AI 基础设施竞争继续从 GPU 采购扩展到土地、电力、机房与整体验证
NVIDIA 宣布将成为 SB Energy 位于俄亥俄州 PORTS-Pike 园区的独家 AI 计算基础设施提供方；Jensen Huang 同时以“land, power and shell”为题强调，AI factory 的约束正扩展到土地、电力和可用建筑壳体。另一条官方生态动态称，IREN 的 GB300 NVL72 部署取得 NVIDIA Exemplar Cloud 状态。两者共同指向一个变化：领先算力项目的竞争单位已不再只是单卡或服务器，而是可供电、可交付、经过整体验证的数据中心园区。具体容量、上线节奏和实际利用率仍需以后续项目披露为准。
来源：NVIDIA 与 SB Energy · Jensen Huang 文章 · IREN GB300 NVL72 验证
标签：#NVIDIA #AIFactory #GB300NVL72 #DataCenter
SGLang 公开推理引擎中的高级 CUDA Graph 设计
SGLang 与 LMSYS 介绍了 Breakable CUDA Graph、完整图捕获和图内存复用。项目方称，BCG 去除对 torch.compile 的依赖，以缩短设置时间并扩大兼容范围；完整图捕获面向动态 workload 降低 prefill 延迟；内存复用则减少不同图实例的显存占用。这些是项目方对其设计与收益的概括，日报没有拿到独立基准，不能把它外推为所有模型和并发形态下的固定提升。值得关注的是，CUDA Graph 优化正从“是否捕获”进入可中断性、动态 shape 和内存生命周期的系统设计阶段。
来源：SGLang 总结 · LMSYS 技术文章动态
标签：#SGLang #CUDAGraph #Inference #GPU
Vanta 把 Computer Use 用于 API 之外的合规证据采集
Vanta 创始人宣布其 Agent 新增 Computer Use，用于访问缺少 API 的系统并采集截图证据。她给出的背景数据是：过去六个月上传到 Vanta 的 65 万张图片中，36% 是截图。这个比例来自公司方陈述，尚未独立核验；但它很好地解释了企业 Agent 的现实价值——不是替代已有稳定 API，而是补齐大量仍依赖 UI、截图和人工证明的长尾流程。后续应重点观察权限边界、审计记录、页面变化后的鲁棒性，以及证据是否能追溯到原始系统状态。
标签：#ComputerUse #Compliance #EnterpriseAgent #Vanta
OpenAI 将网络安全窗口定义为“先补基本功，再用最强 AI 工具”
Greg Brockman 转发自己的文章，认为防守方可以预见攻击能力的变化，但升级安全实践的窗口很窄；他给出的核心建议是提升安全基本功，并应用当前最好的 AI 工具。这是 OpenAI 高管的风险判断与行动主张，并非新的产品性能证明。其动机与前几日的 AI 自主攻击讨论一致：在更强能力广泛扩散前，推动组织先完成资产、权限、日志、补丁和响应流程等基础治理，避免把“使用 AI 安全工具”误当成对薄弱安全工程的替代。
标签：#OpenAI #Cybersecurity #AIDefense
“Own Your Intelligence” 从演讲框架扩展为应用层控制权主张
Sonya Huang 发布《Own Your Intelligence: A How-To Guide》，把 AI 应用层竞争描述为对 intelligence layer 的争夺，而不只是 UI、workflow 或 GTM。它延续 Harrison Chase 前一轮提出的 model + harness + context 框架：应用公司需要积累自身的上下文、评测、工作流和治理能力，才能避免产品价值完全被底层模型供应商吸收。该观点更像战略框架而非经过量化验证的结论；它真正值得追踪的是，企业是否能把 eval、反馈数据和任务执行轨迹转化成可迁移的长期资产。
来源：Sequoia 指南动态 · harness 演讲转发
标签：#AgentHarness #Evals #AIApplications #Strategy
Uber 与 Zipline 把无人机配送目标推进到每日百万单量级
Uber CEO Dara Khosrowshahi 表示与 Zipline 合作进入规模化阶段；被引用的公开表述把目标定为每天超过 100 万次自主配送。Michael Dell 也围绕该合作强调 physical AI 的规模化。这是合作方的目标与叙事，不代表当前已经达到该订单量。真正的验证点包括覆盖城市、监管许可、每单成本、天气可用率、地面交接效率，以及高峰期能否与现有外卖网络协同。
来源：Uber CEO 动态 · Michael Dell 引用
标签：#Robotics #DroneDelivery #Uber #Zipline
其他值得关注
- SGLang 更新 RTX 5090 / RTX Pro 6000 的 Qwen3.8-27B recipes，加入 non-spec、MTP、DSpark，以及高吞吐和低延迟变体；这是部署配方更新，不等同于新的统一基准：原帖
- Michael Dell 引用 IDC Q1 2026 Tracker，称 Dell 在 AI Infrastructure 的 server 与 storage 均排名第一、server 增长 422%；该数字来自厂商转述，需结合 IDC 原报告口径理解：原帖
- Tibo 向社区征集 Codex、API 和模型“能力范围内但尚未实现”的明显产品机会，适合作为观察 OpenAI 产品缺口的反馈入口：原帖
- PyTorch 宣布上海大会同期设置 AGNTCon 与 MCPCon China，并继续推广北美 PyTorchCon 的 inference track：上海活动 · Inference Track
- David Sacks 继续批评 Dario Amodei 的监管论述，焦点集中于是否充分回应原始转述、监管是否造成市场集中，以及风险表达的政策后果；这是评论者立场，不应归因为 Anthropic 官方政策：原帖
今日观察
今天最清晰的主线是“系统边界继续外扩”：GPU 优化深入 CUDA Graph 的可中断性与内存复用，AI factory 扩展到土地、电力和整体验证，企业 Agent 则进入没有 API 的网页与截图流程。与此同时，应用层开始更明确地争夺 harness、context 与 eval 的所有权。行业竞争的单位正在从单个模型，变成一整套能够稳定交付任务、留下证据并持续复利的基础设施与控制面。