跳到正文
今天10月16日周五3 条
  1. InfoQ 中文38

    国产 GPU 越来越多,为什么反而更难用?基流科技谈算力集群的系统工程挑战

    国产算力竞争正从单颗芯片转向整个计算系统,集群从几十张卡扩至万卡后,通信、调度与故障定位成为有效算力的关键瓶颈。基流科技推出的 VenusCL 通信组件在客户已完成千卡集群基础调优的前提下,可再带来约 2%—6% 的 MFU 提升;其 VenusNOC 的 Megatrace 特性曾在约 3800 张卡的训练集群中定位到单张 GPU 故障。

10月15日周四
  1. AWS Machine Learning Blog60

    AWS 提出 Trust in Depth:让智能体获得更多自主权而不失控

    AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架,主张在动作可被验证时让智能体自主执行,把人工判断留给真正需要决策的环节。框架按智能体生命周期分为四层:Scope 在运行前界定职责与权限边界,Know 为每个智能体分配独立身份并追踪授权来源,Bound 在运行时于智能体推理之外强制执行策略,Observe 在每次运行后重建其行为并用于改进。

    推荐理由:AWS 高管把 Defense in Depth 的思路搬到智能体治理上,给出可验证的四层框架与配套产品入口。

  2. InfoQ 中文34

    代码不再稀缺之后,软件工程还剩下什么?——QCon 2026 上海站圆桌谈 AI 时代研发效能

    小红书杨凯、阿里李峥峰、B 站张忻正在前阿里技术专家吴子奇主持的 InfoQ《极客有约》X QCon 直播中讨论 AI Coding 对软件工程的影响。杨凯认为模型能力仍是第一变量,但上下文工程与测试才是最大变量,测试 80% 至 90% 的工作量将揉进出码过程;李峥峰称 AI Code Review 的瓶颈已从生成转向验证,假阴性与假阳性问题未变;张忻正强调 AI 越强越需要确定性工程约束。

  3. The Verge · AI36

    Benn Jordan 谈 Flock、隐私与新一轮监控反弹

    音乐人兼调查记者 Benn Jordan 近日在国会参议院司法委员会小组听证会上就 Flock Safety 的自动车牌识别系统(ALPR)作证,此前数百个地方政府已开始取消相关合同。Flock 正被共和党参议员 Josh Hawley 调查,路透社上周报道其计划裁员约 18%。Jordan 认为问题核心不在单一公司,而在于私营企业、政府与执法部门之间以保密优先于透明的勾连关系。

10月14日周三
  1. TechCrunch · AI22

    Cerebras CEO:人人拥有家用个人 AI 助手的未来已不远

    Cerebras CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上表示,人人拥有家用 AI 设备的未来已不遥远,个人 AI 助手将本地运行,部分在设备上、部分回到云端。他称这类助手会深入了解用户、拥有安全边界,并能访问信用卡代为购物,还以 Meta 的 Muse 和 Instinct 为例说明消费级 AI 智能体的进展。

10月13日周二
10月12日周一
10月11日周日
  1. TechCrunch · AI22

    PolyAI 与 Otter 高管:语音 AI 尚未迎来自己的 ChatGPT 时刻

    PolyAI CTO Shawn Wen 与 Otter CMO Alex Gay 认为,语音 AI 虽已实现全双工模型,但尚未迎来自己的 ChatGPT 时刻,下一步挑战是让推理足够快、对话自然。Wen 指出 ASR 模型常漏掉关键词,影响上下文理解;Gay 称转录准确率是下游自动化的基础,一旦出错用户就会失去对平台的信任。两人还强调工具应主动告知用户正在被录音或在与 AI 对话。

  2. 量子位62

    陶哲轩:数学2.0时代已至,证明泛滥后数学家护城河在哪

    菲尔兹奖得主陶哲轩发文提出数学2.0时代已至,建立在证明稀缺之上的数学1.0时代即将落幕。他认为AI让获取解答的门槛降低,但判断解答是否正确、贡献多大以及与已有研究衔接仍需认真处理,否则会出现解出题却未增加理解的错位。他呼吁建立更透明的评估机制,把失败结果和AI算力成本一并纳入报告,并主张减少对抢先生成证明的强调,增加对解释、评审和知识整理的重视。

10月10日周六
  1. Latent Space34

    为什么 AlphaFold 没有解决蛋白质折叠——对话 Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido

    Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在对话中指出,AlphaFold 的突破只是开始,蛋白质结构预测远未解决。两人认为单纯扩大算力和数据不足以解决生物学问题,关键在于找到正确的 scaling law,并让生物建模从单个蛋白质走向整个生物系统。

10月9日周五
10月8日周四
  1. MIT Technology Review · AI18

    AVEVA 如何为自主工业 AI 构建更安全的落地路径

    AVEVA 首席技术官 Arti Garg 提出,工业 AI 正从预测分析转向基础模型、physical AI 与 agentic AI,需以数据打通、治理框架和人类监督保障安全。AVEVA 的责任 AI 框架强调安全、效率与人工监督,主张 AI 增强而非取代关键决策中的人。Garg 还参与 IEEE 工作组,制定覆盖电力、能源、资源、水和碳的 AI 环境影响测量标准方法。

  2. Simon Willison12

    Ben Affleck 谈机器学习、卷积神经网络与 Transformer 前身

    Ben Affleck 自述从胶片转向数字后对视觉特效产生兴趣,并提到该工作流多年来已包含机器学习。他说自己能写"相当糟糕的 Python 脚本",并解释卷积神经网络是 Transformer 的前身,可通过张量做边缘检测与特征提取,从而更方便地抠出绿幕画面并替换。

10月7日周三
  1. Simon Willison12

    Michael Lynch 谈软件博客写作的反模式

    Michael Lynch 撰文列举软件博客写作的常见反模式,包括冗长开场、误判读者已有知识、假设读者读过旧文、过度正式,以及用链接代替术语解释。他建议文章即使读者不点任何链接也应能读懂,并用自己的口吻写作。他指出,随着越来越多开发者把写作交给 AI,软件博客正变得平淡同质,读者渴望有性格的文字。

  2. Simon Willison22

    Jake Boggan 谈 Barnette 猜想被 AI 证明后的复杂心情

    Jake Boggan 在 Hacker News 评论 openai/math 相关讨论时表示,自己曾为 Barnette 猜想投入 24 年、数千小时,去年夏天还一度以为解出了它,如今该猜想据称已在问题 180 处被证明。他说听到它被解决让自己有种遥远的悲伤,像听说前女友突然死于车祸,并认为今晚很多人都会有类似的奇怪情绪。

  3. The Decoder48

    微软发布诺奖经济学家 Daron Acemoglu 的悲观 AI 预测:十年仅拉动 1.5% GDP 增长

    微软刊出诺奖经济学家 Daron Acemoglu 的悲观预测:AI 十年仅拉动约 1.5% 的 GDP 增长,最多替代 5% 的岗位,远低于部分 AI 实验室的预期。他认为瓶颈在人性——企业需重新分配任务、提升员工技能并重组流程,这一过程可能比电气化耗时更久,更大的模型也解决不了。他还称,扩展人类技能的 AI 在生产力上会胜过完全自动化。

  4. Microsoft Research22

    Microsoft 研究员 Jennifer Neville 谈 AI 评估与“意外失败”

    Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评估如何推动 AI 系统性能边界,以及模型在传统 benchmark 之外测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历,分享使用当前 AI 系统的实用建议,并强调当结果超出预期时应仔细审视数据。

10月6日周二
10月5日周一
  1. MIT Technology Review · AI22

    人们一边痛恨 AI,一边又离不开它?

    调查显示美国成年人中认为 AI 会带来负面影响的比例已超过正面预期,盖洛普 5 月民调中 71% 的美国成年人反对在本地新建 AI 数据中心。但 ChatGPT 在 5 月达到 10 亿月活用户,Gemini 7 月录得 9.5 亿用户,Pew 数据显示一半美国成年人已在用聊天机器人。文章认为人们反感的不是技术本身,而是企业无孔不入的推销方式。

10月4日周日
10月3日周六
10月2日周五
  1. MIT Technology Review · AI38

    别被 LLM 骗了:大语言模型并不会真正推理

    前 Google DeepMind 研究员指出,LLM 靠逐个预测 token 生成答案,其链式思维仍由同一套下一 token 预测过程产生,并非独立推理机制。他列举三大缺陷:缺乏可检查的持久认知状态、知识与推理在权重中纠缠不清、思维链常在得出答案后事后编造。他主张借鉴 AlphaGo 的游戏树搜索架构,为 AI 建立真正的推理机制。

10月1日周四