企业 AI 的新经济学：HPE 谈如何衡量 AI 的有效成本
HPE 提出企业 AI 应从"token 或 GPU 小时单价"转向"每个有用产出的有效成本"这一指标，即完成可用工作所需的平台、模型、运维与算力总成本。企业可选自建栈、按需消费或集成私有 AI 平台三条路径，HPE Private Cloud AI 将调度、模型选择、GPU 切分与缓存管理作为运营杠杆，并附 90 天前驻工程师服务。
#数据/训练
MIT Technology Review · AIAI 评分1818 MIT Technology Review · AIAI 评分2222 TripleTen 调查：各行业 AI 采用率差异揭示其他行业可借鉴的路径
TripleTen 2026 年调查显示，科技业领跑 AI 采用，金融业次之——48% 的金融从业者被要求使用 AI 聊天机器人、32% 被要求自动化部分工作流，医疗（18%）和教育（25%）则起步较慢。79% 的受访者被要求学习至少一项新技能，但仅 30% 的管理者认为判断 AI 输出对错是必备能力。员工主导的 AI 创新中 88% 成为公司标准做法。
Berkeley AI ResearchAI 评分4040 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
伯克利 EPIC Data Lab 提出，推理成本已从 GPT-4 级约 $30/百万 token 降至不足 $1、部分低于 $0.10，中位年降幅约 50x，数据系统需围绕智能体重构。作者提出三个方向：为智能体设计的数据系统、支撑智能体集群的数据系统、由智能体合成的数据系统。在 text-to-SQL 基准中多智能体尝试下仅 10-20% 子计划不同，80-90% 子查询存在重复计算。