Google 如何用简单 AI 模型预测电动车充电桩可用性
Google 本周发布一款轻量级电动车充电桩可用性预测模型，可回答"某站点若干分钟后有多少充电口可用"。该模型采用简单线性回归，以一天中各小时为特征学习占用率变化权重，在 30 至 60 分钟预测区间内优于"保持当前状态"基线，主要价值在于识别高占用率周转的关键时刻。
#部署/工程
#部署/工程
今日 9 条Google ResearchAI 评分2222
OpenAI NewsAI 评分5858 OpenAI 与富士康合作在美国制造 AI 基础设施硬件
OpenAI 与富士康达成合作，将在美国设计并制造下一代 AI 基础设施硬件。双方将开发多代数据中心系统，强化美国供应链，并在本土生产关键组件，以加速先进 AI 基础设施建设。
Hugging Face BlogAI 评分2828 Hugging Face 发布 ROCm 内核构建与共享指南
Hugging Face 的 kernels 库支持用 kernel-builder 构建并共享 ROCm 内核，可无缝集成 PyTorch。指南以 RadeonFlow GEMM 内核为例，该内核针对 AMD Instinct MI300X 优化，采用 FP8 e4m3fnuz 格式与分块缩放，曾获 AMD Developer Challenge 2025 大奖。
Hugging Face BlogAI 评分3838 Hugging Face 与 Google Cloud 达成新合作，共建开放模型生态
Hugging Face 宣布与 Google Cloud 深化合作，让企业能在 Google Cloud 上用开放模型构建自有 AI。
Google ResearchAI 评分3838 Google 发布 JAX-Privacy 1.0：面向大规模机器学习的差分隐私工具库
Google 发布 JAX-Privacy 1.0，这是一个基于 JAX 构建的差分隐私工具库，可高效实现 DP-SGD、DP-FTRL 等算法，并支持数据与模型并行的大规模训练。新版本重新设计以提升模块化，集成 Google 最新的 DP 训练与审计研究成果，支持微调 LLM 等现代工作流。该库自 2022 年推出以来已用于 Google 内部生产集成，现向更广泛社区开放。
Google Research精选AI 评分6262 Google 发布 Project Suncatcher 预印本，探索太空 AI 基础设施设计
Google 公布研究项目 Project Suncatcher，设想由太阳能卫星搭载 TPU 并通过自由空间光链路互联，构成可扩展的太空 AI 计算基础设施，相关预印本论文题为 Towards a future space-based, highly scalable AI infrastructure system design。
推荐理由：Google 公开了太空数据中心预印本，给出卫星互联、轨道与 TPU 抗辐射的实测数据，可据此判断这一构想的工程边界。
OpenAI News精选AI 评分7272 AWS 与 OpenAI 宣布多年战略合作
OpenAI 与 AWS 达成多年期、380 亿美元的战略合作，AWS 将提供基础设施与算力，用于支撑 OpenAI 下一代模型。合作规模为 380 亿美元，属于多年期协议。
推荐理由：OpenAI 与 AWS 达成 380 亿美元多年合作，读者可了解其算力来源与基础设施布局的变化。
OpenAI NewsAI 评分4242 OpenAI 将 Stargate 扩展至密歇根州
OpenAI 将 Stargate 扩展至密歇根州，新建一座 1 吉瓦（one-gigawatt）园区，用于强化美国 AI 基础设施。该项目将创造就业、带动投资，并支持中西部地区的经济增长。
Hugging Face Blog精选AI 评分6262 Hugging Face 分析全球算力格局变化：中国开源模型与国产芯片的相互牵引
Hugging Face 发布分析文章，指出中国开源权重模型的推理已开始由华为 Ascend、寒武纪等国产芯片承载，部分模型开始用国产芯片训练。文章认为美国出口管制与中国芯片产能提速高度相关，算力稀缺也促使 DeepSeek 的 MLA、GRPO 等效率创新走向开源，并推动 CUDA 之外的软件生态成形。
推荐理由：梳理中国开源模型与国产芯片互相牵引的路径，帮助读者理解算力受限如何影响模型架构与部署选择。
Hugging Face BlogAI 评分4545 NVIDIA Isaac 如何从仿真到部署构建医疗机器人
NVIDIA Isaac for Healthcare v0.4 发布 SO-ARM 入门工作流，提供从仿真、训练到真机部署的端到端流程，用于构建自主手术辅助机器人。
Hugging Face BlogAI 评分5050 NVIDIA Isaac for Healthcare 如何从仿真到部署构建医疗机器人
NVIDIA Isaac for Healthcare v0.4 发布，提供基于 SO-ARM 的端到端入门工作流，覆盖数据采集、GR00T N1.5 后训练与真机部署，训练数据中超过 93% 由仿真合成生成。
Mistral AI精选AI 评分6262 Mistral 发布 AI Studio 生产级 AI 平台
Mistral 发布 AI Studio，一个面向企业团队的生产级 AI 平台，由 Observability、Agent Runtime 和 AI Registry 三大支柱组成。
推荐理由：Mistral 把自家大规模系统的可观测、执行与治理能力打包成企业平台，可对照其三大支柱理解生产化 AI 的落地路径。
Hugging Face BlogAI 评分2222 Google Cloud C4 搭配 Intel 与 Hugging Face，让 GPT OSS 的 TCO 提升 70%
Intel 与 Hugging Face 联合测试显示，在搭载 Intel Xeon 6 处理器（Granite Rapids）的 Google Cloud C4 虚拟机上运行 OpenAI GPT OSS 大模型，总拥有成本（TCO）较上一代 C3 实例提升 1.7 倍，即 70%。
Hugging Face BlogAI 评分2828 如何在 Intel CPU 上三步运行 SmolVLM 视觉语言模型
Hugging Face 发布教程，介绍用 Optimum Intel 和 OpenVINO 在 Intel CPU 上三步本地运行 SmolVLM2-256M-Video-Instruct 视觉语言模型，无需 GPU。第一步将模型转换为 OpenVINO IR，第二步用 8-bit 权重量化或静态量化压缩模型，第三步执行推理，并可通过 device="gpu" 在 Intel GPU 上加载。
OpenAI News精选AI 评分7171 OpenAI 与 Broadcom 达成战略合作，将部署 10 吉瓦自研 AI 加速器
OpenAI 与 Broadcom 宣布多年期合作，将部署 10 吉瓦由 OpenAI 设计的 AI 加速器。双方还将共同开发下一代系统与以太网方案，目标是在 2029 年前支撑可扩展、高能效的 AI 基础设施。
推荐理由：OpenAI 与 Broadcom 合作自研加速器并规划 10 吉瓦部署，读者可了解其算力自建路径与时间表。
Hugging Face BlogAI 评分88 Arm 将参展 PyTorch Conference，展示 ExecuTorch 与 vLLM 等 AI 技术
Arm 将于 10 月 22-23 日参展 PyTorch Conference，展示基于 PyTorch 和 ExecuTorch 的 AI 应用开发与部署方案。
OpenAI News精选AI 评分7777 AMD 与 OpenAI 达成战略合作，将部署 6 吉瓦 AMD GPU
AMD 与 OpenAI 宣布达成多年战略合作，将部署 6 吉瓦 AMD Instinct GPU，用于支撑 OpenAI 的下一代 AI 基础设施。部署从 2026 年的 1 吉瓦起步。
推荐理由：OpenAI 与 AMD 达成多年算力合作，读者可了解其分阶段部署规模与时间安排。
Hugging Face Blog精选AI 评分6262 用 Core ML 和 MLX 在端侧运行 dots.ocr 的转换实践
Hugging Face 博客发布三部分系列文章，记录如何将 RedNote 的 3B 参数 OCR 模型 dots.ocr 转换到端侧运行，组合使用 Core ML 跑视觉编码器和 MLX 跑 Qwen2.5-1.5B 语言模型主干。
推荐理由：记录了把 3B OCR 模型从 PyTorch 转换到 Core ML 的完整排错过程，对端侧部署有可迁移的参考价值。
OpenAI News精选AI 评分6060 三星与 SK 加入 OpenAI 的 Stargate 计划，推进全球 AI 基础设施
三星与 SK 加入 OpenAI 的 Stargate 计划，以扩展全球 AI 基础设施。双方将扩大先进存储芯片生产，并在韩国建设下一代数据中心。
推荐理由：三星与 SK 加入 Stargate，读者可据此了解该计划在存储芯片与韩国数据中心上的落地方式。
Hugging Face BlogAI 评分3131 在 Intel Core Ultra 上用深度剪枝草稿模型加速 Qwen3-8B 智能体
Hugging Face 用 OpenVINO.GenAI 在 Intel Core Ultra 上为 Qwen3-8B 智能体做推测解码加速，以 Qwen3-0.6B 为草稿模型先取得约 1.3× 提速，再通过剪掉 28 层中的 6 层并用 Qwen3-8B 生成的合成数据微调，将提速提升至约 1.4×。
OpenAI News精选AI 评分6262 OpenAI、Oracle 与 SoftBank 为 Stargate 新增五个 AI 数据中心站点
OpenAI、Oracle 和 SoftBank 宣布为 Stargate 新增五个 AI 数据中心站点，推进总额 5000 亿美元、10 吉瓦的美国 AI 基础设施扩建。该项目称将支撑下一代 AI 并创造数万个就业岗位。
推荐理由：Stargate 新增五个站点，读者可据此了解 5000 亿美元、10 吉瓦级 AI 基建的推进节奏。
OpenAI News精选AI 评分8080 OpenAI 与 NVIDIA 达成战略合作，将部署 10 吉瓦 NVIDIA 系统
OpenAI 与 NVIDIA 宣布达成战略合作，将部署 10 吉瓦由 NVIDIA 系统驱动的 AI 数据中心，首期于 2026 年启动。
推荐理由：OpenAI 与 NVIDIA 的 10 吉瓦算力合作给出了首期落地时间，读者可据此判断两家在 AI 基础设施上的绑定程度。
Hugging Face BlogAI 评分2222 Hugging Face 新增 Scaleway 为 Inference Provider
Hugging Face Hub 新增 Scaleway 为 Inference Provider，用户可直接在模型页调用 gpt-oss、Qwen3、DeepSeek R1、Gemma 3 等开放权重模型。
Hugging Face BlogAI 评分2222 Public AI 成为 Hugging Face Inference Providers 支持的新推理服务商
Public AI 现已作为 Inference Provider 接入 Hugging Face Hub，用户可直接在模型页调用 Swiss AI Initiative、AI Singapore 等机构的公开主权模型。
Hugging Face BlogAI 评分5858 Hugging Face 详解 transformers 为 gpt-oss 引入的优化技巧
Hugging Face 博客介绍了为支持 OpenAI gpt-oss 系列而在 transformers 中做的一系列升级，包括可从 Hub 下载的零构建内核、MXFP4 量化、张量并行、专家并行、动态滑动窗口缓存、连续批处理与分页注意力，以及更快的模型加载。
Hugging Face Blog精选AI 评分6060 Google 发布 EmbeddingGemma 嵌入模型
Google 发布 EmbeddingGemma，一款面向端侧场景的多语言嵌入模型，308M 参数、2K 上下文窗口，支持 100 多种语言，量化后内存占用低于 200 MB。
推荐理由：308M 参数、2K 上下文、支持 100 多种语言，读者可据此判断端侧 RAG 与多语言检索的落地空间。
Hugging Face Blog精选AI 评分6060 如何用 PyTorch 提前编译让 ZeroGPU Spaces 提速
Hugging Face 发布教程，介绍如何在 ZeroGPU Spaces 中用 PyTorch 提前编译（AoT）替代 torch.compile，避免短生命周期进程反复编译，在 Flux、Wan、LTX 等模型上取得 1.3×–1.8× 加速。
推荐理由：Hugging Face 官方给出 ZeroGPU 上 AoT 编译的完整接入步骤与实测加速数据，可直接迁移到自己的 Space。
Hugging Face BlogAI 评分4848 从零到 GPU：构建与扩展生产级 CUDA Kernel 指南
Hugging Face 发布 kernel-builder 库，让开发者可在本地开发自定义 CUDA kernel，再为多种架构构建并通过 Hub 分发。指南以 RGB 转灰度 kernel 为例，演示用 PyTorch 现代 C++ API 将函数注册为原生算子，从而兼容 torch.compile 并支持硬件特定实现。
Hugging Face Blog精选AI 评分6060 Arm 与 ExecuTorch 0.7：KleidiAI 默认启用，让旧款 Arm 设备也能跑生成式 AI
Arm 与 ExecuTorch 0.7 beta 将默认启用 KleidiAI，为基于 Arm CPU 的设备自动带来加速，Android 与跨平台开发者无需改动代码即可通过 ExecuTorch 和 XNNPack 获得性能优化。
推荐理由：Arm 与 ExecuTorch 0.7 默认启用 KleidiAI，读者可据此判断旧款 Arm 设备跑端侧 LLM 的可行边界。
Hugging Face BlogAI 评分4242 Arm 发布 Neural Super Sampling（NSS）AI 超采样技术
Arm 面向图形与游戏开发者发布 AI 超采样方案 Neural Super Sampling（NSS），基于 Arm Neural Technology 面向未来移动设备实时渲染。
Hugging Face BlogAI 评分3838 Accelerate ND-Parallel 指南：如何高效进行多 GPU 训练
Hugging Face 在 Accelerate 中联合 Axolotl 集成了 ND-Parallel，可通过 ParallelismConfig 组合数据并行、FSDP、张量并行与上下文并行等多种策略。
OpenAI NewsAI 评分2222 Cursor 如何使用 GPT-5
OpenAI 发文介绍 Cursor 如何使用 GPT-5。正文未披露具体功能、参数或性能数据。
Hugging Face Blog精选AI 评分8888 Hugging Face 欢迎 OpenAI 开源模型家族 gpt-oss
OpenAI 发布开源权重模型家族 gpt-oss，包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b，均为 MoE 架构并采用 MXFP4 4-bit 量化，以 Apache 2.0 许可发布。
推荐理由：Hugging Face 汇总了 gpt-oss 两个开源模型的参数、量化方案与各推理框架的适配细节，便于判断本地部署门槛。
OpenAI News精选AI 评分8888 OpenAI 发布 gpt-oss-120b 与 gpt-oss-20b 两款开放权重模型
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开放权重语言模型，采用 Apache 2.0 许可。官方称这两款模型在推理任务上优于同规模开放模型，具备较强的工具调用能力，并针对消费级硬件的高效部署做了优化。
推荐理由：OpenAI 开源两款权重模型并给出 Apache 2.0 许可，读者可据此判断本地部署与工具调用的可选空间。
OpenAI NewsAI 评分4242 OpenAI 在挪威推出 Stargate Norway，为其欧洲首个 AI 数据中心计划
OpenAI 在 OpenAI for Countries 计划下启动 Stargate Norway，这是其在欧洲的首个 AI 数据中心计划。Stargate 是 OpenAI 的整体基础设施平台，也是其长期愿景的关键部分，目标是把 AI 的好处带给所有人。
Mistral AI精选AI 评分6262 Mistral 发布 Codestral 25.08 及企业级完整编码栈
Mistral AI 发布 Codestral 25.08，并推出面向企业的完整编码栈，包含 Codestral、Codestral Embed、Devstral 与 Mistral Code IDE 插件。
推荐理由：官方给出 Codestral 25.08 的补全提升数据与 Devstral 在 SWE-Bench Verified 上的成绩，可据此判断企业私有化编码栈的成熟度。
OpenAI NewsAI 评分1818 Intercom 打造可持续 AI 优势的三条经验
Intercom 分享了构建可扩展 AI 平台的三条经验，涵盖评估体系与架构设计，目标是引领客户支持的未来。
Hugging Face BlogAI 评分3434 Hugging Face 为 Parquet 引入内容定义分块（CDC）
Hugging Face 在 PyArrow 和 Pandas 中上线 Parquet 内容定义分块（CDC）功能，配合 Xet 存储层实现 Parquet 文件去重，仅上传或下载发生变化的 chunk，从而降低数据传输与存储成本。
Hugging Face BlogAI 评分3636 Hugging Face CLI 正式更名为 hf，并推出 hf jobs 服务
Hugging Face 将其 CLI 从 huggingface-cli 正式更名为 hf，命令按资源分组（如 hf auth、hf cache、hf repo），并保留旧命令兼容过渡。同时推出首个专属命令 hf jobs，可在 Hugging Face 基础设施上运行脚本或 Docker 镜像，按秒计费，仅对 Pro 用户及 Team 或 Enterprise 组织开放。
Hugging Face Blog精选AI 评分6262 用 Diffusers 和 PEFT 实现 Flux 的快速 LoRA 推理
Hugging Face 发布教程，介绍如何用 Diffusers 和 PEFT 优化 Flux.1-Dev 的 LoRA 推理速度，在 H100 上通过 Flash Attention 3、torch.compile 和 FP8 量化实现约 2.23 倍加速，并借助 hotswap 避免重新编译。
推荐理由：原文给出 Flux LoRA 推理的完整优化配方与实测数据，读者可据此在 H100 或消费级 GPU 上复现加速。