据知情人士透露，中国监管机构正在审查近期由人工智能乐观情绪推动的股市上涨行情，要求部分上市公司和基金提供更多关于其技术布局的详细信息。
上海和深圳证券交易所近期已要求多家上市公司澄清其核心业务是否与人工智能存在实质性关联，以及向投资者披露的信息是否足够清晰。因信息未公开，相关人士要求匿名。
监管机构还向部分重仓人工智能相关板块的交易所交易基金及其他基金管理人发送问询函，要求其披露估值方法并说明所持资产的合理性。监管机构询问这些基金如何管理估值高企与基础企业盈利之间日益扩大的脱节所引发的风险。
上海和深圳证券交易所近期已要求多家上市公司澄清其核心业务是否与人工智能存在实质性关联，以及向投资者披露的信息是否足够清晰。因信息未公开，相关人士要求匿名。
监管机构还向部分重仓人工智能相关板块的交易所交易基金及其他基金管理人发送问询函，要求其披露估值方法并说明所持资产的合理性。监管机构询问这些基金如何管理估值高企与基础企业盈利之间日益扩大的脱节所引发的风险。
来自频道: @DNSPODT
VKD3D 2.0发布：Wine上游D3D12图形移植栈迎来主版本升级
Wine 项目旗下 VKD3D 2.0 已正式发布。这是该 3D 图形移植库从 1.19 进入 2.0 的主版本更新，在 Vulkan 之上实现 Direct3D 12 相关能力，并服务于 Wine 对 D3D12 应用的上游支持。VKD3D 2.0 是围绕着色器处理、低层接口、调试能力和跨平台图形后端的一次系统性推进。新版本重点改进 HLSL 着色器处理，扩大了已正确实现的操作范围，同时对旧式 Direct3D byte-code 源类型、effects、DXIL 处理以及实验性 Metal Shading Language 目标提供了更多支持。
此次更新最核心的方向仍是着色器编译与转换。公开索引到的发布说明显示，VKD3D 2.0 在 HLSL 源类型中加入或改进了多项操作，包括面向结构化线程组共享内存的存储操作，以及面向结构化或数组化 unordered access view 与线程组共享内存的 interlocked 操作。这些变化说明开发重点正在继续向复杂 D3D12 着色器语义靠拢。
VKD3D 2.0 在着色器优化层面引入了面向 VSIR 的 common subexpression elimination pass，这类优化通常用于减少重复表达式计算，对编译输出质量、执行效率和后续调试都有实际意义。对于图形移植库而言，这类底层优化不如游戏兼容性列表直观，但往往决定长期可维护性和跨应用稳定性。
VKD3D 2.0 官方发布页
Phoronix 原文
VKD3D-Proton 项目页
Wine 项目旗下 VKD3D 2.0 已正式发布。这是该 3D 图形移植库从 1.19 进入 2.0 的主版本更新，在 Vulkan 之上实现 Direct3D 12 相关能力，并服务于 Wine 对 D3D12 应用的上游支持。VKD3D 2.0 是围绕着色器处理、低层接口、调试能力和跨平台图形后端的一次系统性推进。新版本重点改进 HLSL 着色器处理，扩大了已正确实现的操作范围，同时对旧式 Direct3D byte-code 源类型、effects、DXIL 处理以及实验性 Metal Shading Language 目标提供了更多支持。
此次更新最核心的方向仍是着色器编译与转换。公开索引到的发布说明显示，VKD3D 2.0 在 HLSL 源类型中加入或改进了多项操作，包括面向结构化线程组共享内存的存储操作，以及面向结构化或数组化 unordered access view 与线程组共享内存的 interlocked 操作。这些变化说明开发重点正在继续向复杂 D3D12 着色器语义靠拢。
VKD3D 2.0 在着色器优化层面引入了面向 VSIR 的 common subexpression elimination pass，这类优化通常用于减少重复表达式计算，对编译输出质量、执行效率和后续调试都有实际意义。对于图形移植库而言，这类底层优化不如游戏兼容性列表直观，但往往决定长期可维护性和跨应用稳定性。
VKD3D 2.0 官方发布页
Phoronix 原文
VKD3D-Proton 项目页
来自频道: @DNSPODT
智谱推出 GLM-5.1 高速版，称输出速度达 400 tokens/s
5 月 22 日，智谱宣布面向部分企业客户开放 GLM-5.1 高速版 API，模型名为“glm-5.1-highspeed”。智谱官方文档称，该版本是 GLM-5.1 的高速版本，模型输出速度达到 400 tokens/s，并仅向 BigModel 开放平台的部分企业客户定向开放。该速度属于厂商披露口径，实际体验仍取决于任务类型、上下文长度、并发状态与网络环境。
GLM-5.1-highspeed 由智谱 GLM 团队与 TileRT 团队联合打造，优化重点放在推理引擎、调度系统和底层基础设施。官方说明称，团队针对 GLM-5.1 的结构重写核心推理路径，并通过动态批处理、请求合并、KV 缓存调度、推理集群部署和负载均衡优化，降低高并发场景下的尾延迟。
TileRT 在技术博客中表示，其核心思路是减少传统推理框架中 kernel 启动、同步和内存往返带来的固定开销，将更多调度前移到编译期，并让任务执行流长期驻留在 GPU 内部。该方向主要服务于低延迟场景，包括 Coding Agent、实时交互、实时语音、动态 UI 生成和多 Agent 并行推演等应用。
glm
5 月 22 日，智谱宣布面向部分企业客户开放 GLM-5.1 高速版 API，模型名为“glm-5.1-highspeed”。智谱官方文档称，该版本是 GLM-5.1 的高速版本，模型输出速度达到 400 tokens/s，并仅向 BigModel 开放平台的部分企业客户定向开放。该速度属于厂商披露口径，实际体验仍取决于任务类型、上下文长度、并发状态与网络环境。
GLM-5.1-highspeed 由智谱 GLM 团队与 TileRT 团队联合打造，优化重点放在推理引擎、调度系统和底层基础设施。官方说明称，团队针对 GLM-5.1 的结构重写核心推理路径，并通过动态批处理、请求合并、KV 缓存调度、推理集群部署和负载均衡优化，降低高并发场景下的尾延迟。
TileRT 在技术博客中表示，其核心思路是减少传统推理框架中 kernel 启动、同步和内存往返带来的固定开销，将更多调度前移到编译期，并让任务执行流长期驻留在 GPU 内部。该方向主要服务于低延迟场景，包括 Coding Agent、实时交互、实时语音、动态 UI 生成和多 Agent 并行推演等应用。
glm
来自频道: @DNSPODT
彭博社消息透露，Manus创始人肖弘、季逸超与张涛正在探索筹资约10亿美元，以不低于20亿美元的估值（Meta当时收购的价格）回购公司，以执行中国政府4月底叫停Meta收购案的命令。
初步设想是引入外部投资者并由三位创始人自掏腰包补足资金，将Manus重组为一家中国合资企业，再赴港IPO。
来源：外汇交易员
初步设想是引入外部投资者并由三位创始人自掏腰包补足资金，将Manus重组为一家中国合资企业，再赴港IPO。
来源：外汇交易员
来自频道: @DNSPODT
2015年2月，一个名为KraneSun的GitHub用户发文质疑张尧学团队的透明计算项目涉嫌抄袭开源代码。他比对了透明计算演示视频中的英文提示，发现其中内容与加拿大工程师开源的bVNC远程桌面项目一字不差。按照GPL协议，使用者必须公开源码并署名，但透明计算却被包装成“完全自主知识产权”的成果，在展会上高调展示。几天后，方舟子等人跟进“打假”，指责这是拿现成代码充当原创。
来源：新京报 / 36kr
来自频道: @DNSPODT
OpenAI 模型给出反例，平面单位距离问题出现重大进展
OpenAI 于 2026 年 5 月 20 日发布研究进展，称其内部通用推理模型在平面单位距离问题上给出新的数学构造，推翻了一个长期存在的离散几何猜想。平面单位距离问题由 Paul Erdős 于 1946 年提出，问题本身非常简洁：给定平面中的 n 个点，最多可以有多少对点之间的距离恰好等于 1。这个问题长期被视为组合几何中最著名、也最容易表述的开放问题之一。
过去几十年中，数学界普遍认为，接近最优的例子应当与方格构造密切相关。Erdős 的经典构造可产生略高于线性的单位距离数量，而已有的最好上界长期停留在 O(n^{4/3})。更强的直觉是，最大单位距离数 ν(n) 应接近 n^{1+o(1)}，也就是说，虽然可能略高于线性，但不应出现固定多项式指数的提升。
这次公开的结果直接否定了这一预期。证明稿的主定理表明，存在绝对常数 δ > 0，并且存在无穷多个正整数 n，使得 ν(n) ≥ n^{1+δ}。这意味着，某些点集中的单位距离对数量不仅仅是略高于线性，而是具有固定指数的多项式提升。因此，该结果并不是给出 ν(n) 的完整精确公式，而是以反例方式推翻了 Erdős 单位距离猜想的核心上界预期。
外部数学家发布的评注稿由 Noga Alon、Thomas F. Bloom、W. T. Gowers、Daniel Litt、Will Sawin、Arul Shankar、Jacob Tsimerman、Victor Wang 和 Melanie Matchett Wood 等人署名。该评注稿称，其内容是对 OpenAI 生成反例的“人类消化版”，并在一定程度上进行了简化和推广。
正式证明稿 PDF
外部数学家评注稿 PDF
视频素材链接
模型推理摘要 PDF
OpenAI 博客
OpenAI 于 2026 年 5 月 20 日发布研究进展，称其内部通用推理模型在平面单位距离问题上给出新的数学构造，推翻了一个长期存在的离散几何猜想。平面单位距离问题由 Paul Erdős 于 1946 年提出，问题本身非常简洁：给定平面中的 n 个点，最多可以有多少对点之间的距离恰好等于 1。这个问题长期被视为组合几何中最著名、也最容易表述的开放问题之一。
过去几十年中，数学界普遍认为，接近最优的例子应当与方格构造密切相关。Erdős 的经典构造可产生略高于线性的单位距离数量，而已有的最好上界长期停留在 O(n^{4/3})。更强的直觉是，最大单位距离数 ν(n) 应接近 n^{1+o(1)}，也就是说，虽然可能略高于线性，但不应出现固定多项式指数的提升。
这次公开的结果直接否定了这一预期。证明稿的主定理表明，存在绝对常数 δ > 0，并且存在无穷多个正整数 n，使得 ν(n) ≥ n^{1+δ}。这意味着，某些点集中的单位距离对数量不仅仅是略高于线性，而是具有固定指数的多项式提升。因此，该结果并不是给出 ν(n) 的完整精确公式，而是以反例方式推翻了 Erdős 单位距离猜想的核心上界预期。
外部数学家发布的评注稿由 Noga Alon、Thomas F. Bloom、W. T. Gowers、Daniel Litt、Will Sawin、Arul Shankar、Jacob Tsimerman、Victor Wang 和 Melanie Matchett Wood 等人署名。该评注稿称，其内容是对 OpenAI 生成反例的“人类消化版”，并在一定程度上进行了简化和推广。
正式证明稿 PDF
外部数学家评注稿 PDF
视频素材链接
模型推理摘要 PDF
OpenAI 博客
来自频道: @DNSPODT
拆解 Anthropic：最好的 AI 公司，可能也是一种组织发明
过去两年，外界反复有明星 researcher 说 scaling laws 撞墙了，pretraining 的边际收益已经见顶。就我们和各家 researcher 的交流感受，Anthropic 一直是所有 labs 里最相信 scaling laws 的，也是把 pretraining 和数据做得最扎实的，没有在新范式上分散精力。
事后看这也是对的。Claude 的能力跃迁，很大一部分就来自 pretraining 的扎实投入。
Anthropic是御三家里唯一很早就放弃多模态的，且从来没讲过架构创新，没强调过 reasoning model、RL、continual learning 等概念，只做好语言模型的 scaling，只重点做 coding 一个方向，把最关键的能力打穿。
▎Source
过去两年，外界反复有明星 researcher 说 scaling laws 撞墙了，pretraining 的边际收益已经见顶。就我们和各家 researcher 的交流感受，Anthropic 一直是所有 labs 里最相信 scaling laws 的，也是把 pretraining 和数据做得最扎实的，没有在新范式上分散精力。
事后看这也是对的。Claude 的能力跃迁，很大一部分就来自 pretraining 的扎实投入。
Anthropic是御三家里唯一很早就放弃多模态的，且从来没讲过架构创新，没强调过 reasoning model、RL、continual learning 等概念，只做好语言模型的 scaling，只重点做 coding 一个方向，把最关键的能力打穿。
▎Source
来自频道: @DNSPODT
ASML CEO称AI推动芯片供不应求，呼吁围绕对华芯片制造设备出口制定更一致的规则
芯片制造设备巨头ASML首席执行官富凯告诉路透，在可预见的未来，蓬勃发展的全球半导体市场将因供应紧张而“形势严峻”，因为来自人工智能、卫星和机器人领域的需求已超过了行业的生产能力；芯片供应链中可能持续出现零星瓶颈。富凯表示，ASML正在提升产量并提高设备生产效率，同时推进新技术研发，以应对需求增长。他呼吁制定更统一的规则，规范向中国出口芯片制造设备。
来源：路透社
芯片制造设备巨头ASML首席执行官富凯告诉路透，在可预见的未来，蓬勃发展的全球半导体市场将因供应紧张而“形势严峻”，因为来自人工智能、卫星和机器人领域的需求已超过了行业的生产能力；芯片供应链中可能持续出现零星瓶颈。富凯表示，ASML正在提升产量并提高设备生产效率，同时推进新技术研发，以应对需求增长。他呼吁制定更统一的规则，规范向中国出口芯片制造设备。
来源：路透社
来自频道: @DNSPODT
从合肥模式到追觅“崩老头”：政企合作的边界如何把握？【聂辉华教授】
@聂辉华教授:
最近，年销150亿的追觅公司喊出“三年破万亿”的口号，手段不是靠风投，而是精准瞄准地方政府的招商需求。旗下200多个事业部横跨机器人、辣条、奶茶，被媒体称为“崩老头”——像假扮女性骗取打赏一样，拿捏官员的KPI焦虑。
PPP造车、光伏骗补、“假央企”背书、数据造假，在地方招商引资过程中可谓乱象丛生。为什么会出现这些乱象？是企业主的道德沦丧，还是KPI驱动下各类当事人的人性扭曲？是市场失灵，还是体制问题？这期视频聂老师从政治经济学的角度，谈谈对这一类现象的看法。
@聂辉华教授:
发布视频
来自频道: @DNSPODT
如何测试 2080 亿个晶体管？
@葬送的模数师:
【Asianometry 2026】如何测试2080亿个晶体管：放弃证明它工作，只需证明它没坏 [中英字幕]
当英伟达 Blackwell Ultra 将 2080 亿个晶体管暴力塞入同一片封装中时，一个致命的产业级拷问浮出水面：我们该如何证明，这块造价高昂的“硅片怪兽”里每一个微小结构都没有缺陷？
在半导体光鲜亮丽的纳米级制造背后，自动测试设备 (ATE) 是决定芯片良率与经济效益的生死线。本期视频溯源了半导体测试的底层逻辑变革——从 1950 年代德州仪器的手工测二极管，到泰瑞达 (Teradyne) 制定工厂级标准，再到爱德万 (Advantest) 借助日本存储产业的逆袭。我们将深度解析，为何摩尔定律逼停了传统的“功能测试”，迫使行业放弃证明芯片能跑通，只需用“扫描测试向量”证明其物理结构没坏。在 Chiplet 与先进封装时代，直击 ATE 设备厂商如何面对算力狂潮带来的终极考验。
【时间轴】
00:00 Blackwell的终极拷问
01:54 德州仪器的手工测试时代
04:47 泰瑞达：工厂级测试霸主
14:49 爱德万与日本半导体反击
18:31 摩尔定律逼出的结构测试
22:18 OSAT崛起与千禧年泡沫
25:48 先进封装：AI芯片测试深水区
【视频来源】
How To Test 208 Billion Transistors
Y2B ID: SXULADjnO5s
@葬送的模数师:
telegra.ph/如何测试-2080-亿个晶体管-05-20
来自频道: @DNSPODT