科技

英特尔宣布投资50亿欧元（57亿美元）扩建其位于爱尔兰基尔代尔郡的莱克斯利普园区，扩大采用Intel 3工艺节点制造的Xeon 6及下一代Xeon服务器处理器的产能。这一决定于7月13日公布，距离该公司取消德国马格德堡和波兰弗罗茨瓦夫的工厂项目大约一年。 这项投资将升级现有工厂设备，最大化莱克斯利普园区的产能。英特尔执行副总裁兼英特尔代工负责人Naga Chandrasekaran表示，这是对代工客户承诺的体现：「我们不仅要增加关键产品的产出，更要确保爱尔兰始终处于全球最先进制造生态系统的前沿。」 此次扩建旨在满足AI基础设施建设驱动的服务器处理器激增需求。GPU一直主导着AI领域的发展叙事，但AI代理工作负载对CPU需求的复苏，促使英特尔扩大Xeon系列芯片的产能。莱克斯利普园区目前雇佣约4，900名员工，自1989年英特尔在爱尔兰开展业务以来，该园区累计获得超过300亿欧元的投资。 爱尔兰总理Micheál Martin称这项投资是「对爱尔兰投下的强烈信任票」，也是对欧洲半导体供应链韧性的强化。 此前，英特尔于2026年4月以142亿美元从Apollo Global Management手中回购了其爱尔兰园区的股份，恢复了该厂区的完全所有权。该厂区是以色列以外英特尔最先进的制造基地之一，采用该公司定位为关键代工产品的Intel 3工艺技术。 英特尔股价在过去12个月内飙升超过370%，但近期从高点出现技术性回调。该公司定于7月23日发布季度财报。 Sources: Intel’s big $5 billion bet on Ireland aims to right the wrongs of the canceled Magdeburg complex (Tom’s Hardware, July 2026); Intel Pours $5.7 Billion into Ireland Fab Expansion (BigGo Finance, July 13, 2026) 婷 翻译

英伟达实际上重新推出了其五年前的GeForce RTX 3060显卡，作为在AI需求导致的GPU持续短缺之际的一项权宜之计。英伟达的板卡合作伙伴Palit已正式发布RTX 3060 Infinity 2 OC，这款2021年GPU的”新版”配备12 GB GDDR6显存。 此举是对AI驱动的元件短缺（导致GPU价格大幅上涨）的直接回应。随着全球DRAM短缺持续挤压新型GPU的生产能力，Micron已警告短缺可能延续到2026年之后。英伟达及其合作伙伴正转向使用较旧、内存密集度较低的设计以维持入门级供应。RTX 3060使用GDDR6内存，而非RTX 50系列使用的新型且更昂贵的GDDR7，其12 GB VRAM配置对于预算有限的用户（特别是运行小型LLM和Stable Diffusion等AI推理工作负载的用户）而言仍具有竞争力。 最初的RTX 3060于2021年发布，多年来一直凭借其极具吸引力的性价比和该级别慷慨的12 GB显存缓冲区，稳居Steam硬件调查中最受欢迎的GPU。Infinity 2 OC版本出厂即搭载超频，采用Palit的双风扇散热解决方案，设计紧凑的双槽外形，无灯效。 此次重新发布反映了更广泛的行业趋势：随着AI需求消耗越来越大份额的内存产能，制造商被迫重新启用使用较少受限组件的旧设计。这也释放出一个信号：GPU市场已在加密货币繁荣周期和疫情时代的供应限制下承压，如今正面临着没有缓解迹象的结构性短缺。 来源：Palit officially announces RTX 3060 return with ‘new’ Infinity 2 OC launch (Tom’s Hardware，2026年7月)；Nvidia Re-Release RTX 3060 GPUs to Combat RAM Prices (Game Rant，2026年) 婷 翻译

研究者在AI基准测试与心理测量学的交叉领域取得了突破性进展。首次针对ARC-AGI基准测试的人类参与者验证研究表明，该AI导向测试的表现与流体智力存在实质性相关。这项由Jasmin Thelen和Oliver Wilhelm领导、发表于arXiv的研究，对100名人类参与者进行了ARC-AGI项目汇编测试，同时采用成熟的图形推理和创造力测量方法进行对照。 结果显示，ARC-AGI表现与标准图形流体智力测试之间存在显著相关性（ρ = .63）。与图形原创性（创造思维的衡量指标）的关联则较弱。ARC-AGI项目本身展现出良好的心理测量学特性，支持其作为测量工具的可靠性。 由François Chollet开发的ARC-AGI基准测试，旨在衡量AI系统从最少示例中归纳新规则的能力。它最初被提出作为流体智力的衡量标准,,即独立于已有知识解决新问题的能力。然而，直到这项研究之前，它从未在人类身上得到过心理测量学的验证。 这一发现具有双重意义。第一，它为ARC-AGI能够衡量与人类流体智力相关的能力提供了实证支持，加强了其作为AI系统基准测试的有效性。第二，它代表了一种更广泛的方法论观点：AI基准测试应被系统地嵌入人类认知能力的名义网络，以实现更严格的评估，并促进AI研究与心理学之间的跨学科合作。 本研究仅是第一步,,100人的样本量适中，作者指出需要开展更大规模的研究，并纳入工作记忆测量等额外协变量。但这种将原本用于测试机器的基准应用于人类的方法本身，为人工智能提供更可解释的评估开辟了道路。 来源：Bringing Back Rule Induction to Fluid Intelligence Research? An Initial Validation of the ARC-AGI Benchmark in Humans (arXiv, 2026年7月) 婷 翻译

东京大学工业科学研究所的研究人员发现，晶体对称性作为一个基本开关，控制着氢原子在钒中是通过经典跳跃还是量子隧穿移动。这一发现发表在《自然·通讯》上，可为清洁能源应用设计更好的储氢材料提供指导。 氢是重工业的一种有前景的燃料，但安全储存仍然是一个重大挑战。钒合金可吸收高达其重量3.8%的氢，使其成为最实用的固态储氢材料之一。氢分子在合金内部分裂，占据晶格中的间隙位置。准确理解氢如何在该晶格中移动，是优化吸收和释放的关键。 东京团队将氢行为的结构测量与钒晶格内的量子力学计算相结合。他们发现，根据晶体结构的不同，氢在间隙位置之间的移动有两种根本不同的方式。在高度对称的晶格中（通常在低氢浓度下），氢原子可以通过量子隧穿穿越能量壁垒，实际上走了一条绕过经典路径的”量子捷径”。当晶格在较高氢浓度下发生扭曲时，这种隧穿效应受到抑制，氢必须依靠热能来以经典方式在位置之间跳跃。 “晶体对称性是开启或关闭量子行为的底层开关，”领导这项研究的福谷克之教授说。”在对称结构中，氢能找到允许其在位置之间隧穿的等效路径。扭曲这种对称性，就像在较高氢浓度下发生的那样，隧穿效应就会被抑制。” 这一发现给材料科学家提供了一个清晰的设计参数：控制存储材料的对称性以启用或禁用量子隧穿，取决于快速吸收还是稳定储存是优先考虑。对于氢动力汽车和工业储能来说，当加油速度和储存安全性都很重要时，这种调节能力可能至关重要。 来源：Scientists crack ‘quantum shortcut’ controlling hydrogen behavior in vanadium（Interesting Engineering，2026年7月15日）；Nature Communications（DOI：10.1038/s41467-026-75020-w） 婷 翻译

一项名为Imaging-101的新基准测试揭示了LLM在通用编程任务中的表现与其处理科学计算成像专业需求的能力之间的差距。该基准测试由陈思逸领导的研究团队在arXiv上发布，评估了7个前沿LLM编程代理在6个科学领域的57项专家验证任务中的表现。 Imaging-101中的每项任务都基于经过同行评审的论文，并标准化为一个四阶段流程：预处理、前向物理建模、逆求解器和可视化。该基准测试通过三个轨道（规划、函数级单元测试和端到端重建）来测试编程代理，以精准定位它们的成功之处和失败原因。 研究结果揭示了通用编程基准测试无法捕捉的系统性弱点。LLM在科学情境中的算法选择上存在困难，无法为给定的成像模态选择适当的重建方法。它们会错误处理物理惯例，如符号、单位和归一化因子。最关键的是，它们在流程整合方面表现不佳，无法将预处理、物理建模、逆求解和可视化阶段连接成一个连贯且可运作的端到端系统。 这些问题并非小错误。计算成像通过从间接且带有噪声的测量中恢复隐藏信号，支撑着显微镜、MRI、CT扫描、天文学和光学领域的定量发现。一个能够通过标准LeetCode式挑战但无法正确实现前向物理模型的编程代理，对领域科学家而言尚无实用价值。 作者认为，这些研究结果指向了技能增强型、领域专业化代理这一切实可行的前进方向，而非期望通用型LLM仅通过规模扩展就能发展出科学编程能力。目前，该基准测试提供了一幅结构化的差距地图，而这是弥补这些差距的前提条件。 Sources: Imaging-101: Benchmarking LLM Coding Agents on Scientific Computational Imaging (arXiv, July 2026) 婷 翻译

大阪公立大学的研究人员开发出一种材料，可以在无需持续供电的情况下控制、引导和记忆热流。这项突破推翻了名为”热互易性”的基本物理原理，该原理长期以来使得独立控制热量如何进出材料成为不可能。 在大多数材料中，吸收和发射是不可分割的。如果一个表面能够从特定方向有效吸收热量，它也会以相同方式发射热量。冈本浩一教授和村井俊介博士开发的新器件克服了这一局限，它将磁光材料与名为GST（锗-锑-碲）的相变材料配对使用。当暴露于磁场时，磁光层改变其与光相互作用的方式，而GST层则在非晶态和晶态之间切换以锁定配置。 其结果是，该器件可以将热辐射引导至特定位置，开启或关闭该行为，并在断电后保持其设置,,类似于数据在计算机芯片内部存储和控制的方式。这项研究发表在《Laser & Photonics Reviews》期刊上，论文标题为”Reconfigurable Giant Nonreciprocity at Near-Normal Incidence via Phase-Change Magneto-Optical Metagratings”。 潜在应用涵盖可在检测模式间切换的红外传感器、减少热量浪费的能源系统，以及使用光和热代替电荷的新型光子存储器件。能够在无需持续功耗的情况下编程热流的能力，最终可能有助于密集AI硬件中的芯片冷却，并改善硅光子学中的热管理,,随着晶体管密度的增加，散热正成为日益严重的瓶颈。 研究团队指出，虽然当前器件是概念验证，但其基本原理具有通用性，可以针对实际部署调整至不同的波长和运行条件。 来源：Researchers create programmable material that can steer heat and remember its state without power (Tom’s Hardware， 2026年7月); Incredible new material makes heat programmable (ScienceDaily/大阪公立大学， 2026年7月7日) 婷 翻译

微软已推翻其长期以来的 Windows 更新安装时间指导方针。该公司现在建议用户和 IT 管理员在发布后三天内安装质量更新,,与此前允许将更新推迟数周甚至数月的做法相比，这是一个重大转变。 原因是人工智能驱动的网络攻击。黑客正在使用 AI 工具分析补丁披露信息，并在数小时内开发出可运行的漏洞利用程序，大幅缩短了防御方的响应窗口。在攻击者能在测试周期完成前利用已披露漏洞的情况下，等待观察更新是否导致稳定性问题再部署的做法已不再可行。 Microsoft 365 总监 Jeremy Chapman 公布了新指导方针：将质量更新延迟期设置为三天以内，将更新截止期限设为零天或一天，并将宽限期限制在最多两天。过去那种跨多个环、历时数周的分阶段 rollout 方式，属于漏洞利用程序需要数天或数周才出现的时代。 微软的紧迫性有其自身的补丁数据作为支撑。2026 年 6 月，该公司在单个补丁星期二中修复了创纪录的 206 个漏洞，这是其历史上单月最高数量。为了跟上节奏，微软开发了 MDASH,,一个内部 AI 系统，用于扫描 Windows 源代码以发现可疑模式，并利用多个 AI 代理协同工作，在潜在安全问题进入生产环境之前进行诊断。 该指导方针适用于 Windows 10 和 Windows 11，包括扩展安全更新覆盖的系统。对于家庭用户，建议很简单：启用自动更新，并在提示时重启。对于企业而言，这一建议意味着重大的运营变化，需要比大多数 IT 部门目前维持的更快的补丁验证周期和更激进的部署计划。 来源：Microsoft says stop waiting to install Windows updates. Here’s why（PCWorld，2026 年 7 月 14 日） 婷 翻译

独立安全研究员 Dave Kuszmar 在 IEEE Spectrum 上发表了一份详细报告，介绍了七种不同的越狱技术，这些技术几乎对市场上所有主流大语言模型都有效，包括 ChatGPT、Claude、Gemini、DeepSeek、Grok、Llama、Mistral 的 Le Chat、阿里巴巴的 Qwen 和 Microsoft Copilot。最令人震惊的发现并非漏洞的数量，而是它们的简单性：有些漏洞仅需一次提示就能绕过所有安全护栏。 Kuszmar 是 Gazzetta 的首席 AI 研究员。他认为，为了确保 LLM “安全”而施加的限制，恰恰是攻击者可以利用的机制。最简单的漏洞名为 Severance，只需一次提示即可获得模型所有预备专业领域的无限制访问权限。它成功提取了秘密生物化学战策略、大众媒体虚假信息战术、高级多态恶意软件指令，以及对整个人口群体进行隐蔽基因改造的方法。 一种名为 Inception 的更复杂技术堆叠了多个关联场景（让人联想到同名电影），在嵌套的虚构语境中诱使模型产生危险输出。该技术在所有测试模型（包括 Claude、Gemini、Grok 和 Llama）上均有效，生成了甲基苯丙胺生产、燃烧武器和毒药剂量方面的指令。另一种名为 Time Bandit 的方法利用模型的时间混淆，将会话设置为现代法律和伦理限制存在之前的历史日期。当 ChatGPT 被置于 1913 年时，Kuszmar 获得了能够生产武器级材料的铀浓缩设施引导指令。 Kyber 漏洞针对的是在 Fortnite 中以达斯·维达 NPC 形式运行的 Google Gemini。通过纯语音界面，研究人员提取了燃烧装置制造指令和赌博策略。1899 技术促使模型泄露了似乎是内部模型权重和系统提示的信息，这一点已在 ChatGPT 上得到验证。 Kuszmar 通过卡内基梅隆大学的 SEI CERT 和 CISA […]

DeepMind联合创始人兼CEO Demis Hassabis呼吁美国建立一个由行业资助的AI自律组织，以金融业监管机构FINRA为蓝本。在一篇详细的文章和随附采访中，Hassabis指出，通用人工智能到来前的窗口期正在收窄，自愿且不协调的安全措施远远不够。 该拟议机构将通过标准化基准来界定何为”前沿模型”。达到门槛的实验室将被鼓励采纳最佳实践：发布包含技术细节的模型卡、维持强大的内部网络安全、审查关键人员，并为安全研究分配充足资源。评估将以自愿方式开始，实验室须在发布前30天提交模型，但该组织最终将开发自己独立的非公开测试，以防止实验室本身过度拟合。 “当AI行业自愿呼吁监管时，你就知道人类历史的重大转折点即将到来，”Hassabis写道。”我相信，缓解与AI相关的技术风险是我们能够共同应对的挑战，但前提是我们给自己留出时间和空间，把下一个关键步骤做对。” 这一提议出台之际，政府行动步履蹒跚。2026年6月，特朗普政府发布行政令，指示NIST为前沿模型制定一套自愿性的30天审查框架，主要关注网络安全能力。该行政令还要求制定机密基准，并允许与”特定可信伙伴”合作，批评人士警告这可能构成政府越权。 Hassabis的行业自律模式并非没有批评者。FINRA屡遭诟病，被称为”没有牙齿的内部人士俱乐部”，AI领域的类似机构也可能面临被其监管企业俘获的风险。The Register指出，虽然标准制定机构”值得认真讨论”，但由谁，行业还是政府，来公平管理的问题尚未得到充分解答。 Hassabis承认了局限性，但强调了紧迫性：”未来尚未注定。我们必须利用AGI到来前的宝贵窗口期，为全人类的利益塑造这项技术。” 来源：DeepMind bigbrain calls for America to set AI standards before it’s too late (The Register， 2026年7月14日) 婷 翻译

X已更新其推荐算法，提高互关好友（互相关注的用户）帖子的可见性，旨在让回复串更具社区感，减少陌生声音充斥的战场氛围。 这一变化由X产品负责人Nikita Bier宣布。「我们发现算法中缺少这一数据，导致你的朋友在你的回复中显示较少，」Bier表示。「这导致回复区感觉更像是一个充斥着你不认识的人的战场。」他补充说，这一调整还应有助于「围绕兴趣更容易形成圈子，这是许多人一直要求的。」 此举并非对X信息流算法的重大改革，而是一次针对性的信号调整。通过在回复中提高互关好友内容的权重，该平台正试图摆脱自Twitter更名以来一直存在的对抗性动态。 此前X已推出一系列面向创作者的变化。X最近改革了创作者收益系统，以激励原创内容而非聚合内容，并于2026年7月推出了内置视频编辑器，鼓励原创视频创作而非转发盗用内容。 这一时机也反映了来自Meta旗下Threads的竞争压力。Threads于2026年6月突破5亿月活跃用户，并一直在推出以社区为中心的功能，例如让用户私下控制信息流内容的「Your Algo」工具。 婷 翻译 来源：X just tweaked its algorithm to make it more friendly, less battleground (TechCrunch, 2026年7月)