Amazon SageMaker AI 推出代理式體驗，開發者用自然語言描述用例，AI 編碼代理即可引導從資料準備到部署的整個模型定製流程。內建的代理技能涵蓋微調技術選擇、資料轉換、質量評估等，生成可編輯的程式碼工件，支援 Amazon Bedrock 或 SageMaker AI 端點部署。本文詳細介紹了透過九種模組化技能實現定製工作流，並以醫療推理模型微調為例進行演示。

Google在2026年4月釋出了一系列重大AI更新，包括Gemini企業智慧體平臺、第八代TPU、開源模型Gemma 4、免費影片生成工具Google Vids、深度研究助手Deep Research Max、程式設計學習模式Colab Learn Mode等，同時宣佈了醫療、教育、翻譯等領域的AI應用進展。

科林·安格爾（Colin Angle）——Roomba 的創造者，曾將 5000 萬臺家用機器人送入千家萬戶——帶著一款新機器人迴歸。但這一次，它設計為伴侶而非清潔工具。他的新公司 Familiar Machines & Magic 推出的第一款機器人是一隻狗大小的機器寵物，外形介於熊、倉鴞和金毛尋回犬之間。它擁有富有表現力的面部，可動的眉毛、耳朵和眼睛，公司稱之為“Familiar”（精靈），這個名字意在喚起民間傳說中超自然伴侶的概念。該機器人使用生成式 AI 建立情感聯絡並發展獨特個性，計劃明年上市，價格與養寵物相當。

Amazon Quick 的新功能允許使用者透過自然語言提示生成完整的多工作表分析，將儀表板建立時間從數小時縮短到幾分鐘。使用者選擇資料集、描述所需內容、審查生成計劃，然後獲得可互動的分析，並可一鍵釋出為儀表板。

Amazon Quick 引入 Amazon S3 表（Apache Iceberg 格式）作為新資料來源，使用者可直接查詢和視覺化 S3 表桶中的資料，無需中間層。該功能透過 Direct Query 和 SPICE 模式實現近即時分析，簡化現代資料架構，減少資料移動，並透過自然語言互動提升洞察速度。

今天，Amazon SageMaker AI 為新的和現有的推理端點引入了容量感知例項池。您可以定義優先順序列表的例項型別，當容量在建立、擴充套件和縮減期間受到限制時，SageMaker AI 會自動遍歷您的列表。您的端點可以在可用的 AI 基礎設施上自動配置，無需手動干預。此功能適用於單模型端點、基於推理元件的端點和非同步推理端點。

本文介紹如何將面試風格的SQL查詢轉化為生產就緒、可測試且版本控制的工作流，涵蓋單元測試、CI/CD自動化及資料質量檢查。

Redis 創始人 Salvatore Sanfilippo 提交了一個 PR，為 Redis 增加了一種新的資料型別——陣列，並引入了 18 個新命令。開發者 Simon Willison 利用 Claude Code for web，將 Redis 子集編譯為 WASM 並在瀏覽器中構建了互動式演示頁面。其中最引人注目的命令是 ARGREP，它使用新整合的 TRE 正規表示式庫在伺服器端對陣列元素進行 grep 操作。Sanfilippo 還撰寫了一篇博文，介紹了 AI 輔助的陣列型別開發過程。

谷歌推出 Gemini API 事件驅動 Webhooks，基於推送的通知系統替代低效輪詢，提升長時間執行任務的效率。支援標準 Webhooks 規範、安全簽名和自動重試，可全域性或按請求配置。

本文探討了代理式AI對雲端儲存和資料訪問層帶來的前所未有的壓力。隨著AI從簡單聊天機器人向自主多步代理轉變，推理不再是無狀態計算問題，而是大規模資料問題。文章指出傳統資料基礎設施無法應對AI代理的高併發、突發讀取和不可預測訪問模式，並分析了AWS EBS的限制，最後介紹了Silk的軟體定義儲存解決方案如何解耦效能與容量。

OpenAI已籌集超過40億美元，成立了一家名為“部署公司”的合資企業，旨在幫助企業推廣其人工智慧軟體。共有19家投資者參與，包括TPG、Brookfield資產管理公司、Advent和貝恩資本。OpenAI前期投入5億美元，並可選擇追加15億美元。該合資企業建立在OpenAI的Frontier企業平臺及其與BCG、麥肯錫、埃森哲和凱捷的“Frontier聯盟”基礎上。

Open SWE 是一個基於 Deep Agents 和 LangGraph 構建的開源框架，它捕捉了 Stripe、Ramp 和 Coinbase 等公司在內部編碼智慧體方面的成功架構模式，提供了可定製的沙箱、工具集、編排和整合元件。

像GLM-5和MiniMax M2.7這樣的開放權重模型在核心智慧體任務（檔案操作、工具使用、指令遵循）上已媲美封閉前沿模型，同時成本更低、延遲更短。LangChain的評估顯示其正確率接近頂級閉源模型，使開放模型適用於生產環境。本文詳細介紹評估方法、結果及如何在Deep Agents SDK中使用開放模型。

英國科學家在《PNAS Nexus》上發表研究，證明AI系統與人類利益的完美對齊在數學上是不可能的。他們提出“管理性錯位”策略，透過構建不同價值觀的AI生態系統來相互制衡。

本文分析了AI在程式設計、科學研究和工程任務上的快速進展，認為到2028年底有60%以上的可能性實現無人類參與的AI研發——即AI系統能自主構建其繼任者。作者從SWE-Bench、METR時間線、CORE-Bench、MLE-Bench等基準測試的資料出發，論證了AI在程式碼生成、科學可重複性、競賽解決、核心最佳化、模型微調等方面的能力已接近或超越人類水平。文章還討論了AI管理AI的元技能、創造性潛力以及自動化AI研發對對齊問題、經濟生產力倍增和“機器經濟”形成的深遠影響。

本文以初學者、中級和高階三個層次解釋代理型RAG（檢索增強生成）的概念。它介紹了基礎原理、架構設計以及在實際應用中的優勢與挑戰，幫助讀者根據自身水平理解這一新興技術。

本文評測了ML Intern，一款開源機器學習助手，它超越傳統AutoML，覆蓋資料探索、編碼、除錯到模型釋出的完整工作流。透過一個客戶支援工單分類案例，展示了從資料集選擇、煙霧測試到訓練計劃生成的步驟。

每天有數百萬條由人工智慧生成的虛假內容被大規模傳播，旨在改變整個國家的輿論。從俄羅斯的CopyCop網路到惡意AI蜂群，這些系統利用開源模型和個性化資料，製造虛假共識，侵蝕民主基礎。文章探討了水印、監管的侷限性，並強調提升數字素養和迴歸可信來源的重要性。

香港機器人公司 DAIMON Robotics 釋出了 Daimon-Infinity，號稱是最大的物理 AI 全模態機器人資料集，包含高解析度觸覺感測資料，覆蓋從家庭到工廠的多種任務。公司還開源了 10,000 小時的資料。其創始人 Michael Yu Wang 教授提出了視覺-觸覺-語言-動作（VTLA）架構，將觸覺提升到與視覺同等的地位。文章還討論了觸覺感測技術、公司“3D”商業模式以及從酒店到便利店的實際部署前景。

隨著自主AI系統融入機器人、感測器和工業裝置，物理AI的治理變得更加困難。問題不僅在於AI代理能否完成任務，更在於它們與現實世界系統互動時如何被測試、監控和停止。工業機器人已提供討論基礎，市場預計增長迅速。

組織在採用AI時面臨挑戰：如何在推動增長和效率的同時不損害合規性或暴露敏感資料。本文討論了根據業務領域匹配AI風險偏好以及實施逐步資料分類的方法，基於TD銀行Naveen Kumar的見解。

谷歌在Cloud Next '26上釋出了Gemini Enterprise Agent Platform，將智慧體AI治理作為原生功能，但在企業部署中，治理仍是主要挑戰，多數試點專案未能進入生產。

傳統IT支援依賴事後修復，但數字摩擦正悄然侵蝕生產力與員工滿意度。TeamViewer ONE透過AI驅動的主動監控與自主修復，實現從被動響應到自動最佳化的轉變。文章介紹了數字摩擦的影響、向自主修復的過渡階段，以及兩家企業透過TeamViewer平臺提升系統可用性和客戶體驗的實際案例。

本期播客回顧了上週AI領域的重要新聞，包括OpenAI釋出GPT-5.5、xAI推出Grok Voice Think Fast 1.0、DeepSeek開源V4模型、Google計劃向Anthropic投資高達400億美元等。此外還討論了AI安全研究中的破壞行為、文件委託腐蝕等新研究。

Prosed 是一款 AI 工具，透過分析創作者的獨特聲音，將新聞通訊、播客、社交媒體帖子等分散內容組裝成結構化的書籍手稿。它採用專有的 Inkwell 管道，基於暢銷書結構，不僅保留作者原汁原味的表達，還提供編輯稽核、封面設計和多格式匯出功能。測試版定價 $47（前 100 位創始人），之後 $197，使用者擁有手稿完整所有權。

DeepSeek-TUI是一個基於Rust的終端程式設計Agent，專門為DeepSeek模型最佳化。近日因DeepSeek-V4釋出和作者中文宣傳而爆火，登頂GitHub熱榜。支援思維鏈顯示、上下文壓縮、RLM多子Agent並行、多種模型切換等功能。

OpenAI從華爾街19家公司組成的財團獲得100億美元融資，Anthropic也從黑石、高盛等機構獲得15億美元。AI的銷售模式從SaaS轉向私募股權主導。本週還有其他重要新聞：谷歌防務合同移除AI安全過濾器、輝達在中國市場份額歸零、Meta裁員8000人、IBM釋出Granite 4.1模型、伯克希爾年會以深度偽造巴菲特開場、Uber在Claude Code上燒光2026年AI編碼預算。

Modal團隊透過分析SGLang排程器的效能瓶頸，發現頻繁的CUDA IPC池控制代碼重新開啟操作導致主機開銷過高。他們透過一個簡單的Python字典快取替換了重複操作，在Qwen2.5-VL-3B模型上實現了吞吐量提升16.2%、延遲降低超10%的效果。該最佳化已合併至SGLang v0.5.10版本。

隨著AI從研究走向生產，AI原生團隊面臨的挑戰從構建模型轉向高效、可靠、大規模地執行模型。推理成本佔生產AI系統總生命週期成本的80-90%。Together AI透過FlashAttention-4、ATLAS自適應推測解碼等研究，結合全棧硬體最佳化和智慧排程，實現高效推理，幫助客戶改善單位經濟效益。

蘋果與普渡大學聯合提出PORTool演算法，透過生成獎勵展開樹和步驟級重要性估計，解決多工具推理中信用分配模糊問題，提升最終答案准確率並減少工具呼叫次數。