9月16日，据量子位和爱范儿报道，英特尔、杭州力文所、蚂蚁灵波和高通分别披露AI系统新进展：英特尔公布KV Cache分层卸载与QAT压缩方案，力文所发布蛋白质设计Agent，蚂蚁灵波CEO朱兴在2026外滩大会谈机器人落地，高通介绍面向AI智能体手机的近存计算与芯片分工。这些进展分别涉及大模型推理缓存、蛋白质设计工作流、具身智能数据采集和终端芯片异构计算。
据量子位报道，英特尔围绕大模型推理中的KV Cache提出KV Shrink等四个技术方向，其中KV Shrink已有实现和测试披露。该方案把KV Cache分层管理与QAT硬件压缩结合，内存吃紧时可将较冷数据转存到SSD等下一层介质。英特尔称，重新排列KV Cache存储格式后，压缩节省空间从原先的10%以上增加到20%以上，空间降幅约为20%至30%，且采用无损压缩。在80%缓存命中率下，使用L20 GPU和Qwen3-32B模型的测试中，相较未开启分层卸载的原生vLLM基线，KV Shrink在测试覆盖的输入长度和并发组合中，TTFT最高获得约5倍加速。QAT硬件压缩整体性能约为CPU软件压缩方案的两倍；开启QAT压缩带来的额外TTFT开销低于10%。英特尔与道客联合实验室采用八张H800和Qwen3-32B FP8模型测试，相较LMCache方案，KV Shrink单路负载平均TTFT由129.81毫秒降至114.13毫秒，降幅约12.1%；八路并发降幅约4.6%。
量子位还报道，杭州AI蛋白质设计公司力文所发布Lévin™ Harness，面向科研社区开放使用，目前支持搭载Apple芯片的Mac。该产品把数据、模型、插件工具、算力和工作流放入同一Agent工作区，用户可用自然语言描述需求，通用大模型负责任务理解与规划，专业科学模型和分析工具承担蛋白质结构预测、序列设计等计算。Lévin™ Harness不绑定特定模型，新能力可通过插件加入，跑通的研究方法可沉淀为Workflow复用。力文所自研的Pallatom曾入选ICML 2025 Spotlight，并被英伟达官网收录为代表性蛋白质基础模型。
据爱范儿报道，蚂蚁灵波CEO朱兴在2026外滩大会期间表示，机器人落地仍受能力和成本制约，小卖部等场景也不容易落地。灵波把重心放在具身“大脑”上，希望同一套基础模型适配不同构型、不同任务，再通过后训练降低使用门槛。朱兴称，当前模型仍处冷启动阶段，主流可落地产品基本以模仿学习为主，最怕异常，任务不能太长程。灵波已转向定制化采集，内部数据可用率从约15%提升到90%以上，并与供应商采用流式交付。他认为“今天的机器人还吃不了粗粮”。
高通方面，据爱范儿报道，高通推出高带宽计算技术HBC，将计算放到内存旁边，减少数据搬运。下一代骁龙旗舰的Qualcomm Oryon CPU最高主频达5GHz，并采用Qualcomm Oryon FlexCache可扩展缓存架构；Adreno GPU加入Adreno Matrix Cores，Hexagon NPU新增Element Accelerator，共享内存最高扩容50%，并引入混合专家MoE架构，使30B MoE模型在NPU上每次生成一个词元仅激活约30亿个参数。高通称，AI智能体手机需要CPU、GPU、NPU、缓存和内存围绕Agent重新分工。