Google 把图算法直接做到了 Spanner 数据库里，解决了以前跑图分析必须建 ETL 管道、或者影响线上性能的难题。核心是把计算和存储解耦，用独立资源跑算法，数据不动、结果直接写回，号称十亿边规模分钟级跑完。

Google Cloud 在 GKE 上做了一个跨区域 TPU 推理容灾的实测，用托管 DRANET + Inference Gateway 验证了主集群宕机后流量自动切换的效果。

Trustpilot 用微调 Gemma 构建了一个日处理百万评论的实时流处理 pipeline。核心思路是把业务逻辑和 LLM 推理解耦成两个独立端点，用 Gemini 做教师模型生成高质量微调数据，最终用 9B 参数的轻量模型跑出了接近大模型的效果和成本可控的推理。

Google 给 GKE 增加了 standby buffers 功能，节点预热后进入挂起状态节省成本，流量来时快速恢复。实测延迟从分钟级降到秒级，成本降低 90%，解决了 autoscaling 性能和费用不可兼得的老大难问题。

这篇文章用做空比例这把手术刀，把当前市场对 AI 的真实情绪切了个明明白白。核心发现是：AI 云和 GPU 转售商的做空比例高达 16-17%，而超大规模厂商和 NVIDIA 只有 1% 左右——说明市场并非笼统看空 AI，而是在精准狙击那些"未来承诺还没兑现"的概念股。

NVIDIA发布了Cosmos 3，这是一个将世界生成、物理推理和动作生成整合在单一模型中的omni-model。基于MoT架构，8B的Nano版和32B的Super版都已上线Hugging Face。

业务团队手里有数据需求，数据平台里锁着PB级数据，但两者之间隔着一道巨大的技术鸿沟。业务用户不懂 SQL，不愿意学数据库，却只能排队等数据团队写报表；数据团队陷在无尽的临时取数请求里，喘不过气。常见的解法…

在 Cloud Run 上跑 AI 模型，冷启动 20 秒的延迟足以让用户流失。问题的根源不在模型本身，而在于对 GPU 基础设施的处理方式。 AI 冷启动分为四个阶段：基础设施配置（约 5 秒）、容器镜像流式传输（1-2 秒）、引擎…