Google DeepMind 发布 Gemini Robotics-ER 1.6 具身推理模型中国語
Google DeepMind 推出专为机器人设计的 Gemini Robotics-ER 1.6 具身推理模型,重点增强了空间推理、多视角理解、任务规划与成功检测能力。
推薦理由:原文给出了空间推理、多视角理解和工业仪表读数等具体能力,读者可以据此了解高层推理模型如何接入机器人控制链路。
Google DeepMind 推出专为机器人设计的 Gemini Robotics-ER 1.6 具身推理模型,重点增强了空间推理、多视角理解、任务规划与成功检测能力。
推薦理由:原文给出了空间推理、多视角理解和工业仪表读数等具体能力,读者可以据此了解高层推理模型如何接入机器人控制链路。
Vertiv 宣布收购美国定制工程结构制造供应商 BMarko Structures,将其结构制造能力垂直整合进北美的基础设施解决方案业务。BMarko 专注于契合 AI 工厂与数据中心需求的工程结构建造,近期已将其制造设施扩建至约 560,000 平方英尺,且紧邻 Vertiv 在当地的制造基地。
推薦理由:本次收购将关键定制预制结构制造能力内包,展示了基础设施厂商为应对 AI 交付周期压力而进行的供应链垂直整合。
Google Research 推出数据集与评估框架 ConvApparel,旨在衡量并弥合大语言模型用户模拟器与真实人类行为之间的真实感差距。该数据集包含服装导购场景下超过 4,000 场人机多轮对话(近 15,000 轮),采用优质与劣质双 AI 智能体收集从满意到沮丧的真实反应。研究团队结合群体统计对齐、拟人度评分与反事实验证,全面评估模拟器的泛化适应能力。
Google Research 推出 PaperVizAgent 和 ScholarPeer 两个实验性 AI 智能体框架,分别用于自动化生成学术论文配图和辅助同行评审。
Google Research 提出了一种通过情境判断测试(SJT)评估大语言模型行为倾向与人类对齐程度的框架。对 25 个大语言模型的测试显示,参数规模超过 120B 的模型及前沿闭源模型在人类高度一致的场景下对齐率接近完美,但在人类共识低于 90% 时对齐率会停滞在 80% 左右。研究发现模型常在职场场景中倾向鼓励情感表达而非沉着应对,在社交争议中更偏向求和而非坚持立场。
Google DeepMind 正式发布开源模型系列 Gemma 4,基于 Gemini 3 架构与技术打造,采用 Apache 2.0 协议开源。Gemma 4 提供 Effective 2B(E2B)、Effective 4B(E4B)、仅激活 3.8B 参数的 26B MoE 以及 31B Dense 四种尺寸,全系原生支持图像与视频处理,端侧小模型额外支持原生音频输入。
推薦理由:系列模型采用 Apache 2.0 协议并覆盖端侧到桌面规模,为开发者提供了兼顾多模态与推理的轻量部署方案。
Google Research 的研究表明,AI 评测常用的单样本 1 至 5 名标注员标准不足以捕捉人类真实分歧,通常需要 10 名以上标注员才能保证可靠性。团队在 GitHub 开源了评估模拟器,证实依据评测指标合理权衡样本量与标注人数后,仅需约 1,000 次总标注量即可达成高复现性。
Vertiv 宣布投资约 5000 万美元扩建位于美国俄亥俄州 Ironton 的制造工厂及 Westerville 总部园区,以提升 AI 数据中心关键热管理设备产能。
推薦理由:扩建预计使当地液冷与冷冻水系统产能提升约45%,有助于缓解高密度AI集群部署面临的散热供应链交付压力。
Google DeepMind 推出由 Gemini 驱动的 AI 指针交互方案与实验 Demo,使用户无需切换窗口或编写复杂提示词,直接通过指向屏幕内容并配合简短语音即可完成操作。
推薦理由:原文阐述了结合视觉上下文与多模态理解的指针交互设计,读者可据此了解系统如何将传统指针操作升级为无缝的 AI 上下文触发入口。
AWS 介绍了如何通过 Kiro CLI 自动部署与配置 AWS Parallel Computing Service(PCS)集群。用户可利用自定义 Agent 交互式完成 VPC、安全组、计算节点组及 Slurm 调度器的自动编排与故障排查,并将集群文档输出至 `/generated` 目录。该方案将传统需耗时数周的手工配置转化为内置最佳实践的自动化流程。
Google 推出 Vibe Coding XR 工作流,结合 Gemini 的长上下文推理与 XR Blocks 框架,支持用户用自然语言在 60 秒内生成具备物理交互感知的 Android XR 应用原型。
推薦理由:展示了如何通过长上下文推理与预置代码模板,将自然语言直接转化为具备空间物理交互的XR应用。
Google Research 推出向量压缩算法 TurboQuant,结合极坐标量化 PolarQuant 与 1-bit 误差修正技术 QJL,无需训练即可将大模型 KV cache 压缩至 3-bit 且保持原有精度。
Google Research 推出自监督框架 S2Vec,利用 S2 Geometry 将城市建筑环境特征栅格化为多层图像,并通过掩码自编码(MAE)学习通用地理空间嵌入向量。该模型在无监督条件下捕捉空间关系,在全美人口密度和中位数收入等零样本地理迁移预测任务中表现优异,且与图像嵌入结合的多模态融合能进一步提升预测表现。
Vertiv 宣布已达成协议收购意大利排热与热交换技术提供商 ThermoKey S.p.A.,以扩充面向高密度 AI 数据中心的端到端热管理产品组合。本次收购将强化 Vertiv 在 EMEA 地区的制造能力,并补充其在干冷器、微通道热交换、风冷冷凝器及液冷系统等领域的技术储备。该交易受常规交割条件与监管批准约束,预计将于 2026 年第二季度完成。
推薦理由:Vertiv 通过收购热交换与排热技术厂商补全干冷器能力,有助于强化高密度 AI 数据中心的端到端散热整合与能效管理。
Google 宣布已在与美国多家电力公用事业公司的长期合同中累计整合 1 GW 数据中心需求响应容量。该方案允许 Google 在用电高峰时段限制或转移部分机器学习(ML)工作负载,以平抑整体用电负荷并稳定电网。
推薦理由:通过调度机器学习负载实现 1 GW 电网需求响应,为高能耗算力中心缓解电网并网瓶颈提供了具体落地范例。
Google Research 在 The Check Up 活动上展示了多项医疗健康 AI 进展,涵盖个人健康智能体、临床诊断辅助以及开源生态建设。研究表明个人健康智能体能结合多模态数据提供长期健康指导,AI 乳腺癌筛查系统可识别 25% 既往遗漏的间期癌症,多智能体系统 AMIE 正开展临床测试。
Google 联合英国 NHS 在《Nature Cancer》发表两项研究,评估了乳腺癌筛查 AI 系统的独立性能及其融入临床双读工作流的可行性。在涵盖超 11 万名女性的回溯性与前瞻性测试中,AI 独立运行时的癌症检出率从每千人 7.54 例提升至 9.33 例,并检出 25% 原双读流程漏诊的间期癌。
推薦理由:研究通过超十万例真实筛查数据验证了算法替代第二阅片人的非劣效性,展示了医疗诊断场景下人机协同与工作流落地的量化路径。
Google 联合康奈尔大学等机构在 PNAS 发表研究,评估了六款大语言模型解答凝聚态物理中高温超导专家级问题的表现。盲测结果显示,基于 1,726 篇精选文献库的 NotebookLM 和定制 RAG 系统综合得分最高,在证据引用和观点平衡上优于依赖开放网络的通用模型。研究同时指出,现有模型在时序因果判断(识别假说被推翻)和科学图表解析能力上仍存在明显短板。
Vertiv 宣布为 NVIDIA Vera Rubin DSX AI 工厂参考设计及 Omniverse DSX Blueprint 推出融合物理基础设施,提供仿真就绪的供配电与散热数字资产。
推薦理由:方案将 12.5MW 模块化供电与散热架构接入数字孪生仿真,为超高密度智算中心建设提供了可复用的物理工程参考。
Google 宣布在 Flood Hub 中推出城市暴洪(Urban Flash Flood)预测功能,利用 AI 技术可提前至多 24 小时预测城市暴洪风险。
推薦理由:Google 利用大模型从公开新闻中提取历史灾害真值,解决了物理传感器不足区域的暴洪预测难题。
Google 推出 Groundsource 框架,利用 Gemini 将多语言新闻报道转化为结构化的自然灾害历史数据,并公开发布包含 150 多个国家、260 万条记录的城市突发洪水数据集。
推薦理由:该成果展示了利用大语言模型从全球多语言新闻中批量提取高精度时空历史数据的工程化路径。
Google 与 Beth Israel Deaconess Medical Center(BIDMC)合作完成了一项前瞻性单中心可行性研究,评估对话式医疗 AI 模型 AMIE 在门诊就诊前采集病史的实际表现。
推薦理由:该研究展示了对话式医疗模型从模拟环境走向真实门诊预诊的可行性与安全性数据。
AWS 深度解析了 Amazon EC2 Hpc8a 实例的硬件架构及其在工程与科学计算负载下的基准测试表现。Hpc8a 单实例提供 192 个物理核心(基于第五代 AMD EPYC 处理器并禁用 SMT)和 768 GiB 内存,结合 AWS Nitro System v6 与 300 Gbps EFA 网络降低通信延迟并提升内存带宽。
Vertiv 宣布与基础设施投资平台 Generate Capital 达成战略合作,面向美国市场推出自带电力与制冷(BYOP&C)整体解决方案。该方案整合 Vertiv 的模块化电力与制冷设备及 Generate 的项目融资、资产持有和运维服务,帮助运营商在电网受限地区加速算力交付并降低初期资本支出。
Vertiv 宣布为其 Vertiv™ PowerBar Track 母线槽系列推出紧凑型双层设计,提供 UL 857 标准下最高 2000A 及 IEC 61439-6 标准下最高 2500A 配置,包含铜与铝导线版本。该系统采用开放轨道架构,支持在不停机的情况下在线调整插接箱,助力 AI 与超大规模数据中心优化机房白空间并提升配电密度。
Vertiv 正式推出 Vertiv OneCore 工厂集成模块化物理基础设施,并宣布与能源基础设施平台 Hut 8 合作将其应用于特定数据中心项目。该架构基于数字孪生环境与 OpenUSD 导出标准,将供配电、热链散热及机房白空间进行系统级预制整合,单柜功率密度最高可配置至 600 kW。
推薦理由:该方案通过数字孪生与工厂预制将单柜密度配置提升至 600 kW,展示了工业化交付化解智算中心现场施工瓶颈的具体路径。
JSR 公司通过部署开源 HPC 工具 AWS ParallelCluster 与数据传输服务 AWS DataSync 构建混合云架构,使本地服务器 CPU 数量减少 33%、存储需求降低 85%。该架构支持按需自动弹性启停 CPU 与 GPU 算力,将 GPU 获取周期从约一年缩短至数分钟,并通过 Amazon S3 分层存储实现了实验数据的自动化传输与长期归档。
Vertiv 宣布推出面向边缘计算与高密环境的 Vertiv CoolPhase Ceiling 和 Vertiv CoolPhase Row 冷却系统。两款方案均采用 R32 制冷剂并支持 -35°C 至 48°C 室外排热温区,分别提供 3.5 kW 至 28 kW 以及最高 40kW 的制冷能力。
AWS 介绍了基于其云服务与 LiDAR 3D 点云构建端到端可扩展视觉智能流水线的实践方案。方案通过 AWS DataSync 和 Amazon S3 实现现场到云端的高效数据传输,并利用 OpenDroneMap(ODM)自动化提取数字表面模型(DSM)与数字地形模型(DTM)。整套工作流支持 GB 至 PB 级数据量的弹性伸缩与交付。
Vertiv 宣布推出 AI 驱动的托管服务 Vertiv Next Predict,面向现代数据中心与 AI 工厂提供电力、制冷及 IT 系统的预测性维护。该服务利用机器学习算法进行早期异常检测、风险评估与根因分析,并由 Vertiv 专业人员执行纠正措施。系统目前已支持电池储能系统(BESS)与液冷组件等多种供配电和制冷平台。
AWS 联合阿斯利康和 Illumina 对 Amazon EC2 F2 实例在大规模基因组处理中的表现进行了系统评估。测试基于 Nextflow 与 AWS Batch 运行 Illumina DRAGEN 工作负载,结果显示从 F1 迁移至 F2 实例可使处理速度提升最高 60% 至 63%,计算成本降低 70% 至 74%,同时完全保持了基因组变异检测等分析结果的一致性。
Adobe SDC 团队采用 AWS Batch 配合 GPU EC2 实例构建了大规模分布式 AI 推理架构,将 Adobe Stock 图像 embedding 计算时间从 30 天缩短至 20 小时内,综合成本降低超过 95%。
Vertiv 宣布在全球推出预制化电力与液冷基础设施方案 Vertiv MegaMod HDX 的新配置,用于承载 AI 与 HPC 等高密度算力部署。该方案采用芯片直接液冷结合风冷的混合冷却架构,支持每机柜 50 kW 至 100 kW 以上的功率密度;紧凑型配置最多容纳 13 个机柜且容量达 1.25 MW,组合型配置最多支持 144 个机柜与 10 MW 容量。
推薦理由:方案通过将芯片直接液冷与风冷进行预制化集成,支持单柜 100 kW 以上密度与最高 10 MW 规模,为 AI 算力集群提供了标准化扩容方案。
Vertiv 发布 Vertiv Frontiers 报告,指出 AI 供电、分布式 AI、能源自主、数字孪生与自适应液冷正重塑数据中心设计与运营。在超高密度与吉瓦级扩展驱动下,更高电压的直流供电与具备故障预测的智能液冷成为关键支撑。此外,结合数字孪生与预制模块化设计可将 time-to-token 缩短最多 50%。
AWS 介绍了结合 Amazon Q Developer 与 HPC 基础设施加速 OpenFOAM 等流体仿真(CFD)开发的方案与实践经验。文章以数据中心散热与冷板液冷建模为例,通过大模型调用 gmsh API 编写 Python 脚本实现参数化网格生成,将原本 8-12 小时的建模压缩至 1 小时。
Vertiv 宣布完成对数据中心机械冲洗、净化与过滤服务提供商 PurgeRite 的收购,交易金额约为 10 亿美元。该收购将 PurgeRite 的流体管理服务整合至 Vertiv 现有的热管理方案中,针对高密度计算与 AI 场景提供从冷水机组到冷量分配单元(CDU)的全链条液冷部署与维护支持。
推薦理由:该交易展示了算力基础设施厂商通过整合冷却流体清洗与维护服务,完善高密度 AI 场景全链条热管理能力。
Vertiv 宣布在北美推出模块化公用事业级电池储能系统 Vertiv EnergyCore Grid,旨在加速数据中心并网并支撑 AI 高密度用电需求。该系统集成磷酸铁锂电池、功率变换系统与能量管理系统,支持 1 MW 至 200 MW 以上的部署规模,可实现峰值需求优化、负荷转移与黑启动等功能。
推薦理由:方案给出了面向高密度 AI 算力供电瓶颈的预集成液冷储能架构,读者可据此了解数据中心缓解电网并网限制的新途径。
DeepSeek 正式发布并开源 DeepSeek-V3.2 与长思考增强版 DeepSeek-V3.2-Speciale 两个正式版模型,网页端、App 和 API 已同步更新。DeepSeek-V3.2 首次支持在思考模式下进行多轮工具调用,并适配了 Claude Code;Speciale 版本专注于高难度数学与逻辑推理,目前以限时 API 服务形式开放给社区评测。
推薦理由:官方正式发布两款新模型并开源权重,重点实现了思考推理与工具调用的深度结合,并同步更新了服务接口。
Aionics 迁移至托管服务 AWS Parallel Computing Service(AWS PCS),以加速电池电解液等材料的计算化学与 AI 模拟研发。
Rivian 通过将高性能计算(HPC)环境全面迁移至 AWS 并构建仿真编排系统 SimOS,实现了工程仿真的现代化升级。该公司在 2020 年初仅用 3 周完成概念验证并全面上云,后续借助 AWS ParallelCluster 与 Amazon EC2 Spot 实例等持续优化算力与成本。