NVIDIA 联合微软发布 RTX Spark 与 DGX Station for Windows
NVIDIA 与微软在 Windows AI 活动中宣布合作,推出 RTX Spark 与 DGX Station for Windows。
推荐理由:NVIDIA 联合微软发布 RTX Spark 与 DGX Station for Windows,将本地 AI 算力推向消费级笔记本与企业桌面,为 Agent 持续运行提供硬件基础。
NVIDIA 与微软在 Windows AI 活动中宣布合作,推出 RTX Spark 与 DGX Station for Windows。
推荐理由:NVIDIA 联合微软发布 RTX Spark 与 DGX Station for Windows,将本地 AI 算力推向消费级笔记本与企业桌面,为 Agent 持续运行提供硬件基础。
Amazon Quick 与 Amazon Bedrock Knowledge Bases 引入实时访问控制列表(ACL)校验,通过预检索过滤与查询时向权威源验证的两阶段架构,确保 AI 回答严格遵循企业权限。
微软发布Agent Lightning v1.0,通过LLM代理复用部署端Agent进行强化学习训练,代码仅约3,500行。该框架原生支持Kubernetes,无需商业沙箱服务,在Qwen3.5-9B上仅用6,000个样本在SWE-bench Verified上提升14.6个百分点。
推荐理由:框架通过LLM代理复用部署端Agent,提供轻量级RL训练方案与Kubernetes原生支持。
AWS 发布构建 AI 智能体的指南,旨在填补业务人员从概念认知到动手构建的能力差距。通过为期六周的结构化项目,非技术背景人员利用 Strands Agents SDK 和 Amazon Bedrock 成功构建了多智能体原型。该方案通过导师制与迭代练习,帮助业务团队掌握 AI 工具的实际应用能力。
微软研究播客对话 Jennifer Neville,探讨评估在推动 AI 系统性能边界中的作用,以及模型在传统基准测试之外出现的“意外失败”。Neville 分享了与当前 AI 系统协作的实用指导,并强调当结果违背预期时仔细审视数据的重要性。
AWS 发布指南,协助客户依据 ISO/IEC 42005:2025 标准建立 AI 系统影响评估流程。该标准提供结构化方法,涵盖评估生命周期、触发重评因素及轻量级分类,旨在将 AI 风险识别整合至企业现有风险管理生态中。AWS 同时提供 AIMS 实施指南和 Well-Architected Framework: Responsible AI Lens 等工具支持合规落地。
Claude Opus 5.5 和 Claude Sonnet 5.5 现已在 AWS GovCloud (US) 的 Amazon Bedrock 中提供,支持 FedRAMP Class D 认证。结合 Claude Code 智能体编码工具,开发者可在终端或 IDE 中运行 AI 辅助工作流,同时满足 ITAR 等严格合规要求。
微软研究院开发了一套机器学习管道,针对美国本土66,935个变电站预测空间天气风险,可提前30至60分钟发出预警。该系统在2020-2026年评估期间检测到近80%的主要空间天气事件,Dst预测器在62.2%的高峰时段优于Burton方程。
微软发布Quine,一个面向生物学的多模态世界模型与交互式研究系统。该系统在胰腺导管腺癌研究中,通过预测并优先排序数千种化合物,成功引导湿实验验证了驱动肿瘤细胞状态转变的候选药物,将筛选过程缩短至数天。
推荐理由:微软发布Quine生物研究系统,通过多模态世界模型辅助实验设计,在胰腺癌研究中验证了加速化合物筛选的可行性。
微软亚洲研究院(新加坡)自2025年7月成立以来,致力于将前沿AI研究与新加坡本地生态连接。该实验室聚焦下一代AI模型、智能体系统及领域专用AI,通过医疗、金融等多行业合作推动技术落地。同时,实验室与政府及高校深化合作,共同培养AI人才以支持新加坡的国家AI战略。
微软发布 Physical AI Toolchain,新增支持将物理 AI 推理卸载至边缘或云 GPU 的能力。实测表明,该方案可提升任务成功率,使电池续航延长数小时,并提供基于 Kubernetes 的自动容器化部署工具。
推荐理由:微软发布支持推理卸载的工具链,实测显示可显著提升机器人性能并延长续航。
微软发布并开源分子合成预测模型 RetroChimera,该模型融合 R-SMILES 2 与 NeuralLoc 两种架构,通过集成学习策略在盲测中表现优于单一模型。
推荐理由:模型融合两种架构互补优势并开源,为化学合成路线规划提供了可复用的前沿工具。
微软研究团队开源 GigaPath-Flash 和 GigaTIME-Flash,通过知识蒸馏将原始模型参数量大幅缩减,在保持竞争力的同时使推理成本降低约 50 倍、内存占用减少约 8 倍。这两个 Apache 2.0 许可的研究模型支持全切片表示学习和肿瘤微环境空间蛋白质组学预测,旨在降低计算门槛以推动大规模病理发现。
推荐理由:通过知识蒸馏显著降低算力需求,使病理大模型在大规模队列分析中具备实际可行性。
Microsoft Research 发布 Skala 1.1,在 GMTKN55 基准测试中取得优异成绩。该模型训练数据量增加 2.5 倍,精度超越主流全局杂化泛函。Skala 现已集成至 CP2K,并正在整合进 Psi4、FHI-aims、ORCA 和 VASP。
Microsoft Research 发布 MindTopo 基准测试,评估多模态大模型在拓扑推理与规划中的表现。测试涵盖连通性、包围等五类拓扑属性,结果显示当前模型在静态识别上表现尚可,但在交互规划中常因无法维持结构关系而失败。该基准旨在揭示 AI 在机器人等交互环境中理解拓扑结构的差距。
微软在 Build 2026 宣布推出 Foundry Managed Compute,将 Hugging Face 生态中的精选开源模型纳入企业级托管服务。该服务提供一键部署、自动运行时升级与安全扫描,支持 vLLM 等多种推理引擎,并统一了认证、监控与计费接口。
推荐理由:微软将 Hugging Face 模型纳入企业级托管服务,提供开箱即用的安全与运维能力,降低了开源模型的生产部署门槛。
Hugging Face 宣布 OpenEnv 成为开源智能体强化学习环境标准,由 Meta-PyTorch、Unsloth、Nvidia 等组成的委员会接管。OpenEnv 定位为互操作层,标准化环境发布与部署,支持 Gymnasium API、MCP 协议及 Docker 打包,实现不同训练框架与环境的无缝对接。
推荐理由:开源社区联合成立委员会接管并标准化智能体强化学习环境接口,推动训练生态互操作。
微软发布 DIFF Transformer V2,通过差分注意力机制在保持键值头数量不变的前提下倍增查询头,实现与标准 Transformer 相当的解码速度。该版本移除了 DIFF V1 中导致数值不稳定的逐头 RMSNorm 层,有效消除注意力汇聚现象。相比同等查询维度的 Transformer,DIFF V2 在输出投影阶段拥有更少的参数和计算量。