华为 Mate 90 系列发售，全系搭载麒麟芯片并整合鸿蒙 7 与小艺 AI
华为 Mate 90 系列在国庆假期正式发售，全系采用麒麟芯片，涵盖麒麟 9030、麒麟 9035 及麒麟 9050 Pro，通过“韬定律”折叠芯片设计缩短数据传输路径，麒麟 9050 Pro 整机性能提升 31%。影像方面推出“睿影”品牌及首款 10 倍连续变焦模块，覆盖 24-240mm 焦段。系统深度整合鸿蒙 7 与小艺 AI 大模型，提供帮记、触发式助手等功能，并支持四卡三待。
#端侧
#端侧
今日 4 条BestBlogs.devAI 评分6262 BestBlogs.devAI 评分6666 华为发布 Mate 90 系列，搭载麒麟 9050 并支持 300 亿参数端侧大模型
华为于 10 月 1 日正式发布 Mate 90 系列手机，Mate 90 Pro Max 及 RS 大师版搭载麒麟 9050 芯片，标准版搭载麒麟 9030。
The Verge · AIAI 评分6060 Meta 开源代码，让用户自制 Muse AI 硬件
Meta 开源了相关代码，允许用户自制搭载其新 AI 智能体 Muse 的硬件设备。Meta 建议的项目包括把 Muse 装到彩色 E Ink 显示屏上显示提醒、装到 HDMI 棒上投到大屏，或装到小尺寸触屏设备上做成类似 DIY 版 Muse Charm 的装置。
The Verge · AIAI 评分6666 苹果将限制 Mac 全盘访问权限，称 AI 智能体大幅增加风险
苹果宣布将在 macOS 上为全盘访问权限增加新的限制，要求用户通过非常明确的主动操作才能授予应用这一权限。苹果表示，部分开发者使用全盘访问的方式可能让用户面临风险，暴露文件、邮件、信息和浏览历史等内容，而随着 AI 智能体能力与自主性增强，这类访问带来的风险会大幅上升。苹果未说明该更新的具体推出时间。
Ars Technica · AIAI 评分2222 受 AI 影响，7 年前的 Nvidia Shield TV 涨价 100 美元
2019 年发布的 Nvidia Shield TV Pro 现零售价涨至 299.99 美元，较此前贵了 100 美元，涨价原因是 AI。
NVIDIA Blog精选AI 评分6262 NVIDIA 推出 DGX Spark 64GB 版本，双机可集群扩展至 128GB 内存
NVIDIA 将于本月通过 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 推出 DGX Spark 64GB 统一内存版本，10 月 23 日开售，起售价 4,999 美元，保留 GB10 Grace Blackwell 超级芯片、DGX OS 与完整 NVIDIA AI 软件栈，支持最高 1000 亿参数模型在设备本地运行。
推荐理由：原文给出 64GB 版本的售价、上市时间与双机集群的实测加速比，可据此判断本地跑大模型的成本与扩展方式。
Simon WillisonAI 评分3030 Photo Scrubber：用 GPT-6 Astra 打造的本地人脸模糊与元数据清除工具
Simon Willison 用 GPT-6 Astra 构建了实验性工具 Photo Scrubber，可自动识别人脸并模糊处理。该工具基于 Google 的 MediaPipe C++ 库，通过 @mediapipe/tasks-vision 编译为 WebAssembly，并使用 BlazeFace 人脸检测模型，全程在本地运行。
Hugging Face BlogAI 评分4040 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速视觉语言推理
Liquid AI 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入投机解码路径，解码最高提速 3.13x（端侧）和 2.66x（H100），端到端最高提升 2.62x 和 2.27x。该草稿模型约 280M 参数，仅使部署模型参数量增加 8.9%，并首日支持 llama.cpp、MLX-VLM 和 SGLang。
Hugging Face BlogAI 评分3838 oMLX 作者 Jun Kim 加入 Hugging Face，支持 MLX 社区
oMLX 作者兼维护者 Jun Kim 加入 Hugging Face，全职投入 MLX 社区建设。oMLX 将保持 Apache 2.0 开源，由 Jun 继续领导，从副业转为有资金支持的长期项目，目标是提升稳定性并加快开发。Hugging Face 希望 oMLX 成为新想法的试验场，并推动 transformers 模型定义更快落地为可供各引擎使用的 MLX 参考实现。
Hugging Face Blog精选AI 评分6262 Transformers 现已支持运行 llama.cpp 的 GGUF 量化模型
Hugging Face 在 transformers 中加入 GGUF 支持，用户可从 Hub 选取量化检查点，通过 from_pretrained 传入 gguf_file 在本地生成，无需额外配置。
推荐理由：Hugging Face 官方说明 transformers 如何直接加载 GGUF 量化权重，并给出与 llama.cpp 的性能对比和当前限制。
Google Research精选AI 评分6262 Google 发布 SensorFM：面向可穿戴健康数据的通用基础模型
Google Research 联合 Google DeepMind 提出 SensorFM，一个直接从无标注可穿戴数据学习的大型传感器基础模型，预训练语料来自五百万名同意参与者、超过一万亿分钟的多模态信号，覆盖 100 多个国家、50 个美国州和 20 多种 Fitbit 与 Pixel Watch 设备。
推荐理由：Google 用五百万人的万亿分钟可穿戴数据训练通用生理表征，读者可了解其自监督缺失感知设计与跨任务泛化表现。
Google Research精选AI 评分6262 Google 用冻结多 Token 预测加速 Pixel 上的 Gemini Nano 模型
Google Research 提出一种新架构，把多 Token 预测（MTP）头接到已冻结的 Gemini Nano v3 模型上，在 Pixel 9 和 10 系列上实现开箱即用的加速。
推荐理由：Google 把 MTP 头接到冻结的 Gemini Nano v3 上，读者可了解端侧推测解码如何在内存受限下提速。
Hugging Face BlogAI 评分3434 在 Transformers.js 中试验拟议的 Cross-Origin Storage API
Google Chrome 团队开发者关系工程师 Thomas Steiner 在 Hugging Face 博客中，试验了拟议的 Cross-Origin Storage（COS）API 如何解决 Transformers.js 的跨源缓存重复问题。
Google Research精选AI 评分7272 Google 研究用手机摄像头实现被动心脏健康监测
Google Research 在 Nature 发表研究，提出 PHRM 系统，利用手机前摄在面部解锁后的数秒内拍摄视频，通过深度学习在后台估算心率和静息心率。
推荐理由：Google 用手机前摄在解锁后被动测心率，并公开迄今最大规模手机视频数据集与预训练模型。
Google ResearchAI 评分3434 Google 推出零信任聚合的隐私分析方案
Google 为隐私分析服务提出零信任聚合方案，将新型单次消息加密聚合协议与 TEE 结合，使设备无需多轮在线交互即可提交数据。该设计保证 Google 只能获得群体的匿名聚合洞察，原始数据即使在硬件保护范围内也不会被暴露或重建，未加密数据仅在聚合匿名化后的最终阶段于设备外处理。
Hugging Face BlogAI 评分5858 如何在 Chrome 扩展中使用 Transformers.js
Hugging Face 发布教程，讲解如何在 Manifest V3 约束下用 Transformers.js 在 Chrome 扩展中运行本地 AI 功能，并以官方发布的 Gemma 4 浏览器助手扩展为参照。
Google ResearchAI 评分3131 Google 小模型拆解式意图提取：Gemini 1.5 Flash 8B 媲美 Gemini 1.5 Pro
Google Research 提出一种拆解式方法，让小型多模态 LLM 在设备端理解用户意图：先逐屏总结每次交互，再从摘要序列中提取意图。在移动端与网页轨迹上，该方法优于 CoT 和端到端微调，Gemini 1.5 Flash 8B 取得与 Gemini 1.5 Pro 相当的结果，成本与速度仅为后者一小部分。该论文已在 EMNLP 2025 发表。
Google ResearchAI 评分3434 Google 研究：用 Pixel Watch 智能手表估算步态指标，精度媲美手机
Google 研究团队提出一种基于时序卷积网络（TCN）的多头深度学习模型，仅凭单只 Pixel Watch 的 IMU 信号和用户身高，即可直接估算步速、步长、双支撑时间等多项步态指标。在 246 名参与者、约 7 万段步行数据的验证中，手表估算与手机结果无显著差异（p>0.05），多数指标 Pearson r>0.80、ICC>0.80。