Latent Space 访谈 Supabase 创始人：为什么智能体偏爱 Supabase
Latent Space 播客访谈 Supabase 创始人 Paul Copplestone 和 Ant Wilson，探讨为什么智能体普遍把 Supabase 选为应用后端，作者的 AEO 追踪显示它在多个前沿模型中几乎全部成为首选。
#部署/工程
Latent SpaceAI 评分5757
Steve Yegge：MediumAI 评分5252 Steve Yegge 提出 Counting House 企业 AI 部署模式并与软件工厂对照
Steve Yegge 在文章中提出企业 AI 落地正形成两种不同模式：开放探索的软件工厂 Wheelhouse 和把低层级模型放上加固轨道的 Counting House。
Latent SpaceAI 评分5959 Supabase 联合创始人谈面向十亿 AI 生成应用的后端布局
Supabase 联合创始人 Paul Copplestone 和 Ant Wilson 在 Latent.Space 访谈中讨论 AI 智能体生成更多软件如何改变后端需求，包括在数据库旁运行长时工作负载、让 schema 更易被智能体理解。
Databricks：BlogAI 评分6666 Databricks 高管复盘 AI 编码成本治理，从账单失控到单位成本降 90%
Databricks 负责 AI 产品的 Patrick 在访谈中讲述公司全面采用 AI 编码智能体后成本一度指数级上涨，最终部分场景单位成本下降达 90%。
Databricks：BlogAI 评分5050 Databricks 谈 AI 成本管理新经济学：从 tokenmaxxing 转向 valuemaxxing
Databricks 高级主任工程师 Kevin Stumpf 提出，企业 AI 的衡量重心正从 tokenmaxxing 转向 valuemaxxing，即用 AI 产生的业务影响除以成本来评估投入回报。
Latent SpaceAI 评分5757 Latent Space 访谈 Modal CEO Erik Bernhardsson：AI 算力需求为何不是长方形
Latent Space 在 Modal 完成 7.5 亿美元 Series D（估值 160 亿美元、年化收入超 10 亿美元）之际，专访 CEO Erik Bernhardsson，解释支撑增长的基础设施与经济逻辑。
a16z：NewsAI 评分5252 a16z 合伙人撰文分析为何硬件专用化时代回归
a16z 作者 Zain Asgar 撰文回顾1990年代专用芯片为何败给通用微处理器，认为 Dennard 扩缩终结、每晶体管成本停滞和内存墙正让历史条件反转。
Latent SpaceAI 评分5252 SF Compute CEO Evan Conrad 谈可编程数据中心与 GPU 算力交易市场
Latent Space 在 AIE NYC 现场采访 SF Compute CEO Evan Conrad，探讨算力交易市场的现状与工程实现。Evan 用酒店类比解释公司从转租集群发展到构建完整云运营能力，主打“物理结算”即买家真正拿到可用算力；目前约 5% 总容量挂在订单簿上，客户每花 100 美元购买容量平均可回售拿回 25 美元。
O'Reilly RadarAI 评分4646 Honeycomb 联合创始人 Charity Majors 谈 AI 可观测性：非确定性系统需要更多严谨
Honeycomb 联合创始人兼 CTO Charity Majors 在播客中讨论 AI 生成代码加速后如何构建可靠软件，指出可观测性用于回答未知问题、连接变更与结果。
Tomasz Tunguz 博客AI 评分6060 五大前沿模型智能相近但单位成本差3.8倍：自研芯片成定价分水岭
Tomasz Tunguz 分析指出五个前沿模型智能水平相差不到5分，但单位任务成本相差3.8倍，Google 的 Argon 定价 $1.99 a task，比最贵的 Fable 5.1 低74%。
Pydantic AI 官方文章AI 评分6262 Pydantic AI 作者 Samuel Colvin：图库是个错误，代码本身就是图
Pydantic AI 作者 Samuel Colvin 撰文主张图库是个错误，代码本身就是图，认为 LangGraph 那类图 API 在类型安全、并行执行和状态快照三者间不可兼得。
Rohan Paul@rohanpaul_aiAI 评分4141引用Alok Bishoyi@alokbishoyi97Getting your inference right shouldn't be hard. @useRouterPlus (YC F26) is live: the right model and provider for your workload, at the best price. check out : https://routerplus.com/capacity
O'Reilly RadarAI 评分4242 AI 栈中的保存缺口：为什么能力进步快于可重建性
O'Reilly Radar 文章提出 AI 系统存在"保存缺口"：运行时依赖（模型端点、检索数据、策略、工具契约等）在执行时才确定，现有基础设施只保存模型、代码、部署和观测记录，不保存某次执行的实际绑定关系。作者为此提出参考架构 Orrery，用于保存重建 AI 系统历史执行所需的运行时绑定与依赖状态，并区分了"可复现性"与"可重建性"两个概念。
Pragmatic EngineerAI 评分5858 Pragmatic Engineer 播客对话 Sam Newman：微服务、弹性系统与 AI 时代的软件架构
Pragmatic Engineer 播客发布与 Sam Newman 的访谈，其新书 Building Resilient Distributed Systems 印刷版于 10 月 7 日上市。Newman 将分布式计算八大谬误归结为三条规则，并讨论幂等键与指纹两种幂等方案、弹性四概念，以及 AI 时代的多供应商对冲、模块化架构和避免对 AI 的认知投降。
Simon Willison 博客AI 评分5757 Simon Willison：按用量服务应默认设置硬性预算上限
Simon Willison 撰文呼吁按用量付费的服务和 API 默认提供硬性预算上限，超过每月 $X 即切断服务并返回错误，而不是只发警告邮件。理由是编码智能体降低了部署付费代码的门槛，用户可能睡一觉醒来收到数千美元的意外账单。
Latent SpaceAI 评分7070 Airbnb CTO Ahmad Al-Dahle 谈 AI 原生化转型：60% 代码由 AI 编写
Airbnb CTO Ahmad Al-Dahle 接受 Latent Space 采访，介绍把 Airbnb 改造为 AI 原生公司的进展。目前 60% 的代码由 AI 编写，功能和改进发布量同比增长近 80%，人均工程师 PR 吞吐量提升约 1.6 倍。
Tomasz Tunguz 博客精选AI 评分6363 Tomer Tunguz 解析 GPU 租金翻倍而 AI 价格下降的并行逻辑
GPU 租赁价格在九个月内从 $4.40 翻倍到 $8.08 每 GPU 小时，但 AI 使用价格仍在下降。
推荐理由：文章用 GPU 租金翻倍与 AI 推理降价并存的数据，解释两条曲线如何靠效率提升维持平衡，并指向每 GPU 小时毛利这一关键指标。
- Rohan Paul@rohanpaul_aiAI 评分4545
SemiAnalysis 长文 RSSAI 评分6666 SemiAnalysis 发布中国数据中心模型，测算中国存量容量超过 24GW
SemiAnalysis 发布 China Datacenter Model，追踪中国 1,000 多座数据中心设施、覆盖 60 多家运营商，测算中国存量容量超过 24GW，另有约 20GW 在建和约 30GW 已公布项目。
The Verge：AIAI 评分5656 The Verge 批评 Nvidia CEO 黄仁勋称 AI 需先造成痛苦才能拯救气候
The Verge 记者 Justine Calma 评析黄仁勋在 The Ezra Klein Show 上的言论，黄仁勋称 AI 拯救气候前不得不先使用化石燃料、造成痛苦。
eric zakariasson@ericzakariassonAI 评分5757引用Cursor@cursor_aiWe've reduced token costs in Cursor by 7% with no drop in agent quality. Savings came from tighter prompts, selective tool loading, better caching, and compressed file reads.
GitHub BlogAI 评分5252 GitHub 联合 Yale 调查 1039 名用户：开发者需要更高效的软件与可测量的节能路径
GitHub 与 Yale Program on Climate Change Communication 对 1039 名 GitHub 美国用户调查显示，80% 有兴趣使用帮助编写更节能代码的工具，74% 想测量软件或开发流程的环境影响，71% 担心 AI 的环境影响。
Simon Willison 博客AI 评分7070 Simon Willison 评 TypeSafe AI 新形态决策模型 Jev
TypeSafe AI 上周发布 Jev，作者称其为 System One 或决策模型：接受文本输入但输出浮点置信分数而非文本，仅按输入计费 $0.042/百万 tokens，低于 GPT-5 Nano 的 $0.05。
Tomasz Tunguz 博客精选AI 评分6666 Tomer Tunguz 谈 AI 优化 if-then 判断：专用决策器把分类成本降近百倍
Tomer Tunguz 撰文提出最新一波 AI 正在接管软件中的 if-then 判断原语，Jev 与 SemIf 这类专用决策器以数百毫秒返回结果，成本比传统生成式调用低约 76x 到 209x。作者在自己的 Agent 中替换了约四分之一的调用，在 98 条人工核验的生产邮件线程上，Jev 达到 80%、本地 SemIf 达到 82% 的分类准确率，高于生产模型的 47%。
推荐理由：作者结合自身 Agent 的替换实验给出成本与准确率对比，为判断专用小模型何时可替代前沿模型提供参照。
Hacker News：AI 热帖AI 评分6464 Dan McKinley：Prompts Aren't Real，生产级 Agent 应靠评测与优化而非人工打磨提示词
工程师 Dan McKinley 撰文《Prompts Aren't Real》，基于在生产环境让 Agent 可靠运行的经验，提出提示词不是核心资产，可自我修正的评测与优化系统才是。
- Rohan Paul@rohanpaul_aiAI 评分6464
引用Molly O’Shea@MollySOSheaBREAKING: Only ~1% of Bending Spoons’ AI requests & tokens goes to frontier models. 99% runs on self-hosted open-weight models. CEO Luca Ferrari on the shift to Sovereign AI: “We end up using open-weight models we self-host, so these are basically free. I mean, there is a little bit of cloud cost, but for 99% of the requests and tokens.” “And the frontier models, generally closed weight, through APIs for maybe 1% of the requests, only for the most complex tasks.” “Sometimes we use them automatically to check the work that got done by the slightly less intelligent models, as a more senior engineer would with a more junior engineer.”
- Rohan Paul@rohanpaul_aiAI 评分6464
智谱（Zai）分享 GLM-5.3 帮助构建并优化 GLM-5.3-Flash 推理基础设施的过程，系统从首次成功运行到生产就绪用时不到两周，端到端吞吐相对初始基线提升至 3 倍。
引用Z.ai@Zai_orgWe’re sharing how GLM-5.3 helped build and optimize the inference infrastructure serving GLM-5.3-Flash. The system went from its first successful run to production readiness in less than two weeks, with end-to-end throughput tripling relative to the initial baseline. The key was dense feedback: local correctness tests, execution traces, microbenchmarks, and end-to-end measurements that enabled targeted hypothesis testing rather than reliance on aggregate performance metrics alone. https://z.ai/blog/glm-built-its-inference-infrastructure
jietang@jietangAI 评分6464唐杰撰文称，GLM-5.3 驱动的 Infra Agent 用两周时间让 GLM-5.3-Flash 在国产加速器上从首次运行到承接全部生产流量，端到端吞吐达 3.2 倍。
引用Z.ai@Zai_orgWe’re sharing how GLM-5.3 helped build and optimize the inference infrastructure serving GLM-5.3-Flash. The system went from its first successful run to production readiness in less than two weeks, with end-to-end throughput tripling relative to the initial baseline. The key was dense feedback: local correctness tests, execution traces, microbenchmarks, and end-to-end measurements that enabled targeted hypothesis testing rather than reliance on aggregate performance metrics alone. https://z.ai/blog/glm-built-its-inference-infrastructure
IT之家·人工智能AI 评分5656 Silicon Data 数据显示英伟达 B200 二手残值达首发价 158%，直线折旧在 AI 加速器市场失效
数据分析公司 Silicon Data 数据显示，英伟达 B200 出货约一年后二手残值涨至原价的 158%，A100 与 H100 残值也远超 3 年或 5 年直线折旧应有水平。
GitHub Blog精选AI 评分8787 GitHub 用 Copilot 智能体将 Copilot 运行时从 TypeScript 迁移到 83 万行 Rust
GitHub 工程师 Stephen Toub 复盘用 Copilot 智能体在约 14.5 周内将 Copilot agent runtime 从 TypeScript/Node.js 全量重写为 832,378 行生产 Rust，AI 智能体完成大部分代码，共 128 个 PR 增量合入 main 并持续发布。
推荐理由：当事工程师复盘用 AI 智能体在数月内将 Copilot 运行时迁往 Rust 的全过程，策略、回归样本和成本数据对同类迁移有直接参考价值。
Claude：Blog精选AI 评分6666 Anthropic 工程师复盘：智能体编程压力下如何扩展测试影响分析服务
Anthropic 工程师撰文分享如何在智能体编程压力下扩展测试影响分析服务。Claude 编写约 80% 的代码，测试数量增长 10x，六个月内 CI 任务增加 25x。文章复盘了三个临时补丁（扩容、按包分片、每日重启）分别只维持 70 天、29 天和不到一天，最终用三周重设计为无状态、内存存储加 journal 的可水平扩展架构，并建议团队按两季度内 25x 负载做容量规划。
推荐理由：作者复盘了智能体编程把 CI 推向 25x 负载的完整演进，给出可迁移的架构与容量规划经验。
SemiAnalysis 长文 RSSAI 评分6161 SemiAnalysis 分析机器人智能应放机上还是放数据中心：B300 卸载 TCO 约为 Jetson Thor 机上方案的 46%
SemiAnalysis 长文分析通用机器人模型的智能应放在机器人本体还是数据中心。受实时性和单机成本约束，当前机器人模型仍为数十亿参数级，如 Physical Intelligence 的 π0 约 3B。
SemiAnalysis 长文 RSSAI 评分6060 SemiAnalysis 长文解析：为什么 4-hi HBM 将成为推理最优配置
SemiAnalysis 长文论证 HBM 堆叠层数持续走高的趋势正在逆转，下一代 Rubin Ultra 每颗 GPU 的 HBM 将从 288GB 降至 192GB（8-hi）。
IT之家·人工智能AI 评分6161 OpenAI 将在线存储平台 Habitat 从 Python 迁移至 Rust，CPU 效率提升 6 倍
OpenAI 发文介绍其在线存储平台 Habitat 从 Python 迁移至 Rust 的过程，该平台每秒处理超 7000 万次请求、每周服务超 10 亿用户、管理数据超 500PB。
OpenAI：官网动态精选AI 评分6161 OpenAI 详解存储平台 Habitat 如何扩展支撑超 10 亿 ChatGPT 用户（上篇）
OpenAI 发文（系列上篇）讲述其在线存储平台 Habitat 的演进：现每秒处理超 7000 万请求、服务每周超 10 亿用户、管理超 500PB 数据，覆盖近 40 个地区。
推荐理由：原文披露了 Habitat 从 Python 库到 Rust 服务的完整演进细节，含 asyncio 调优、连接池等可迁移经验。
Tessl：产品与工程博客AI 评分5151 GitHub Next 的 Don Syme 提出在 CI/CD 之外增加第三个支柱 Continuous AI
GitHub Next 的 Don Syme 在 AI Native DevCon London 演讲中提出，应在 CI 和 CD 之外增加第三个支柱 Continuous AI，即在软件生命周期中以定时、可审计、由仓库事件触发的 AI 工作流实现持续文档、代码改进和问题分拣。