· 第 201 期· 20 条
前 Intel CEO 谈硬件瓶颈、Ai2 分配算力、Amazon 以评测赢信任
前 Intel CEO 判断硬件瓶颈，Ai2 分配算力，Amazon 用客户反馈改进评测：掌握投资与交付的判断方法。
头条精讲
前 Intel CEO 谈硬件创业良机：AI 芯片、内存与能源瓶颈｜Pat Gelsinger（在新标签页打开）
推荐理由前 Intel CEO Pat Gelsinger 从芯片设计经历出发，讨论 AI 工具加速后，瓶颈如何转向制造、内存和供电。他把工作负载变化与规模化部署放在一起看，并提出面向智能体重建虚拟化管理的机会，帮助读者判断硬件创新的落点与实现条件。
前 Intel CEO Pat Gelsinger 从早期芯片设计自动化谈到今天的 AI 硬件，指出设计速度提升后，硅片制造周期、内存、供电和能源供应仍会成为约束。
GPU集群的有效调度（在新标签页打开）
推荐理由Ai2 团队把固定 GPU 配额改成时间预算，用分层公平共享与最小运行时间合同兼顾科研优先级和资源周转。实践显示，高占用率可以保持，维护协商与调试等待也能减少；这份复盘还呈现交互会话被抢占的代价，给算力管理提供具体改造路径。
Ai2的新型分层公平共享调度器，辅以GPU时间预算，确保高影响力研究项目获得其应有计算资源，同时保持集群满载并减少值勤负担。
为什么 80% 的可靠性仍不足以赢得信任｜Amazon AGI Lab Filipe Blanes（在新标签页打开）
推荐理由Amazon AGI Lab 的 Filipe Blanes 从 Nova Act 客户合作出发，解释为何看似不错的可靠性仍会增加用户监控与返工。他提出以客户成功标准、遥测和访谈驱动评测循环，再把问题分派给模型、工程与产品团队，让智能体评估跟随真实需求演进。
Amazon AGI Lab 的 Filipe Blanes 说明 Nova Act 如何用客户反馈驱动评测飞轮，指出浏览器智能体能否赢得信任，取决于实际可靠性与对能力边界的坦诚。
今日精华
E255｜模型越来越强，为什么用户没感觉？再访阿里国际站总裁张阔（在新标签页打开）
阿里国际站总裁张阔以 Accio Work 的跨境电商实践解释为什么模型榜单进步不等于用户完成更多商业任务，并讨论 Agent 的真实评测、长期经营与人的判断边界。
本体驱动的可观测性：在 Netflix 规模下构建端到端知识图谱（在新标签页打开）
Netflix 工程师详细介绍了他们如何通过构建由操作本体驱动的端到端知识图谱，将可观测性从反应式监控转变为主动式洞察引擎，该图谱结合了确定性富集器、LLM 和采集管道，以应对复杂的运维挑战。
利用 Claude Science 绘制首张完整的紫外光波段全天星图（在新标签页打开）
天体物理学家 Brice Ménard 利用 Claude Science 和智能体工作流绘制了首张完整的紫外光全天星图，填补了此前如 GALEX 等太空任务留下的数据空白。
构建可靠的数据分析代理：KDD Cup 的经验（在新标签页打开）
NVIDIA KGMON 团队通过开发一个简化的代理框架，实现了数据访问的标准化、工具使用的约束以及执行过程的详细追踪，从而在 KDD Cup 2026 中获得第二名。
Dynamo：让推理系统理解智能体会话（在新标签页打开）
NVIDIA Dynamo 引入了一个框架，通过使用会话感知标识符来管理 KV 缓存、路由和准入控制，从而优化智能体 LLM 推理。
三篇重磅论文，拆解 OpenViking 核心技术（在新标签页打开）
OpenViking 通过 VikingMem、TrieHI 和 VikingRAG 三大创新，解决了 AI Agent 在记忆管理、目录搜索和结构化文档检索中的关键问题，显著提升了办公效率和准确性。
Asana 使用 GPT-6.1 Sol 将浏览器测试模型成本降低 76 倍（在新标签页打开）
Asana 通过在 Codex 中使用 GPT-6 Astra 优化浏览器代理工作流，将模型成本降低 76 倍，速度提高 5 倍，同时在复杂网络导航任务中保持高精度。
补充阅读
Postman 如何用 API 上下文图帮助编码智能体理解微服务（在新标签页打开）
Postman 工程师 Kamalakannan Nandagopal 展示以代码和生产链路为证据构建 API 上下文图，并用真实 PR 评估其收益及数据过期带来的失败。
Microsoft-Decision-1：快速决策模型（在新标签页打开）
Microsoft-Decision-1 是一种高性能决策评分模型，在延迟和准确性方面优于 LLM 和其他决策模型，专门用于路由、分类和工作流控制等结构化任务。
Snyk 如何将内部支持智能体打造为面向客户的功能（在新标签页打开）
Snyk 利用 LangGraph 和 LangSmith 将内部支持智能体演进为客户可见功能，通过强制执行基于权限的工具访问控制和 CI 门控评估，实现了 85% 的工单拦截率。
别再反复提示，让代码仓库记住规则｜Sentry Greg Pstrucha（在新标签页打开）
Sentry 工程师 Greg Pstrucha 主张把对 AI 生成代码的反复纠错沉淀为测试、类型检查、lint 规则和仓库政策，而不是一遍遍通过提示词提醒智能体。
金融监管领域的 Harness 实践：让知识与数据驱动 Agent 稳定运行（在新标签页打开）
本文介绍了中软融鑫在金融监管报送中构建的 Harness 体系，通过知识底座、数据底座、受控状态机和全链路可追溯机制，将自由发挥的 Agent 改造成一个严格遵守监管口径、确保数据准确性的受控系统。
远程公司如何培养全员 AI 能力：Automattic 的两周实践营（在新标签页打开）
Automattic 的 Em Shreve 介绍，公司如何通过两周沉浸式训练、真实项目、同伴教学、共享工具和持续追踪，让分布式团队真正学会使用 AI。
GitHub 使用 AI 辅助重写，将 Copilot 运行时迁移到 Rust（在新标签页打开）
GitHub 成功地将 Copilot 运行时从 TypeScript 迁移到 Rust，利用 AI 重写了超过 80 万行代码，并将启动性能从 5.25 秒显著提升至 292 毫秒。
Android Bench 2 新增对长时任务、代理式评估和连续评分的支持（在新标签页打开）
Google 发布了 Android Bench 2.0，这是其 AI 评估框架的一次重大更新，引入了长时任务、基于代理的评估和连续评分系统，以更好地评估复杂 Android 开发任务的性能。
AI 基建能否持续指数增长？SemiAnalysis 的 Dylan Patel 与 Jordan Nanos 谈投资回报（在新标签页打开）
SemiAnalysis 研究者 Dylan Patel 和 Jordan Nanos 分析 AI 基建支出能否取得足够回报，讨论需求、模型公司收入、Nvidia 融资支持、NeoCloud 执行风险和模型发布激励。
为智能体设计 CLI，而非只为人设计｜Airbyte Pedro Lopez（在新标签页打开）
Airbyte 工程师 Pedro Lopez 对比同一数据平台的 MCP 与 CLI 接口，并给出少量工具、OAuth、结构化 JSON、一致命令、技能发现和非交互认证等设计规则。
