/
Solidigm：NAND行业面临晶圆厂短缺困境
NAND产业正面临三年芯片产出短缺，新晶圆厂建设需要数年时间。Solidigm在伦敦技术会议上表示，过去三个月SSD需求急剧增长，需求被严重低估。AI推理工作负载增长导致数据变得更热，需要存储在SSD而非硬盘上以提高GPU利用率。新洁净室建设成本高达180亿美元，加上HBM供应短缺，制造商更倾向于投资更profitable的HBM产能。未来三年内NAND洁净室产能不会大幅增加。
Keepit利用AI技术加速SaaS应用连接器开发进程
SaaS应用保护服务商Keepit正在利用AI技术增加其可保护的SaaS应用数量。该公司通过自有数据中心存储备份数据，而非依赖AWS或Azure等公有云。目前Keepit可保护13个SaaS应用，目标在2028年前扩展到数百个。公司开发了基于领域特定语言的连接器框架，并使用AI工具加速API发现和代码编写过程。同时推出MCP接口支持，让用户通过ChatGPT等聊天机器人查询备份状态。
Oracle巨额AI投资引发华尔街风险担忧
甲骨文为发展AI云基础设施大幅增加资本支出，2026财年预计达350亿美元。公司已发行180亿美元债券，未来四年可能还需借贷1000亿美元建设数据中心。尽管与OpenAI签署3000亿美元云计算合同，但投资者对其信用违约风险担忧加剧，相关保险产品价格三个月内翻倍。甲骨文净债务已超过其EBITDA两倍，市场对AI投资回报的质疑日益增长。
为什么网络安全网格失败了，以及SSE为数据中心提供了什么
2021年Gartner将网络安全网格架构(CSMA)列为网络安全定义性趋势，但如今该概念已基本从行业讨论中消失。与此同时，Gartner和网络安全行业转向推广安全服务边缘(SSE)作为下一个必备解决方案。CSMA虽然理念先进，承诺通过工具互联实现威胁检测和统一策略管理，但因集成复杂、运营脆弱和资源密集等问题未能广泛应用。SSE专注于网络边界安全整合，提供更有针对性的方法。
从生成式到智能体：2026年AI自主性的新时代
生成式AI曾以前所未有的速度和规模生成文本、图像和代码震惊世界，但2026年将迎来更强大的智能体AI。智能体AI不仅能生成内容，还能独立行动、推理、协作和执行任务，从工具转变为协作伙伴。这一转变将影响网络安全、医疗、金融等多个领域，并加速机器人技术、神经形态计算和边缘计算的融合发展。
欧洲创业市场蓄势待发迎来高光时刻
硅谷往往认为欧洲创业市场规模小且缺乏进取心，但欧洲人对自身潜力的看法截然不同。赫尔辛基年度Slush大会显示，欧洲风投市场正处于转型边缘，准备迎接首个万亿美元独角兽。多年来，欧洲创始人常移居美国创业或过早退出，但如今资本不足问题已得到缓解，更多美国资本进入欧洲市场。欧洲企业开始抵制美国投资者要求迁至硅谷的压力，Spotify和Klarna等成功案例提升了该地区形象。监管机构也在简化创业环境，欧盟明年将允许创业公司一次性在所有成员国注册。
微软开源经典游戏Zork源代码，MIT许可证下重现文字冒险传奇
微软开发总监Scott Hanselman在Ignite大会上宣布开源Zork I-III游戏源代码，采用MIT许可证发布。Zork是游戏史上的里程碑作品，这款文字冒险游戏允许玩家使用自然语言与游戏互动。该游戏最初为PDP-10计算机开发，后被分为三部分以适配当时的个人电脑。微软此举旨在为学生、教师和开发者提供历史重要代码，供学习研究使用。
Meta完成全球最长海底光缆2Africa核心基础设施建设
Meta宣布完成全球最长开放接入海底光缆系统2Africa的核心基础设施建设。该项目全长4.5万公里，连接东西非洲及中东、南亚、欧洲等33个国家，设计容量达180Tbps，可为30亿人口提供连接服务。项目采用先进的空分复用技术，支持16对光纤，容量是旧系统的两倍。预计在运营前两到三年内为非洲GDP贡献369亿美元，推动就业创新和数字化转型。
浙江大学团队破解AI图像生成大难题：让多个对象在同一张图里"听话站队"
浙江大学研究团队开发了ContextGen，这是首个能够同时精确控制多个对象位置和外观的AI图像生成系统。该系统通过情境布局锚定和身份一致性注意力两大创新机制，解决了传统AI在多对象场景中位置控制不准确和身份保持困难的问题，并创建了业界首个10万样本的专业训练数据集，在多项测试中超越现有技术。
上海交通大学推出SR-Scientist：让AI像科学家一样自主发现数学规律
上海交通大学研究团队开发的SR-Scientist系统实现了人工智能在科学发现领域的重大突破。该系统能够像真正的科学家一样，从实验数据中自主发现数学公式，通过工具驱动的数据分析和长期优化机制，在四个科学领域的测试中比现有方法提高了6%-35%的精确度。这标志着AI从被动工具转变为主动科学发现者的重要里程碑。
北京大学团队首创"自我批评"算法，破解AI训练数据污染检测难题
北京大学团队提出Self-Critique方法，首次解决强化学习后训练阶段的数据污染检测难题。该方法通过让AI模型对同一问题提供不同解答思路，观察思维模式的相似性来判断数据污染。在多个模型测试中，检测准确率比传统方法提升30%，为确保AI评估公正性提供重要工具。
清华大学破解AI生成图片质量难题：为什么机器画的画总有那么点"不对劲"？
清华大学与快手团队合作发现AI图像生成中的"噪声漂移"问题，即AI在生成过程中系统性地误判噪声水平，导致图像质量下降。他们提出的噪声感知指导（NAG）技术能实时纠正这种偏差，在标准测试中将图像质量指标FID从8.61大幅降低至2.26，且可无缝集成到现有模型中。
谷歌的"谨慎权重衰减"：让AI训练更聪明的一行代码改动
德克萨斯大学奥斯汀分校和谷歌联合提出谨慎权重衰减（CWD），这是一种仅需修改一行代码的优化器改进方法。该技术通过条件性地应用权重衰减，只在参数更新方向与参数符号一致时施加约束，避免了传统方法的盲目约束。实验表明，CWD在3.38亿到20亿参数的语言模型和ImageNet图像分类任务上均能带来性能提升，且无需调整超参数。
京公网安备 11010802021500号
