跳到正文

#部署/工程

今日 0 条
11月16日周一
11月12日周四
11月11日周三
11月10日周二
  1. MIT Technology Review · AI38

    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,美国数据中心抵制潮的核心是电力而非文化战争。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 训练最小需 300 兆瓦,理想规模达 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自建供电。

11月7日周六
11月5日周四
  1. The Verge · AI22

    哈佛经济学家 Willy Shih 谈 AI 热潮背后隐藏的供应链成本

    哈佛商学院教授 Willy Shih 在 Decoder 播客中讨论 AI 基础设施大规模建设对全球供应链的隐性成本,并解释关税与制造业回流的现实困境。他指出,面对对华关税,制造商的第一反应往往是经越南、墨西哥等地绕道规避,而非真正回流美国。其新书《Where Does My Stuff Come From?》聚焦全球供应链背后的经济学逻辑。

11月3日周二
11月2日周一
  1. MIT Technology Review · AI22

    别再数 token 了,该数交付了多少软件

    面向 AI 编程智能体的按 token 计费模式正让高价值工作流变成最贵的一环,Uber 据称在 4 月就耗尽全年 AI 预算,GitHub Copilot 也从固定费率转向按量计费。文章主张改用「每个已合并 PR 的成本」衡量投入产出,并搭配返工与缺陷指标。HPE 称其混合 AI 平台将 150 多个内部应用的常规负载路由到本地开源权重模型,token 成本下降 30% 至 50%。

10月31日周六
10月28日周三
10月27日周二
  1. MIT Technology Review · AI20

    工业智能:制造业的下一个增长机会

    工业智能将制造商的积累经验、运营实践与生产数据结合,让知识在决策现场可用并接入物理生产环节。Toyota Industries 打通原本割裂的涂装车间数据后,分析周期从五天缩短到四小时以内,试点中相关涂装缺陷减少约 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故障排查的时间从九个月降至三个月。

10月22日周四
  1. Latent Space25

    Moshi CEO Anekha Sokhal 谈为大宗商品交易员打造推荐引擎

    Moshi 正在为大宗商品交易员构建推荐引擎,把市场信息与交易员持仓组合真正相关的部分连接起来。CEO Anekha Sokhal 称 Moshi 像是 Bloomberg、Claude 和 Netflix 的结合体:市场数据、操作界面加上针对交易员的推荐。她还在 AI Engineer New York 与 swyx 讨论了可信信源、文档抽取以及自建还是采购模型。

  2. MIT Technology Review · AI18

    Celonis 首席科学家 Devavrat Shah:企业 AI 需要上下文感知才能做出好决策

    Celonis 企业 AI 首席科学家 Devavrat Shah 提出"决策智能",认为 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、犯错或浪费算力。他建议企业从具体业务决策入手,先找出最难环节再测试 AI 能否改善,并以速度与价值增益决定是否扩展。落地还需投入员工教育,让员工能理解 AI 输出而非直接交出决策权。

10月21日周三
10月20日周二
10月15日周四
10月14日周三
10月13日周二
10月11日周日
10月6日周二
10月5日周一
10月4日周日
10月3日周六
  1. MIT Technology Review · AI15

    MIT Technology Review:自主 AI 如何重新定义企业智能

    MIT Technology Review 报告指出,企业 AI 正从工具转向“智能体式转变”的运营模式,2026 年全球 AI 投资预计达 2.5 万亿美元,同比增长 44%。报告认为企业 AI 的扩展瓶颈是结构性的,流程优先的公司正在领先,而多数企业仍未靠 AI 实现收入增长。关键路径是重建数据基础设施、采用可组合架构,并解决 AI 主权问题。

9月29日周二
  1. MIT Technology Review · AI12

    让 AI 从开支变成资产:企业何时该自建算力而非按 token 付费

    HPE 赞助内容指出,当 AI 从试验走向客服、IT、研究等常驻生产负载,按 token 消费的模式会让支出变成难以预测的月度变量,企业需评估自建容量的经济性交叉点。Deloitte 2026 企业 AI 报告显示,2025 年员工 AI 使用率上升 5%,至少 40% AI 项目投产的公司比例预计半年内翻倍。决策取决于模型、输入输出 token 比例、性能要求、能耗与运营模式,而非通用成本基准。

9月22日周二
  1. Latent Space78

    TypeSafe AI 发布 Jev:面向软件而非聊天的 System 1 模型

    TypeSafe AI 发布首个大型可编程模型 Jev,定位为面向代码消费的 System 1 模型,按每美元智能优化,取名自杰文斯悖论。其核心创新是未发表的 RLCD(Reinforcement Learning for Calibrated Decisions),优化 System 1 任务上具有认知诚实概率的答案,而非 RLHF 的人类评分反馈或 RLVR 的可验证输出。

    推荐理由:Jev 提出面向代码消费的 System 1 模型与 RLCD 训练目标,读者可据此理解程序化 AI 与聊天模型的路线差异。

9月21日周一
7月7日周二
  1. Berkeley AI Research38

    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

    伯克利 EPIC Data Lab 提出近零推理成本时代数据系统面临三大挑战:为智能体设计的数据系统、运行智能体集群的数据系统、由智能体合成数据系统。GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1,部分厂商已低于 $0.10,推理价格年降幅在 9x 到 900x 之间,中位数约 50x。