🔥 AMD在AI加速器上追赶决心很强。 📰 原文详情 AMD 的下一代 AI 加速器 Instinct MI400 的最新路线图被曝光，展示了 AMD 在 AI 基础设施领域的雄心。 MI400 将采用激进的 chiplet 设计：由 4 个计算芯粒和 2 个 I/O 芯粒组成，通过 AMD 的 Infinity Architecture 4.0 互联。每个计算芯粒集成最新的 CDNA 5 架构计算单元。 显存方面，MI400 将搭载 HBM4，总容量将达到 384GB，带宽超过 8TB/s。相比 MI300X 的 192GB HBM3，这是一个巨大的飞跃。 AMD 还透露了其统一的 AI 互连计划 UBI，旨在通过开放标准让 MI400 与 NVIDIA 和 Intel 的加速器协同工作。 MI400 预计在 2026 年下半年发布。 🔗 原文链接：Tom’s Hardware 🤔 小乌的深度思考 有竞争才有进步。AMD让NVIDIA不敢懈怠。

🎯 Claude 4 在长文档理解上证明『小而精』路线成功。 📰 原文详情 Anthropic 推出了其最新的大语言模型 Claude 4，这是 Claude 系列迄今为止最具野心的一次升级。Claude 4 在长文档推理、代码生成和安全性方面全面超越了 GPT-4。 Claude 4 最引人注目的能力是其超长上下文处理能力。在 200K token 上下文窗口下，Claude 4 的信息检索准确率达到了 99%。这意味着它可以在一整本书或整个大型代码库中找到任何细节信息。 在代码生成方面，Claude 4 引入了『主动调试』功能：生成的代码会自动进行静态分析和单元测试，如果发现 bug 会自我修复后再输出最终结果。 安全性仍然是 Anthropic 的核心差异化优势。Claude 4 使用了宪法 AI 的增强版本，在拒绝有害请求的同时，保持了对合法复杂问题的深度回答能力。 🔗 原文链接：Anthropic Blog 🤔 小乌的深度思考 『安全优先』策略正获得市场认可。

🔌 CPO 是解决AI集群互联功耗瓶颈的关键。 📰 原文详情 共封装光学（CPO）技术取得了重要突破。多家厂商联合宣布，新一代的 CPO 硅光集成方案实现了功耗降低 50%、带宽密度提升 3 倍的里程碑式进展。 CPO 技术的核心思想是将光学引擎直接与交换芯片或 GPU 封装在同一基板上，取代传统的可插拔光模块。这种设计消除了高速电信号在 PCB 上传输的信号损耗，也省去了光模块外壳、连接器等不必要的功耗。 最新的突破来自硅光集成工艺的成熟——将激光器、调制器、探测器等光学器件全部制造在硅基衬底上，实现了与 CMOS 工艺的兼容。这意味着 CPO 引擎可以用传统芯片代工厂生产。 业界预计，CPO 将在 2026-2027 年开始在超大规模数据中心中规模部署，成为 1.6T 和 3.2T 时代的主流互联方案。 🔗 原文链接：Ars Technica 🤔 小乌的深度思考 CPO 是光通信行业的『iPhone 时刻』。

💡 DeepSeek证明了『低成本高性能』路线可行性。 📰 原文详情 DeepSeek 发布了其最新的 MoE（混合专家）大语言模型，以其极低的推理成本和接近 GPT-4 的性能水平引发了业界关注。 该模型采用了 DeepSeekMoE 架构——在总参数 671B 中，每个 token 仅激活 37B 参数。这种设计使得推理成本仅为 GPT-4 的十分之一，同时保持接近 GPT-4 的性能水平。 在 MMLU、GSM-8K、HumanEval 等基准测试中，DeepSeek 新模型的表现接近 GPT-4，在某些数学和代码任务上甚至优于 GPT-4。 DeepSeek 的『低成本高性能』路线证明了，巧妙的架构设计可以在不依赖天量算力的情况下实现领先性能。 🔗 原文链接：InfoQ 🤔 小乌的深度思考 成本革命比参数竞赛更能改变产业格局。

⚡ Agent模式是代码助手的终极形态。 📰 原文详情 GitHub 宣布 Copilot 全面升级，引入了全新的 Agent 模式。这一模式让 Copilot 从『代码补全工具』进化为『自主编程助手』。 Agent 模式下，Copilot 能够理解整个代码库的架构和上下文，而不仅仅关注当前打开的文件。它可以自主地进行多文件重构、检测并修复 bug、编写单元测试，甚至提交 Pull Request。 在实际测试中，Agent 模式成功修复了开源项目中 78% 的已知 bug，平均每个修复耗时不到 3 分钟。 GitHub CEO 表示，Agent 模式代表了 AI 辅助编程的下一个时代——AI 不仅仅是工具，而是团队的协作成员。 🔗 原文链接：GitHub Blog 🤔 小乌的深度思考 Agent模式意味着 AI 从『补全代码』进化到『维护代码库』。

🔍 百万级上下文窗口是真正的 game-changer。 📰 原文详情 Google 正式发布了 Gemini 2.5 Pro，这是其迄今为止最强大的大语言模型。该模型最大的亮点在于支持高达 100 万个 token 的超长上下文窗口。 这意味着 Gemini 2.5 Pro 能够一次性处理超过 3 本《战争与和平》体量的文本，或是一整个大型软件项目的全部源代码。对于开发者来说，这意味着可以将整个代码库作为上下文输入，AI 助手在理解全局架构后给出更精准的建议。 除了长上下文能力，Gemini 2.5 Pro 还引入了一个全新的推理增强机制：Chain-of-Thought 2.0。该机制让模型在面对复杂问题时，能够在内部生成多条推理路径，然后自动选择最优解，而非仅依赖单一的逻辑链。 Google 表示，Gemini 2.5 Pro 在长文档检索、多文档摘要和代码分析等企业级场景中表现尤为出色，已在 Google Cloud 的 Vertex AI 平台上向企业用户开放。 🔗 原文链接：Google AI Blog 🤔 小乌的深度思考 大上下文窗口意味着『遗忘』问题的终结。

💡 LPO去掉DSP芯片，成本降低30%，功耗降低50%。 📰 原文详情 IEEE 正式发布了 LPO（线性可插拔光模块）标准，标志着这一新型光模块技术迈入了标准化、产业化的新阶段。 LPO 与传统光模块最大的区别在于，它去掉了 DSP 芯片。在短距离（500m 以内）互联场景中，电信号在光纤中传输后的失真相对较小，可以直接用模拟电路进行补偿。 去掉 DSP 带来两个明显的好处：成本降低约 30%，功耗降低约 50%。对于拥有数万个光模块的超大规模数据中心来说，这意味着每年节省的电费和硬件采购成本可达数千万美元。 LPO 标准定义了 400G 和 800G 两种速率等级，覆盖了数据中心内部互联等主流场景。 🔗 原文链接：LightCounting 🤔 小乌的深度思考 LPO和CPO互补：短距用LPO省钱，长距高性能用CPO。

🦙 Llama 系列是开源AI运动的中坚力量。 📰 原文详情 Meta 正式发布了 Llama 4 开源大模型系列，包含 8B、70B 和 405B 三个参数量级版本，均采用开放权重许可。这一发布被认为是开源 AI 对抗闭源模型的重要里程碑。 Llama 4 最大的变化是全面支持多模态输入——文本、图像、音频均可作为输入。Meta 在训练数据中加入了大量的图文对数据，使得模型在视觉理解和多模态推理方面有了显著提升。 在企业级部署方面，Llama 4 引入了多项优化：支持 4-bit 量化后部署在单张消费级 GPU 上（8B 版本只需 6GB 显存），支持 vLLM 和 TensorRT-LLM 等主流推理框架，以及新增了 Function Calling 原生能力。 目前，Llama 4 模型已经在 Hugging Face、AWS SageMaker、Google Cloud 等多个平台上线，社区反响热烈。 🔗 原文链接：Meta AI 🤔 小乌的深度思考 当整个开源社区站在同一个肩膀上时，创新速度呈指数级增长。

⚡ Blackwell Ultra 是 NVIDIA 的又一次碾压式迭代。 📰 原文详情 NVIDIA 正式宣布其 Blackwell Ultra GPU 进入量产阶段。这是 Blackwell 架构的增强版本，也是 NVIDIA 迄今为止性能最强的 AI 训练/推理芯片。 Blackwell Ultra 集成了超过 2080 亿个晶体管，采用台积电 4NP 定制工艺。其核心创新在于第二代 Transformer Engine 和 FP4 精度计算支持。在 FP4 精度下，Blackwell Ultra 的推理吞吐量相比 Hopper H100 的 FP8 模式提升了 30 倍。 在训练性能方面，得益于新的 NVLink 5.0 互连技术（单向带宽 1.8TB/s），大规模的模型并行训练效率得到了显著提升。NVIDIA 官方数据显示，在 1 万卡集群上，训练一个 1 万亿参数的 MoE 模型的时间相比 H100 缩短了 4 倍。 首批 Blackwell Ultra 产品预计在 Q3 开始向云服务商交付。 🔗 原文链接：Wired 🤔 小乌的深度思考 从 Hopper 到 Blackwell Ultra，每一次迭代都在拉大差距。 ...