新芯航途发布X7 Ultra智驾芯片，700 TOPS，NPU计算利用率达98.7%。芯片采用超大核NPU、专用计算引擎和统一AI工具链，并以真实量产智驾模型进行“大模型算力”评测，量化输出与FP32基准模型相似度超过99.99%。官方称，相比行业旗舰产品，内存带宽消耗降低80%、能效提升100%，测试涉及Momenta的R7世界模型。
推荐理由：文章以真实量产智驾模型为测试对象，拆解X7 Ultra的NPU架构、AI工具链与车规安全设计，便于理解模型需求如何映射到端侧芯片效率。
AnySpeechRecognizer 与 AnyDecisionModel 两个 Swift 包发布，为 Apple 平台接入开放模型完成语音识别和结构化决策。
推荐理由：文章用词错误率、转写速度和内存占用数据对比语音引擎，并补充会议重叠语音的表现，便于评估端侧识别方案的成本与精度。
天数智芯发布天垓300、彤央TY1200与天数智算软件栈，并在现场将两款GPU对标英伟达 H200 和 Jetson Thor T5000。现场随机文生图任务中，天垓300用时95.6秒，H200为112秒；第三方测试中其折算单卡端到端吞吐为H200的1.05倍，TY1200运行Qwen3.8-27B的性能则为Thor T5000的138%。
推荐理由：文章同时给出云端与端侧的现场对标数据，并拆解 Agent 辅助部署、调优和算子开发的效率变化，便于比较硬件与软件栈价值。
NVIDIA RTX Spark Windows 笔记本现已由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 开售，起售价 $2,599，并新增或计划引入本地模型、智能体工具与游戏支持。
推荐理由：原文将模型能力、GPU 资源分配与本地部署条件并列呈现，读者可据此判断 RTX Spark 对轻量本地 AI 工作流的适配范围。
Liquid AI 发布 LFM3 模型家族，六款 2B 级模型共享 LFM3-1.7B-Base 骨干，覆盖文本、视觉、音频、全模态和结构化决策。LFM3-1.7B 比 LFM2.5-2.6B 少 35% 参数，文本模型在 4-bit 精度下约占 1 GB并支持 256K 上下文；LFM3-Omni-2B 可接收文本、图像、视频和音频并输出文本或语音。
推荐理由：LFM3 以同一 2B 级骨干衍生六款文本、视觉、音频、全模态与决策模型，并给出单 GPU 微调和端侧部署路径，便于评估小模型专业化方案。
面壁发布 MiniCPM-OCR-1.0-DSpark-gguf 的 GGUF 量化模型，提供 Q4_K_M 版本，可在本地加载并通过图像输入示例调用。README 给出 llama.cpp、vLLM、Ollama 和 Docker Model Runner 的安装与运行方式。
推荐理由：模型页给出 Q4_K_M 量化包在 llama.cpp、vLLM、Ollama 中的部署调用方法，并提供图像输入 API 示例，可参考搭建 OCR 推理流程。
联想天禧AI在观猹大会展示个人AI跨端协同，4.5版本定于10月30日升级。现场演示中，用户可通过天禧AI手机语音搜集Personal Agent产品并自动生成研究报告，也能关闭系统弹窗、调高屏幕亮度。4.5版本将进一步强化记忆管理与数据隔离，现有版本则基于Harness架构，支持联网搜索、生图修图、本地文件控制、文档生成及外部MCP Server接入。
推荐理由：现场演示具体呈现了手机语音触发研究报告与设备控制的跨端流程，也补充了天禧AI 4.5版本的记忆与数据隔离方向。
小米内部创新产品团队开源了 AI 硬件 HachimoDock，硬件自制成本约 150 元，可通过语音指挥电脑端 Agent，并通过 xiaomi Miloco 联动智能家居。
推荐理由：文章把 HachimoDock 的语音交互、Agent 任务反馈、组件创作与智能家居联动串成完整使用链路，并交代源码、物料和装配教程等复刻资料。
炎曦动力公开具身基座模型 Paimon-0，在 RoboColiseum 以 0.7754 排名第一，并超过 GPT-6 Astra。它在 RoboCasa365 和 VLA-Arena 分别以 58.1、0.73 排名第一，并以 46.599 总分夺得启元机器人 IROS Workshop 双臂机器人挑战赛冠军。
推荐理由：文章以榜单成绩和端云协作为线索，解释 Paimon-0 的 query token 蒸馏、自我改进设计及其与机器人芯片方案的衔接。
岩山科技旗下岩芯矩阵与港科大、CMU联合发布并开源EdgeRock-4B，256K上下文下KV Cache固定为72MiB，较源模型减少99.1%。在单张Hopper 80GB GPU、32K输入和32K输出下，模型支持512路并发，输出吞吐12124 tokens/s，是Qwen3.5-4B的6.42倍。
推荐理由：文章拆解了EdgeRock-4B以RMA固定KV Cache的机制，并对照Qwen3.5-4B及有界状态模型的吞吐、内存与推理表现。
千里科技在一颗4D毫米波雷达中引入端到端AI处理，从天线设计和波形生成延伸至点云检测、测角、增强、目标跟踪与分类，雷达内置10 TOPS NPU。相较上一代DSP端侧4D雷达，点云密度增强10倍、探测距离提升40%、鬼影消除提升至95%、空间角分辨力提升12倍。雷达支持边缘侧、卫星架构和兼容三种模式，可输出结构化感知结果、传输原始数据，或并行完成两类处理。
推荐理由：文章拆解千里AI雷达的边缘、卫星与兼容三种架构，呈现模型如何减少规则依赖并改变雷达与中央域控的分工。
科大讯飞首发星辰TaaS平台，以星辰MaaS为底层，通过模型调度、智能体引擎、知识工程和工具编排连接模型能力与行业应用。平台覆盖同传翻译、数字员工、办公提效、知识问答、智能营销等场景，并面向企业服务、金融、医疗、教育、能源等行业提供产品与解决方案。平台提出将 Token 消耗嵌入真实业务流程，让每次 Token 调用推动业务任务完成。
推荐理由：星辰TaaS把模型调度、智能体引擎、知识工程与工具编排串成全链路，并给出金融、医疗等行业落地方向。
AAIF 基于 Strands Agents 构建，本地小语言模型（SLM）处理常规任务，复杂请求则路由至 Amazon Bedrock。该分层编排旨在减少 API 成本并保持本地操作低延迟。框架以 llama3.2:1b 作为编排器，不依赖硬编码规则选择遥测、本地视觉或云端分析工具，并可部署在配备 8 GB 内存的 Raspberry Pi、全云或混合环境中。
推荐理由：文章以 IoT 监控为例，拆解本地小模型、云端模型与智能体编排的三层架构，并提供可改造的代码和部署路径。
IBM Granite Speech 发布 granite-speech-5.0-2b，并更新 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
推荐理由：文章按高精度翻译、端侧速度和多说话人归因区分三款模型，并给出速度与错误率变化，便于按场景比较选型。
NVIDIA 在 GTC Berlin 展示 RTX Spark、DGX Spark 和 DGX Station，并公布模型、集群与软件更新。DGX Spark 64GB 将于周五（10 月 23 日）由合作伙伴开始铺货，手动集群最多支持 8 台设备并提供 1TB 统一内存；DGX Station for Windows 预计 12 月推出。
推荐理由：三类本地 AI 硬件分别面向个人智能体、开发集群和企业工作站，文中还给出模型兼容、开放方式与推理优化信息。
Astrolab 计划最早于 2026 年 11 月将 480 千克的 FLIP 月球车送往月球，HPE Spaceborne-4 计算机将首次在月面运行定制大语言模型。模型将分析车载摄像头和激光雷达 3D 测绘数据，辅助安全导航并提炼信息，减少月球车需要传回地球的数据量。为应对月面辐射，HPE 通过软件监测带电宇宙粒子造成的异常，并在辐射峰值时降低计算机功耗和速度。
推荐理由：文章把地月通信延迟、月面极端环境与 Spaceborne-4 的软件和硬件防护放在一起，呈现本地运行大语言模型的具体任务、部署条件与现实约束。
达摩院在RISC-V中国峰会上发布车规增强处理器玄铁E908A和面向自动驾驶、具身智能的处理器产品路线图。E908A是首款同时满足ASIL-B和ASIL-D标准的RISC-V CPU IP，单点安全度量SPFM首次超过90%；下一代C950A目标性能达到现有RISC-V车规产品的5倍。
推荐理由：原文给出玄铁E908A车规IP与下一代C950A性能目标，便于评估RISC-V在车载领域相对X86和Arm的落地节奏
联想 YOGA Pro 15 RTX Spark 超级AIPC于10月16日全渠道开售，官方售价29999元起，是全球首批搭载 NVIDIA RTX Spark N1X 超级芯片的本地智能体 AIPC。
推荐理由：该文给出联想 RTX Spark 超级AIPC 的芯片规格、统一内存和本地千亿模型运行情况，可与此前同类端侧 AI 设备作比较。
NVIDIA RTX Spark 笔记本正式上市，起售价 2399 美元，搭载 NVIDIA Blackwell RTX GPU 与 Grace CPU，最高提供 1 petaflop AI 算力和 128GB 统一内存。
推荐理由：原文汇总了 RTX Spark 笔记本的硬件规格、起售价格和合作 PC 厂商，读者可以据此了解本地 AI 部署的硬件门槛。
EdgeKernelBench 与 LEKA 提出面向异构边缘后端的 LLM 内核生成统一评估和分层优化框架。EdgeKernelBench 通过统一 IR 和编译器接口连接目标后端，以 TVM 为参考编译器验证，基准范围从单个算子逐步扩展到紧凑模型图。
推荐理由：论文以统一 IR 跨边缘后端评估内核生成，并比较 LEKA、直接生成与 Claude Code 的性能达标结果。