iFeeling Daily
每天精选值得关注的 AI 动态
谷歌云 C4N：专治网络与存储 I/O 瓶颈的虚拟机
GCloud 出了个专门为网络和存储I/O优化的新实例C4N。它用硬件卸载解决了CPU被I/O拖累的老大难，最高400Gbps带宽、9500万PPS，而且小规格实例也能跑到50Gbps。想解决高吞吐场景下的TCO问题，这个思路值得研究。
为什么CEO认为游戏数据比互联网更适合训练AI
大语言模型缺的是物理直觉。这家贝佐斯投的2.3亿美元公司，赌游戏数据比互联网文本更能训练AI理解空间和运动，因为游戏本质是精确的物理模拟器。
智能体的数据问题
Agent做不好，不是模型不行，是数据没覆盖失败路径。NVIDIA这篇讲透为什么合成数据是唯一在不泄露公司秘密的前提下，让Agent学会处理真实世界意外的办法。还有Prompt Atlas可视化工具，让你直观理解数据分布。
新独角兽 Prime Intellect 融资 1.3亿美元：帮企业自建AI代理
企业想用AI又不敢把数据交给OpenAI，Prime Intellect这家新独角兽选择做“企业自己的AI实验室”，把算力、强化学习框架和评估工具打包成模块化商店。客户Ramp用它搭的代理准确率超过闭源模型，速度更快、成本还低了一个数量级。
Gartner 首次 AI 基础设施报告：Google 凭什么成领导者
Gartner 把 Google 评为 AI 基础设施领导者，理由不是芯片最快，而是背后的系统设计思路。从自研 TPU 分拆训练和推理、到用 Hypercomputer 把百万芯片拧成一台机器，再到常态下省钱的弹性伸缩——这套方法论才是真正拉开差距的东西。适合所有正在纠结“该上哪家云”的团队，读完你会懂得自己到底该为什么买单。
Transformers模型在vLLM上实现原生级推理速度
Transformers模型现在能在vLLM里跑出原生速度了，不需要写任何定制代码。HuggingFace用torch.fx加AST重写技术，自动把模型操作融合成vLLM的高效内核，实测4B到235B的Qwen3都持平甚至超越手写实现。模型作者的代码写一次就能同时用于训练和推理，这是生态整合的一大步。
Stoke Space：用软件调度解决AI算力浪费问题
别只盯着GPU换代了，算力浪费才是AI最离谱的成本黑洞。Stoke Space用软件定义的方式把散落在角落的机器调度成高性能算力池，顺手把分布式训练的损耗压到7%，这才是未来五年真正的CPU/GPU赌注。
法国AI新星ZML发布免费推理软件，打破芯片锁定
法国AI创业公司ZML发布免费推理服务器ZML/LLMD，让同一个大模型在Nvidia、AMD、Google TPU等不同芯片上都能跑出极限速度。20人小团队想打破芯片锁定，给企业真正的硬件选择权。
AI芯片公司SambaNova完成10亿美元融资
SambaNova刚融10亿美元，估值110亿美元，被摩根大通选为私有推理伙伴。这家公司专做超大模型推理，一个机架跑万亿参数，避开公有云，瞄准企业主权云。金融和政府客户终于有了本地跑大模型的选择。