Apple 高管：Mac mini 已成 AI 智能体的首选硬件
Apple 硅谷高级产品经理 Doug Brooks 在采访中透露，Mac mini 和 Mac Studio 是运行 AI 智能体的首选设备——整芯片架构、隐私优先和 24/7 运行能力正推动这股需求。
AI Infra
追踪支撑智能体时代的算力、芯片、数据中心与开发基础设施。
主要来源
Anthropic (2)Bloomberg (2)Google (2)TechCrunch (2)Alex Ellis (1)Andrew Nesbitt (1)
文章
Colibrì 让 744B 参数模型跑在 25GB 笔记本上——纯 C 实现、零依赖
开源项目 Colibrì 通过磁盘流式传输专家层，在仅 25GB 内存的笔记本上运行 GLM-5.2（744B MoE），推理引擎仅 2400 行 C 代码——本地 AI 部署的成本门槛再次被拉低。
Mixedbread 提出非对称量化：多向量检索存储降至 3%，质量近乎无损
Mixedbread 提出非对称量化方案，将查询向量保留 int8 精度而文档向量压缩为二值符号，使多向量文档存储从 393 KiB 降至 12.28 KiB（压缩 97%），召回质量仅下降 0.61 NDCG@10。
LongCat-2.0：美团开源 1.6T 参数模型，全程国产芯片训练
美团发布 LongCat-2.0，1.6 万亿参数 MoE 模型，使用 5 万块华为昇腾芯片完成预训练和推理，成为首个在国产芯片上完成全流程训练的万亿级开源模型，面向智能体编程场景设计。
奥地利推动欧盟在境内部署 Anthropic 以应对美国 AI 出口限制
奥地利正式游说欧盟在境内部署 Anthropic 的 AI 系统，以应对美国对前沿模型实施的出口限制，凸显 AI 模型正成为地缘政治博弈的新焦点。
Wayfinder Router 让 LLM 查询路由不再依赖模型判断
Wayfinder Router 通过分析提示词结构实现离线、确定性的 LLM 查询路由，无需模型调用即可决定查询去向，为智能体应用开发者提供零成本的推理分配方案。
一个恶意包如何骗过 7 道 AI 安全防线
Andrew Nesbitt 发布了一份虚构但令人不安的安全事件报告：一个恶意 npm 包逐一绕过了 7 道 AI 驱动的安全网关，每道防线都以不同的方式失效。
OpenAI 推出首款自研推理芯片 Jalapeño，联手 Broadcom 降低推理成本
OpenAI 发布与 Broadcom 合作开发的首款自研推理芯片 Jalapeño，专为实时编码和智能体推理场景优化，性能功耗比显著优于现有方案，标志其 AI 基础设施战略进入芯片层面。
Sakana Fugu 发布：将多智能体编排封装为一个模型 API
日本 AI 实验室 Sakana AI 推出 Fugu，将多模型动态编排与角色分配内化为一个 API，基于 ICLR 2026 论文 TRINITY 和 Conductor，实现从"手动编排"到"学习编排"的转变。
在同一台 DGX Spark 上运行两个 Qwen3 模型：本地 LLM 的内存分配实战
开发者 Devashish Meena 分享了他将 Qwen3-80B 和 Qwen3-4B 两个模型同时部署到一台 DGX Spark 的实际经验，揭示了 gpu_memory_utilization 的常见陷阱和 vLLM 多模型共存的配置方法论。
Cloudflare 推出临时部署账号 让 AI Agent 无需注册即刻上线
Cloudflare 发布临时账号功能，AI Agent 可通过 wrangler deploy --temporary 在无需注册的情况下直接部署 Worker，60 分钟内可迭代更新并最终转为永久账号，彻底打通 Agent 自主上线的最后障碍。
Browser Use 用 Firecracker 微虚拟机将浏览器 Agent 成本降低三分之二
Browser Use 团队重构了云浏览器基础设施，在普通 EC2 实例上运行 Firecracker 微虚拟机，将浏览器冷启动时间压缩至 400ms 以下、每小时成本降至 2 美分——为 AI 浏览器 Agent 的大规模部署提供了新的效率标杆。
本地模型不是更差的 Opus，而是不同的工具
OpenFaaS 创始人 Alex Ellis 用 12,000 美元的 RTX 6000 Pro 显卡跑了一年本地模型后得出结论：Qwen 27B 在客户支持、代码审查和数据分析等特定任务中有真实价值，但远远无法取代云端前沿模型处理长周期、无监督的智能体编码工作。
SubQ 发布 1.1 Small，支持 1200 万 token 上下文的亚二次注意力模型
SubQ 发布 Subquadratic Sparse Attention（SSA）模型 1.1 Small，在 1200 万 token 上下文长度上实现近乎完美的检索能力，计算量仅为传统密集注意力的 1/64。
xAI GPU 租赁生意年化收入超 260 亿美元
xAI 与 Anthropic 和 Google 达成 GPU 租赁协议，月收入超 21 亿美元，展现出 AI 基础设施从自用到租赁的商业化新范式
Miasma 蠕虫利用 AI 编程智能体配置文件发起供应链攻击
安全研究机构 SafeDep 披露 Miasma 蠕虫通过 GitHub 仓库中的配置文件，在 Claude Code、Cursor 和 Gemini CLI 启动时自动执行恶意代码，已感染 121 个仓库。
Google 每月 9.2 亿美元租用 SpaceX 算力
Google 与 SpaceX 签署了一份史无前例的计算资源租赁协议，每月支付 9.2 亿美元租用约 11 万块 NVIDIA GPU，用于应对 AI 产品的超额需求。
Google 发布 Gemma 4 QAT 模型，边缘推理内存降至 1GB
Google 推出量化感知训练优化版 Gemma 4 模型，E2B 移动版仅需 1GB 内存，为智能体在手机和笔记本上本地运行扫清了关键障碍。
Microsoft 开源 pg_durable，将持久化执行引擎嵌入 PostgreSQL
Microsoft 发布开源 PostgreSQL 扩展 pg_durable，将持久化执行模式直接引入数据库内部，无需外部编排系统即可实现容错工作流——这对智能体状态管理意义重大。
华为开源 KVarN 实现 vLLM KV 缓存 3-5 倍增容且不损精度
华为 CSL 实验室发布 KVarN，以方差归一化量化技术打破 KV 缓存瓶颈：吞吐量超越 FP16、精度无损、无需校准，专为智能体长上下文场景设计。
Red Hat 云服务遭恶意 npm 包入侵，供应链安全再敲警钟
Red Hat 云服务的 npm 包仓库被发现包含恶意代码，影响多个企业级 JavaScript 客户端库。事件再次凸显开源供应链中信任机制的脆弱性。
OpenRouter 获 1.13 亿美元 B 轮融资
OpenRouter 完成 1.13 亿美元 B 轮融资，CapitalG、NVIDIA、ServiceNow 等战略投资者集体入场，AI 推理路由层正在成为多模型时代的基础设施关键组件。
SQLite 足以支撑持久化工作流：智能体基础设施的另一种思路
Obelisk 团队提出，对于大量智能体工作流场景，SQLite 加 Litestream 备份就能满足持久化需求，无需引入完整编排层。这种极简架构特别适合智能体系统常见的突发性、实验性负载。
Anthropic 完成 650 亿美元 H 轮融资，估值逼近万亿
Anthropic 宣布完成 650 亿美元 H 轮融资，估值达 9650 亿美元，年化收入已突破 470 亿美元。资金将用于扩大计算基础设施、推进安全研究并拓展企业市场。
内存已占AI芯片组件成本的近三分之二
Epoch AI 最新分析显示，高带宽内存在AI芯片组件中的成本占比从2024年Q1的52%升至2025年Q4的63%，年支出从120亿美元增至320亿美元。
48,000 美元的 GPU 服务器到底值不值一份真实成本分析
一位独立 AI 研究员详细拆解了自建 6×RTX 6000 Ada GPU 服务器与租用云 GPU 的真实经济账，数据跨度 18 个月。
Modal 将推理冷启动时间压缩 40 倍，挑战无服务器 GPU 极限
Modal 发布技术方案，结合云缓冲、自定义文件系统、进程检查点和 CUDA 检查点技术，将 AI 推理服务冷启动从数十分钟降至数十秒。
AI 是基础设施，不是产品
约翰·格鲁伯撰文反驳「苹果需要杀手级 AI 产品」的观点，认为 AI 更像无线网络——是渗透一切的技术基础设施，而非独立的产品品类。
Apple Silicon 本地推理成本高于云端 API 三倍
数据分析显示，在 Apple M5 Max 上运行本地 LLM 推理，每百万 token 成本约为云端推理的 3 倍，速度慢 3-7 倍——对开发者而言，租比买更划算。
美国在AI商业化竞赛中领先，关键在于基础设施与平台生态
一篇深度分析指出，美国在AI领域的领先并不在于论文数量或工程师规模，而是拥有从芯片、数据中心到云平台和开发者生态的全栈整合能力。
Google 发布 Googlebook AI 原生笔记本电脑
Google 正式发布专为 Gemini 智能设计的笔记本电脑系列 Googlebook，配备 AI 指针、AI 控件生成等原生智能功能，将于 2026 年秋季上市。
本地 AI 应当成为常态
开发者过度依赖云端 AI API 正在制造脆弱、侵犯隐私且成本高昂的应用。本地 AI 不仅可行，更是构建可信软件的更优路径。
Anthropic 与 SpaceX 达成计算合作，扩容超 220,000 张 NVIDIA GPU
Anthropic 与 SpaceX 签署协议，获得 Colossus 1 数据中心超过 300 兆瓦的全部算力（逾 22 万张 NVIDIA GPU），同时大幅提升 Claude Code 和 API 调用上限。这是 AI 基础设施军备竞赛中又一关键布局。
计算机视觉操控比结构化 API 贵 45 倍
Reflex 的基准测试显示，基于屏幕截图的任务操控比直接调用 API 贵 45 倍，执行时间长 50 倍且结果不稳定，为智能体架构的经济学选择提供了硬数据。
OpenAI 详解低延迟语音 AI 规模化架构
OpenAI 工程师团队发表深度技术文章，详解如何重构 WebRTC 协议栈，以 Relay + Transceiver 分层架构支撑 9 亿用户的实时语音 AI 交互。
Google 追加押注 Anthropic 抢占模型与算力双重入口
Google 计划向 Anthropic 投资最高 400 亿美元，其中 100 亿美元立即到账，其余部分与业绩里程碑挂钩。真正值得关注的是这笔交易把股权、云分发和 TPU 需求进一步绑定成了一条基础设施价值链。
Google 推出 TorchTPU 让 PyTorch 开发者更顺滑迁移
Google 发布 TorchTPU，把 PyTorch 原生体验、XLA 编译链和 TPU 硬件能力更紧地绑在一起，核心目标是降低 TPU 生态的开发者迁移摩擦。
深度学习正在逼近一套真正的科学理论
一篇新的 arXiv 综述提出，深度学习正在形成一套可检验、可量化、以训练动力学为核心的科学理论框架，作者将其称为 learning mechanics。对 AI 产业来说，这意味着模型开发可能逐步从经验主义转向更强的可预测工程。
Google 发布第八代 TPU 用双芯片架构押注智能体时代
Google 推出 TPU 8t 和 TPU 8i，把训练和推理拆成两条更清晰的路线，这反映出智能体时代的基础设施已经需要更强的分工与系统级优化。
AI 需求推动 RAM 短缺或持续数年
据《日经亚洲》报道，即使供应商增加 DRAM 生产，到 2027 年底制造商预计只能满足 60% 的需求。SK 集团主席甚至表示短缺可能持续到 2030 年。
Mintlify 构建虚拟文件系统 ChromaFs：让 AI Agent 秒开文档会话
将文档助手会话启动时间从 46 秒降至 100 毫秒，边际成本从 $0.0137 降至 $0。基于 just-bash 和 Chroma DB 的虚拟文件系统。
Project NOMAD：免费开源的离线 AI 服务器
免费开源的离线服务器，让任何人在自己电脑上运行完整 AI 系统。适合应急准备、离网生活或技术爱好者自托管。
TinyBox：深度学习超级计算机现已开售
tinygrad 背后的 Tiny Corp 推出 TinyBox 深度学习超级计算机，4x 9070 XT 版本售价 $12,000，现已发货。