AMD 发布 Ryzen AI Halo 本地 AI 工作站，起售价接近 4000 美元
AMD 近日推出 Ryzen AI Halo 迷你 AI 工作站，搭载 128GB 内存，旨在为用户提供本地运行和微调企业级 AI 模型的便捷体验。该产品对标英伟达 DGX Spark（当前售价 4699 美元），但受内存短缺影响，其价格从最初预期的 2000 美元涨至近 4000 美元。AI Halo 的主要卖点并非硬件革命，而是集成了预装软件、文档和针对 AMD HIP 及 ROCm 软件栈的优化，让用户能开箱即用运行 OpenClaw 和 Cline 等 AI 代理。相比传统搭建 128GB 显存工作站需花费 2 万美元，该设备仍具性价比。不过，其基于一年前旧款芯片，对于熟悉 Linux 和 AMD 生态的开发者吸引力有限。对于初次接触机器学习的用户，ROCm 和 PyTorch 兼容性问题仍是挑战，但 AMD 希望通过“AI 实验室集成化”方案减少配置烦恼。 #AMD #RyzenAIHalo #AI工作站 #本地AI #ROCm #硬件新闻 #人工智能
AMD 近日推出 Ryzen AI Halo 迷你 AI 工作站，搭载 128GB 内存，旨在为用户提供本地运行和微调企业级 AI 模型的便捷体验。该产品对标英伟达 DGX Spark（当前售价 4699 美元），但受内存短缺影响，其价格从最初预期的 2000 美元涨至近 4000 美元。AI Halo 的主要卖点并非硬件革命，而是集成了预装软件、文档和针对 AMD HIP 及 ROCm 软件栈的优化，让用户能开箱即用运行 OpenClaw 和 Cline 等 AI 代理。相比传统搭建 128GB 显存工作站需花费 2 万美元，该设备仍具性价比。不过，其基于一年前旧款芯片，对于熟悉 Linux 和 AMD 生态的开发者吸引力有限。对于初次接触机器学习的用户，ROCm 和 PyTorch 兼容性问题仍是挑战，但 AMD 希望通过“AI 实验室集成化”方案减少配置烦恼。 #AMD #RyzenAIHalo #AI工作站 #本地AI #ROCm #硬件新闻 #人工智能
Dike：欧盟AI产品合规网关，一键实现审计级日志与报告
Dike是一款专为欧盟AI产品设计的合规网关服务，旨在简化企业在《欧盟AI法案》下的合规流程。用户只需更改基础URL，将LLM流量路由至Dike代理，即可自动获得审计级日志、人工监督记录和事件报告。该服务针对《欧盟AI法案》的重要时间节点（如2026年12月前的AI内容透明度义务、2027年12月前的高风险AI系统义务）提供支持。Dike能实时屏蔽PII信息、阻止恶意调用（如提示注入），并为标记内容添加AI生成标签。它支持RAG和聊天机器人场景，记录模型使用的参考文档，为Article 12(2)提供精确证据。人工审批、编辑和覆盖操作均作为一级事件记录，满足Article 14要求。严重事件触发15天报告倒计时（Article 73），自动生成向市场监督机构提交的报告。PII在网关层面即被去除，存储仅限欧盟境内，保留期默认6个月，可配置。系统设计为fail-open模式，即使审计存储不可用，网关仍传递请求，延迟小于毫秒级，支持流式传输。目前Dike处于封闭测试阶段，违法最高罚款为全球营业额的7%或3500万欧元。 #AI合规 #欧盟AI法案 #合规网关 #数据隐私 #LLM
Dike是一款专为欧盟AI产品设计的合规网关服务，旨在简化企业在《欧盟AI法案》下的合规流程。用户只需更改基础URL，将LLM流量路由至Dike代理，即可自动获得审计级日志、人工监督记录和事件报告。该服务针对《欧盟AI法案》的重要时间节点（如2026年12月前的AI内容透明度义务、2027年12月前的高风险AI系统义务）提供支持。Dike能实时屏蔽PII信息、阻止恶意调用（如提示注入），并为标记内容添加AI生成标签。它支持RAG和聊天机器人场景，记录模型使用的参考文档，为Article 12(2)提供精确证据。人工审批、编辑和覆盖操作均作为一级事件记录，满足Article 14要求。严重事件触发15天报告倒计时（Article 73），自动生成向市场监督机构提交的报告。PII在网关层面即被去除，存储仅限欧盟境内，保留期默认6个月，可配置。系统设计为fail-open模式，即使审计存储不可用，网关仍传递请求，延迟小于毫秒级，支持流式传输。目前Dike处于封闭测试阶段，违法最高罚款为全球营业额的7%或3500万欧元。 #AI合规 #欧盟AI法案 #合规网关 #数据隐私 #LLM
Ekka：大语言模型推理中“静默错误”的自动诊断系统
现代大语言模型推理框架（如vLLM和SGLang）虽然功能强大，但也容易引入“静默错误”——这些错误不会引发崩溃或报错，却悄悄降低输出质量。研究人员从vLLM和SGLang的GitHub问题中收集了90个真实静默错误案例，发现最常见症状是基准测试分数下降（占43.8%），但症状与根本原因之间几乎无直接关联。例如，vLLM服务Gemma 3模型时，HellaSwag基准准确率下降30%，最终诊断耗时三个月才发现是注意力窗口配置错误。为此，研究团队开发了Ekka自动诊断系统。该系统将诊断视为差分调试：对齐并比较错误框架与可信参考框架的中间执行状态，精准定位偏离点。在vLLM和SGLang的17个真实错误上，Ekka实现了80%的首次诊断准确率，每次诊断成本约30美元，并已发现4个被开发者确认的新错误。该成果将在ICML 2026上展示。 #大语言模型 #静默错误 #自动诊断 #AI基础设施 #ICML2026
现代大语言模型推理框架（如vLLM和SGLang）虽然功能强大，但也容易引入“静默错误”——这些错误不会引发崩溃或报错，却悄悄降低输出质量。研究人员从vLLM和SGLang的GitHub问题中收集了90个真实静默错误案例，发现最常见症状是基准测试分数下降（占43.8%），但症状与根本原因之间几乎无直接关联。例如，vLLM服务Gemma 3模型时，HellaSwag基准准确率下降30%，最终诊断耗时三个月才发现是注意力窗口配置错误。为此，研究团队开发了Ekka自动诊断系统。该系统将诊断视为差分调试：对齐并比较错误框架与可信参考框架的中间执行状态，精准定位偏离点。在vLLM和SGLang的17个真实错误上，Ekka实现了80%的首次诊断准确率，每次诊断成本约30美元，并已发现4个被开发者确认的新错误。该成果将在ICML 2026上展示。 #大语言模型 #静默错误 #自动诊断 #AI基础设施 #ICML2026
AMD Ryzen AI Halo 迷你主机正式发货，支持本地AI大模型与开源系统
AMD Ryzen AI Halo 迷你主机基于其顶级 Ryzen AI Max+ "Strix Halo" 平台打造，现已正式发货。该设备专为本地AI开发和推理设计，配备128GB统一内存（LPDDR5x-8000MT/s）和Radeon 8060S显卡，可运行高达2000亿参数的大语言模型。它采用紧凑且节能的设计（150×150×45mm，重约1.2千克，TDP 120瓦），性能可与英伟达 DGX Spark/GB10 媲美。机器可运行 Windows 11 或基于 Debian 定制的 AMD Ryzen AI 开发者平台 Linux 系统，并内置2TB PCIe Gen5 NVMe 固态硬盘。接口包括三个USB-C（支持电力传输和视频输出）、10GbE网口、WiFi 7、蓝牙5.4及HDMI 2.1b。评测者称，这款设备在其22年的Linux硬件评测生涯中，是发布一年后仍保持高度满意度的罕见案例。AMD未来还将推出基于 Ryzen AI Max 400 "Gorgon Halo" 的版本。 #AMD #RyzenAI #Halo #迷你主机 #AI #大模型 #Linux #开源
AMD Ryzen AI Halo 迷你主机基于其顶级 Ryzen AI Max+ "Strix Halo" 平台打造，现已正式发货。该设备专为本地AI开发和推理设计，配备128GB统一内存（LPDDR5x-8000MT/s）和Radeon 8060S显卡，可运行高达2000亿参数的大语言模型。它采用紧凑且节能的设计（150×150×45mm，重约1.2千克，TDP 120瓦），性能可与英伟达 DGX Spark/GB10 媲美。机器可运行 Windows 11 或基于 Debian 定制的 AMD Ryzen AI 开发者平台 Linux 系统，并内置2TB PCIe Gen5 NVMe 固态硬盘。接口包括三个USB-C（支持电力传输和视频输出）、10GbE网口、WiFi 7、蓝牙5.4及HDMI 2.1b。评测者称，这款设备在其22年的Linux硬件评测生涯中，是发布一年后仍保持高度满意度的罕见案例。AMD未来还将推出基于 Ryzen AI Max 400 "Gorgon Halo" 的版本。 #AMD #RyzenAI #Halo #迷你主机 #AI #大模型 #Linux #开源
AI 编排进入浏览器
当前大多数 AI 助手的编排、代理和工具调用均在服务器端完成。然而，对于 Web 地理信息系统（GIS）而言，这一模式并不理想。浏览器本身已拥有与地图交互所需的实时运行时环境（如数据显示与状态）。因此，开发团队探索了一种新路径：直接在浏览器中运行 AI 编排与代理。该架构围绕浏览器端编排器设计，无需额外搭建后端编排服务。例如，当用户请求“显示德克萨斯州的养老院”时，浏览器端通过向量搜索快速识别相关图层与字段，选出“数据探索代理”生成空间查询，更新地图并高亮结果。向量搜索是关键环节：它在调用大语言模型前，从众多图层中筛选出最相关的信息，从而精简上下文，提升响应准确性与效率。需要强调的是，这种架构仍可调用服务器端模型与企业 API，适用于复杂任务，但不适合大规模批处理或高度敏感的逻辑。 #AI编排 #浏览器原生 #WebGIS #地理信息系统 #大语言模型 #架构设计
当前大多数 AI 助手的编排、代理和工具调用均在服务器端完成。然而，对于 Web 地理信息系统（GIS）而言，这一模式并不理想。浏览器本身已拥有与地图交互所需的实时运行时环境（如数据显示与状态）。因此，开发团队探索了一种新路径：直接在浏览器中运行 AI 编排与代理。该架构围绕浏览器端编排器设计，无需额外搭建后端编排服务。例如，当用户请求“显示德克萨斯州的养老院”时，浏览器端通过向量搜索快速识别相关图层与字段，选出“数据探索代理”生成空间查询，更新地图并高亮结果。向量搜索是关键环节：它在调用大语言模型前，从众多图层中筛选出最相关的信息，从而精简上下文，提升响应准确性与效率。需要强调的是，这种架构仍可调用服务器端模型与企业 API，适用于复杂任务，但不适合大规模批处理或高度敏感的逻辑。 #AI编排 #浏览器原生 #WebGIS #地理信息系统 #大语言模型 #架构设计