微软 CEO 萨提亚·纳德拉在《纽约时报》播客《Hard Fork》中承认，公司内部算力堆砌现象普遍，员工习惯用最强模型解决所有问题。他呼吁按实际需求匹配模型，避免浪费，并举例 Copilot 自动模式能按任务自动选择最合适模型。纳德拉还透露自己用 AI 快速开发了一款工具：它能跟踪工作沟通、持续维护软件项目，在员工讨论调整需求时自动生成方案并更新代码，无需他参会。他强调非前沿问题无需用顶尖前沿模型，微软正在收紧 AI 成本管控。去年10月他更换了商业业务负责人，11月聘请新 AI 顾问，推动22万员工向 AI 时代转型。

fofr@fofrAI

60

John Scott-Railton: NEW: malware developers added nuclear & biological weapons text to to their spyware. Goal? To trigger LLM safety refusal...

台积电 CoPoS（玻璃基板 FOPLP 2.5D 封装）预计 2028 年下半年量产，目标提升 9.5 倍光罩尺寸以上大型异构集成系统的量产经济性。NVIDIA 的 Feynman AI GPU 可能成为首个试水产品。CoPoS 载板由玻璃芯层和两侧 ABF 增层构成，芯片位于 ABF 增层表面，互连由芯片侧 RDL 与 ABF 增层承担，临时载体亦应用玻璃材料。

小互@xiaohu

74

Google 开源 DiffusionGemma，基于扩散架构，一次性生成大段文本再逐步优化。H100 上达 1000+ tokens/s，RTX 5090 上 700+ tokens/s。26B 参数仅需 18GB 显存，一次生成 256 tokens。多轮迭代自我纠错，可修改已生成内容。

郭明錤｜Ming-Chi Kuo@mingchikuo

58

郭明錤分析，台积电CoPoS预计2028下半年量产，面向9.5倍光罩尺寸以上超大封装，NVIDIA Feynman AI芯片或率先采用。玻璃用于两个位置：310×310mm临时载板，以及250×250mm（试产）/510×515mm（量产）玻璃面板加工成玻璃核心基板。该基板为三层结构——玻璃芯两侧叠加ABF增层，TGV成孔与铜填充等挑战集中于此处。澄清常见误解：玻璃非中介层，互连由RDL、TGV/Cu及ABF共同承担；玻璃与ABF共存而非替代；芯片贴装在ABF增层表面。CoPoS有望延续台积电先进封装领先优势至2032年左右。

分离式推理架构将 prefill 和 decode 阶段分配到不同 GPU 池，形成共享硬件预算的竞争“智能体”。研究首次用博弈论建模该架构，以 NVIDIA Dynamo 为案例，拆解为三个耦合博弈。在 3 节点 B200 集群上用 Nemotron-4-340B 和 Llama-3.1-70B 验证，两模型呈现相同三阶段 PoA-hat 结构。自适应路由可在饱和阶段大幅降低 PoA-hat：70B 1P/5D 拓扑下 PoA-hat 从 66.4 降至 21.5（3.1 倍），吞吐量损失 13%；70B 1P/2D 下 PoA-hat 降 2.2 倍，TTFT P99 降 7.6 倍。

Berryxia.AI@berryxia

64

Google 发布实验性开源模型 DiffusionGemma（Apache 2.0），采用并行 diffusion 方式代替传统自回归“逐词预测”，可同时起草、纠错和精炼整块文本，生成速度达 4 倍提升（1000+ token/s）。模型在 18GB 消费级显卡即可本地运行，适用于代码、数学、复杂编辑等任务，已开源权重至 Hugging Face。

Google: Meet DiffusionGemma ⚡ Our latest experimental open model (Apache 2.0) that generates text up to 4x faster. Instead of pr...

OpenAI 与 Oracle 合作，用户可利用现有 Oracle 云服务承诺（commitment）额度，在 Oracle 云上访问 OpenAI 模型和 Codex，用于构建和部署 AI 应用，同时获得企业级安全与治理能力。

实现了一个端到端的 Microsoft SkillOpt 仪表化工作流，包括设置仓库、连接 OpenAI 兼容模型、配置优化器和目标模型。以原始种子技能为基线，运行包含 rollout、reflection、aggregation、selection、更新和验证门控的优化循环，检查训练历史，可视化准确率、编辑预算行为和 token 用量，并将进化后的技能与基线进行比较。

甲骨文发布2026财年（2025年6月–2026年5月）年报及第四财季报告。全年营业总收入673.57亿美元，同比增长17.35%；归母净利润169.84亿美元，同比增长36.50%。云业务总营收340亿美元，同比增长39%，其中云基础设施（IaaS）营收同比增长77%。第四财季营收191.84亿美元，同比增长20.63%，云业务营收99亿美元，同比增长47%。AI驱动下，Multicloud AI数据库第四季度营收同比增长404%。剩余履约义务达6380亿美元。展望2027财年全年，总营收指引为900亿美元，非-GAAP每股收益指引上调至8.05美元，同比增长18%。

Claude Desktop 会在用户无授权的情况下自动启动一台虚拟机，且提供任何停止或关闭该虚拟机的途径。这一行为已在 GitHub 上引发讨论，用户担忧其可能带来的资源占用及隐私安全风险。

安全公司blue41发现，通过向bunq银行AI代理发送一笔0.01欧元的转账，攻击者可能利用提示词注入等漏洞操控AI代理，进而获取用户数据或执行未授权操作。该漏洞源于AI代理对用户输入与系统指令的边界处理不足。bunq已与blue41合作修复问题，并公开致谢。此次事件凸显金融AI智能体面临的新型安全风险。

Apache Burr 是一个用于构建可靠 AI 智能体和应用程序的框架，已在 Apache 基金会下发布。该项目提供工具和抽象，帮助开发者设计、开发和部署可信任的智能体应用，强调可靠性、可观测性和生产级部署能力。

Rohan Paul@rohanpaul_ai

55

NVIDIA 发布了与 Lambda 合作的共封装光学（CPO）交换机视频。CPO 将光通信部件移至主网络芯片附近，而非独立可插拔模块。官方博客指出，在 GB300 NVL72 规模下，CPO 通过降低网络功耗和消除大量可插拔光学组件来减少故障点，提升每瓦 token 数。一个 128,000 GPU 数据中心传统需约 655,000 个独立收发器，每个都是潜在故障点，CPO 完全移除该类组件。智能体工作负载需要弹性数据移动，CPO 可减少网络功耗和组件数量，避免 GPU 等待数据。

NVIDIA AI Infrastructure: 📣 Get a first look at the NVIDIA Photonics co-packaged optics switch with @LambdaAPI. At NVIDIA GB300 NVL72 scale, the ...

DiffusionGemma 是 Google 基于 Gemma 4 架构的实验性文本生成模型，采用扩散式并行生成替代逐 token 自回归，实现更快推理、双向上下文感知和实时自我修正，并可在消费级 GPU 上部署。模型通过迭代去噪并行生成并细化 256-token 块，在处理数独等复杂约束任务上优于传统语言模型，且微调效果显著。它已集成 vLLM 等推理框架，为开发者提供一种高性能、高效长上下文扩展且易于定制部署的非自回归新方法。

OpenAI 正在深入谈判，计划租赁俄亥俄州一个拟建的 10GW 数据中心园区，并可能获得英伟达的资金支持。项目完全建成后总成本至少 5000 亿美元（约 3.39 万亿元人民币），一期预计 2028 年投产。机房将全部搭载英伟达硬件，英伟达通过资产负债表提供兜底担保，为 OpenAI 的租金偿付和项目融资出具资金保障。

OpenAI 正在谈判租赁俄亥俄州一个计划中的 10 吉瓦数据中心，该数据中心可能由 Nvidia 提供财务支持。这是 OpenAI 迄今为止规模最大的数据中心项目。

小米MiMo-V2.5-Pro UltraSpeed模式在单8卡节点上实现万亿参数MoE推理模型输出速度1000 token/s，峰值达2140 token/s，是普通版的3倍，且此前已降价99%。接入Claude Code桌面端开启UltraCode模式后，可调度12个Agent在11分钟内完成项目升级报告并打包成Skill；3分钟内生成含灯光、剪影、星光特效的3D吉他英雄网页。技术层面通过FP4混合量化、提前草稿机制及计算/搬数据/通信流水线调度实现高速推理。

BrainSurgery是一种针对神经网络checkpoint的“张量手术”工具，通过声明式YAML计划执行复杂的权重变换。它支持结构修改、数学变换、张量重塑，利用正则表达式和结构定位进行精准操作，并内置断言验证张量形状、数据类型和值，防止静默错误。工具覆盖从模型升级（upcycling）到LoRA提取等四个示例和三个案例研究，旨在提供可重复、可验证的模型编辑基础。

工信部日前印发《“人工智能+信息通信”创新发展实施意见（2026—2028年）》，提出到2028年形成30个以上高价值典型场景，城域算力1毫秒时延圈覆盖率不低于75%；到2030年实现人工智能与信息通信网络融合核心技术突破。意见要求加强高速光电芯片、全光交换器件、光电共封装器件等研发验证，开展光电混合组网试验，并推进广域无损网络、任务式调度、算网运维智能体等技术验证，以降低比特带宽成本。

Meta与印度信实集团（Reliance）签署在印度的首个AI数据中心协议。该设施容量为168兆瓦，将支持Meta全球AI计算需求，并具备未来扩展能力。

Meta 与印度信实工业达成合作，以租赁形式建设其首个位于印度的 AI 数据中心。该设施位于古吉拉特邦贾姆讷格尔的信实数据中心园区，使用可再生能源供电并以淡化海水冷却。一期规模 168MW，由 Meta 租赁，后续可进一步扩张。Meta 将承担园区全部能源和用水成本，并在印度签订了近 1GW 的新增可再生能源合同。此举旨在为增长迅猛的印度市场提供本地化个性化 AI 服务。

Berryxia.AI@berryxia

46

Berry Xia表示，学完Harness后接触Loop Engineering，认为理解其底层逻辑对Vibe Coding和产品架构设计帮助很大。他原计划写文章分享，但Smith（@smithandai）已发表相关文章，推荐阅读。

Smith铜匠・十点睡觉: http://x.com/i/article/2064229409247358976

SpaceX在得克萨斯州巴斯特罗普市新建1100万平方英尺（约102.2万平方米）卫星工厂，生产首款AI卫星AI1。该卫星长70米，峰值算力150千瓦，计划2027年底规模化量产。公司计划2027年底建成1吉瓦太空AI算力，届时每年需发射6000余颗AI1卫星；目标2030年年算力100吉瓦。工厂将垂直整合太阳能硅锭、硅片、电池、电路板等供应链。此外，SpaceX、特斯拉与xAI联合在奥斯汀打造Terafab芯片工厂，年产能可支撑1太瓦算力。

macOS容器机项目在GitHub上公开，获得102个Hacker News热度积分。该项目为macOS提供容器化运行环境，具体实现细节及功能尚未在本次发布中详细披露。

SpaceX 计划在 2027 年底前完成天基 AI 计算基础设施首批示范发射，早于招股书中披露的“最早 2028 年”部署时间。公司已申请发射至多 100 万颗天基数据中心卫星。在 IPO 前投资者推介会上，总裁格温妮・肖特韦尔与 CFO 布雷特・约翰森公布路线图：先期系统用于技术验证，成熟后再商用。IPO 计划募资 750 亿美元，目标估值 1.75 万亿美元，股票代码 SPCX，发行价 135 美元，本周五在纳斯达克挂牌。

研究团队开发了一款兼容开源核心网 Free5GC 的 NWDAF 实现，集成了大语言模型接口，支持操作员通过自然语言与网络交互。系统利用语义嵌入模型将用户意图编码并映射到 7 个预设意图类别，触发分析查询或事件订阅命令，简化传统接口的复杂性。该 NWDAF 支持 AMF 和 SMF 事件订阅、通过 Prometheus 进行实时监控与分析检索，所有功能均可通过对话式界面访问。项目代码与数据集已在 GitHub 开源。