英伟达力挺开源芯片，AI存储陷超级短缺

今日技术圈热点频出，从底层芯片架构的范式转移，到AI大模型核心计算逻辑的重塑，再到供应链端史无前例的存储短缺，我们正见证着AI基础设施的剧烈重构。此外，更严格的评测基准撕开了模型高分神话的伪装，揭示出真实能力的巨大鸿沟。

硬件与生态

速递｜NVIDIA站台开源AI芯片SiFive，本轮融资获4亿美元，GPU+开放CPU生态双轨并行

英伟达在SiFive最新4亿美元融资中的领投角色，是今天最具战略深度的新闻。这不仅是资本的注入，更是NVIDIA在“GPU+开放CPU”生态上的关键落子。SiFive的RISC-V架构作为一种开放标准，直接挑战了x86和ARM的封闭性。更重要的是，SiFive将兼容NVIDIA的CUDA和NVLink Fusion，这意味着在AI数据中心，开源CPU首次有机会成为与GPU深度协同的标准配置。对于开发者和行业而言，这打破了硬件锁定的潜在风险，预示着未来AI基础设施将更加多元化且开放。

AI救活马桶厂，引爆存储芯片超级周期

如果说CPU是心脏，那么存储就是血液，而现在的血液已经贵到“比黄金还贵”。文章指出，AI需求引发了存储行业四十年来最严重的供需失衡。HBM（高带宽内存）极度紧缺，甚至连日本马桶厂TOTO都因为其高纯度陶瓷静电吸盘技术而股价暴涨。这轮周期的特殊性在于“产能排挤效应”：为了生产HBM，厂商必须牺牲普通DRAM的产能，导致PC和手机内存价格飞涨。对于云厂商和硬件开发者来说，成本控制将成为未来两年的核心难题，这场存储危机将直接延缓部分AI应用的落地速度。

AI 前沿研究

迎接范式革命：最新、最全的大模型Latent Space综述，NUS、复旦、清华等联合出品

当大多数人还在关注模型参数大小时，顶级研究机构已经指出了下一个高地——“潜在空间”。这篇重磅综述揭示了大模型正在经历的底层范式革命：核心计算从人类可读的离散符号空间，转向机器原生的连续潜在空间。这种转变解决了语言冗余和离散化瓶颈，让模型在推理、规划、感知等七大核心能力上实现质的飞跃。对于研究者而言，这意味着未来的优化重点将从“让模型说得更准”转向“让模型在向量空间思考得更深”，这是通往通用AI的关键一步。

南大团队直击大模型高分神话：人类90分，最强模型仅49分

在为潜在空间的技术突破欢呼时，我们也需要清醒地看到现状的残酷。南京大学团队发布的Video-MME-v2基准，通过引入组级非线性评分机制，无情地揭穿了现有视频模型的“高分水分”。在更强调一致性与连贯性的评测下，最强商业模型Gemini-3-Pro得分仅49.4，而人类专家为90.7。更令人意外的是，研究发现“Thinking”（思维链）并不总是有效，在缺乏文本锚点时甚至可能引入噪声。这对开发者是一个重要警示：不要盲目迷信榜单分数，模型在复杂动态场景下的真实推理能力仍有巨大提升空间。

CVPR 2026 | 火山引擎多媒体实验室提出TempR1，显著增强多模态大模型视频时序理解能力

针对上述评测暴露出的时序理解短板，字节跳动火山引擎与南京大学联合提出了TempR1，试图通过技术手段修补这一短板。该创新采用了多任务强化学习框架，通过定制化的时序奖励设计，让模型在时序定位、动作检测等五大任务上实现了性能协同提升。这一研究的价值在于，它不仅提升了单一任务的准确率，更重要的是验证了通过强化学习让模型掌握“时间逻辑”的可行性。对于视频分析、智能监控等应用场景的开发者来说，这意味着更精准的时序推理能力将成为现实。