马斯克在得州宣布Terafab芯片制造计划，由Tesla、SpaceX与xAI协同推进，目标把年度AI算力芯片产能做到1太瓦级，并称约为现有全球产出的50倍。项目拟在同一园区内完成设计、制造、测试与迭代，计划生产面向Optimus/自动驾驶的边缘推理芯片及耐辐射航天芯片，并把主要算力部署到太阳能供电的轨道数据中心，以绕开地面供电与散热限制。

报道称英伟达3月22日开始向AWS交付新一代AI GPU，双方目标到2027年前累计部署超过100万块Blackwell与Rubin架构GPU。AWS将据此推出新EC2 P6e实例，单个NVLink域最高72 GPU、360 PFLOPS（FP8）。双方还共建云端超算Ceiba，规模20,736块B200 GPU、约414 EFLOPS，供英伟达内部生物、自动驾驶与气候研究使用。

Salesforce宣布与电商AI公司Cimulate达成最终收购协议，将其AI产品发现与代理式商务能力并入Agentforce Commerce。Cimulate的CustomerGPT用于搜索、推荐与对话导购，面向零售商提升转化与客单价。Salesforce未披露交易金额与交割时间，但将其定位为2026年首笔重要并购，意在补强电商场景的端到端智能交互，与Adobe、Shopify、SAP等在商务AI赛道竞争。

微信上线ClawBot插件，允许在聊天界面接入开源AI智能体框架OpenClaw。报道指微信8.0.70可启用该插件，用户扫码配对后即可在对话中触发工具调用与任务执行。腾讯云侧已完成适配，形成含Lighthouse、Claw Pro、WorkBuddy与QClaw的产品矩阵，把智能体入口嵌入社交应用以降低使用门槛；但当前版本在PC/Mac入口、Markdown渲染与链接跳转等能力上仍有限。

NSF公开库论文提出“深度遗忘”(deep unlearning)评测：不仅删除目标事实，还要阻止模型借助剩余知识与多步推理重新推导。作者提出Success-DU、Recall与Accuracy三指标，并用真实数据集MQuAKE和新构建的多步推理集Eval-DU做实验。结果显示现有遗忘方法难兼顾“不可推导”与通用能力：要么遗忘不彻底，要么过度抹除无关知识。论文呼吁发展面向推导链的专门遗忘算法，提升安全与可信。

IBM Research提出抗体-抗原亲和力筛选的Agentic AI流程：以在数十亿蛋白序列上训练的开源基础模型MAMMAL为底座，用SabDab数据集微调预测结合能力，并比较全抗体/仅重链、全长/CDR3表示，以及全参微调与LoRA等策略，按AUC-ROC选出最优模型生成候选排序。团队将模型与工具封装进MCP工作流，支持对话式交互，代理可自主选工具、解释结果并迭代优化，用于大规模虚拟筛选以减少实验负担。

开源项目S2LC提出Shared Spectral Low-Rank Compression，用共享谱基+低比特码本索引压缩多LoRA适配器，并在推理时用融合Triton内核在GPU寄存器中重建权重，减少HBM读写以实现“零拷贝”。作者称在A100-80GB上前向延迟最低3.59毫秒；当前uint8压缩比约2倍，理论3比特压缩可达10.1倍，可在单卡上并发服务320+微调适配器，适用于多租户与大规模个性化部署。仓库提供验证套件与API接口。

浙大等团队提出CA-TTS框架，解决多模态模型在视觉证据退化时仍“高置信度作答”的问题：先用置信度驱动强化学习校准自评，再把校准置信度转为test-time scaling的算力分配信号。双奖励设计使置信度随图像退化的下降幅度提升4.3倍；并以置信度加权投票、自反思和视觉自检组成多阶段验证环，在四个视觉推理基准上取得SOTA，最高准确率突破45%。