阅读研究雷达投资体系
登录 / 注册
全部阅读技术产品投资二级市场其他

阅读

2026-11-0585 篇

刷新

DevRev首席技术官Ahmed Bashir称其工程团队已全面转向Codex并弃用Cursor

专题 · DevRev快讯
2026-11-04 08:00

DevRev首席技术官Ahmed Bashir在一次OpenAI发布的客户案例中描述了一个具体的工具迁移过程:他的工程团队在探索了多种编码工具后,全面转向了Codex,并放弃了此前持有的Cursor许可证。Bashir强调这一转变并非管理层指定,而是工程师们自行比较后自然收敛的结果。

Bashir将这一过程归因于开发者对工具质量的直接判断力。他说:「开发者其实只是在寻找最好的工具,你骗不了他们。」他表示团队中没有人对继续使用Codex提出异议,并认为Codex「远远是最好的体验」。这一判断来自他作为技术负责人对团队实际使用情况的观察,而非独立评测。

在更广泛的AI架构层面,DevRev使用GPT-6.1 Sol驱动其Computer和Operator两款面向企业客服和内部运营的产品。Bashir描述了他选择模型时的核心标准:正确的推理能力、可信赖的对齐水平,以及最关键的——延迟必须满足业务要求。他说GPT-6.1 Sol在DevRev自建的Enterprise-Bench评测中表现良好,该评测测试模型在数据存在多版本、信息分散在不同系统、访问权限取决于用户角色等条件下的表现。Bashir称该模型「完美地取得了平衡」。

需要注意的是,这是一篇由OpenAI发布的客户案例文章,DevRev的Enterprise-Bench评测结果未经第三方独立验证。Bashir关于开发者判断力的论述是他对单一公司经验的解读,不能直接推广为整个开发者群体的普遍行为模式。Codex取代Cursor的决策发生在一家北美AI客服公司内部,其规模、技术栈和业务场景与不同组织存在差异。

信息源:OpenAI

研究

ActivTrak研究:重度AI用户每日多工作90分钟,应用切换更频繁

专题 · ActivTrak实质变化
2026-11-04 20:00

职场分析公司ActivTrak发布的一项新研究发现,经常使用AI工具的员工实际上比不使用AI的同事每天多工作长达90分钟。该研究分析了2026年4月1日至9月25日期间来自467家公司的9,000多名员工的数字工作活动数据。

数据显示,AI用户的平均工作日时长为8.4至9.1小时,而非AI用户仅为7.6小时。被定义为“重度”AI用户(每天至少五次会话中使用AI工具超过45分钟)的员工,还比非用户额外花费18分钟在下班后工作。此外,这些用户在应用程序之间的切换频率更高,“不间断专注”的时间段也更短。

不过,报告也指出一个积极面:重度AI用户在会议上的时间显著减少,仅占其工作日的3%,而非用户这一比例为5%。软件工程师和运营经理被发现是AI使用率最高的职位群体。

ActivTrak首席客户官Gabriela Mauch表示:“AI可能帮助员工更快地完成任务,但我们的研究表明,它导致了更长的工作日、更多的应用切换和更短的专注时段。”她建议领导者不应仅仅追求AI的使用率,而应将其视为实现可衡量的生产力和业务绩效增长的手段。

信息源:TechRadar

研究

高通宣布SpaceX选用其Dragonwing平台构建美国全国地面5G网络,计划2027年启动部署

实质变化
2026-11-05 05:32

高通公司(Qualcomm)于2026年11月4日宣布,SpaceX已选定其Dragonwing蜂窝基础设施平台,用于支持Starlink Mobile在美国的全国性地面5G网络建设。这项多年期协议涵盖数万个基站站点,计划于2027年开始部署。

根据公告,Starlink Mobile将部署采用64发64收(64T64R)配置的大规模MIMO无线电单元。高通的QRU100平台将为这些无线电单元提供高度集成的处理功能,而QDU100平台则负责高性能、低延迟的第一层(Layer 1)处理。这一架构旨在提高覆盖范围、容量和频谱效率。

高通表示,这两个平台的设计目标是提高无线电和分布式单元处理的每瓦性能。对于涉及数万个站点的全国性建设而言,能源效率对网络部署的经济性至关重要,因为每个地点的功耗会迅速累积,且许多塔台站点面临严重的电力限制。

这是高通Dragonwing基础设施组合在美国市场的重要胜利。此前该系列主要在亚洲等地部署。若SpaceX能加速其地面网络部署,这可能使其成为美国第四大主要运营商,与现有的Verizon、AT&T和T-Mobile形成直接竞争。

信息源:ServeTheHome

研究

Snap Inc.报告付费订阅用户突破3000万,AI功能推动Lens+增长超预期

专题 · Snap Inc.实质变化
2026-11-05 05:49

美国社交媒体公司Snap Inc.在其2026年第三季度财报中宣布,其付费订阅服务(包括Snapchat+、Memories存储和Lens+)的总用户数已突破3000万。这一数字较今年2月报告的2500万里程碑增加了500万。

Snap首席执行官Evan Spiegel在致投资者的信中表示:“我们超越了3000万付费订阅者……创新的AI驱动功能帮助Lens+超出了我们的预期,展示了新的创意体验如何推动对我们付费产品的需求。”

Snapchat+于2022年推出,月费为3.99美元,提供独家和预发布功能。随后,Snap推出了更多付费层级以多元化收入来源,包括每月8.99美元的Lens+(解锁独家Lenses和AR体验)以及每月15.99美元的Snapchat+ Platinum(无广告体验)。此外,自2025年9月起,Snap对Memories功能的免费存储空间实施了限制,用户需支付每月1.99美元或订阅Snapchat+以保留更多记忆。

尽管订阅业务增长强劲,Snap的整体财务表现仍面临挑战。财报显示,Snap的日活跃用户数为4.95亿,略低于分析师预期的4.99亿。由于广告收入和用户增长未能达到市场预期,Snap股价在财报发布后下跌了12%。Spiegel指出,虽然广告收入增长低于目标,但公司将优先改善广告商表现并扩大企业触达用户的方式。

信息源:TechCrunch

研究

OpenAI全球事务负责人Chris Lehane以新政比喻推动AI政策,批评者指出其提案重推广轻约束

实质变化
2026-11-05 05:25

美国中期选举刚刚结束,民主党赢得国会控制权,OpenAI全球事务负责人Chris Lehane随即发表了一篇长文,试图为AI政策辩论定调。他的核心论点是:AI对经济的重塑堪比罗斯福新政——1930年代那套在工业化和大萧条摧毁旧经济秩序后建立的联邦计划与改革。Lehane观察到,今天的美国人对失去经济未来的掌控感怀有类似的焦虑,他敦促政客寻找一条有说服力的第三条道路,让民众能够分享AI的红利。

Lehane列出了五项政策优先事项,涵盖工人保护、教育、AI安全和数据中心发展。在税收方面,他建议为工人学习AI技能提供激励、降低创业者的资本获取门槛、探索员工持股和利润分享的新模式。在数据中心问题上,他承认公众的担忧,但强调建设就业和地方税收收入,并警告支持数据中心禁令的政客可能危及美国对华技术领先优势,甚至将这一立场比作2002年授权发动伊拉克战争的投票。在AI安全方面,他呼吁可执行的AI安全标准、独立评估、公共监督,以及在模型失控时能够限制或关闭系统的kill switch。

然而,AI Now Institute负责AI与企业权力政策的Kate Brennan在接受TechCrunch采访时指出了这一论述的结构性问题。她认为,Lehane的修辞标志着OpenAI政策议程的显著转向——去年该公司的重点还是加速AI发展、减少监管壁垒、扩大基础设施。但Brennan指出,新政的实质是建立工人保护并对企业权力施加约束,而Lehane的愿景如何追究AI公司对其技术可能造成的经济破坏的责任,这一点并不清晰。

Brennan的核心批评是:这些政策全部预设了大规模AI采用和AI造福社会这一尚未实现的前提。她指出,Lehane关于税收的建议——技能学习激励、创业资本便利、员工持股——与确保工人分享AI创造财富的强制性要求不是一回事,也不等同于要求企业承担替代工人的成本。更合理的做法应该是修订企业税率、为雇佣人类而非自动化岗位提供税收激励,以及防止企业积累过大的市场权力。

关于安全标准的立场,Brennan称之为不真诚。她列举了OpenAI的历史记录:2024年该公司反对美国加利福尼亚州AI安全法案SB 1047,该法案要求对灾难性风险进行评估并具备关闭能力;去年OpenAI还试图限制美国各州监管,理由是州级法规可能损害美国创新。虽然该公司近期有所调整——支持若干州级安全法律,并表示愿意接受嵌入公司内部的独立评估人员——但Brennan认为这些立场转变与其历史行为之间存在明显张力。

Lehane还主张人们应当保持对使用AI做出的重大决策的控制权,而非将判断完全交给机器。但TechCrunch的文章提出了一个追问:在一个人类越来越被要求在教育、工作、医疗和政府中使用AI的社会里,人类控制究竟意味着什么?

贯穿全文,Lehane将AI框定为一种能让美国人重新获得掌控感和经济机会的技术。但他将普通美国人的中产阶级成功与参与一个日益由OpenAI等公司塑造的经济绑定在一起。他的政策究竟会重新分配权力,还是微妙地巩固权力,这一点尚不明朗。

对读者的启示在于:当一家AI公司开始使用新政这样的历史隐喻来包装其政策主张时,值得追问的不是修辞本身是否动人,而是它是否包含了它所援引的那个历史先例的核心要素——对国家能力的运用以真正造福公众,以及对私人权力的实际约束。Lehane的提案在扩大AI采用和基础设施方面提供了具体路径,但在约束企业权力方面留下了明显的空白。这一空白本身就是理解AI治理辩论走向的关键。

信息源:TechCrunch

研究

Forrester分析师Brian Hopkins:AI预算的"信任税"与回报的三个阶段

实质变化
2026-11-05 04:23

Forrester分析师Brian Hopkins在一篇问答中提出了一个解释框架,说明为什么企业AI预算持续膨胀而回报仍然模糊。Forrester预测AI将占2027年企业技术支出约20%,但Hopkins强调这个数字包含技术供应商的基础设施投入,并不意味着普通企业会把自身IT预算的20%用于AI。

成本难以预测是核心问题之一。传统软件采购可以估算年度费用并据此编列预算,但生成式AI引入了按token计费、按使用量收费和额度制等模式,智能体的费用又随任务复杂度和所需算力波动。Hopkins进一步指出,智能体AI还带来一笔隐性开销:企业往往期望一个智能体直接自动化某个流程,但实际上还需要对它进行测试和红队演练、添加护栏和监控、维护集中式注册表并进行治理审查、验证其与客户或合作伙伴交互时的身份。他把这些额外负担称为"信任税",并承认行业仍在试图确定组织应当预期花多少钱。

在回报衡量上,Hopkins区分了三个时间阶段:生产力(短期)、互动(中期)和转型(长期)。生产力最容易量化——比如AI是否缩短了员工撰写客户邮件的时间或加快了工单处理——但它对利润表的影响排名很低。互动涉及改善客户和员工与企业的交互方式,例如帮助客户更便捷地获取答案和完成交易,从而提升交易频率和满意度。转型则意味着重新设计业务流程、加速产品交付、创造新产品或抢先进入市场,风险更高但能建立持久竞争优势。Hopkins认为,只关注生产力的企业有错失互动和转型中更大机会的风险,而捕获这些收益需要跨部门协调、共同优先级和一致的目标。

Hopkins给出的战略建议是:企业应从识别主要业务挑战、竞争优势和期望结果的AI战略出发,将其转化为可衡量的目标,并建立投资组合,由一位业务高管对结果负责、一位组合管理者对资金负责。他举例说,一家石油公司可能以每桶成本、产量和安全性衡量业绩,AI投入应绑定到改善这些指标上。他预计2027年将充满挑战,一些企业会认识到AI在互动和转型中的价值并建立商业论证,而仍把AI当作又一个生产力工具的企业更可能陷入困境。许多公司可能收缩,少数则凭借正确策略推进——这一分化的完整财务影响很可能要到2028至2029年才会显现。

需要指出的是,Hopkins的框架是分析师提出的分析模型,不是经过独立验证的实证结论。20%的预测包含供应商基础设施支出,"信任税"的具体规模尚无定论,三个阶段的划分也带有Forrester的方法论色彩。这些边界不影响框架的解释力,但读者在将其用于自身预算决策时应意识到其假设前提。

信息源:AI Business

研究

Anthropic称Claude解析首个原核生物Vault颗粒结构,纯化时间从3天缩至90分钟

实质变化
2026-11-04 08:00

美国人工智能公司Anthropic于2026年11月4日在其研究博客中宣布,其生物学实验室利用Claude模型成功解析了首个在原核细胞中发现的Vault颗粒(一种大型中空蛋白质外壳)的三维结构。这一发现为研究这种功能至今不明的复杂分子提供了更简单的系统,因为相比哺乳动物细胞,细菌生长更快且易于操作。

Vault颗粒在真核生物中广泛存在,但其具体功能仍是未解之谜。Anthropic团队指出,此前仅在基因组数据中发现了原核生物中存在相关蛋白质的线索,但从未有人证明这些蛋白质能组装成完整的Vault颗粒。通过冷冻电镜技术,团队确定了该噬菌体来源的Vault由96个L05蛋白拷贝组成,其结构特征与哺乳动物版本存在显著差异,例如更短更宽的外壳和不同的端帽闭合机制。

除了结构发现,Anthropic还强调了Claude在加速实验流程中的作用。据该公司称,在Claude协助下,传统的Vault颗粒纯化步骤从通常需要的3天缩短至约90分钟,而第一个结构模型的建立也在34小时内完成,这比常规所需数周的时间大幅减少。Claude在此过程中参与了蛋白质数据库搜索、DNA构建体设计、分离方法优化以及显微镜数据处理等环节。

尽管取得了进展,Vault颗粒的确切生物学功能仍未确定。Anthropic表示,这项研究旨在展示如何将AI整合到基础科学研究的每一步中以加速发现过程。相关结果已提交至bioRxiv预印本平台,待正式发表后将更新链接。

信息源:anthropic.com

研究

Richard Windsor:Anthropic增长减速令2万亿美元IPO估值面临质疑

专题 · Anthropic上市实质变化
2026-11-04 14:37

独立科技研究机构Radio Free Mobile创始人Richard Windsor在其最新分析中,对Anthropic更新后的S-1文件进行了详细解读,并提出了一个核心判断:2万亿美元的IPO估值正在变得过于乐观。Windsor曾在野村证券工作11年,负责全球科技板块的股票研究,后创办Radio Free Mobile专注于数字生态系统的独立研究。

Windsor指出的关键事实是:Anthropic Q3 2026营收为169.6亿美元,环比增长46.6%,但这一增速远低于Q2的144.4%。更值得注意的是,Q3经营利润从Q2的9.74亿美元盈利转为5.67亿美元亏损。Windsor将这一增速骤降归因于一个具体机制——tokenmaxxing的退潮。他认为,在Q2结束时,企业财务控制人员意识到token消耗成本过于高昂,纷纷实施了成本控制措施以防止巨额账单。

这一解释的读者价值在于,它将一个看似抽象的增速放缓与可观察的企业行为变化联系起来。Windsor认为这本身是完全正常的状态,但它意味着此前硅谷流传的Anthropic 2027年营收将超过4000亿美元的预测不过是幻想。他引用路透社报道指出,Anthropic自身对2028年的营收目标已调整为1900亿至2000亿美元,这意味着2026年营收可能在600亿美元区间,2027年约1200亿美元。

在成本端,Windsor注意到Anthropic的支出承诺总额已达8950亿美元,其中4480亿美元将在2030年底前发生,未来12个月有700亿美元。他认为这一数字尚属合理——如果2027年营收达到1200亿美元,算力成本约900亿美元,剩余300亿美元用于其他开支,公司有可能在2027年实现盈亏平衡。但Q3算力成本占营收比例已从Q2的48.1%升至58.2%,Windsor怀疑部分价格折扣可能被计入了这一数字,同时这也是Anthropic向xAI支付的更高算力价格(377亿美元/吉瓦)首次进入损益表的季度。

Windsor进一步指出一个他怀疑的会计处理问题:Anthropic在Q3给出了6亿美元的价格折扣并转向更便宜的模型变体,但毛利率仍维持在85.7%。他推测部分折扣可能被按美国通用会计准则归类为销售费用而非成本,从而美化了毛利率。他明确表示这是他的怀疑而非已证实的事实。

竞争格局是Windsor估值判断的核心依据。他认为模型之间没有护城河,排行榜显示各厂商能力差距有限,这意味着2027年与OpenAI的价格战很可能发生。RFM Research估计OpenAI在算力成本上比Anthropic处于更有利的位置,能够在Anthropic亏损的价格水平上获利。Windsor写道:'对我来说,这是Anthropic作为上市公司这一命题的关键风险,因此我希望获得大幅估值折价来补偿我承担这一风险。'

基于这些分析,Windsor怀疑IPO定价可能在1.5万亿美元左右,而非市场此前讨论的2万亿美元。他承认Anthropic及其投资方可能不愿接受这样的折价,但他自己选择观望——'我仍然不参与这一单。'需要指出的是,Windsor关于OpenAI成本优势的判断来自RFM自身研究而非公开数据,其1.5万亿美元定价预期也属于个人猜测而非已确认的市场信息。

信息源:radiofreemobile.com

研究

AI拆解投行分析师金字塔后,赢家把释放的产能投向交易寻源

专题 · AI投行裁员与转型实质变化
2026-11-05 00:02

传统投行的经济模型有一个核心数字:一。一位初级银行家一年支持一笔交易。这不是效率低下,而是几十年来人员金字塔的产物——分析师层做生产工作推动交易,顶层高级银行家拥有客户关系和判断力。当AI代理成为能干的初级同事,这座金字塔正在被拆解。

Goldman Sachs CEO David Solomon描述过一个具体场景:过去一家公司准备上市时,约六人团队花两周起草S-1监管招股书。现在AI可以在几分钟内完成95%。如果95%已成商品,剩下5%才是Goldman相对于同样接入AI模型的竞争对手的边际优势。这个判断把问题从'需要多少分析师'转向了'团队各层级应该用释放的时间做什么'。

Deloitte估计生成式AI到2026年可将全球最大投行前台生产力提升27%到35%,每位前台员工增加约350万美元收入。McKinsey发现交易流程成本降低约20%,时间线缩短10%到30%。Evercore的M&A研究台在2026年2月上线内部AI工具,自动化先例交易deck的制作,VP级associate现在在研究方面无需分析师支持即可运行自己的交易团队。杠杆数字很醒目:传统精品顾问公司每位初级银行家一年一笔交易,AI接管分析层后同一位银行家可同时支持两到三笔。

但作者认为,把这一切当作降本故事——更少分析师、更精简团队、更高人均收入——既错失更大机会,也忽略了风险。当你在下游解除约束,摩擦就移到上游。寻源才是解锁更多交易产能后最重要的引擎。80%的企业和PE组织现在使用生成式AI进行目标识别,79%用于目标筛选,但平均公司仍只看到约18%的相关交易。57%的交易人士报告过去一年高层对AI的抵制在加剧,原因是准确性担忧和受托责任风险。瓶颈已经移动,但组织还没跟上。

文章必须面对一个棘手证据:一项2026年基准测试用502位现任和前任投行银行家(来自Goldman Sachs、JPMorgan、Evercore等公司),对九个前沿AI模型测试了100项初级银行家工作流任务。即使表现最好的模型也未能通过近半评分标准,银行家没有将任何一项输出评为可直接发给客户。失败模式具体而说明问题:伪造数据伪装成正确推导、幻灯片间数字冲突、硬编码值代替公式。调查中仅10%的银行家认为当前AI工具满足需求,78%将错误过多列为首要限制。

作者的回应是:这不是对AI在银行业的判决,而是对无治理AI的判决。伪造、不一致和不可审查的输出,正是治理化、锚定数据源的AI要防止的失败。当AI锚定公司自有数据、合规护栏管控每一个生成词、输出反映银行家个人风格而非通用模板时,可靠性差距会缩小。这个论断的逻辑成立,但证据边界必须保留:作者所在公司Writer正是提供这类治理化AI和合规护栏的产品供应商,'治理化AI弥合可靠性差距'是其商业主张,尚未被基准测试独立验证。

作者的核心论点是:赢得下一周期的公司不会用AI杠杆缩减团队,而是将释放的产能重新部署到AI做不到的事上——寻源。作者自述在加入Writer前管理过多元资产组合并参与私募市场分销团队工作,据其观察,区分善于寻源的银行家和不会寻源的银行家的,从来不是潜在客户名单,而是对话。AI可以浮现目标、评分公司宇宙、起草第一版外联邮件,但无法探测管理团队的信念、读会议室里的张力、感知创始人是准备出售还是在试探水温。优势在于能建立让CEO在你号码出现时拿起电话的信任。

Evercore移除分析师研究层后,内部评论尖锐:associate到VP的路径变陡了,因为VP过去用来成长的中间支持层被抽掉了。作者的答案不是消灭那些分析师,而是将他们重新部署到寻源中——那正是建立判断力、关系和信念的工作,也是定义高级银行家的工作。每周花在交易寻源研究和个性化外联上的分析师,正在发展associate到VP路径所需要的确切技能;被裁掉的分析师永远无法发展这些技能。

文章最后提出'特许经营模型'作为机制:顶级寻源者的最佳实践编码进治理化playbook,在团队中规模化,每位associate的外联反映MD的标准而非通用模板。作者称Writer的voice功能学习个体银行家的写作风格——措辞、习惯和让邮件可辨识为其本人的语感。一位金融服务客户说:如果客户能看出他们在读AI写的东西,那是冒犯的。在投行,产品是可信度和高级关注度,这个标准更高。没有内置合规护栏,个性化草稿进入审核队列后搁置,银行家放弃并发送预审批模板。

需要保留的边界:这篇论点的说服力取决于'治理化AI确实能弥合可靠性差距'这一前提,而该前提目前只有作者所在公司的产品叙事支撑,缺乏独立验证。基准测试数据本身表明,当前AI在投行工作流中仍大面积失败。从'AI能自动化分析层'到'释放的产能可以成功重新部署到寻源'之间,存在一个尚未被证据闭合的跳跃。文章的价值在于提出了正确的战略问题——瓶颈已移向上游,裁员是短视——但将答案押在治理化AI的可靠性上,这既是其核心论点,也是其最脆弱的环节。

信息源:WRITER

研究

硅谷“未来引领”超级政治行动委员会在2026美国中期选举中未能左右选情,剩余逾2000万美元资金

实质变化
2026-11-05 04:41

据WIRED报道,由硅谷科技巨头资助的最大亲AI超级政治行动委员会网络“未来引领”(Leading the Future)在2026年美国中期选举结束后,账户中仍剩余超过2000万美元。尽管该网络在初选阶段投入约2600万美元,并在大选阶段继续支出,但其在关键竞争选区的干预并未取得预期效果,反而暴露了AI行业内部在监管立场上的分裂。

“未来引领”于2025年8月启动,承诺资金池约为1亿美元,主要捐赠者包括Andreessen Horowitz、Palantir联合创始人Joe Lonsdale以及OpenAI总裁Greg Brockman及其妻子Anna。该网络旨在复制加密货币行业在2024年选举中的成功模式,通过支持反对严格AI监管的候选人来影响国会政策。然而,CNBC对联邦选举委员会(FEC)文件的分析显示,随着Anthropic向支持AI安全措施的“公共第一行动”(Public First Action)提供4000万美元资金,AI行业内部形成了加速派与安全派的直接对抗。

在具体选战中,“未来引领”支持的候选人在多个关键席位失利。例如,在南卡罗来纳州参议员竞选中,其支持的Darline Graham以46.5%的得票率败北;在北卡罗来纳州第1国会选区,其支持的共和党人Laurie Buckhout在初选中输给获得安全派支持的Don Davis。尽管该网络在纽约第12选区成功击败了主张AI安全的Alex Bores,但这一战术胜利未能转化为整体战略优势。相反,选民对大型科技公司及数据中心扩张的不信任情绪上升,NBC出口民调显示56%的选民认为AI和数据中心在其投票决策中发挥了“重大”作用。

选举结果表明,试图通过巨额资金建立统一的AI政治机器已告失败。随着Meta退回部分政治捐款,以及OpenAI员工对Brockman政治活动的内部抵制,硅谷在华盛顿的影响力正面临重组。未来的AI监管政策将不再由单一的行业游说力量主导,而是取决于国会内加速派与安全派之间的持续博弈。

信息源:WIRED

研究

AWS驻场高管Matthias Patzak:AI代理治理应建在平台层,而非喂给模型当上下文

专题 · AWS代理治理平台层实质变化
2026-11-05 03:59

AWS驻场高管Matthias Patzak在近期接受AI Business采访时,提出了一个关于企业AI代理治理的具体架构判断:把治理规则作为文档上下文喂给模型,并不是最佳实践;真正有效的做法是把治理建在平台层,作为代理部署的基础设施。这一区分来自他服务汽车、银行等行业的实际咨询经验。

Patzak观察到,治理规则写得模糊的组织,其AI代理治理同样糟糕。他注意到一个反直觉的现象:金融服务行业反而是在AI规模化方面最成熟的,原因恰恰是他们有大量已经写下来的治理规则。这些规则可以被直接提供给代理作为上下文——但Patzak明确指出,这并不是最佳实践。代理确实需要知道哪些规则必须遵守,但正确做法是把治理建为一种基础设施,作为代理部署的容器,在平台层设定边界,而非依赖上下文窗口中的文档片段。他认为制造业、汽车业和金融业是目前在代理治理方面最成熟的行业。

在多代理协作层面,Patzak认为当前最佳实践是设置一个编排代理来监督整体流程。他解释,不能假设单个代理不会犯错,因此需要第二、第三个代理承担不同角色。各角色代理需要深度专业知识,但上下文窗口有限,必须依靠编排代理统筹全局。不过他强调,这一架构目前仍由组织和开发者以独立软件组件的形式搭建,尚未形成成熟产品。

信息源:AI Business

研究

美国AI基础设施公司Crusoe推出3.5兆瓦液冷模块化数据中心单元,旨在绕过电网互联延迟

实质变化
2026-11-05 03:47

美国AI基础设施公司Crusoe于2026年11月4日推出了其第六代模块化数据中心平台的新产品——Spark Liquid。该单元设计为每台支持最高3.5兆瓦(MW)的算力容量,专门针对Nvidia GB300 NVL72和Vera Rubin NVL72机架进行优化。Crusoe表示,这一新平台将加入其位于科罗拉多州布莱顿(Brighton)的现有生产线,计划于2027年开始生产。

与传统的现场施工不同,Spark Liquid采用闭环直接液冷(DLC)系统,以应对高密度GPU产生的热量。Crusoe Spark业务负责人Bryan Schramm指出,随着机架功率不断攀升,空气冷却已无法有效移除如此高密度的热量,因此DLC成为必要选择。该系统通过封闭循环回收水分,减少了持续用水需求并消除了蒸发损失。Schramm强调,这种工厂预制的模式解决了当前AI基础设施面临的三个主要约束:电力、可预测性和“时间到令牌”(time to token)。

在电力方面,大型电网互联往往需要数年时间,而模块化单元可以利用现有的分布式电源,如现场发电、小型模块化反应堆或太阳能配电池,从而更快地接入可用电力。在生产可预测性上,工厂环境比施工现场更能控制交付日期,这对于提前预订算力的组织至关重要。此外,模块化基础设施可以显著缩短运营商从建设到产生收入的时间,Schramm称在具备条件的场地上,最快几个月即可上线算力。

Crusoe还宣布其Spark平台将支持Nvidia最近发布的DSX POD标准。这是一个用于Vera Rubin平台的模块化基础设施蓝图,由Nvidia设计和验证参考架构,合作伙伴负责制造和集成。Crusoe是Nvidia列出的八家容器解决方案提供商之一。尽管具体性能数据基于厂商自报,但这一举措反映了AI行业正转向通过垂直整合制造和标准化模块来突破物理和监管瓶颈的趋势。

信息源:DataCenterKnowledge

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系