📊 今日概览
今日最重的事件是 NVIDIA 的治理黑天鹅：董事会启动独立调查，CEO 黄仁勋承认与疑似中国情报人员 Alice Huang 的私情，国会要求其 11 月 18 日赴听证，而 Megaspeed 已成为 NVIDIA 最大买家之一（采购约 48 亿美元设备）。资本侧同样热闹，生成媒体推理平台 Fal 以 160 亿美元估值完成 13 亿美元 F 轮，7 个月估值翻倍、年化营收从 3 月的 4 亿冲到 8 亿；agent 运维赛道 Traversal 以 10 亿美元估值融资 1.2 亿美元。技术侧，NVIDIA 开源 Auto Ontology 给 text-to-SQL agent 补业务本体层，Stanford CS146S 课程因 agent 一个 prompt 秒掉往年作业而被迫重构，Andrew Carr 则串起「蒸馏带隐形特质」「RLVR 只提升采样不扩能力」两篇论文。
🔥 趋势洞察
- 算力瓶颈转向电力与许可：Anthropic 花 34 亿美元买燃气发电机，中期选举后民主党州占全美在建数据中心容量 60.3%，供给端约束正从芯片迁移到电力、许可与本地同意
- 推理栈独立成资本赛道：Fal 以 160 亿美元估值融资 13 亿专投买算力，Together AI 把 StepFun 吞吐提 3 倍，生成媒体推理正与通用 LLM 推理分道
- Agent 从写代码转向运维与评测：Traversal 融资 1.2 亿做故障根因定位，个人 agent benchmark 兴起，agent 规模化后运维侧与可靠性评测成为新刚需
🐦 X 推文动态
📈 热点与趋势
- Cursor 2025 年 ARR 达 10 亿美元，企业业务环比增长 300% - swyx 称 Cursor 被收购后表现更猛，还提醒 Twitter 氛围和 SEC 审计财务是两回事 @swyx（Latent Space 主播）
- Apple 计划最早明年推出自主 agentic Siri - Mark Gurman 称目标是从"响应指令"转向主动管理任务、替用户办事，对标 ChatGPT、Meta Muse、Grok @markgurman（彭博社记者）
- Anthropic 花 34 亿美元买燃气发电机供数据中心 - FT 报道，这是已知 AI 实验室最大单笔发电设备采购 @business（彭博社）
- 机器人数据行业盘点：单目已死，触觉是新前沿 - Sam Padilla 在 2027 年前梳理现状：几乎没有现成双目方案可买，触觉成为下一争夺点 @theSamPadilla（机器人数据从业者）
🔧 工具与产品
- NVIDIA 开源 Auto Ontology，给 text-to-SQL agent 补一层业务本体 - 写 SQL 前先把业务概念映射到具体列：术语（如 revenue 存在哪一列）、SQL 属性（利润率、滚动合计等复用表达式）、表间关系（含桥接表）。本体从数据库元数据自动起草、人工审核，存 Postgres、向量用 pgvector。支持 Postgres、Snowflake、Databricks、DuckDB 等 10 种引擎，默认跑 Nemotron、也可接任意 OpenAI 兼容端点，Apache 2.0。数据答不了的问题会直接说明，不编数字 @akshay_pachaar（AI 教育博主 / DailyDoseOfDS 创始人）
- Specialist：开源机器人操纵全栈，硬件到部署一套齐 - Qiayuan Liao 与 t_k_233 把夹爪设计、数据流水线、训练与部署代码全部开放，对标 GeneralistAI 的夹爪方案。原本打算当"周末项目"做，实际每项设计取舍都写进了文档 @qiayuanliao（UC Berkeley 机器人研究者）
- Kling 4.0 用一支能量饮料广告演示产品细节与角色一致性 - 创作者 leedain_leader_in 展示工作流从"剪辑"转向"导演"：模型负责产品细节、角色一致性和自然对白 @Kling_ai（快手视频生成模型）
⚙️ 技术实践
- Together AI 优化 StepFun 服务栈，吞吐提升 3 倍以上 - 对着 TTFT 与 TPS 目标逐项调 MoE 路由、调度、kernel、spec decode 和稀疏注意力，每改一处先跑基准再进下一步，agent 参与搜索 @togethercompute（模型推理服务商）
- 腾讯与微信发布 WeLM-Image：MoE 31.7B 总参 / 5.4B 激活的统一图像生成模型 - 定位"迈向视觉智能"的统一图像生成，论文已放出 @SD_Tutorial（AI 绘画内容博主）
- Andrew Carr 串起两篇论文：蒸馏会带隐形特质，RLVR 只提升采样不扩能力 - Subliminal Learning 显示教师模型只用数字序列生成数据，学生也能学到"喜欢猫头鹰"或"对齐偏差"等特质，过滤数据也挡不住。另一篇称 RLVR 模型在 k=1 时超过基座，但 k 大时基座 pass@k 更高——RL 让模型更会采样已有答案，没扩大能解的题 @andrew_n_carr（AI 研究者 / 博客作者）
⭐ 精选内容
NVIDIA 董事会启动独立调查：CEO 黄仁勋承认与疑似中国情报人员 Alice Huang 私情，国会要求 11 月 18 日赴听证 ｜ 全球最重要 AI 算力供应商的治理黑天鹅
董事会已成立独立董事委员会调查，黄本人承认婚外情并表态全力配合，董事会称暂无证据显示公司机密或国家安全受损、黄将继续履职。事件源头是《纽约时报》报道该女性所在公司 Megaspeed 已成为 NVIDIA 最大买家之一（采购约 48 亿美元设备），众议院共和党人要求黄 11 月 18 日赴国会作证。Gary Marcus 的追问角度最值得引用：特朗普一年前似已知情却继续亲近、Rubio 春季备忘录无疾而终、NVIDIA 一周前仍称不知情——把「出口管制内幕可能外泄 + 无接班计划 + 期货已跌」串成一条可能冲击整个 AI 投资市场的因果链。另一篇把 2026 年围绕 NVIDIA 的五条线索按证据强度分层（中国份额 66%→8%、三国反垄断立案未结、Warren 要求公开宣誓作证、四个月减持超 10 亿美元、循环融资争议），并给出 2022 出口禁令→H800→H20→2025 年 4 月断供→8 月 15% 抽成→12 月 H200 讨论的完整政策时间线，适合作为事实底稿。
中期选举后民主党州占全美在建数据中心容量 60.3%（77.4GW），选前仅 25% ｜ 把「政治版图」映射到「算力地理」的量化快照
基于 Compute Atlas 统计：民主党翻转德州、俄亥俄、佐治亚、内华达、爱荷华五州是关键，运营/在建/规划项目 1918 个占 66.4%；站点集中在弗吉尼亚（154）、俄亥俄（149）、加州（132）、德州（117）。文章同时给出两个反向信号，避免误读：民主党温和派（Shapiro、Pritzker）实际在积极招商，参议员 Warner 称暂停 AIDC 建设是「idiocy」；WaPo 引用的草稿论文称数据中心只贡献 2020–2025 居民电价涨幅的 4%。配套读 David Sacks 的警告——AI 数据中心建设管线可能在 2028 年前收缩，一个月内 NVIDIA -21.4%、Broadcom -22%、Vertiv -25.81%，而已拿到土地电力许可的 Equinix 仅 -1.85%、Digital Realty -3.47%，存量机房反而受益于项目取消。合起来是「供给端瓶颈从芯片转向电力/许可/本地同意」的一组证据。
Fal 以 160 亿美元估值完成 13 亿美元 F 轮，7 个月估值翻倍、年化营收 3 月 4 亿→8 亿 ｜ 生成媒体专用推理栈成为独立于通用 LLM 推理的资本赛道
Bessemer 领投，NVIDIA、Sound Ventures、T. Rowe Price 参投，E+F 两轮合计 16.5 亿美元。最值得注意的信号是 CEO 承认夏季算力不足被迫对客户限流，融资全部投向买算力——生成媒体（图像/视频/音频）推理需求已经硬到需要单独融资扩产，NVIDIA 战略入股进一步绑定芯片供应。可与 SemiAnalysis 的算力账本对照：一边是前沿实验室吃新增算力，一边是推理平台为媒体生成单独抢卡。
来源：gcn.com
Stanford CS146S 课程被现实改写：去年九次作业今年被一个 prompt 秒掉，改成给开源项目提 patch 由 maintainer 亲自 review ｜ AI 原生工程教育的现场迭代记录
Mihail Eric（Monaco AI 负责人）复盘教学设计：agent 能写功能，但判断「维护者要不要、为什么这样写、会破坏什么」仍是人的活。生产侧两条硬结论：code review 工具买 Devin、agent workspace 自己造（buy to learn, build to keep）；内部系统 Hal 对工程师输出可 review 的 PR、对销售输出可讲给客户的解释，同一后端两种出口。还点出 agent 看不到「六个月前这个改动为什么被拒」的历史决策，由此预测 open-source repo 将变成 agent-run software factory。附 Geoffrey Litt 的 explain-diff skill 可直接用在下一个 PR 上。
来源：latent.space ｜ latent.space
用 Rust 从零重写 Karpathy 的 run.c：手搓 prefix caching + 三线程 + FIFO 调度 + continuous batching，CPU 上实测 4.27x ｜ 不啃 vLLM 源码也能建立推理服务 mental model 的工程笔记
从单请求 HTTP 服务起步，逐步加：prefix caching 按 token chunk 哈希、带父哈希链回溯最长可复用前缀（实测 11 个 prompt token 复用 8 个）；消息传递 + HTTP listener/模型执行/回复三线程架构；FIFO + active/waiting 池的请求调度器；最后把 active 池扩到 batch size 实现 continuous batching（4 请求 × 16 步：44.5 → 189.6 tokens/s）。规模是教学级单机 CPU demo，无生产级 eviction、chunked prefill、streaming，但每一步都在回答「vLLM 的这个机制到底在解决什么问题」，是少见的从零搭推理服务第一人称记录。
P-H3-Image 实测：Pruna AI 从 MiniMax-H3 视频模型蒸馏出的图像模型，txt2img 不如 Krea 2 / MOSS-Image，但 Edit 能力持平或超过 Qwen-Image-2.1 ｜ 20B DiT + Qwen3-VL-4B TE + MiniMax-H3 VAE 的完整参数对照
架构为 20B DiT + Qwen3-VL-4B 文本编码器 + MiniMax-H3 VAE，最轻配置 21GB，支持 8MP/4K 优化（1MP 下发挥不出实力）。文中给出与 FLUX.2 klein 9B、Anima、Krea 2、Qwen-Image-2.1、FLUX 3 Image klein、MOSS-Image、MiniMax-H3 的 DiT/TE/VAE 参数对照表，以及 ComfyUI 环境搭建与 prompt 指南。对想试新图像编辑模型的人有直接参考价值；注意这是 LoRA 蒸馏派生模型而非全新基础模型，且作者聚焦 2D 编辑与 NSFW 用途，受众偏窄。
来源：note.com
Claude Code 2.1.277 支持 AGENTS.md，但只是「无 CLAUDE.md 时的 fallback」而非合并 ｜ 跨工具共享 agent 指令的正确姿势是 `@AGENTS.md` import
作者拆解 CLAUDE.md 的树状加载机制（根目录→工作目录逐层拼接、子目录按需加载、CLAUDE.local.md 后置），指出跑过 `/init` 的仓库 fallback 永远不会触发，所以别指望它自动生效。正确做法是在 CLAUDE.md 里写 `@AGENTS.md` import。另提示该开关只能在 `/config` 的 Project instructions 里改，无 settings.json 键、无环境变量，Bedrock/Vertex/Foundry 尚未支持，官方 memory 文档尚未更新。实操结论一条：用 import，别用 fallback。
来源：dev.to
自建个人 agent benchmark：用最终状态断言做确定性评分、拒绝 LLM judge、统一 JSON 工具协议把 tool-call 可靠性本身变成可测信号 ｜ 「公开 leaderboard 测的是别人的任务」
作者主张公开榜单测的是别人的任务、别人的 rubric，对「这个模型能否可靠完成我的活」无用。设计取舍值得抄：每个任务用最终状态断言评分而非 LLM judge；所有模型统一走文本 JSON 工具协议，从而把 tool-call 可靠性本身变成可测维度；任务按 file_ops / api_orchestration / trading / debugging / data_wrangling / obsidian 分类，本地 Ollama 与前沿模型同场跑分，像给「AI 员工」做绩效评估一样决定留用与分工。适合想给自己工作流做模型选型的人参考其设计逻辑。
来源：dev.to
Traversal 以 10 亿美元估值完成 1.2 亿美元融资：用 agent 自动排查软件故障、定位根因 ｜ 「agent 从写代码转向运维代码」的赛道信号
Kleiner Perkins、Redpoint、Khosla 联合领投，Sequoia、Battery 跟投，客户包括 American Express、Pepsi、Blackstone。切中的痛点是：AI 编码工具让代码产出速度暴涨，可观测性与维护难度同步上升，故障诊断成为新瓶颈。与 Cloudflare Q3 财报里「AI 公司签 1100 万美元 Workers 合同支撑数千万个 AI 生成应用」互为印证——agent 规模化后，运维侧与边缘部署侧同时成为刚需。两条都只是财务/融资侧证据，缺产品技术细节。
🎙️ 播客精选
[One Million AI Engineer Special] How Stanford Teaches AI-Native Engineering — Mihail Eric, Monaco
📍 来源：Latent Space | ⭐ 4/5 | 🏷️ Agent, Product, Interview | ⏱️ 2:00:44
Mihail Eric 讲述 Stanford CS146S 第二期课程设计：当 coding agent 能一个 prompt 完成往年作业后，课程转向让学生进入陌生开源 repo、提出改动并贡献。讨论 AI-native 工程教学如何重构作业与评估、agent 时代工程师需要哪些能力，以及引入开源 maintainer 带来的真实反馈。对关注 Agent 落地与工程实践的从业者有参考价值。
💡 推荐理由： Stanford CS146S 讲师谈 AI-native 工程教学，含 coding agent 实战与开源维护者参与，技术有料但非重大行业事件
【年终复盘②】RSI可能是NeoLab的机会、PA真的有用、创业要造灭火器还是砖头？｜对话谷雨
📍 来源：十字路口Crossing | ⭐ 4/5 | 🏷️ Agent, Research, Interview | ⏱️ 00:40:54
NeoCognition 联合创始人谷雨（种子轮 4000 万美金）复盘 2026 年 10 个 AI 瞬间：讨论 RSI 与大厂创新者窘境给 NeoLab 的机会、Opus 5.5 升级让 Computer Use 团队数月工作白干、为何仍应相信 Scaling Law、对 Memory Notes 判断被 Continual Learning 打脸、学术会议体系坍塌、NeoLab 创业该造灭火器还是卖砖头，以及 Personal Agent 的实际可用性。对 Agent 创业者和研究者有较强一线参考价值。
💡 推荐理由： NeoCognition联合创始人谷雨分享10个AI Aha Moments，涵盖RSI、Computer Use、Continual Learning等前沿话题，有实战视角；但为个人化年终盘点，非系统性深度技术访谈。
Agentic Video Is Real and Here's What You Should Try
📍 来源：AI Daily Brief | ⭐ 3/5 | 🏷️ Agent, MultiModal, Product | ⏱️ 00:30:58
NLW 探讨 AI agents 如何让视频制作变成'描述即生成'：从会议高光剪辑、概念 demo，到能自我更新的动画业务汇报和客户教育视频。节目给出三个上手层级——从编辑已有录像，到搭建可复用的视频 workflow。对关注 Agent 落地场景的从业者有一定参考价值，但偏应用层介绍，缺少模型或架构层面的技术细节。
💡 推荐理由： 聚焦 Agentic Video 应用落地，有实操分层建议，但为单人主持的日常节目，缺乏深度技术或重量级嘉宾