用企业上下文创造 AI 价值：MIT Technology Review Insights 报告
MIT Technology Review Insights 调查显示，尽管所有受访企业都在使用 AI，仅 16% 从中获得变革性价值，23% 收益极小或没有收益。38% 的企业仍处于试点阶段，35% 用 co-pilot 或聊天助手辅助员工工作，仅 12% 将 AI 智能体投入生产。报告认为缺失的是“上下文层”——位于业务系统与 AI 平台之间、把企业知识转化为受治理且机器可用上下文的基础设施。
#部署/工程
MIT Technology Review · AIAI 评分2222 Latent SpaceAI 评分5858 为什么智能体偏爱 Supabase：与 Paul Copplestone 和 Ant Wilson 的对谈
Latent Space 与 Supabase 创始人 Paul Copplestone、Ant Wilson 首次同台播客，讨论为什么智能体偏爱 Supabase。
Latent SpaceAI 评分6060 Anthropic 如何用 Claude 造 Claude：把大脑和手分开
Latent Space 播客对话 Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang，复盘 Opus 5.5 的发布过程，并解释 Claude Managed Agents 为何把会话日志与 harness 同执行代码的沙箱分离。
Latent SpaceAI 评分6262 Anthropic 平台团队谈如何安全交付全球第一 LLM：把大脑与手分开
Latent Space 邀请 Anthropic 的 Katelyn Lesse 和 Angela Jiang 讲解 Claude 平台背后的工程实践，包括 Opus 5.5 的发布、把模型的大脑与智能体的手解耦、API 扩容以及构建可靠的托管智能体。
MIT Technology Review · AIAI 评分2222 工业智能：制造业的下一个增长机会
制造业的工业智能由员工经验、运营数据与业务理解构成，关键在于把分散的知识送到每个决策点并与物理生产环节连接。Toyota Industries 打通原本割裂的涂装车间数据后，分析周期从五天缩短到四小时以内，试点中相关涂装缺陷减少约 25%。
MIT Technology Review · AIAI 评分2020 如何设计一套可持续演进的 AI 服务框架
EXL 在《Engineering the Harness》系列中探讨企业 AI 的生产化挑战：决定智能能否可靠、经济、规模化交付的关键，是模型之外的 serving harness，涵盖架构、内存管理、调度与推理优化。文章主张从工作负载而非模型出发，先测量再优化，并以适配变化为目标，让换模型成为评估与配置决策而非架构重建。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 团队提出，GPT-4 级能力价格已从 2023 年初的约 $30/百万 token 降至如今不足 $1，部分厂商低于 $0.10，推理价格年降幅在 9x 到 900x 之间、中位数约 50x。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述并行推理进展，重点分析自适应并行推理：让模型自行决定何时分解并并行化子任务、开多少并发线程以及如何协调。现有 self-consistency、Best-of-N、Tree of Thoughts、MCTS 及 ParaThinker、GroupThink、Hogwild! Inference 等方法，其并行结构与搜索策略多由模型外部预先设定。