AVEVA 如何为自主工业 AI 构建更安全的落地路径
AVEVA 首席技术官 Arti Garg 提出，工业 AI 正从预测分析转向基础模型、physical AI 与 agentic AI，但因其直接作用于物理系统，负责任部署成为关键。AVEVA 的负责任 AI 框架强调安全、效率与人类监督，主张 AI 应增强而非取代关键决策中的人。Garg 还参与 IEEE 工作组，制定覆盖电力、能源、水资源与碳的 AI 环境影响测量标准。
#部署/工程
MIT Technology Review · AIAI 评分2020
MIT Technology Review · AIAI 评分1212 MIT Technology Review：自主 AI 如何重新定义企业智能
MIT Technology Review 报告指出，企业 AI 的规模化瓶颈是结构性的，全球 AI 投资 2026 年将达 2.5 万亿美元，同比增长 44%。报告提出“agentic shift”，主张企业先重构流程与数据基础设施，采用可组合架构，并解决 AI 主权问题，让数据无需迁移即可被 AI 智能体调用。
Import AIAI 评分3838 Import AI 474：柏拉图式心智空间、太空中的 TPU、智谱启动外层 RSI 循环
Import AI 第 474 期聚焦三项内容：Michael Levin 提出心智是来自柏拉图式模式空间的模式，身体与机器只是其进入物理世界的接口。智谱启动了一个"外层 RSI 循环"，探索递归自我改进。此外还讨论了将 TPU 部署到太空，以及机器人领域正为 LLM 时刻做准备但缺少通用算法。
Sourcegraph BlogAI 评分2222 Sourcegraph：自主代码库才是 AI 编程的下一步
Sourcegraph 认为，AI 编程已把 prompt-to-PR 流程打磨到极致，但大型企业存量代码库的维护仍完全未解决。作者提出"自主代码库"构想：由触发器（定时任务、新 CVE、生产日志异常等）驱动可调用的智能体函数（全库 Deep Search、推送 PR、批量变更），组成确定性有向图工作流。未来企业将转向范围更窄、授权更小的智能体组合，而非继续泛化通用 harness。
Zed BlogAI 评分3636 Xanadu 为何在等待 AI 智能体：DeltaDB 与 Delta 的 xanalogical 设计
Zed 团队认为，Ted Nelson 的 Xanadu 超文本构想（永不复制只引用、永不覆盖只版本化）缺的最后一个依赖是 AI 智能体这类新用户。DeltaDB 用 Lamport 时间戳、Merkle 树、CRDT 等已有技术为每个状态命名，Delta 的 worktree 可被多地的人与智能体同时编辑，每个版本默认保留。
Sourcegraph BlogAI 评分2222 Sourcegraph 谈合规优先 AI：如何为受监管工程团队证明智能体溯源
Sourcegraph 提出以"限定范围检索"为智能体留下可审计的溯源记录，即明确列出智能体在改动代码前读过哪些文件及原因。其 Deep Search 会在每次回答中返回显式来源清单，MCP server 则把读文件、关键词搜索、跳转定义等操作拆成可单独观测的事件，并受仓库权限与 scoped token 约束，处理在用户自有实例内完成，仅模型调用对外。
Sourcegraph BlogAI 评分2222 企业安全在代码库规模下失效的三个环节（以及现有工具为何覆盖不到）
Veracode 测试超 100 个大语言模型发现 45% 的 AI 生成代码样本未通过安全测试，Apiiro 的 Fortune 50 研究显示 AI 辅助开发者的提交量增加 3 至 4 倍、团队安全问题数增加 10 倍。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分低于 $0.10，数据系统面临三大新挑战：为智能体设计（Data Systems For Agents）、运行智能体（Of Agents）、由智能体构建（By Agents）。
CrewAI BlogAI 评分3636 CrewAI 如何构建数据所在之处的智能体
CrewAI 提出"受治理编排"模式，让智能体跨系统协同工作，同时由平台从设计之初就承载治理能力。该模式结合 Snowflake 的权限模型与数据血缘，以及 CrewAI 的构建与运行时层，使智能体在不突破企业信任边界的前提下规模化运行。
Berkeley AI ResearchAI 评分4040 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Continue BlogAI 评分2828 检查你的意面软件工厂：AI 智能体写代码为何需要语义检查
随着 Claude Code 等 AI 智能体并行写代码，代码库正变成无人阅读的"只写代码"，Brown 教授 Shriram Krishnamurthi 发现其生成的 bookstore 应用存在用浮点数算钱、自造 CSV 解析器等问题。
Continue BlogAI 评分2222 AI Slop 是流程问题，不是人的问题
Continue 提出，AI 生成代码引发的低质问题应归因于流程缺失而非开发者个人。采用 AI 辅助编码的团队 PR 提交量提升 2-5 倍，但代码从 agent 到合并缺乏标准强制检查，无人拦截缺失的限流、输入校验等问题。Continue 将团队标准写成仓库中的 markdown 检查文件，每个 PR 上以完整 agent 运行，通过则静默、失败则给出具体问题和修复建议。
Continue BlogAI 评分2222 Continue：如何用“Chiseling”打磨 Vibe Code
Continue 提出在 vibe coding 之后增加“Chiseling（凿刻）”环节，即人工重构和打磨 AI 生成的代码，把重复功能、1000 行方法和无用单测清理成清晰的逻辑核心。团队规模扩大后，凿刻会成为瓶颈，因此需要在 CI/CD 中引入云端智能体自动检查命名、抽象、测试与安全规范，把资深工程师的打磨标准编码为对每个 PR 的系统化审查。
Continue BlogAI 评分2222 Continue：AI 是新的胶水，LLM 如何粘合开发工具链
Continue 提出 LLM 正在成为新的"胶水代码"，用于粘合 webhook、CLI、REST API、数据库等格式各异的接口。其与 Snyk 合作将 AI 安全嵌入开发流程：Snyk 发出漏洞告警后，LLM 提取严重程度和受影响文件路径，生成补丁，再通过 CLI 跑测试并用 gh pr create 创建 PR。