正文
苹果公司正式发布了iPhone AI（Apple Intelligence）的第一个版本，并宣布仅年费99美元的注册开发者可以获得iOS 18.1测试版本。7月29日，苹果在一份技术论文中透露，其AI系统Apple Intelligence依赖的两种AI模型是在谷歌设计的云端芯片上进行预训练的。
这一决定表明，在AI训练领域，一些大型科技公司可能正在寻找英伟达图形处理单元的替代品。
据论文披露，苹果在8192块谷歌TPUv4芯片上训练了一个大型服务器语言模型——服务器苹果基础模型（AFM），处理了6.3万亿token的训练数据。同时，端侧AFM在2048块TPUv5p芯片上进行训练，AFM和AFM服务均是在“云TPU集群”上完成训练的。
这一合作表明苹果在AI训练方面寻求多样化，降低对单一供应商的依赖。此外，选择谷歌的云TPU芯片可能是因为其在性能和成本上的优势，尤其是在大规模模型训练方面。
苹果此举也可能激发其他科技巨头探索更多AI训练解决方案，推动行业技术进步。
鸿海将在印度制造iPhone 16 Pro与Pro Max，这是苹果首次在印度生产高端Pro系列机型，显示出苹果对印度智能手机市场和供应链的日益重视。作为iPhone最大的供应商，鸿海也是苹果在印度的主要代工厂，这一决定无疑将使其受益匪浅，并打破了比亚迪抢单的传闻。这一举措将帮助苹果更好地开拓印度市场，还能增强其供应链的韧性，减少地缘政治因素对生产的影响。
Aletheia Capital将苹果评级从卖出上调至持有。道明证券将苹果公司目标价从220美元上调至250美元。
英伟达推Blackwell样品及NIM更新，助力3D和机器人创建。
英伟达本周一推出了 fVDB，一个利用现实世界3D数据打造空间智能的深度学习框架。fVDB 建立在行业标准的 OpenVDB 上，专为稀疏、大规模和高性能的空间智能设计。它的空间规模是以前框架的四倍，性能提升了3.5倍，并且可以处理大量现实世界的数据。
fVDB 的优势
-
生成式物质 AI 模型：理解并执行物质世界中的细致或粗糙动作技能。
-
高效框架：提供处理现实规模的强大、连贯的框架，简化了流程。
-
大规模数据处理：访问大量现实世界数据集，提升 AI 模型的实际应用能力。
Isaac Lab：加速机器人学习
英伟达还推出了 Isaac Lab，这是一个开源模块化框架，专为解决传统训练方法对机器人学习技能的限制而设计。Isaac Lab 提供高保真模拟环境，支持模仿学习和强化学习，帮助机器人制造商灵活添加或更新机器人技能。
NIM 和 VIA 微服务：推动视觉 AI 代理
英伟达推出了 NIM 微服务，支持语音、翻译、视觉以及逼真的动画和行为。VIA 微服务现已可在开发者预览版中下载，能与 NIM 集成，用户可灵活使用任何 LLM 或 VLM 模型。VIA 微服务加快了 VLM 和 NIM 驱动的视觉 AI 代理开发，无论是在边缘还是云端部署。
Omniverse Replicator：解决数据短缺问题
英伟达还展示了如何用 NIM 微服务和 Omniverse Replicator 构建自定义合成数据生成（SDG）管道。Omniverse Replicator 基于 OpenUSD 和英伟达 RTX 技术，帮助开发人员解决现实世界数据短缺问题，提升生成式 AI 模型的训练效果。
英伟达与苹果合作，构建从 Graphics Delivery Network 到 Apple Vision Pro 在内的混合渲染管道流，进一步推动了工业企业和物质 AI 开发者的高性能模型开发。
