实时语音、企业预测与推理芯片

实时语音模型

Gemini 3.8 Live 与 Extended Thinking 转为正式可用

Google 于 9 月 15 日将两款面向 Live API 的 audio-to-audio 模型转为正式可用。Gemini 3.8 Live 是低延迟语音智能体和实时对话的默认选项，支持交错推理、默认异步函数调用及完整会话客户端内容更新；Gemini 3.8 Live Extended Thinking 则可在实时音频交互期间进行后台推理，适用于需要更高推理深度的场景。

这把实时语音产品的取舍拆成两个明确选项：追求即时响应时使用标准版，需要更多后台推理时采用 Extended Thinking。Google 的更新说明未公布两者在具体任务上的性能对比，实际选择仍应结合延迟要求和工作负载测试。

企业预测与算力调度

SAP 在 AI Core 提供 TabPFN-3.5 Plus

SAP 宣布，Prior Labs 的 TabPFN-3.5 Plus 已在 SAP AI Core 向客户提供。该模型面向现金流、付款延迟、供应商风险、追加销售和客户流失等结构化业务预测；SAP 称其可直接处理缺失值、混合数据类型和不一致字段，并通过上下文学习从原始表格数据生成预测，无需另行训练或调参。

这与通用语言模型处理文本的路径不同，重点是把表格预测嵌入企业 AI 平台。模型能否带来更准确的业务判断，仍取决于标签质量、历史偏差和具体任务的外部验证；SAP 所述性能优势属于公司对外部基准的引用。

SageMaker 为训练作业加入实例偏好列表

AWS 同日为 SageMaker AI 的训练和处理作业加入实例偏好列表。提交任务时，团队现在可按优先级给出多个可接受的实例类型与数量；系统会在列表中找到首个有可用容量的配置后启动作业。一个任务还可同时声明按需容量或 SageMaker Flexible Training Plans 的预留容量来源。

此前，作业只能指定一种实例类型，GPU 紧张时往往需要手工重试或并发提交多个任务。新机制把这部分容量探测交给平台调度，适用于可在多种实例上获得相近效果的训练、微调和数据处理任务。AWS 表示，该功能已在所有提供 SageMaker 的区域通过 CLI、API、SDK 与控制台上线。

科研工作流的验证瓶颈

Google 与 MIT 研究量化科学家使用 AI 的早期模式

Google、Google DeepMind 与 MIT FutureTech 发布的研究显示，近半数受访科学家每天使用某种 AI，并自报每周节省接近 7 小时。研究将大语言模型与专业模型视为互补：前者较多用于通用分析、编程和论文准备，后者较多用于领域预测、数据生成、分类和模拟。

效率增量并未自动转化为发现速度。研究指出，AI 加快上游环节后，输出验证、尚未测试的假设以及实体实验和临床验证会形成新的下游瓶颈。应注意，这份调查属于筛选式非概率在线样本，未加权且未给出抽样误差；“接近 7 小时”是受访者自报结果，不能直接外推为全体科研人员的因果效应。

推理芯片进入实测与部署排期

Meta 披露第三代自研推理芯片 Arke 的首批测试

据彭博社报道，Meta 正测试第三代自研 AI 芯片 MTIA 450，代号 Arke，并计划在 2027 年上半年将其部署到数据中心，用于通用推理。报道援引 Meta 工程副总裁的话称，首批 12 颗芯片于 9 月 1 日由台积电交付，实测性能与模拟结果相差约 2% 至 3%，首日已运行 Meta、DeepSeek 与阿里巴巴的模型。

Meta 与 Broadcom 合作设计、由台积电制造该系列芯片，并称未来 12 个月已承诺超过 1GW 等效能耗规模。公司同时取消原计划兼顾训练和推理的 Olympus，转向推理专用路线；下一代 MTIA 500，代号 Astrid，计划在 2027 年末进入数据中心。上述节能与成本收益仍是 Meta 的目标和管理层表述，量产后的实际表现有待观察。

1. 2026-09-01

   12 颗 Arke 芯片交付

   实测与模拟相差约 2% 至 3%

2. 2027 年上半年

   Arke 计划进入数据中心

   面向通用推理

3. 2027 年末

   Astrid 计划进入数据中心

   下一代 MTIA 500