工业 AI 如何走向更安全的自主化
工业 AI 正从预测分析走向 foundation models、physical AI 和 agentic AI 驱动的更复杂自动化，但在物理系统中部署会带来安全、可靠性和关键基础设施风险。
#部署/工程
MIT Technology Review · AIAI 评分3030 钛媒体AI 评分5555 数据中心在Token增长下转向超节点与系统级算力架构
钛媒体授权发布的文章认为，AI算力重心正从一次性训练转向持续推理，Token消耗增长正在推动数据中心架构迭代。文中引用数据称，中国日均Token调用量在3月突破140万亿，OpenRouter数据显示3月16日至22日中国Token调用量为7.359万亿，占全球36％。
NVIDIA BlogAI 评分4545 电信运营商为何把 AI 战略建立在开放模型上
NVIDIA 称电信运营商正把 AI 战略转向开放模型，以获得更高的信任、控制和定制能力，覆盖自主网络到客户服务等关键工作负载。其 State of AI in Telecommunications 报告显示，89% 受访者认为开源模型和软件对公司 AI 战略重要。
MIT Technology Review · AIAI 评分2121 自主 AI 如何重塑企业智能
MIT Technology Review Insights 报告称，企业 AI 正从工具转向运营模型，需要把人员、流程和数据实时连接并纳入治理控制。全球 AI 投资预计在 2026 年达到 $2.5 trillion，较上一年增长 44%，但许多企业仍受数据孤岛和流程割裂限制；持续获得回报的企业先重设计流程，再选择模型，并建设可组合、主权可控的数据基础设施。
NVIDIA BlogAI 评分2525 NVIDIA AI Factories 如何通过高产、耐用和可替代性最大化 ROI
NVIDIA 称 AI Factories 通过更高 tokens/兆瓦、较长硬件寿命和多工作负载适配来提高 ROI。SemiAnalysis AgentX 数据显示，NVIDIA Vera Rubin NVL72 在 DeepSeek V4 Pro 上较 GB300 NVL72 吞吐/兆瓦高逾 30x、每百万 token 成本低至 45x。
MIT Technology Review · AIAI 评分2525 如何让 AI 成为资产，而不是支出
HPE 认为，企业 AI 从试点进入生产后，应按工作负载评估继续按请求付费还是投资自有容量。Deloitte 的 2026 State of AI in the Enterprise 显示，2025 年员工 AI 访问量上升 5%，至少 40% AI 项目投产的公司占比预计在六个月内翻倍。自有容量只有在需求稳定、可预测且利用率足够高，并配合采用、治理和用例扩展时才有经济意义。
Berkeley AI ResearchAI 评分5252 Berkeley AI Research 分析自适应并行推理的高效推理扩展范式
Berkeley AI Research 文章分析 Adaptive Parallel Reasoning，认为它让模型在推理时自行决定何时拆解任务、启动多少并行线程以及如何协调。