的豆包2.

来自上海人工智能实验室、上海交通大学、香港中文大学的研究团队提出了TRM（Thinking Reward Model）。大模型推理能力越来越强，但答案对了，思考过程就一定好吗？就像是同一道数学题，两个学生都做对了。一个步骤干净、推导紧凑、思路顺畅；另一个绕了大段无关推导，跳过关键步骤，最后却也凑出了正确答案。只看结果，两份答卷都对。但若要选一份更值得学习的解题过程，显然是前者。大模型推理也面临类似

回到开头那段对话，问到大模型微调方案，最重要的不是把名词列一遍，而是讲清楚两件事。第一件事是前置判断：微调是最后手段不是第一选择。能用 Prompt + Few-shot 解决就别上微调；能用 System Prompt 控制风格就别上微调；能用 RAG 接知识库就别上微调。只有这些都试过不行，再考虑微调。这一句说出来，面试官就知道你不是「为了微调而微调」的新人。第二件事是两个正交维度。