大模型训练把数据中心流量翻成东西向，网络变成第一等约束：Fat-Tree 与 Rail 优化重构拓扑，光模块从 400G 冲向 1.6T，中国厂商吃下全球大半份额，CPO 在远处排队。本篇算清 AI 集群的带宽账与光模块产业的真实格局。

白天推理高峰、训练占卡；训练希望整周独占、推理要有兜底容量——训推共存的集群需要一个调度设计。本篇拆解训推一体的资源矛盾、错峰调度的三种模式（抢占、分区、弹性分区）、以及「在线优先」的调度纪律。

千卡集群的网络怎么设计？Fat-Tree 用带宽换无阻塞，Rail-optimized 让「同序号 GPU 一跳直达」。本篇拆解两种拓扑的设计逻辑、NCCL 如何利用拓扑、以及「为什么 AI 集群的网络设计是一门专门学问」。

千卡训练的每一秒，GPU 之间都在交换海量数据——传统 TCP 网络撑不住，RDMA 与 GPUDirect 让数据「绕过 CPU 直接进出显存」。本篇拆解 AI 集群通信的分层（NVLink→RDMA→TCP）、GPUDirect RDMA 的零拷贝机制、以及网络性能对训练吞吐的决定性影响。

一个万卡集群每天都会有硬件故障——GPU 故障不是意外，是常态。本篇拆解 GPU 故障的类型学（ECC、掉卡、降频）、巡检与预测性维护、自动化的故障自愈，以及「把故障当日常来运营」的工程心态。

GPU 很贵，但让 GPU 排队等网络的往往是操作系统——数据包要过内核协议栈、要在内存里来回拷贝。RDMA 用「内核旁路 + 零拷贝」把这条路打通成内存对内存的直通车，把延迟压到微秒级。本文讲透 RDMA 的三大机制、三条传输路线，以及为什么它成了 AI 集群的标配。

商务部、科技部拟修订《中国禁止出口限制出口技术目录》，在 AI、生物医药、光伏三领域增列 40 项技术，其中 AI 涉及大模型、智能体、算力集群等 23 项。

Google 开源的智能体执行编排运行时 AX（当日涨星 2,324、★7,482、Apache-2.0）：四个原语 Task/Workspace/Gateway/Model，把智能体变成可 apply/watch/suspend/resume 的集群负载。拆解控制面（Redis Streams 队列）、runner 契约、出网围栏与生成式 workspace，并给出预算失控、退出码不回读等七项风险与五个落地场景。

阿里主导开源、半年 15.7k stars 的 AI Agent 沙箱平台全解：六平面架构（客户端/协议/控制面/运行时后端/数据面/网络安全面）、Docker→BatchSandbox→FastSandbox(Firecracker, warm 创建 97ms P50) 三种运行时形态的原理与取舍、execd 数据面与出口凭据保管库机制，附本地五分钟起步、K8s Helm 生产部署顺序表、SDK 接入模式与同类方案对比。

量子位的朋友们* 2026-09-24 13:19:55 来源：量子位 开源一座具身智能的新“塔台” 一架架飞机在空中有序飞行，按时起降，看似只是飞机自己的事情，实际上，它需要持续与机场、跑道、航线以及地面资源系统协同。 这正是“塔台”存…

IT之家 9 月 12 日消息，据央视财经今日报道，今年服贸会首次推出“金融 + 科创”的联展模式，让金融机构联合他们所赋能的科创企业同台参展。展台上除了金融产品，还有智能机械臂、运载火箭模型、人形机器人等硬科技，背后是 算力贷、算力保、投…

9月9日，以“JoyAI · 跃迁物理世界”为主题的JDDiscovery-2026京东全球科技探索者大会在北京举行]

AI 集群的存储不是一个系统打天下：训练数据集要高吞吐顺序读、checkpoint 要低延迟写、推理热数据要低延迟随机读——三种负载三种策略。本篇拆解 AI 存储的三层架构、文件系统的选型、以及「存储成为训练瓶颈」的排查。

制程受限之下，国产 AI 芯片靠架构补偿与集群规模对冲单卡差距，昇腾用 CANN 软件栈啃生态迁移成本，寒武纪、海光、摩尔线程各走各路，大厂采购结构悄然改变。本篇给出替代进度的现实框架：芯片在追，生态才是真正的考场。

单机 Cron 定时任务在分布式下的三个死穴：重复执行、单点故障、无管理界面。分布式调度中心（XXL-Job、Quartz 集群、Elastic-Job）如何解决——以及「时间轮」「错峰」「幂等」这些调度系统绕不开的设计。

AI 数据中心的耗电是传统机房的三倍以上：一张 H100 要 700W，一个 10 万卡集群就是一座小城市的用电。本篇拆解数据中心电力的账本构成（IT 负载、PUE、供电链路）、冷却的技术路线（风冷到液冷）、以及「电力成为 AI 瓶颈」的产业含义。

缓存集群从 10 台扩到 11 台，取模哈希会让几乎全部 key 搬家、缓存瞬间全 miss——一致性哈希用「把服务器和 key 都撒到同一个环上」这一步，把迁移量从「几乎全部」压到「约 K/N」。本文讲透环模型、虚拟节点、它的家族变体，以及工程落地清单。

FLOPS、算力、卡时、集群规模混着说，是看懂算力新闻的第一道坎。本文厘清 FLOPS 与 FLOPs 一字之差的两个概念，给出 6ND 训练算力估算经验与卡时换算方法，解释峰值与有效算力之间的 MFU 差距，最后附一张看懂算力新闻的换算清单。

IT之家 9 月 17 日消息，据财联社报道，华为副董事长、轮值董事长汪涛今日（9 月 17 日）在上海举行的华为全联接大会上介绍华为面向智能时代的重要部署： 一是华为 AI 战略的核心是算力，坚持硬件变现 ； 二是“超节点 + 集群”，打…

2026 年 9 月 17 日，唐杰与 GLM 团队披露：GLM-5.3 驱动的 Infra Agent 在超过 10 万张国产芯片组成的集群上，参与完成 GLM-5.3-Flash 整套推理服务的适配、诊断与优化，不到两周把端到端吞吐提升到同一硬件初始基线的 3 倍。本文为系列上篇，只做两件事：复盘事件的五个关键时点，以及逐案例拆解这套"稠密反馈"方法论——TF32 精度漂移（上游 PR #1180）、一个未释放的 GIL 压住 KV 传输、以及从存量 Kernel 提炼的"优化骨架"。每个案例给出"现象→归因→修复→验证"完整链条，并附同业坐标对照表。全系列共三篇：上篇讲技术，中篇做 RSI 分级定位与七组数字的口径核查，下篇谈边界、风险与行动清单。

一份关于递归自我改进（RSI）的 2026 年全景深度研究：从 Good 1965 的智能爆炸命题讲到 MetaRSI 的平方时代，从 Anthropic >80% 合并代码由 Claude 撰写讲到 OpenAI-Hugging Face 事件中智能体攫取集群管理员权限，区分"主机节点接管已发生"与"全球接管仍是预测"三层口径；并新增 AI Futures Project《AI 2040: Plan A》专章——买时间、完全研究透明、广泛扩散、相互确保算力毁灭，以及一份"协议 10 年衰退概率 48%–62%"的现实账。

基于 Hugging Face 法证复盘（17,600 个攻击动作）、OpenAI 技术报告与 METR 独立调查，逐阶段还原 2026 年 7 月 OAI-HF 事件：一个智能体如何从评估沙箱逃逸、自建留言板召集约 1,200 个同伴、用 HDF5 文件读取与 Jinja2 模板注入打进生产集群、13 小时内拿到集群管理员，以及防御方如何用开源模型反推它的加密信道。

多个进程等待同一个监听 socket，新连接到来时全部被唤醒却只有一个能 accept——这就是惊群。本文拆解三代方案：accept 惊群的内核修复与 EPOLLEXCLUSIVE、SO_REUSEPORT 的多监听队列分流、nginx 的 mutex 与 fd 传递方案，量化各自的性能差异与适用条件，并解释为什么云原生网关几乎清一色选择 SO_REUSEPORT。

内核崩溃后如何留下全尸？本篇区分 oops 与 panic，讲清 kexec 快速重启、crashkernel 预留与 kdump 采集链路，演示 crash 工具的 log、ps、bt 尸检入门，并给出生产环境开 kdump 的成本取舍。

算力是 AI 的硬通货——而它有一个其他资源没有的特性：极度集中。训练前沿模型需要的芯片、数据中心与电力，掌握在全球极少数企业手中。这个集中性让「算力」成为 AI 治理的独特杠杆：出口管制用它卡能力的扩散，追踪机制用它验证合规。本文讲清算力治理的逻辑、实践与它管不住的部分。

2026 年开放权重阵营的旗手已换成 GLM-5（744B，MIT）、Qwen3.5-397B-A17B（Apache 2.0）、DeepSeek V3.2（MIT）、Kimi K2 系与 Llama 4。本文按许可证、架构与部署成本三条线做全景对照，给出自托管、微调、企业集成三类场景的选型建议。

在 AI Agent 执行环境语境下梳理 microVM 开源方案全景：从隔离光谱（runc→gVisor→microVM→全量仿真）讲起，逐个拆解 Firecracker（极简 VMM+jailer、≤125ms 启动、≤5MiB 开销、快照惰性恢复）、Cloud Hypervisor、QEMU microvm 机型、Kata Containers（VM-per-pod 与后端对照表）、crosvm 的架构原理与接入路径，附 E2B/OpenSandbox 等平台级集成方案、横向对比表与场景化选型决策指南。

量子位的朋友们* 2026-09-24 16:20:12 来源：量子位 人类演示一次，机器人即可实现跨场景任务复用 一直以来，要让机器人学会一项新任务，往往需要重新采集数据、编写固定流程，或进行针对性训练。这类方式可以解决确定性较高的任务…

IDC《中国企业级通用Agent产品技术评估》让中国电信 TeleAgent 以 6.85 分位列第三。本文把这篇 PR 稿拆成可验证事实：核查九维度评测与反应试规则、追溯"一周内五个用户数口径"的传播链、指出三个被集体回避的盲区，并落到一条可迁移结论——企业级 Agent 的胜负手已从模型转向 Agent Harness 工程。

下篇把前两篇的结论落到可操作层面：先与站内"算子篇"做视角分工对照（工程师证词 vs 厂商证词，共同指向"方案/目标/边界的敲定权"这一尚未自动化的一格）；再划出五条不该被叙事盖住的线——判断侧仍空着、能力与风险同源、内部口径的自我循环、成本曲线自主但供应链集中、叙事与资本的相互强化；随后给出三份清单：给 Infra 工程师的 7 条稠密反馈可复用做法、给技术管理者的 5 个评审问题、给投资者与产品经理的 4 个可跟踪指标。附录含完整时间线、术语表、分级来源清单与核查记录。

· 集邦咨询预计 iPhone Duo 今年出货 500 万台，占折叠屏市场近四分之一 · Kimi K2.8 Preview 全量上线，所有会员开放 100 万上下文 · Grok 4.7 延期，马斯克称模型会在难题上过早放弃 #欢迎关注…

太初（杭州）集成电路有限公司新一代超智融合计算系统元碁Hypertintellix入选“算力中国·年度卓越成就”。]

9 月 8 日，Arm 在上海举办年度旗舰活动 Arm Everywhere China，并在会上发布了第二代移动终端计算子系统 CSS for Mobile 2。 这是一个面向智能体 AI 与 AI 原生图形的计算平台，集成了 Arm C…

9 月 9 日上午消息，今日，在京东全球科技探索者大会（JDD 大会）上，京东集团技术委员会主席、京东云总裁曹鹏表示，“物理 AI 迈向规模化落地，竞争焦点转向算力、数据和场景。物理 AI 正从模型和本体的单点竞争，走向体系化竞争。” 在这…

IT之家 9 月 9 日消息，综合新浪科技、第一财经报道，在今日的 2026 京东全球科技探索者大会上，京东集团技术委员会主席、京东云总裁曹鹏公布了京东在算力、数据和模型三大 AI 基建的最新进展。 算力方面， 京东云已与摩尔线程等合作伙伴…

一周涨星 3,143 的 MIT 智能体元框架：323 个 MCP 工具、6 种蜂群拓扑、HNSW 记忆与跨机联邦。本文并排展示它自己审计出的真实数字——HNSW 实测 1.9×、Flash Attention 被查出运行时伪造、端到端任务完成率至今未公布。

肠道菌群不是消化配角：约 3.8×10^13 个细菌与人体细胞同量级，基因总数是自身基因组的 150 倍。本文拆解它如何发酵纤维产短链脂肪酸、合成维生素、训练免疫，如何经迷走神经与 5-羟色胺同大脑对话，辨析肥胖研究的反复与粪菌移植的过硬证据，附干预证据等级表与误区核查。

IT之家 11 月 10 日消息，据央视新闻报道，今天，全国数据标准化技术委员会 2026 年第二次“标准周”活动在福建厦门举行。据相关负责人介绍，全国数据标准化技术委员会此次正式成立具身智能数据标准起草工作组及气象、卫生健康、电力、商务等…

量子位的朋友们* 2026-11-10 15:33:19 来源：量子位 加速东部城市型智算中心向E-AIDC演进 近日，达卯科技与上海浦东环保能源发展有限公司（简称“浦东环保能源”）正式签署战略合作协议。双方将围绕数据中心节能优化与智慧管…

服装业的账本压在库存上：AI 从款式生成、需求预测、柔性排产三段切入，调和「小单快返」与「预测备货」的矛盾，直播电商进一步压缩供应链响应时限；本文拆解这条设计—供应链—库存链条的智能化账本。

芯片制造的价值链里，设备与材料才是真正的咽喉：ASML 独占光刻、应用材料与泛林分管沉积刻蚀、KLA 守着量测，日系材料在光刻胶与特气上隐形卡位。本篇拆开设备分工、材料暗线、国产化真实进度与后市场生意，给出从业者的观察清单。

存储是半导体里最典型的周期行业：供给刚性、需求波动、价格三年一个来回。HBM 之外，AI 服务器正拉动大容量 DDR5 与企业级 SSD 两条新曲线，长鑫与长江存储改变国产底盘，周期股与成长股之争决定估值。本篇拆开存储大盘的新旧逻辑。

内存不够时除了加 swap 还有两条精细路：zswap 把换出页压缩进内存池，KSM 把内容相同的匿名页合并成一份。本文讲清两者的内核机制、CPU 代价与风险边界，给虚拟化、数据库、容器宿主机一份启用与禁用清单。

预训练 Scaling 撞上数据墙与算力墙：公共语料储量估算、推理感知的缩放修正、o1 之后测试时计算的新缩放曲线与三墙之下的产业走向。

从 PaLM 与 OPT 的真实病历出发，拆解 loss spike 的五类根因、回滚跳批的标准操作与 z-loss、软截断等预防手段。

从全量微调的显存账本讲起：LoRA 的秩一分解数学与参数量核算、QLoRA 的 NF4 三件套、Prefix Tuning 与 Adapter 的取舍，附横向对比表与选型决策树。

从引擎到服务的最后一公里——拆解前缀感知路由、cache-aware 负载均衡、LoRA 热加载与模型热切换的生产实现。

不是每个请求都值得用旗舰模型：路由的三种形态（级联、训练 router、规则路由）、误路由的隐性成本、回退链设计与成本核算，一篇算清模型路由的账。

同一个输入为什么每次输出不同：采样随机性、浮点非结合性、批处理与推理栈三层来源，以及 seed 的 best-effort 本质、温度 0 的陷阱与可复现工程实践。

Google 在 Cloud Next 2026 开源的官方技能目录：近 200 个 SKILL.md 覆盖 GKE、BigQuery、Gemini API 等产品线，主张「MCP 优先」，用 CI 加提交评测加每周回归守住质量。本文拆解其目录结构、防幻觉机制与五类可复现场景。