Nvidia 向美国海军研究生院捐赠了一台 DGX GB300 AI 超级计算机，用于训练 AI 人才、运行高保真模拟和构建海军数字孪生环境。此举将美国军方最顶尖的 AI 算力直接投入国防教育与作战仿真，凸显了军事领域对 AI 技术的战略需求。
专业建站平台Duda发布了三项AI新工具，包括对话式Web应用编辑器“Vibe”、内嵌式自定义组件生成器和增强版简报驱动建站功能。这些工具意在将AI的快速生成能力与专业机构所需的安全、定制化和可预测性结合，改变行业对“AI建站仅限简易页面”的固有印象。
多位初创公司创始人公开呼吁特朗普政府不要对中国开源大模型实施限制，认为切断开放权重AI不仅无法阻止中国实验室的进步，反而会破坏全球AI生态，并暴露美国闭源实验室在竞争中的脆弱性。
关于AI数据中心能源消耗的讨论，在Hacker News上引发了一场关于数据、偏见与外部成本的争论。目前美国数据中心用电量约占全国总电量的5%，其中AI相关部分约为2%，但围绕这2%是否“值得”的争论，本质上反映了人们对技术价值的不同判断。
开发者conradqh发布了一款开源工具，用于将ChatGPT Business账户中的对话数据导出到本地，填补了OpenAI官方仅对个人和企业账户提供导出功能、而忽略Business账户的空白。这一举动引发Hacker News社区关注，反映出用户对AI平台数据可移植性的迫切需求。
美国DARPA和空军正在将AI自主飞行控制系统植入F-16战斗机，并进行了实际飞行测试。这不是科幻，而是已经展开的“人机协同”实战化部署前奏——AI控制的战机将与人类飞行员编队作战。
NVIDIA 与 Prime Intellect 联合推出教程，开发者可在 5 分钟内通过 Prime Intellect Lab 平台定制 Nemotron 3 Nano 模型，完成强化学习训练并生成可下载的 LoRA 适配器。此举大幅降低了开源大模型的后训练门槛。
AMD 正计划向 AI 公司 Anthropic 投资最高 50 亿美元，作为一项更广泛 AI 基础设施协议的一部分。这笔投资将直接挑战英伟达在 AI 芯片和算力市场的主导地位，同时为 Anthropic 提供开发大模型所需的计算资源。
Nvidia 正推动“物理AI”在医疗机器人领域的应用，试图通过合成数据与仿真环境，解决真实医疗数据获取难、标注成本高的核心瓶颈，为手术机器人、护理机器人等设备的训练提供更可行的路径。
Nvidia 的 Jetson 边缘 AI 芯片将被用于月球车和绕月卫星，这是 GPU 首次踏上月球表面。这意味着 AI 算力正从数据中心和地球网络，向极端环境下的物理自动化系统延伸。