印度AI基础设施公司AM Intelligence向英伟达订购9000套Vera Rubin系统，并计划在一个80亿美元的项目中提供1GW总算力，这是印度市场在高端AI算力采购上的一个明确信号。
机器人初创公司 Generalist 完成新一轮近 2 亿美元融资，估值升至 30 亿美元。这家由前 DeepMind 和波士顿动力背景研究者创立的公司，正在尝试用类似大模型的“通用大脑”路线，让机器人通过数秒视频就能学会新任务，目前这一赛道已有多家独角兽并跑。
东南亚互联网巨头 Grab 通过引入 AI 代理自动化数据分析流程，将分析师处理机械性工单的占比从 44% 降至 30%，并显著提升自助分析请求的完成比例——这是大模型技术在真实企业复杂业务场景中落地并产生可量化收益的典型案例。
中科天塔自研的航天垂直大模型“华山”已随“辰光一号”卫星完成在轨实测验证，首次实现卫星“数据采集—在轨训练—风险预警—健康评估”的全自主闭环。它让卫星能像智能汽车一样“星上智驾”，自主完成遥测分析与故障预警，大幅降低对地面测控的依赖。
创立仅两年的数据中心软件公司 Emerald AI 完成 1.5 亿美元 A 轮融资，估值达 10.5 亿美元。其核心产品不是优化散热，而是直接调度计算任务，让数据中心在电网承压时主动降低用电，试图用软件解决 AI 算力扩张带来的电力瓶颈。
两位研究人员提出“三元记忆机制”理论，认为大脑记忆依赖神经元、星形胶质细胞与化学分子环境的相互作用，而非计算机的 0 和 1 二进制逻辑。这一理论直接挑战了“算力增强必然带来类人智能”的主流假设。
开发者 ThinkOffApp 用树莓派 5 在车内完整部署了 Qwen3.6-35B-A3B 本地大模型，实现了完全离线的车载 AI 助手，并公开了全部代码和实测数据，展示了消费级硬件上运行大模型的可行性与边界。
开发者 Jon Ready 发布了 vllm-ios，把大模型推理框架 vLLM 的连续批处理机制移植到 iPhone 原生 Swift 环境，在 MLX 上实现 8 个 AI 智能体并发推理，速度比 llama.cpp 快 88%。这意味着移动端跑本地大模型不再是简单的“单聊天”，而是真正开始支持多智能体协…
NVIDIA 在 Dynamo 中推出 Shadow Engine Recovery 预览功能，通过常驻内存的备用引擎，将大模型推理故障恢复时间从数百秒压缩到数秒，显著降低服务中断对用户的影响。
LangChain 与数据集成平台 Airbyte 推出了一项反向深度集成，将 LangChain 作为 Airbyte 的一个目标端（Destination），让开发者能在 Airbyte 的调度框架内直接完成文本切分和向量化，为检索增强生成（RAG）应用提供生产级的数据摄取管道。