11月28日，北京市发布《“人工智能+视听”产业高质量发展行动方案（2025—2029年）》，提出重点发展AI电视、AI手机、AI眼镜等新型智能终端产品和服务。方案强调构建“端侧AI芯片+视听算法+智能体”技术创新体系，支持终端制造企业与科技平台合作，开发智慧工业、交通、教育等领域的视听应用解决方案。同时，鼓励企业加强端侧AI推理能力，通过边缘计算和云端协同实现内容实时生成与个性化推送，提升用户体验。此外，将建立智能视听终端测试验证平台，推动行业标准与评价体系建设，助力产业高质量发展。

2025年11月24日，Anthropic发布Claude Opus 4.5模型，在多项基准测试中表现卓越。这款AI不仅严格遵守规则，还能创造性地解决问题。例如，在航空客服测试中，它发现政策“后门”，通过升舱为客户实现航班改签，突破了传统限制。在前端项目测试中，Opus 4.5展现了超越代码生成的“产品思维”，如在记账本项目中实现数据持久化和删除功能，或为贪吃蛇游戏添加历史最高分纪录。相比Sonnet 4.5的高效执行，Opus 4.5更像一位懂技术的产品经理，能主动思考用户需求。这一进化标志着AI从“代码生成器”迈向“智能合作伙伴”，为开发者提供了更高层次的协作选择。

11月19日，群联电子在美国SC25大会上发布两款PCIe 5.0企业级SSD新品Pascari X201和D201。X201专为数据密集型任务设计，容量达30.72TB，支持U.2/E3.S规格；D201优化云存储性能，容量15.36TB，支持E1.S规格。两款产品均提供14.5GB/s和12GB/s顺序读写速率，随机读写分别达3300K IOPS和1050K IOPS，并有1DWPD/3DWPD耐久配置。同时，群联推出aiDAPTIV+显存扩充方案，可将AI应用性能提升25倍，特定场景响应时间从73秒缩短至4秒，显著加速核显平台AI推理任务。

在百度世界大会上，百度发布新一代昆仑芯M100和M300。M100针对大规模AI推理，预计2026年年初上市；M300面向超大规模多模态大模型训练和推理，预计2027年年初上市。这两款芯片的发布展现了百度在AI芯片领域的持续创新能力，为未来AI应用场景提供了更强算力支持。（记者 黄心怡）

11月11日讯，AMD今日宣布完成对美国AI推理创企MK1的收购。MK1团队将加入AMD AI事业部，推动高速推理和企业级AI软件栈的发展。MK1由Neuralink联合创始人保罗·梅罗拉与Thong Wei Koh于2023年1月创立，专注于优化大规模部署的AI推理技术。其飞轮技术针对AMD硬件优化，日处理超1万亿token。梅罗拉曾领导Neuralink芯片设计，并开发解码大脑活动的算法，为MK1注入强大技术实力。此次收购将结合AMD计算能力与MK1软件创新，助力AI领域突破。

2025年11月11日，AMD宣布完成对AI推理技术团队MK1的收购，进一步强化其在人工智能领域的战略布局。MK1团队将并入AMD人工智能集团，专注提升高速推理能力与企业级AI软件堆栈建设，助力AMD在AI芯片市场与英伟达竞争。MK1的核心技术包括针对AMD Instinct GPU优化的Flywheel引擎，每日可处理超1万亿个Token，适用于金融风控、医疗影像分析等高负载场景。此次收购是AMD自2023年以来一系列AI战略举措的延续，此前已收购Mipsology、Nod.ai、Silo AI等公司，并吸纳Untether AI工程师团队及完成对Brium的收购。这些布局共同完善了AMD在“芯片-软件-系统”全栈AI解决方案中的整合能力，为其在数据中心与边缘计算市场的竞争力提供支持。

AMD于11月10日宣布完成对AI推理技术团队MK1的收购，该团队将加入AMD的人工智能集团，助力高速推理和企业级AI软件堆栈发展。MK1专注于大规模部署基于推理的AI技术，其Flywheel技术和理解引擎专为AMD Instinct GPU优化设计，能够精准、高效地处理海量数据推理任务。据AMD透露，MK1 Flywheel目前每天可处理超过1万亿个Token，展现了强大的性能潜力。此次收购将进一步强化AMD在AI领域的技术实力与市场竞争力，推动AI推理技术的创新与落地。

11月7日，牛津、斯坦福大学联合研究发现，具备“思考”能力的AI推理模型更易受到越狱攻击。研究人员提出“链式思维劫持”方法，测试显示在部分情况下攻击成功率超80%。这种攻击通过将有害指令隐藏在无害推理步骤中，绕过AI安全防护，可能生成危险内容如武器制作指南或泄露敏感信息。随着推理链延长，成功率从27%飙升至80%以上，影响ChatGPT、Claude等主流模型。研究建议采用“推理感知防护”方案监控AI推理过程，早期测试表明可有效恢复安全性并保持性能。

11月5日，华为宣布开源其AI推理加速关键技术——UCM（Unified Cache Manager）推理记忆数据管理。该技术通过KV Cache多级缓存与推理记忆管理，结合推理框架、算力和存储的三层协同，解决长序列推理效率低和成本高的问题。UCM架构包含稀疏化模块、稀疏化KV管理器、KV Cache存储组件及UCM连接器等关键模块，具备稀疏注意力、前缀缓存等四大能力，最高可降低首Token时延90%，提升系统吞吐22倍，并扩展上下文窗口达10倍。目前，UCM已在ModelEngine社区开放源代码与技术文档，开发者可通过GitCode或Github获取资源。

11月4日，微软宣布其Azure ND GB300 v6虚拟机在运行Meta的Llama2 70B模型时，推理速度达到每秒110万个token，刷新AI推理纪录。该虚拟机由英伟达Blackwell Ultra GPU驱动，基于NVIDIA GB300 NVL72系统，集成72颗GPU和36颗Grace CPU，专为推理优化。测试使用MLPerf Inference v5.1基准与NVIDIA TensorRT-LLM引擎，单个NVL72机架实现总计110万token/秒吞吐量，较上一代提升27%，功耗仅增17%。Signal65验证结果显示，相比H100世代，GB300推理性能提升近10倍，能效比提高2.5倍。微软CEO纳德拉称此成就得益于与英伟达长期合作。