Scimplify 融资 2500 万美元，用 AI 挑战中国在关键材料领域的主导地位
印度初创公司 Scimplify 完成 2500 万美元全股权战略融资，由 Hitachi Ventures 领投，投后估值 2.5 亿美元，累计融资 8000 万美元。其自研 AI 平台 Scinode 通过研究、制造、质控等专用 AI 智能体协调生产，可将特种化学品交付周期从通常的 12 至 18 个月缩短至两个月，目前年化收入约 2 亿美元，并计划未来一年将生产网络扩展至美国和日本。
#数据/训练
TechCrunch · AIAI 评分4242 CoinDeskAI 评分4242 BlackRock CEO Fink 警告：叫停美国数据中心建设或引发经济衰退，国债已达 40 万亿美元
BlackRock CEO Larry Fink 警告，若美国因环保担忧而暂停数据中心建设，可能将经济推入衰退，并称相关恐惧多为"错误信息"。Moody's 估计今年美国数据中心资本支出将达 7000 亿美元，到 2030 年最高达 2.48 万亿美元。Fink 同时指出美国国债已从 2000 年的 8 万亿美元升至 2026 年的 40 万亿美元，呼吁释放私人资本。
The DecoderAI 评分6060 Google 称自我改进型 AI 仍遥不可及
Google 工程师 Haydn Belfield 表示，自我改进型 AI 仍远未到来，DeepMind 未观察到 AI 自身驱动的研究加速。AI 目前编写超过 75% 的生产代码，但约 88% 的代码改动仍需人工审核，完全交由 AI 处理的改动占比从 7.5% 升至 11.9%。
CoinDeskAI 评分6262 Chainalysis：AI 智能体经 x402 完成 1.38 亿笔加密支付，美国钱包占 AI 模型推理支出 88.1%
Chainalysis 报告显示，AI 智能体已通过 Coinbase 的 x402 协议在 Base 链上完成超过 1.38 亿笔交易，用于购买数据、算力和 AI 模型访问权限。
NVIDIA BlogAI 评分2222 NVIDIA 宣布投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 等英国初创企业
NVIDIA 宣布对 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国 AI 与量子计算初创企业进行新投资，此前已投资 Synthesia、Wayve 等公司。NVIDIA 还以全球联盟创始合作伙伴身份加入 Earthshot Prize，并承诺五年 2.5 亿美元算力投入，用于加强英国智能体安全与安保研究。
MIT Technology Review · AIAI 评分7171 AI 实验室开始收购倒闭创业公司的数据用于模型训练
MIT Technology Review 报道，随着公开与合成数据集触及上限，AI 实验室开始收购倒闭创业公司的代码与工作区数据用于训练。
Greg Brockman@gdbAI 评分6262引用OpenAI@OpenAIWe’re releasing a broad range of new mathematical results produced by an internal frontier model. We’ve been consulting with the independent Advisory Group on Mathematics and Artificial Intelligence at the Institute for Advanced Study, and we have drawn on their advice and public recommendations to inform how we release these results. https://github.com/openai/math
Arthur Mensch@arthurmenschAI 评分3838引用Guillaume Lample @ NeurIPS 2024@GuillaumeLampleML4 was trained on 3,800 NVIDIA Grace Blackwell GPUs in our European datacenters -- our cluster in Bruyères-le-Châtel built using our Series B fundraise. We are investing heavily in infrastructure, with our Series C and D clusters coming online soon. This additional compute will let us train longer, pursue more ambitious post-training, and iterate faster. We expect large and rapid improvements in the weeks and months ahead. 2/n