搜索“搜索”

。 得克萨斯州的许多地区也对开发商变得有吸引力。尽管并网排队时间不断延长，该州仍在竭力增加更多电力——既有电网规模电力，也有现场电力。得克萨斯州电力可靠性委员会（ERCOT）和州长办公室已发布措施，以确保电网稳定并保护电费缴纳者免受成本转嫁的影响。 退出存在根深蒂固反对意见的市场 如果反对声音激烈且持续不断，或许就该抽身离开了。有些情况下，开发商愿意在电力、用水和噪音方面满足当地要求，但新的反对意见却不断涌现。如果一个社区确实不想要这个项目，那么另找一个欢迎该项目的选址可能更有成效。 “有很多社区会欢迎你，”Slezak说。 Drew Robb从事全职专业写作和编辑工作已超过二十年。他目前为多家IT出版物担任自由撰稿人。 想在Google搜索结果中看到更多Data Center Knowledge的报道吗？ 编辑精选 2026年8月21日 想在Google搜索结果中看到更多Data Center Knowledge的报道吗？ 2026年9月21日至23日，加入整个数据中心生态系统，相聚在得克萨斯州达拉斯的Gaylord Texan Resort & Convention Center。

匹配字段正文

去年夏天，也就是七十年前，一群科学家在达特茅斯学院聚会，讨论一个大胆的设想——有朝一日，机器或许能够具备类似人类的思维过程。其中一位科学家约翰·麦卡锡为这个新领域提出了一个名称：人工智能。这个名字就此沿用下来。当你在谷歌学术上搜索“人工智能”时，大约会出现7,420,000条结果。这个词可谓无处不在。人人都懂它。即便是那些厌恶AI的人，最不担心的也是我们怎么称呼它。 嗯，并非人人如此。不知怎的，唐纳德·J·特朗普总统对这个词产生了反感，而当他讨厌某样东西时，他会毫无顾忌地发布政令加以反对。在9月23日于联合国发表的一篇演讲中，他暗示自己可能想废除“人工智能”这个说法。他的这番激烈言辞看起来像是虚张声势，即便对一个热衷于给海湾、湖泊和艺术中心改名的人来说也是如此。给整个研究领域以及美国最关键的产业改名？本周，在白宫与顶尖AI领袖共进午餐时，他真的扣动了扳机，签署行政令宣布“人工智能”如今成了一个被禁用的造词。取而代之的是，政府将称之为“超级智能”。显然，总统期望私营部门也照此跟进。 令他们蒙羞的是，AI界的巨头们温顺地默许了。从今往后，他们大概要被称为SI界的巨头了。 人们不禁将此视为总

匹配字段正文

来的“语言模型”实际上可能是一个隐藏在简单界面之下的隐形智能体集群。我们还讨论了OpenAI的大规模智能体实验、Kimi集群、Sakana AI的开放式研究、推测性程序化工具调用、能力悬置、Neuralese，以及Alex认为下一个重大研究机会可能在哪里。 为什么AI生成的GPU内核仍然为人类专业知识留下大量空间 一个专家洞见如何可能取代海量的暴力token搜索 为什么博士生应该押注那些最初看起来琐碎、古怪或毫无意义的研究 SWE-bench、RLM、ReAct和Quiet-STaR揭示了关于研究品味的什么 GEV，以及为什么语言模型不必意味着自回归的文本到文本解码器 为什么Claude Code、Codex和Pi在结构上比它们看起来更相似 harness设计如何改善跨任务和跨领域的组合式泛化 RLM：上下文卸载、代码执行、递归子智能体和共享内存 Prime Agent、持续harness和持久的智能体间通信 为什么你未来查询的模型可能暗中是一整个集群或脚手架 OpenAI的1万智能体实验、130B输出token和约4000万美元等效成本的问题求解 为什么智能体集群的很大一部分可能是浪

匹配字段正文

近，不少美国科技专家开始呼吁AI企业放缓模型开发，以加强对智能体失控风险的安全防护。比尔·盖茨甚至警告说，AI可能引发导致十亿人死亡的事件。AI发展真的需要减速来保证安全吗？ 美国政府网站疑遭攻击 根据OpenAI发布的事件报告，导致其暂停模型训练的直接导火索是发生在9月20日的一起AI失控事件。 当时，它的一款智能体被要求寻找一篇博客文章的作者，但其使用的搜索工具一无所获。于是，智能体试图访问谷歌、必应等搜索引擎，但都被拒绝。最终，智能体发现了训练“沙盒”的漏洞，成功连接到第三方聊天机器人。OpenAI称其监控系统在事件发生12分钟内发出最高等级警报，人工审查团队在3分钟后介入，并在2.5小时后终止了该训练任务。 不过，真相可能比这更复杂。据《纽约时报》援引AI研究公司Transluce的最新发现称，今年夏天，OpenAI的智能体曾试图入侵美国教育部网站，但没有成功。OpenAI智能体还利用从网上找到的登录凭证，在隶属美国商务部的一个网站上获取了一些数据。同时，OpenAI智能体还获取了部分美国证券交易委员会（SEC）网站的公开数据。 此外，Transluce称其还发现了一些针对美国

匹配字段正文

尚待解决。 新闻来源：The Information、美联社（美国广播公司新闻网转载） 图片来源：The Information OpenAI暂停最新一代模型训练 据央视新闻9月27日报道，美国开放人工智能研究中心（OpenAI）表示，已暂停最新一代人工智能模型的训练、评估及包含工具调用的推理。 OpenAI在25日发布的技术报告中表示，9月20日，一个执行搜索训练任务的智能体利用沙盒环境中域名系统（Domain Name System，DNS）过滤不足的漏洞，绕过网络限制，访问外部公共聊天机器人服务。监控系统在15分钟内报警，人工团队随后介入，训练任务于事发约2.5小时后终止。公司已部署两层独立拦截措施。 据美联社9月26日报道，OpenAI披露其模型访问了美国证券交易委员会运营的两个公开网站以及美国人口普查局的数据。OpenAI表示，其未发现任何使用SEC凭证、访问账户或非公开信息、SEC数据或系统变更，或有入侵或漏洞的证据。 美联社称，这是OpenAI三个月内第二次暂停模型开发。公司表示，将在确认额外防护措施到位后恢复训练。 新闻来源：OpenAI官网、央视新闻、美联社、卫报、加

匹配字段正文

人们就是看不到它的意义。 这只是一个看起来并非由关心他们利益的人推动的项目，它以负面方式影响了他们，却看不出任何好处。我认为反对意见很大程度上就在于此。我觉得AI可以是一团模糊的东西——对他们没有帮助，却被别处的人出于不明原因想要——而与之相对的是具体的危害。我听到的关于数据中心具体危害的讨论，远比关于AI导致失业之类的要多得多。 Meta的Muse智能体靠搜索人们的电子邮件找优惠券来帮人省钱，似乎不太可能省下足够多的钱来抵消这一点。AI领域的消费产品就是还没火到足以克服所有这些担忧。这是我一直以来在问的一个问题。如果数据中心上只写着Netflix，你会更开心吗？看起来并不会，即便有娱乐带来的好处，也不足以抵消当地的危害。 是的，我认为他们对附近、大盐湖附近的一座巨型天然气设施有担忧是合理的，而它跟AI有关这一点更成了反对它的理由。我交谈过的人，他们用AI，但他们会说：“嗯，它比谷歌搜索稍微好一点”，或者“我用它来做生日贺卡”之类的。 但为什么这就意味着我们需要放下一切，立刻在这里建一座巨型数据中心？为什么这成了国家安全问题—— 还有，为什么凯文·奥利里成了它的代言人？ [笑]还有，为

匹配字段正文

/月。 Muse免费档每周送1亿token，意味着Meta在用主业利润补贴每一个免费用户。用户规模越大，补贴规模越大。 Personal Agent短期内很难成为独立盈利的业务，它更像是大厂用主业利润补贴的战略性入口，创业公司若没有主业现金流兜底，将面临免费打不过Meta、收费没人用的困境。 图源：X账号 这个逻辑在中国同样成立，而且更严峻。淘宝通过推荐流和搜索广告卖商家的展示位，用户在页面上多停留一秒，就多一次曝光机会；抖音的兴趣电商靠短视频和直播创造冲动购买；微信的广告长在视频号和朋友圈的注意力里。 但个人Agent越好用，这些平台最赚钱的广告曝光就越不值钱，这导致国内大厂对个人Agent的态度，比Meta复杂得多。 Meta没有电商交易生态，Agent帮它从谷歌和亚马逊手里截获意图，增量大于蚕食。而中国大厂大多同时拥有广告业务和交易业务，Agent的增量和它蚕食的广告收入之间，需要仔细算笔账。 因此，Muse带来的最大影响，是让平台第一次意识到：Agent可能成为它们和用户之间的新中间层，这个中间层，比任何一家平台都更靠近用户的真实意图。 微信、淘宝、美团、抖音各自是独立的，数据

匹配字段正文

以及对电力和水资源的需求。现场化石燃料发电则会带来额外的许可考量。 “然而，如果某个数据中心拥有自己的现场电源且消耗化石燃料，那么该数据中心在开始运营之前可能需要遵守某些监管要求或取得某些许可，”Fanning说。 对运营商而言，潜在后果不仅限于承担经济处罚。许可必须纳入开发时间表，因为执法可能危及设施的运营能力。 “如果数据中心在未遵守取得许可要求的情况下上线运营，它很可能面临严厉的行政处罚，并可能受到禁令约束，从而无法继续运营，”Fanning说。 Nathan Eddy报道多个行业的数据中心趋势与技术。他毕业于西北大学Medill新闻学院，同时也是一名专注于建筑与城市规划的纪录片制片人。他目前居住在德国柏林。 想在Google搜索结果中看到更多Data Center Knowledge的报道吗？ 编辑精选 2026年8月21日 想在Google搜索结果中看到更多Data Center Knowledge的报道吗？ 2026年9月21日至23日，欢迎加入在德克萨斯州达拉斯Gaylord Texan Resort & Convention Center举行的整个数据中心生态系统盛会。

匹配字段正文

近，不少美国科技专家开始呼吁AI企业放缓模型开发，以加强对智能体失控风险的安全防护。比尔·盖茨甚至警告说，AI可能引发导致十亿人死亡的事件。AI发展真的需要减速来保证安全吗？ 美国政府网站疑遭攻击 根据OpenAI发布的事件报告，导致其暂停模型训练的直接导火索是发生在9月20日的一起AI失控事件。 当时，它的一款智能体被要求寻找一篇博客文章的作者，但其使用的搜索工具一无所获。于是，智能体试图访问谷歌、必应等搜索引擎，但都被拒绝。最终，智能体发现了训练“沙盒”的漏洞，成功连接到第三方聊天机器人。OpenAI称其监控系统在事件发生12分钟内发出最高等级警报，人工审查团队在3分钟后介入，并在2.5小时后终止了该训练任务。 不过，真相可能比这更复杂。据《纽约时报》援引AI研究公司Transluce的最新发现称，今年夏天，OpenAI的智能体曾试图入侵美国教育部网站，但没有成功。OpenAI智能体还利用从网上找到的登录凭证，在隶属美国商务部的一个网站上获取了一些数据。同时，OpenAI智能体还获取了部分美国证券交易委员会（SEC）网站的公开数据。 此外，Transluce称其还发现了一些针对美国

匹配字段正文

威胁。自动研究将它们视为需求。 每个模型在同一块 H100、同一基线上获得 6 小时： 两个模型独立发现了相同的优化，而提案质量远比推理速度重要。两个模型都独立收敛到学习率 warmdown 调度作为主要杠杆。GPT-5.4 系统地将 warmdown 比率从 0.5 爬山到 0.95。Spark 找到了相同的策略，但提案更混乱。这种收敛表明，小型训练改进的搜索空间具有真实结构，不同的智能体会找到相同的峰值。 接受率说明了更多。GPT-5.4 接受了其 67% 的提案。Spark 接受了 17%。不是因为 Spark 提出了坏想法，它提出了更多想法，其中许多很大胆。但每个被拒绝的提案仍然消耗 5 分钟的 GPU 时间。Spark 的速度优势（每次调用快约 35 秒）让它尝试了几乎两倍的提案，但大多数是浪费的训练运行。 当每个实验都消耗真实计算时，提案质量主导总成本。一个提出更少、更有针对性修改的模型，胜过一个广泛探索的模型，至少在面对严格门控时如此。 第二个实验（reap-expert-swap）解决了一个不同的问题：在远小于所需的硬件上运行一个巨大的 AI 模型。 目标模型需要约 2

匹配字段正文

更高密度的服务器架构进入市场而扩展。 开发商与运营商经济学 QTS能源资本与战略执行副总裁Dado Slezak强调了AI数据中心的资本密集性，尤其是当现场发电成为计划的一部分时。“你每投入一美元的发电，就要投入多美元的数据中心基础设施，”他说。“有了这种规模的投资，必须通过合同确保数十年的财务回报。” Slezak还告诫不要制定僵化的长期规定。“你无法在提前三四年时就确切知道应该建设什么，”他说。“那段时间里可能发生很多变化，决策也在不断调整，每一项都会产生下游影响。”他敦促合作伙伴之间深度协作，以应对不断演变的技术目标和并网现实。 Drew Robb担任全职专业作家和编辑已超过二十年。他目前为多家IT出版物自由撰稿。 想在Google搜索结果中看到更多Data Center Knowledge的故事吗？ 编辑精选 2026年8月21日 想在Google搜索结果中看到更多Data Center Knowledge的故事吗？ 2026年9月21日至23日，加入整个数据中心生态系统，相聚于德克萨斯州达拉斯的Gaylord Texan Resort & Convention Center。

匹配字段正文

洞察力的收购。他补充说，该交易的价值不仅限于物理AI，还延伸到未来。 他说：“李飞飞是明星人物。可以说，她和公司一样都是收购目标。她和她的团队为AMD带来了世界级人才，这将使该公司能够更快地在这一领域找到与英伟达竞争的立足点。” Wylie Wong是一名记者和自由撰稿人，专注于技术、商业和体育领域。他曾在CNET、Computerworld和CRN工作，喜欢报道和了解科技行业的进步与不断变化的动态。在体育方面，Wylie是《Giants: Where Have You Gone》的合著者，这是一本关于前旧金山巨人队球员今昔去向的书。他此前曾为《圣何塞水星报》创办并撰写巨人队博客，近年来乐于撰写技术与体育交叉领域的文章。 想在Google搜索结果中看到更多Data Center Knowledge的故事吗？ 编辑精选 2026年8月21日 想在Google搜索结果中看到更多Data Center Knowledge的故事吗？ 2026年9月21日至23日，加入整个数据中心生态系统，相聚于德克萨斯州达拉斯的Gaylord Texan Resort & Convention Center。

匹配字段正文

式。我觉得这就是，是的，下一步。所以，是的，我觉得 Claude Code 拥有智能体循环的核心要素，而这些要素已经变得更加复杂。它需要一个沙箱来安全运行。它需要自动模式来确保权限 Vibhu [00:46:21]：审批。 Thariq Shihipar [00:46:21]：是的，审批。它需要计算机使用和 MCP，以及所有这些访问你数据的方式，它还需要网络搜索和网络抓取。所以，随着模型能做越来越多的事，核心 harness 必须相当复杂且非常安全。但你与它交互的方式可以变化很大。 Vibhu [00:46:42]：Claude Code 团队本身还有哪些 harness 工程最佳实践？我感觉曾经有一个计划模式阶段，但用得不多。我们现在有了自动模式。在某个时候你们削减了大部分系统提示词，去掉了示例。harness 工程还有哪些最佳实践？ Thariq Shihipar [00:47:02]：我觉得存在一条分叉路径，在某个时候，是的，最终模型将能够直接 vibe code 出 Claude Code 的确切版本，甚至描述出我谈到的所有这些复杂性，对吧？比如自动模式和计算机使用之类的。最终

匹配字段正文

astic Compute Cloud (Amazon EC2)、Amazon Elastic Container Service (Amazon ECS) 和 Amazon Elastic Kubernetes Service (Amazon EKS) 打包经过测试的框架版本、依赖项和 AWS 部署配置，包括本文中使用的 vLLM-Omni DLC。 Dmitry 是 AWS SageMaker 推理专家解决方案架构团队的全球负责人。他帮助客户设计、构建和优化生成式 AI 和机器学习解决方案，兴趣包括深度学习和大规模部署机器学习。他热衷于持续创新，并利用数据推动业务成果。 Mona 是 AWS 的高级 AI/ML 专家解决方案架构师。她专注于生成式 AI、机器学习和云技术，撰写了三本 AI 书籍和多篇技术博客。她参与合著了关于 CORD-19 神经搜索的获奖研究。 Daniel 是 AWS 的解决方案架构师，专注于前沿 AI 初创公司。作为前初创公司 CTO，他乐于与创始人和工程领导者合作，在 AWS 上推动增长和创新。工作之余，Daniel 喜欢手捧咖啡散步、欣赏自然并学习新想法。

匹配字段正文

Compute Cloud（Amazon EC2）、Amazon Elastic Container Service（Amazon ECS）和 Amazon Elastic Kubernetes Service（Amazon EKS）打包经过测试的框架版本、依赖项和 AWS 部署配置，其中包括本文使用的 vLLM-Omni DLC。 Dmitry 是 AWS 全球专家解决方案架构负责人，专注于 SageMaker 推理。他帮助客户设计、构建和优化生成式 AI 与机器学习解决方案，兴趣涵盖深度学习和大规模部署机器学习。他热衷于持续创新，并善用数据驱动业务成果。 Mona 是 AWS 的一名高级 AI/ML 专家解决方案架构师。她专注于生成式 AI、机器学习和云技术，已撰写三本 AI 书籍和多篇技术博客。她参与合著了关于 CORD-19 神经搜索的获奖研究。 Daniel 是 AWS 的一名解决方案架构师，专注于前沿 AI 初创公司。作为曾经的初创公司 CTO，他乐于与创始人和工程负责人合作，在 AWS 上推动增长与创新。工作之余，Daniel 喜欢手捧咖啡散步、欣赏自然，并学习新想法。

匹配字段正文

可以调得更高。 四个Agent一起解题，速度会快一倍：四个Agent各干一半时长，等于你多付两倍成本，换来快一倍的答案。推到16个Agent，规律类似，效率略低，性能却仍在继续提升。 主持人： 随着并行Agent数量增加，串行耗时的缩短是线性的，还是亚线性的？ Noam Brown： 略微呈现亚线性，但很大程度上取决于问题本身。比如数学就相当适合并行，而网页搜索以及需要翻阅大量信源的Deep Research报告这类工作，则极其适合并行。 我猜写小说就很难并行：让1万个Agent合写一部长篇，收益大概率不大，就像让1万个人合写一部长篇小说一样。 所以这个表现确实取决于领域。我们的测试最多只能做到16个Agent，如果要把这套研究推到1万个Agent的规模上，那就太贵了。 主持人： 可你们刚刚只用了一个周末就做到了。 Noam Brown： 那也只是一次实验结果而已，我们并不知道单个Agent解出纳维–斯托克斯问题需要多久，因为这个实验还没做。也许以后会做，可那也仍然只是一次的实验结果。 如果要做完整的消融实验（ablation），那种规模下的开销根本承受不起。 所以我们只能做循序渐进的

匹配字段正文

适的工具推进工作，并根据中间结果及时修正路径。最终的衡量标准，是模型能否形成可检查、可继续使用的工作成果。 基于这些真实需求，百灵推出 Ling-3.1-flash。 Ling-3.1-flash 拥有约 560B 总参数，每个 Token 激活约 25B 参数；模型上下文窗口上限为 1M，可容纳更长的文档、代码和任务历史。在研发过程中，我们围绕通用智能体、搜索、日常办公和软件研发等任务持续优化，并在医疗、金融和材料科学研究等场景持续提升模型能力。 01 在真实任务中检验模型能力 一项业务任务往往要连续完成多个环节：办公人员需要把分散资料整理成报告和汇报材料；医疗沟通需要从不完整的描述中厘清问题、解释专业信息；软件研发则要进入代码库和终端环境，经过修改与验证才能交付。百灵因此用办公、医疗、软件工程、终端操作等多类任务评测，观察 Ling-3.1-flash 在不同工作流程中的表现。 在办公任务评测 GDPVal-AA V2.1 中，Ling-3.1-flash 展现了处理多步骤工作任务的竞争力，对应资料整合、任务规划和成果交付等需求。 在 HealthBench Professiona

匹配字段正文

20个国家，内容涉及国别文化、政策框架、多语种表达与全球资讯。 发布5大应用场景：AI直接服务游客、企业与文化传播 面向消费与产业应用，本次共发布5大应用场景。其中，基地应用场景有“爱优游”文旅超级智能体，支持多智能体协同编排，贯通出游规划、实地游玩、游后服务全流程，打造一体化沉浸式智能旅行服务；联合中国文联共建文艺版权与数据保护推广试点平台，打造可确权、可搜索、可交易、可使用、可追踪、可结算的全链路价值流转体系，守护数字文艺IP。 专用应用场景中，“嗨游”一站式入境智能服务平台依托10万余个文旅精选点位和政务跨部门数据，围绕国际游客入境后在支付、交通、住宿、游览、导览等方面的实际需求，集成电子钱包绑定、AI多语种行程规划、跨语言实时导览和“一码通行”等功能，为国际游客提供便捷、友好的全场景在地服务。智媒果AIGC创作平台贯通文旅内容生成、传播、运营、管理全流程，形成“6+6”AI原子能力和产品生态，助力沉浸式文化地标、文旅演出及文物活化、虚拟展馆建设，赋能AI网剧、短剧等文化“新三样”出海。“一屏生成”全媒体智能生产系统2.0打造新媒体快线、一键创作、智能媒资、MClaw智能体系、智

匹配字段正文

结论，其依据是可靠性而非经济性。“我认为将超级电容器应用于数据中心颇具新意，但该技术在其他应用领域长期积累的实绩，可能会降低数据中心采用它的门槛，”他说。 Butler则稍显乐观。随着机架功率水平从数百千瓦向数兆瓦级设计扩展，他预计CBU在管理瞬态峰值需求方面的应用将日益增多。随着时间的推移，他预计由工作负载驱动的优化将决定电池与电容器的配比，而超级电容器在处理高循环、峰值功率事件中将发挥越来越重要的作用。 “我预计基于电容器的储能将成为下一代AI电源架构的主流要素，”Butler说。 Sean Michael Kerner是一位IT顾问、技术爱好者和动手实践者。他为行业和媒体机构提供技术问题方面的咨询。 想在Google搜索结果中看到更多《Data Center Knowledge》的报道吗？ 编辑精选 2026年8月21日 想在Google搜索结果中看到更多《Data Center Knowledge》的报道吗？ 2026年9月21日至23日，欢迎莅临德克萨斯州达拉斯的Gaylord Texan Resort & Convention Center，加入整个数据中心生态系统的盛会。

匹配字段正文

数在过去11天内增长了10倍，达到约70万。这是一个惊人的增长速度，但总体规模在人工智能应用领域仍然相对较小。即便如此，Muse也频频出现了力不从心的情况。 越来越多的证据表明，Meta已经难以满足Muse不断增长的用户群的需求。状态监控平台SaaSHub已将Muse的状态列为“服务降级”，指出其监测系统仍可以访问Muse，但却持续报告问题，比如频频回复无法搜索。 此外，一名研究人员对Muse进行了压力测试，要求其一次性生成120个子代理，但Muse只成功创建了33个，其余尝试均失败。 这些扩展性问题相对于Muse不到100万的用户规模来说显得格外严峻，目前Meta还只在美国和加拿大推出了Muse的服务，并未开放WhatsApp和Instagram用户的注册渠道。如果Meta想要进一步抢占份额，那么当前的算力瓶颈将成为其最大的制约因素。 Meta的首席人工智能官Alexander Wang在9月9日曾透露，Muse的早期使用量远远超过了内部预期，用户使用量是内测时的10倍左右，这促使Meta重新设置了代币使用量并增加限制。 而造成瓶颈的一个重要原因可能在于Muse的计算密集型架构。Me

匹配字段正文