英特尔与谷歌日前宣布达成一项多年期合作协议。根据协议,谷歌将继续在其下一代AI与云基础设施中部署基于英特尔至强处理器的平台。
这些平台将采用英特尔即将推出的至强CPU,以及由英特尔与谷歌联合设计的定制基础设施处理单元(IPU)。作为交换,谷歌将持续参与IPU的联合研发。IPU在业内也被其他厂商称为SmartNIC,其主要功能是将网络、存储和安全任务从CPU中剥离出来单独处理,从而提升整体系统效率。
谷歌云目前已在其多种针对不同负载优化的实例中部署英特尔处理器,其中包括为C4和N4实例提供支持的最新款英特尔至强6处理器。这些平台能够支持从大规模AI训练协调,到对延迟敏感的推理任务,再到通用计算等多种工作负载场景。
英特尔首席执行官陈立武在声明中表示:"扩展AI能力不仅仅依赖加速器,还需要均衡的系统架构。CPU与IPU是满足现代AI工作负载对性能、效率和灵活性需求的核心所在。"
谷歌目前也提供基于Armv9架构的Axion定制处理器,作为x86实例的替代选项,以功耗效率高、成本较低著称。但某些场景仍然需要x86架构,例如针对特定负载优化的任务,或对单线程性能要求极高的场景,而英特尔至强处理器在这类需求上具有明显优势。
与此同时,英特尔还加入了由AI对话助手开发商Anthropic主导的联盟——"玻璃翼计划"(Project Glasswing)。该联盟汇聚了来自科技、金融、网络安全等多个行业的逾45家机构,目标是借助强大的下一代AI模型,在关键软件漏洞被恶意利用之前将其识别并修复。
该项目的核心技术基于Anthropic尚未公开发布的前沿AI模型Claude Mythos Preview。据Anthropic介绍,该模型已展现出显著价值,发现了"数以千计的高危漏洞,涵盖所有主流操作系统和网络浏览器"。
Q&A
Q1:英特尔与谷歌的合作协议具体包含哪些内容?
A:根据此次多年期合作协议,谷歌将继续在下一代AI与云基础设施中部署基于英特尔至强处理器的平台,涵盖即将推出的至强CPU以及双方联合设计的定制IPU。谷歌还将持续参与IPU的联合研发,这类处理单元专门用于卸载CPU的网络、存储和安全处理任务,提升系统整体效率。
Q2:IPU(基础设施处理单元)是什么,有什么作用?
A:IPU即基础设施处理单元,也被部分厂商称为SmartNIC。它是一种专用处理器,主要功能是将原本由CPU承担的网络传输、存储访问和安全管理等任务剥离出来独立处理,从而释放CPU算力,提升整体系统的性能与效率,尤其适用于对延迟和吞吐量要求较高的AI与云计算工作负载。
Q3:Project Glasswing计划的目标是什么,英特尔在其中扮演什么角色?
A:Project Glasswing是由Anthropic主导的跨行业联盟,汇聚了科技、金融、网络安全等领域逾45家机构,旨在利用下一代AI模型主动发现并修复关键软件漏洞。该计划基于Anthropic尚未发布的前沿模型Claude Mythos Preview,已在主流操作系统和浏览器中发现数千个高危漏洞。英特尔作为成员之一加入该联盟,共同推进AI驱动的网络安全防护工作。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。