训练侧的门道：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。
AMD 宣布以 82 亿美元收购 World Labs，后者专注理解物理现实的深度学习模型。World Labs 创始人李飞飞将加入 AMD 出任执行副总裁兼首席科学家，双方去年已建立推理优化与训练合作。World Labs 首款产品 Marble 可用于制作娱乐体验，也能为机器人训练生成模拟环境，交易预计在年底前完成，尚待监管批准。
推荐理由：这笔 8.2 亿美元收购把世界模型与芯片路线绑在一起，读者可据此观察 AMD 与 Nvidia 在 AI 芯片生态上的竞争走向。
NVIDIA 加入由 Google DeepMind、EMBL-EBI 等组成的联盟，通过 AlphaFold Database 开放 2800 多种病毒的蛋白复合物预测 3D 结构，供任何科学家免费使用。
推荐理由：NVIDIA 联合 Google DeepMind 等机构开放 2800 多种病毒的蛋白复合物预测结构，并开源生成流程，读者可了解开放科学在疫情准备中的具体做法。
小米发布 MiMo-V2.6 系列，包含原生全模态模型 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash，并推出输出速度最高提升 20 倍的 MiMo-V2.6-Pro-UltraSpeed。
推荐理由：小米 MiMo-V2.6-Pro 以 1T 总参数、42B 激活参数登顶开源权重榜，并公开 RL 环境与训练配方，可观察开源前沿模型的成本与透明度变化。
NVIDIA 在 MLPerf Inference v6.1 中首次提交 Vera Rubin NVL72 预览成绩，在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由：MLPerf v6.1 成绩单给出 Vera Rubin 与 GB300 的吞吐、扩展效率和软件优化数据，可据此比较两代平台的推理经济性。
Salesforce 在 Dreamforce 上发布其首个 CRM 推理模型 Koa，该模型基于 NVIDIA Nemotron 3 Super 后训练而成，训练数据来自近三十年企业 CRM 部署的专有合成数据集。
NVIDIA 在 AI Infra Summit 上介绍 DSX 平台，用于在固定电力预算内提升 AI 工厂的 token 吞吐。
推荐理由：NVIDIA 官方给出 DSX 各组件在真实部署中的量化结果，可据此判断固定电力预算下算力密度的提升空间。
NVIDIA 在 AI Infra Summit 上公布 Vera Rubin 系统与 DSX 平台的多项能效进展，提出以每兆瓦有效 token 数衡量 AI 基础设施。
推荐理由：NVIDIA 公布 Vera Rubin 与 DSX 平台在每兆瓦 token 产出上的多项实测数据，可据此判断 AI 工厂的能效与成本走向。
Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 倍以上，已通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 开放学术研究免费使用。
推荐理由：读者可了解 9 亿单核苷酸变异预测数据集的规模，以及 AVI 评分如何把编码与非编码区变异统一排序。
Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为目前最先进、最准确的全球天气模型，据 Brightband 的独立实时评测。
推荐理由：官方给出分辨率、更新频率与降水精度提升幅度，可据此判断 AI 天气预报在 Google 产品中的落地程度。
Google DeepMind 发布 WeatherNext AI 模型，在气旋路径、强度和风场结构预测上达到 SOTA，平均多出一天预警时间，相当于气象领域约十年的进展。
推荐理由：原文给出气旋预报精度提升与开源权重，读者可据此判断 AI 天气模型的实际可用边界。
微软研究院提出 Echoverse，为 computer-use 智能体构建 12 个训练世界，包括 10 个深度领域世界和 2 个能力世界，每个世界都复现应用的真实行为并保持跨屏幕和用户的状态一致。
推荐理由：微软研究院公开了 Echoverse 的构建流程与训练数据，读者可据此了解高保真合成环境如何提升 computer-use 智能体能力。
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将大规模训练拆分为解耦的计算“岛屿”，岛屿间异步传输数据，从而隔离局部故障并降低带宽需求。
推荐理由：原文给出跨数据中心异步训练在带宽、容错和混合硬件上的实测结果，可据此判断分布式预训练的工程取舍。