祖父遭深度伪造语音诈骗后，创始人创办 DetectifAI 应对此类骗局
旧金山初创公司 DetectifAI 推出可在智能手机操作系统内运行的紧凑型 AI 模型，用于实时检测通话、语音消息及其他音频是否由 AI 生成，且音频无需离开设备。该公司主要向手机厂商授权其 SDK，使检测功能成为手机内置特性，并计划向企业和防欺诈公司提供二次授权。据 FBI 数据，美国人去年因 AI 驱动诈骗损失近 9 亿美元，同比增长 24%。
#端侧
#端侧
今日 1 条TechCrunch · AIAI 评分3838
Ars Technica · AIAI 评分4040 微软不再坚持“Copilot+ PC”品牌，新Surface不再使用该名称
微软本周发布的新款Surface电脑不再使用“Copilot+ PC”品牌名称，尽管其硬件仍符合该标准。Surface Pro 12英寸（第2版）和Surface Laptop 13英寸（第2版）将于10月13日上市，搭载高通骁龙X2 Plus处理器和80 TOPS的Hexagon NPU。微软的Copilot+ PC页面现已重定向至“性能PC”页面，品牌标识不再突出。
Ars Technica · AIAI 评分6060 谷歌首颗 Suncatcher 轨道数据中心试验卫星将于 10 月 1 日发射
谷歌首颗 Suncatcher 轨道数据中心试验卫星 MVP 将于 10 月 1 日发射，用于验证其 AI 卫星星座构想。卫星约冰箱大小，内置四块谷歌自研 TPU 加速器，太阳能板供电约 1 千瓦，仅够驱动微波炉或吹风机。卫星本体来自 Planet Labs，谷歌将自家 AI 硬件集成其中以加速测试进程。
Hugging Face BlogAI 评分4242 oMLX 创建者 Jun Kim 加入 Hugging Face，助力 MLX 社区发展
oMLX 创建者及维护者 Jun Kim 加入 Hugging Face，以支持 MLX 社区。oMLX 将保持 Apache 2.0 开源协议，并由 Jun 继续主导开发，从兼职项目升级为全职维护项目，有望带来更稳定的发展和更快的迭代。Hugging Face 希望 oMLX 成为新想法的试验场，并加速 transformers 模型定义到 MLX 实现的转换。
Hugging Face Blog精选AI 评分7373 Hugging Face transformers 支持运行 llama.cpp 的 GGUF 量化模型
Hugging Face 在 transformers 中加入对 GGUF 模型的高效运行支持，通过复用 ggml 的 Metal 内核，可在 Apple Silicon 上以熟悉的 from_pretrained 接口加载并生成。
推荐理由：原文给出了 GGUF 加载方式、性能对比和当前限制，读者可以据此判断在 transformers 里跑本地量化模型的可行性与适用场景。
Google ResearchAI 评分3838 AgentHands：为XR空间对话生成交互式手部手势
Google Research在CHI 2026发布AgentHands研究原型，为XR环境中的AI智能体赋予与语音同步的3D手部手势，将LLM输出映射为实时物理动作。该系统通过手势事件库和词级时间戳实现手势与TTS精确同步，用户研究（N=12）显示其相比纯语音基线在空间接地方面有显著提升。
巨潮公告 · AI芯片AI 评分2626 炬芯科技：端侧 AI 芯片推广及研发进展自愿性披露公告
炬芯科技披露，搭载存内计算 NPU 的端侧 AI 芯片已落地 AI 音频、智能穿戴 AI 交互、AI 智能办公等场景，今年上半年相关产品营收占比超 25%。第二代存内计算技术研发取得重大进展，搭载该 NPU 的 SoC 芯片将于今年流片，预计明年实现多品牌、多品类规模化导入。
Google Research精选AI 评分7070 Google Research 发布 SensorFM，用一万亿分钟可穿戴数据训练通用健康传感器基础模型
Google Research 发布 SensorFM，一个基于超过一万亿分钟、来自五百万名同意参与者的多模态可穿戴数据预训练的大型传感器基础模型。SensorFM 通过自监督重建学习，可跨心血管、代谢、睡眠和心理健康等任务迁移，在 35 项健康任务中 34 项优于特征工程监督基线。模型还结合了智能体课堂自动构建预测头，并能支撑个人健康智能体的端到端应用。
推荐理由：原文给出了一万亿分钟级可穿戴数据训练的通用传感器基础模型，读者可据此判断它能否替代单任务健康模型。
Google Research精选AI 评分6060 Google Research 用冻结多 token 预测加速 Pixel 上的 Gemini Nano 模型
Google Research 宣布一种新架构，将多 token 预测（MTP）头附加到冻结的 Gemini Nano v3 模型上，以加速 Pixel 9 和 10 系列上的端侧推理。相比独立草稿模型，MTP 在 Pixel 9 上带来 50% 或以上的速度提升，并节省约 130MB 内存，同时保持输出与主模型逐位一致。该方案已用于 AI 通知摘要和校对等功能，减少能耗并提升电池续航。
推荐理由：原文给出冻结骨干加 MTP 头的端侧加速方案，读者可据此判断其相对独立草稿模型的效率优势。
Google Research精选AI 评分6262 加州大学圣迭戈分校计划用 2000 部旧 Pixel 手机搭建低碳云计算平台
加州大学圣迭戈分校在 Google 支持下，计划将退役 Pixel 手机的主板提取并组成集群，部署一个由 2000 部手机组成的数据中心，为数百名研究人员和学生提供低成本、低碳的云计算服务。早期实验显示，20 部手机组成的集群即可支持 75 人以上班级的峰值提交，延迟低于 AWS 默认后端；该系统预计于 2026 年秋季上线。
推荐理由：原文给出了旧手机集群的计算能力对比和部署计划，读者可以据此评估这种低碳算力方案的可行性。
Google Research精选AI 评分6060 Google 提出零信任聚合方案，为端侧 AI 提供隐私保护分析
Google 研究团队提出一种零信任聚合方案，用于端侧 AI 的隐私保护分析。该方案结合新型格基密码协议与可信执行环境（TEE），支持单次消息提交，无需设备长时间在线，并确保 Google 只能获得匿名聚合结果。Android SafetyCore 将采用该方案评估安全模型效果，同时保证用户内容仅存于设备端。
推荐理由：原文给出了一种结合密码学与TEE的多层防护设计，读者可据此理解零信任聚合如何兼顾效率与隐私。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemma 4 开源模型家族，主打推理与智能体工作流
Google DeepMind 发布 Gemma 4 开源模型家族，号称迄今最智能的开源模型，专为高级推理和智能体工作流设计，以 Apache 2.0 许可发布。
推荐理由：官方发布稿给出了四个尺寸、上下文窗口和硬件适配细节，读者可据此判断在自有硬件上运行与微调的可行性。