语音到算力，AI底座再更新

语音与多模态开发

Gemini 3.5 Transcribe 把实时转写推向开发者 API

Google 于 8 月 26 日发布 Gemini 3.5 Transcribe，重点不只是把音频转成文字，而是把自我更正、语气词清理、格式化和专业词汇识别纳入同一套语音交互能力。Google 官方博客称，模型已通过两套接口提供服务：Live API 使用 gemini-3.5-transcribe-live 支持连续双向流式转写，面向实时语音应用；Interactions API 使用 gemini-3.5-transcribe 处理录音、会议和通话日志，并提供说话人识别与词级时间戳。

该模型目前通过 Google AI Studio 和 Gemini Enterprise Agent Platform 进入公开预览。Google 引用 Artificial Analysis 的测量称，Gemini 3.5 Transcribe 的词错误率在流式场景为 4.0%、非流式场景为 2.6%，可自动识别 85 种以上语言；录音模式可标注最多三位说话人。与此前的 Chirp 3 相比，Google 还称最终转写时间改善 70%。这些指标是厂商引用的第三方测量结果，实际效果仍会随音频环境和任务变化。

边缘 AI 工程工具

Qualcomm IMSDK 2.0 把多媒体管线与 GenAI 接到一起

Qualcomm 8 月 26 日发布 IMSDK 2.0，将生成式 AI 推理、摄像头与音视频流、传感器、分析模块和云连接放进同一套边缘应用开发框架。Qualcomm 官方开发者博客介绍，新版新增面向 Python 和 C++ 的 Pipeline API 与应用构建器，并把文档即代码、coding-agent skills 和容器化微服务纳入开发流程，目标平台包括 Dragonwing、Qualcomm Linux 2.0 及其下游 Linux 平台。

这套工具链支持 QAIRT、ONNX Runtime 和 TFLite 等推理路径，微服务覆盖视觉、音频、生成式 AI、LLM/VLM 推理以及分析任务，并可连接 Kafka、MQTT、AWS IoT 和 Azure IoT。Qualcomm 还称，推理微服务兼容 OpenAI API 的聊天补全接口。对相机、工业视觉、机器人和 IoT 产品而言，新增点在于模型、媒体处理、部署和代码代理不再需要分别搭建；但具体性能和设备兼容性仍取决于目标芯片与应用管线。

AI 计算基础设施

NVIDIA 将自定义高带宽内存接入 NVLink Fusion

NVIDIA 8 月 26 日宣布，以 NVHBM 扩展 NVLink Fusion 的半定制 AI 基础设施能力。NVIDIA 官方博客称，NVHBM 把内存控制器从 XPU 芯片移到 HBM 基础裸片中；相较标准 HBM4E，官方给出的设计目标是最高提升 30% 内存带宽、降低 15% HBM 功耗，并释放最多 25% 的 XPU 计算裸片面积。

这次公告的新增点不是再宣布一个数据中心园区，而是把内存接口和机架级互联纳入可复用的定制芯片路径。Amazon Annapurna Labs 将成为首个 NVHBM 合作方；AWS 的下一代 Trainium4 将支持 NVLink Fusion，使 Amazon 芯片与 NVIDIA GPU 可以采用共同的机架级架构。NVIDIA 表示，NVHBM 将由多家内存供应商验证和提供，意在减少定制 XPU 的内存集成与认证工作量。

政策与标准

工信部披露近 200 项 AI 关键标准已研制

在 8 月 26 日国新办“开局起步‘十五五’”系列主题新闻发布会上，工业和信息化部相关负责人介绍，中国人工智能已经基本贯穿研发设计、生产制造、质检运维等全链条。央视网报道援引发布会信息称，我国已成功研制近 200 项人工智能关键标准，覆盖人工智能产业推进所需的关键环节。

同一发布会还披露，相关方面正在组织多个城市开展人工智能伦理审查与服务实践。这个进展体现的是标准供给和治理实践的阶段性推进，不等同于一项新法案或对所有企业立即生效的强制性要求；后续仍需关注这些标准的具体文本、适用范围和落地方式。