技术方向
怎么把模型跑得更快更省钱：推理加速、显存与成本、服务部署与基础设施选型。
4 条精选近 30 天 3 条共收录 31 条
NVIDIA 在 KubeCon + CloudNativeCon 上宣布把用于保障和治理自主智能体的开源运行时 NVIDIA OpenShell 捐给 Cloud Native Computing Foundation（CNCF），作为 Sandbox 项目由社区治理。
推荐理由：NVIDIA 把智能体安全运行时捐给 CNCF，并给出 Kubernetes 上部署与推理加速的配套组件，可观察开源治理与工程落地路径。
Google DeepMind 为 Google Antigravity 推出 Cheminformatics Skills，把该产品变成面向计算化学家和实验化学家的科学工作台。
推荐理由：原文给出一个完整药物发现工作流演示，读者可据此判断智能体在化学数据整理与分子设计中的实际分工。
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，并输出可在约 12 毫秒内验证的简短证明。它在笔记本上每秒可证明 720 万至 870 万条 RISC-V 指令，在 15 个基准程序上平均比同类最快 zkVM 快 10 至 39 倍，优化版本可达每秒 950 万至 1280 万周期。
推荐理由：微软研究院把十余年零知识证明成果整合为 Magnetar，读者可了解通用程序证明在速度与密码学假设上的取舍。
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 演化式内核搜索框架，新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库迁移到 Apple Silicon。
推荐理由：作者展示了把 CUDA 优化经验迁移到 Apple Silicon 的具体做法，并给出与原生 MLX 内核的对比数据。