跳到正文

#部署/工程

今日 16 条
10月7日周三
10月6日周二
  1. IT之家57

    我国空心光纤在宁夏中卫智算中心间投用,传输时延与损耗降低 30% 以上

    央视新闻 10 月 5 日发布消息称,我国空心光纤已在宁夏中卫智算中心间投入商用,传输时延与损耗降低 30% 以上。通信工程师本月在相距 30 公里的数据中心之间首次大规模部署这种光纤,其直径不足 0.4 毫米、内嵌 20 根微型玻璃圆柱。光信号在接近真空的空气通道中传输,速度可达光速的 99.7%,高于传统光纤约 69.5% 的物理极限。

  2. AWS Machine Learning Blog37

    Amazon SageMaker AI 推出 aws-ai-ml 技能优化生成式 AI 推理

    Amazon SageMaker AI 推出 aws-ai-ml 技能,通过 Agent Toolkit for AWS 为 Kiro、Claude Code 等支持 MCP 的编码智能体提供推理优化与基准测试能力。该技能可生成可执行的 SageMaker Python SDK v3 代码,协助用户配置部署并比较性能。此前工程师需手动选择实例与容器,该技能旨在缩短从模型到生产环境的流程。

  3. AWS Machine Learning Blog32

    Amazon Quick 用户角色降级操作指南

    Amazon Quick 控制台不支持直接降级用户角色,需通过手动删除重建或 AWS CLI 执行 Admin > Author > Restricted Reader > Reader 的序列。此举旨在落实最小权限原则,并将仅消费仪表盘的 Author 降级为 Reader 以利用会话计费降低固定月费成本。

  4. AWS Machine Learning Blog34

    Amazon Quick 实现跨账户资源自动迁移

    Amazon Quick 推出基于 Amazon Bedrock AgentCore 的 MCP 服务器,实现跨账户资源自动迁移。该工具支持幂等更新与版本备份,可自动复制智能体、连接器及知识库的权限配置。此前此类资源从开发到生产环境的迁移需手动重建,易出错且难以审计。

10月5日周一
10月4日周日
  1. 量子位69

    最火AI岗位FDE解析:月薪三五万,AI时代前线部署工程师的角色与争议

    量子位文章分析FDE(前线部署工程师)岗位,指出AI时代其火热招聘月薪三五万,工作重心转向帮客户梳理业务与培训。海外Anthropic投资1亿美元培训万名FDE,OpenAI携40亿美元成立部署公司,国内Kimi与腾讯云也跟进;独立FDE如一名斯坦福博士今年4月起接单几十项目,业务转向教员工用AI。从业者认为FDE是产品不成熟期的过渡职能,最终目标是将其取消。

10月3日周六
  1. Hacker News · AI 热帖70

    Show HN:Aleph Alpha 的新主权 AI 模型 Kolibri

    Aleph Alpha 于 2026年10月3日发布开放权重德英双语 MoE 模型 Kolibri,总参数78.1B、每token激活3.46B。它采用 Apache 2.0 许可,权重在 Hugging Face,原生上下文262,144 tokens 可扩至1,048,576,支持四级推理与工具调用,评测中德语与长上下文表现优于同规模开放模型但编码较弱。

  2. 量子位71

    DeepSeek扩招!弹性计算团队大量HC,尤其需要资深工程师

    DeepSeek弹性计算团队大量招聘资深工程师,并公开技术分享《DeepSeek弹性计算(DSec):面向大规模Agent训练的沙盒基础设施》。DSec现有约160台服务器、3万个CPU核心和250TB内存,每天服务约300万个沙盒,通过镜像按需加载与内存共享压降成本。这是DeepSeek三周前招人后再度扩招,以支撑Agent环境数量扩充成百上千倍。

  3. IT之家63

    OpenAI 自研 Jalapeño ASIC 内部部署,选用 AMD EPYC Turin 作主机

    OpenAI 已内部部署其自研 Jalapeño ASIC 芯片,与配备 1.5TB 内存的 AMD EPYC Turin 主机配合使用。OpenAI 副总裁兼硬件主管理查德·何表示,选择 Turin 是出于务实考虑,并指出英伟达新款 Vera CPU 在成熟度方面略显落后。Jalapeño 目前仅限 OpenAI 内部使用,公司尚未计划对外销售,但未来若资源允许不排除向更广泛场景推广。

  4. IT之家61

    亚马逊云科技 CEO 加尔曼回应数据中心反对声浪,称后果或影响数代人

    亚马逊云科技 CEO 马特 · 加尔曼发表 3000 多字博文,警告美国各地针对数据中心建设的反对声浪可能让美国在全球 AI 竞争中落后,影响或延续数代人。他宣布未来五年将在运营数据中心的社区投资超过 10 亿美元,并称全美正在讨论的暂停数据中心建设措施超过 100 项。

10月2日周五
  1. Google Research52

    Google 发布基于 TEE 的下一代联邦学习系统,提供可验证隐私保证

    Google 宣布推出基于 TEE 的下一代联邦学习系统,借助可信执行环境实现端到端可验证数据匿名化。Gboard 已部署该系统训练英文和日语下一词预测模型并获得显著加速。系统将访问策略发布至公共透明日志并开源代码,外部可审计,是 2017 年联邦学习提出后的重要演进。

  2. Kimi 研究博客47

    Kimi 开源 Vendor Verifier 项目以验证开源模型推理实现

    月之暗面随 Kimi K2.6 模型发布开源了 Kimi Vendor Verifier (KVV) 项目,旨在帮助用户验证开源模型推理实现的准确性。该项目包含 OCRBench、AIME2025 等六项关键基准测试,用于检测 KV cache 错误及量化退化等基础设施问题。此前 K2 Thinking 发布后社区频繁反馈基准分数异常,KVV 旨在解决开源生态中工程实现偏差导致的信任危机。

  3. The Verge · AI57

    亚马逊发博警告社区不要阻挠数据中心建设

    亚马逊发布一篇超过 3000 字的博文,警告社区若阻挠 AI 数据中心项目,可能对美国经济和国家安全造成不可逆损害。AWS CEO Matt Garman 称全美正在审议 100 多项数据中心禁令,并称有报道指一些国家在美国散播相关虚假信息。亚马逊同时公布数据中心承诺,涉及创造就业、避免推高当地电价以及投入超过 10 亿美元支持邻近社区,并表示不再与政府机构签署保密协议。

  4. AWS Machine Learning Blog43

    Amazon Bedrock AgentCore 利用 Agentic AI 加速云迁移

    基于 Amazon Bedrock AgentCore 的四智能体模式将大型云迁移项目中每个应用的 IaC 开发时间从 3 到 4 周缩短至几分钟。该方案通过 MCP 工具连接内部系统,与 AWS Transform 和 AWS DMS 配合,覆盖 300 多个应用的迁移及运维需求。此前此类定制化 IaC 组合需耗费数年工程人力,此模式实现了自动化治理与监控。

  5. AWS Machine Learning Blog35

    Amazon Quick 推出 Live Data in Apps 功能

    Amazon Quick 推出 Live Data in Apps 功能,允许 AI 构建的应用实时查询受治理的 Quick Sight 数据集。该功能支持 SPICE 和 Direct Query 模式,自动应用行级与列级安全规则,确保用户仅查看授权数据。此前应用仅展示构建时的静态快照,无法反映实时业务指标。

  6. AWS Machine Learning Blog41

    使用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆

    文章展示了如何在 Amazon EKS 上部署 NVIDIA NeMo Agent Toolkit (NAT) 1.6,并将 Amazon S3 Vectors 实现为自定义持久记忆层。该方案利用 S3 Vectors 支持单索引 20 亿向量及强写入一致性,满足生产级多智能体系统对弹性存储和成本效率的需求。这是继此前探讨 S3 Vectors 架构优势后,进一步落地具体实现的技术指南。

  7. AWS Machine Learning Blog47

    Amazon Payments 利用 AWS SageMaker AI 上的上下文多臂老虎机优化获客漏斗

    Amazon Payments 在 Amazon SageMaker AI 上部署多目标上下文多臂老虎机(MAB),用于优化产品获客漏斗中的个性化内容选择。七周在线 A/B 测试显示,针对特定客户群体,最终漏斗转化率实现了高个位数的相对提升,但另一群体未见改善,表明问题在于内容而非模型。

  8. AWS Machine Learning Blog33

    uniopen 如何定制 Amazon Nova 以符合零售审核策略

    uniopen 通过 Amazon SageMaker AI 对 Amazon Nova 2 Lite 进行监督微调,并优化提示词,以适配其特定的零售内容审核策略。在 737 个对话窗口的测试集中,微调后的模型显著提升了行为与主体分类的 Macro F1 分数。该方案利用 AWS 托管服务构建了包含人工验证、评估及部署控制的自动化工作流,实现了生产环境的持续优化。

10月1日周四

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有