AI可解释性是否接近突破？一篇新文章让研究者意见分裂
The Decoder报道，OpenAI的Cammarata在一篇新文章中重新解读了可解释性领域的经典案例，认为著名的猫车神经元其实是V形检测器，并非叠加现象的证据，并称在Qwen3-32B中约90%的神经元极点只有一个主要功能，仅2%到4%无法解释。
#数据/训练
The DecoderAI 评分6060 InfoQ 中文AI 评分3838 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。
InfoQ 中文AI 评分2222 QCon 2026 上海专场前瞻：AI Infra 如何以体系结构量化与分布式工程突破算力效率边界
QCon 全球软件开发大会将于 10 月 22-24 日在上海举办《AI Infra：算力效率决定规模化落地》专场，探讨算力效率如何决定 AI 规模化落地。文章指出，随着成本重心向推理端倾斜，单任务 Token 消耗量以更高倍率激增，竞争核心已从单 Token 标价转向端到端任务的有效交付成本。算力损耗、显存浪费与数据失配构成三类代表性系统瓶颈，需通过模型与系统协同设计破解。
Latent SpaceAI 评分3434 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。
Latent SpaceAI 评分3838 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈“合成超级智能”：从半导体到超导体
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在播客中提出“合成超级智能”（synthesis superintelligence），主张 AI 科学发现不能只靠更多互联网数据训练，而要让模型在真实物理实验中学习。
The DecoderAI 评分5858 Anthropic 工程师解释 Claude 写作变差的原因
Anthropic 负责 Claude 微调的员工 Jackson Kernion 解释，Claude 写作质量下滑部分源于模型被优化用于数学和代码，同时被训练成面向其他 AI 模型输出技术解释，从而形成人类读者觉得信息过密的“Claudeish”文风。
爱范儿AI 评分6262 AI 正在制造 App 过剩时代
a16z 最新数据周报指出，AI 编程工具让应用供给翻了四倍，但用户下载、使用和付费需求几乎没变。MIT 与宾夕法尼亚大学研究者 5 月发表的论文《Writing Code vs. Shipping Code》显示。
MIT Technology Review · AIAI 评分1717 Syensqo 谈 AI 如何重塑先进材料研发
Syensqo 正用 AI 智能体数字化合成数百万种候选分子组合，预测其性能与可持续性特征，再筛选出少量进入实验室测试。其首席技术与创新官 Mike Finelli 称，这能让材料研发"更广、更深、更快"，同时公司正为高压数据中心架构、半导体制造密封材料以及浸没式冷却流体开发材料。他还提出 AI 与材料之间可能形成相互加速的循环。
爱范儿AI 评分3838 对话蚂蚁灵波 CEO 朱兴：机器人还吃不了「粗粮」
蚂蚁灵波 CEO 朱兴在外滩大会交流中表示，机器人落地难的症结仍在模型能力与成本，现阶段环境不能太开放、任务不能太长程。灵波选择从 0 到 1 训练具身基座模型，已推出 LingBot-World、LingBot-Video 和 LingBot-VLA 2.0，其药房拣选方案已在国大药房零售门店部署，货架通道仅 80 厘米宽。
MIT Technology Review · AIAI 评分6262 AI 万亿美元豪赌的代价：超大规模数据中心投资与泡沫风险
MIT Technology Review 梳理了超大规模厂商 AI 基础设施投资的账本：今年支出约 7500 亿美元，未来四年 AI 资本投资可能超过 5 万亿美元，而今年 AI 总收入仅约 1500 亿至 2000 亿美元。
The DecoderAI 评分6262 前 DeepMind 研究副总裁 Vinyals：AI 自我改进会到来，但不会引发智能爆炸
离开 Google DeepMind 数日后，前研究副总裁 Oriol Vinyals 在 Agentic AI Summit 2026 上表示，AI 的递归自我改进（RSI）不可避免但进展缓慢，不会出现突然的智能爆炸。
MIT Technology Review · AIAI 评分2222 为 AI 供电是一个架构问题：中压 AI UPS 如何把电网负担变成电网资产
ON.energy 提出用中压 AI UPS 解决 AI 数据中心给电网带来的架构性风险：把供电从 480 伏升到 13.8 千伏及以上、从机房移到变电站旁的模块化机柜，并让系统串在供电路径中。2026 年初在 National Laboratory of the Rockies 的全尺寸测试中，该系统同时承受真实 AI 负载波动与电网故障（含零电压事件），通过 ERCOT 大负载电压穿越要求。
MIT Technology Review · AIAI 评分1212 AI 推理时代如何架构内存与存储
AI 推理时代，内存、存储与网络不能再各自优化，数据移动已成为最紧迫的瓶颈。Tirias Research 创始人 Jim McGregor 指出，AI 并非单一负载，而是数百万种不同负载，企业需将数据中心视为计算、内存、存储、网络协同的整体系统。RAG 等现代 AI 技术需持续扫描海量数据库，内存带宽、缓存与存储就近性因此成为战略资产。
MIT Technology Review · AIAI 评分6060 乌克兰无人机数据正催生一个战场数据交易市场
乌克兰国防部今年1月宣布，将数万次无人机飞行中收集的数百万个数据点开放给军事承包商和商业公司，此后已有100多家公司和英国政府获得访问权限。Enabled Intelligence称已提供超过50万小时乌克兰无人机视频用于训练下一代模型，并宣传其可用于军事和商业系统。
MIT Technology Review · AIAI 评分1212 Jabil 如何用 SAP Integration Suite 实现规模化 AI 集成
全球制造企业 Jabil 以 SAP Integration Suite 为基础整合系统、淘汰碎片化工具，为规模化 AI 与自动化打基础。Jabil 在 30 多个国家拥有 100 多个站点、14 万多名员工，其 SAP IT 总监 Harish Manohar 称"规模化简化是极强的竞争优势"，公司正探索预测性供应链洞察、智能异常处理与 AI 驱动的计划预测。
Berkeley AI ResearchAI 评分3434 智能免费之后怎么办？面向智能体的数据系统
UC Berkeley 团队提出，GPT-4 级能力从 2023 年初的约 $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。近乎免费的推理成本带来三类数据系统挑战：为智能体服务、由智能体运行、由智能体合成，其中智能体推测式查询会产生 80-90% 的重复子查询。