保留完整资讯流，用来源、主题和时间找到你关心的消息。
英飞凌与Wolfspeed于2026年10月15日宣布扩大并延长碳化硅晶圆供应协议，将合作从150mm延伸至200mm规格，旨在支持英飞凌200mm制造转型、增强供应链韧性；Wolfspeed则借此拓展200mm材料在头部客户中的长期应用，但其材料业务仍面临营收下滑与负毛利率压力。
推荐理由：该事件标志着全球碳化硅产业竞争重心正式前移至大尺寸衬底与制造环节，是产业链上下游协同推进200mm量产的关键信号；材料来源明确（钛媒体2026-10-25发布），所有事实均严格对应原文所列时间、主体、数据及限制条件，无推断、无补全、无引申。
2026年9月起，TCL华星、京东方、惠科等面板厂商密集发布涨价函，主因AI大模型发展导致HBM需求激增，挤占成熟制程芯片产能，推高驱动IC、PCB、玻璃基板等关键物料价格；康宁等上游供应商同步提价。尽管成本端压力明确，但下游电视/显示器品牌采购价未普涨，终端用户投诉过热、黑点等品控问题频发，涨价尚未转化为实际成交与体验升级。
推荐理由：材料系统揭示了AI产业对非直接关联硬件行业的跨链传导机制——非因AI拉动面板需求，而是通过晶圆产能再分配引发全链条成本重定价；同时呈现涨价行为与市场真实反馈（价格僵持、出货下滑、用户投诉）之间的显著落差，凸显产业议价权与产品力不匹配的深层矛盾。
巴黎·马克思在《超大规模》一书中梳理全球数据中⼼抗争史，指出爱尔兰因电网容量饱和实施禁令、企业转而私建燃气电厂；新西兰则探索以本地云支持毛利语语音识别的非掠夺性AI路径；美国当前爆发的反对浪潮实为早有预兆的全球性矛盾重演。
本文介绍Underdog发布的Saluki 27B模型——一款7.9 GB的2比特量化Qwen3.8-27B变体，采用ISTA-DASLab的GSQ-RCO方法构建，声称在120任务BFCL v4工具调用基准上超越原54 GB全精度模型；但所有性能结论均来自其开发者声明，未获独立验证。
美国联邦通信委员会（FCC）于2026年10月22日批准英特尔为期一年的豁免许可，允许其在美国晶圆厂继续使用特定外国制造的自动导引车（AGV），因原禁令措辞模糊可能误伤关键半导体制造设备。
哈萨克斯坦AI生态正从规划阶段转向规模化部署，Firebird公司获美国出口许可，在哈建设AI工厂，首期部署4.5万颗NVIDIA Grace Blackwell GPU；Kazakhtelecom已上线超千颗H200/B300 GPU，并计划2025年新增超2000颗Vera Rubin等GPU；多方协同推进算力供给、开发者接入与本土AI应用落地。
AWS 宣布 SageMaker AI 无服务器模型定制功能新增「训练会话（Training Sessions）」，即日起全面可用。用户可自主编写后训练逻辑（如自定义损失函数、奖励信号、多轮强化学习），而 GPU 分配、分布式执行、容错恢复与检查点存储均由平台自动处理。
Amazon SageMaker发布训练会话（Training Sessions）API，支持用户以纯Python脚本实现SFT、RLHF、GRPO、KTO等自定义大模型训练逻辑，GPU资源调度、容错、分布式执行及检查点管理均由服务托管。
欧洲零售商正依托NVIDIA加速的开放大模型与物理AI技术，在数字商品发现、智能仓储仿真、虚拟试穿及研发加速等场景实现规模化落地。Shopify、Zooplus、L’Oréal、Otto Group等企业通过Nemotron系列模型、Omniverse数字孪生、ALCHEMI分子模拟等工具，显著降低推理成本、提升搜索准确率、缩短研发周期，并验证了转化率与销售增长效果。
黑石AI业务负责人贾斯·卡伊拉在TechCrunch Disrupt大会上表示，市场对AI基础设施领域巨额债务的恐慌被过度放大；其核心论据是：债务主要由高信用等级客户（如微软、Meta）的长期合同支撑，且底层资产（GPU等）具备强抵押价值，风险结构与2008年银行体系有本质区别。
美国联邦法官裁定，特朗普政府无权授意环保署（EPA）单方面撤销针对SpaceXAI在孟菲斯运营未许可燃气轮机所引发的空气污染诉讼；NAACP提起的诉讼将继续推进。
NVIDIA于2026年10月26日（UTC）宣布cuDSS库进入通用可用（GA）阶段，该CUDA-X库专为在GPU上高效求解大规模稀疏线性系统而设计，显著提升芯片、航空、工业系统等领域的仿真吞吐量与迭代效率。
Dharma-AI提出VocabX方法，针对特定任务（如葡萄牙语作文自动评分）重构语言模型词汇表，以生成代价而非词频为优化目标，在不修改模型结构、参数或训练流程的前提下，实测推理成本下降77%，同时评估质量（bench score）从0.703提升至0.810。
本文为Hugging Face与Amazon联合发布的技术博客系列首篇，系统介绍如何在AWS Trainium AI加速芯片上使用TorchNeuron进行PyTorch模型推理性能分析，涵盖Neuron后端集成原理、torch.profiler配置方法、NeuronConfig与NeuronProfiler工具使用、Neuron Explorer可视化追踪，并以RMSNorm为例对比三种实现（朴素PyTorch、torch.rms_norm内置融合、torch.compile自动融合）的设备耗时差异。
i14推出30.28亿参数的Laplace 3B模型，采用门控线性注意力（GLA）替代Softmax注意力，其推理时每序列递归状态恒为29.5 MB，与上下文长度无关；该模型在单台AWS trn2.48xlarge（16颗Trainium2芯片）上完成训练与服务验证，训练吞吐达12万token/秒，服务吞吐11544 output token/秒（1280并发序列），所有性能数据均为i14与AWS GenAIIC团队内部实测结果。
SF Compute由Evan Conrad创立，致力于打造中立、可编程、支持物理交割的GPU算力交易基础设施；其模式拒绝抽象化FLOPS商品，强调硬件异构性、真实交付与实时约束（如中断容忍、InfiniBand拓扑、固件版本等），已实现数百亿美元交易量，并推出动态InfiniBand子网划分等底层能力。
SF Compute由Evan Conrad创立，聚焦于实现GPU算力的可编程、物理交割式交易；其不拥有数据中心，而是通过全栈技术协同第三方设施共建‘主权算力云’，强调市场中立性与基础设施可控性，已实现数亿美元交易额并落地InfiniBand动态切分等关键能力。
为应对生成式AI爆发带来的高带宽内存芯片需求激增，三星在韩国平泽建设占地相当于纽约中央公园的半导体制造集群，目前已投运三座晶圆厂，第四座即将投产，第五座在2024年因需求下滑暂停后已重启建设；现场呈现高强度、高安全标准的建设节奏与劳动力生态。
Hugging Face 发布 TorchTPU，为 PyTorch 提供原生 TPU 后端支持，使 Transformers、Diffusers 等库可直接在 TPU 上运行，无需依赖 torch_xla 或迁移到 JAX。
Hugging Face正式发布AnyLanguageModel 1.0，提供与Apple Foundation Models API完全兼容的开源Swift框架，支持本地（MLX、llama.cpp、Core ML）及托管（OpenAI、Anthropic、Gemini、Hugging Face Inference Providers等）模型无缝切换，并新增图像输入、工具调用、引导式生成、推理块自动适配等特性。
