Groq intends to scale from 54 megawatts to more than 200 megawatts in 2027
EP.99 故事线A: 从 54MW 扩展到 200MW——这是电力规模的竞赛，不再仅仅是芯片数量的竞赛。AI 基础设施已经进入「能源基础设施」的范畴，选址、电网接入、冷却成本正在成为核心竞争力。
6 Matching Annotations
- Last 7 days
-
techcrunch.com techcrunch.com
-
- Jun 2026
-
algorithmichiring.github.io algorithmichiring.github.io
-
Over 90% of U.S. employers rely on hiring algorithms to screen job applicants.
超过90%的美国雇主依赖算法筛选求职者——美国就业市场的「入场券」已经大规模由 AI 控制，但监管框架远远滞后。这不是小众技术前沿问题，而是影响数亿人职业命运的社会基础设施。
Tags
Annotators
URL
-
-
enpire-research.github.io enpire-research.github.io
-
Scaling the robot fleet drives higher token consumption: as more agents read logs, summarize peer branches, and coordinate, the total token budget required to reach a successful policy grows with fleet size
这是一个关于多智能体扩展的微妙发现：机器人数量增加，总token消耗也增加——主要来自智能体之间的协调开销（阅读彼此的日志、总结peer分支）。更大的团队更快到达成功，但边际收益递减，而边际成本递增。这与人类研究团队的规模化规律惊人地相似：超过某个规模后，协调成本开始主导生产成本。
-
Coding agents do not fully utilize robot resources when they are reading logs, writing code, debugging, or waiting for the language-model backbone
这个发现揭示了一个尚未解决的效率问题：物理资源（机器人）和计算资源（GPU）被智能体的思考时间浪费了。智能体在阅读日志、写代码、等待LM响应时，机器人闲置。这与多处理器计算中的同步开销是同一个问题的变体——如何让智能体的认知周期和物理执行周期更好地交叉重叠，是这类系统真正走向规模化的关键工程挑战。
Tags
Annotators
URL
-
-
openai.com openai.com
-
Maria ran a total of 10,080 reactions – more than a chemist running three reactions every day would run in a decade
这个数字是理解本文意义的关键。10,080个反应——一个化学家每天做3个实验需要十年。规模本身就是科学贡献：统计功效足够大，才能在嘈杂的化学数据中区分真实信号（TEMPO的效果）和随机噪声。在没有自动化实验室的情况下，这类规模的系统探索在经济上几乎不可能——AI不只是提出了假设，还使验证这个假设变得可行。
Tags
Annotators
URL
-
-
alignment.anthropic.com alignment.anthropic.com
-
When we applied the top AAR-discovered ideas to a production-scale w2s run, we observed only +0.5pt improvement in a noisy floor, suspected to be an elicitation failure
论文里最诚实的一段。实验室环境的PGR=0.97迁移到生产规模后几乎消失，作者诊断为引发失败——能力在那里，但我们不知道如何正确唤起它。这个失败模式极具代表性：小规模验证和大规模部署之间存在我们目前不完全理解的鸿沟。在对齐研究语境里这尤其危险：一个技术在对照实验中有效，并不保证在实际部署中有效。
-