AI 网络向三维扩展推动 Arista 季度营收突破 30 亿美元
Arista Networks 在 2026 年第二季度营收同比增长 37.7% 至 30.4 亿美元，单季销售额首次突破 30 亿美元，并将 2026 全年营收指引上调至 126 亿美元。
推荐理由：原文梳理了网络设备商在跨数据中心、跨节点与芯片级三类 AI 网络中的营收分布和演进路径，便于读者理解智算网络市场格局。
部署工程
全部主题把模型跑起来的工程实践：推理优化、显存与成本、Serving 架构与基础设施选型。
最新精选
第 141–160 条 · 共 168 条The Next Platform精选AI 评分6363
The Next Platform精选AI 评分7373 AMD 收购 AI 推理芯片初创公司 Taalas，推进模型专用架构与 GPU 融合
AMD 本周以未披露金额收购 AI 推理初创公司 Taalas，计划将其技术整合进加速器路线图并与 AMD Instinct GPU 打造系统级方案。Taalas 的核心架构是将模型权重硬编码进 ROM 电路并搭配大容量 SRAM 作为片上 KV cache，针对 Decode 阶段提供极低延迟与更高能效。
推荐理由：文章拆解了解耦推理架构下 GPU 负责 Prefill 与专用芯片负责 Decode 的性能差异，帮助理解大厂布局硬件收购的技术动因。
AWS News · 云基础设施精选AI 评分7070 Amazon Bedrock AgentCore 推出 Runtime instances 托管持久计算
AWS 宣布在 Amazon Bedrock AgentCore Runtime 中推出 Runtime instances，为生产环境中的复杂 AI 智能体提供全托管的持久计算基础设施。
推荐理由：该功能通过托管 EC2 基础设施支持长达 14 天的会话持久化与 GPU 加速，开发者可直接基于共享文件系统构建多智能体协作。
AWS HPC精选AI 评分6363 AWS 推出 Smart Job Navigator 方案：在 EC2 Spot 实例上运行紧耦合 HPC 与 ML 负载
AWS 团队开源了 Smart Job Navigator 解决方案，用于在 EC2 Spot 实例上稳定运行紧耦合 HPC 仿真及机器学习训练任务。该方案基于 Slurm 调度器与 AWS Spot Placement Score API，能自动捕获 Spot 中断并跨多可用区队列智能重新提交检查点作业。
推荐理由：该方案通过检查点与智能队列调度在 Spot 实例上恢复紧耦合作业，读者可参考其架构降低大规模算力训练与仿真成本。
The Next Platform精选AI 评分7878 AMD 公布机架级 AI 系统路线图：涵盖 Zen 6 处理器、MI400 系列 GPU 与 Helios 整机柜方案
AMD 展示了其面向 AI 基础设施的软硬件演进路线图，涵盖台积电 2nm 工艺的 Zen 6 Venice 处理器、搭载 432GB HBM4 的 Instinct MI455X GPU 以及双宽 Helios 机架级系统。
推荐理由：文章拆解了从 Zen 6 处理器到 MI400 系列 GPU 及机架系统的规划，有助于评估其在智算基建领域的架构演进。
月之暗面 Kimi 公众号精选AI 评分9090 月之暗面发布 Kimi K3 模型权重与技术报告并开源三项训练 Infra 技术
月之暗面正式发布 Kimi K3 模型权重及技术报告，并同步开源支撑其训练的关键基础设施 MoonEP、FlashKDA 和 AgentEnv。Kimi K3 为拥有 2.8 万亿参数的 MoE 模型，支持原生视觉理解与 100 万 token 上下文窗口，每 token 从 896 个专家中激活 16 个。
推荐理由：月之暗面不仅开放了长上下文与原生视觉模型权重，还配套开源了专家并行通信库与算子等训练基建。
Hugging Face精选AI 评分7575 Diffusers 原生支持 Nunchaku 4-bit 扩散模型量化推理
Hugging Face Diffusers 正式集成基于 SVDQuant 的 Nunchaku 4-bit（W4A4/AWQ）量化推理，支持直接通过 from_pretrained() 加载量化模型。
推荐理由：原文给出了 W4A4 量化在 Diffusers 框架下的显存与延迟实测数据，读者可以据此评估扩散模型在消费级显卡上的量化部署收益。
The Next Platform精选AI 评分7979 微软采用 AMD 芯片构建大规模 AI CPU 与 GPU 集群
微软与 AMD 达成大规模 AI 系统合作，将在 Azure 云部署基于 AMD Helios 机架设计的计算集群，专门用于运行前沿模型的推理任务。
推荐理由：原文披露了微软采购 AMD 算力机架的具体架构规格，读者可据此了解大厂前沿推理集群的硬件选型与互连方案。
通义实验室 公众号精选AI 评分7979 通义实验室发布实时多模态交互模型 Wan-Streamer v0.2
通义实验室发布实时双工全模态交互模型 Wan-Streamer v0.2，端到端响应延迟约 550ms，输出视频分辨率提升至 640×368 @ 25FPS。模型将传统流水线重构为基于 160ms 流式单元的原生因果流，并采用单卡 Thinker 与多卡 Performer 双通路硬件解耦与 Ulysses 序列并行机制，实现低延迟感知与重载视频生成的时序重叠。
推荐理由：原文给出了双通路硬件解耦与时序重叠调度方案，展示了在大幅提升视频分辨率时维持超低交互延迟的具体工程路径。
MIT News · AI精选AI 评分6767 MIT 举办 JARVIS 挑战赛：测试 AI 副驾驶辅助制造喷气发动机的工程能力
MIT 航空航天系举办 JARVIS 挑战赛，组织 31 名本科生在 4 周内借助生成式 AI 探索设计、制造与测试推力 50–100 磅的小型喷气发动机。各团队通过 MIT Parley 平台调用前沿大语言模型加速了文献查阅、软件学习和架构比选，但模型幻觉、缺乏物理直觉以及供应链制造延迟成为主要制约。
推荐理由：实测记录了学生借助大模型设计喷气发动机的过程，揭示了 AI 辅助复杂硬件工程时的提效空间与物理制造瓶颈。
Hugging Face精选AI 评分6666 PyTorch 性能分析教程第三篇：解读各种 Attention 实现的 Profiler 轨迹与优化细节
Hugging Face 发布 PyTorch 性能分析系列第三篇，对比分析了手写原生注意力机制、In-place 掩码以及 SDPA 旗下四种后端（math、efficient、flash、cuDNN）在 GPU 上的算子特征与执行开销。
推荐理由：文章拆解了 PyTorch 中不同 Attention 后端的底层算子行为与显存交互，展示了如何通过性能分析轨迹定位非预期开销。
Hugging Face精选AI 评分7676 Hugging Face 推出 vLLM transformers 原生速度建模后端
Hugging Face 升级了 vLLM 的 transformers 建模后端，使其在多类大语言模型架构上的推理吞吐量追平甚至超越 vLLM 手写原生实现。
推荐理由：关注大模型推理部署的开发者可以了解该后端如何免去为推理框架单独手写优化实现的繁琐流程。
Hugging Face精选AI 评分7070 Hugging Face 携手微软在 Foundry Managed Compute 上线开源模型托管服务
Hugging Face 与微软合作在 Microsoft Foundry 中推出 Hugging Face Collection，支持在托管 GPU 平台 Foundry Managed Compute 上一键部署开源权重模型。
推荐理由：原文给出了预置权重、多引擎托管与统一安全治理的落地架构，读者可以据此评估企业私有化部署开源模型与智能体集成的工程链路。
Hugging Face精选AI 评分7575 SkyPilot 支持 Hugging Face 存储后端：免出站流量费跨云调度 AI 任务
SkyPilot 与 Hugging Face 联合支持将 Hugging Face Storage 作为一级存储后端，允许通过统一的 hf:// 路径将 Hub 仓库或 Buckets 挂载至跨 20 多个云厂商、Kubernetes 及本地集群的计算任务中。
推荐理由：原文解析了跨云调度 AI 任务时消除出站流量成本的集成方案，读者可据此优化多云算力下的模型挂载与数据同步链路。
Hugging Face精选AI 评分7070 Hugging Face Kernels 迎来重大更新：上线内核仓库类型并支持智能体内核开发
Hugging Face 宣布对 🤗 Kernels 项目进行全面重构与更新，在 Hub 上正式推出了全新的 kernel 仓库类型。新版本引入了受信任发布者机制与基于 Sigstore cosign 的临时私钥代码签名，并将加载工具 kernels 与构建工具 kernel-builder 的 CLI 彻底解耦。
推荐理由：通过统一内核仓库类型并结合代码签名与受信任发布机制，为底层算力优化与智能体生成内核提供了标准化的安全分发底座。
Sebastian Raschka精选AI 评分8080 如何搭建与评测本地 Coding Agent 技术栈
Sebastian Raschka 撰文介绍了利用 Ollama 与开源权重模型搭建全本地 Coding Agent 的完整方案。
推荐理由：文章拆解了本地大模型与编码 Agent 框架的搭配方案，提供了可复用的安全审计提示词与基准评测脚本。
Kubernetes Blog精选AI 评分6161 Kubernetes 设备管理工作组专访：DRA 如何重塑 AI 算力与硬件调度
Kubernetes 官方博客专访设备管理工作组三位联合主席，详解动态资源分配（DRA）毕业至 GA 后的架构演进与 AI 硬件调度实践。DRA 通过 ResourceSlice 与 ResourceClaim 声明式 API 替代了传统设备插件的粗粒度整数分配，支持 GPU 拓扑感知、MIG 切分及平台介导的动态容量共享。
推荐理由：工作组核心成员深入剖析了 DRA 如何替代传统设备插件，为 AI 负载提供细粒度拓扑感知与动态共享调度能力。
The Next Platform精选AI 评分6868 HPE 借智能体 AI 浪潮推动企业推理算力回迁本地数据中心
HPE 将自身支持平台迁移至基于 GreenLake Intelligence 与 Private Cloud AI 的本地基础设施，将运行成本降低 30 倍以上并月省近 10 万美元。
推荐理由：原文通过实际成本数据揭示了智能体高频交互带来的开销问题，为评估生产级 AI 推理回迁本地数据中心提供了经济性依据。
通义实验室 公众号精选AI 评分6666 通义实验室详解 MNN 适配 Arm SME2：Qwen3-VL-4B 端侧 Prefill 提速 81%
通义实验室发布基于 MNN 推理引擎适配 Arm SME2 指令集的端侧大模型部署教程，提供了 Qwen3-VL-4B-Instruct 在 Android 旗舰手机上的完整落地流程。
推荐理由：文章给出了从 MNN 编译到 APK 构建的完整端侧落地流程，读者可据此复现 SME2 指令集对视觉语言模型的加速效果。
智谱 公众号精选AI 评分7373 智谱推出 GLM-5.1 高速版 API，输出速度达 400 tokens/s
智谱联合 TileRT 团队推出 GLM-5.1 高速版 API（GLM-5.1-highspeed），输出速度达 400 tokens/s，在完整保留旗舰模型能力的同时实现低延迟。
推荐理由：智谱通过底层推理引擎重构将旗舰模型输出速度提升至400 tokens/s，为高频交互与长程编码场景提供了极低延迟的落地路径。