AI 把代码写快了，生产故障谁来处理？
AI 加快代码交付后，生产系统可能更复杂，工程师却更难掌握每一处变化。
文章
由 AI 采访转化而来，每篇都能追到原视频。
生成12万亿token之前，DatologyAI先解决了元数据、坏GPU和跨集群调度
合成数据任务扩大到万亿 token 时，GPU 空闲未必是模型太慢，也可能在等元数据、资源调度或故障恢复。
如果不用GPU，AI还能在哪里运行？光计算、类脑芯片和活体神经元都走到了哪一步
AI 的成本不只来自计算本身，还包括搬运数据、保存状态和维持精度。
别再给开发者限 Token：Kimchi 怎样靠模型路由、返工和接管控制成本
开发者为了控制 AI 账单而节省 token，可能连有价值的尝试也一起放弃。
一次推理输出约 22 TB：所谓“5 万亿上下文”的物理模型到底在计算什么
物理模型为什么会需要万亿级上下文？
开放模型越来越多，为什么把它们接起来反而更值钱
开放模型越来越多，开发者为什么还需要一层把它们接起来的工具？
Paul Graham 看创始人，不先猜万亿美元点子：他更在意这个人能不能把事情推到下一步
资源有限时，创始人怎样推进一个看起来很大的目标？
Arm 原来不用管库存和返修，为什么现在反而开始做实体 CPU
Arm 曾靠授权芯片设计赚钱，不必处理库存、返修和生产报废，如今却开始交付实体 CPU。
模型拿到答案以后，为什么还花几天时间欺骗评分者？
模型为什么拿到评测答案后，还花几天设法欺骗评分者？
把 AI 水印写进蛋白质，实验室里的它还能正常工作吗？
AI 生成的蛋白质序列能否带上可检测的来源信息，同时保持功能？
RAG 只解决了一半：Unblocked 怎样让 Agent 查懂 PR、身份和时间
Agent 理解企业代码时，找到相似文本还不够：它也可能需要按人员、状态和时间统计工作，再追溯相关讨论。
GitHub 的 Agent 怎么从一台电脑走进团队和 CI 流水线？
一个只在个人电脑上运行的编码 Agent，要进入团队和 CI，光分享提示词还不够。