如何让 AI 从一项开支变成一项资产
HPE 提出企业应重新审视 AI 的消费式定价：当客服、IT、研究等智能体工作流带来持续且可预测的需求时，按请求购买 AI 未必比自建容量更划算。Deloitte 2026 企业 AI 报告显示，2025 年员工 AI 使用率上升 5%，至少 40% 的 AI 项目进入生产的公司比例预计在六个月内翻倍。企业需按实际工作负载测算利用率交叉点，并通过采用、治理与用例扩展让自有容量保持产出。
#部署/工程
#部署/工程
今日 0 条9月29日
9月25日
GitHub Copilot 为什么说 chat 是错的 UI：用 canvas 构建自定义交互界面
GitHub Copilot 应用引入 canvas——一种运行在应用内、无浏览器外壳的全栈小应用，可与 Copilot 智能体双向通信，也能调用第三方 API 或在本地执行代码。
9月22日
InstructGPT 作者 Diogo Almeida 谈 Jev：为软件而非聊天打造的 System One 模型
TypeSafe AI 创始人兼 CEO Diogo Almeida 在 Latent Space 播客中介绍新模型 Jev，称其为面向软件消费的 System One 大模型。
9月21日
NVIDIA：AI 安全是工程问题——如何在 Agent 栈的每一层解决它
NVIDIA 提出 AI 安全应按工程问题处理，需要明确的安全需求、可执行的管控、指定负责人和防护有效的证据。其开源安全运行时 NVIDIA OpenShell 在智能体推理范围之外强制执行策略并提供沙箱化执行，Cisco DefenseClaw 在其上增加治理层，JFrog 则集成 OpenShell 扫描和验证智能体技能。
7月30日
GPU 管理：为什么闲置 GPU 正在成为新的停场飞机
Hugging Face 博客指出，AI 的下一个真正约束不是智能而是 GPU 利用率：GPU 按日历小时计费，却只在计算小时产出，与航空业飞机停场成本结构相同。
7月7日
智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1、部分厂商低于 $0.10，UC Berkeley 的 Aditya G. Parameswaran 等人提出智能体时代数据系统的三大方向：面向智能体（For Agents）、由智能体运行（Of Agents）、由智能体构建（By Agents）。
5月8日
自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 多由外部预设并行结构，未教会模型自适应行为。