#数据/训练

我国脑机接口领域迎重要突破，千人同步脑电采集技术发布

我国科研团队发布一款新型脑电信号采集装置，在全球首次实现跨地域上千人同步脑电信号采集。该装置攻克了设备小型化与信号精度、毫秒级时间对齐两大技术难关，单场可积累上千小时真实脑电数据，为神经大模型训练和脑机接口通用技术研发提供了数据底座。

OpenBMB@OpenBMB· 21:26AI 评分5252

开发者基于面壁智能VoxCPM2模型，构建了开源猫娘语音数据集NekoAudio。该数据集包含80K短音频（10-30秒，约100GB）和30K长音频（约200GB），去除对话文本中的舞台指示，专为TTS微调与角色语音建模设计。开发者已用NekoAudio-80K微调VoxCPM2-2B并开源演示模型NekoCPM2_demo。

专家质疑白宫指控：蒸馏Anthropic的Fable并非Kimi K3成功的关键

白宫科学顾问指控中国公司Moonshot通过蒸馏Anthropic的Fable大模型并使用违禁芯片打造了Kimi K3。但多位AI专家表示怀疑，认为仅靠蒸馏无法在Fable于7月1日发布后的两周内复现其能力，且监督微调（SFT）的收益正随模型复杂度提升而下降。

北京经开区建成全市首家词元工厂，词元日产能达 1.4 万亿

北京经开区建成全市首家词元工厂，词元日产能达 1.4 万亿，支撑模型训练及应用落地。北京同时发布国内首个开源的智能体共性基础设施，并每年投放上亿元算力券、模型券和数据券，降低 OPC 等创新主体创业成本。

百度智能云联合百度地图推出“景区一图游”，以官方路线与数据驱动提升文旅增收

百度智能云图云联合百度地图推出“景区一图游”产品，围绕“活地图+活攻略”两大核心，为景区提供线上展示、线下引导与数据决策方案。该产品通过官方联合制作精品路线，串联小众景点，并依托百度地图出行数据提供客流监测、游客画像与潜力客源地分析。以武汉东湖为例，上线后游客导航量同比增长50.8%，同时可嵌入基于文心大模型的文旅智能体，降低景区运营成本。

X.PIN@thexpin· 16:23AI 评分4242

Insilico Medicine CEO Alex Zhavoronkov称，结合AI与中国研发生态已将药物发现周期缩短至约一年，最快案例仅9个月，而传统周期约13个月。其首款AI设计药物Rentosertib已进入II期临床试验。尽管公司在中国运营规模庞大，超90%收入仍来自西方药企；Insilico计划扩建上海研发中心，但限制在华软件销售，中国目前是其研发引擎核心而非商业市场。

字节跳动启动 Seed STEM 科学家计划，邀请 100 位学者推动 AI 加速科学发现

字节跳动今日宣布启动 Seed STEM 科学家计划，邀请 100 位前沿科学领域学者，围绕真实科研问题合作推动 AI 加速科学发现。该计划面向 STEM 领域博士或同等研究水平学者，提供算力资源、AI 团队协作及薪酬回报，首期约持续 6 个月，申请截止 2026 年 9 月 30 日。

Alphabet 上调 2026 全年资本支出指引至 1950~2050 亿美元

Alphabet 将2026全年资本支出指引上调至1950~2050亿美元，Q2支出达449亿美元，主要用于AI基础设施。Google Cloud Q2新增超500亿美元积压订单，总额达5140亿美元，并首度认列TPU销售收入。

AI 算力需求爆发致高端 PCB 供不应求，价格暴涨超三倍

受AI算力需求爆发带动，高端PCB今年以来持续供不应求，部分价格涨幅已超过三到四倍。AI服务器所用PCB层数可达30层以上，高端产品达70至100层，单台AI服务器PCB价值量接近普通服务器的10倍。2026年全球AI服务器出货量预计突破200万台，同比增长55%，直接拉动高端PCB需求增长超110%，头部厂商订单已锁定到2027年。

SpaceXAI 计划在得州建设大型AI数据中心，对标孟菲斯算力集群

SpaceXAI 正计划在得州建设新的大型数据中心，规模达到或超过其位于田纳西州的 Colossus 数据中心。该公司运营着拥有数十万颗英伟达最新 AI GPU 的 Colossus 设施，并与谷歌达成协议，提供约 11 万颗 GPU 算力资源，合作至 2029 年，每月带来约 9.2 亿美元收入。

Rohan Paul@rohanpaul_ai· 05:22AI 评分7575

Google Q2 资本支出同比增长 100% 至创纪录的 449.2 亿美元，年化接近 1800 亿美元。其 Q2 营收增长 24% 至 1198 亿美元，Google Cloud 营收飙升 82% 至 248 亿美元，运营利润率近乎翻倍至 35.6%。Gemini 月活用户达 9.5 亿，模型 API 每分钟处理 220 亿 token。

Rohan Paul@rohanpaul_ai· 04:52AI 评分7373

Google Cloud Q2 营收同比增长82%至248亿美元，运营利润率近乎翻倍至35.6%，剩余履约义务达5140亿美元，超华尔街预期。与Anthropic的TPU交易贡献显著，后者承诺购买多达100万颗Google TPU。Alphabet整体营收增长24%至1198亿美元。

Rohan Paul@rohanpaul_ai· 04:22AI 评分4242

Genspark 发布 AI Workspace 6.0，核心更新是个人持久记忆系统 SecondBrain，可整合邮件、会议、消息、文档和应用，让 AI 智能体在行动前检索历史决策和未完成任务。同时推出首款硬件 SecondBrain Note，一款卡片式 AI 录音笔，单次按压可录制长达 35 小时，会议内容自动转为 AI 笔记存入 SecondBrain。

Claude@claudeai· 01:23AI 评分6060

你现在可以向 Claude 询问 Anthropic 经济指数——这是我们衡量 AI 在整个经济中如何被使用的公开数据集。 询问哪些职业最常使用 AI，或者人们在自动化哪些类型的任务，答案将直接来自该指数数据。

美国宣布投入 50 亿美元，利用 AI 攻克慢性病、加速药物研发

美国政府宣布投入 50 亿美元（约合 338.83 亿元人民币），利用 AI 攻克慢性病病因、加速药物研发等科学难题。科研人员将使用美国能源部的超级计算机和 AI 平台，计划由 15 个联邦部门共同参与。微软同时宣布捐赠价值 4000 万美元的 AI 算力额度，为该项目提供计算资源支持。

Rohan Paul@rohanpaul_ai· 18:52AI 评分4848

Meta 新论文发现，后训练量化虽能降低推理模型运行成本，但会导致模型在已得出正确答案后反复自我怀疑，过度思考失败率最高达 52%。研究者在数学、编程和科学任务上测试了 5 个推理模型（1.5B-32B），发现量化在不确定词选择上引入噪声，使模型更倾向使用“wait”“but”等词重新打开问题。通过仅对 50 个犹豫词施加轻微惩罚，可将推理长度缩短 12%-23%，同时保持或提升准确率。

马斯克：SpaceX 工程数据将用于训练 Grok 下一代大模型，参数量约 2 万亿

马斯克宣布 SpaceX 将把公司内部的工程数据用于 Grok 下一代大模型的补充训练，涉及制造工艺、材料科学及 Starlink 硬件设计等，但受 ITAR 管制的火箭发动机与制导系统等敏感信息将被排除。此次训练属于“2T run”，模型规模约 2 万亿参数，相比 Grok 4.5 参数量几乎翻倍。该模型已进入最后训练阶段，预计本周完成，外界普遍称其为 Grok 4.6。

X.PIN@thexpin· 15:23AI 评分5555

Z.ai正建设1GW级AI数据中心，采用国产芯片并收购了异构计算软件公司XCore Sigma。其真正瓶颈是缺乏足够训练和推理芯片，必须整合可用硬件，因此跨芯片优化与提升混合系统利用率成为中国未来两年的主要优先事项。这类“token工厂”中，Infinigence AI已融资超3.25亿美元并冲刺IPO。

英伟达公开 Rubin GPU 细节：3360 亿晶体管，智能体 AI 性能较 Blackwell 提升 10 倍

英伟达发布 Rubin GPU 架构细节，该芯片基于台积电 3nm 工艺，集成 3360 亿个晶体管，智能体 AI 工作负载的单位能耗吞吐量达到 Blackwell 的 10 倍。Rubin 搭载 8 个 HBM4 内存堆栈，总容量 288 GB，峰值带宽 22 TB/s，较 Blackwell 提升 1.8 倍。

英伟达 GB300 NVL72 刷新 DeepSeek-v3 预训练纪录，每 GPU 算力达 1648 TFLOPs

英伟达用 256 块 GPU 预训练 DeepSeek-v3 671B 模型，实现每 GPU 吞吐 1648 TFLOPs 的世界纪录。该成绩较 2025 年 11 月的 1088 TFLOPs 提升 50%，较上一代 GB200 的 606 TFLOPs 提升约 3 倍。

SemiAnalysis 深析 Meta 基础设施团队文化问题与 Rivos 收购、Grand Teton、Ariel 等失误

SemiAnalysis 发布长文，认为 Meta 基础设施团队需要文化重置，指出六个月绩效周期、频繁转向和缺乏财务纪律导致高昂失误。

彭博预计到 2035 年美国数据中心用电量将增至目前 4 倍，占全国发电量五分之一

彭博新能源财经报告预测，到 2035 年美国数据中心用电量将增至目前的 4 倍，占全国发电量的五分之一。AI 算力需求将推动数据中心规模在 10 年内扩至近 200 吉瓦，其中近一半容量用于模型训练和推理；到 2033 年全球 64% 的 AI 芯片将部署在美国。电网拥堵已导致当地电价过去一年上涨 76%，PJM 互联电网需将 34% 电力供应给数据中心。

Anthropic 因盗版书籍训练 AI 达成 15 亿美元和解，法官批准

美国联邦法官批准了 Anthropic 与作者群体达成的 15 亿美元集体诉讼和解，该案指控 Anthropic 使用盗版书籍训练 AI 模型。和解方案为每本被指盗版的书籍赔偿约 3000 美元，原告律师称这是“史上最大规模的版权追偿”。Anthropic 表示超过 91% 的受覆盖作者和出版商已申领赔偿，但公司仍面临其他作者关于赔偿金额不足的诉讼。

Google 推出 Tunix：基于 JAX 的高吞吐智能体后训练库

Google 发布 Tunix，一个基于 JAX 的原生后训练库，旨在消除多轮、使用工具的 LLM 推理智能体训练中的 TPU 闲置瓶颈。Tunix 通过高并发异步 rollout 与解耦的生产者-消费者流水线最大化硬件吞吐量，确保训练器持续获得数据。该库提供即插即用抽象和持续宏观级性能分析，便于集成自定义环境。

Apple 提出无环境合成数据生成方法，用于训练 API 调用型 LLM 智能体

Apple 研究人员提出一种无需可执行环境即可生成高质量训练数据的方法，用于训练 API 调用型大语言模型（LLM）智能体。该方法仅需 API 规格说明，利用 LLM 作为数字世界模型，通过教师智能体与 LLM 模拟器交互生成轨迹，并由 LLM 裁判过滤。在 AppWorld 和 OfficeBench 基准上，微调模型使用该合成数据取得了显著的性能提升。

Hugging Face 发布 Grabette：开源手持夹爪系统，无需机器人即可录制操作数据

Hugging Face 推出 Grabette，一套开源低成本系统，用户手持夹爪即可在几分钟内录制操作演示，并自动生成机器人可用的数据集。Grabette 配备鱼眼相机与 RGBD 相机，通过 SLAM 恢复 6-DoF 轨迹，硬件物料成本约 490 欧元。所有硬件设计、处理流程与训练代码均开源，数据以标准 LeRobot 格式上传至 Hugging Face Hub，支持任意机器人后端。

小米发布机器人AI模型Xiaomi-Robotics-1：更多训练数据比更大模型更有效

小米发布机器人AI模型Xiaomi-Robotics-1，其性能随训练数据量提升而增长。团队使用便携手持夹持器替代实体机器人采集了超10万小时运动数据，并用AI模型在两周内完成全部标注。测试显示，增加训练数据带来的性能提升远超扩大模型规模，在陌生环境中成功率从约25%升至75%，并在标准机器人AI基准测试中取得最佳成绩。

Rohan Paul@rohanpaul_ai· 15:22AI 评分5050

Elon Musk确认，SpaceX海量世界级工程数据（不含ITAR限制内容）将加入Grok下一代2T参数模型的补充训练。该数据涵盖火箭、航天器、卫星、工厂及制造系统的工程知识，包括复杂系统故障诊断与修复经验。此举有望显著提升Grok在工程领域的推理与问题解决能力。

AI 浪潮推动全球半导体需求，韩国 7 月前 20 天出口额同比增 62.9% 创新高

韩国海关数据显示，7 月前 20 天（已调整工作日差异）出口额同比增长 62.9%，刷新历年 7 月韩国出口额纪录。全球 AI 和数据中心建设推动半导体出口强劲，同期韩国芯片出口同比增长 180.6%，电脑相关产品出货量增长近 232%。

DogeDesigner@cb_doge· 14:22AI 评分4949

突发：埃隆·马斯克宣布，SpaceX 大量世界级工程数据将用于进一步训练即将推出的 2T Grok 模型。这将大幅提升 Grok 的工程技能。 全球没有其他 AI 公司能接触到 SpaceX 所拥有的真实火箭、航天器及制造知识。这将使 Grok 在工程领域相比竞品 AI 模型获得重大优势。

Gartner 预测全球 AI 模型和平台市场 2026 年将增长 63.4%，达 642.52 亿美元

Gartner 预测全球终端用户 2026 年在 AI 模型和平台上的支出将达 642.52 亿美元，同比增长 63.4%。其中生成式 AI 模型投资增幅达 117%，AI 平台支出增长 36.9%。支出正转向在成本、延迟、性能和可靠性方面展现明显价值的供应商。

腾讯混元发布科学发现智能体 Hyra，能够递归自我改进

腾讯混元推出 Hyra-1.0，一个专为研究与工程任务打造的、能递归自我改进的智能体。在多轮 3D 建模测试中，Hyra 生成的模型相比 Claude Code goal 模式更接近参考图像且更符合人类审美。

Anthropic 与作家群体15亿美元版权和解获批

美国旧金山联邦法官批准了Anthropic与作家群体达成的15亿美元（约101.67亿元人民币）版权和解协议，这是美国金额最大的版权赔偿案。此前法院裁定Anthropic对书籍进行AI训练属于合理使用，但保存超700万本盗版书籍侵犯了作者权利。Anthropic称超91%的受约束作者和出版商已领取赔偿。

同一件事，精选收录的是《Anthropic 因盗版书籍支付 15 亿美元和解金，创下集体诉讼版权赔偿纪录》

一个随机数就能识别AI模型身份：行为指纹技术可检测API中转站偷换模型

布拉格经济大学研究员托马什·布鲁克纳发现，通过让模型反复输出1到100的随机数，可生成独一无二的“行为指纹”。对165个模型各问30次后发现，GPT-4o偏爱42和37，Claude Sonnet 5疯狂输出47，Qwen3-Max则30次全部回答42。该方法仅需约120条请求即可识别模型身份，错误率约10.6%，为验证API是否被偷换模型提供了轻量级方案。

LVSum 基准：评估多模态大模型的长视频时间感知摘要能力

Apple 推出 LVSum，一个含细粒度时间对齐的人工标注长视频摘要基准，包含 13 个领域的 72 个视频（平均时长 16 分钟），每个视频配有最多 10 条含时间引用的人类摘要。评估显示，转录文本对摘要质量的贡献远大于视觉帧，当前多模态大模型在时间定位、指令遵循和跨模态一致性上存在系统性缺陷，与人类摘要仍有显著差距。

Transluce 发布 WeirdChat：收录 17.5 万条标注对话的 AI 异常行为目录

Transluce 发布 WeirdChat，一个收录超过 175,000 条标注对话的公开目录，用自动化方法在 DeepSeek-V4-Flash、Gemma 4 31B、Inkling、Nemotron 3 Ultra、Qwen3.6-35B-A3B 和 Qwen3.6-27B 六个开源权重模型中诱发出 1,300 多种行为模式，从编造用户姓名到鼓励自残等危害行为。

月之暗面喊话马斯克：欢迎加入“2万亿+”俱乐部

月之暗面开源大模型 Kimi K3 登顶全球榜单后，马斯克称旗下 2 万亿参数模型将在下周完成初步训练且可能超越 Kimi，推理速度和 Token 效率接近现有 1.5T 模型（Grok 4.5）。月之暗面在微博公开回应“欢迎加入 2 万亿 + 俱乐部”。xAI 尚未公布 Grok 4.6 的正式发布时间与完整技术指标。

百时美施贵宝基于NVIDIA Vera Rubin构建生命科学领域最先进AI工厂

百时美施贵宝（BMS）部署其第二个NVIDIA DGX SuperPOD，基于八套DGX Vera Rubin NVL72系统构建，每瓦性能较现有基础设施提升10倍。该平台向所有科学家开放，包含NVIDIA BioNeMo Agent Toolkit，用于药物发现全流程的预测、模型训练和智能体工作流。

上海科学智能研究院开放科学多模态基础模型“神珍”

上海科学智能研究院开放科学多模态基础模型“神珍”，总参数约110亿，可处理DNA、RNA、蛋白质、小分子、地球系统和医学影像六类数据。在生物序列20项任务中，该模型9项取得最优结果；医学影像分割平均Dice得分91.20，在7种参评方法中最优。模型权重及代码已在星河启智、Hugging Face和GitHub开放。

Feyn AI 发布 SQRL 文本转 SQL 模型族，查询前先探查数据库

Feyn Labs 发布 SQRL 文本转 SQL 模型族，在生成查询前先用只读探针检查数据库。旗舰版 SQRL-35B-A3B 在 BIRD Dev 上达到 70.6% 执行准确率，超越 Claude Opus 4.6。该模型还蒸馏出可自托管的 4B 和 9B 检查点。