iFeeling Daily
每天精选值得关注的 AI 动态
为什么人人都能找到反对数据中心建设的理由
一份基于18个月访谈的研究揭示，反对数据中心的动机远超想象：电费、房价、环保甚至信任危机，不是简单的外部势力煽动。
Nscale的IPO将再度考验华尔街对集中型AI押注的胃口
英国云厂商Nscale携1030亿美元合同冲刺IPO，但85%收入来自微软和Anthropic两家客户，这种集中押注能通过华尔街检验吗？
transformers 正式支持 GGUF 量化模型，本地推理性能逼近 llama.cpp
Hugging Face 让 transformers 直接跑 GGUF 量化模型，性能逼近 llama.cpp，在 Mac 上本地跑大模型的门槛又低了一截。
oMLX 创建者加入 Hugging Face，助力 MLX 生态
oMLX 创建者 Jun 加入 Hugging Face，项目转正全职维护，转换 transformers 到 MLX 的路径将更快推进。
GKE 多集群推理网关，如何把全球 GPU 池当成一台机器？
如何用 GKE Inference Gateway 全局路由推理流量，实现跨三地域近线性吞吐扩展，且路由开销低于 1%，让全球算力池化。
用弹性 VM 提升 Apache Spark 集群可用性
Spark 集群怕型号断货？用 flexible VMs 按优先级列机器清单，Google 给出了从 n2d 落到 e2 的回退策略，还顺带讲清了配额、折扣和 AutoZone 的配合。
GKE Pod 快照：把 AI 推理冷启动最多缩短 89%
AI 推理冷启动又慢又贵？Google 新出的 GKE Pod 快照能直接保存 CPU/GPU 内存状态，70B 模型 37 秒启动，8B 只要 15 秒，客户实测从 1 分钟降到 8 秒。
V7 如何给 AI 代理赋予机构记忆
V7 用 Context Graph 把散落文档变成可查询的机构记忆，让 AI 代理几分钟跑完上百步工作流，准确率99.9%。
tokenizers v1：编码、解码与扩展性能实测
Hugging Face 重写 tokenizers v1，用位流分割替代正则、加缓存和并行化，实测单线程编码速度比 v0.23 快 3-30 倍，文章给出完整方法。