英伟达与矽品扩大共同封装光学合作 光引擎产能目标提升15倍
财联社报道，英伟达与矽品精密（SPIL）计划扩大光引擎制造产能，以支持共同封装光学（CPO）技术及大规模计算基础设施的连接需求。双方目标在2027年年中将相关产能提升至目前的15倍，并计划到2028年底再翻一倍。
推荐理由：快讯给出双方明确的产能扩张节奏和目标时点，可用于判断 CPO 供应链的扩张力度。
#部署/工程
财联社 · 电报精选AI 评分6565 财联社 · 电报精选AI 评分6060 谷歌云与英伟达宣布基于 Vera Rubin NVL72 的 A5X 云实例下月商用
谷歌云与英伟达宣布，基于英伟达 Vera Rubin NVL72 系统的 A5X 云实例计划于下月正式开放，并进一步拓展至欧洲市场。A5X 整合 Vera Rubin NVL72、ConnectX-9 SuperNIC、谷歌云 Virgo 网络及第四代先进液冷技术，面向 AI 智能体推理和大规模强化学习工作负载。
推荐理由：原文给出 A5X 实例的核心硬件组合、开放时间与目标负载，读者可据此评估云端推理基础设施的新选择。
财联社 · 电报精选AI 评分6060 英伟达推出DSX POD参考架构，携手戴尔、联想等推进模块化AI工厂建设
英伟达宣布推出DSX POD参考架构，戴尔科技、HPE、联想、施耐德电气、维谛技术等企业参与生态建设。该方案采用模块化集装箱设计，计算及配套基础设施在工厂内集成和验证，交付后接入现场电力、冷却和网络。英伟达称合作伙伴计划于2027年初在全球交付模块化AI工厂。
推荐理由：英伟达联合多家厂商推出模块化AI工厂参考架构，读者可借此了解数据中心集成化交付的新路径和2027年交付计划。
arXiv cs.AI精选AI 评分6565 TorchTPU 论文介绍 Google 与 Meta 合作为 TPU 打造原生 PyTorch 后端
Google 与 Meta 的开源合作项目 TorchTPU 发布论文，提出在 Google TPU 上原生执行 PyTorch 的混合 eager/编译架构。该项目支持开箱即用的模型执行与 TPU 迁移，并通过 eager 执行优化、编译集成和原生硬件加速提供有竞争力的推理与训练性能。论文共 23 页，链接 https://arxiv.org/abs/2610.24161。
推荐理由：Google 与 Meta 合作的开源项目，论文说明了 TPU 上原生执行 PyTorch 的混合架构，关注框架与硬件适配的读者可作参考。
The Information精选AI 评分7575 DeepSeek 开源自研推理框架 DeepInfer
DeepSeek 开源了用于运行自家模型的内部推理框架 DeepInfer。此举揭示了该中国 AI 开发商在大规模运行模型时实现高效率和低算力成本的部分技术细节，外界有望借助 DeepInfer 获益。
推荐理由：DeepSeek 开源自用推理框架 DeepInfer，读者可以借此了解其大规模推理降本的内部做法。
Hugging Face Blog精选AI 评分7171 Hugging Face 推出 TorchTPU，让 PyTorch 原生支持 TPU
Hugging Face 介绍 TorchTPU 这一 PyTorch 原生 TPU 后端，Transformers、Diffusers 和 Kernels 无需 torch_xla 即可原生运行在 TPU 上，模型只需 device_map="tpu" 即可加载。
推荐理由：原文介绍了 TorchTPU 原生后端与安装方式，并给出 batch 64 下 21.5× 的解码加速等实测数据，读者可据此评估迁移成本。
Hugging Face Blog精选AI 评分6868 PyTorch 2.15 提升 Mac MPS 后端：MoE 解码提速 5–6.5 倍、视频 VAE 内存从 270 GiB 降到 8 GiB
Hugging Face PyTorch 团队介绍 PyTorch 2.15 的 MPS 后端更新：MPS 支持 torch.float8_e4m3fn 的 FP8 张量和 F.scaled_mm。
推荐理由：原文给出 PyTorch 2.15 MPS 后端的具体性能数字与内存变化，Mac 上跑模型和训练的读者可据此评估升级收益。
Hugging Face Blog精选AI 评分6060 TorchNeuron 为 AWS Trainium 带来 PyTorch 原生后端，HF 库原生支持
Hugging Face 宣布 TorchNeuron 为 AWS Trainium 提供原生 PyTorch 后端，自 2026 年 10 月 20 日起开放公测，可通过 pip install torch-neuronx 安装。
推荐理由：官方宣布 Trainium 获得 PyTorch 原生后端，HF 库可直接使用，还给出覆盖率变化和训练示例。
Google Research精选AI 评分6464 Google Research 发布 VERID 框架与闭环湿实验室智能体研究成果
Google Research 发布三项研究，构建面向自主湿实验室的智能体基础模块。VERID 框架基于 PyLabRobot 提供实验室工作单元的语义数字孪生，支持实时 3D 状态追踪、虚拟试运行、硬件安全检查和视频与动作日志同步。
推荐理由：原文给出 Google 让智能体在湿实验室自主做实验的三个研究项目与具体指标，读者可以了解真实实验反馈如何补足计算设计。
已经到底了