曾被视为良策的“从单体架构开始”,如今正被 AI 改变
“从单体架构开始”被视为良好建议的观念正受到AI技术的冲击。 由于原文正文部分缺失,未包含具体的AI模型名称、技术参数或架构变更案例。 目前仅能确认核心观点为AI的引入正在重塑对传统单体应用模式的评估标准,但缺乏可验证的技术数据支撑。
“从单体架构开始”被视为良好建议的观念正受到AI技术的冲击。 由于原文正文部分缺失,未包含具体的AI模型名称、技术参数或架构变更案例。 目前仅能确认核心观点为AI的引入正在重塑对传统单体应用模式的评估标准,但缺乏可验证的技术数据支撑。
超微电脑 2027 财年第一季度(2026 年 7–9 月)归母净利润 15.94 亿美元,同比增长 847.32%;营业总收入 199.46 亿美元,同比增长 297.5%。公司对 2027 财年全年给出 720–820 亿美元营收区间,下一财季营收预计 195–215 亿美元。
Revolut 通过自托管 GLM-5.3 替代 Claude Code,将 AI 编码推理成本削减约 90%,即每百万 token 成本仅为商业服务的十分之一。
乌克兰无人机袭击导致俄罗斯 AI 超算设施受损及云服务中断,俄科技公司正紧急推进数据中心地下化或隐蔽化部署。 Rostelcom 正在与 Norilsk 矿业公司谈判将数据中心迁入地下,另有建议利用露天煤矿建设并加设绿化伪装。 克里姆林宫已要求数据中心预留应急算力,并授权在紧急情况下使用外国数据中心资源。
Mallard 是一款开源工具,旨在简化 AI 智能体会话的共享与备份,支持通过 Cloudflare R2 或 Dropbox 存储数据。 该工具重构了 Git 存储协议,去除了 CAS 依赖,允许用户拉取并恢复 Codex 或 Claude Code 中的会话上下文。Mallard 采用 MIT 许可证,支持 macOS 和 Windows,让团队无需昂贵云虚拟机即可协作。
尽管90%的科技从业者使用AI将代码编写速度提升三倍,但大多数AI工具仅专注于代码生成,未解决故障修复需求。Google DORA报告指出,AI采纳率提高导致交付吞吐量增加的同时,交付不稳定性也同步上升。
Show HN 展示了一个 2,946 字节的 C 语言 LLM 推理引擎,可运行 SmolLM2-135M 并生成与 Hugging Face transformers 完全一致的贪心 token。
工具 TokenCost.ai 提供 AI 模型 Token 成本与上下文窗口估算服务,所有计算、文档解析及文件处理均在用户浏览器本地完成,无任何数据外传。 该服务仅记录标准匿名化网络分析数据(如 IP、浏览器类型)以分析流量趋势并防止服务器滥用。
Velu 发布构建 AI 帮助中心流水线的方法,采用七阶段多智能体架构。该系统仅需登录凭证而非代码仓库访问权限,利用 Haiku 执行低成本探索、模拟数据生成和截图,使用 Sonnet 进行规划、写作和编辑。流水线解决了单智能体成本高且覆盖不全的问题,通过按任务拆分写作并引入独立编辑校对,最终生成带截图和短视频的 docs-as-code 站点,确保内容准确且风格一致。
英伟达发文称 AI 正在推动半导体晶圆厂进入“AI 定义工厂”阶段,通过加速仿真、AI 智能体和数字孪生显著提速决策。应用材料公司的 ACE+ 平台借助 PhysicsNeMo 实现了最高 35 倍仿真加速,Lam Research 的 PhysicsNeMo 将耗时数天的等离子体行为预测缩短至毫秒级,数字孪生则被用于模拟物料流动并在部署前验证运营策略。
Cinnamon AI 是一个面向家庭的多用户智能体,支持计划、预订、监控与提醒,所有操作需用户审批。 团队来自曾服务于 Meta、Instagram 和 Amazon 的基础设施背景,提供 40 次免费试用额度。 安全设计采用沙箱隔离与虚拟令牌,不读取真实密码;定价涵盖个人 $9.99/月 及团队 $19.99/月起。
Nvidia's Holoscan platform processes up to 2.4 terabits per second。
Cartesia 利用 State Space Models (SSMs) 在 AWS 基础设施上提供亚 100ms 延迟的文本转语音与语音转文本服务,其旗舰模型 Sonic 首字节延迟约为 90ms,支持 44 种语言及 10 秒样本语音克隆。
该架构利用 Postgres 扩展 AIDB 在运营数据库内部构建语义知识库 SemKB,实现数据与业务含义共置。结合 Claude 与 AgentCore Gateway,通过 MCP 端点暴露工具目录,利用 GRANT 权限和行级安全实现差异化访问。语义层直接嵌入数据库,通过注释和外键定义业务逻辑,支持 OpenTelemetry 追踪。
Gen Digital 基于 Amazon Bedrock AgentCore Web Search 构建了 Norton Revamp 的 AI 策展新闻引擎,该平台于 2026 年 3 月上线。该引擎通过实时联网搜索为用户提供 AI 生成的内容建议、新闻流及目标设定,解决静态知识库滞后及传统爬虫基础设施负担过重的问题。
Amazon Bedrock AgentCore Gateway 支持配置 Microsoft Entra ID 的 OBO 令牌交换,使 AI 智能体在调用 ServiceNow REST API 时能保留用户身份。
NVIDIA 官方博客阐述了 AI 正在重塑半导体制造行业,使工程师能更快地进行工程决策与模拟。通过加速计算、基于物理的 AI 代理及数字孪生技术,NVIDIA 与 COMSOL、Applied Materials、Lam Research、Siemens 等公司合作,将多物理场模拟、光刻及等离子体预测等关键环节的时间成本大幅降低,部分任务的处理效率提升了 10 至 35 倍。
IDC报告显示,2026年上半年中国MaaS市场规模达106.3亿元,字节旗下火山引擎以45.1%份额位居第一。其收入主要来自视频生成模型Seedance,该模型在红果短剧等生态场景内实现高Token消耗。此外,火山引擎发布Agent Plan订阅套餐,试图通过整合多模型工具链抢占智能体入口。
本文整理了 vLLM、SGLang、MAX、TensorRT-LLM、LMDeploy、llama.cpp、Ollama 和 MLC-LLM 八个 LLM 推理框架。文章对比了各框架在吞吐量、硬件兼容性和并发支持上的特性,并提供了针对数据中心和高并发的选型建议。
针对 LLM 推理负载瓶颈,建立六问决策树以匹配量化、Prefix Caching、连续批处理等优化技术。 该方法通过分析模型硬件适配性、请求共享前缀、并发特征及 KV Cache 碎片化,精准定位如 GPU 内存限制或计算瓶颈等具体痛点。
工作 AI 助手 Sauna 为每个会话、收件箱及日历创建独立数据库,累计生成超 200 万数据库,其中约 90,000 个在任意单日创建。该架构支持上下文复利与安全共享,允许用户自主决定数据共享范围,并实现对过去对话的快速检索与版本化管理。通过本地化副本与独立数据库边界,系统提升了响应速度并简化了数据隐私管理。
作者使用 OpenAI 的 Codex 结合 GPT-6 Sol 协助成功对 Echo Plus 2 进行 Root。通过利用 BootROM 漏洞获取初始控制权限并绕过 Fire OS 限制,最终基于 Binder use-after-free 漏洞实现每次断电重启后都能自动获取 UID 0 权限。
Hardcount 是一款开源、可自托管的 AI 产品按量计费工具,允许开发者在自有 Postgres 数据库中管理计费数据,无需支付 Stripe Billing 服务费。目前处于 0.9.2 版本,采用 MIT 协议,支持 Go 语言编写,并可与 Stripe 集成进行信用卡收款。
Nvidia 已建议部分云客户减少对来自中国企业的业务接单,以推动云服务商(包括 Nvidia 投资的 neocloud)拥有更多元化的客户结构。这一指导并非强制性,仅适用于未来合同,而非现有交易。
海马云创始人党劲峰指出,消费级AI难以变现,核心竞争在于算力、Harness与数据咬合的生产力系统。 RunningHub访问量增长266%,月Token消耗达9万亿。其RH模型将5秒视频生成提速12倍,人物崩坏率降低60%。 这表明AI竞争终点是生产能力而非参数规模,垂直场景确定性交付成为破局关键。
Zingg 开源平台通过实体解析与主数据管理解决人类与 AI 智能体共同处理记录时的决策冲突,当底层数据变化时,需重新确定谁有权重新开启已锁定的判断。
Trim 是一个本地 OpenAI 兼容代理,用于压缩 Cursor、Claude Code 等工具的编码提示词,减少发送给 LLM 的 Token 数量。其 Fast Mode 采用 AST 启发式压缩,Deep Mode 将 LLMLingua 保持在本地设备上运行以处理长文本。
联想开天推出首款信创 AI 主机,搭载兆芯 KX-7000 处理器与后摩 LQ50 NPU,提供 160 TOPS 本地算力并预装天禧 AI Pro 智能体。 该主机配备 24GB NPU 专用内存与 153.6GB/s 带宽,支持最高 320 TOPS 算力,并适配 Qwen3.5 系列及 Qwen3.6-35B-A3B 等开源模型。
LEANOX.AI 开放早期访问,该 AI 网关通过智能缓存优化,降低应用与模型提供商之间的重复 Token 成本,最高节省 90% 费用。 集成仅需修改 base_url,兼容 Anthropic、Google Gemini、OpenAI 及 xAI,支持自动识别复用内容并持续优化缓存命中率。 仪表盘提供各提供商的精确 Token 计数与节省金额,帮助团队直观验证成本节约效果。
生产级 LLM 系统引入外部经验虽能提升任务质量,但会增加在线推理延迟与服务成本。 研究对比了无经验基线、随机控制、全局注入及检索式选择性注入策略,在真实内容审核场景中分析质量与成本的权衡关系。 结果表明,当经验依赖具体案例时,检索式选择性注入优于无条件全局注入,且检索质量比单纯增加 Top-K 数量更关键。
EntropyCache是一种免训练KV缓存方法,利用解码Token分布最大熵作为恒定成本信号,决定何时重算缓存。 该方法单次决策计算复杂度仅为O(V),独立于上下文长度和模型规模。在LLaDA-8B-Instruct等模型上,该方法实现了15.2×至26.4×的推理加速,且决策开销仅占推理时间的0.5%。
PGuard 将安全监控集成至大模型骨干中,利用中间表征实现 token 级安全检测,不改变原有推理路径。 支持动态层门控及多种表征架构,在 Qwen3.5-122B-A10B 上端到端开销仅 0.82%-2.26%。 在 30 余个基准测试中表现领先,Qwen3.5-9B 文本查询平均 F1 达 0.836,接近专用外部护栏。
松下电器机电宣布向人工智能相关业务投资 920 亿日元,以应对 AI 硬件需求。 在 MEGTRON 多层基板材料方面,将在中国苏州和泰国大城府各建一座新工厂,预计 2028 年 8 月和 2029 年 4 月投运。
提出 GaugeLasso 方法,在训练阶段自适应移除 Transformer 低效用通道以实现结构压缩。 该方法通过加性对称群 lasso 罚项解决规范自由度导致的去稳定问题。
DualKV 提出首个消除共享提示复用的 FlashAttention 内核变体,实现与标准注意力数学等价。 在 Qwen3-8B 上支持 8K 上下文和 32 次 rollouts,策略更新提速 1.63-2.09 倍,MFU 从 36% 提升至 76%。 该方案扩展至 30B MoE 模型和 64K 长上下文 Gemma-4-31B,有效解决大 rollout 长上下文训练瓶颈。
FlyWheel 是一种面向 TPU 的高性能 Attention 内核集合,支持 softmax 和 Gated DeltaNet,并已在 TPU v6e 和 v7x 上实现。
论文分类了具有线性转移的实数与复数状态空间模型(SSM),通过可交换转移族特征化对角等价性。 基于 Mamba 3 的 MIMO 结构及 SSD-MIMO 路由,结合 Mamba 1-3 的衰减与旋转机制,在 H100 GPU 上改进融合内核训练时间,小模型多 token 召回优于 Mamba 1-3。
SpecPilot 是一个自动智能体循环系统,通过发现新算法和系统优化提升推测解码性能。 单请求场景下,其将相对自回归解码的加速比从 4.46 倍提升至 10.87 倍;批量场景下,加速比从 1.94 倍提升至 3.93 倍。 该系统实现了无质量损失的无损 12-bit 权重格式和树状验证机制。
研究提出 RAR 状态机框架,为生产 ML 模型应对概念漂移提供重训练、告警或回滚的决策依据。在 13 个数据流测试中,高成本场景下 RAR 优于部分基线,但低成本时优势不显著。 框架要求重训练通过两阶段金丝雀验证,并区分不同回滚保持状态。
在40个测试单元中,部署的宽头分支在所有场景下序数准确率均低于原始教师模型。 路由策略导致违规尾部最高达17.5%,且p99延迟高于1.5 ms目标,验证结果支持分支感知审计而非证明路由优势。