近年来，大语言模型在能力上突飞猛进，但其内部决策过程如同一个深度纠缠的「黑箱」，难以追溯和理解。这一根本性难题，严重阻碍了AI在医疗、金融等高风险领域的可靠应用。如何让模型的思考过程变得透明、可追溯，仍是悬而未决的关键问题。

麻省理工学院与哈佛大学联合团队提出的基于人工智能的端到端设计流程——CleaveNet，正是为了应对这一挑战。该流程通过预测模型与生成模型的协同工作，旨在彻底改变蛋白酶底物设计的现有范式，为相关基础研究与生物医药开发提供全新的解决方案。

2025 Meet AI Compiler 第 8 期技术沙龙于 12 月 27 日在上海创智学院圆满收官。

这次，我们邀请到了 TVM、MXNet、XGBoost 作者，CMU 机器学习和计算机系助理教授陈天奇，他的工作，让各类硬件上原生部署任意大型语言模型成为可能，算力，还是问题么？Enjoy绿洲：您最近研究的方向或者感兴趣的工作是怎样的？陈天奇：我的研究风格是问题导向。过去 5 年我们一直致力于解决的问题，是如何让机器学习面向更多人群，同时可以在更多设备环境下运行。最近的研究重点，一是集中在机器学习

vLLM-MACA的适配与优化，不仅展示了开源社区在大模型推理方向的技术积累，也标志着国产GPU生态在AI基础软件层的又一次突破。面对大模型推理的「三高」困境（高延迟、高显存、高生态依赖），本次竞赛聚焦 GPU 底层算力革新与开源生态建设，HyperAI超神经是本次活动的官方合作社区，诚邀全球开发者共同攻坚。合作伙伴：ODTC AI Infra工作组、模力方舟、木兰开源社区、书生、上海开源信息技术

MuseV 和 MuseTalk 的出现为数字人领域带来了新的突破，使用 MuseV 生成数字人视频后，再使用 MuseTalk 实现唇形和音频的同步，短短几分钟内即可实现完整的数字人制作。使用传统的数字人训练方案生成一个高质量的数字人，常常需要大量的时间和算力资源，同时对训练素材的要求也较高，如果想要达到良好的唇形一致效果，通常需要数小时乃至更久。如果打开 API 地址显示「BadGateway

成立于 2023 年的具身智能公司 FieldAI ，在不到两年时间内完成了超过 4.05 亿美元融资，投资阵容包括：贝佐斯、英特尔、英伟达、比尔盖茨、三星等。团队核心成员来自 NASA JPL、DeepMind、特斯拉、SpaceX 等头部企业，致力于打造能够跨不同类型机器人和适配各种环境的「通用机器人智能大脑」。

成立于 2023 年的具身智能公司 FieldAI ，在不到两年时间内完成了超过 4.05 亿美元融资，投资阵容包括：贝佐斯、英特尔、英伟达、比尔盖茨、三星等。团队核心成员来自 NASA JPL、DeepMind、特斯拉、SpaceX 等头部企业，致力于打造能够跨不同类型机器人和适配各种环境的「通用机器人智能大脑」。

国防科技大学副研究员冯大为在其演讲中分享道，科学研究经历了 5 种范式，包括基于观察和归纳的经验科学，以孟德尔、拉瓦锡等科学家为代表，基于假设与逻辑演绎的理论科学，以牛顿、爱因斯坦等科学家为代表，到 1950 年代，出现了通过计算机对复杂现象进行仿真的第三种科研方式，分子动力学仿真是其中的典型代表。李国杰院士在主题为「关于算力网的元思考」的报告中表示，大模型预训练是目前对算力的主要需求，但广域分布

本项目通过「语言工具+国产硬件+在线平台」的组合，打破国产 GPU 生态「硬件强、软件弱」的僵局，为开发者提供「开箱即用」的国产 GPU 开发方案，推动中国算力产业从「单点突破」转向「生态共荣」，助力智算、通用计算领域的国产化替代与创新发展。MACA AI 编译器团队和 TileLang 社区合作已提前参与该项目，探讨 MACA GPU 与 TileLang 的适配（开源仓库：mcTileLang