跳到正文

#工具与流程

今日 0 条
10月13日周二
  1. Meta 工程博客20

    Meta 在 OCP 2026 峰会发布 IcePack 液冷网络机架、IceCube 102.4T 交换机与 MetaRoCE 开源协议

    Meta 在 OCP 2026 峰会发布首款液冷网络机架 IcePack 和 102.4T 交换机 IceCube,带宽较 51.2T 平台翻倍。同时推出多平面后端 Fabric 架构 FPF,每块 GPU 通过 8 条独立 100G 链路连接 8 台交换机,并开源 AI 传输协议 MetaRoCE。Meta 还联合微软、阿里发起 OSPA 交换机平台架构倡议,v1.0 规范已提交 OCP。

  2. Meta 工程博客20

    Meta 如何将闲置 AI 推理容量转化为更好的广告推荐

    Meta 构建了一套系统,把分散在各团队、区域和加速器类型中的闲置推理容量聚合成共享的机会容量池,用于提升广告推荐效果。系统通过 Rank More Ads(RMA)调整排序阶段评估的候选广告数量、Serve Better Models(SBM)调整路由到更强模型的比例这两个弹性杠杆,在不影响基线服务的前提下扩展可选工作负载。

10月12日周一
  1. 腾讯技术工程(公众号)38

    Agent、MCP、Skill、CLI、Model 一次讲透:老系统接入 AI 的概念地图与三条路径

    腾讯技术工程团队面向某大型整车集团研究院 IT 团队,梳理了 Agent、MCP、Skill、CLI、Model 五个概念的关系,并给出老系统接入 AI 的三条路径:API 封装为 MCP、CLI 包装、浏览器自动化或 RPA 兜底。文章指出 MCP 官方标准传输方式只有 stdio 和 Streamable HTTP 两种,SSE 自 2025 年 3 月起已被取代,仅用于存量迁移。

10月10日周六
  1. NVIDIA 官方博客22

    NVIDIA 开发者如何用前沿 AI 智能体在 Omniverse 中构建仿真应用

    NVIDIA 开发者用 GPT-6 Astra 等前沿 AI 模型配合 Omniverse 库,通过自然语言指令构建仿真应用。一个仓库仿真在 80 条传送带、40 条机械臂和 800 个箱子的规模下,以全高清分辨率维持 30 帧/秒,机械臂完成 640 次成功放置。另有开发者用 Claude Fable 5 智能体对比 ovrtx 相机与原始 LiDAR 输出和录制数据,用于数字孪生校准。

10月9日周五
  1. 腾讯技术工程(公众号)74

    腾讯 OK 平台端到端 AI 研发实践:254 条需求中 68% 由 AI 自动交付

    腾讯技术工程公开 OK 平台端到端 AI 研发实践,该平台让 AI Agent 走完需求评审、技术方案、编码、Code Review 到部署的全链路。2026 年 4 月下旬至 6 月,安全中心项目空间提交 254 条需求,AI 端到端完成 172 条(68%),51% 的需求在 2 小时内完成,而传统模式下简单需求中位耗时 3~5 个工作日。

    推荐理由:腾讯 OK 平台公开了端到端 AI 研发的九阶段流程与真实运营数据,可对照自身研发流程判断哪些环节能被 AI 承接。

10月8日周四
  1. Amazon · About Amazon28

    AWS 推出 Physical AI Toolchain,帮助制造企业构建能感知、推理和行动的物理 AI 机器

    AWS 发布开源解决方案 Physical AI Toolchain on AWS,整合架构指南、部署自动化与现成代码,并接入 NVIDIA 物理 AI 技术栈,覆盖合成数据生成、模型训练、仿真验证、边缘部署与持续改进五个环节。该工具链面向工业自动化、自主移动与人形机器人场景,NEURA Robotics、RLWRLD 和 Config 等公司已在 AWS 上开发相关系统。

10月7日周三
10月6日周二
10月5日周一
10月3日周六
10月2日周五
10月1日周四
9月30日周三
  1. 得物技术(公众号)20

    得物 3D 空间图片技术实践:单图生成三维高斯场景并在移动端稳定 60FPS

    得物上线 3D 空间图片功能,用户发布图片时带上 #空间图片 话题,服务端异步用单图前馈生成 3D Gaussian Splatting 场景模型,客户端按手机姿态实时渲染。模型经属性量化与紧凑编码后文件体积较压缩前减少约 81.5%,GPU 排序耗时降低 60%–75%,iOS、Android 真机帧率稳定在 60FPS。

  2. 阿里技术(公众号)62

    高德本地生活分析 Agent 的 AI Native 实践全景复盘

    高德 BI 团队复盘本地生活分析 Agent 的建设过程,按 L0–L4 能力分级梳理从智能问数走向归因诊断的路径。文章给出三层框架,并记录分析执行、知识复用、经营判断三段返工中的具体做法,包括固定版本知识快照、Skills 写分析方法、指标口径更新 Pipeline 与三层质量检查。到 S1 末,这套体系支撑本地生活多个业务单元的例行经营诊断,全行业经营简报一小时内产出。

    推荐理由:作者复盘高德本地生活分析 Agent 从 L2 智能问数走向 L3 归因诊断的三段返工,给出可迁移的知识治理与质量工程做法。

9月29日周二