OpenAI 试点电网保护者计划：承诺在紧急情况下为社区释放电力
OpenAI 宣布将在佐治亚州即将建设的数据中心试点电网保护者计划，承诺在极端天气或突发紧急情况下释放最高 1,000 兆瓦电力以支援当地电网。该方案旨在应对全美各地对 AI 数据中心巨额耗电与环境影响的抵制浪潮，通过错峰让电减少社区电网负担。除佐治亚州园区外，OpenAI 还在与 Oracle 和 SoftBank 合作在得克萨斯州和新墨西哥州等地推进 Stargate 数据中心建设。
#部署/工程
#部署/工程
今日 4 条The Verge · AIAI 评分6363 AWS Machine Learning BlogAI 评分4848 Circle K 如何利用 Amazon Bedrock 将 DevOps 故障排查时间缩短至 15 分钟内
Circle K 基于 Amazon Bedrock 构建 AI 智能体自动化故障排查系统，将平均事件排查时间从 45–60 分钟缩短至 15 分钟以内，降幅达 67%–75%。系统在报警触发后数分钟内自主排查多账号基础设施与日志，直接向 Slack 推送结构化分析结果。方案结合 Bedrock Knowledge Bases 托管 RAG 检索内部文档，避免了自建向量数据库与模型运维开销。
AWS Machine Learning BlogAI 评分5959 AWS 详解如何在 Amazon SageMaker AI 上通过知识蒸馏构建高效智能体
AWS 团队介绍了在 Amazon SageMaker AI 上利用序列级知识蒸馏（SeqKD）降低智能体运行成本的实践方案，成功将前沿教师模型的多步决策能力迁移至 4B 小模型。
AWS Machine Learning BlogAI 评分4949 使用 Crawl4AI 为 Amazon Bedrock Knowledge Bases 准备网页内容
开源 Python 爬虫 Crawl4AI 可用于为 Amazon Bedrock Knowledge Bases 预处理网页内容，以提升 RAG 应用的数据摄取质量。该方案通过提取结构化 Markdown 和自定义元数据，去除导航等样板内容后上传至 Amazon S3。随后 Bedrock 自动完成文档解析、分块、嵌入向量生成与向量检索索引构建。
MIT Technology Review · AIAI 评分3333 AI 编程别再只算 token，转向衡量交付的软件
AI 编程智能体在多轮迭代中消耗的 token 可达基础对话的 10 至 50 倍，企业应转向以每个合并 PR 的成本衡量实际交付成果。通过网关将复杂推理分流至前沿模型、将常规任务转至本地开源权重模型，能够有效改善高频调用的边际成本。例如 HPE 借助混合架构在逾 150 个内部应用中将 token 成本降低了 30% 至 50%。
量子位AI 评分2525 从“能调用”到“敢托付”：仪电智算云 Token 工厂的三重可信
上海仪电联合上海创智学院发布仪电智算数链生态，推出仪电智算云 Token 工厂及首批上线“寻数”功能的一体机，并引入 NEX-N2.5 大模型。平台依托异构算力纳管与高性能推理引擎，构建了涵盖服务运营、全栈国产化生态和全链路留痕存证的“三重可信”保障体系，以满足金融、医疗等核心业务的高可用与可追溯需求。
arXiv cs.LGAI 评分4343 RetryRoute：面向智能体图像编辑服务的重试感知模型路由
研究团队提出面向智能体图像编辑服务的重试感知路由机制 RetryRoute，针对重试成功率仅为首次 17-53% 的“粘性失败”问题优化调度。该机制根据失败历史评估各模型成功率，统筹规划重试、模型升级与放弃，并引入实时队列等待实现负载感知。实验显示其成功率较 11 个基线平均高出 2.8 点，在 GPU 平台上将 SLO 达标交付比例提升 5.0-6.3 个百分点。
arXiv cs.LGAI 评分4040 SparseGDN：线性注意力中的分块稀疏机制
研究团队推出硬件感知框架 SparseGDN，通过结构化块内近似与动态循环事件选择加速线性注意力模型的长上下文 prefill。在 Qwen3.5-4B 和 Qwen3.5-9B 跨 4K 至 128K 上下文的 RULER 评测中，该方法平均仅保留约 29% 的循环事件。
arXiv cs.LGAI 评分3232 CAMEL：用于超轻量级视网膜基础模型的跨架构掩码嵌入学习
研究人员提出跨架构知识蒸馏框架 CAMEL，利用嵌入学习中的非对称掩码策略，将 RETFound 等大型视网膜基础模型的知识迁移至轻量级学生模型。在 4 个数据集上的实验表明，该方法在大幅降低计算复杂度的同时保留了诊断准确率，适用于硬件受限的临床环境部署。
arXiv cs.AIAI 评分3434 GAAC：面向个人设备高效带宽 LLM 推理的无损 KV 缓存压缩
GAAC 提出一种无损 KV 缓存压缩系统，利用指数冗余在逐位保真下在 5 个模型上实现 1.405-1.407× 的 BF16 压缩。该方案在 64k token 上下文下将 NVIDIA DGX Spark 解码 attention 加速 1.19-1.27×，端到端 W4A16 解码加速 1.04-1.15×，并削减约 26% 常驻 KV 内存。
arXiv cs.AIAI 评分3939 GAUSS：面向 LLM 推理服务的负载感知解析与蒙特卡洛模拟器
研究团队提出面向 LLM 推理服务的负载感知模拟器 GAUSS，可预测特定工作负载、引擎和加速器下的首 token 延迟（TTFT）与 token 间延迟（TBT）完整分布及可持续请求率。该工具结合针对 prefill 和 decode 阶段校准的延迟曲面与排队模型，通过集成蒙特卡洛采样替代单 trace 回放，能有效捕捉尾部延迟并评估未部署的硬件与调度策略。
arXiv cs.AIAI 评分3535 LRMoE：面向显存受限节点的高效 MoE 训练需求端负载重校准
LRMoE 是一种显存感知的 MoE 训练系统，通过在前向规划保留配额并在反向传播时重校准负载需求，解决显存受限节点的计算与通信瓶颈。系统通过容量感知路由与物理压缩减小通信载荷，有效降低反向通信、计算量和缓冲区显存开销。
量子位AI 评分4545 新芯航途发布智驾芯片 X7 Ultra：世界模型指导设计，超大核 NPU 达 700 TOPS
Momenta 姐妹公司新芯航途（XHEART）首次公开亮相，发布由 Momenta R7 世界模型指导设计的车规级智驾芯片 X7 Ultra，提供 700 TOPS 算力。芯片搭载超大核 NPU 与车规级 Arm v9 CPU，NPU 计算利用率达 98.7%，量化输出与 FP32 基准模型相似度超 99.99%。官方数据显示，其内存带宽消耗对比旗舰产品降低 80%，能效提升 100%。
TechCrunch · AIAI 评分7272 Nvidia 考虑为 Nscale 西弗吉尼亚 AI 数据中心提供数十亿美元债务担保
Nvidia 正洽谈为 AI 云计算服务商 Nscale 在西弗吉尼亚州规划的数据中心提供数十亿美元债务担保，该项目首栋设施已与 Anthropic 签订 446 亿美元合同。
AWS Machine Learning BlogAI 评分5151 AWS 发布 Amazon Bedrock 端到端成本管理指南：面向 FinOps 与平台工程的五步闭环
AWS 官方为企业 FinOps 与平台工程团队推出了 Amazon Bedrock 成本管理操作手册，提供覆盖成本归属、可观测性、预算执行、平台默认项优化与例行复盘的五阶段闭环。
AWS Machine Learning BlogAI 评分4747 借助 Amazon Bedrock AgentCore runtime 实时预览编码智能体构建的 Web 应用
Amazon Bedrock AgentCore runtime 推出 Session endpoints 功能，支持用户在编码智能体构建 Web 应用时直接通过浏览器进行实时预览与热重载。
The Verge · AIAI 评分7171 Google 卫星搭载 TPU 与 Gemma 4 完成首次太空 AI 推理并传回地球
Google 实验卫星 Project Suncatcher 成功启动星载 TPU，并运行 Gemma 4 模型生成首条太空响应并传回地球。该测试属于 Google 太空 AI 数据中心实验计划的一部分，该卫星于本月早些时候发射升空。Google 后续将测试 TPU 在轨道热应力与辐射环境下的运行表现，计划在 2027 年实现双互联卫星目标。
TechCrunch · AIAI 评分7373 Google 首颗太空数据中心原型卫星上线运行并完成在轨推理测试
Google Suncatcher 太空数据中心原型卫星已正式入轨上线并与地面建立通信，成功在轨运行预加载的 Google DeepMind Gemma 4 模型完成诗歌生成与状态汇报。
AWS Machine Learning BlogAI 评分4848 Worldwide Express 如何利用 Amazon Bedrock 实现货运异常自动化处理
Worldwide Express 联合 AWS 基于 Amazon Bedrock 构建多智能体 AI 系统，上线 6 个月使货运账单活跃异常减少 75%，回款周期缩短 4 周。该方案带来 1000 万美元一次性自由现金流注入并实现每年节省 100 万美元。系统通过发票匹配、价格差异和附加费验证 3 个智能体协同分析，在准确率超过 99% 后开启批量审批。
arXiv cs.LGAI 评分4444 多智能体 Kernel 优化循环适配新型 AI 加速器案例研究
研究人员构建了一种多智能体优化循环，并在 FuriosaAI RNGD NPU 上历时 12 天优化了 Gemma-4-12B 的三个解码算子。该循环通过自主建立 Rust DSL 文档知识、运行微基准测试与编译器合法性检查，结合设计树搜索探索算子实现。最终内核相比官方 baseline 取得 9.293x 几何平均加速比，相关提示词与测试工具均已开源。
NVIDIA Blog精选AI 评分7070 SETI 与 Breakthrough Listen 将 Agentic AI 引入地外信号搜索
Breakthrough Listen 与 SETI 研究所将智能体 AI 引入地外文明搜索，在艾伦望远镜阵列上通过自然语言即可自动控制天线、校准仪器并处理观测数据。该系统基于 NVIDIA Holoscan 平台与 RTX PRO 6000 Blackwell GPU，支持每秒 2.4 Tbps 传感器数据的实时显存处理，已在蟹状星云完成脉冲星的实时 AI 检测。
推荐理由：文章展示了如何通过端到端软硬件协同将海量传感器数据接入 GPU，为高吞吐科学仪器的智能体化控制提供了工程参考。
量子位AI 评分6969 面壁智能开源算子生成系统 ForgeKernel，从零自进化超越 DeepSeek FlashMLA
面壁智能联合 OpenBMB 社区开源算子生成 Agent 系统 ForgeKernel，该系统在英伟达 B200 上历时 22.5 小时、经 42 轮自进化迭代，在无人参与编写代码的情况下将耗时压缩至 472 微秒，比 DeepSeek-V4.1 的 FlashMLA Prefill 算子快 9.8%。
TechCrunch · AIAI 评分4848 AI 数据中心能否像造车一样量产？Runware 探索流水线制造模式
AI 基础设施公司 Runware 计划在生产线上像造车一样量产模块化数据中心 Sonic Inference Pod，目标到 2028 年达到每天 30 兆瓦产能。该 Pod 的制造时间将缩短至一天，运抵现场后 48 小时内即可上线，支持客户自带 GPU 部署或按月租用算力。其第二座工厂预计明年初投产，目前已获得超 20 兆瓦、意向金额 10 亿美元的订单意向。
PhoronixAI 评分3333 AMD PerfOpt 进入 Linux 7.4，为 AMD 集显带来性能提升
AMD PerfOpt 功能已合入 Linux 7.4 内核。根据 Phoronix 的多项基准测试，该特性能够为 AMD 集成显卡带来良好的性能提升，尤其是在 AI 工作负载中表现显著。
量子位AI 评分4343 IDC 最新报告：MaaS 市场分化，PPIO 拿下独立服务商首位
IDC 最新发布的报告显示，2026 年上半年中国 MaaS 市场规模达 106.3 亿元，PPIO 作为唯一上榜的独立 MaaS 服务商位居大语言模型市场第六。截至 2026 年 9 月，PPIO 平台日均 token 调用量达 3.4 万亿，旗下平台涵盖 200+ 款模型，并借助智能模型调度实现综合 token 成本降低 60%。
AWS Machine Learning BlogAI 评分3535 借助 AWS Batch 配额管理实现 SageMaker Training 任务跨团队资源借贷
AWS Batch 针对 Amazon SageMaker Training 任务推出配额管理（quota management）功能，支持管理员按团队或项目划分配额份额，实现闲置 GPU 算力的跨团队出借与借用。系统提供 RESERVE、LEND 和 LEND_AND_BORROW 三种共享策略，支持通过跨份额抢占自动收回出借资源，并可开启份额内抢占优先保障高优先级任务运行。
AWS Machine Learning BlogAI 评分3939 在 Amazon EKS 与 SageMaker HyperPod EKS 上利用 NVIDIA Nemotron 模型加速智能体 AI
NVIDIA Nemotron 3.5 Super VL 已支持在 Amazon EKS、EKS Auto Mode 及 SageMaker HyperPod EKS 上部署，用于加速智能体 AI 工作流。
PhoronixAI 评分2121 NVIDIA Vera 单路与双路 CPU 性能对比
一项基准测试对比了 NVIDIA Vera 在单路与双路 CPU 部署下的扩展表现。测试重点探索了从单颗 Vera CPU 增加至两颗 CPU 时的功耗与性能变化情况。
PhoronixAI 评分4444 AMD ROCm HRX Loom v0.1 发布，面向 AMD CPU、GPU 与 NPU
作为最新一轮 ROCm 进展的一部分，AMD 现已发布面向 AMD CPU、GPU 与 NPU 的 Loom SDK v0.1。该项目此前在今年的 AMD Advancing AI 大会上以 Hyperloom 名义公布，旨在针对 AI 智能体工作负载进行专门优化并提供扩展能力。
The Verge · AIAI 评分5454 AI 争夺亚利桑那水资源：为何超大规模数据中心陷入全民抵制困境
The Verge 深度报道指出，AI 算力基础设施的大规模扩张正与美国亚利桑那州本就严峻的水资源危机产生剧烈冲突。
PhoronixAI 评分2626 Linux 7.5 的图形与 NPU 驱动变更已开始排队准备
自上周起，drm-misc-next 的 Pull Request 已开始向 DRM-Next 发送，提前排队暂存面向 Linux 7.5 内核周期的图形与 NPU 驱动等新功能代码。该内核开发周期预计将于年底启动，目前正逐步完成前期特性的准备工作。
量子位AI 评分5656 逐际动力发布FluxVLA Engine V2技术报告：打通具身智能训评与真机部署链路
逐际动力更新开源具身智能工程底座 FluxVLA Engine 第二版技术报告，重点增加了在线强化学习后训练实验，并扩展了仿真评测和多硬件真机部署覆盖。通过底层推理重构，报告测试的 8 组模型与设备组合推理频率提升至 2.31 至 9.64 倍，并引入实时动作分块协调机制消除控制突变。
arXiv cs.LGAI 评分3333 COPE：面向 MoE 卸载策略的可组合性能仿真器
COPE 是一种面向 MoE 卸载策略的仿真器，可在集成前为目标模型与硬件平台选出最佳卸载策略。它包含 Policy Matrix 和 Virtual Heterogeneous Machine 两大组件，通过解构设计空间衍生出 4 个新候选策略并估算性能。相比基线，COPE 将最快策略选择准确率提升 24%-100%，性能预测误差降低 1.7x 至 6.8x，策略实现工作量减少最多 74%。
arXiv cs.LGAI 评分3939 Packed-SS：基于扩散草稿的单调用自推测解码机制
Packed-SS 提出了一种自推测解码调度机制，通过让扩散起草器提前一步运行，在单次模型调用中同时完成草稿生成与验证。该方案将输入大小维持在推测宽度的线性级别，且完全保持目标模型的输出分布。在 Nemotron 3B/8B 和 SetDLM 1.7B 上的贪婪解码实验表明，Packed-SS 相比基线取得了更高的吞吐量与更短的平均耗时。
arXiv cs.LGAI 评分4242 All-in-One：针对 LLM 转换的可组合攻击
All-in-One 攻击框架可同时针对量化、剪枝和模型合并等多种 LLM 部署转换，当用户应用其中任意一种转换时即可触发恶意行为。该方法将各类转换近似为模型权重扰动，在训练迭代中联合优化原始模型的良性损失与模拟转换模型的恶意损失。实验表明，该攻击在多种攻击场景、模型族和部署转换中均实现了高成功率。
arXiv cs.LGAI 评分3636 Pinterest 自动出价系统中基于强化学习的控制器参数优化
Pinterest 部署了名为 RLBP 的混合架构，将强化学习作为元控制器每日动态调节 PID 参数，同时保留 PID 负责高频出价。该系统基于多头 Q 网络和推理时融合动态权衡成本与预算交付，无需重新训练。在线 A/B 测试与上线后两个月的对照监测显示，RLBP 在收入不降的前提下显著降低了有效每次点击费用（eCPC）。
arXiv cs.LGAI 评分3636 基于查询-视觉交互分解的视觉 Token 剪枝
研究人员提出免训练的查询感知视觉 token 剪枝方法 QViD，利用 Transformer 注意力中查询-视觉交互矩阵的低秩特性捕捉相关语义。图像与视频理解评测基准实验显示，QViD 在匹配的 token 预算下持续提升性能，且在激进压缩场景下收益最为显著。
arXiv cs.AI精选AI 评分6969 UC 伯克利团队提出 Evolving Agent Teams：通过动态重组突破 GPU 内核优化局部最优
研究人员提出多智能体框架 Evolving Agent Teams，通过中央监督者诊断局部最优并动态重组智能体团队，结合持久化文件系统积累的演化经验突破复杂工程瓶颈。
推荐理由：论文针对编程智能体容易陷入局部最优的痛点，提出了通过中央监督者动态重组团队并积累持久经验的通用协作范式。
arXiv cs.AIAI 评分3535 在智能体 Kernel 生成中实现批次不变性
针对 LLM 服务中 GPU kernel 缺乏批次不变性（BI）影响复现性的问题，研究人员提出一种面向智能体 kernel 生成的 BI 强化插件。该工具结合静态依赖分析与动态逐位一致性验证，作为优化循环的准入门控拦截风险候选。跨 3 个智能体框架的实验表明，BI 通过率从 67.6% 提升至 91.9%，并保留了基线 91.8% 的几何平均加速比。
arXiv cs.AIAI 评分3535 低预算 LoRA：面向适配器集群的功能感知事后压缩
研究提出功能秩分配方法 FRA，用于在共享资源预算下对 LoRA 适配器集群进行功能感知的事后压缩。该方法通过端到端测量独立模块截断并结合动态规划构建秩-失真边界，再执行集群级 minimax 秩预算分配。在 3 个公开集群共 78 个适配器的测试中，FRA 在受限预算下相比均匀谱压缩提升了最差情况与尾部效用。