Crusoe 将有问题的 Wyoming 数据中心项目出售给 Google
Crusoe 已将位于 Wyoming 的未完工数据中心项目出售给 Google，Google 计划投资 $17 billion 开发该数据中心园区。Crusoe 是一家成立于八年的数据中心开发商，目前在德克萨斯州 Abilene 正在为 Oracle 和 OpenAI 建设园区，并为 Microsoft 建设 900-megawatt 园区。
#部署/工程
TechCrunch · AIAI 评分1515 AWS Machine Learning BlogAI 评分5555 Amazon Quick 智能体原语分类法介绍
Amazon Quick 团队分享了智能体工作原语的分类法，通过 When What Who How 四个问题分解了智能体工作。系统定义了 Trigger Agent Capabilities 三个核心原语，其中 Agent 是一个持久学习的 Actor，Capabilities 包括 Tools Skills 和 Workflows。
AWS Machine Learning BlogAI 评分5050 Extend Claude Code to remote sessions on Amazon Bedrock AgentCore with security controls
Claude Code 可作为远程 Agent 在 Amazon Bedrock AgentCore 上运行，每个任务在独立的 AgentCore runtime session 中执行，结果以 GitHub pull request 返回。
AWS Machine Learning BlogAI 评分5858 Taxbit Assist 基于 Amazon Bedrock AgentCore 构建可引用角色感知 AI 智能体实践
Taxbit 在其数字资产税务合规平台中嵌入了 Taxbit Assist AI 助手，该助手基于 Amazon Bedrock AgentCore 构建，用于帮助合规团队在产品仪表板内查找答案。该实践强调了答案必须可引用、具备角色和组织感知能力，并详细介绍了知识库构建、上下文分块、检索流程、安全数据处理和生产环境质量评估的工程细节。
AWS Machine Learning Blog精选AI 评分6666 Greenlight Financial 基于 Amazon Bedrock AgentCore 构建自主 SOC 解决方案
Greenlight Financial 利用 Amazon Bedrock AgentCore 构建了 Luna 自主 SOC 解决方案，每月无需人工干预解决超过 90% 的 3,000-4,000 个安全和风险案例。该系统采用分层多智能体架构，包含超过 30 个专业 Agent，并利用 Episodic Memory 实现持续学习，将平均例行案例的分类时间缩短至秒级。
推荐理由：Greenlight Financial 利用 Amazon Bedrock AgentCore 构建了自主 SOC 解决方案，实现了超过 90% 的安全风险案例的自动化处理。
AWS Machine Learning BlogAI 评分5050 Govern AI agent access with Okta Cross App Access and Amazon Bedrock AgentCore – Part 1
Okta Cross App Access (XAA) 结合 Amazon Bedrock AgentCore 用于治理 AI 智能体访问权限，确保智能体仅在授权范围内为用户行动。
AWS Machine Learning BlogAI 评分5050 Govern AI agent access with Okta Cross App Access and Amazon Bedrock AgentCore – Part 2
Amazon Bedrock AgentCore 引入 Gateway 解决 Agent 规模化时的治理问题，通过 Gateway 统一接收 Okta 的 ID-JAG 并评估 Cedar 策略，取代了 Part 1 中 Agent 直接调用 MCP Server 的模式。
AWS Machine Learning BlogAI 评分4545 Serverless MCP server for AI agent data lake access on Amazon ECS Fargate
Serverless MCP server 部署在 Amazon ECS Fargate 上，为 AI agent 提供企业数据湖访问，实现集中化、Agent-agnostic 的数据访问。该架构通过元数据驱动方式，仅需 JSON metadata 文件即可暴露新数据集，无需为每个数据集编写集成代码。测试中，上下文范围限定使端到端交互延迟控制在 15–20 秒范围内。
NVIDIA BlogAI 评分4545 NVIDIA Open Source Tools 助力研究人员构建下一代 6G 网络
NVIDIA 的 Aerial wireless 软件和 Sionna 等开源工具已获得全球开发者 10 倍增长，5G/6G 工具下载量超 100 万，超过 8,000 个研究机构使用。
The Verge · AIAI 评分3333 OpenAI 宣布不再在数据中心项目中使用与公职人员的 NDA
OpenAI 宣布在数据中心项目社区承诺中，不再与公职人员使用非保密协议（NDAs）。公司承诺支付其使用的全部电费和所需基础设施费用，并将在未来所有“compute campus”拥有“local compact”以反映“local priorities”。此外，OpenAI 将公布预期创造的就业机会并报告招聘情况。
NVIDIA BlogAI 评分1515 NVIDIA Vera 提供最高吞吐量和最快 Agent 性能
NVIDIA Vera CPU 在 100-megawatt 数据中心对比中，单颗 CPU 性能优于最快和最高能效的 x86 CPU。Vera 实现了 1.6x/watt 的 Agent 数量提升（对比最快 x86 CPU）和 2x 更快的 Agent 速度（对比最高能效 x86 CPU）。
AWS Machine Learning Blog精选AI 评分6060 Amazon SageMaker AI利用VLM和OCR评估Amazon Marketplace A+内容质量
Amazon Marketplace使用VLM和OCR构建内容质量评估系统，将完整页面渲染为单张快照进行VLM整体评估，并结合OCR的文本可读性信号训练CatBoost分类器。该融合模型在5,478个产品详情页上达到0.94的准确率和0.95的F1分数，通过SHAP生成可操作的改进建议，使修订后的页面质量得分平均提升1.4分。
推荐理由：该系统通过VLM、OCR和CatBoost融合评估A+内容，并利用SHAP生成可操作的改进建议，实现内容质量的量化与提升。
Microsoft Research精选AI 评分8585 使用 PDD Kit 形式化验证 Agent 编写的全栈 Web 应用
Microsoft Research 发布 PDD Kit 工具包，用于形式化验证 Agent 编写的全栈 Web 应用，以 Pet Store 的 Rust 前端和后端登录逻辑为例。PDD Kit 将用户意图转化为 Verus 形式化规范，自动生成证明和高质量测试，开发者只需审查意图而非逐行代码。
推荐理由：PDD Kit 帮助将意图转化为形式化规范，并使用 Verus 证明 Agent 生成的代码满足该规范，将软件审查重点从代码转向意图。
NVIDIA BlogAI 评分3030 NVIDIA 阐述全栈协同设计如何解决 AI 内存挑战
NVIDIA 通过全栈协同设计，整合 GPU、CPU、网络和软件，提高每字节内存的利用效率，缓解大型模型和 Agentic 应用带来的 HBM 压力。NVIDIA Blackwell Ultra 到 Vera Rubin 平台，HBM 容量/GPU 提升约 3%，在 SemiAnalysis AgentX 上 Agentic throughput/美元提升高达 30x。
TechCrunch · AIAI 评分5656 AxiomMath验证Stacks Project 旨在将AI生成内容排除在数学领域外
AxiomMath这家初创公司宣布正式验证了Stacks Project，这是人类编写的最大数学文献库之一。该公司利用AI智能体将Stacks Project约7,654页的资料转化为约1600万行经过计算机检查的代码，并采用Lean编程语言进行形式化验证。AxiomMath认为，可验证的数学结果是未来AI智能体构建软件和科学研究的可靠基石，尤其在代数几何等领域填补了知识空白。
TechCrunch · AIAI 评分3737 Dropbox 收购 Tigris Data 3.5亿美元 以加强 AI 基础设施
Dropbox 以 3.5 亿美元收购云技术公司 Tigris Data，旨在加强 AI 基础设施能力并支持 DBX Agent Cloud 的开发。DBX Agent Cloud 初期提供对象存储，兼容 Amazon S3，并允许用户连接 ChatGPT、Claude 等 AI 模型。
OpenAI News精选AI 评分7474 OpenAI 自主管道发现并修复 948 个 Linux 内核本地权限提升漏洞
OpenAI 构建了一个自主管道，成功发现了验证并生成了 948 个 Linux 内核本地权限提升漏洞的补丁。
推荐理由：OpenAI 构建的自主管道成功发现了验证并生成了 948 个 Linux 内核本地权限提升漏洞的补丁。
AWS Machine Learning BlogAI 评分5353 使用决策模型结合 Amazon Bedrock AgentCore Evaluations 进行智能体评估
Amazon Bedrock AgentCore Evaluations 支持自定义评估器，可定义为 LLM-as-a-judge 或基于代码的评估器，支持集成决策模型。本文展示了如何通过基于代码的评估器将 Jev 和 Strands Decider 2B 决策模型连接到 AgentCore Evaluations，构建 HR Assistant 智能体的端到端评估流程。
AWS Machine Learning BlogAI 评分4545 U Mobile 如何使用 Amazon Bedrock AgentCore 构建智能体电信运营
U Mobile 利用 Amazon Bedrock AgentCore 构建了 AiDaH 智能体帮助台，目前覆盖超过 150 个已记录的运营场景，实现了关键类别故障工单量下降高达 84.5 percent。
AWS Machine Learning Blog精选AI 评分8888 生产级 AI 智能体的四层上下文工程实践与 Deep Insight 应用
生产级 AI 智能体在数据分析和报告生成中常因上下文管理成为瓶颈，本文基于 Deep Insight（基于 Strands Agents SDK 和 Amazon Bedrock AgentCore）阐述了四层上下文工程实践：架构级隔离、提示词控制、文件系统外部化和独立验证。通过单次写并执行工具，可将脚本对上下文的 token 消耗减少约 95%，按需加载技能可使系统提示缩减约 97%。
推荐理由：文章系统性地阐述了四层上下文工程实践，帮助生产级 AI 智能体有效管理 LLM 的有限上下文窗口。
AWS Machine Learning BlogAI 评分3535 Smart Approvals in Amazon Quick: Human oversight where it matters
Smart Approvals in Amazon Quick 通过评估拟议操作是否符合用户请求，自动批准或返回用户复审，旨在在 AI 智能体承担更多工作时保留关键的人工监督。该功能不授予额外权限，不移除必需的人工审批，并使用独立的 classifier 模型评估操作，同时记录权限更新至 AWS CloudTrail。用户可自行关闭 Smart Approvals，但账户级设置可强制启用。
TechCrunch · AIAI 评分2020 Data centers 转向使用旧喷气式发动机应对电力等待期
xAI 已在密西西比州安装了八台由 ProEnergy 重建的 GE 喷气式发动机涡轮机，为其 Colossus 2 数据中心供电；OpenAI 也在德克萨斯州阿比林的第一个 Stargate 站点使用了燃气涡轮机。使用改装喷气式发动机可使数据中心在 24 个月内投入运行，而连接 100 兆瓦至电网在北弗吉尼亚需要约七年。
TechCrunch · AIAI 评分3333 AI inference startup Fal 估值增至 $16B
Fal，一家托管和运行 AI 视频、图像和音频模型的旧金山初创公司，最新一轮融资中估值达到 $160 亿美元，是 4 月份 $80 亿美元估值的两倍。该公司在 Series E & F 轮中共筹集了 $16.5 亿美元，并已实现超过 $8000 万的年化收入。
The DecoderAI 评分3232 AI agents 在 SETI 的 Allen Telescope Array 上接管扫描外星智能任务
AI agents 现已在北加州 Allen Telescope Array 上接管望远镜的转向和实时射频信号分析，系统基于 Nvidia 的 Holoscan 平台运行。该硬件可处理高达 2.4 terabits per second 的数据，将原需数周的工作缩短至数小时。团队已利用 AI 实时检测到蟹状星云中的脉冲星，这是首次实现。
AWS Machine Learning BlogAI 评分4545 Building ultra-low-latency voice AI applications on AWS
Cartesia 利用 State Space Models (SSMs) 和 AWS 基础设施，实现全球规模的 sub-100ms text-to-speech 和 speech-to-text。
AWS Machine Learning BlogAI 评分4545 Build a semantic layer for agentic AI with EDB Postgres AI and Amazon Bedrock AgentCore
EDB Postgres AI 允许将语义层内置于操作型 Postgres 数据库中，通过 AIDB 扩展实现 SemKB。该方案使用 Anthropic Claude 在 Amazon Bedrock AgentCore 上运行 Strands Agents 智能体，并通过 EDB MCP 端点暴露 AIDB 工具目录。
AWS Machine Learning BlogAI 评分5858 Gen Digital如何使用Amazon Bedrock AgentCore Web Search构建Norton Revamp的AI内容引擎
Gen Digital构建了基于Amazon Bedrock AgentCore Web Search的Norton Revamp专业声誉管理平台，核心是AI内容引擎，所有内容建议和新闻源于实时、引用的网络知识。该方案实现了零基础设施开销、完全在AWS内运行且无数据外泄，支持个性化实时新闻流、智能内容建议和趋势感知目标设定。
AWS Machine Learning BlogAI 评分4545 Amazon Quick 整合结构化与非结构化数据
Amazon Quick 允许用户通过统一体验整合存储在 Amazon S3 中的非结构化数据和结构化数据。用户可连接 Amazon S3 创建知识库，并将结构化数据作为富集数据集加载，随后通过单一对话式 AI agent 查询跨越两种数据类型的问题。使用此功能需拥有 Amazon Quick Enterprise 订阅和 Amazon S3 存储桶。
NVIDIA BlogAI 评分4545 AI 正在改变半导体制造流程 NVIDIA 助力工程师加速决策
AI 正在变革半导体制造，通过加速计算、物理基 AI 和 AI 智能体优化流程，使工程师能更快地评估替代方案。COMSOL 利用 NVIDIA cuDSS 库将多物理场模拟加速高达 10x，Applied Materials 结合 NVIDIA PhysicsNeMo 平台可将地形模拟加速高达 35x。
NVIDIA BlogAI 评分5555 全球城市利用 NVIDIA 物理和智能体 AI 构建和扩展 AI 服务
NVIDIA 及其合作伙伴正在全球城市推广物理和智能体 AI 应用，帮助城市将摄像头和传感器数据转化为规划、维护和公共服务的实际行动。
OpenAI NewsAI 评分1313 OpenAI 构建 Pando，一个支持 Git 的后端以应对 Codex 的开发规模
OpenAI 构建了 Pando，一个兼容 Git 的后端系统，旨在支持 Codex 所带来的大规模开发需求。Pando 的设计目标是满足当前开发规模的挑战，确保 Git 兼容性。
Latent SpaceAI 评分4545 Building Legal Agents When You Can't See the Data - Jacob Lauritzen, CTO of Legora
Legora 帮助律师起草和编辑 Word 文档、审查 10,000 份合同，并协调律师、客户及其他 Agent 的工作。Legora 运行所有服务于 Azure，并采用模拟世界构建测试环境，成功将模型引用准确率从 70% 提升至 99%。该公司在纽约、斯德哥尔摩和伦敦招聘工程师。
Latent Space精选AI 评分7878 Legora CTO 谈构建法律 AI 智能体：从 ChatGPT 到 Tabular Review
Legora CTO Jacob Lauritzen 讨论了为律师构建 AI 智能体所需条件，该公司已实现 $100M ARR 且拥有超过 1,800 个客户。Legora 采用模拟 RL 环境进行评估，而非直接读取客户数据，所有基础设施运行在 Azure 以满足数据隐私要求。
推荐理由：Legora 的实践展示了 AI 智能体在法律领域的应用路径，强调了数据隐私和模拟环境评估的重要性。
AWS Machine Learning BlogAI 评分4545 Circle K 如何使用 Amazon Bedrock 将 DevOps 事件分诊时间缩短至 15 分钟
Circle K 利用 Amazon Bedrock 构建了自动化分诊系统，该系统采用 agentic AI 架构，能在警报触发后数分钟内向 Slack 提供结构化摘要。
AWS Machine Learning Blog精选AI 评分7878 使用 Amazon Nova Multimodal Embeddings 和 Amazon Bedrock AgentCore 构建多智能体工程助手
该方案展示了如何使用 Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings 和 Strands Agents SDK 构建多智能体工程助手，以自动化部件替代的证据收集。系统通过规划器路由至 Catalog、Evaluation 和 Knowledge 三个专家智能体，结合确定性代码进行规格匹配，并确保工程师始终是最终决策者。
推荐理由：该方案展示了如何结合多模态嵌入和多智能体系统，自动化工程部件替代的证据收集与文档起草。
AWS Machine Learning Blog精选AI 评分7878 使用知识蒸馏在 Amazon SageMaker AI 上构建高效智能体
通过序列级知识蒸馏 (SeqKD)，将前沿教师模型（如 GLM-5.3 on Amazon Bedrock）的行为迁移到小型学生模型（如 Qwen3.5-4B），实现高效智能体。该方法仅需教师的文本输出，无需访问 logits，可在 SageMaker AI 上使用服务器less SFT 进行微调，最终 4B 学生模型实现了接近教师模型的任务质量，显著降低了生产规模的调用成本。
推荐理由：文章展示了如何利用 SeqKD 将前沿教师模型的行为迁移到小型学生模型，实现成本和效率的平衡。
AWS Machine Learning BlogAI 评分5656 使用 Crawl4AI 准备网页内容供 Amazon Bedrock Knowledge Bases 使用
Amazon Bedrock Knowledge Bases 支持 Amazon Bedrock Web Crawler 进行网页内容摄取，但若需结构化 Markdown 准备、目标化提取或自定义元数据，可结合开源 Python 爬虫 Crawl4AI。
MIT Technology Review · AIAI 评分6565 停止计算 token 开始计算交付的软件
应以成本/合并的 Pull Request 衡量 AI 辅助开发价值而非 token 消耗，因为高价值工作流程可能因 per-token 定价变得昂贵。建议采用混合 AI 架构，将复杂规划任务路由至前沿模型，将常规代码生成和测试路由至自运营的开源模型，从而降低 30% 到 50% 的 token 成本。
Simon WillisonAI 评分1515 If in doubt, delete the uv.lock file
切换到 Python 3.15 后，在使用 uv 运行 pytest 等命令时可能出现 Python 依赖错误。当 uv.lock 文件锁定了一个尚无 Python 3.15 wheel 的依赖版本时，会触发如 `error: Failed to build watchfiles==1.1.1` 的构建失败。删除 uv.lock 文件后重新运行 uv run pytest 通常可解决此问题。
The DecoderAI 评分6565 Anthropic 水印推广遗留漏洞影响两款旧 Claude 模型
Anthropic 将文本水印扩展至 Claude Mythos 5、Claude Opus 4.7、Claude Opus 4.6 和 Claude Sonnet 4.6 四款模型，但 API 用户可通过调整 temperature、top_p 和 top_k 三个采样参数规避 Opus 4.6 和 Sonnet 4.6 的水印。