美国机构 Situational Awareness 向初创公司 Source Foundry 投入约 5 亿美元，其中 4 亿美元于本周到账，用于开发新的 AI 芯片制造工具。这笔罕见的大额投入把 AI 竞争从模型和芯片设计延伸到了芯片生产环节。
《经济学人》近期提出一个值得认真对待的治理思路：与其争论大模型是否具备人格或能力边界，不如先像管理危险动物主人那样，让AI实验室对其模型造成的损害承担严格责任。这个话题把AI安全讨论从“模型是否危险”转向“谁为损害负责”。
AI 科普账号 @TheAI0bserver 发布《人人都能看懂 AI》系列第三篇，用“会场聚光灯”的比喻解释 Transformer 与 Attention（注意力机制）如何让 AI 结合上下文理解词语含义。这篇科普把 Token、Embedding、Transformer 三者的关系串成了一条完整的技术链…
MiniMax H3 团队在 Reddit 首次系统回应开放权重后的关键问题：2K 模型确认开源、Sparse Attention 参考实现即将发布、官方低步数版本正在考虑，并首次证实正在从 H3 模型谱系派生专门的图像生成模型。
企业AI应用正在从“鼓励多用”转向“限制乱用”。埃森哲内部会议泄露音频显示，非技术员工大量消耗AI token处理PDF转PPT等低价值任务，导致token开支飙升；Uber也因四个月烧光全年AI预算而紧急封顶员工使用权限。
NVIDIA 展示了一条将 NeMo Retriever、托管 NIMs、LanceDB、重排序与有据生成组合起来的多模态 RAG 流水线，核心是把“能看图的检索增强生成”从实验室拼装推向更标准的企业级部署。
一位用户通过 Tailscale 虚拟局域网把 M2、M5 和 Windows 三台电脑组网，配合 SSH 让 Codex 跨设备调度任务，把闲置设备变成可分工的 AI 工作集群。这件事说明，个人 AI 工作流正在从“单机跑模型”走向“多机分布式协作”。
一位创作者用仅 8GB 显存的 RTX 5070 Laptop 笔记本，把 AI 短片的出图、出视频、配音全流程搬到了本地，核心是“agent 导演 + 本地模型工人”的分工架构。它说明社区流传的“视频模型最低 12GB 显存”门槛并非绝对，量化模型和更聪明的工作流正在降低本地 AI 视频的门槛。
DeepSeek 于 7 月 31 日发布 V4 Flash 0731 模型，在 ARC-AGI-1 Semi-Private 评测中拿到 89.0% 准确率，单任务推理成本仅 0.02 美元；在难度更高的 ARC-AGI-2 上达到 61.4%，单任务成本 0.04 美元。值得关注的不只是分数，而是“接近顶…
Cloudflare 发布了 Kitesurf，一个完全运行在其 Workers 平台上的“代理优先”浏览器，专为 AI 智能体设计，而非人类用户，目前已在 Browser Run 中免费开放 beta 测试。