iFeeling Daily
每天精选值得关注的 AI 动态
未来产品都是活系统:Ronak Malde 谈企业 AI 持续学习
Ronak Malde 之前在 Windsurf 做 AI coding agent,公司被 Google DeepMind 收购后,他创立了 Trajectory.ai,目标是让企业 AI 系统在生产中持续学习,而不是一次训练就放着不管。
Claude Code 正式支持实时分享的 Artifacts 功能

终于有人解决了AI Agent产出的协作难题。Claude Code新功能能让Agent调试、重构的完整发现自动变成一个实时更新的网页,分享链接给团队就能同步所有上下文。从事故分析到架构复盘,省去一遍遍“带我过一遍”的沟通成本。直接可用的团队协作升级。
ChatGPT企业版推出信用额度分析与支出控制更新

企业用AI最怕钱花得不明不白。OpenAI给ChatGPT Enterprise加了信用额度分析,把消耗拆到用户、产品和模型三个维度,还升级了分层限额控制。以前是盲人摸象,现在是实时仪表盘。AI从实验工具走向可管理的基础设施,这才算真正开始。
AI 前沿:从 FLOPs 到 Megawatts 的算力调度

Anjney Midha 直指 AI 计算其实被浪费到荒唐——Google 的 95% 利用率竟是事故。他主张建独立计算市场,像电网调度电力一样调度 FLOPs。还透露 DeepMind 内部囤研究是负外部性、Anthropic 从第一天就以编码为 P0。
提升 Ray Serve LLM 在 GKE 上的吞吐与延迟

Google Cloud 和 Anyscale 联手优化 Ray Serve LLM,通过 HAProxy 集成、直接 token 流和 v2 Ray executer 三招,实现最高 5 倍吞吐、8 倍延迟改善,性能逼近原生 vLLM 且无需改代码。
超越 LoRA:最流行的微调方法不一定最好
LoRA 并非微调最优解,Hugging Face 用统一基准证明 OFT 等新方法在准确率和内存两项指标上均能同时超越它。
Google Cloud 推出跨云网络观测性方案

多云和混合云已成常态,但网络性能故障的根因定位依旧困难。Google Cloud 推出的 Cloud Network Insights 利用主动合成探测,把ISP和第三方云的“黑盒”变成了可量化的指标,直接集成到Cloud Observability。
Atlas如何规模化扩展数百个云SQL数据库

Atlas用Google Cloud SQL Enterprise Plus掌管数百个数据库,运维时间减少30%,团队能腾出手来投入AI创新。
Google开源Brazos:兼容风冷机房的液冷方案

Google开源了Brazos液冷系统,一个直接插在机架上、跟风冷机房兼容的闭环液冷方案。它解决了“想用液冷就必须改造整个数据中心”的老大难问题,让运营商可以逐机柜部署1000W+的AI芯片,不用等数月工期和巨额水冷管道投资。