DeepSeek 运行在华为芯片上，为何可能成为美国的难题
文章分析华为建设 AI 超节点的策略，以及其对英伟达竞争格局的潜在影响。重点包括昇腾 960 加速器、鲲鹏 CPU、UnifiedBus 互联协议、采用近封装光学技术的 Hi-One，以及面向 AI 上下文数据的 OceanStor 存储系统。华为希望将这些组件整合为支持训练、推理和智能体 AI 的平台，通过大规模扩展与系统级整合来弥补单芯片性能差距。不过，相关性能数据主要来自华为的企业发布，独立
AI 新闻中心
AI 新闻中心 过去24小时分析了 10 篇文章，发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
Whisper 编码器减少六层：利用无标签数据恢复性能
研究提出的方法移除 Whisper large-v3-turbo 中对词错误率（WER）影响最小的六个编码器层，使编码器规模减少 18.5%。生成的模型无需定制推理实现。随后使用无标签单语语音数据进行蒸馏，使四种语言的平均 WER 从剪枝后的 21.9% 降至 20.1%；原始模型为 18.2%。研究团队已公开代码和剪枝后的模型。
Meta称Muse从零打造，但产品设计深受OpenClaw启发
Meta产品负责人纳特·弗里德曼表示，Muse是从零开始构建的，但产品设计确实深受OpenClaw启发。团队曾使用这款开源AI智能体，并希望打造类似产品，同时实现安全、可靠、易用以及服务数十亿用户的规模。此前，有用户指出两套系统的文件和结构存在相似之处。弗里德曼没有否认这些说法，并称赞OpenClaw开发者彼得·斯坦伯格。Muse近期登上美国App Store免费应用榜第一名。
摩尔线程宣布：MTT S5000 适配字节跳动开源生物分子结构预测模型 Protenix-v2
摩尔线程宣布，旗下 MTT S5000 智算卡已支持开源生物分子结构预测模型 Protenix-v2 的全链路推理。该模型由字节跳动 Seed 团队研发，于 2026 年 4 月发布，据称在多项核心基准测试中表现与 DeepMind 的 AlphaFold 3 持平或更优，可预测蛋白质、DNA、RNA及小分子配体复合物。摩尔线程表示，此次适配完成了面向 AI for Science 场景的端到端工
OpenAI 发布 MentalHealthBench：以 1215 段对话评估 AI 的心理健康应对能力
OpenAI 发布了开放基准测试 MentalHealthBench，包含 1215 段合成心理健康对话，用于评估 AI 系统应对日常议题和紧急情况的能力。来自 22 个国家和地区的 80 多名持证心理学家与精神科医生参与制定，内容覆盖 19 种语言和近 20 个专业领域，并设有 5262 条专家评分标准。OpenAI 称，在受测模型中 GPT-6 Astra 得分最高，同时强调该基准是可审查的诊
腾讯推出翻译应用“腾讯 Hy 翻译”，支持 33 种语言互译
腾讯混元推出“腾讯 Hy 翻译”App，同时提供小程序、插件和 PC 端版本。该应用基于 Hy-MT2 翻译模型，支持 33 种语言互译，涵盖 5 种中国少数民族语言及方言，并提供语音、拍照和离线翻译。用户可将模型预先下载到手机，在无网络连接时使用。Hy-MT2 已于今年 5 月开源，并支持在移动设备本地部署。该应用目前已在 12 个国家和地区上线。
PackLab：用于机器人容器装箱 MLLM 开发、训练与评测的综合框架
PackLab 是一个用于开发和评估多模态大语言模型的框架，面向机器人容器装箱中的闭环长期序列决策。该套件包括基于物理的仿真平台，可规模化生成多样化训练轨迹；PackLab-VLM，可根据物体和容器状态的变化同时选择物体并预测放置位置；以及 PackLab-Bench，提供多个难度等级的标准化评测场景。实验显示，在不同物体集合和容器配置下，PackLab-VLM 平均优于传统装箱启发式方法、传统强
OpenAI发布MentalHealthBench开放基准，评估AI在真实心理健康对话中的回应
OpenAI发布了MentalHealthBench，这是一个用于评估AI在真实心理健康对话中回应表现的开放基准。该基准由OpenAI与80多位持证心理健康专业人士共同开发。
高通加码物理人工智能，拟收购机器人软件企业 PickNik Robotics
高通已就收购机器人软件企业 PickNik Robotics 达成协议。PickNik 长期维护 MoveIt，这是全球应用广泛的开源机器人框架之一。高通表示，将继续保持 MoveIt 开源，并由社区制定发展路线图；同时简化其与 Dragonwing 机器人平台的集成，并继续支持 MoveIt 在第三方硬件上的应用。
Hunyuan-A13B 技术报告
报告介绍了采用混合专家架构的开源语言模型 Hunyuan-A13B。模型总参数量为 800 亿，但推理时仅激活 130 亿个参数。模型使用经过严格筛选、并加强 STEM 数据整理的 20 万亿 token 语料进行预训练，随后通过监督微调和大规模强化学习进一步提升能力。其双模式思维链框架会根据任务复杂度调整推理深度。报告称，该模型在数学、科学、编程等评测中表现具有竞争力。开发团队公开模型，以支持开