AI资讯

Claude写完八成代码 CI直接崩了 工程效能暴涨后基础设施扛不住

智能摘要

最终他们用数据库驱动的日志(journal)重构为无状态、可水平扩展架构,一名工程师约三周完成。部署知识直接写进模型权重。两件事指向同一症结:当拿订单拉估值比打磨产品更易来钱,没有扎实商业闭环的公司,再高估值都是纸。分析师提醒,池化也带来厂商锁定与跨负载干扰的新风险。

近一周科技圈颇有些劲爆, 开发者刊发长文指公司系统架构频遭AI击穿, 同期甲骨文携手英伟达、生数科技、Amika等公司高频推出新品类。这类态势看似分化, 但指归统一现实: AI绝非仅作辅助用具, 反要接手领衔程序开发、数据运营及智能体协调的核心环节。大量业内人士仍在纠结挑选哪款API, 头部规模企业已经直截把AI能力塞进底层构建里了。这类速率与个体焦虑的差距, 恰是当前技术圈颇具代表性的矛盾症结。

基础设施被AI推向极限

9月14日发文披露, 工程师目前公司合并代码的80%由AI生成, 工程师季度交付代码量较2021年至2025年提升8倍, 测试总量增长10倍, 六个月内CI任务量暴涨25倍, 原有测试影响分析服务采用单一写入者架构, 在高频并发下持续落后。这个团队先后试用换大机器、以包分片、每日重启装打补丁的法子, 成效分别只撑了七十天, 二十九天和差点儿一天的光景。

他们最终完成用数据库驱动日志的重构为无State, 可水平扩展架构, 需约一名工程师三周时间。结论核心面向Agent时代设计CI, 应从次日计划按10至20倍规模, 而非线性堆砌余量且不能少按规模规划进度。
此并非纯粹技术优化, 而是业务逻辑转变根本: 当AI成为生产力主体时, 基建设施肯定要按指数级预留增长空间, 否则这就是停不下来循环的补丁之修恶性循环。

甲骨文联手英伟达发布Koa

2026年, 甲骨文与英伟达联合发布叫Koa的在, 首个CRM推理模型其为基于开放权重Super-120B后训练而成。它在把近30年CRM部署知识直接写入模型权重。称最有价值的而非平台, 是企业如何运转的积累, 黄仁勋强调开放权重让模型可安全, 自主可控地进行推理。Koa用完全由合成数据训练, 覆盖超过14个以上行业, 包含GRPO强化学习应用, 不触碰任何真实客户数据接触。

推理训练都在自有信任边界内完成, 同步还有活界面层与合作项目亮相客户数据留在内, 标志着企业级AI模型从通用走向垂直深耕, 通过合成数据解决隐私痛点, 同时利用开放权重实现本地化部署。对于担心数据外泄的传统企业,这类“内嵌知识、隔离数据”的方案, 提供了颇富吸引力的合规路径, 却是对算力基础设施提出的更高要求。

深兰机器人破产清算警示

曾背靠AI独角兽深兰科技、被海外数万台订单握在手里的深兰机器人, 最终走到了司法破产清算的地步。两件事指向同一症结: 当拿订单拉动估值比打磨产品更易来钱, 没有扎实商业闭环的公司, 再高估值都是幌子。在资本市场上, 硬件与AI结合的故事依然好讲, 但落地难、回款慢、研发成本高企是不变的常态。一旦融资断档,仅有订单数量而无利润支撑的企业极易崩盘。

这给整个行业提了醒: 技术领先绝非是等于生存优势。深兰的案例并非属于孤例, 过去几年当中已有不少类似企业都陷入困境。
对于创业者其人而言, 更关键的是还需要警惕“估值幻觉”、建立起来可自我造血的业务模型, 而非是单纯去追求技术参数。资本市场正在持续回归理性, 能充分去证明商业闭环有效性相匹配的项目, 才更具备可存活的可能于残酷的淘汰赛期间之中。

深渡智知发布物理基础模型

深渡智知这次发布的物理基础模型1.5, 不仅以平均分72.5的战绩冲顶了全球开源模型排名, 它和闭源的GPT-6 Astra之间的分差还不到1分, 空間智能水准完全能匹敌顶级闭源模型。
该模型把空间感知体悟、物理逻辑推演还有具身任务整合统一进了一个可做自主部署的开源基座中。这意味着国内开发团队无须依赖闭源API就能搭建构筑具身大脑, 尽可能大幅下调了研发环节的门槛要求。

在机器人自动驾驶等需强空间感知领域, 开源基座的普及将加速应用领域落地。此前多在团队受制于闭源模型的调用的模型调本和接限制, 现自主可以掌握核算法自身核心算法。
这一进展既反映了国内AI基础模型硬实力快速进提升, 在特定的垂直领域早已达国际顶了顶尖水平, 为后续产实业的持续创新也已提供的稳定了坚实支撑地基。

中关村博士生暑期成果惊艳

北京中关村学院七名博士生用一个暑假, 从随机参数训出七B稠密模型ZGCM-1, 规模七点三九B, 三十二层, 上下文长度二十六点二万。团队将各阶段的权重、中间结果、训练代码、数据配方与完整日志全部进行了开源。arXiv 2609.13356技术报告显示其14项在7B至8B推理量级内平均达第一MATH-500有97.13可在数学与搜索任务部分媲美量更大参数量模型。

格外特别之处所采用是AI4AI这种范式, 七名调度人员调度数百位Agent分工处理数据、实验还有评测, 采用L1到L5框架进行诚实自评, 实验监控以及部署处于L4层面, 模型架构以及算法设计目前还仅仅只有L2级别, 关键决策全都是依靠人员决定。这种极小团队超高出産模式展示了AI時代科研範式的深刻變革, 運用智能體集群放大人類智力, 使得窄小圈子也能造就頂級亮眼成果, 同時也揭露了當前人類在底層原創創新上的重重局限性。

Agent云工作站与安全令牌

Amika9月16日发布Rigs, 一款秒级启动、预装代码仓库与agent的云工作站。
团队可经由网页、Slack、SSH、CLI、API等开展远程操控, 多名成员可实现实时查看、共享agent会话, 还支持以VM快照实现快速还原环境, 每个Rig能够同时跑多个agent, 也可使各rig之间进行互相通信, 并且按需拉起全新的rig。前两周2台VM免费、定价之后30美元每月加算力费, 核心开源。

同一天, 另一家公司发布免密钥MCP模板, 解决多agent环境下的密钥泄露难题。传统MCP服务器需长期持有API key等凭证, 易成攻击面。该模板服务端不存任何密钥, 而是在每次工具调用时, 通过中间件生成单次使用、动作限定的KIT token, 实时兑换该次调用所需凭证。分析师提醒, 池化也带来厂商锁定与跨负载干扰的新风险, 但在当前agent大规模调用工具的当下, 把长期凭证替换为按需短时令牌, 正成为MCP安全的主流方向。

你更倾向于在企业中引入无状态CI架构, 还是优先部署开源物理模型? 评论区分享你的看法, 点赞支持本文。

相关文章

OPPO陈明永谈AI不是替代人 是解决难题以人为本

AI资讯 # AI # CEO # OPPO