AWS Machine Learning BlogAssemblyAI 如何在 AWS 上使用 EC2 Spot 实例优化语音转文本推理成本
AssemblyAI 通过混合使用 AWS 的 EC2 On-Demand 和 Spot 实例，并利用 Amazon ECS、SQS 和 EventBridge 构建弹性架构，以 3.5 倍的速度提升 GPU 实例利用率，在欧洲 AWS 区域内实现成本降低并满足服务等级协议（SLA），其推理平台部署在 g4dn、g5、g6 三种 GPU 实例家族上。
实时
#具身智能
- AWS Machine Learning Blog
Ai2 Blog4040XYBench：解决提问背后问题的基准测试
XYBench 发布，包含 8K+ 问题测试 AI 助手如何应对基于误解的请求；Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B 和 DeepSeek-V4 Pro 在测试中常聚焦原错误方法而非用户实际目标。
- AWS Machine Learning Blog
使用 Amazon Bedrock 和 Spring AI 构建自主 AI 智能体
Java 团队可以利用 Amazon Bedrock 和 Spring AI 构建自主 AI 智能体，解决可扩展性、治理、安全和运维问题。Spring AI 通过 Spring 模式（自动配置、依赖注入、可组合顾问）为 JVM 带来 AI 能力，而 Amazon Bedrock AgentCore 平台支持框架和模型无关的智能体构建、连接和优化。
Google DeepMind精选7676Google DeepMind 发布 Gemini Robotics 2.5 视觉-语言-动作模型
谷歌 DeepMind 发布了 Gemini Robotics 2.5，称其为目前能力最强的视觉-语言-动作（VLA）模型，在 200 项任务上相比此前基线成功率提升 30% 至 100%，完成任务速度快 20% 至 30%。
推荐理由: 官方披露了 200 项任务评测与奔驰产线 96% 成功率的实测数据，可据此判断 VLA 模型在真实工业场景的落地程度。
NVIDIA Newsroom精选7878NVIDIA 在 CoRL 发布 GR00T 2 世界动作模型与 Isaac Lab 3.0
NVIDIA 在 CoRL 上发布开源世界动作模型 GR00T 2，基于 NVIDIA Cosmos 构建，使用 10 万小时 NVIDIA 开源人类第一视角数据训练，可在无任务专属演示的情况下完成 50 项评测任务中的 40 项。
推荐理由: 原文给出 GR00T 2 在少样本任务上的成功率与 Isaac Lab 3.0 的训练吞吐提升，可据此判断仿真训练对机器人落地的推进程度。
Hugging Face Blog精选7171NVIDIA 发布 Cosmos 3 四个开源世界模型检查点
NVIDIA 在 Cosmos 世界模型平台下新增四个 Cosmos 3 开源权重检查点，均为 Cosmos 3 Nano 的后训练版本，含 16B 可训练参数，采用 OpenMDW1.1 许可，允许商用与非商用。
推荐理由: 原文给出四个开源权重检查点及四阶段后训练配方，读者可据此判断如何把世界模型适配到自有传感器与机器人本体。
- Ai2 Blog
Olmo 3 获 Nextcloud 最高道德评级
Nextcloud 因其开源协作平台被德国联邦政府和西班牙 CSIC 等机构使用，选择 AI 模型需满足公共组织的透明度和问责制要求，Olmo 3 获得该公司最高道德 AI 评级：绿色。
- AWS Machine Learning Blog
使用 Strands Agents 的自适应智能体框架
自适应智能体框架 (AAIF) 使用 Strands Agents，通过本地小语言模型 (SLMs) 处理常规任务，复杂请求则路由至 Amazon Bedrock 云模型，降低成本并保持低延迟。
- Hugging Face Blog5858
NVIDIA 在 Hugging Face 发布 SimReady Central，开放 2000 多个仿真就绪 3D 资产库
NVIDIA 在 Hugging Face 上线 SimReady Central Library，汇集 2000 多个可直接用于仿真的 OpenUSD 资产，覆盖机械臂、夹爪、仓储设备、机架和冷却设施，免费且无需申请即可使用。
NVIDIA Blog5858NVIDIA 欧洲合作伙伴扩展计算能力，构建主权、开放且安全的 AI 智能体云生态
NVIDIA 欧洲合作伙伴正扩展区域计算能力，支持模型训练与推理，帮助开发者构建 agentic 和物理 AI 应用。Nscale 使用 NVIDIA DSX 平台实现 37% 更多 GPU 和 50% 更高推理吞吐量，Crusoe 开发液冷 AI 工厂支持低延迟推理，Nebius 采用 NVIDIA Groq 3 LPX 加速敏感应用。
- Hugging Face Blog精选6666
NVIDIA 发布 Cosmos3-H-Dreams 手术生成式模拟模型
NVIDIA 发布 Cosmos3-H-Dreams，把交互式生成模拟扩展到临床胆囊切除场景，可依据器械动作实时生成手术画面。
推荐理由: 原文交代了从桌面缝合到临床胆囊切除场景的迁移路径，以及四步与两步蒸馏检查点之间的质量与延迟取舍。
- NVIDIA Blog
NVIDIA RTX Spark 笔记本电脑正式发售，搭载 Blackwell RTX 显卡和 AI 平台
NVIDIA RTX Spark 笔记本电脑开始发售，配备 Blackwell RTX 显卡、最高 128GB 联合内存和完整的 NVIDIA AI 平台，起售价 2399 美元，由华硕、戴尔、惠普、联想、微软和微星推出，为便携设备带来强大的本地 AI、内容创作和游戏能力。NVIDIA 在全球举办发布会庆祝，包括柏林活动，创始人黄仁勋惊喜现身。
Meta EngineeringMeta 如何通过 AI 原生工程构建 Forum 应用
Meta 使用 AI 智能体参与工程流程构建 Forum 应用，将 AI 视为工程过程的参与者而非辅助工具。该实验以生产就绪成果而非代码量衡量成功，通过 Human-On-The-Loop 模式让 AI 自主执行计划、实施、测试和验证，工程师负责设定目标、监督和验收。
- NVIDIA Blog
北欧与NVIDIA展示区域对先进计算的承诺如何推动技术发展
北欧地区已成为欧洲独角兽企业密度最高的地区，每百万人口诞生最多价值10亿美元的初创公司。NVIDIA在过去一年中投资了北欧的技术生态系统，包括瑞典的Lovable和Legora等领先初创企业。
- NVIDIA Blog
英伟达与微软联手为 Windows PC 开启 AI 代理新纪元：RTX Spark 与本地 AI 计算器
英伟达与微软合作推出 RTX Spark 笔记本电脑和 Windows AI 代理基础设施，支持本地运行 125B 参数 Qwen 3.8 Flash Next 模型；微软发布 MXC 操作系统级容器保障代理安全运行，预购 RTX Spark 从今日起开放，搭配 Grace Blackwell 芯片，提供高达 20 PFLOPS 推理性能。
- AWS Machine Learning Blog
AWS 推出自动化价值模型，重新定义智能体自动化商业案例
AWS 提出自动化价值模型，重新定义智能体自动化商业案例。传统 RPA 投资回报模型忽略智能体自动化在异常处理、决策质量、流程适应性和价值实现方面的价值。企业需考虑释放工时的再部署价值或现金成本降低，以及异常修正成本，才能构建可信的商业案例。
Anthropic Research精选7171Anthropic 研究：机器人目前能完成哪些工作
Anthropic 发布机器人暴露指数研究，用 Claude 评估 O*NET 约 1.9 万个任务，发现现有机器人可完成美国 74% 的体力任务、占全部工作时间的 34%，但多数限于受控环境。
推荐理由: Anthropic 用 Claude 给 O*NET 任务逐条评级，量化机器人当前能覆盖多少工作，并给出成本与监管的约束条件。
- Google DeepMind
Gemini 3.8 Live with Live Avatar 发布，将实时视觉呈现融入对话 AI
Gemini 3.8 Live with Live Avatar 发布，通过将实时视频生成与语音原生耦合，为 Gemini 对话 AI 增强近实时视觉呈现能力，支持 97 语言同步，可在 Gemini Enterprise 中使用。
Microsoft ResearchMicrosoft Research 探索将物理 AI 推理卸载到边缘或云 GPU 的优势。
将物理 AI 推理卸载到边缘或云 GPU 可显著提升机器人任务成功率、支持更大模型并延长电池寿命。在移动操作任务中，卸载推理使机器人响应速度和准确性提升，电池续航增加，成本降低。Microsoft Research 开发了基于 Kubernetes 的工具集，支持在机器人、边缘设备和云端进行分布式推理部署。
Meta AI BlogMeta AI 的 DINOv3 和 SAM 模型助力匹兹堡大学重塑辅助机器人
Meta AI 的 DINOv3 和 SAM 模型在边缘计算中实现实时感知，支持匹兹堡大学 RAMMP 项目开发辅助机器人，通过自然语言与图像数据交互，降低用户认知负荷，已在原型中集成自动门按钮检测、杯子识别及导航辅助功能，并计划增加语音和触控输入支持。
LangChain Blog开源大语言模型已跨越关键阈值
开源大语言模型 GLM-5 和 MiniMax M2.7 在文件操作、工具使用和指令遵循等核心智能体任务上，与闭源前沿模型（如 Claude Opus 4.6、GPT-5.4）表现相似，工具调用可靠且指令遵循一致。
