将预测分析带入智能体 AI 时代
企业预测分析正从提升预测准确性，转向让系统在不偏离业务意图的前提下依据结论自主决策。深度学习与生成式 AI 结合实时训练及非结构化数据，使分析系统能够持续演进，并推动企业从回顾历史走向务实预判。
#数据/训练
MIT Technology Review · AIAI 评分2424
MIT Technology Review · AIAI 评分3030 自主式 AI 如何重塑企业智能
自主式 AI 正推动企业 AI 从工具转向运营模式，但规模化瓶颈主要来自流程、数据与架构，而非模型能力。全球 AI 投资预计在 2026 年达 $2.5 trillion，较上年增长 44%，但多数企业仍未借 AI 推动营收增长。持续获益的企业先重构流程再选择模型，并采用可组合、主权可控的数据基础设施。
NVIDIA BlogAI 评分1515 NVIDIA AI 工厂如何实现高产出、长寿命与通用性以最大化投资回报
NVIDIA 提出 AI 工厂回报由三要素决定：每兆瓦产出能力、硬件使用寿命和 token 需求。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百万 token 成本低至 45 倍。
Latent SpaceAI 评分3636 Foundries vs Navigators：AI 如何降低科学研究的成本
Endura Therapeutics 的 Adrian Sanborn 提出，AI 对科学的影响分为两类：Foundries 用新一代测序、高通量显微镜和物理自动化把实验测量成本降低一个数量级，Navigators 则用 AI 模型优化公司决策与流程，无需专有模型或大规模数据集。
Latent SpaceAI 评分3838 Radical Numerics CEO Eric Nguyen 谈生物安全：一场 AI 军备竞赛
Radical Numerics 联合创始人兼 CEO Eric Nguyen 认为，提升生物能力的模型同样能帮防御方跟上前沿模型的攻击能力，而当前防御正在这场生物安全军备竞赛中落后。
Latent SpaceAI 评分5858 John Platt 谈 Google ERA：用 LLM 自动求解可打分的科学问题
Google 的 John Platt 在访谈中介绍团队提出的 Empirical Research Assistance（ERA），其思路是把科学问题转化为可打分任务，再由 Gemini 维护一棵历史实验 notebook 的搜索树，用 Upper Confidence Bound 规则挑选最有希望的分支并每次提出约十个变异，各分支共享历史。
Latent Space精选AI 评分7878 InstructGPT 作者 Diogo Almeida 谈 Jev 与 RLCD：为软件而非聊天造 System 1 模型
TypeSafe AI CEO Diogo Almeida 在 Latent Space 访谈中介绍其新模型 Jev，称其为面向代码消费的 System 1 大模型，优化目标是每美元智能而非聊天体验。
推荐理由：InstructGPT 作者复盘 RLHF 路线问题，并解释 RLCD 为何把校准概率而非人类偏好当作优化目标。