跳到正文

#部署/工程

今日 0 条

11月12日

星期四

11月11日

星期三

11月10日

星期二
  1. 数据中心遭抵制,可能真的只是因为电

    走访弗吉尼亚州 Data Center Alley 后可见,数据中心引发的反对更多源于电力问题而非科技公司所称的文化战争。当地数据中心平均功率达 54 兆瓦,超过丹佛国际机场用电量;AI 训练所需最小数据中心为 300 兆瓦,理想规模约 6000 兆瓦,相当于芝加哥全市用电。Anthropic 据报已同意支付 34 亿美元购买燃气轮机。

11月3日

星期二
  1. Legora CTO Jacob Lauritzen 谈如何在看不到数据的情况下构建法律智能体

    Legora CTO Jacob Lauritzen 在 Latent Space 播客中讲述如何在看不到智能体运行轨迹的情况下构建法律智能体——数据归律所客户所有。Legora 用三名工程师加三名律师搭建模拟客户工作的测试环境,某次发布后引用准确率从 70% 升至 99%。其 Tabular Review 可在单张表格中审阅 10,000 份合同,全部服务运行在 Azure 上。

11月2日

星期一

10月31日

星期六

10月28日

星期三

10月27日

星期二
  1. 工业智能:制造业的下一个增长机会

    制造业的工业智能由积累的工艺知识、生产数据与业务理解构成,当前机会是让这些智能在决策现场可用,并与物理世界连接。Toyota Industries 打通碎片化喷漆车间数据后,分析周期从五天降至四小时以内,试点中相关喷漆缺陷减少约 25%。Rockwell Automation 新加坡工厂用维护 copilot 整合制造数据、设备手册与老员工经验,新员工掌握数百台设备排障的时间从九个月缩短到三个月。

10月22日

星期四
  1. Celonis 首席科学家 Devavrat Shah 谈企业 AI 为何需要上下文感知

    Celonis 企业 AI 首席科学家 Devavrat Shah 提出“决策智能”,主张 AI 智能体必须理解任务在业务流程中的角色与约束,否则会遗漏关键限制、造成高昂错误或浪费算力。他建议企业从具体业务决策入手,先找出最困难的环节再测试 AI 能否改进,并以速度与价值增益决定是否扩展。这一路径还需投入员工教育,让员工理解 AI 输出而非直接交出决策权。

10月21日

星期三
  1. SF Compute CEO Evan Conrad 谈可编程数据中心与 GPU 算力交易市场

    SF Compute 正在把 GPU 算力做成可交易市场,并亲自承担物理交付:买家拿到的是可用算力,而非对指数的现金结算。CEO Evan Conrad 称 NVIDIA 因缺乏中立性无法自建这类交易所,而 SF Compute 通过匹配不同约束条件的订单,在技术持续迭代时仍能促成交易。公司还支持按需切分 InfiniBand 网络结构,让基础设施可编程。

10月20日

星期二
  1. 企业 AI 的新经济学:从 token 成本转向有效产出成本

    企业 AI 正从零散的聊天机器人实验变成业务基础层,衡量指标也从 token 或 GPU 小时价格转向"每个有用产出的有效成本"。企业可选自建栈、按需消费或集成私有 AI 平台三条路径,HPE Private Cloud AI 将调度、模型选择、GPU 分区和缓存管理作为运营杠杆,其委托的独立测试显示高利用率多负载平台的每 token 有效成本低于反复租用同等容量。

10月15日

星期四

10月14日

星期三

10月11日

星期日

10月4日

星期日
  1. Simon Willison:按量付费服务需要默认硬性预算上限,AWS 已推出支出限额

    Simon Willison 呼吁按量付费 API 和服务默认设置硬性预算上限,即达到 $X/月后直接切断并返回错误,而非仅发警告邮件。他指出 AWS 已在 9 月 16 日推出月度支出限额功能,项目达到限额后当月暂停,但该功能目前仅向有限客户开放;Google Cloud 则在 7 月推出了 Spend Caps。

10月3日

星期六
  1. 用自主 AI 重新定义企业智能:MIT Technology Review 报告解析“智能体转型”

    MIT Technology Review 报告指出,企业 AI 的规模化瓶颈是结构性的,2026 年全球 AI 投资将达 2.5 万亿美元、同比增长 44%,但多数企业仍未靠 AI 实现收入增长。报告提出“智能体转型”需同步重构架构与运营模式:以可访问性而非数据量重建数据基础设施、用可组合架构替代固定技术栈,并解决 AI 主权问题。

9月29日

星期二
  1. 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。

9月25日

星期五

9月22日

星期二

9月21日

星期一
  1. 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

星期四

7月7日

星期二

5月8日

星期五
  1. 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。