SF Compute CEO Evan Conrad 谈可编程数据中心与算力交易市场
Latent Space 在 AIE NYC 期间采访 SF Compute CEO Evan Conrad，探讨算力交易市场的现状与算力数据中心的可编程化。他从酒店类比解释公司从转租集群发展到构建完整的物理结算能力，目前总容量约 5% 挂上订单簿且流动性集中，客户每花 100 美元平均能通过转卖收回 25 美元。
#部署/工程
Latent SpaceAI 评分5252 AWS Machine Learning BlogAI 评分4242 用 Amazon Quick 和 Amazon Bedrock AgentCore 构建对话式供应链智能
AWS 在博客中演示如何用 Amazon Quick 作为界面、Amazon Bedrock AgentCore 作为智能层，构建对话式供应链智能方案。
MIT Technology Review · AIAI 评分2424 企业 AI 的新经济学：HPE 如何衡量「每个有效成果的成本」
企业 AI 正从零散试点走向生产基础设施，核心指标不再是单个 token 或 GPU 小时的价格，而是「每个有效成果的有效成本」。HPE 提出三种运行模式：自建堆栈、按需消费和集成式私有 AI 平台，并强调利用率与运营纪律决定投资回报。
NVIDIA BlogAI 评分3333 欧洲厂商采用 NVIDIA Vera CPU 构建本地 AI 基础设施
Nebius 和 Nscale 等 AI 云服务商正采用 NVIDIA Vera CPU 构建新一代基础设施，Verda 及主权 AI 平台 Aleria 也参与其中。
Hugging Face BlogAI 评分5050 Hugging Face 发布 AnyLanguageModel 1.0，统一 Apple 平台本地与托管模型调用
Hugging Face 发布 AnyLanguageModel 1.0，同时推出 swift-huggingface 1.0 和 swift-xet 1.0。
Hugging Face Blog精选AI 评分6969 Hugging Face 联合 TorchTPU 为 Transformers、Diffusers、Kernels 带来 TPU 原生支持
Hugging Face 宣布通过 PyTorch 原生后端 TorchTPU，Transformers、Diffusers 和 Kernels 无需 torch_xla 或 JAX 即可原生运行在 TPU 上，模型只需 device_map="tpu" 即可加载。
推荐理由：原文给出从 torch_xla 迁移到原生 PyTorch 后端的具体用法和内核加速数据，读者可据此评估 TPU 工作流迁移成本。
GitHub Blog · AI & MLAI 评分4848 教程：如何在 VS Code 中继续 GitHub Copilot 应用会话
GitHub Copilot 应用中的智能体会话可直接在 VS Code 中打开继续，对话、代码改动和工作树（worktree）上下文全部保留。开发者可逐行审查智能体的 diff、手动编辑文件、用集成终端运行 npm install、npm test 等本地验证，并继续向 Copilot 提问或推送更新到会话关联的 pull request。
Simon WillisonAI 评分1717 llm-tools-datasette 0.1.1 发布
Simon Willison 发布了 llm-tools-datasette 0.1.1 版本。正文除 Teleport 赞助内容外未提供更多细节。
Simon WillisonAI 评分4343 llm-echo 0.5：Simon Willison 更新 LLM 调试插件，模拟 token 用量纳入工具调用与 reasoning tokens
Simon Willison 为 LLM 的调试插件 llm-echo 发布 0.5 版本，该插件提供不涉及真实 LLM 的 echo "模型"，只回显收到的提示词。
GitHub Blog · AI & MLAI 评分5656 GitHub 详解密钥检测模型：微调 ModernBERT 分类器如何以更低成本减少误报
GitHub 介绍其为密钥扫描训练的上下文感知分类器，用正则候选生成加微调 ModernBERT 分类的两阶段管线，替代原有 LLM 管线。新管线使 post-push 扫描中位执行时间下降 86%，服务成本降低 98% 以上，仓库所有者加权接受率提高 11.5%，并已扩展到 push protection。
Microsoft Research精选AI 评分6666 微软亚洲研究院开源 Agent Lightning v1.0：3,500 行代码的 Harnessed Agentic RL 框架
微软亚洲研究院发布 Harnessed Agentic RL 训练范式并开源重建的 Agent Lightning v1.0，让部署时使用的真实 agent harness 直接参与强化学习，无需在训练框架内重新实现 agent。
推荐理由：部署用的 agent harness 直接参与 RL 训练，免去在训练框架内重写 agent，并用 Kubernetes jobs 替代付费 sandbox 降低规模化成本。
Microsoft ResearchAI 评分4343 Microsoft Research 用机器学习管道预测美国 66,935 座变电站的空间天气风险
Microsoft Research 研究人员开发了一套机器学习系统，为美国本土 66,935 座变电站生成位置级空间天气风险预估，可提前 30 至 60 分钟预警。
Mistral AIAI 评分5151 Mistral 在慕尼黑设立德国枢纽，聚焦 Physics AI 与工业 AI
Mistral 宣布在慕尼黑设立德国枢纽，设 Physics AI 与工业 AI 专门研究团队，服务德国企业。此前 2026 年 5 月收购 Emmi AI 带来逾 30 名物理与工程 AI 人才，已与 BMW 合作碰撞仿真、与 Siemens Energy 合作工业 AI，并与慕尼黑工业大学开展汽车空气动力学数字孪生研究。
Mistral AIAI 评分2424 Cloudera 与 Mistral 达成合作，为企业数据带来主权 AI 能力
Mistral 与 Cloudera 宣布合作，将 Mistral 模型集成到 Cloudera 混合数据平台，支持企业在私有云、公有云、本地及完全物理隔离（air-gapped）环境中运行推理。
Berkeley AI ResearchAI 评分5858 Berkeley 团队用 K-Search 将 CUDA 内核优化经验迁移至 Apple Silicon，MLX Attention 达原生 0.97x、Mamba prefill 提速约 20x
IBM Research 与 UC Berkeley Sky Lab 团队在 K-Search 进化式内核搜索框架上新增 MLX 后端，并设计结构化 CUDA-to-MLX 翻译层，把现有 CUDA 内核知识作为知识库自动迁移到 Apple Silicon。
Berkeley AI ResearchAI 评分4848 智能近乎免费之后怎么办？UC Berkeley 撰文探讨 For/Of/By 智能体的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人撰文指出，GPT-4 级能力的推理成本已从 2023 年初的约 $30 per million tokens 降至 $1 以下，部分供应商低于 $0.10，推理价格每年下降 9x 到 900x，中位数约 50x。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式——BAIR 综述解析
Berkeley AI Research 发文综述并行推理研究进展，聚焦自适应并行推理（Adaptive Parallel Reasoning），即让模型自行决定何时分解任务、生成多少并发线程及如何协调。
Berkeley AI ResearchAI 评分4949 BAIR 提出 GRASP：面向世界模型的长时程梯度规划
Berkeley AI Research 与 Yann LeCun 等合作提出 GRASP，一种针对学习型世界模型的梯度规划器，让长时程规划更实用。方法通过将轨迹提升到虚拟状态实现时间维度并行优化、在状态迭代中注入随机性以探索、重塑梯度以避免高维视觉模型中脆弱的状态-输入梯度，解决长时程 rollout 中 Jacobian 条件数随时间指数级恶化及非贪婪损失景观导致的局部极小问题。
Berkeley AI ResearchAI 评分4646 Berkeley AI Research 讲解 SPEX 与 ProxySPEX 如何在大规模下识别 LLM 的交互作用
Berkeley AI Research 介绍了 SPEX 和 ProxySPEX 两种算法，通过消融实验在大规模下识别 LLM 中特征、训练数据和模型组件的关键交互，用于可解释性研究。SPEX 利用稀疏性和低阶性把交互发现问题转化为稀疏恢复问题，可扩展到数千个特征；ProxySPEX 进一步利用层级结构，以约 10x 更少的消融达到与 SPEX 相当的性能。
Berkeley AI ResearchAI 评分4848 BAIR 提出基于信息量的成像系统设计与评估框架
Berkeley AI Research 在 NeurIPS 2025 论文中提出一个直接基于信息内容评估和优化成像系统的框架，用互信息估计量化测量区分物体的能力。该方法只需噪声测量数据和噪声模型，在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证可预测解码器性能，优化效果媲美 SOTA 端到端方法，且所需内存和计算更少、无需任务特定解码器设计。