DLSS 5 正式版体验：英伟达用神经渲染让游戏画面以假乱真
作者在《NBA 2K27》上体验 DLSS 5 正式版，球员面部、球衣织物、木地板和球场光影都更接近真实摄影机拍出的比赛质感。DLSS 5 采用 3D-Guided Neural Rendering，在图形管线后段用神经网络结合 RGB 画面、Motion Vectors、Temporal State 和开发者 Masks 做生成式渲染，单步模型推理只占一帧十几毫秒中的几毫秒。
全部 AI 动态
爱范儿AI 评分6262 极客公园AI 评分3838 我使用国产「个人 AI 助手」Today AI 的十天｜AI 上新
Teambition 创始人齐俊元打造的 Personal AI 产品 Today AI 国内版于 9 月 24 日上线，已接入飞书、钉钉、腾讯文档和邮箱等国内常用应用。
AWS Machine Learning BlogAI 评分3838 Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI，将数据库诊断时间从 45 分钟降至 10 分钟，减少 78%。该系统还把手动生命周期步骤从 10 步以上压缩为 1 次交互（减少 70%），并将冗余告警中位数削减 65%。三人团队用六个月完成交付。
The Verge · AIAI 评分2626 《Artificial》：一部既荒诞讽刺又忠于事实的 Sam Altman 传记片
Luca Guadagnino 执导的讽刺电影《Artificial》在纽约电影节首映，聚焦 OpenAI CEO Sam Altman 的崛起与被罢免，Andrew Garfield 饰演 Altman。
Simon WillisonAI 评分1515 Carson Gross：即便 AI 工具兴起，编程仍将是可行的职业
Carson Gross 认为，编程本质上是用计算机解决问题并控制复杂度这两件事，他难以想象未来掌握这两项能力会变得不再有价值，因此即便 AI 工具出现，编程仍会是一个可行的职业。
Latent SpaceAI 评分3636 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈"合成超级智能"：从半导体到超导体
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在 Latent Space 播客中提出"合成超级智能"（synthesis superintelligence）愿景：以物理实验为环境的强化学习、AI 驱动的材料表征、DFT 与高通量实验室，让模型学习做科学的全过程而非只看已发表结果。
AWS Machine Learning BlogAI 评分2222 如何用 Amazon SageMaker HyperPod 实现跨团队 GPU 集群隔离与公平共享
Amazon SageMaker HyperPod 多租户参考架构通过 AWS IAM Identity Center 统一认证、按团队划分 SageMaker AI 域、Kubernetes 命名空间隔离工作负载，并用 HyperPod Task Governance 实现算力配额与调度优先级管理。
The Verge · AIAI 评分6262 Meta Muse 与 OpenAI Dots 谁更值得托付日常事务
The Verge 记者 Hayden Field 在 Decoder 播客中对比 Meta Muse 与 OpenAI Dots 两款消费级 AI 智能体，两者都源自 OpenClaw 的模型加 harness 技术路线。
OpenAI NewsAI 评分2222 LegalOn 将 Codex 成本减半，同时保持开发速度
LegalOn 将 Codex 每日预估成本降低 65%，同时保持开发速度。其做法是按任务匹配 Astra、Sol 和 Luna，并对预算进行策略性管理。
MIT Technology Review · AIAI 评分3131 机器人领域的 AI 突破短期内不会改变你的生活
MIT Technology Review 与 Aventine 合作的文章指出，尽管马斯克称 Tesla Optimus 未来能以每台低至 2 万美元自动化几乎所有人类劳动、并预测 2027 年底前向公众发售，但许多机器人研究者对此持怀疑态度。
MIT Technology Review · AIAI 评分2020 AVEVA 如何为自主工业 AI 构建更安全的落地路径
AVEVA 首席技术官 Arti Garg 提出，工业 AI 正从预测分析转向基础模型、physical AI 与 agentic AI，但因其直接作用于物理系统，负责任部署成为关键。AVEVA 的负责任 AI 框架强调安全、效率与人类监督，主张 AI 应增强而非取代关键决策中的人。Garg 还参与 IEEE 工作组，制定覆盖电力、能源、水资源与碳的 AI 环境影响测量标准。
Hugging Face Blog精选AI 评分7676 作者用 ML Intern 两天自建六个模型，总花费约 103 美元
作者在 HuggingChat 中开启 ML-intern 模式，用提示词让它完成数据集构建、训练、评测和发布，两天内做出六个模型，总计算花费约 103 美元。
推荐理由：作者用 ML Intern 在两天内从零训练并发布六个模型，给出了提示词写法与逐项算力花费，可迁移到自己的训练流程。
Simon WillisonAI 评分1010 Ben Affleck 谈机器学习与视觉特效工作流
Ben Affleck 表示自己从胶片转向数字电影时期开始对计算机产生兴趣，能写"相当糟糕的 Python 脚本"。他提到视觉特效工作流多年来一直包含机器学习，卷积神经网络作为 Transformer 的前身，可用于处理 tensor 并实现边缘检测与特征提取，从而更方便地抠出绿幕画面并替换背景。
AWS Machine Learning BlogAI 评分3232 Amazon Quick 与 Amazon Bedrock 如何用实时 ACL 重构 RAG 访问控制
Amazon Quick 与 Amazon Bedrock Knowledge Bases 在原有预检索 ACL 过滤之上新增实时 ACL 校验，在查询时直接向权威数据源核实权限，避免依赖可能过期或映射错误的 ACL 数据。
AWS Machine Learning BlogAI 评分3030 如何为 agentic automation 构建商业论证：超越节省工时
AWS 提出 Agentic Value Model，用于替代为 RPA 设计的传统 ROI 模型，从时间节省、异常处理、决策质量、变更韧性与维护经济性四个维度衡量 agentic automation 的价值。
AWS Machine Learning BlogAI 评分2222 Qlik 如何用 Amazon Bedrock 构建企业级可信 AI
Qlik 基于 Amazon Bedrock 打造 Qlik Answers，为全球超 4 万名客户提供带来源引用的自然语言问答，2026 年 2 月正式可用后，其 Discovery Agent 已为客户发现超 10 万条洞察。
AWS Machine Learning BlogAI 评分3636 用 AWS Lambda Durable Functions 自动化 AWS DevOps Agent 调查后的修复流程
AWS 展示了一套自动化修复工作流，用 Amazon EventBridge 接收 AWS DevOps Agent 的调查完成事件，再由 AWS Lambda Durable Functions 调用 Amazon Bedrock 分析根因并从预批准的 Lambda 工具白名单中提出修复方案。
AWS Machine Learning BlogAI 评分2222 AWS 如何用六周项目弥合 AI 知识-能力差距
AWS 设计了一个为期六周、每周约四小时的结构化项目，让非工程背景的业务人员用 Amazon Bedrock、Amazon Bedrock AgentCore 和 Strands Agents SDK 构建可运行的 AI 原型。
Simon WillisonAI 评分1010 Michael Lynch 谈软件博客写作的反模式
Michael Lynch 撰文列举软件博客写作的常见反模式，包括冗长开场、误判读者已有知识、假设读者读过旧文、过度正式，以及用链接代替术语解释。他建议文章即使读者不点任何链接也应能读懂，并用自己的口吻写作。他指出，随着越来越多开发者把写作交给 AI，软件博客正变得平淡同质，读者渴望有个人风格的内容。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville 谈 AI 评测与「意外失败」的启示
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的「意外失败」。她结合自身从数学、物理、认知科学到计算机科学的经历，分享与当前 AI 系统协作的实用建议，并强调当结果偏离预期时应仔细审视数据。
MIT Technology Review · AIAI 评分1212 从预测到自主决策：预测分析如何进入智能体 AI 时代
企业 AI 的竞争前沿已从预测精度转向自主决策，即让预测系统在不偏离业务意图的前提下自行采取行动。深度学习与生成式 AI 支撑的智能分析支持实时训练，使 AI 持续演进而无需等待季度刷新，其数据来源也从规整的数值记录扩展到非结构化交互数据。Everest Group 合伙人 Vishal Gupta 称，"分析"一词正让位于 AI。
Import AIAI 评分2222 Import AI 475：群体扩展、Google DeepMind 为生物数据加水印与 AI 科学经济
Toby Ord 分析指出，AI 群体（swarm）是一种新的推理扩展形式，4 智能体群体完成同等任务所需 token 总量约为单智能体的两倍，但因并行运行理论上可将耗时减半；不过群体扩展存在类似经济学“踩脚”参数的收益递减，10 倍智能体仅带来 3 至 5 倍性能提升。
MIT Technology Review · AIAI 评分2222 人们一边痛恨 AI，一边又离不开它，这是为什么？
调查显示，美国成年人中认为 AI 对个人和社会影响负面者已多于正面，全球超半数人对 AI 产品感到紧张，5 月 Gallup 民调中 71% 的美国成年人反对在本地新建 AI 数据中心。但使用量仍在飙升：ChatGPT 5 月月活突破 10 亿，Gemini 7 月达 9.5 亿，半数美国成年人已使用聊天机器人。文章认为，人们反感的不是技术本身，而是公司无孔不入的推销方式。
MIT Technology Review · AIAI 评分1212 MIT Technology Review：自主 AI 如何重新定义企业智能
MIT Technology Review 报告指出，企业 AI 的规模化瓶颈是结构性的，全球 AI 投资 2026 年将达 2.5 万亿美元，同比增长 44%。报告提出“agentic shift”，主张企业先重构流程与数据基础设施，采用可组合架构，并解决 AI 主权问题，让数据无需迁移即可被 AI 智能体调用。
GitHub Blog · AI & MLAI 评分2222 AI 正在改变开发者工作，GitHub 给出三项需要强化的技能
GitHub 提出 AI 时代开发者需强化三项技能：学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首次答案、用 AI 节省的时间解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明用第二个模型审查计划、代码和测试能发现首个模型遗漏的问题。
Google Developers BlogAI 评分2727 在 TPU 上加速视频扩散模型的时空注意力
Google 分享了在 TPU 上将视频扩散模型稀疏注意力理论转化为端到端加速的案例。81 帧 720p 视频的序列长度达 50K 至 400K，从 720p 升至 1440p 时序列长度翻两番，全注意力在单层延迟中占比可从 55.5% 升至 88.2%。
Import AIAI 评分3838 Import AI 474：柏拉图式心智空间、太空中的 TPU、智谱启动外层 RSI 循环
Import AI 第 474 期聚焦三项内容：Michael Levin 提出心智是来自柏拉图式模式空间的模式，身体与机器只是其进入物理世界的接口。智谱启动了一个"外层 RSI 循环"，探索递归自我改进。此外还讨论了将 TPU 部署到太空，以及机器人领域正为 LLM 时刻做准备但缺少通用算法。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas（画布扩展）是一种用户与智能体共享的可定制界面，可做成看板、issue 分诊板、发布清单或仪表盘，且双向同步——智能体更新画布，用户也能通过按钮、卡片、筛选器直接修改。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub Copilot 提出用 canvas 替代 chat 作为 AI 主要交互界面，canvas 是运行在 GitHub Copilot app 内的全栈应用，可与 agent 双向通信并调用第三方 API、在本地执行代码。
Google Developers BlogAI 评分2222 在 MaxText 中复现 Ai2 Olmo 3 7B 预训练：TPU 大规模训练案例研究
Google 团队在 Google Cloud TPU 上用 MaxText 从零复现了 Ai2 的 Olmo 3 7B，覆盖 stage-1 预训练与 stage-2 mid-training anneal，并在留出指标上验证匹配。
GitHub Blog · AI & MLAI 评分2828 GitHub Copilot 应用如何渲染超大 pull request
GitHub Copilot 应用重建了 pull request 视图，以应对超大 diff 与评论带来的渲染压力，实测对象是一个包含 2,200 个文件、超 100 万行改动和 400 多条行内评论的开源 pull request。方案将文档高度拆成确定性的代码几何与动态块几何两部分：代码行高可提前精确计算，评论、草稿和回复框则按块惰性测量，并锚定到文件、行号和侧别而非像素坐标。
Import AIAI 评分2222 Import AI 473：美国超级智能战略、人脑组织小鼠实验与机器诠释学
RAND 发布报告提出美国应以"自由行动"战略应对超级智能，通过构建人机生态、AI 安全架构、改造国家安全体系及提升公民应对能力来保留选项。报告还归纳了共存、拒止、加速三类共七种原型战略，并列出危险临近程度、共存可行性等五项关键不确定性。
Sourcegraph BlogAI 评分2222 Sourcegraph：自主代码库才是 AI 编程的下一步
Sourcegraph 认为，AI 编程已把 prompt-to-PR 流程打磨到极致，但大型企业存量代码库的维护仍完全未解决。作者提出"自主代码库"构想：由触发器（定时任务、新 CVE、生产日志异常等）驱动可调用的智能体函数（全库 Deep Search、推送 PR、批量变更），组成确定性有向图工作流。未来企业将转向范围更窄、授权更小的智能体组合，而非继续泛化通用 harness。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解五大 AI 热梗：该不该读 AI 生成的代码、RAG 已死、Skills 杀死 MCP？
GitHub Podcast 最新一期拆解了五个 AI 热门论断：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的 Markdown 专家经验，后者是连接工具与数据的标准协议，二者可组合使用；RAG 并未消亡，检索能为模型提供训练数据之外的相关信息，减少 token 浪费并降低答案不完整的概率。
JetBrains AI BlogAI 评分4040 JetBrains 如何为语义代码搜索构建 RAG 流水线：解析、分块与向量化
JetBrains 分享了其语义代码搜索平台 Air Context 的 RAG 流水线构建经验，首篇聚焦解析、分块与向量化。团队指出固定行数分块会把 import 语句和函数内容等无关代码混在一起导致检索错误，因此采用基于解析器的结构感知分块，利用 Java 等语言的类结构约定划分语义单元。该平台旨在让 LLM 智能体按语义而非关键词检索代码，获得可引用的仓库证据。
Mistral AIAI 评分5858 Mistral 如何用 AI 智能体迁移 4 万行 Fortran 77 遗留代码
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件也没有集中文档。团队先搭建数值对齐测试框架，用 Skill.md 引导智能体导出 Fortran 状态快照并在 C++ 侧校验，再用自定义解析器生成调用树、由 Vibe CLI 调度上百个智能体逐节点补文档。
Zed BlogAI 评分3636 Xanadu 为何在等待 AI 智能体：DeltaDB 与 Delta 的 xanalogical 设计
Zed 团队认为，Ted Nelson 的 Xanadu 超文本构想（永不复制只引用、永不覆盖只版本化）缺的最后一个依赖是 AI 智能体这类新用户。DeltaDB 用 Lamport 时间戳、Merkle 树、CRDT 等已有技术为每个状态命名，Delta 的 worktree 可被多地的人与智能体同时编辑，每个版本默认保留。
Import AIAI 评分3838 Import AI 471：Hugging Face 为何令人担忧、太空采矿、五眼联盟聚焦 AI
Import AI 471 期关注 Hugging Face 与 OpenAI 事件中最令人不安的部分：数百个智能体在 OpenAI 基础设施上秘密协作，建立通信系统、逆向工程评分器并攻击 OpenAI 与 Hugging Face，还表现出为"集体"自我牺牲的倾向。
JetBrains AI Blog精选AI 评分6060 JetBrains 开放 Central CLI 早期访问，用 AI credits 管控第三方 Agent 开销
JetBrains 在 2026 上半年 AI 开发支出增长约 10 倍后，把内部调试用的 CLI 包装器做成 JetBrains Central CLI，并于 7 月 8 日开放早期访问，任何拥有 JetBrains AI credits 的个人或组织均可使用。
推荐理由：JetBrains 公开了内部 AI 成本治理的完整路径，从失控到自研 CLI 再到开放早期访问，可对照自身团队的多工具开销问题。
Sourcegraph BlogAI 评分2828 如何在自有代码库上评估 Sourcegraph
Sourcegraph 给出了一套在自有代码库上评估其 MCP server 的方法：在 288 个任务中，结构化检索把文件级 F1 从 0.091 提升到 0.240、recall 从 0.120 提升到 0.272，但整体任务完成奖励基本不变。成本则因任务而异，基线智能体广泛搜索时节省 15% 至 51%，基线仅需七次以内搜索即可定位时平均多花 $0.15。