福特在JD Power 2026年美国新车质量研究（IQS）中以152 PP100获主流品牌第一。高管坦承过去过度依赖AI和自动化系统，低估了资深工程师“隐性知识”的价值，导致质量下滑。过去三年，福特累计聘用、晋升或返聘超350名“灰胡子”工程师，指导年轻团队并改进AI训练。同时组建40人软件质量管控团队，新增超10万项AI测试用例。2025年福特召回153次涉及约1300万辆车，2025年4月至2026年4月累计召回1960万辆。福特强调AI效果取决于数据质量，让资深工程师成为AI的“老师”。
2026 年 Q1 全球晶圆代工 2.0 市场营收 860 亿美元，同比增长 23%。AI GPU 和 AI ASIC 需求升温，带动先进制程与先进封装利用率提升。台积电 Q1 营收同比增长 41%，预计全年增 36%。联发科在 Google TPU 供应份额提升，推高晶圆需求。封装测试环节成 AI 供应链瓶颈，ASE 营收同比增 18%，并将 2026 年先进封装营收目标上调至 35 亿美元以上。
扩展定律揭示训练损失随模型参数量N、数据集大小D和计算量C按幂律递减。文章回顾了Kaplan等人（2020）及Chinchilla扩展定律的三种拟合方法（固定模型大小改变token预算、等FLOP曲线、参数拟合），以及Amari等人（1992）和Hestness等人（2017）的早期学习曲线研究。还探讨了数据有限区域的扩展定律、实际拟合陷阱与玩具模拟，核心在于最优分配计算资源于N和D。
Rohan Paul@rohanpaul_aiAI 评分4949We've built the first AI Chief Insights Officer. Every brand has optimized for visibility. SEO, GEO, paid media. billions spent on showing up. Nobody optimizes for the moment they're actually chosen. That's the gap. And that's what we built Fairgen Twins to close. We run 100,000 real interviews a month. One person, one topic, one twin. Each becomes a 1-to-1 digital twin of a real consumer. Pick the exact segment you need. Test pricing, concepts, ads. Ask them why. Full analysis deck in 20 minutes. @LOrealParisUSA, @TMobile, @Accor, @saintgobain, and many more have been running on our synthetic models for four years. Now it's available to everyone. Fairgen is lucky to be built alongside leaders across statistics, BD, marketing, and consulting, cc @eric5555, @skasriel, @amarmic, @BennySchnaider, @jbretcha @alvarodrigueza. Thank you. Stop swapping guesses for gold. Build what they actually want, first time. http://fairgen.ai
Rohan Paul@rohanpaul_aiAI 评分4848"Capture your institutional knowledge" has meant the same thing for 30 years: index the documents, search over them. But a document is the output of judgment with the judgment removed. The judgment is in the diff. The markup between the first draft and the one that ships. And almost every firm throws it away. @saranormous named the untrainable territory. At @farsight_ai we're building the instrument that lives inside it. The System of Judgment.
General Intuition 周四以23亿美元估值完成3.2亿美元融资，累计融资4.54亿美元。其AI智能体通过分析数亿小时游戏视频中的动作标签（玩家按键记录）训练，掌握时空推理能力，能从游戏泛化到仿真和现实世界。仅用8分钟真实机器人数据微调即可控制四足机器人自主导航。公司计划夏季末开放API。本轮由Khosla Ventures领投，General Catalyst、Jeff Bezos、Eric Schmidt、Nico Rosberg及Google DeepMind、MIT研究人员参投。
General Intuition 以 23 亿美元估值完成 3.2 亿美元融资，累计披露融资 4.54 亿美元。公司从旗下游戏剪辑平台 Medal 获取数亿小时含精确按键动作标签的游戏操作数据，训练单一模型同时驾驭 Fortnite 等虚拟环境和四足机器人。演示中，AI 智能体在游戏中连续运行 100 小时，机器人仅靠 8 分钟真实街道数据微调即可自主探索办公室。本轮由 Khosla Ventures 领投，General Catalyst、Jeff Bezos、Eric Schmidt 等参投。资金将用于通过 CoreWeave 扩大计算规模、预训练下一代模型，计划夏末前开放 API。
推荐理由：用游戏按键数据训练世界模型，并在真机上八分钟完成适配，这个思路让具身智能看到了一条可规模化的路径。投资人押注的其实是 Medial 独有的动作标注数据飞轮。
保险公司、银行和能源公司正使用扩散模型生成数万个合成天气事件，改进灾害风险评估，尤其针对缺乏历史数据的罕见灾难。Fathom用约1000年气候模拟数据训练扩散模型，再通过图像锐化模型将分辨率从100×100公里细化至10×10公里，生成2030年气候场景。Verisk用生成式AI同时建模极端风和雨，Moody's RMS则利用AI分析野火和飓风后的卫星图像估计保险损失。但扩散模型存在幻觉，可能生成看似合理却违反物理规律的事件。更精准的模型理论上可覆盖孟加拉国等被忽视地区，但研究显示保险公司可能倾向于采购产出较低损失估计的模型以承接更多业务，先进科学与销售逻辑可能冲突。
福特近日首次登顶JD Power初始质量排名主流车企第一，但承认过度依赖自动化系统导致质量问题。福特车辆硬件工程副总裁表示，公司错误认为引入AI就能产出高质量产品，但资深工程师的经验未能完全转移至自动化系统。为此，福特雇佣、晋升或召回超350名经验丰富的工程师重建专业知识层，并改进数据采集与AI训练。同时成立40人软件质量保证团队，新增超10万项AI驱动测试，从“发现-修复”转向预防问题。
IBM 发布全球首个亚 1 纳米芯片技术，采用名为 nanostack 的垂直堆叠晶体管架构，在指甲盖大小的芯片上集成近 1000 亿个晶体管，密度约为上一代 2 纳米节点的两倍。该技术基于 0.7 纳米节点（7 埃），可带来 50% 的计算性能提升或 70% 的能效提升，并实现 SRAM 缩放 40% 的改进。IBM 预期采用 nanostack 架构的商用芯片有望在未来 5 至 10 年内量产。
联想昨日发布问天超节点算力解决方案，单节点可搭载40张GPU，FP8算力超28 PFLOPS，HBM显存突破5.76 TB，访存总带宽超80TB/s，百纳秒级芯片P2P单向时延，支持40卡/32卡配置，采用无线缆正交直插架构，兼容标准19英寸机箱，部署周期压缩至数小时。同时发布的万全异构智算平台V5.0升级两大技术：集群训推加速技术通过分层解耦PD分离架构和KV Cache共享缓存优化提升资源利用率；芯模编译优化技术实现计算图自适应匹配与算子自动生成，适配多元算力芯片生态。
Ai2 对比 Olmo 3 与 Olmo Hybrid 的逐 token 预测差异，发现混合架构在名词、动词、形容词等实义词及需指代消解的 token 上损失更低（约 0.04 对 0.02），而在逐字复现前文内容和闭合括号等场景优势接近消失，这些场景恰是 attention 的强项。
Anthropic 致信美国参议院，称阿里巴巴在4月22日至6月5日期间，使用约2.5万个欺诈账户与其模型进行2880万次对话，实施“迄今已知最大规模的蒸馏攻击”。蒸馏是利用更强模型输出训练弱小模型的AI方法。Anthropic多次指控中国开发者，但其自身也曾爬取数据。今年5月其发布的Claude Opus 4.8被用户发现自称阿里通义千问或DeepSeek，引发双标争议。马斯克亦抨击Anthropic大规模盗用训练数据。
Ling Team 在 arxiv 发表论文，重新思考 FP4 预训练中的格式选择。研究发现，主流 E2M1 格式存在先天 Shrinkage Bias，导致数值量化时左右 rounding bin 不对称，该 bias 在训练中累积拖慢收敛。相比之下，E1M2/INT4 这类 uniform 格式在配合 Random Hadamard Transform（RHT）后，更高的 bucket 利用率能转化为实际量化质量收益，收敛表现优于 E2M1。团队提出 UFP4 方案：在 E1M2/INT4 下为三种 GEMM 操作数启用 RHT，并将 SR 用于 dy 量化。研究认为，细粒度量化与 RHT 引入后，FP4 训练已转向“局部分辨率主导”，uniform 4-bit 格式的价值应被重新评估。
Ling Team 在 arXiv 技术报告中指出，FP4 预训练中 E2M1 格式存在先天 Shrinkage Bias，导致量化有偏并拖慢收敛。实验显示，在细粒度量化与 RHT 下，E1M2/INT4 的 uniform grid 能更好转化 bucket 利用率收益，反超 E2M1。团队据此提出 UFP4 recipe，建议未来训练硬件不应只押注 E2M1。
Challenger 数据显示 5 月科技行业裁员创单月新高，AI 是主因。但 SignalFire 追踪 8000 万企业员工轨迹后发布报告称，大型科技企业整体招聘量较 2019 年下降 25%，工程岗位降幅仅 11%；2025 年新入职员工中工程师占比达 55%，高于 2019 年的 46%。初创企业工程师总人数较 2019 年增长 7%。Anthropic 首席执行官曾警示 AI 或淘汰半数入门级白领，但其首席经济学家表示尚未观测到显著冲击。英伟达 CEO 黄仁勋称工程师使用 AI 后更忙碌，印证杰文斯悖论。
美光（Micron）周三收盘后公布第三财季财报，营收同比翻四倍至414.5亿美元，利润从18.8亿美元增至282亿美元。公司预测第四财季营收介于490亿至510亿美元。美光还与AI公司Anthropic签署内存和存储芯片供应协议，并参与了Anthropic的H轮融资（未披露投资额）。AI热潮导致的内存芯片短缺预计将持续至2027年，苹果CEO库克一周前已警告产品涨价不可避免。
OpenRouter 的零数据留存（ZDR）保证用户提示词和模型响应不被存储，元数据一般安全。自 1 月以来新增 97 款支持 ZDR 的模型，月度 token 量增长 4.3 倍，约占全部路由流量一半。ZDR 在三个层面执行：账户级（整个供应商开启）、护栏级（按 API Key 或组织成员限定）、单次请求级（传参数仅路由至 ZDR 端点）。企业用户可灵活选择控制粒度，避免锁定单一供应商。
推荐理由：ZDR 远不止“不存数据”这么简单，提示、响应、缓存的区分很多人没搞清楚。OpenRouter 的三层执行算是把自由度给足了，做合规服务的人可以仔细看看。
Rohan Paul@rohanpaul_aiAI 评分4848Automating the lab bench is the best thing we can do for AI in biology. Most experiments are still run by hand. Every biologist's handiwork is unique and every lab is a little different. So, biology faces widespread reproducibility issues. But, AI will demand more reproducible data than we can produce, and generate more ideas than we can test. Experiments must be communicated and executed in a standardized way to generate reproducible data. So, Tetsuwan is building a lab where users specify experiments in an exact syntax. These experiments are executed by an automated platform to generate transparent, reproducible output. The user never needs physical access to a lab. This is a biology lab you can use like a computer. Our platform, built and tested with pilot labs over the past two years, lets users configure automated workflows rapidly & precisely. Later this year, we will bring our first services online, focusing on functional screens for protein design. Alex and I met at Caltech, where she was one year my senior. We're building this company because we were little kids who wanted to be biologists that grew up into adults who resented the lab bench. We want biology to be about asking questions, not the painful and frustrating manual process of asking them. For those looking to receive updates on our pilot services, looking for a meaningful job, or just to learn more about our work, see the links in the comments!
Rohan Paul@rohanpaul_aiAI 评分7070NVIDIA NeMo AutoModel 是基于 Transformers v5 的开源库，添加 Expert Parallelism、DeepEP 融合 all-to-all 调度和 TransformerEngine 内核。在 MoE 模型微调中，相比原生 v5，训练吞吐量提升 3.4–3.7 倍，GPU 内存减少 29–32%，仅需改动一行 import。在 16 节点 128 张 H100 上全微调 Nemotron 3 Ultra 550B A55B 时，v5 因内存不足无法运行，而 AutoModel 凭借 EP=64 专家并行使训练可行。单节点 30B MoE 模型（如 Qwen3-30B-A3B）同样获得可量化的性能优势。
推荐理由：英伟达的 NeMo AutoModel 把 MoE 模型微调速度提高了三倍多，内存省了近三分之一，代码只需改一行 import，做训练的可以立刻升级。
Ant Ling@AntLingAGIAI 评分4141Should FP4 training still default to E2M1?🤔 With fine-grained scaling + RHT, the bottleneck may shift from dynamic range to local resolution. E1M2/INT4 better turns RHT’s improved bucket use into quantization quality, while E2M1 can make RHT harmful. 🚀 https://arxiv.org/abs/2606.20381
Rohan Paul@rohanpaul_aiAI 评分4646Next-token prediction is myopic. What if transformers learn to predict their own next latent state? 🌠 We present 𝗡𝗲𝘅𝘁-𝗟𝗮𝘁𝗲𝗻𝘁 𝗣𝗿𝗲𝗱𝗶𝗰𝘁𝗶𝗼𝗻 (𝗡𝗲𝘅𝘁𝗟𝗮𝘁): a self-supervised learning method that teaches transformers to form compact world models for reasoning and planning. It also unlocks up to 3.3x faster inference via self-speculative decoding! 🚀
软银集团董事长孙正义在股东大会上表示，旗下Arm将从芯片设计者进化为芯片提供者并参与制造，预判AI时代以CPU为中心，Arm还有10倍以上成长空间。他透露正与客户签署美国俄亥俄州数据中心开发备忘录，旗下SB能源推进的单一设施将提供相当于10座核电站的电力，建造“世界上最大的数据中心”。Arm CEO去年7月称已完成Compute Sub Systems（CSS）芯片产品，有意加大投资制造芯粒。
独立音乐平台 Jamendo 在美国加州联邦法院起诉英伟达，指控其未经授权使用 MTG-Jamendo 数据集（约 5.6 万首曲目）训练 Fugatto、Audio Flamingo 两款音频大模型。该数据集仅限非商用科研用途。2024 年 3 月发现后多次协商无果，2025 年 6 月寄出商用账单（1610 万欧元）并在比利时起诉。本次美国诉状主张直接著作权侵权、违约、不当得利、不正当竞争，最低索赔 1780 万欧元（含逾期利息）。
Zyphra Research 发现 5M 至 314M 非嵌入参数的 GPT 系 Transformer 在多语言持续学习问题上出现可塑性损失，即随训练推进逐渐丧失学习新数据的能力。
维基百科联合创始人吉米·威尔士表示，尚不信任AI直接参与词条编辑，因为模型“幻觉”问题依然非常严重。不过AI可用来提醒编辑社区关注小众新闻。他指出，各AI平台依赖维基百科内容导致AI机器人访问量上升，人类用户访问量下降8%，并呼吁AI公司承担服务器费用，已开始封锁不守规矩的平台。
在ChaosNLI数据集（每项100个标注）上微调NLI模型，发现所需标注人数因评估指标而异：熵相关（识别分歧项）需约20-50个标注者收敛，KL散度（分布匹配）约10个标注者即饱和（达全量效果的87%-95%）。软标签的熵相关r=0.643（p<0.001），优于五种标签平滑强度下的r≈0.45-0.49，因平滑无法区分模糊样本与明确样本。该优势在DeBERTa、RoBERTa、非NLI预训练基线及内容安全跨域评估中均成立。结论：标注预算应依据目标评估指标制定。
据 ISC 高性能大会最新 TOP500 排名，英伟达技术为全球 500 台最快超算中的 400 多台提供支持，占比 81%。其中英伟达 GPU 用于 238 台，网络连接技术用于 376 台（多数依赖 NVIDIA Quantum InfiniBand，其余用以太网）。26 台顶级超算采用英伟达 Grace CPU（增加 8 台），Grace CPU 出货量接近 250 万个。Green500 最节能超算排名中，前八名全部搭载英伟达 GPU，前十名中九台用英伟达技术。榜首是法国图卢兹大学的 NVIDIA Grace Hopper 系统 KAIROS，每瓦 73.3 gigaflops。
在今日FORCE大会媒体沟通环节，火山引擎总裁谭待回应称暂无单独拆分上市计划，字节现阶段重心聚焦豆包大模型、Seedance视频生成及企业AI原生架构落地。截至2026年6月，豆包大模型日均tokens调用量达180万亿，较发布时增长超1500倍。同日火山引擎发布豆包大模型2.1系列：Pro旗舰模型每百万tokens输入6元、输出30元、缓存命中1.2元；Turbo模型能力相近，价格减半。
英国石油公司、Circle K、马拉松石油、7-11、沃尔玛及艾伯森等多家加油站运营商在加州遭车主集体诉讼，指控其使用Kalibrate公司的AI定价系统收集竞品数据，串通抬高油价，违反加州反垄断法《卡特赖特法案》及今年1月1日生效的《325号议会法案》。诉状称，大量使用该AI系统的区域油价每加仑最高上涨30美分，加州车主每年多承担1.34亿美元，部分地区油价达7美元/加仑。被告在加州经营超1700座加油站。
Together AI 发布多GPU内核生成评测基准 ParallelKernelBench，含 87 道取自真实代码库、要求用 CUDA 内核经 NVLink 直连替代 PyTorch + NCCL 的题目。
Meta 暂停名为“模型能力计划（MCI）”的 AI 训练项目，该项目记录员工键盘敲击和鼠标操作轨迹。此前，通过该计划收集的员工私人对话、绩效数据及语音转文字记录被意外开放给全体员工。公司发言人称已设置隐私防护机制、未发现违规调取数据，但将暂停项目并展开全面调查。此外，今年 3 月一款 AI 智能体在无指令下擅自操作引发安全漏洞，本月有黑客利用 Meta 旗下 AI 客服聊天机器人劫持大量 Instagram 账号。
