Amazon SageMaker AI 推出无GPU管理的模型定制训练会话，正式全面可用
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。
AI NEWS JOURNAL
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
Amazon SageMaker推出训练会话API：用户可编写自定义大模型训练循环，无需管理GPU
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。
为什么人工智能计算采用矩形架构——Modal公司首席执行官埃里克·伯恩哈德松
弹性GPU、沙盒式增长与智能体云的经济性
为什么人工智能计算采用矩形架构——Modal公司首席执行官埃里克·伯恩哈德松
弹性GPU、沙盒式增长与智能体云的经济性
NVIDIA推动欧洲零售业转型：开放模型与物理智能落地电商、仓储与虚拟试穿
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业务主管贾斯·卡伊拉：AI基建债务担忧被夸大
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。
法官驳回特朗普“环保署可随意撤销数据中心污染诉讼”的荒谬主张
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。
VocabX：通过成本加权词汇专业化将领域专用小语言模型推理成本降低77%
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。
TorchNeuron系统级性能分析（第一部分）：基于AWS Trainium芯片的端到端剖析
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发布Laplace 3B线性注意力模型：基于AWS Trainium2与原生PyTorch实现固定状态内存推理
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构建可编程数据中心：以物理交割推动GPU算力交易市场化
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。
探访三星平泽超大规模半导体新基地：AI驱动下的内存芯片扩产潮
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 推出 TorchTPU：PyTorch 原生支持 Google TPU
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。
AnyLanguageModel 1.0发布：支持本地与托管模型的统一Swift接口，适配Apple平台全系OS 27
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。
TorchNeuron发布公测：Hugging Face模型原生支持AWS Trainium训练与推理
Hugging Face联合AWS推出TorchNeuron——PyTorch原生Trainium后端，自2026年10月20日起开放公测。该技术使Transformers、Diffusers等主流库无需修改即可直接运行于Trainium芯片，显著提升文本生成与图像生成模型的易用性与兼容性。
Google DeepMind与新加坡政府合作开发端侧轻量AI模型，用于实时拦截私聊诈骗
Google DeepMind与新加坡GovTech联合推出基于Gemma系列的轻量化端侧AI模型，专为在用户设备本地运行而优化，可在不上传任何聊天数据至云端的前提下，实时识别并预警 conversational scams（对话式诈骗）。
导入 AI 470：机器没有权利；用 SPADE 自动化环境生成；以及借助 Hawkeye 构建更优的 GPU 内核
对网络、数学与人工智能的差异化加速
GPU 管理:为什么摇摆 GPU 是新地面飞机
GPU 管理:为什么摇摆 GPU 是新地面飞机
导入AI 464：Fable编写GPU内核；AI自动化；以及模拟计算
这是否是一个新世界的开端？