Smartsheet MCP Server 接入 Amazon Quick 与 Kiro 的实践指南
Smartsheet 已正式推出 MCP Server，本文介绍如何将其接入 Amazon Quick 和 Kiro，让 AI 智能体用自然语言读取、写入并管理 Smartsheet 数据。
推荐理由：教程分别给出 Amazon Quick 与 Kiro 的接入配置，并对比托管部署与本地轻量连接的适用场景。
技术方向
部署工程 最新动态
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。
490 条精选近 30 天 450 条共收录 562 条
更新
精选归档 · 第 16 页
AWS Machine Learning Blog精选AI 评分5959 TechCrunch · AI精选AI 评分7777 Google 开源 TorchTPU，加入 Amazon 挑战 Nvidia 的 AI 芯片优势
Google 开源 TorchTPU，开发者通过简单配置可将现有 PyTorch AI 应用迁移到 TPU 和 Google Cloud，无需重写。Amazon 发布 TorchNeuron，可将应用迁移到 Trainium 和 AWS，并向 PyTorch 提交代码以将功能与 Nvidia 芯片解耦。
推荐理由：文章对比 Google 和 Amazon 的 PyTorch 迁移方案，说明开发者无需重写应用即可切换到 TPU 或 Trainium。
AWS Machine Learning Blog精选AI 评分6464 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 提升多语言推理能力
AWS 团队在 Amazon SageMaker HyperPod 上用 SFT 和 GRPO 微调 GPT-OSS-20B，使模型能按指令以英语、法语、德语、西班牙语或意大利语进行推理和回答。
推荐理由：文章提供从数据、LoRA 训练到评测的完整流程，并用 SFT 与 GRPO 对照给出按模型能力缺口选择微调方法的判断框架。
Hacker News精选AI 评分6868 Google 开源原生 PyTorch 后端 TorchTPU
Google 开源 TorchTPU，这是一套面向 Google TPU 的原生 PyTorch 后端，可让用户在 TPU 设备上运行 PyTorch 模型和操作。
推荐理由：仓库集中交代了后端能力、分布式训练支持、示例模型以及安装构建路径，便于读者评估 PyTorch 在 TPU 上的集成范围与落地成本。
AWS Machine Learning Blog精选AI 评分7171 使用 AWS Agent Registry 在运行时发现并调用 MCP 服务与智能体
AWS Agent Registry 可让编排智能体在运行时搜索已批准、可发现的 MCP 服务、其他智能体和技能，并按描述符为当前请求实例化客户端。文中用 Python 样例实现“发现→实例化→执行”循环，覆盖仅 MCP、MCP+A2A 和语义匹配三类请求；Registry 只提供连接元数据，调用凭据由 Cognito OAuth 或 Boto3/IAM 单独处理。
推荐理由：文章拆解了按请求发现、实例化并执行能力的完整链路，并给出审批、鉴权分离与观测实现，适合评估多工具智能体架构。
GitHub Blog · AI & ML精选AI 评分6767 3 位 Java Champion 如何用 GitHub Copilot 提高生产力
GitHub Blog 采访 3 位拥有 10 年以上 Java 经验的 Java Champion，介绍他们用 GitHub Copilot 提高生产力的实践与人工把关原则。
推荐理由：3 位 Java Champion 的案例覆盖迁移、调试与智能体协作，并给出需求澄清、验证门禁和人工复核等可迁移方法。
MIT Technology Review精选AI 评分3535 企业 AI 的新经济学：以有效业务结果衡量成本
David Sydow 在由 HPE 制作的内容中提出，以每个有效业务结果的总成本衡量企业 AI 利用效率。材料对比自建栈、按需消费和集成私有 AI 平台，指出持续关键负载需通过调度、模型选择、GPU 分区和缓存管理控制闲置与浪费。
推荐理由：文章以有效业务结果成本为框架对比三种企业部署路径，并结合 HPE Private Cloud AI 说明私有化运营的效率控制点。
AWS Machine Learning Blog精选AI 评分6060 如何在 AWS 上用 AtScale 与 Amazon Bedrock AgentCore 构建智能体语义层
AWS 教程在 AtScale 与 Amazon Bedrock AgentCore 上构建 Customer 360 语义层，让 Strands 智能体和现有 BI 工具共用同一套指标定义。
推荐理由：教程完整展示 SML 语义模型、MCP 接入、身份权限与查询下推，可供团队搭建受治理的企业数据智能体。
AWS Machine Learning Blog精选AI 评分6565 在 Amazon Bedrock AgentCore 上用 Denodo 搭建 Agent 用语义层
AWS Machine Learning Blog 发布教程，演示用 Denodo 在 Amazon Bedrock AgentCore 上搭建面向 Agent 的企业语义层。
推荐理由：通过具体实现演示语义层、Agent 运行时和身份传递如何衔接，可作为跨多源企业数据接入 Agent 的参考。
Hacker News精选AI 评分6363 VoidAccess 开源暗网 OSINT 工具：从查询生成结构化威胁情报与关系图
VoidAccess 是一款自托管开源暗网 OSINT 工具，可将调查查询转化为结构化威胁情报和关系图谱。
推荐理由：原文给出从查询到结构化图谱的端到端暗网情报流程，并列出可生成的多种结构化导出格式，读者可以评估它对自托管 OSINT 工具链的整合程度。
Hacker News精选AI 评分7272 Cloudflare 与 VoidZero 推出 tsrs 实验版，将 TypeScript 编译器移植至 Rust
Cloudflare、VoidZero 与 Owner.com 的 Max Schwenk 正合作开发 tsrs，这是一款将 TypeScript 编译器移植至 Rust 的实验工具，现可通过 npm 安装试用。
推荐理由：文章提供同配置基准、Rust 与 Wasm 的取舍及兼容上游的维护流程，帮助评估 tsrs 的工程可行性与集成空间。
Hugging Face Blog精选AI 评分7272 Hugging Face 发布 AnyLanguageModel 1.0，统一 Apple 端侧与托管模型接口
Hugging Face 发布 AnyLanguageModel 1.0，以同一 API 接入 Apple 端侧与托管模型。
推荐理由：同一 Foundation Models API 可覆盖系统、端侧和托管模型，并保持工具调用与引导生成一致，为 Apple 应用迁移提供可复用路径。
Hugging Face Blog精选AI 评分7777 PyTorch 2.15 改进 MPS 后端：FP8 上线、MoE 解码 5–6.5× 提速
PyTorch 2.15 大幅改进 Mac 上的 MPS 后端，新增 FP8（float8_e4m3fn）支持，并把 MoE 模型的 grouped matmul。
推荐理由：给出 FP8、MoE 5–6.5× 解码提速、Wan2.2 显存从 270 GiB 降到 8 GiB 等实测数字，本地推理用户可直接对照决定升级。
Hacker News精选AI 评分5454 推测解码为何能提升速度
推测解码变快不是因为减少了每个 token 的工作，而是低批量时用更多总 FLOPs 填补 GPU 的空闲算力。小型草稿模型先提出一段 token，大模型在一次前向传播中并行验证，用同一序列的“深度”替代多序列的“广度”。
推荐理由：文章以内存受限和计算受限作对照，解释低批量场景下推测解码用更多总 FLOPs 换取更快生成的原因。
Hacker News精选AI 评分7373 DeepSeek 开源 DeepInfer 大规模推理框架，支持 DeepSeek-V4.1-Flash
DeepSeek 开源 DeepInfer 大规模离线推理框架，支持 DeepSeek-V4.1-Fash，并为其大规模生产服务提供支撑。
推荐理由：原文列出了框架能力、硬件适配、配置方式和完整服务仍缺失的组件，便于评估离线推理的集成范围与部署边界。
36氪精选AI 评分7171 DeepSeek 全面开源内部推理框架 DeepInfer
DeepSeek 宣布在前期开源大模型、TileLang 编译工具及推理算子库的基础上，进一步将内部推理框架 DeepInfer 全面开源。基于 DeepInfer，DeepSeek 已实现 V4.1 Flash 高吞吐、低延迟的大规模推理服务，新模型的推理代码及后续优化也将在该框架上持续更新。
推荐理由：DeepSeek 将内部推理框架 DeepInfer 全面开源，外部团队可在此基础上复现 V4.1 Flash 的高吞吐、低延迟推理能力，并跟踪后续模型更新。
Hacker News精选AI 评分4848 Vite+：面向 AI 智能体开发的工具链
作者在四个项目中使用 Vite+ 的 `vp create`、`vp check`、`vp test`、`vp build` 命令，为 AI 智能体提供统一工作流，避免命令分散和 CI 行为不一致。
推荐理由：作者把 Vite+ 的命令收敛成统一提示模板并给出 CI 从 4 分钟降到 50 秒的实测数据，方便读者直接套用到 AI 智能体工作流。
量子位精选AI 评分4040 达摩院玄铁发布车规处理器E908A和自动驾驶产品路线图
达摩院在RISC-V中国峰会上发布车规增强处理器玄铁E908A和面向自动驾驶、具身智能的处理器产品路线图。E908A是首款同时满足ASIL-B和ASIL-D标准的RISC-V CPU IP，单点安全度量SPFM首次超过90%；下一代C950A目标性能达到现有RISC-V车规产品的5倍。
推荐理由：原文给出玄铁E908A车规IP与下一代C950A性能目标，便于评估RISC-V在车载领域相对X86和Arm的落地节奏
Hacker News精选AI 评分6969 去审查化开源模型如何携带后门
Project Discovery 在 Qwen2.5-7B-Instruct 上植入 LoRA 后门，触发短语出现时 Codex CLI 会执行 curl 窃取项目 .env。
推荐理由：文章复现了在开源模型中植入后门的全过程，投毒比例仅 1% 到 20%、总成本不到 50 美元，且任何基准测试都无法识别，可作为部署开源权重时的威胁画像参考。
TechCrunch精选AI 评分5858 Nscale 与 Anthropic 据报道洽谈第二笔 $45B 算力合作
Nscale 与 Anthropic 据报道正洽谈又一笔 $45B 算力合作，距双方上一笔同等规模合作约一个月。消息人士提醒协议细节仍可能变动，这是 Anthropic 近期一系列大额算力交易中的一笔；双方目前均在推进 IPO，Nscale 拟议的 $30B 估值据报道遭遇投资者阻力。
推荐理由：报道呈现了双方在约一个月内两度推进大额算力协议的节奏，读者可据此把握 Anthropic 近期算力投入的规模与频率。