习近平就发展先进制造业作出重要指示
保录用、全额奖学金！三星、SK海力士争抢韩国大学“顶尖芯片人才”
[程序员] 看来大家的学习热情还是非常给力的，持续学习，大家一起进步！
前端同学们的学习欲望从未消退，继续加油，努力才有机会!
谁说前端会被 AI 淘汰，淘汰的只会是不想进步的油条或者 [富二代] ！
java 全栈搞起来，文档经过持续打磨，质量已经非常高了~学起来
https://github.com/umlink/java-full-stack star:100⭐
Python AI Agent 开发学起来，了解 AI 工作流，你可以替代所有后端
罗福莉沉寂半年官宣小米强化学习！直播新模型训练过程，一小时烧3万美元
清华稳准智能联合发布LimiX-2，结构化数据基础模型登顶国际评测榜单
9月16日，稳准智能联合清华大学计算机系崔鹏教授，发布新一代数据大模型 LimiX-2，模型参数规模提升至400M。在TabArena、BCCO、TALENT三个国际主流结构化数据Benchmark中，LimiX-2总体Elo分数分别达到1935、1432和1506，均位于榜单第一，超过Google、SAP、Amazon等国际大厂的同类模型。
在TabArena、BCCO、TALENT三个国际主流结构化数据Benchmark中，LimiX-2 总体Elo分数分别达到1935、1432和1506，均位于榜单第一，超过Google、SAP、Amazon等国际大厂的同类模型。
LimiX-2 登顶国际主流Benchmark榜单
Elo是衡量模型综合能力的排名指标。TabArena、BCCO、TALENT是国际主流结构化数据模型评测基准，覆盖多类任务，用于评估模型在不同数据集上的泛化能力和预测性能，已成为当前结构化数据基础模型竞争的重要评价依据。
LimiX-2在TabArena上的回归、二分类、多分类Elo均为最优
这次模型能力升级主要沿着3条技术路线推进。
第一是上下文机制网络CMNs（Contextual Mechanism Networks），作为预测依赖关系的系统，将建模重点从预先指定的目标变量，转向变量之间的相互关联；
第二是在预训练阶段升级自动化合成数据的生成引擎；
第三是进一步Scaling，将模型参数规模扩大至400M。
LimiX团队提出上下文机制网络（CMNs），开辟从“目标预测”走向“结构发现”的结构化数据建模新范式。 传统经典 PFNs以指定目标的预测分布为核心； CMNs 则将上下文数据的全变量联合依赖作为建模对象，不仅关注变量取什么值，更着眼于发现变量如何相互关联、共同构成怎样的内在结构。
这一范式转变重新确立了模型的学习目标。LimiX 通过上下文条件掩码建模（CCMM），在不同观测模式下组织跨变量监督，将变量关系推断确立为明确的预训练目标。模型不再仅为某个指定结果学习相关信息，而是通过多种条件预测，共同约束对全变量依赖结构的表达。
这一原则也贯穿网络架构。因而，LimiX 采用单元格级（Cell-Level）建模，以变量在各样本中的观测为基本表示单元，保留列身份、具体取值和缺失状态，支持跨变量、跨样本的信息交互。从数据表示、训练目标到网络计算，整体设计围绕联合依赖建模展开。
在这一框架下，分类、回归、缺失值填补等任务，被统一为对同一数据模型的不同查询。更重要的是，联合关系建模为结合因果假设开展因果骨架发现提供统计基础。CMNs所指向的，不只是更强的预测器，而是以联合建模为基础，以结构发现为方向，面向数据机制归纳的通用数据智能。
在训练数据上，LimiX-2升级了大规模自动化合成数据的生成引擎。结构化数据大量存在于企业内部系统，很难像互联网文本一样被大规模公开获取，因此TabPFN、Mitra等表格基础模型也普遍使用合成数据进行预训练。LimiX-2 可以自动生成线性、非线性、多变量交互、周期变化和噪声扰动等不同分布的数据，让模型在进入真实企业之前，就接触更多的数据结构和变量关系。
继去年11月，稳准智能发现并提出“结构化数据基础模型遵循Scaling Law”之后，此次新模型再次沿着这一技术路线，进一步将模型参数规模提升到400M。参数增至400M，将让LimiX所选技术路线在更大规模和尺度上得到验证，获得更强的泛化能力，因果关系规律的挖掘和稳定表达优势也能得到进一步的发挥。
除了各项榜单体现的分类、回归等预测能力外，LimiX-2在因果发现方面也展现出技术突破性。传统因果发现方法依赖专家先验或严格的统计假设，难以应对高维企业数据。LimiX-2采用上述一系列创新性技术路线后，在Sachs, UF，Causal Chamber等多个因果发现公开标准数据集上显著领先传统因果发现方法。
LimiX-2 在因果发现评测上显著领先
截至2026年世界人工智能大会，上一代LimiX已完成800余个跨行业、跨场景的公开数据集验证，并实现60余个真实场景落地。此前在多个真实场景的验证中，LimiX把过去“一项任务训练一个专用模型”的传统机器学习方式，转变为由一个基础模型跨场景、跨数据集的通用预测能力。工艺参数优化、设备故障预测、电力预测、能耗优化和材料科学，都是目前较典型的应用方向。
跟LLM赛道发展类似，结构化数据基础模型即将迎来GPT3时刻，国际竞争烈度不断增强。Google、Amazon、SAP等多个国内外知名团队不断加速模型研发进程，LimiX等的中国技术团队也在持续打磨自创技术路线，并探索形成依托产业场景驱动模型迭代的中国模式。
稳准智能首席科学家崔鹏表示：“LimiX-2 的发布和此次Benchmark 成绩，是团队在结构化数据大模型方向持续探索的重要阶段性成果。我们仍将长期坚持这一技术路线，并不断提升模型对数据规律和变量因果关系的理解能力。未来，我们将继续推动模型在因果智能方向上的发展，助力人工智能更快速地从预测走向决策。
技术报告标题：LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence
技术报告地址：https://arxiv.org/abs/2609.17488
Github：https://github.com/limix-ldm-ai/LimiX
Huggingface：https://huggingface.co/stable-ai/LimiX-2
model scope: https://modelscope.cn/models/stable-ai/LimiX-2
基元律动与无问芯穹达成战略合作，推进高质量Token供给与应用
2026年 9 月 15 日，AI基础设施公司基元律动（TokenRhythm）与无问芯穹（Infinigence AI）签署战略合作协议。双方将结合无问芯穹的Agentic Infra产品及服务体系与基元律动的多模型服务、智能路由能力，围绕高质量Token的供给、调度与应用展开合作，共同开拓市场。
图注：基元律动与无问芯穹战略合作签约仪式
AI基础设施服务商是基元律动商业模式中的重要伙伴。基元律动连接模型供给与业务需求，通过智能路由和任务执行，让模型能力在具体场景中发挥更多价值；无问芯穹则依托在模型算法与芯片硬件之间实现极致效率与成本优化的能力，为模型训练、推理和部署及强化学习等任务提供高效、稳定的支持。双方希望将应用、模型与基础设施纳入更完整的客户方案，缩短从技术验证到业务使用的过程。
据基元律动介绍，随着公司快节奏地发展，已形成了从产品上线、用户获取、多模型调用到模型能力优化的业务闭环。其工程能力支持产品快速交付，智能路由可根据任务需要组织模型，开源产品、API和企业场景则构成不同的获客入口。使用过程中形成的有效反馈，可以进一步用于改善路由与模型能力。
这套业务体系也为基元律动与无问芯穹的合作提供了基础。对于无问芯穹，已有产品、用户入口和任务需求的应用伙伴，有望带来持续的模型调用和资源需求；对于基元律动，稳定的基础设施供给则有助于承接更多任务，并支持模型迭代。下游的实际需求与使用反馈，也能为上游资源配置和技术优化提供依据。
模型供应链是另一项支撑。据悉，基元律动已首发接入Qwen-3.8-Max及牛来（GLM-5.3-Flash），与上游厂商的合作为模型供给及调用质量提供保障。智能路由在此基础上，根据任务要求、模型能力和成本选择调用方式，让不同模型在适合的任务中发挥所长。
根据协议，无问芯穹将以稳定高效的Agentic Infra产品及服务体系，为基元律动持续扩大的Agent业务规模提供底层支撑，助力基元律动打通从基础设施到企业级Agent应用的闭环。双方将根据业务发展，同时面向重点行业与典型场景开展联合验证，探索通过企业协作平台实现Agent能力接入与应用延展，共同构建企业级Agent交付体系。
双方此前已在NeoHorse-1研发中开展合作：无问芯穹提供底层基础设施支撑与Infra优化技术能力，以推理优化技术支撑大规模推理任务，并以弹性训练系统提升训练效率与稳定性。此次，双方计划将合作进一步延伸至企业方案设计、试点验证、客户拓展和项目交付，覆盖代码开发、企业协作及私有化部署等场景。
接下来，双方将围绕具体客户需求联合推进方案与交付，让上游基础设施更直接地承接应用需求，让下游产品获得持续的技术支撑。通过这一分工，双方希望减少客户协调多方的工作，缩短从技术验证到业务使用的周期，推动模型、基础设施与Agent应用之间形成更高效的协同，共同开拓更广阔的Agent服务市场。
雷峰网 雷峰网
华为坤灵升级“4+10+N”场景化方案，发布“经纬计划”和50个样板点
[中国，上海，2026年9月16日] 今日，华为坤灵新品发布会2026在上海举行。华为常务董事、ICT BG CEO杨超斌宣布，华为坤灵全面升级 “4+10+N” 一站式场景化方案，发布20款新品，并面向中国分销伙伴发布“经纬计划”和50个样板点，让智能世界触手可及。
华为常务董事、ICT BG CEO杨超斌发表主题演讲
围绕四大特质，升级“4+10+N”场景化方案
在企业加速智能化转型的过程中，网络、存储、安全成为高效释放AI算力的关键要素。但在分销市场，企业仍存在共性挑战，包括产品功能单一、跨产品集成难、部署周期长、运维效率低等。
为解决以上挑战，华为坤灵围绕“化繁为简、开箱即用、智驭智维，品质普惠”四大特质，聚焦智能办公、商业、教育、医疗四大核心场景、十个场景化方案及N个明星产品，全面升级“4+10+N”场景化方案。
杨超斌表示：“全场景智能化前景广阔，华为坤灵将坚定围绕‘4+10+N’持续打造一站式场景化方案，把复杂留给自己，把简单留给客户和伙伴。”
发布“经纬计划”及50个样板点
为更高效服务客户，华为坤灵发布“经纬计划”，通过全域联动1.5万多家工程商伙伴，构建覆盖全国300个城市的销售与服务网络。目前，华为坤灵已在全国300个城市的核心商圈、电脑城、工程商密集区域，识别1万多个网格，极大拉近华为坤灵与最终用户的距离，提升服务响应速度。
同时，华为坤灵发布50个样板点，为广大客户提供智能化实践参照，助力更多企业走好智能化转型之路。
从百美元到数千美元，AI互联为什么越卖越贵？
2026年的CIOE中国光博会，人潮如织。
社交媒体上甚至有人开出2500元一场的讲解费，希望找到业内人士陪同参观。走进场馆后更直观的感受是，今年光博会几乎所有与AI相关的环节都在升温：从光模块、光器件，到高速互联和数据中心基础设施，AI需求正在把原本相对垂直的光通信产业链整体推向更高热度。
Astera Labs也出现在今年光博会。这家2017年成立的美国半导体公司，最早从PCIe Retimer切入高速互联，如今产品已经延伸至铜互联、光互联和机架级连接；截至九月，这间公司市值已接近500亿美元。
“算力需求越高，处理器之间的数据交换就越需要快速传输，互联这套‘神经系统’也必须跟上。”Astera Labs总裁兼COO Sanjay Gajendra对雷峰网表示。
这股热度背后，是AI基础设施规模持续扩张带来的互联压力。当GPU从几颗扩展到几十颗甚至成百上千颗，处理器之间的数据传输效率，开始直接影响整套基础设施的性能。
铜光之争，最后要算Token成本
为什么早在2017年，大语言模型尚未得到广泛应用时，Astera就开始押注互联方向？
“我们当时判断，那些为上一代处理器设计的连接架构，在单台服务器拥有10个乃至今天数十个处理单元时，将无法继续支撑系统需求。”Gajendra说。
当时常规服务器通常围绕1至2颗CPU设计，存储、网络等设备更多作为外围I/O存在；但随着CPU、GPU、SmartNIC等越来越多处理器开始同时进入服务器，系统内部需要交换的数据量迅速上升。
“就像一台机器里有了很多个‘大脑’，原本围绕少量处理器设计的互联架构，已经难以继续支撑它们之间的数据交换。”Gajendra解释。
来到2026年，这一问题随着AI的发展进一步放大。Gajendra将今天互联架构面临的挑战概括为三个变量：速率、规模和功耗。Astera Labs成立前后，PCIe单通道速率还处在8 GT/s级别，如今已经提升到64 GT/s；AI系统也从早期4至8颗GPU，向数十、上百及更大规模扩展。
“为了跟上当前AI部署的步伐，数据传输速度每年都在翻倍。”Gajendra说。规模扩张带来的同时，通信延迟必须尽可能低，同时还要维持内存一致性和处理器之间的同步；系统规模扩大后，互联本身的功耗也产生了约束。
这种扩展带来的压力，已经对铜光边界带来了改变，打破了短距离更多使用铜、长距离转向光互联的惯性思维，距离已经不再是决定使用光还是铜的主要变量。Gajendra认为，决定机架内部何时进一步从铜转向光，最核心的两个变量是传输速率和GPU规模。
对于200G/lane级别的连接，铜互联依然可以胜任；进一步走向400G/lane之后，光将更多进入机架内部，GPU数量增加带来的连接密度和散热压力，将进一步影响客户选择铜互连还是光互联。
除了以上两点，让铜光边界变得更复杂的，还有成本。所有厂商最终都要算一笔账：不同连接方式，对应的整套系统Token成本究竟是多少。
光博会现场，Astera Labs的工程师告诉雷峰网，下一代AI系统中，铜和光不会简单形成替代关系。大量短距离连接仍然适合使用成本更低、技术更成熟的铜；而当系统扩大到数千张GPU、跨越多个机架时，衡量连接方案的指标会进一步变成整套系统的单位Token成本。
工程师进一步提到，以英伟达NVL72的72-GPU scale-up域为参照，当计算需求继续扩大后，更大的scale-up域可能减少数据频繁经过scale-out网络。后者通常还需要经过网卡、以太网或InfiniBand交换机等多个子系统，引入额外延迟和系统复杂度。借助光互联扩大scale-up规模，因此可能进一步优化单位Token成本。
在具体技术路径上，Gajendra判断，NPO（近封装光学）将在2027年前后开始进入scale-up部署；CPO（共封装光学）目前虽然已有小规模应用，但在scale-up域的更大规模的部署可能要到2029至2030年以后。
从这个角度看，AI互联面对的问题已经不只是“数据怎么传得更快”，而是如何用不同的连接方式组织越来越多GPU，并让整套系统以更低成本输出更多Token。（关于scale-up域互联的更多信息，欢迎添加作者微信treelog10交流，互相学习）
资本开支趋稳，价值量继续上移
过去两年，AI基础设施最直接的增长逻辑，是超大规模云厂商持续提高资本开支。
但很显然，这种投入不可能永远维持相同增速。当被问及未来一两年头部云厂商放缓AI数据中心建设，是否会影响Astera Labs这样的连接厂商时，Gajendra没有否认这种可能。
他认为，AI目前仍处于基础设施集中建设阶段，仅美国超大规模云厂商已经公开承诺了超过1万亿美元的数据中心投资；但随着大规模建设逐渐完成，资本开支在未来几年终究会趋于稳定。
市场对这一增速能维持多久也越来越敏感。据公开信息，微软、Alphabet、亚马逊、Meta和Oracle五家AI超大规模厂商2026年的资本开支合计约7950亿美元，2027年将接近1.08万亿美元，市场在密切关注这轮支出是否会出现放缓迹象。
对Astera而言，答案并不只是等待云厂商继续扩建更多数据中心，而是提高自己在每颗加速器周围能够获得的价值量。Gajendra给出了一组直观的数字：早期只有Aries PCIe Retimer时，Astera每颗加速器对应的产品价值量不到100美元；后来加入交换芯片和内存产品，这一数字上升到数百美元；到了scale-up交换阶段，每颗加速器对应的价值量已经达到数千美元。
显然，scale-up是Astera正在加码的方向。Gajendra透露，公司原本预计Scorpio系列要到今年第四季度才会成为收入规模最大的产品线，但这一节点已经提前至第三季度。
除了提高单颗加速器对应的产品价值量，Gajendra还把推理市场视为另一个增长来源。
他认为，训练和推理虽然对互联都有高带宽、低延迟和低功耗的共同要求，但两类工作负载的侧重点并不完全相同。训练更依赖计算能力，推理则相对更看重内存和低延迟。
与训练主要集中在大型数据中心不同，Gajendra认为推理市场的参与者和系统形态会更加分散。“尤其是在推理市场，会有更多客户进入。这是一个非常分散的市场，会有很多参与者、很多系统。”Gajendra说。
未来的连接需求，未必只取决于少数头部云厂商继续建设多少超大规模训练集群。随着AI从训练进入大规模推理，连接需求可能进一步扩展到更多不同规模、不同部署形态的系统。
当客户的规模和部署形态进一步增加，连接厂商面对的也不再是一套相对统一的需求。不同市场、不同类型客户对标准化程度、产品迭代速度和系统定制的要求正在逐渐拉开。
这种差异，在中美两类AI基础设施市场中表现得尤其明显。
<
影石法务部称遭遇有组织黑水军攻击：已有同行业公司高管被行政拘留，举报者获奖 1 万元
IT之家 9 月 17 日消息，影石法务部今日发文称，近日，影石再次遭遇有组织黑水军攻击，全网多平台出现批量账号密集发布不实信息。影石对网络黑产零容忍，已全面固定证据，必将依法追究到底。事实上，已有黑灰产团伙被刑事拘留、同行业公司高管被行政拘留。
2025 年，我司收到举报线索，称有组织利用亚马逊平台，对我司在售产品实施恶意刷差评的不法侵害行为。我司第一时间向公安机关报案。公安机关侦查后捣毁该黑灰产团伙，其中 3 名犯罪嫌疑人被刑事拘留。
经查明，幕后组织者系某影石同行业的公司高管。其雇佣黑灰产团伙，指使留学生发布虚假差评，如谎称影石一款仅支持插电使用的产品“存在电池续航问题”，抹黑影石在海外平台的声誉。该高管对违法事实供认不讳，公安机关已依法对其行政拘留。
我们再次正告所有黑产链条上的参与者：网络空间不是法外之地，影石将继续以创新回击恶意。
也欢迎广大网友继续向我们举报网络黑水军线索，影石将向其中经审核有价值者发放奖金，迄今已发布四轮，多人单次获奖 1 万元。影石法务部邮箱：legal@insta360.com
广电总局：电视“套娃”收费治理显著，全国电视频道虚假宣传医药广告已全面清除
IT之家 9 月 17 日消息，国务院新闻办公室今天举行“开局起步‘十五五’”系列主题新闻发布会，国家广播电视总局（简称广电总局）有关负责人介绍“十五五”时期加快推动广播电视和网络视听高质量发展有关情况。
据央视新闻报道，会上介绍，过去三年，广电总局联合多部门持续推进电视“套娃”收费和操作复杂治理，成效显著。进入“十五五”，将在“双治理”基础上，向服务和体验“双提升”迈进：
推广一体化电视等新型终端，更好满足人民群众便捷操作需求。今年，广电总局会同工信部，制定一体化电视技术标准，将机顶盒功能以软件形态内置于电视机中，打造极简终端形态，一台电视即可畅享直播、点播等全类型电视业务，用户配备通用遥控器，可一键开关机、一键看频道节目。当前广电总局正组织各方全力推进，考虑到相当数量的老旧电视机不支持一体化升级，将先部署数千万，随着家庭存量电视换新升级，“十五五”将实现一体化电视更广范围覆盖。
强化公共服务保障，扩大“双提升”成果惠及面。面向养老院、残疾人服务机构等公共场所和农村，开展服务提升工作。目前已有 113 万台公共场所终端和 4,041 万农村用户全面实现开机看直播、开机无广告、“重温经典”频道接入等。“十五五”广电总局将持续改善公共场所和农村电视体验，进一步提升广电视听适老化和无障碍服务水平，推动“双提升”提质扩面。
治理虚假宣传医药广告，营造健康清朗视听环境。截至今年 3 月底，全国电视频道虚假宣传医药广告已全面清除。持续开展监测排查，畅通投诉渠道，坚决防止问题反弹。“十五五”广电总局将深化广电视听广告播出违法违规问题治理，让群众看得安心、看得放心。
强化法治保障，更好维护人民群众收视权益。为确保治理不反弹，广电总局持续健全监管机制和法规体系。
发展以电视大屏为核心的家庭综合智能终端，丰富人民群众数智生活新场景。广电总局将着力打造集视听节目、康养陪护、少儿教育、智能家居等功能为一体，支持方言语音、手势交互、跨屏联动的智能终端，让老人、孩子都能轻松畅享丰富多彩的数智生活。
国家广播电视总局副局长何飚介绍，面向“十五五”，积极推进广播电视和网络视听两大业务深度融合、协同发展，牢牢把握意识形态、公共服务、技术产业三大属性，统筹好广播电视网、IPTV、互联网电视和公众互联网这四个业务层次。
何飚介绍，巩固提升广播电视，创新发展网络视听，融合聚合形成合力，大力推动两个“挺进”：让广电媒体全面挺进互联网主战场、让广电视听挺进经济社会发展主战场。
此外，国家广播电视总局将积极推动人工智能创新融合应用，既发挥其所长，又规范其所短，管好用好人工智能在广电视听行业的应用；还将建设新型广电网络，加快发展超高清，推广普及一体电视，让老百姓看电视更方便、更舒心。
OPPO ColorOS 17 新增记忆后台，应用完全保活率提升 55.6%
IT之家 9 月 17 日消息，ColorOS 17 发布暨开发者大会正在进行中。新一代 ColorOS 17 将适用于 OPPO、一加、realme 三大品牌。
IT之家从官方获悉，ColorOS 17 搭载全新潮汐引擎，支持个性化感知调度。官方称，该系统可学习用户使用习惯，进行个性化资源调度。
据介绍，ColorOS 17 推出“记忆后台”，强调后台留存质量而非单纯数量。官方数据显示，应用完全保活率对比上一代提升 55.6%，同内存机型后台保活率平均提升 55.6%。
在流畅性方面，ColorOS 17 的应用链接跳转速度提升 15%，三方相册滑动加载速度提升 50%。
极光引擎负责“省”，应用内存最高降 25%，渲染负载降 30%；另一个潮汐引擎负责“调”，把后台保活率拉到了 55.6%，前台丝滑，后台不乱杀。
OPPO 表示，“记忆后台”可逐渐学习用户使用习惯，提升精准后台留存能力。该机制也是老机型流畅优化的一部分。
官方称，老机型升级 ColorOS 17 后，同内存机型后台保活率平均提升 55.6%，目标是让每一 GB 内存提供更流畅的体验。
OPPO 软件工程事业部总裁唐凯在会上宣布：全球 ColorOS 活跃用户超 7.7 亿，覆盖 90 多个国家和地区。OPPO、一加、realme 将全面升级 ColorOS。