ITPub博客

正常运行时间 数据中心硬件 构建与设计 AI 数据中心 行业趋势 从机架级电池到 BESS 和固态变压器，新的电源架构正在重塑 UPS 在数据中心中的位置以及是否还应有其一席之地。 不间断电源（UPS）长期以来一直是数据中心供电链路中的关键要素，既提供电源调节，也提供弹性保障。随着基础设施在供电链路两端不断演进，这一核心角色正日益受到质疑。在负载侧，AI 驱动的密集化正在从机架向外重塑设施。在电网侧，可再生能源、微电网和现场发电的更高程度整合正在改变输送到数据中心的电力特性。 尽管 UPS 对于确保正常运行时间仍然至关重要，但它也会引入风险，并可能导致停机。根据 Uptime Institute 的《2026 年年度中断分析》，在过去三年报告的信息技术服务中断中，与电力相关的问题造成了超过五分之一。

在 Amazon Bedrock 上构建有据可依的 AI 时，Qlik Answers 解决了一个常见的企业难题：员工并不缺少数据。他们缺少的是一种快速的方式，能够对数据提出真正的问题并获得可信的答案。分析师花费数小时在文档、仪表板和机构记忆中搜索，只为回答同事一句话就能提出的问题。而当组织试图用生成式 AI 来弥合这一差距时，许多人都会撞上同一堵墙：答案没有来源、无法验证结果，也没有在受监管环境中部署该工具的路径。 Qlik 是数据集成、数据质量、分析和 AI 领域的全球领导者，它构建了 Qlik Answers，为其全球超过 40,000 家客户解决这一问题。

能源与供电 AI 数据中心 超大规模企业 数据中心芯片 行业趋势 AI 数据中心的快速功率波动威胁电网稳定性，需要芯片制造商、运营商、公用事业公司和基础设施提供商协同制定从芯片到电网的策略。 AI 数据中心开发商和运营商不仅被迫面对设施耗电量的问题，还要应对电力需求激增和骤降的速度——这种波动会产生频率偏移，并可能波及整个电网。在近期于达拉斯举行的 Data Center World Power 大会（2026 年 9 月 21 日至 23 日）上，与会专家警告称，极端事件——例如 AI 用电量突然下降数百兆瓦——如果得不到缓解，可能引发大范围扰动。 现代电网的设计初衷是可靠性和稳定性。早晚用电高峰可以预测，这使电网运营商有时间启动额外发电机组，然后再逐步降低出力。

能源与电力供应 数据中心建设 AI 数据中心 超大规模企业 新闻 电力限制正推动运营商转向现场发电，但 2030 年之后的不确定性引发了关于应建设多少基础设施的疑问。 根据麦肯锡《2026 年全球能源展望》，数据中心电力需求到 2030 年可能以 24% 的复合年增长率增长，但电力基础设施的可用性将决定开发商能够上线多少计算容量。 该预测将数据中心列为最重要的新增电力需求来源之一，同时凸显了该需求在 2030 年之后将如何演变的不确定性。 对开发商而言，当务之急是获取足够的电力以满足计算需求。长期投资决策还必须考虑 AI 效率的提升以及需求发展可能与预期不同的可能性。

Lara Schull 和 Akshat Mahajan 如今，终端用户承担了过多的在线隐私负担。为了避免第三方跟踪器或定向广告，用户被要求使用 VPN、禁用 Cookie 或安装广告拦截器。与此同时，一些应用开发者最终对用户的了解超出了他们愿意知道的范围：一次典型的客户端-服务器交换会产生一串用户数据痕迹，例如客户端的 IP 地址或 TLS 指纹。这种程度的可见性可能成为一种负担。 这就是 Cloudflare 构建基础设施的原因，帮助开发者将隐私融入他们的应用中。Oblivious HTTP（OHTTP）是一项 IETF 标准，旨在使应用后端能够接收 HTTP 请求而无需看到用户 IP 地址。 今年秋季，我们将推出 Cloudflare OHTTP Gateway。

上个月，我们为付费用户推出了首批 GPT‑6 模型，今天，我们通过一款全新的 GPT‑6 模型，将这一代智能带给更多用户——面向每周使用 ChatGPT 的超过 12 亿人。 ChatGPT 中的 GPT‑6 引入了智能 UI，这是一项新能力，让 ChatGPT 能够通过完全交互式的用户界面快速作答，使日常回答更加直观，让学习复杂主题变得更加容易，并且能够即时创建工具来解决问题。 拆解一辆 7 速自行车的设计 一辆 7 速自行车由车架、车把、车轮和手刹组成。七个档位让骑行者可以调整踩踏力度，而传动系统则将力度转化为运动。 直立车把引导转向，档位调节力度，手刹控制速度。 车架承载骑行者；传动系统将力度转化为运动。选择一个系统，探索它的作用。 两个三角形连接车座、转向系统和踏板。前叉固定前轮，并随车把转动。

发布于 2026 年 10 月 7 日，作者：CNCF Staff 本文重点介绍的 CNCF 项目 CNCF 技术监督委员会（TOC）投票通过，接受 Meshery 成为 CNCF 孵化项目。 Meshery 被航空航天、电信、网络和企业软件等领域的组织所使用，作为一个统一的云原生管理平面，为工程团队提供对其 Kubernetes（容器编排平台） 和云原生环境的统一生命周期、配置和性能控制，而无需为所运行的每个服务网格拼凑一套独立的工具链。 “Meshery 从来不是针对某一种基础设施。它关乎团队如何共同设计、配置和管理所有基础设施。当 AI 生成基础设施变更的速度超过任何团队审查它们的能力时，行业缺少的不是自动化，而是监督。

AI 智能体正在成为开发工作流的标准组成部分，但通用智能体在设计时并未考虑 NVIDIA DOCA 等专用基础设施软件。缺乏领域特定知识时，智能体可能会依赖猜测。这在基础设施开发中是个问题，因为每次纠错周期都会占用部署时间。 DOCA 是统一软件平台，可充分释放 NVIDIA BlueField 数据处理单元（DPU）在智能体 AI 基础设施中的潜力。它涵盖加速网络、AI 原生存储、芯片内安全、遥测和生命周期管理。它是基于 NVIDIA BlueField 构建的团队的开发平台。 DOCA AI 智能体技能现已在 GitHub 上提供。这些技能提供了结构化、经过验证的基础，以解决通用 AI 智能体在 DOCA 开发中的不足。它们为智能体提供经过验证的 API（应用程序编程接口） 签名、硬件能力要求和构建约束。

更新于美国东部时间2026年10月10日15:29 企业IT团队部署应用的速度前所未有地快，但他们检测和解决生产问题的能力却未必能同步跟上。 混合基础设施、云原生应用和互联数字服务日益增长的复杂性，正在给传统监控方法带来压力。随着各组织加速软件交付并扩大AI的使用，IT运营团队必须在维护应用性能和业务连续性的同时，管理日益复杂的环境。 “我们的AppDev研究表明，63.7%的组织每天或每天多次部署应用，而46.5%的组织报告称，过去三年所需的部署速度提高了50%至100%，”theCUBE Research的实践负责人兼首席分析师Paul Nashawaty表示。“然而，32.3%的组织仍需数小时才能察觉到生产问题。这些发现凸显了加速软件交付与维持实时运营可见性能力之间日益扩大的脱节。

卫星 5G Open RAN 新闻稿 OCUDU 生态系统基金会最新版本扩展了网络性能、部署灵活性，以及面向 CU/DU 开源软件的定位与安全能力。#pressrelease OCUDU 生态系统基金会是由 Linux 基金会主办的协作倡议，旨在推进开源 RAN 生态系统。该基金会今日宣布 OCUDU 26.10 正式发布。OCUDU 技术项目的这一新版本显著扩展了该项目开源 CU/DU 平台的能力，新增 3GPP Release 17 非地面网络（NTN）支持、8T8R MIMO、增强波束成形与多波束操作、O-RAN Split 7.2b、原生 5G 定位，以及旨在降低时延和增强安全性的新能力。

AWS 的新决策模型带着一个熟悉的地址而来。10 月 1 日发布的 Strands Decider 2B 是一个基于阿里巴巴 Qwen3.5 构建的开放权重模型。但将其作为服务器运行时，它会在 /v1/systemone 上响应——这与初创公司 TypeSafe AI 在两周多前随 Jev 一同推出的端点完全相同。 在三周内，决策模型从一家初创公司的实验变成了一个品类。OpenAI、Upstage、Perplexity 和 Cloudflare 提供托管决策模型，而 AWS 和独立开发者已在 Hugging Face 上发布了开放权重。标准化最快的是 TypeSafe 的 schema——即请求和响应的结构——即使供应商在自己的 URL 和端点下发布它。

更新于美国东部时间2026年10月10日16:22 随着人工智能承担更多常规工作，专业服务公司正在重新思考如何交付客户价值，将注意力转向人类判断、可信成果和新的运营模式。 这一转变正在改变公司构建项目、管理知识和衡量成功的方式。普华永道英国合伙人兼咨询软件行业负责人Matt Cook和Certinia Inc.首席商务官Prasad Narasimhan Sulur表示，组织并非仅仅加速现有流程，而是开始围绕AI驱动的执行重新设计工作流，同时保留客户所期望的专业能力和问责机制。 “我们看到AI领导者胜出的地方在于，他们不只是部署更好的工具。他们实际上在重新设计价值创造的方式，”Cook说。“所以，这不仅仅是关于如何更快地达到结果。

人工智能与机器学习 新闻稿 此次合作将 Eminence Grey 的主权 AI 平台与 Lumen 的物理基础设施和可编程网络相结合，帮助各组织安全地连接从边缘到云的 AI 环境。#pressrelease Eminence Grey 与 Lumen Technologies（纳斯达克代码：LUMN）今日宣布建立合作伙伴关系，为政府机构、企业和 AI 创新者交付主权 AI 基础设施。随着 AI 从实验阶段迈向生产阶段，各组织日益面临一项新挑战：如何在不牺牲安全性、性能或运营控制的前提下，将 AI 部署于敏感的、关键任务数据之上。 此次合作将 Eminence Grey 的主权 AI 平台与 Lumen 的物理基础设施和可编程网络相结合，覆盖从边缘到云的整个范围。二者共同为全美分布式 AI 环境打造了安全基础。

在生产环境中运行应用程序意味着要在各种中断中保持“始终在线”的姿态。基础设施会故障；依赖项会变慢，网络会发生分区，这些并非罕见的例外，而是大规模运行时的常态。承受并从这些中断中恢复是一项核心要求，而非事后才考虑的事情。 在实践中，这一要求体现为你可能已经熟悉的一系列时刻。客户注意到服务中断，或者告警触发，而根本原因可能是多种多样：GPU 抛出硬件故障导致实例上的任务失败，可用区发生网络事件，或者你依赖的日志后端变慢并悄然拖累你的应用程序。这些都不罕见，也都不会等待一个方便的时间。重要的是接下来会发生什么，以及其中有多少需要你来处理。 “基础设施会故障；依赖项会变慢，网络会发生分区，这些并非罕见的例外，而是大规模运行时的常态。” 在 Amazon ECS 上，我们的目标是为你处理大部分此类问题。

我第一次尝试氛围编程（vibe coding）时彻底失败了。 我摇了摇头，盯着屏幕。好吧，这显然不适合我。我开始确信问题出在AI身上。 我已经上传了那个可用的Excel电子表格，其中已经包含了我希望AI复制的业务逻辑、工作流程和计算。对于“人工智能”来说，把它转化为一个应用程序能有多难？结果一团糟。我关掉了浏览器，将近一个月都没有再碰它。 后来有一天晚上，几乎是勉强地，我决定再试一次。二十分钟后，我不再感到沮丧。我感到不安。 在第二次尝试中，我只改变了一件事：我不再要求AI推断我的意图，而是解释我想要的结果。我描述了用户旅程、评估流程、注册过程、评分逻辑和预期行为。大约在第五或第六个提示词时，我意识到我已经不再像程序员那样思考，而是开始像一个具备足够技术深度来指挥机器的产品负责人那样思考。

Cloudflare 正在收购由 Node.js 创始人 Ryan Dahl 联合创办的初创公司，这家公司长期以来一直是其竞争对手，并且最近构建了 Cloudflare 无服务器计算平台的自有开源版本。 该公司于周五宣布，Deno 背后的整个团队——这个 JavaScript 和 TypeScript 运行时——将加入 Cloudflare。Deno 的独立运行时和云托管服务将被逐步关停，其工程师将把注意力转向 Cloudflare Workers，这是 2017 年推出的无服务器计算平台，允许开发者运行应用程序而无需管理底层基础设施。 交易条款未披露。 Deno 于 2018 年问世，是 Dahl 为解决 Node.js 缺陷所做的尝试，尤其是在安全性和依赖管理方面。

宽带 人工智能与机器学习 数据中心 光网络 新闻 同样在今天的EMEA地区综述中：Vodafone及其合作伙伴联手进行基于5G的电视广播试验；Arelion携手Nokia扩展频谱；芬兰又迎来新一天，又一座数据中心计划。 总部位于英格兰西北部的互联网服务提供商Opus Broadband已向英国政府发出公开信，批评其允许BT收购TalkTalk消费者业务部门的决定。这封信由该公司董事长Mike Ellwood署名，信中表示，虽然Opus支持政府介入以帮助维护数十万弱势客户的网络连接，但它认为这一目标本可以在BT不吞并TalkTalk的PXC批发部门和消费者业务的情况下实现。Ellwood写道：“当存在可信的独立买家时，为保护弱势客户而采取的紧急干预措施不应导致150万零售客户被永久转移给BT。”

我是Matt Burns，Insight Media Group的首席内容官。每周我都会汇总最重要的AI进展，解释它们对使用这项技术的人和组织的意义。核心论点很简单：学会使用AI的劳动者将定义其所在行业的下一个时代，而这份通讯正是为了帮助你成为其中一员。 Elon Musk周三就Grok Bot发布了一条“重要说明”，Grok Bot是SpaceX于8月推出的测试版AI智能体：“关于Grok @Bot的重要说明：今后，@SpaceX将为任何给定任务使用最佳后端模型，包括Claude Opus 5.5、MidJourney、Suno和其他领先的API。无论什么最有可能为你带来最佳结果。” Grok Bot是SpaceXAI（Musk的AI实验室，现已并入SpaceX）与Cursor的联合产品。

微软于周五在 Foundry 中推出了 Microsoft-Decision-1，而三天前 OpenAI 刚刚将其 Decisions API（应用程序编程接口） 以公开测试版的形式向所有开发者开放。微软是在阿里巴巴的 Qwen3.5-9B 上对决策模型进行后训练的，而非基于其合作伙伴 OpenAI 构建的任何模型，不过该公司计划很快将其重新基于自家的 MAI 模型以及 OpenAI 的模型。 Decision-1 的价格为每百万输入 token 0.042 美元，输出免费，与 TypeSafe 对 Jev 的收费完全相同，而且它发布当天，TypeSafe 宣布完成了由 a16z 领投的 8.7 亿美元 A 轮融资，估值达 75 亿美元。

你的智能体已上线。服务运行正常。但它的回答是否在变得更好？通过连接生产追踪、精选数据和评估，你的团队可以发现故障、选择改进方案，并在下一版本到达用户之前证明其有效。 首次部署仍然是一个里程碑。但随之而来的是棘手的问题：我们如何保持输出准确、让客户满意？成本会是多少？经过几次迭代后，团队花在维护工具和协调交接上的时间可能比改进应用本身还多。 设想一下，当训练模型的 AI 工程师将其移交给应用团队或站点可靠性工程（SRE）团队时会发生什么。工程师了解什么是“好”的表现；生产团队负责运行中的服务。从那时起，他们可能关注不同的系统。 应用追踪数据落入为正常运行时间构建的仪表盘。值班工程师看到的是健康的服务，而研究团队对回答质量或用户情绪几乎一无所知。评估套件随着用户行为的变化而逐渐过时，但没有人负责更新它。