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。
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。
WD 内部测量显示,一段 8 秒 AI 视频(用户拿到的是 3.97MB 的 720p 文件)在后端留下超过 500MB 关联数据,是输出文件体积的 130 倍。
NVIDIA 与欧洲多国政府及合作伙伴推进公共部门 AI 项目:欧盟委员会基于 deepset Haystack 企业平台扩展 AI@EC,波兰用 NVIDIA DGX BasePOD 和 MONAI 构建医学影像平台,德国 Materna 推出本地部署平台 Sinfonie。
NVIDIA 在欧洲推出 Earth-2 系列开放模型的新成员 StormScope EU,基于 EUMETSAT 卫星观测,可对欧洲 16 个 Meteosat 通道以 10 分钟间隔预测云况变化。
NVIDIA 正以开放模型和物理智能改造欧洲零售:Shopify 用 NVIDIA Nemotron 3.5 Lightning 后训练出 GraphQL 子智能体,内部基准上准确率超过领先前沿模型,服务成本降低 90%、响应快 7 倍。
GE Vernova、Hitachi Energy、Schneider Electric 和 Siemens Energy 等能源厂商正基于 NVIDIA DSX AI Factory Platform,把电网、变电站与 AI 工厂作为一套系统统一规划、仿真和运行。
NVIDIA 扩展 Cosmos 平台,新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图,用于构建理解并模拟真实世界的世界模型。
Revolut 正基于 NVIDIA 加速计算以单一基础模型 PRAGMA 重建技术栈,在 Blackwell Ultra GPU 上以 cuDF 和 Dynamo-Triton 扩展生产部署,初期服务 8000 万客户并设计支持 3 倍扩容。
AWS 解决方案架构团队开源了多智能体系统 Deep Insight,用 Coordinator、Planner、Supervisor、Coder、Validator、Reporter、Tracker 等智能体把 CSV 数据分析自动生成带引用的 DOCX 报告。
AWS 发布方案,通过 AWS PrivateLink 的 VPC 端点与 Quick 的 VPC 连接,让 Amazon Quick 在不经过公网的情况下访问企业防火墙后的本地数据源。
Cloudflare 使用 OpenAI Daybreak 调查漏洞并提出修复方案供人工审核,同时其开发者借助 Codex 加快开发速度并提升代码质量。
Blacksmith 完成 Sequoia 领投的 6600 万美元 C 轮融资,估值达 10 亿美元。该平台帮助公司更高效地构建和测试软件(包括 AI 生成的代码),年经常性收入增长 17 倍,已运行超过 9000 万个 CI 任务,客户包括 Mercury 和 Granola。此轮距其 4500 万美元 B 轮仅两个月,公司累计融资 1.25 亿美元。
Blackstone 高管 Jas Khaira 在 TechCrunch Disrupt 上表示,市场对 AI 基建债务引发信贷危机的担忧被夸大,因为多数数据中心由超大规模云厂商建设,债务背后是全球信用最好的公司。
美国非营利组织 U.S. Hunger 借助 Amazon Quick 让领导层直接探索组织数据,并将 SQL Server 数据每晚 2 点刷新至 SPICE 内存引擎。Quick Spaces 为领导团队提供共享的 KPI 定义、财务文档与分析空间,目前已有 17 名同事获得访问权限,覆盖高管、技术、Full Cart 项目、财务与合规等职能。
在单台 trn2.48xlarge(16 颗 Trainium2、64 个逻辑 NeuronCore)上,torchtitan 可通过 TorchNeuron 把 Trainium 注册为原生 PyTorch 设备。
基于 Strands Agents 构建的 Adaptive Agentic Intelligence Framework(AAIF)用 llama3.2:1b 作为编排层对请求分类,常规任务由 Ollama 本地 SLM 处理,复杂分析经 boto3 路由到 Amazon Bedrock。
Google Research 在 JAMA Network Open 发表研究,评估 AI 模型基于盲扫超声估算孕周在不同临床环境与硬件上的泛化能力。
Google Cloud 从 10 月 21 日起提供三款 OpenAI 模型:面向编码与研究等高要求任务的 GPT-6 Astra、性能相近但更便宜的 GPT-6.1 Sol,以及主打快速低成本的 GPT-6 Luna。
Hugging Face 博客发布《Profiling TorchNeuron》系列第一篇,讲解如何在 AWS Trainium 上用 torch.profiler 配合 NeuronConfig 与 NeuronProfiler 抓取干净的 trace,并通过 key_averages() 表定位消耗 Neuron 设备时间的算子。
Dharma-AI 在 Hugging Face 博客中介绍即将发布的 VocabX 论文,用按 token 成本而非频率重建词表的方法,在基于 Qwen3-4B 的葡萄牙语作文评分器上把实测推理成本降低 77.0%,平均响应从 350 个 token 降到 101 个,bench 分数从 0.703 升到 0.810。
Inception 发布扩散语言模型 Mercury 3,称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5,运行速度快 4 到 8 倍。
OpenAI 为 ChatGPT 构建了由 LLM 驱动的广告系统,用于理解对话意图、将广告与回答内容分离,并大规模投放相关广告。该系统以用户信任和相关性为核心设计目标。
Nvidia 在 GTC Berlin 发布 DSX POD,这是围绕 Vera Rubin 系统构建的模块化数据中心参考设计。Dell、HPE、Lenovo、Schneider Electric 等合作伙伴在工厂内完成计算、网络、布线、供电和液冷安装与测试,现场只需接入电力、冷却和网络,Nvidia 称部署时间可从六个月缩短到最短 14 天。
OpenAI 与 Google Cloud 合作,将 OpenAI 前沿模型和 Codex 工作流接入 Gemini 的 Model Garden,并通过 Google Cloud Marketplace 提供。原文未披露具体模型版本、上线时间和定价。
Monday.com 委托 Nielsen 对 7 国 1700 名董事和高管调查显示,超半数高管称采用 AI 后更难评估员工工作,近半数管理者花更多时间审核团队产出。94% 的管理者对用 AI 提效感到兴奋,但 78% 已改变员工评估方式,更看重提示词能力和任务分配判断;46% 的管理者用 AI 辅助决策,39% 用 AI 起草绩效评估。
Nebius、Nscale 和 Verda 等 AI 云厂商正采用 NVIDIA Vera CPU 构建面向智能体计算的新一代基础设施,在 GPU 之外承担数据处理与软件执行。
NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主题演讲中宣布多项发布,包括由合作伙伴在模块化容器内构建的 Vera Rubin AI 工厂参考设计 DSX POD,现场部署时间可从六个月缩短至 14 天。
NVIDIA 扩展机密计算能力,新增 Confidential Bare Metal 部署选项,让前沿模型构建方在第三方专用基础设施上运行敏感负载时仍掌控模型与数据。
NVIDIA cuDSS 正式发布,这是一款将大型稀疏系统求解迁移到 GPU 的 CUDA-X 库,可缩短仿真出结果的时间并提升吞吐量。
NVIDIA 面向工厂场景的 Factory Operations Blueprint(FOX)已在 GitHub 开放早期访问,开发者可构建持续在线的工厂管理智能体,并连接 Cosmos、Nemotron 等模型。
NVIDIA 云合作伙伴正在欧洲、北欧、非洲和中亚扩展区域算力,用于模型训练与推理,并支持智能体和物理 AI 应用。Nscale 在 GB300 NVL72 系统测试中借助 NVIDIA DSX MaxLPS 在同等供电预算下多部署 37% 的 GPU、聚合推理吞吐提升近 50%。
Google Cloud 与 NVIDIA 宣布基于 Vera Rubin 的 A5X 实例正式可用,下月开放并计划扩展至欧洲。A5X 整合 NVIDIA Vera Rubin NVL72、ConnectX-9 SuperNICs、Google Cloud Virgo Network 与第四代液冷技术,面向大规模智能体推理和强化学习负载。
NVIDIA 在 GTC Berlin 集中展示本地 AI 硬件阵容:RTX Spark 在 Windows PC 上运行个人智能体,DGX Spark 面向 Linux 开发者,DGX Station 面向企业前沿负载,Windows 版本预计 12 月推出。
Tenex 联合创始人 Alex Lieberman 与 CJ Hess 在 AIE New York 分享了公司如何把"按交付成果付费"的模式扩展为工程组织实践,公司已增长至 75 人,客户覆盖财富 2000 强与中型企业。
DeepSeek 开源了支撑 V4.1 Flash 的生产推理框架 DeepInfer,基于 vLLM 定制并采用 Apache 2.0 许可,支持分布式推理、投机解码、SWA Bounded Replay 与结构化输出,覆盖 NVIDIA 和华为昇腾平台。
DeepSeek 以 Apache License 2.0 开源内部推理框架 DeepInfer,它是支撑 V4.1-Flash 模型大规模快速出答案的服务软件。
i14 与 AWS 合作,通过 TorchNeuron Native 将线性注意力模型 Laplace 3B 移植到 AWS Trainium2,保留其 Gated Linear Attention 设计与 Muon 优化器。
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。
Google 周二宣布开源 TorchTPU,这是 PyTorch 的 TPU 版本,开发者只需修改配置、无需重写代码,就能把现有 PyTorch 应用迁移到 Google 的 TPU 和 Google Cloud。
Hugging Face 宣布接入 TorchTPU 这一原生 PyTorch 后端,Transformers、Diffusers 和 Kernels 现在可直接在 TPU 上运行,加载模型只需传 device_map="tpu" 或 pipe.to("tpu"),不再需要 torch_xla 或 Optimum TPU。