从地面到轨道：法国生态系统携手 NVIDIA 大规模落地智能体计算
法国企业正依托 NVIDIA 全栈技术，在航天、金融、公共部门、科研等行业规模化部署智能体计算。Altair-1 卫星本月入轨，搭载 NVIDIA Jetson AGX Orin 并运行 Mistral 模型；Bull 计划 2028 年生产 Vera Rubin Ultra NVL72 AI 服务器。
#端侧
#端侧
今日 1 条NVIDIA BlogAI 评分3737
NVIDIA Blog精选AI 评分8181 NVIDIA 与 Microsoft 发布 RTX Spark 并预览 DGX Station for Windows，推动 AI 智能体运行在 Windows PC 上
NVIDIA 与 Microsoft 在旧金山 Windows AI and Surface 活动上宣布围绕 Windows PC 本地 AI 智能体协同设计硬件和软件。
推荐理由：文章集中说明 RTX Spark、DGX Station for Windows 与 MXC 的本地智能体软硬件组合，便于理解 Windows 端侧 AI 的部署路径。
Hugging Face Blog精选AI 评分7272 Liquid AI 发布面向边缘设备的开放 d1 决策模型 d1-3B 与 d1-omni-600M
Liquid AI 发布 d1 决策模型家族中的两款开放权重模型 d1-3B 和实验性 d1-omni-600M，均已上线 Hugging Face。
推荐理由：原文给出两款开放权重决策模型的参数规模、多模态输入范围和端侧延迟，可用于比较小模型在结构化判断场景的部署价值。
Google DeepMind精选AI 评分8080 Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布 EmbeddingGemma 2，这是基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数多模态嵌入模型，可将代码、文本、图像、视频和音频映射到统一嵌入空间。
推荐理由：原文给出参数量、模块化编码器、8K token 上下文和端侧内存数据，可帮助判断本地多模态检索方案的资源门槛。
Hugging Face Blog精选AI 评分7777 Hugging Face transformers 支持运行 llama.cpp GGUF 量化模型
Hugging Face 宣布 transformers 新增 GGUF 模型支持，可通过 from_pretrained 直接加载 Hub 上的量化检查点并在本机生成。
推荐理由：文章说明了 transformers 直接加载 GGUF 的入口、Apple Silicon 限制和性能实现，便于评估本地 PyTorch 推理工作流。
Hugging Face BlogAI 评分5050 oMLX 创建者兼维护者 Jun Kim 加入 Hugging Face，支持 MLX 社区
oMLX 创建者兼维护者 Jun Kim 加入 Hugging Face，将继续领导 Apache 2.0 许可的 oMLX，并推动其从副业项目转为获得资金支持、长期维护的项目。Hugging Face 希望以 oMLX 为新想法试验场，并简化新 transformers 模型在 Apple Silicon 本地 AI 框架 MLX 上的运行流程。
NVIDIA BlogAI 评分4545 曼彻斯特大学利用 NVIDIA Earth-2 预测英国全境空气污染
曼彻斯特大学与 NVIDIA 合作，基于 Earth-2 CorrDiff 和 StormCast 生成式模型构建英国全境空气污染预测模型，分辨率达 2-3 平方公里。模型在搭载 5,448 颗 GH200 的 Isambard-AI 超算上以单节点训练两天完成，推理可在桌面级 DGX Spark 上运行。团队计划开源训练数据与工作流，未来支持政策情景模拟、医疗预警及智能体交互查询。
Hugging Face Blog精选AI 评分7272 Hugging Face 发布 @huggingface/kernels 与 207 个 WebGPU 内核
Hugging Face 发布 @huggingface/kernels 预览版和 207 个 Apache-2.0 许可的 WebGPU 内核，用于从 Hugging Face Hub 加载并运行浏览器本地 AI 算子。
推荐理由：原文同时给出内核仓库结构、JavaScript 加载方式和与 ORT WebGPU 的单算子对比，便于评估浏览器本地推理底层优化路径。
Hugging Face Blog精选AI 评分6060 Liquid AI 发布 LFM2.5-DSpark 草稿模型，LFM2.5 推理最高加速 3.18 倍
Liquid AI 发布面向 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 的 DSpark 草稿模型检查点，通过推测解码提升推理速度且不改变贪心解码输出。
推荐理由：文章给出三款草稿模型的参数规模、H100 与 M4 Max 实测加速及 llama.cpp、SGLang 接入方式，便于评估端侧和服务端部署收益。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 SL2T 手语转文本模型，并在 Pixel 11 的 Gboard 与 Live Transcribe 落地
Google DeepMind 发布大规模多语言手语转文本模型 SL2T，首先支持 ASL 到英语，并在 Pixel 11 的 Gboard 和 Live Transcribe 中提供手语转文字听写，更多设备和语言将随后推出。
推荐理由：原文说明了 SL2T 的手语到文本技术路径、训练规模和首批落地入口，可帮助读者理解视觉手语翻译进入消费产品的方式。
Hugging Face Blog精选AI 评分7272 NVIDIA Magpie TTS Multilingual 发布开放权重版本，支持12种语言与自托管低延迟语音智能体
NVIDIA 在 Hugging Face 发布 Magpie TTS Multilingual 开放权重模型，参数规模364M，支持12种语言，并提供 NVIDIA NIM 生产推理容器。
推荐理由：文章给出12种语言、364M参数和多GPU延迟数据，可帮助评估自建低延迟语音智能体的部署方案。
Berkeley AI ResearchAI 评分5353 K-Search 如何把 CUDA kernel 优化经验迁移到 Apple Silicon 的 MLX
Berkeley AI Research 与 IBM Research 介绍扩展 K-Search 的 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把既有 CUDA kernel 优化知识转化为 Apple Silicon 可用的搜索约束。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini Robotics 2，带来机器人全身智能与多机协作
Google DeepMind 推出 Gemini Robotics 2，包含 VLA 模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和本地运行的 Gemini Robotics On-Device 2。
推荐理由：官方拆解了三款模型在全身控制、灵巧操作、长程协作和端侧适配上的分工，可帮助理解机器人智能层的能力边界。
Google Research精选AI 评分6666 Google 用冻结式 Multi-Token Prediction 加速 Pixel 上的 Gemini Nano v3
Google 宣布为已部署的冻结 Gemini Nano v3 模型加装轻量 MTP 头，并已在 Pixel 9 和 Pixel 10 系列推出，用于加速 AI Notification Summaries 和 Proofread。
推荐理由：文章解释了冻结 Gemini Nano v3 主干并加装 MTP 头的移动端加速方案，可帮助理解端侧 LLM 在内存和能耗约束下的工程取舍。
Google DeepMind精选AI 评分8282 Google DeepMind 发布开源实验模型 DiffusionGemma，文本生成最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用 26B MoE 架构、推理时激活 3.8B 参数，并以 Apache 2.0 许可证在 Hugging Face 开放权重。
推荐理由：原文给出并行文本扩散的架构取舍、硬件门槛和本地推理速度，可帮助判断其适用场景。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemma 4 12B 无编码器统一多模态模型
Google DeepMind 发布 Gemma 4 12B，这是一款面向笔记本本地运行的智能体多模态模型，可在 16GB VRAM 或统一内存上运行。模型采用无独立多模态编码器的统一架构，视觉和音频输入直接进入 LLM 主干，并内置 Multi-Token Prediction drafters 以降低延迟；官方称其基准性能接近 26B MoE，且总内存占用不到一半。
推荐理由：官方说明了无编码器统一架构、16GB 内存本地运行和 Apache 2.0 开放方式，便于评估端侧多模态智能体开发可行性。
Google Research精选AI 评分6464 Google Research 发布 PHRM 手机摄像头被动心率监测研究
Google Research 在 Nature 论文中提出 PHRM 研究系统，可在用户面部解锁手机后通过前置摄像头拍摄 8 秒面部视频，在日常使用中被动估计心率和每日静息心率。
推荐理由：文章给出跨肤色验证误差、真实环境测试和数据集开放方式，可帮助读者理解手机摄像头被动测心率的可行边界。
Google ResearchAI 评分5252 Google Research 提出零信任聚合隐私分析方案，用于 Android SafetyCore 端侧模型评估
Google Research 发布零信任聚合隐私分析方案，通过单消息格基加密聚合协议与 TEE 证明结合，使服务器只能获得加噪后的匿名群体统计。设备无需多轮保持在线，原始数据不会在服务器内存或 TEE 中以明文重建；TEE 还可证明运行的是公开代码。该方案正与 Android SafetyCore 团队合作，用于评估安全分类器的元数据和真阳性率，同时让用户内容保留在设备本地。
Mistral AI精选AI 评分8181 Mistral AI 发布 Voxtral Transcribe 2 语音转文字模型
Mistral AI 发布 Voxtral Transcribe 2，包含面向批处理的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime，均支持 13 种语言。
推荐理由：官方同时给出批处理与实时两款语音转文字模型的延迟、价格、语言支持和开放权重安排，便于比较接入方式。
Mistral AI精选AI 评分9191 Mistral AI 发布 Mistral 3 模型家族，含 Mistral Large 3 与 Ministral 3
Mistral AI 发布下一代 Mistral 3 模型家族，包含 3B、8B、14B 的 Ministral 3 稠密模型，以及 41B active、675B 总参数的稀疏 MoE 模型 Mistral Large 3，全部采用 Apache 2.0 许可。
推荐理由：官方同时给出模型规格、开源许可、部署平台和基准位置，便于读者按端侧到数据中心的不同场景选型。
Mistral AI精选AI 评分8282 Mistral AI 发布 Mistral Small 3.1，支持多模态与 128k 上下文
Mistral AI 发布 Mistral Small 3.1，提供 Base 和 Instruct checkpoints，采用 Apache 2.0 许可证。
推荐理由：官方给出性能、速度、128k 上下文和本地硬件要求，可帮助评估小模型在端侧与低延迟场景的适用性。
Mistral AI精选AI 评分8585 Mistral AI 发布 24B 开源模型 Mistral Small 3
Mistral AI 发布 Mistral Small 3，这是一款面向低延迟场景的 24B 参数模型，预训练和指令微调检查点均以 Apache 2.0 许可证开放。
推荐理由：官方给出参数量、许可证、速度、评测和本地部署条件，便于评估其作为低延迟开源基座的适用场景。