【AI观察】2026-11-19 12:00 — 第四范式首次下场做基座模型,国产昇腾全链路训练双模型亮相

本轮采集时间:2026-11-19 12:00 | 来源:量子位、TechCrunch、Hugging Face、MIT CSAIL、AlphaSignal、THE DECODER | 新增条目:6

导语:本轮最值得优先读的四条——其一,范式智能(原第四范式)首次把自研基座模型端到台前,Phai-A1 语言模型与 Phai-M1 影视视频模型双联发,且全流程基于华为昇腾完成训练与优化,近期将开放权重,这家以企业级 AI 著称的公司正式下场参加基座模型竞争,也是国产算力全链路训练的一个标志性样本;其二,MIT CSAIL 联合多家机构系统梳理了 AI 可能导致人类灭绝或文明崩溃的 95 个情景,归纳为八大情景族,其中「单一 AI 系统单边夺权」占比最高,为前沿风险监测提供了可操作的因果链清单;其三,Google 为搜索 AI Mode 上线「临时会话」功能,对话不再进入搜索历史、也不影响后续推荐,主流大模型产品的隐私开关正在成为标配;其四,MIT CSAIL 提出把机器人的「肌肉记忆」下沉到轻量工作区模型,让复杂技能学习更快更省,具身智能的架构设计多了一条新思路。

产业与商业

第四范式发布 Phai-A1 / Phai-M1:首次下场做基座模型,国产昇腾全链路训练

量子位报道,范式智能(原第四范式)首次推出自研基座模型,一次发布两款:Phai-A1 是通用语言模型,主打代码开发与智能助手场景,官方称同等质量下响应速度比同参数级别模型快约 8–10 倍,支持原生百万级上下文,单张消费级 RTX 3090 即可运行,在 SWE-Bench 系列评测中胜过同级别选手、不弱于部分千亿参数前沿模型;Phai-M1 面向真人影视场景,音画在同一条生成流水线完成,约 3 分钟生成 15 秒 720P 视频。关键点是两款模型从优化阶段起就按华为昇腾环境设计,完成国产算力全链路训练,而非「训完再适配」。官方称近期将在 Hugging Face、ModelScope 开放权重并发布技术报告,模型已接入 PhanRouter、ModelSphere、Phanthy 等产品线。

来源:量子位

工具与产品

Google 搜索 AI Mode 上线「临时会话」:对话不进历史、不影响推荐

Google 为搜索的对话界面 AI Mode 推出「临时线程」(temporary threads)功能:点击右上角图标即可开启一次与账号脱钩的对话,AI 的回答不会参考用户历史偏好,也不会被搜索历史和推荐系统记录,关闭后即恢复常规搜索。此前 Gemini 等主流聊天机器人已支持临时对话,但搜索场景下的会话式界面一直缺少这一选项。功能面向全球桌面端和移动端、所有支持语言陆续上线。对搜索入口的大模型产品来说,「可不留痕」正在从加分项变成隐私合规的基本配置。

来源:TechCrunch

Hugging Face:为什么你的微调任务耗时远超 FLOPs 理论值

Hugging Face 博客刊出 Dharma AI 的分析,聚焦一个工程实践中的普遍困惑:微调一个模型的实际墙钟时间,往往明显高于按理论 FLOPs 估算出的结果。文章拆解了差距的来源——数据加载与预处理、检查点存取、通信与同步开销、显存与批处理效率等都会吃掉大量时间,并给出更贴近现实的耗时预测思路。对需要排期训练任务、估算算力成本的团队来说,这类「理论算力和真实效率之间的差值」正成为微调排期与资源规划的关键变量。

来源:Hugging Face

IBM Research:时序基础模型进入 Streamhouse,面向实时数据流场景

IBM Research 在 Hugging Face 博客介绍把时序基础模型引入 Streamhouse 的实践:Streamhouse 是面向实时数据流的湖仓方案,时序模型可以直接在流上做预测、异常检测与状态跟踪,覆盖工业设备监测、能源负荷、金融行情等用例。文章讨论了模型选型、流式推理的延迟约束,以及把时序预测与流处理管线集成的工程方式,为「时序大模型 + 实时数据基础设施」的组合提供了参考路径。

来源:Hugging Face

学术与前沿

MIT CSAIL 等:系统梳理 AI 通往灾难的八种情景族

MIT FutureTech(CSAIL 与斯隆商学院合作项目)联合存在风险观测站、未来生命研究所及 15 家机构,筛选 3184 篇文献后提取出 95 个「AI 威胁人类长期潜力」的情景,归纳为八大情景族:单边夺权(41 个情景,最多)、分散夺权、协同夺权、渐进移交(19 个)、固化极权、经济分层、灾难性发明与自动化战争(各 3 个及以下)。每个情景都被拆成明确的因果步骤,可用于评估各步合理性、监测「预警信号」并推动缓解措施,配套论文与公开数据集已发布。研究团队强调计数不代表发生概率,清单也远非完备。

来源:MIT CSAIL

MIT CSAIL:新型「工作区」记忆让机器人更快学会复杂技能

MIT CSAIL 介绍了一种机器人记忆新架构:把视觉-语言大模型中类似「肌肉记忆」的部分下沉到一个轻量的「工作区」模型,机器人无需刻意思考,就能根据视觉与位置变化直接做出反应,例如快速把方块放回抽屉。这样可以降低主模型的调用频率与延迟,让复杂技能的学习与执行更快、更省算力。研究为具身智能提供了一条「大模型负责理解、小模型负责本能反应」的分层思路。

来源:MIT CSAIL

发表评论