Hicore Daily
Big Tech
3篇Apple 裁员超 200 人，Vision Pro 游戏与沉浸视频团队被砍，转向智能眼镜和新 Siri
Apple 在 Vision Pro 和 Siri 团队裁员约 200 人，其中 Vision Pro 部门约 100 人，主要涉及游戏和沉浸式视频团队；Siri 部门约 100 人，针对旧版 Siri 团队，因新 Siri AI 需要不同技能。Apple 确认重组，称将创造新岗位，并支持受影响员工。此举与公司战略转向相关：Vision Pro 继任者被搁置，资源转向类似 Meta 的 AI 智能眼镜，且 Vision Pro 负责人已离职加入 OpenAI。Apple 表示 Vision Pro 和 visionOS 不会消失，预计 2028 年发布新机型，但沉浸式视频制作成本高、用户基数有限，相关团队被裁。新 LLM 版 Siri 已随 iOS 27 推出，旧版团队被调整。
英伟达投资数据中心开发商 Cloverleaf，持续加码 AI 基础设施
英伟达于 8 月 21 日宣布与数据中心开发商 Cloverleaf Infrastructure 建立合作伙伴关系，并投资数亿美元获得其少数股权。Cloverleaf 成立于 2024 年，当年融资 3 亿美元，主要充当公用事业公司与数据中心之间的中间人，为场地开发提供电力供应等关键基础设施。此次投资是英伟达利用其巨额利润持续推动 AI 建设的一部分，英伟达正越来越多地直接参与融资和开发 AI 数据中心，这些数据中心反过来又会购买其 AI 系统。本周早些时候，英伟达还宣布向俄亥俄州一个与 OpenAI 相关的 SB Energy 数据中心项目投资 15 亿美元。双方未披露具体条款，但据华尔街日报和路透社报道，投资额达数亿美元。
苹果裁员超 200 人：Vision Pro 游戏与沉浸内容团队大幅收缩，Siri 团队亦受影响
苹果正在裁减 Siri 和 Vision Pro 团队的员工，裁员总数超过 200 人。其中，Vision Pro 游戏团队被“基本关闭”，制作 Vision Pro 沉浸式内容的团队规模也被缩减。苹果在声明中称此举是为了“发展业务以给用户提供最佳体验”，但也会设立新岗位。苹果未立即回应 The Verge 的置评请求。Vision Pro 于 2024 年初上市，售价 3499 美元，市场反响平平；尽管彭博社 5 月报道苹果在开发更轻薄的新款头显，但此后又报道苹果暂停了与三星显示关于入门级 XR 设备显示器的合作。在 Meta 智能眼镜成功后，苹果也在规划自有智能眼镜，预计 2027 年 WWDC 发布。苹果今年 WWDC 刚推出新版 AI 版 Siri，公众测试版计划年底上线。
研究报告
2篇Nvidia 研究：AI Agent 的成败更多取决于外围框架而非模型本身
Nvidia 于 8 月 21 日发布研究，表明在长时程任务中，AI Agent 的表现更多取决于外围的'harness'（工具、记忆管理和规则组成的软件包装）而非底层模型本身。通过定制化 harness，配合'监督者'组件，Nvidia 让 Claude Opus 5 在 ARC-AGI-3 基准上从 30%提升至 100%的得分。该基准要求模型在没有指令的情况下玩 2D 游戏并获胜，OpenAI 对此尤为关注。Nvidia AI 产品副总裁 Adel El Hallak 指出，Agent 不仅仅是模型 API，而是模型、harness、运行时和相关技能库的集合。研究强调，对于需要连续决策的长时程任务，模型选择虽重要，但外围框架的优化可能更为关键。此前微软 4 月的研究也表明，19 个 LLM 在文档编辑长任务中均产生错误。
英伟达用线性映射转移 KV 缓存，跨模型切换速度提升最高 25 倍
英伟达研究人员提出一种跨模型 KV 缓存转移技术，用于解决智能体系统中任务在小模型和大模型之间切换时，接收模型需要从头重新计算整个对话上下文（prefill）而导致的算力成本高和延迟大的问题。该技术使用简单的线性回归映射，将源模型的 KV 缓存直接映射到目标模型，避免了重新 prefill。实验显示，在兼容的模型对（如 Qwen3、Llama 3.1、Ministral 3 系列内部不同规模模型）上，线性映射过程比重新计算快 2.7 至 25 倍，并保留目标模型独立准确率的最高 98%。例如，将 Qwen3 14B 的 32768 token KV 缓存转移到 32B 模型仅需 278 毫秒，而标准 re-prefill 需近 7 秒。该研究基于仅 500 个序列的小型校准集，采用闭式岭回归映射器，并在多轮对话中保持极小的漂移。对于部分 Ministral 配置，线性方法效果不佳，改用非线性 MLP 后准确率恢复到 90% 以上。该技术为多模型智能体系统的推理成本优化提供了新工具。