AWS 提出 Trust in Depth：让智能体获得更多自主权而不失控
AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张用独立分层的可验证机制替代逐步骤人工审批，让智能体在规则可被证明的范围内自主行动。
#部署/工程
AWS Machine Learning BlogAI 评分5858
The Verge · AIAI 评分3838 Alexa Plus 评测：智能家居更强了，但当私人助理还不够格
亚马逊生成式 AI 助手 Alexa Plus 在智能家居控制、日常事务和厨房场景上明显强于旧版 Alexa，响应时间从 2025 年的 10 到 15 秒缩短到 3 到 5 秒，但作为私人助理仍不成熟，Echo Show 上的广告也严重失控。该助手在 Echo 设备上需 Prime 会员或每月 19.99 美元订阅，目前已在美加上线，并在墨西哥、英国、德国等十余个国家早期开放。
Simon WillisonAI 评分3030 EmbeddingGemma 2 采用 Apache 2.0 许可证
EmbeddingGemma 2 采用 Apache 2.0 许可证，Simon Willison 认为嵌入模型不应使用闭源、专有、仅托管的形式。嵌入模型应用通常需计算并存储数千甚至数百万个嵌入向量，若模型专有，供应商一旦停用，用户仍需为重新计算已存储向量付费。他更愿付费使用托管版本，同时保留在供应商停服后自行运行开放权重版本或另寻供应商的余地。
Simon WillisonAI 评分3434 Simon Willison：按量付费服务需要默认硬性预算上限，AWS 已推出支出限额
Simon Willison 呼吁按量付费的 API 和服务默认设置硬性预算上限，即达到每月 $X 额度后直接切断并返回错误，而非仅发警告邮件。他指出 AWS 已在 9 月 16 日推出月度支出限额功能，项目达到限额后当月暂停，但该功能目前仅向有限客户开放；Google Cloud 则在 7 月推出了 Spend Caps。
MIT Technology Review · AIAI 评分1212 用自主 AI 重新定义企业智能：MIT Technology Review 报告解析“智能体转型”
MIT Technology Review 报告提出企业 AI 正从工具转向“智能体转型”（agentic shift），核心是实时连接人、流程与数据，并配套治理与控制能力。报告称 2026 年全球 AI 投资将达 2.5 万亿美元，同比增长 44%，但多数企业仍未靠 AI 实现收入增长。报告建议重建数据基础设施、以可组合架构替代固定技术栈，并解决 AI 主权问题。
NVIDIA BlogAI 评分2222 NVIDIA AI 工厂如何实现高产出、长寿命与通用性以最大化投资回报
NVIDIA 提出 AI 工厂投资回报由三大要素决定：每兆瓦产出能力、硬件使用寿命和 token 需求。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百万 token 成本低至 45 倍。
MIT Technology Review · AIAI 评分1212 让 AI 成为资产而非开支：HPE 谈 AI 从按 token 消费转向自有算力
HPE 提出，当 AI 从试验走向客服、IT、研究等常驻生产负载，按 token 消费的模式会让支出变成难以预测的月度变动项，企业需评估自有算力的盈亏平衡点。Deloitte 2026 企业 AI 报告显示，2025 年员工 AI 使用率上升 5%，至少 40% AI 项目投产的公司比例预计半年内翻倍。
GitHub Blog · AI & MLAI 评分4848 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub Copilot 提出，chat 虽是 LLM 的默认交互界面，但多数任务下并非合适 UI，应改用 canvas——一种运行在 GitHub Copilot app 内、无浏览器外壳的全栈应用，可与 agent 双向通信并在本地执行代码。
Berkeley AI ResearchAI 评分3434 智能免费之后：为智能体、由智能体、属于智能体的数据系统
伯克利 AI 研究发文指出，GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间、中位数约 50x。作者提出近乎免费推理带来的三大数据系统挑战：为智能体设计的数据系统、运行智能体集群的数据系统，以及由智能体合成数据系统。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队发布综述，系统梳理并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。文章对比了自一致性、Best-of-N、Tree/Graph of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!