芯片与算力

大模型 Infra 人才薪资狂飙：年薪冲 800 万，仅少数人吃到红利

雷峰网报道称，DeepSeek R1 发布后 AI Infra 人才薪资大幅上涨，优秀 Infra 工程师年包可达七八百万，跳槽涨幅常见 2 倍、个别达 3 倍。原因是行业从拼算法转向拼底层系统工程，Infra 通过提升 GPU 利用率（行业平均仅 25% 27%，优秀团队可达 40%）直接为公司节省数千万算力成本。但高溢价仅集中在推理优化、模型量化、算子开

llama.cpp b11640：Vulkan 后端优化 cm2 mulmat 调度

llama.cpp 发布 b11640 版本，主要变更是 Vulkan 后端针对 cm2 mulmat 采用对 L2 缓存友好的 workgroup 调度（PR #30215）。该版本同时提供 macOS/iOS、Linux、Android、Windows 等多平台预编译包，覆盖 CPU、CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后端。

llama.cpp b11639 修复 OpenCL CLAMP 非连续视图问题

llama.cpp 发布 b11639 版本，主要修复了 OpenCL 后端 CLAMP 算子在处理非连续（strided）视图时索引错误的问题。修复方式是新增一个针对非连续输入的 strided kernel clamp nc，并在源张量非连续时启用该内核，行为与其他一元算子保持一致。该版本同时提供 macOS、Linux、Windows、Android

llama.cpp b11636：SYCL 后端 IQ3 权重重排提速

llama.cpp 发布 b11636 版本，为 SYCL 后端新增 IQ3 S 和 IQ3 XXS 权重的持久化重排（reorder）支持，在加载时一次性重排权重，使 MMVQ 点积以稠密超级块方式配合 dp4a 与 SWAR 符号扩展执行，并让重排感知的反量化服务于批量 prefill GEMM。在 Intel Arc Pro B70 上实测，Qwen3

2026湾芯展深圳启幕：千余企业参展，AI基础设施与先进封装新品集中首发

2026湾区半导体产业生态博览会（湾芯展）10月14日在深圳会展中心启幕，由中国国际工程咨询有限公司指导，深圳市半导体与集成电路产业联盟等主办，1000余家半导体企业参展。展会设晶圆制造、化合物半导体、先进封装、IC设计/AI基础设施四大核心展区，并新设AI+3D IC先进封装创新专区、第三代半导体国家技术创新中心专区及AIE AI基础设施产业生态展。开幕式

llama.cpp 发布 b11627：更新 ggml mul mat id 说明并禁用相关测试

llama.cpp 发布 b11627 版本，主要变更为在 ggml 中为 mul mat id 添加说明注释，并禁用了 mul mat id dup 相关测试（PR #30501）。该版本同时提供覆盖 macOS、iOS、Linux、Android、Windows 及 openEuler 的多平台预编译二进制包，支持 CUDA、Vulkan、ROCm、SY

Apple 用 MLX 与 RDMA 在 Mac Studio 上实现本地及分布式大模型推理

Apple ML Research 发布博客，介绍在 Mac Studio 上使用最新版 MLX 框架进行本地与分布式大模型推理。单机可运行 Qwen 3.8（27B）和 Mistral Medium 3.5（128B），四台 Mac Studio 集群通过 Thunderbolt 5 上的 RDMA 驱动和 MLX 的 jaccl 通信原语，以流水线并行方

llama.cpp b11623：AMD 上改用 SIMT 隐式 GEMM conv2d

llama.cpp 发布 b11623 版本，主要变更是 CUDA 后端在 AMD GPU 上使用 SIMT 隐式 GEMM 实现 conv2d，不再依赖 WMMA，并在短归约场景下跳过该 SIMT 路径。该改动由社区贡献者提交，Claude Opus 提供辅助。版本同时提供 macOS、Linux、Windows、Android 等多平台预编译包。

Ollama 发布 v0.40.5：MLX 内核移植 CUDA 并改进工具调用

Ollama 发布 v0.40.5 版本，主要更新包括将 MLX 的 Metal 自定义内核移植到 CUDA、在 OpenAI 兼容的 Responses 历史中支持自定义工具调用、更新模型推荐与语言标准化文档、优化云支付错误提示，并升级 MLX 版本。该版本为常规迭代更新，提升了跨平台推理与 OpenAI 接口兼容性。

llama.cpp b11621：OpenCL 优化 Adreno MoE 专家排序

llama.cpp 发布 b11621 版本，主要变更是 OpenCL 后端针对 Adreno GPU 的 MoE 专家排序改用 buf+offset 替代 subbuffer（PR #30418）。同时提供 macOS/iOS、Linux、Android、Windows 等多平台预编译包，覆盖 CUDA、Vulkan、ROCm、SYCL、OpenVINO

llama.cpp b11620：修复 OpenCL q8 0 dp4a 与 Adreno 支持

llama.cpp 发布 b11620 版本，主要修复 OpenCL 后端中 q8 0 dp4a 的 mul mat id 计算问题，并针对 Adreno GPU 将 PREC F32 的 mul mat id 标记为不支持。该更新由高通工程师参与贡献，同时附带各平台预编译二进制文件。

维信诺全球首发2K 185Hz手机屏，iQOO Neo 12将首发搭载

维信诺联合清华大学、iQOO在清华科技园举办屏幕技术沟通会，全球首发量产2K+185Hz手机屏幕，并推出基于第四代OLED材料pTSF的“天空之镜”定制发光材料。该材料相比上一代发光效率提升8%、全局峰值亮度提升10%、功耗降低6.5%、寿命提升50%，将搭载于即将登场的iQOO Neo 12旗舰。此次发布通过基础研究、量产制造与终端应用协同，突破了高分辨率

Nscale冲刺350亿美元估值：签Anthropic千亿大单，英伟达10亿注资

英国AI算力基建公司Nscale向SEC递交IPO申请，并通过可转换贷款票据完成33.6亿美元融资，其中英伟达承诺10亿美元，市场预期估值最高约350亿美元。Nscale披露合同总收入约1034亿美元，包括与Anthropic最高约450亿美元的GPU服务协议，并深度绑定英伟达。该公司2024年5月才从比特币挖矿企业Arkon Energy分拆独立，创始人J

MemSilicon完成国际首款1T4R 1Gb RRAM芯片流片

铭芯启睿（MemSilicon）于2026年10月12日宣布完成国际首款基于1TnR技术路线的高密度、大容量RRAM芯片“泰山一号（MountTai 2026）”流片。该芯片采用28nm CMOS工艺和1T4R单元结构，单芯片容量1Gb，密度达30Mb/mm²，访问延时小于20ns，并集成片上硬件纠错电路，目前正在推进验证。公司围绕嵌入式RRAM IP、高密

DoSA：点稀疏注意力，无损加速稀疏注意力索引器

论文提出 DoSA（Dots Sparse Attention），一种无损稀疏注意力方法，通过为每个 token 构造分数上界与 Top-k 阈值下界，在保留精确 token 选择的前提下跳过大量全头打分。该方法针对 DeepSeek 稀疏注意力（DSA）中带符号 ReLU 索引器的稠密打分瓶颈，利用非负头投影、联合残差界和激活感知聚合来收紧候选排除条件。在

另有 1 家信源报道

DoSA：点稀疏注意力，无损加速 Top-K 选择

该论文提出 DoSA（Dots Sparse Attention），一种无损稀疏注意力方法，通过分数上下界证书提前拒绝候选 token，仅对仍符合条件的候选进行完整打分，从而保持精确的 Top-K 选择。其 GPU 实现使完整 Indexer 相比 SGLang 提速最高 2.74 倍、相比 LiteTopK 提速 1.69 倍。在 GLM-5.2 和 De

另有 1 家信源报道

llama.cpp 发布 b11609：修复 WebGPU mul mat id 重复专家 ID 问题

llama.cpp 发布 b11609 版本，主要修复了 WebGPU 后端在专家 ID 重复情况下 mul mat id 的 CI 问题。该版本同时提供 macOS、iOS、Linux、Android、Windows 等多平台预编译二进制包，覆盖 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等多种后端。

Science Corporation 为首例 Stargardt 病患者植入 PRIMA 视力芯片

Science Corporation 宣布其视力恢复芯片 PRIMA 已植入首例 Stargardt 病患者体内，该患者于 5 月在澳大利亚悉尼眼科医院接受手术，并在康复训练中看到字母、读出单词。公司 CEO Max Hodak 在 TechCrunch Disrupt 上表示，视网膜属于中枢神经系统，PRIMA 是其脑机接口（BCI）布局的一部分，该设备

llama.cpp b11603：优化 Vulkan 大窗口 pool 2d

llama.cpp 发布 b11603 版本，主要变更是优化 Vulkan 后端在池化窗口较大时的 pool 2d 算子：当窗口大于一个 subgroup 时，改用整个 subgroup 计算每个输出。该版本同时提供 macOS/iOS、Linux、Android、Windows 等多平台多后端的预编译二进制包。

llama.cpp 发布 b11602：arena 重分配时重建所有子图

llama.cpp 发布 b11602 版本，主要变更是 meta 后端在 arena 重新分配时重建所有子图（PR #30453），并回退了新增的测试用例。该版本同时提供 macOS/iOS、Linux、Android、Windows 等多平台预编译二进制，覆盖 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后端。