Window: 2026-07-09 ~ 2026-07-11
Sources: HN / arXiv / tech blogs / Chinese media / embodied RSS
Date: 2026-07-11
🌟 今日亮点
Apple 起诉 OpenAI :年度 AI 行业司法事件,涉及商业机密、员工流动、端 vs 云路线定义,对 AI 治理与端侧战略双重发酵。
Meta 自研 CXL ASIC 让旧内存进新服务器 :DRAM 供应吃紧、AI capex 高企的背景下,超大规模厂商用硬件工程对冲财务压力,CXL 内存池化从概念进入量产实证。
Multi-GPU 从"高速网络"到"共享内存"范式切换 :CTA-Pipelining 与 GPU-aware OpenSHMEM 两篇工作共同指向——LLM 服务已进入延迟导向、紧耦合内存 fabric 时代。
国产 AI 加速器的实测冷启动数据 :16 卡 Ascend 910 + CANN + vLLM-Ascend 场量化了"离开 CUDA"的真实工程代价,对国产替代路径既是里程碑也是清醒剂。
算法-硬件协同深化 :FPGN 让 FPGA 的 LUT 本身可微分训练,CRIMP 把 crossbar 存内计算的压缩做到可靠水位,SAP 用随机活动预测在乘法器阵列上省电——AI 正在从算法侧渗透到最底层门电路。
1️⃣ AI 芯片
(HN 326):Meta 用一颗自研 CXL 桥接 ASIC 把老服务器上退役的 DDR4/DDR5 内存插回新服务器,通过 CXL.mem 语义暴露给新平台。在 HBM/DDR 供应吃紧、DRAM 现货价被 AI 拉爆的当口,这是超大规模厂商"资本支出摊薄"的教科书操作,也再度验证 CXL 内存池化正在从 PPT 走向机架级量产。
(HN 192):Apple Silicon 高管确认 Mac mini 出货被 AI 端侧推理需求推起来,统一内存架构成为核心卖点。同时释放"未来更多能力跑在设备上"的信号——对 8️⃣ 边缘端侧板块同样是重要背景。
架构,重新审视光纤在超大规模数据中心的角色——将部分远端内存访问下沉到光互连而非扩 DRAM,是一条极其激进但方向正确的路线。
(arXiv cs.AR):专用加速器主导 AI 负载,但 CPU 仍是调度加速器和跑日常服务的关键。文章系统评估 SPEC CPU2026 的代表性,给通用 CPU 微架构与基准选型提供新参考。
2️⃣ AI 编译器与框架
把 AutoGen/LangGraph 那套 LLM 编排与 SymPy/Lean 那套符号计算统一到一个声明式语言里,提供 GENERATE / EVALUATE 两个原语——概率计算和确定性计算在同一份规范里协同,可以看作面向 Agent 时代的"编译器 IR"。
(arXiv cs.PL):基于全局可变上下文做解析树消歧的确定性算法,锦标赛式淘汰竞争推导——对 DSL / 编译器前端在处理歧义语法时有直接工程价值。
(arXiv cs.PL):对 Haskell `deriving` 机制的扩展,支持组合数据类型和多参数场景;由此外溢到 Rust trait / Java Lombok 等以派生生成样板代码的生态。
(arXiv cs.PL):在依赖类型代价验证系统 Calf 中,把物理学派(potential function)和银行家派(type-level credit)两种摊销分析视角统一起来,面向可证明的性能上界。
3️⃣ AI 推理优化(数据中心)
(arXiv cs.DC):多 GPU 系统正从"高速网络互连"演进到"紧耦合共享内存",而现有软件栈仍把 NVLink/NVSwitch 当成快网卡。作者提出以 CTA(线程块)为粒度的空间流水线,针对 LLM 服务从吞吐导向切换到延迟导向的新范式——直接对应 B200 / GB200 集群上的低延迟 serving 场景。
(arXiv cs.DC):随下一代 HPC/AI 系统通过高速内存 fabric 把更大设备域紧耦合起来,PGAS 模型天然适合表达细粒度远端访问,文章推动 GPU-aware OpenSHMEM 规范统一化,与 NCCL/NVSHMEM 生态形成呼应。
部署 LLM-as-a-judge 与多模态服务的实测报告,系统记录"离开 CUDA"的真实工程代价。国产替代路径上一份难得的第一手数据。
(arXiv cs.LG):面向 RAG / Repo-level Coding / Agent 长上下文场景的零样本扩窗方法,动态双焦 RoPE 在超预训练窗口一个量级的输入上仍能工作——对开源权重的生产化部署非常实用。
(arXiv cs.LG):Block-sparse attention 的 top-k 选择过于短视,作者提出信息价值路由器,当第 k 与第 k+1 块得分接近时动态追加预算——直击长上下文稀疏注意力"证据丢块"的老毛病。
4️⃣ 数据中心与基础设施
——自研 CXL ASIC 把旧内存翻新入池,直接压低单位 token 的资本折旧。已在 1️⃣ 详述,此处点名。
(arXiv cs.AR):把光纤定位为"远端内存介质"的机架级/园区级架构提案,若成立将重塑数据中心 memory tier 与光互连 roadmap。
(arXiv cs.DC):共享内存机器上无锁并发 Kaczmarz 求解器的首个系统研究,面向大规模稀疏最小二乘/层析重建——HPC + AI 混合负载相关基础工作。
(arXiv cs.DC):实测 NVIDIA GPU 在 ML 负载下的频率行为,低端 GPU 的频率受最近约 80ms 历史强烈影响——直接挑战了很多 SOTA 延迟预测模型的隐含假设,数据中心调度和 SLO 建模都要重看。
(arXiv cs.DC):面向 Fluid Computing 的编码卸载方案,在 D2D 场景兼顾隐私与对抗性执行——把"云-边-端"资源作为流体统一编排的实践参考。
5️⃣ AI 安全与治理
——Apple 起诉 OpenAI,指控其前员工窃取商业机密。事件影响远超两家公司:一是端侧 AI(Apple Intelligence)与云端 AI(ChatGPT)技术边界的司法定义;二是员工流动、竞业和 AI 模型/权重的知识产权保护先例;三是对开源 vs. 闭源模型披露口径的连锁影响。
(arXiv cs.LG):长尾多标签医学影像模型在分数转决策后"谁被漏诊"的部署前公平性审计,VinDr-CXR 与 MIMIC-CXR/CXR-LT 上给出诊断阶梯——医疗 AI 治理的实用工具。
(arXiv cs.LG):把可解释性引入时序图网络的 memory 模块,追踪哪些历史事件驱动了模型判断——对可审计 AI 与合规部署都是加分项。
与 ESBMC-Arduino: Closing the Deployment Gap for Formal Verification of Open-Hardware PLCs(arXiv cs.AR/cs.PL):两篇工控安全工作把形式化验证从抽象模型推进到真实资源受限微控器——OT/ICS 安全在 AI 时代同样是国家级议题。
6️⃣ 具身智能
(arXiv cs.RO):Model-free RL 训人形在极端坡地上行走的最大痛点是策略被重力偏置逼向低重心保守步态,作者用生物力学先验+物理引导重塑奖励——直击 Unitree/Figure 类真机部署问题。
——考验闭环运动规划在新城市拓扑和执行扰动后的鲁棒性,是当前 E2E 自驾研究急需的评测标尺。
(arXiv cs.RO):无 GNSS 环境下 UAV 的语义地图定位框架,通过稳定持久结构对抗季节/光照/视角/传感器差异——具身智能里"世界模型的定位锚点"这条线。
(arXiv cs.RO):完全走真实数据、不依赖仿真到现实迁移的动态避障方案,数据效率与可解释性并重——对小团队真机部署极友好。
STEMbot 与两篇 Soft Robotic Exogloves、Personalized Exoglove:单目视觉抓取的统一框架、大棚下作物病虫害监测的合规软体机器人、面向康复的个性化气动软体外骨手套——本周具身智能应用侧密度不低。
7️⃣ AI 自动算子与代码生成优化
对稀疏操作数下的动态功耗做在线自适应门控,填补了零检测和结构性功耗门控之外的一片空白——本质是"用小模型替编译器/RTL 做微观自动调优"。
训练,而不是继续把 LUT 当算术运算的乐高——纳秒级推理场景下,是 AI 与硬件联合设计的又一次前沿尝试,与 AlphaEvolve/FunSearch 精神相通。
(arXiv cs.PL):严肃对待 LLM 在反编译函数命名这类任务里的能力评测——把"函数级 ground truth 构造"本身作为核心问题重做,给 AI 参与逆向/安全工作流提供扎实的量化基准。
(arXiv cs.AR):存内计算 crossbar 上的量化与非理想性自适应压缩,消灭浮点尺度因子对 FP 处理器的依赖——把算法-架构协同压缩推进一大步。
8️⃣ 边缘与端侧推理
(HN 192):Apple 高管明说"更多能力将在设备端运行",Mac mini 的 AI 需求由此爆发。对 Core ML / ANE / MLX 生态是持续利好,也是"端侧 AI 是差异化"这条 narrative 的官方背书。
(已在 5️⃣ 详述,HN 351):从技术侧读,案由本身与 Apple Intelligence 的端侧策略强绑定——这一诉讼给"端 vs 云"的路线之争添了法律维度。
(见 7️⃣):可微分 LUT 直接落到 FPGA,是极低比特/极低延迟端侧推理硬件的重要备胎。
(见 7️⃣):存内计算 + crossbar 对齐压缩,天然属于低功耗端侧场景。
Auto-generated · AI Infra daily digest · GitHub Pages