AI 工作负载转向推理与智能体 AI 后，系统瓶颈正从算力转向数据移动。文章指出处理器中心架构下，从 DRAM 取一次数据的能耗可达一次简单算术运算的 150 至 2,000 倍，大型机器学习模型超过 90% 的系统能耗可能消耗在内存访问与数据移动上。文章引出 SK hynix 打造下一代 AI 内存生态的愿景，主张 GPU/NPU/TPU、内存、存储与网络作为整体系统协同设计。
OpenAI 发文探讨高级 AI 在突破性想法背后的日常工作中的作用，认为执行层面的工作可能塑造下一个经济形态并影响进步速度。文章属于观点性分析，未给出具体模型、数据或产品。
NVIDIA AI 工厂的回报取决于三个相互关联的因素：收益能力、使用寿命和需求。据 SemiAnalysis AgentX 数据，NVIDIA Vera Rubin NVL72 比 GB300 NVL72 每兆瓦吞吐量高逾 30x，在 DeepSeek V4 Pro 模型上每百万 token 成本低至 45x。
SK hynix 在 AI Infrastructure Insight 系列第三部分指出，电力供应与散热管理已成为 AI 数据中心从设计初期就必须考虑的核心需求。
GitHub Podcast 逐条拆解五个常见 AI 热门观点。核心结论：AI 生成代码仍需按风险分级审查；Skills 与 MCP 解决不同问题，MCP 提供工具与数据访问标准，Skills 以 Markdown 打包团队流程与最佳实践，两者互补；RAG 未死，检索让模型更接近答案，可与 agent、MCP、Skills 同一工作流共存。
OpenAI 经济研究新报告分析了劳动者如何超越传统职业角色使用 AI，以及哪些新的活动成为其工作中的常规部分。报告揭示了 AI 在实际工作中的使用模式。
OpenAI 发文探讨更强能力、更可负担的 AI 如何拓展个人和企业能完成的工作，并让增长更具经济性。文章指出 AI 能力提升与成本下降结合，可扩大人们与企业的可达成工作范围。
SK hynix 的 AI 生态系列文章指出，随着 AI 从预训练转向推理和 agentic AI，系统瓶颈正从 GPU 算力转移到数据的位置与流动。1994 年 Wulf 和 McKee 提出的 memory wall 正在成为现实：AI 加速器算力已达 petaflops 级，但内存读取速度跟不上，大量计算单元因等数据而闲置。应对方向是提升内存带宽或将内存靠近处理器。
Hugging Face 发布覆盖 2026 年 1-8 月的开源模型生态报告，Hub 公开模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万。
推荐理由：报告用 Hub 下载、likes、衍生模型和 agent 流量数据梳理 2026 开源生态，读者可借此对比中美策略与生态位置差异。
Hugging Face 主办的 ICML 2026 Open Reproductions 挑战中，1221 名社区成员用各自编码智能体在 19 天内发布 6816 份 Trackio logbook，复现 2226 篇论文（约占会议 34%），并用开源权重模型 GLM-5.2 逐条判定 35908 条主张。
推荐理由：官方复盘大规模复现挑战的结果数据，并给出人类在智能体科研审查中的角色判断，方法与结论可迁移到自己的研究流程。
企业 AI 的下一个真正约束是 GPU 利用率而非模型智能——GPU 按日历小时产生融资、折旧、电力和散热成本，但产出只按计算小时计，与民航客机停飞成本结构相同。
Hugging Face 披露本周检测并处置了一次由自主 AI 智能体系统端到端驱动的生产基础设施入侵，攻击者通过恶意数据集利用两条代码执行路径获得处理节点权限，窃取部分内部数据集和多个服务凭证，经查超过 17,000 条攻击事件记录。
推荐理由：官方完整披露一次由自主智能体发起的入侵与处置过程，并给出防御方需要自托管开源模型做取证的实操教训。
IBM Research 团队撰文指出，把模型路由当作分类问题在 Agent 系统里行不通，实际是成本、质量、延迟的多目标系统优化。
UC Berkeley 的 Aditya G. Parameswaran 等人提出，随着推理价格每年下降 9x 到 900x（中位数约 50x），GPT-4 级能力成本已从 2023 年初的约 $30 per million tokens 降至 $1 以下。
Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》。
剑桥大学 Clare Bryant 教授使用 Google DeepMind 的 Co-Scientist 研究病原体跨物种传播（如禽流感到人类）引发败血症等重症的分子开关。
Berkeley AI Research 发布关于自适应并行推理的研究综述，探讨让推理模型自主决定何时分解任务、并行生成多少线程并协调它们的思路。
Google DeepMind 发布 AlphaEvolve 一年来影响力汇总，该 Gemini 驱动的编码智能体已从试点扩展到科研与商业多领域。
推荐理由：官方汇总了 AlphaEvolve 一年来在科研和商业场景的具体结果与数字，可了解这类算法发现智能体落地的真实范围。