ChinaTalk 解读 BIS 新规:132 页出口管制如何封堵算力外流
美国商务部工业与安全局(BIS)周一发布 132 页出口管制新规,从三条路径收紧中国获取 AI 算力:对新加坡、马来西亚、泰国、印度尼西亚和巴西的芯片出口设许可证要求,限制中国公司租用海外算力,并再次封堵中国芯片设计公司在台积电代工的通道。
推荐理由:两位前拜登政府国安会官员逐条拆解这份132页规则的三类漏洞封堵方式,并指出美国境内这一未封堵口子。
美国商务部工业与安全局(BIS)周一发布 132 页出口管制新规,从三条路径收紧中国获取 AI 算力:对新加坡、马来西亚、泰国、印度尼西亚和巴西的芯片出口设许可证要求,限制中国公司租用海外算力,并再次封堵中国芯片设计公司在台积电代工的通道。
推荐理由:两位前拜登政府国安会官员逐条拆解这份132页规则的三类漏洞封堵方式,并指出美国境内这一未封堵口子。
前 Google 高管 Chad Steelberg 与 Andy Baynes 创办的防务公司 Tiberius Aerospace 本周宣布完成 8500 万美元 A 轮融资,由 Lakestar 和 Rochefort Asset Management 领投,乌克兰风投 UA1 参投。
Noeri Inc. 以 1.1 亿美元融资启动,由 Menlo Ventures 领投,Madrona、Kindred、Wing、NEA、Snowflake 和 Cisco Ventures 参投。其软件学习企业数据与工作流后主动提出任务改进建议,每条建议附解释并经人工审核,兼容开源与闭源模型。联合创始人 Yejin Choi 称,团队曾用小型模型微调后在斯坦福研究项目上超过 GPT-5。
阿里巴巴发布新一代大模型 Qwen4-Max,其主干包含 2.4 万亿参数,每次推理仅激活 710 亿参数,并配有 3280 亿 N-gram 参数充当缓存。该模型采用四通道残差结构并带门控,注意力机制引入 Gated DeltaNet 与 QSA 以降低处理长提示词的硬件需求和基础设施成本。
推荐理由:读者可了解 Qwen4-Max 在残差通道与注意力机制上的改动,以及这些改动带来的 token 消耗下降幅度。
NVIDIA 公布 Vera Rubin NVL72 在 MLPerf Training v6.1 的首次成绩,性能最高达到 Blackwell Ultra 的 2 倍。这是 Vera Rubin 架构在 MLPerf 的首次亮相,NVIDIA 称其 CUDA 软件栈已相当成熟,该平台在测试中取得最快训练时间。
NVIDIA 介绍如何通过后训练 Nemotron 提升模型在特定科学领域的准确率。文章指出,科研智能体正承担更长、更复杂且更依赖视觉的工作流,准确率与推理效率成为关键。
Meta 已将基于 LLM 的 JiTTests 从研究原型投入生产基础设施,该系统会针对风险代码变更生成应当失败的测试,在合入前暴露行为变化。据 Meta 团队数据,2026 年上半年在 diff 阶段捕获 74 个隐私 SEV,同期隐私 SEV 发生率下降 20%,工程师自报全量规模下真阳性率 60%。
Cmpnd 发布原型优化器 dspy-wsp,将权重空间编程接入 DSPy,由前沿 LLM 在沙箱中读取并直接改写学生模型权重,无需梯度、训练循环或微调数据集。
Meta 构建的 Intelligent Delivery 系统通过 ML 驱动、逐步由 AI 智能体运营的自适应优化层,为每个广告请求动态分配算力,自 2017 年至 2026 年上半年在模型与系统进步之上额外带来约 10% 的排序性能提升。
ChinaTalk 调查发现,Mercor、Surge AI、Turing、AfterQuery 等美国数据公司向中国 AI 实验室出售约 5 亿美元数据,其中包含用于后训练的强化学习(RL)环境,至少找到九家涉事厂商。
Meta 工程团队介绍 Triton 低层扩展 TLX,在保留 Triton 编程模型的同时加入 warp group 与 cluster 级显式编排,并提出介于 SIMT 与 SIMB 之间的 MIMW 抽象。
亚马逊发布第二代表格基础模型 Mitra-v2,同时支持分类与回归,并在 Hugging Face 以 Apache-2.0 许可开放微调模型和推理、微调代码。
推荐理由:读者可以看到表格基础模型如何靠扩大合成预训练数据的规模与多样性取得提升,而不必加深网络。
内蒙古乌兰察布凭借凉爽气候和约为东部一半的电价,在“东数西算”推动下从农业城市变成 AI 算力枢纽,快手、DeepSeek、火山引擎等项目相继落地。当地数据中心运维岗位月薪可达 1 万至 3 万元,但招聘门槛正快速抬高,35 岁限制和本科学历要求开始出现,培训与租房市场也随之升温。一位从业五年的本地工程师讲述了自己从流水线工人转入数据中心运维、亲历行业扩张与事故压力的经历。
印度电子和信息技术部(MeitY)提出“Data Empowerment and Protection Architecture (DEPA) for AI Training”框架,核心是让模型进入数据方训练,而不是把数据交给模型方。
Sebastian Raschka 发布《从零构建推理模型》配套视频课程,共 8 讲、约 11 小时,用 Python 和 PyTorch 从预训练的 Qwen3 0.6B 出发实现推理模型。
Amazon 本周宣布开源 TorchNeuron,这一后端可将 PyTorch 代码转换为可在 AWS Trainium 上执行的操作,已在其他加速器上运行的代码几乎无需改动即可迁移。
Linux Foundation 一项调查显示,生成式 AI 平均让开源开发者的代码编写时间减少 52%,但受访者估计约四分之一的 incoming pull request 属于低质量「AI slop」,大型项目中这一比例升至 31%。
Amazon Web Services 团队提出 Priming 方法,以预训练 Transformer 权重为起点构建混合状态空间模型,把混合架构的预训练成本降低 99% 以上,整个流程消耗不到源模型预训练 token 预算的 0.5%。
推荐理由:亚马逊团队提出复用预训练 Transformer 权重改造混合架构的方法,把预训练成本降低 99% 以上,并给出可复现的模型与代码。
Sebastian Raschka 撰文解释推理模型的推理强度档位如何训练与实现,并以 GPT-5.6 的 Light 到 Ultra 六档设置为例说明推理强度与响应长度、准确率和成本的关系。