#数据/训练

Fabian Theis 谈虚拟细胞建模困境与 Biohub 18 亿美元数据计划

Helmholtz Munich 的 Fabian Theis 指出，当前虚拟细胞扰动预测模型在基准测试中常无法超越简单基线，主要受限于评估指标校准和数据规模。Biohub 联合 NIH、DOE、Google 和 Meta 投入 18 亿美元，旨在通过高精度多尺度成像和自动化实验基础设施，解决跨尺度生物数据缺失问题，以支持更复杂的系统生物学建模。

Physicl 融资 1000 万美元，利用高保真 3D 模拟提升机器人训练效果

Physicl 完成由 Inovia Capital 领投的 1000 万美元种子轮融资，旨在通过高保真 3D 模拟解决机器人物理 AI 模型的训练难题。其推出的 Studio 产品包含 10,000 个 3D 环境和 100,000 个资产，支持生成合成数据以训练机器人处理复杂边缘案例。

高通押注数据中心业务以应对智能手机销量下滑

高通预计数据中心芯片最终将占其业务收入的 30%。在 2026 年第四季度财报电话会议上，公司预测 2027 年第一季度数据中心收入约为 6.5 亿美元，并计划到 2029 年达到 150 亿美元。

Trajectory 融资 4500 万美元，让非技术人员也能训练 AI 模型

Trajectory 完成 4500 万美元 A 轮融资，估值 3 亿美元，由 Sequoia 领投，Nvidia 等参投。该公司提供持续学习平台，允许非技术专家通过反馈自动重训开源模型，Harvey 和 Rogo 等公司已在使用其服务。

在 Amazon SageMaker AI 上使用知识蒸馏构建高效智能体

AWS 团队演示了如何利用序列级知识蒸馏（SeqKD）在 Amazon SageMaker AI 上微调小型购物智能体。该方法使用 Amazon Bedrock 上的 GLM-5.3 作为教师模型生成多步轨迹，并通过 ShoppingBench 评分器筛选成功样本，对 Qwen3.5-4B 学生模型进行 LoRA 微调。

沙特阿美以 26 亿美元收购 Humain 49% 股份

沙特阿美宣布以约 26 亿美元收购 AI 公司 Humain 49% 的股份，并注入自身 AI 技术。Humain 由 PIF 于 2025 年 5 月创立，计划到 2030 年建设 3 吉瓦的数据中心容量，并训练 ALLaM 等阿拉伯语模型。尽管受伊朗战争影响加强了数据中心防护，Humain 的国内外需求并未下降，且已与 AMD 和 Cisco 合作向客户提供服务。

OpenAI、Google、Microsoft 和 Anthropic 支持新的 AI 爬取退出标准

OpenAI、Google、Microsoft 和 Anthropic 宣布将支持一种新的标准，允许出版商通过 robots.txt 文件中的共享策略令牌统一退出 AI 爬取。

OpenAI 支持通过 robots.txt 表达 AI 训练偏好

OpenAI 宣布将遵循共享的 robots.txt 信号，帮助网站运营者向参与的服务商传达其 AI 训练偏好。

Fujifilm 拟将磁带产能提升 5 倍以应对 AI 归档需求

Fujifilm 计划将磁带产能提升 5 倍，以应对 AI 驱动的归档需求增长。得益于低成本和离线安全特性，磁带在 AI 数据归档场景中仍具应用价值。

AWS Batch 为 SageMaker Training 任务推出配额管理功能

AWS Batch 针对 SageMaker Training 任务推出配额管理功能，支持按团队或项目划分 GPU 算力配额。该功能提供 LEND 和 LEND_AND_BORROW 等资源共享策略，允许自动借用闲置算力并执行跨配额抢占。管理员可配置基于优先级的配额内抢占，确保高优先级工作负载优先运行，从而提升多团队环境下的 GPU 利用率。

AWS 发布 Ray Train DLC 以在 EKS 上利用 EFA 实现分布式训练

AWS 推出 Ray Train 深度学习容器（DLC），预集成 PyTorch 2.13.0、CUDA 13.0.2 及 EFA 网络栈，消除分布式训练环境配置障碍。该镜像通过 KubeRay 在 EKS 上部署，支持跨节点 EFA 通信，示例展示了在 8 块 NVIDIA L4 GPU 上使用 FSDP 微调 Qwen2.5-1.5B 模型。

德州选民反对数据中心建设，成为中期选举核心议题

德州 57% 的选民反对数据中心建设，这一跨党派共识已使其成为中期选举的核心议题。州长 Abbott 虽宣布暂停新数据中心许可并推动成本改革，但面临选民对其立场转变的质疑，而民主党候选人 Hinojosa 则借反数据中心立场在民调中缩小差距。

SageMaker AI 训练会话正式可用，支持无 GPU 管理自定义模型

Amazon SageMaker AI 宣布其无服务器模型定制中的训练会话功能正式可用，允许用户在无需管理 GPU 基础设施的情况下自定义后训练逻辑。该功能支持 SFT、DPO、RLVR 及多轮强化学习等技术，用户可编写自定义损失函数和奖励信号，由平台处理 GPU 分配、分布式执行及检查点存储。

同一新闻，精选展示《Amazon SageMaker AI 发布训练会话 API，支持无 GPU 管理自定义训练循环》

探访三星位于韩国平泽的巨型半导体制造基地

三星在韩国平泽建设巨型半导体基地以应对生成式 AI 对内存芯片的激增需求。目前该基地已有三座晶圆厂全天候运行，第四座即将投产，第五座在 2024 年需求低谷暂停后随 AI 热潮重启。三星预计内存芯片需求将持续激增至 2028 年，旨在夺回被 SK 海力士占据的高带宽内存市场领先地位。

美国化石燃料基础设施十年最大规模扩张

美国正建设十年来规模最大的化石燃料基础设施，同时可再生能源增长放缓。报告指出，2026 年第二季度化石燃料占新增电力容量比例升至 30%，预计 2030 年规划容量将达 68 吉瓦。尽管新建太阳能和风电成本低于天然气，但受政策影响，可再生能源项目取消率（4.9%）高于化石燃料（2.9%）。

Leash Bio 利用 DNA 编码库构建智能体科学推理环境

Leash Bio 利用 DNA 编码库构建可验证科学推理环境，为智能体提供大规模实验室模拟数据。团队发布了 Minos 预印本、博客和开放数据集，旨在支持智能体在生物化学领域的强化学习。

Dyna 联合创始人 Jason Ma 详解 Dyna-2 世界动作模型与机器人部署

Dyna Robotics 联合创始人 Jason Ma 在 Latent Space 访谈中介绍了 Dyna-2 世界动作模型，该模型基于超过 100 万小时的人类视频预训练，通过预测未来视频来指导机器人动作。Dyna 已部署半人形机器人在 Din Tai Fung 等真实场景折叠餐巾，并探讨了机器人数据瓶颈、硬件限制及智能体框架在长时程任务中的作用。

AI 实验室收购倒闭初创公司数据用于模型训练

AI 实验室正通过 SimpleClosure 等平台收购倒闭初创公司的代码和工作区数据以突破训练瓶颈。SimpleClosure 预计 2026 年底将为初创公司带来超 1000 万美元收益，Google 曾以 1000 万美元收购 Spirit Airlines 破产数据。尽管存在隐私泄露和法律合规争议，该市场仍因真实数据优于合成数据而快速增长。

Google DeepMind与Biohub专家探讨AlphaFold为何未解决蛋白质折叠

Google DeepMind的Pushmeet Kohli与Biohub的Sal Candido在Latent Space访谈中讨论AI驱动生物学的未来。Kohli指出AlphaFold仅解决了静态结构预测，蛋白质动力学与无序性仍是未解难题，且构建虚拟细胞需要根本不同的数据集。Candido强调蛋白质语言模型中蕴含未解锁的科学知识，并认为实现治愈所有疾病的使命需要追求10倍而非10%的突破。

Amazon 和微软结束数据中心交易保密协议，能否重建信任？

Amazon 宣布在与地方政府谈判数据中心交易时停止使用保密协议（NDA），此前 Microsoft 今年已采取类似举措。此前因缺乏透明度引发的社区反弹导致从纽约到旧金山等地出现数百项暂停令。

Microsoft Research 发布 Agent Lightning v1.0 轻量级智能体强化学习框架

Microsoft Research 发布 Agent Lightning v1.0，这是一个约 3500 行代码的轻量级智能体强化学习框架，支持在真实部署环境中直接进行训练。