跳到正文
#部署/工程
今天10月15日周四14 条
  2. TechCrunch · AI34

    Flox Intelligence 用 AI 驱离野生动物，保护铁路、机场与公路

    Flox Intelligence 开发边缘设备，通过感知系统识别靠近铁路、机场和公路的野生动物，并播放针对物种的声波将其驱离，设备会变化响应以避免动物产生习惯化。该系统源自 KTH 皇家理工学院，2020 年分拆独立，目前约 150 台设备已在北美、欧洲和澳大利亚的机场、铁路走廊、国家公园等地部署，公司预计 2026 年底营收约 150 万美元，并已启动 1000 万美元 A 轮融资。

  5. TechCrunch · AI38

    Zenzap 获 4400 万美元融资，用 AI 聊天应用替代职场 WhatsApp

    Zenzap 完成 4400 万美元融资，投资方包括 Bessemer、Lightspeed 和 The Garage，用于打造面向企业的 AI 私密通讯应用。该应用免费版提供群聊、任务管理、日历集成及 AI 语音聊天与搜索，付费版每月 51 美元起支持最多 20 名用户，并解锁 AI 智能体工作流自动化等功能。目前 FedEx、Taco Bell、Starbucks 等为其客户。

  7. Elon Musk15

    递归自我改进

    引用Race 🕊️@multiplanet1

    A retired NASA engineer who had worked on the Space Shuttle program for 25 years was hired by SpaceX at age 62. He described the first week as the most disorienting experience of his professional life. At NASA, a design change required 3 meetings, 2 committees, a review board, and 6 to 18 months of documentation. At SpaceX, his new supervisor said "if it works, build it. If it doesn't, change it by Friday." He sat at his desk after the first day and called his wife. He told her he felt like a man who had been swimming with ankle weights for 25 years and someone just cut them off. He could move. He could decide. He could build something in the morning and test it in the afternoon. The constraint that he had accepted as the nature of aerospace engineering turned out to be the nature of bureaucracy. Within 6 months he had contributed to more design iterations than he had completed in his last 5 years at NASA. Not because he was working harder. Because the time between having an idea and testing the idea collapsed from months to hours. The same brain. The same knowledge. A different operating system. He described a specific moment where he proposed a modification to a Raptor engine component. At NASA, the proposal would have entered a queue. At SpaceX, the modification was machined by the end of the day and tested by the following morning. He watched his idea become a physical object in 18 hours. At NASA, 18 hours would not have been enough to schedule the first meeting to discuss whether to schedule a meeting. He told an interviewer: "I didn't get smarter when I went to SpaceX. I got faster. The intelligence was always there. The system was in the way." The difference between SpaceX and NASA is not talent. NASA has extraordinary talent. The difference is the time between a thought and a test. SpaceX compresses it. NASA elongates it. The same engineer produces 10x more at SpaceX than at NASA because the bottleneck was never the engineer. It was the meetings about the meetings about the work.

  13. Google Research38

    Google Research 发布 10 项研究进展：Google Earth AI、Deep Review 等

    Google Research 在 Research@ 活动上公布 10 项研究进展，包括扩展 Google Earth AI 早期访问并开放三项实验能力，以及向公众开放 Deep Review 用于核查法律协议、财务报告等技术文档。TimesFM 与 TabFM 两个数值基础模型将集成进 Gemini for business，此前已面向所有 Cloud BigQuery 用户开放。

  14. Google Research74

    Google 发布 Deep Review，用智能体审阅技术文档

    Google 公开发布智能体系统 Deep Review，为复杂文档提供技术验证与反馈，最初面向计算机科学论文，现已扩展到法律、金融等领域。每位用户每周可免费获得两次文档审阅，也可接入 Gemini API key 提升额度并通过 Deep Review API 集成，目前支持 PDF 和纯文本输入。

    推荐理由：Google 公开了 Deep Review 的四阶段智能体审稿流程与免费额度，读者可据此判断自动技术审阅的可用边界。

10月14日周三
  2. AWS Machine Learning Blog22

    Tamnoon 如何用 Amazon Bedrock 构建 AI 云安全修复平台 Tami

    Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami，可自主调查 CNAPP 等来源的安全发现并评估修复安全性，再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超过 90%，且未引发任何生产问题。Tami 由调查、安全评分、修复和代码生成四类专用智能体组成，通过单一 API 按任务调用不同基础模型。

  4. NVIDIA Blog22

    NVIDIA 宣布投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 等英国初创企业

    NVIDIA 宣布对 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国 AI 与量子计算初创企业进行新投资，此前已投资 Synthesia、Wayve 等公司。NVIDIA 还以全球联盟创始合作伙伴身份加入 Earthshot Prize，并承诺五年 2.5 亿美元算力投入，用于加强英国智能体安全与安保研究。

  6. Simon Willison66

    Anthropic 为何自建 Git 替代方案 Scion

    Anthropic 撰文说明其自建 Git 替代方案的原因与过程：代码变更合并量从 2026 年 5 月的日均约 2500 次增至 9 月的日均超 3 万次。新系统名为 Scion，配套代码审查系统叫 Antique，由 7 人团队开发，5 个月完成从 Git 迁移；主分支历史近 100 GB，压缩工作副本超 25 GB，每天约 2500 万次代码检出。

  8. AWS Machine Learning Blog60

    如何用 Anchor Browser 与 AgentCore payments 构建可自动付费的智能体

    AWS 与 Anchor Browser 合作，将 AgentCore payments 集成进云端浏览器，让 AI 智能体在遇到 HTTP 402 Payment Required 时自动完成 x402 协议支付并重试请求。

    推荐理由：原文给出开启 session.x402 即可让浏览器智能体自动完成 x402 支付的具体做法，可迁移到付费页面与 API 的自动化流程。

  9. GitHub Blog · AI & ML32

    GitHub 如何用 ModernBERT 分类器实现更低噪声的密钥检测

    GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，与旧 LLM 流水线相比，用户告警接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本节省超 98%。该方案采用两阶段流水线：先用正则高召回生成候选，再由微调后的 ModernBERT 结合文件路径、变量名和上下文判断是否为真实凭据，从而把占位符、测试样例和校验和等误报过滤掉。

10月13日周二
10月12日周一
  1. NVIDIA Blog62

    NVIDIA 在 OCP 峰会开放 Vera Rubin 架构并发布多项 AI 工厂合作

    NVIDIA 在 OCP Global Summit 上通过开放 MGX 架构向 OCP 贡献了 Vera Rubin 机架和计算托盘设计，为系统厂商提供下一代 AI 工厂基础设施的共同基础。

    推荐理由：NVIDIA 在 OCP 峰会上把 Vera Rubin 机架与计算托盘设计开放给 OCP，读者可据此了解 AI 工厂基础设施的开放标准走向。

  2. Mustafa Suleyman66

    微软宣布将 Maia 系列扩展到多吉瓦级部署，使其成为自家产品和服务的首要推理系统，并推出 Maia 300，相比领先的 GPU 系统每瓦 token 数提升 40%。微软表示 Maia 200 已在美国、欧洲和澳大利亚部署，在 Teams 和 Copilot 中每瓦 token 数最高提升 1.7 倍。

    引用Satya Nadella@satyanadella

    今天，我们宣布迄今为止在自研芯片上最大的一笔押注。 从下一个自然年开始，我们将把 Maia 系列扩展到数吉瓦级的部署规模，使其成为我们自有产品和服务的首要推理系统。 同时，我们推出 Maia 300，相比领先的基于 GPU 的系统，每瓦可多提供 40% 的 token。 我们已在美国、欧洲和澳大利亚部署 Maia 200，在 Teams 和 Copilot 的各项体验中，每瓦可多提供最高 1.7 倍的 token。 我们的目标是，在已经实现的全栈效率提升基础上继续发展，同时持续将整个生态系统中的最新创新引入我们的集群。

    推荐理由：微软自研 Maia 芯片的部署节奏与能效数字，可用来观察大厂推理算力自建路线的进展。

10月10日周六
  1. Latent Space40

    Standard Bots 如何为工业机器人构建可靠执行的 AI

    Standard Bots 用共享基础模型加演示微调的方式驱动机器人，最大模型仅低数十亿参数，靠超 10 亿张图像训练的零样本感知系统识别零件，运动与单元逻辑仍用传统编程。模型在云端训练、边缘 GPU 本地推理，以应对工厂网络不稳和停机敏感问题。其客户包括 NASA、Amazon 和 Lockheed Martin，公司近期以 10 亿美元估值完成 2 亿美元 C 轮融资。

10月9日周五
10月8日周四
  2. MIT Technology Review · AI20

    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，但因其直接作用于物理系统，必须把安全与可靠性置于部署核心。AVEVA 的负责任 AI 框架强调安全、效率与人类监督，主张 AI 应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。

  3. Hugging Face Blog78

    作者用 ML Intern 两天训练并发布六个模型

    作者借助 HuggingChat 中的 ML Intern，在两天内训练并发布了六个模型，包括柑橘病害识别、Huggy LoRA、相机角度 LoRA、涂鸦替换 LoRA、Pocket Rewriter 和 Agate 4-step 蒸馏模型，总计算成本约 103 美元。

    推荐理由：作者用 ML Intern 在两天内做出六个模型，给出了提示词写法、预算控制和基线对比等可复用细节。

  4. GitHub Blog · AI & ML62

    GitHub 推出基于 ModernBERT 的密钥检测分类器，扩展 push protection

    GitHub 发布与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器，用于把 push protection 扩展到无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，官方称有望让可拦截的密钥数量增加一倍以上。

    推荐理由：GitHub 用九个季度的数据说明密钥泄露压力来自代码量增长，并给出把检测成本压到 2 毫秒内的新分类器思路。

  5. Microsoft Research71

    微软研究院开源 Agent Lightning v1.0：3500 行代码的轻量智能体 RL 框架

    微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。

    推荐理由：微软研究院开源 Agent Lightning v1.0，读者可了解让部署用 harness 直接参与 RL 训练的思路与实测收益。

10月7日周三
  1. Arthur Mensch38

    我们正在这座火车站里构建 AGI

    引用Guillaume Lample @ NeurIPS 2024@GuillaumeLample

    ML4 was trained on 3,800 NVIDIA Grace Blackwell GPUs in our European datacenters -- our cluster in Bruyères-le-Châtel built using our Series B fundraise. We are investing heavily in infrastructure, with our Series C and D clusters coming online soon. This additional compute will let us train longer, pursue more ambitious post-training, and iterate faster. We expect large and rapid improvements in the weeks and months ahead. 2/n

10月6日周二
  1. Arthur Mensch80

    Mistral AI 发布 Mistral Large 4（代号 Le Chonk），1T 参数、49B 激活、原生多模态，官方称其在美国或欧洲开源权重模型中聚合基准表现最好，并在网络防御、制造和金融等关键负载上达到 SOTA，视觉 grounding 超过闭源前沿模型。模型端到端在欧洲打造，可通过 Mistral Cloud 从欧洲部署，今日起 API 开放，权重将于 10 月底发布。联合创始人 Arthur Mensch 补充称该模型在自家算力上训练和推理，RL 尚未出现饱和迹象。

    引用Mistral AI@MistralAI

    认识 Mistral Large 4，又名 Le Chonk。 • 1T 参数，原生多模态。49B 激活。 在综合基准测试上，它是来自美国或欧洲的最佳开放权重模型。 • 在关键工作负载上达到最先进水平，包括网络防御、制造业和金融，并且在视觉定位方面超越了闭源前沿模型。 • 端到端在欧洲打造，并可通过我们自己的 Mistral Cloud 基础设施从欧洲部署。 • 今天即可通过 API 向所有人开放。正与网络安全合作伙伴私下合作。 开放权重版本将于十月底发布。

    推荐理由：Mistral 联合创始人补充了 Mistral Large 4 的自研算力训练与 RL 未饱和信号，可对照官方发布看训练侧取舍。