AI 正在改变半导体晶圆厂运作:工程师研发效率显著提升
NVIDIA 加速计算与物理 AI 正在构建“AI 定义的晶圆厂”,大幅缩短半导体制造的复杂仿真周期并加速工程决策。COMSOL 与 Applied Materials 采用 cuDSS 实现最高 10x 仿真加速,PhysicsNeMo 将形貌仿真提速最高 35x,Siemens 集成 cuLitho 带来最高 17x 计算光刻加速。
NVIDIA 加速计算与物理 AI 正在构建“AI 定义的晶圆厂”,大幅缩短半导体制造的复杂仿真周期并加速工程决策。COMSOL 与 Applied Materials 采用 cuDSS 实现最高 10x 仿真加速,PhysicsNeMo 将形貌仿真提速最高 35x,Siemens 集成 cuLitho 带来最高 17x 计算光刻加速。
Latent Space 专访了估值达 88 亿美元的法律 AI 平台 Legora 的 CTO Jacob Lauritzen,深入探讨了构建法律智能体的架构与工程挑战。
OpenAI CEO Sam Altman 在 Cheeky Pint 播客中表示,内存供应紧张时,将 RAM 集中在数据中心比放在个人电脑上更合理。他认为,本地推理会让有限的 DRAM 分散在使用率仅为 5% 的个人电脑中,而云端应追求更高利用率。
多人游戏 Spawn 采用 Fable 模型驱动的自主智能体集群直接维护生产代码,每月消耗超 300 万美元模型 token 并实现每小时发布更新。智能体直接读取线上报错与监控告警,通常在 1 小时内自主完成判定、代码修复并交付给用户,同时支持在 30 秒内对异常变更进行局部回滚。作者指出高频交付有助于智能体在短上下文内保持连贯,为探索前沿编码智能体的能力边界提供了极端工程范例。
AI 智能体需要实时监控,但两位作者参与的研究发现,当前智能体框架缺少支撑安全监督的关键可观测性记录。研究考察了使用最广泛的四个框架,发现持续有效的智能体身份标识、人类审批等记录存在缺口,难以追溯行动主体及判断行动是否获授权。作者建议分别记录行动过程与决策依据,并通过 OpenTelemetry 等补齐工程层面的记录,同时指出 CoT 是否忠实反映决策、置信度能否可靠测量仍是开放研究问题。
Latent Space 访谈 Supabase 创始人 Paul Copplestone 和 Ant Wilson,解析其如何减少 AI 智能体搭建和运行应用时的后端配置工作。
UC Berkeley 研究团队提出随着推理成本大幅下降,数据系统将围绕面向智能体、依托智能体以及由智能体自动构建三大方向展开重塑。面向智能体需要针对高频推测式探索优化批量查询与跨计划复用;依托智能体需要超越纯文本文件以构建多维属性的结构化记忆与并发一致性基底;同时智能体正具备按工作负载直接合成专用数据引擎的能力,重点在于规避奖励黑客并提供形式化验证。
推荐理由:原文系统梳理了智能体负载对传统数据库架构的冲击,为开发者重新设计数据存储、状态管理与合成引擎提供了清晰的方向参考。