每天更新带你读懂科技圈。今日看点H200一夜涨30%连Karpathy都抢不到卡微软发现烧Token比雇人还贵悄悄踩了刹车ClickHouse团队用了一年AI编程说了大实话。⭐ 今日精选1. 硅谷深陷算力荒H200一夜涨价30%连Karpathy都抢不到卡来源InfoQ 评分4.65H200一夜间涨了30%H100全球范围抢到断货。这不是散户的焦虑——连Karpathy这种级别的研究者都在抱怨配额不够用。当圈子里最有资源的人都在喊缺说明问题已经不是个别现象了。[1]2. 微软按下vibe coding暂停键烧Token已经比员工贵了来源极客公园 评分4.10YC圈子一直把烧Token当作替代人力的投入但微软内部算了一笔账后发现Token消耗的成本已经超过了直接雇人写代码。于是悄悄给vibe coding踩了刹车。当行业巨头都在喊贵的时候这件事就不只是小公司的问题了。[2]3. ClickHouse用了一年AI编程总结出这些实战经验来源The New Stack 评分4.10ClickHouse团队没有跟风说AI编程有多神也没有因为踩了坑就全盘否定。他们老老实实分享了一年里AI编码的真实使用场景、适合什么任务、不适合什么任务。这种去营销化的诚实分享比大多数厂商的PR稿有营养得多。[3] AI前沿今天AI领域的几条消息指向同一个信号成本和基础设施正在成为瓶颈。Copilot创始工程师Neel Sundaresan现在在做IBM Bob有8万IBM开发者在用。他打了个比方大多数AI编码就像开着法拉利去买牛奶——能力很强但用的地方不对效率反而低了。[4]Anthropic这边倒是有个好消息推出了MCP隧道让私有Agent可以安全访问企业内部系统。这解决了Agent落地的一个关键痛点——很多企业不是不想用Agent而是不敢让Agent碰自己的内网。[5]️ 开发与工程GitLab 19.0这次更新力度不小。The New Stack的评价是从小提琴声部升级到了完整的交响乐团——Secrets Manager、CI/CD编排、安全扫描一体化GitLab终于把DevSecOps的DevSecOps三个字母都撑起来了。[6]☁️ 基础设施与云原生CNCF博客上有一篇干货Kubernetes策略执行的问题在于时机太晚。等部署时才拦截风险往往已经造成影响。团队开始把策略检查前移到提交阶段在代码合并之前就卡住潜在问题。[7]另一个值得关注的趋势AI Agent进入生产环境后谁来监控它们成了新问题。CrewAI、AutoGen、LangGraph这些框架让Agent部署越来越简单但Agent的行为是否符合预期、资源消耗是否合理、出了问题怎么排查——监控体系还没跟上。[8] 大厂动态阿里云在520峰会上交出了Agentic答卷。极客公园的评价是第一张——说明这只是开始后续还会有更多动作。[9]Grab的案例更有参考价值他们的中央数据团队搭建了多智能体系统自动化数据仓库平台的重复工程运维。关键是他们把Agent分成了两类工作流程——一类是自动执行的一类需要人工确认。这种分层设计思路值得借鉴。[10] 深度解读硅谷AI的成本账开始算不过来了2026年5月的硅谷焦虑的焦点正在转移——不是AI能力够不够强而是用不用得起。算力端H200一夜涨了30%H100全球范围断货。连Karpathy这种有顶级人脉的研究者都在抱怨配额不够用。当圈子里最有资源的人都开始喊缺说明供给端的瓶颈已经从紧张升级为危机。需求端微软悄悄踩了vibe coding的刹车。内部数据显示烧Token的成本已经超过了直接雇人写代码。这个数字让管理层重新审视AI编程工具的投入产出比。Copilot创始工程师也指出大多数AI编码就像开着法拉利去买牛奶——能力很强但用错地方效率反而低了。这两件事放在一起看指向一个结论AI的能力在飞速提升但基础设施和成本的天花板正在卡住整个行业。GPU短缺是供给端的硬约束。Token成本是需求端的软压力。两者叠加构成了当前AI行业最大的结构性矛盾。问题已经不是AI能不能做到而是做到之后谁付得起钱。对于开发者和团队来说现在最该做的不是盲目追AI能力的上限而是算清楚自己的成本底线。ClickHouse团队用一年时间验证了AI编码的真实价值——不是所有任务都适合用AI找到对的场景比堆Token重要得多。这才是今天最值得关注的信号。觉得有用点个在看让更多人看到 关注我不错过每天的科技干货参考资料[1] 硅谷深陷算力荒H200一夜涨价30%H100抢到缺货Karpathy也未能幸免: https://mp.weixin.qq.com/s?__bizMjM5MDE0Mjc4MAmid2651285214idx1sn2a56c4c18ce8de4a44d10a4b9b0ca2bb[2] 微软按下 vibe coding 暂停键烧 token 已经比员工贵了: https://mp.weixin.qq.com/s?__bizMTMwNDMwODQ0MQmid2653107181idx1sn58fc8abc6447f864db5b2675f085910b[3] What ClickHouse learned from a year of coding with AI agents: https://thenewstack.io/clickhouse-ai-coding-agents/[4] Copilot 创始工程师大多数 AI 编码就像开着法拉利去买牛奶一样: https://mp.weixin.qq.com/s?__bizMjM5MDE0Mjc4MAmid2651285633idx2sna79ef03e7c871dfdff0e8093d9fe9504[5] Anthropic 推出 MCP 隧道供私有代理访问内部系统: https://mp.weixin.qq.com/s?__bizMjM5MDE0Mjc4MAmid2651285633idx4sn8d615360a54bf818f7a3b4ff4f426110[6] GitLab 19.0 trades its string section for a full DevSecOps orchestra: https://thenewstack.io/gitlab-19-secrets-manager/[7] Why Kubernetes policy enforcement happens too late—and what to do about it: https://www.cncf.io/blog/2026/05/25/why-kubernetes-policy-enforcement-happens-too-late-and-what-to-do-about-it/[8] Who’s monitoring the agents?: https://thenewstack.io/who-monitors-ai-agents/[9] 阿里云的「Agentic 时刻」: https://mp.weixin.qq.com/s?__bizMTMwNDMwODQ0MQmid2653107169idx1sna7e0318af6595eac37a62a53cca0e046[10] 大规模工程支撑场景下的多智能体系统设计Grab 实践案例: https://mp.weixin.qq.com/s?__bizMjM5MDE0Mjc4MAmid2651285633idx3sn97076f465c8b7eb3be988b414327cadd
烧Token比员工贵，GPU涨30%：硅谷AI的账，开始算不过来了
发布时间：2026/5/26 9:44:30
每天更新带你读懂科技圈。今日看点H200一夜涨30%连Karpathy都抢不到卡微软发现烧Token比雇人还贵悄悄踩了刹车ClickHouse团队用了一年AI编程说了大实话。⭐ 今日精选1. 硅谷深陷算力荒H200一夜涨价30%连Karpathy都抢不到卡来源InfoQ 评分4.65H200一夜间涨了30%H100全球范围抢到断货。这不是散户的焦虑——连Karpathy这种级别的研究者都在抱怨配额不够用。当圈子里最有资源的人都在喊缺说明问题已经不是个别现象了。[1]2. 微软按下vibe coding暂停键烧Token已经比员工贵了来源极客公园 评分4.10YC圈子一直把烧Token当作替代人力的投入但微软内部算了一笔账后发现Token消耗的成本已经超过了直接雇人写代码。于是悄悄给vibe coding踩了刹车。当行业巨头都在喊贵的时候这件事就不只是小公司的问题了。[2]3. ClickHouse用了一年AI编程总结出这些实战经验来源The New Stack 评分4.10ClickHouse团队没有跟风说AI编程有多神也没有因为踩了坑就全盘否定。他们老老实实分享了一年里AI编码的真实使用场景、适合什么任务、不适合什么任务。这种去营销化的诚实分享比大多数厂商的PR稿有营养得多。[3] AI前沿今天AI领域的几条消息指向同一个信号成本和基础设施正在成为瓶颈。Copilot创始工程师Neel Sundaresan现在在做IBM Bob有8万IBM开发者在用。他打了个比方大多数AI编码就像开着法拉利去买牛奶——能力很强但用的地方不对效率反而低了。[4]Anthropic这边倒是有个好消息推出了MCP隧道让私有Agent可以安全访问企业内部系统。这解决了Agent落地的一个关键痛点——很多企业不是不想用Agent而是不敢让Agent碰自己的内网。[5]️ 开发与工程GitLab 19.0这次更新力度不小。The New Stack的评价是从小提琴声部升级到了完整的交响乐团——Secrets Manager、CI/CD编排、安全扫描一体化GitLab终于把DevSecOps的DevSecOps三个字母都撑起来了。[6]☁️ 基础设施与云原生CNCF博客上有一篇干货Kubernetes策略执行的问题在于时机太晚。等部署时才拦截风险往往已经造成影响。团队开始把策略检查前移到提交阶段在代码合并之前就卡住潜在问题。[7]另一个值得关注的趋势AI Agent进入生产环境后谁来监控它们成了新问题。CrewAI、AutoGen、LangGraph这些框架让Agent部署越来越简单但Agent的行为是否符合预期、资源消耗是否合理、出了问题怎么排查——监控体系还没跟上。[8] 大厂动态阿里云在520峰会上交出了Agentic答卷。极客公园的评价是第一张——说明这只是开始后续还会有更多动作。[9]Grab的案例更有参考价值他们的中央数据团队搭建了多智能体系统自动化数据仓库平台的重复工程运维。关键是他们把Agent分成了两类工作流程——一类是自动执行的一类需要人工确认。这种分层设计思路值得借鉴。[10] 深度解读硅谷AI的成本账开始算不过来了2026年5月的硅谷焦虑的焦点正在转移——不是AI能力够不够强而是用不用得起。算力端H200一夜涨了30%H100全球范围断货。连Karpathy这种有顶级人脉的研究者都在抱怨配额不够用。当圈子里最有资源的人都开始喊缺说明供给端的瓶颈已经从紧张升级为危机。需求端微软悄悄踩了vibe coding的刹车。内部数据显示烧Token的成本已经超过了直接雇人写代码。这个数字让管理层重新审视AI编程工具的投入产出比。Copilot创始工程师也指出大多数AI编码就像开着法拉利去买牛奶——能力很强但用错地方效率反而低了。这两件事放在一起看指向一个结论AI的能力在飞速提升但基础设施和成本的天花板正在卡住整个行业。GPU短缺是供给端的硬约束。Token成本是需求端的软压力。两者叠加构成了当前AI行业最大的结构性矛盾。问题已经不是AI能不能做到而是做到之后谁付得起钱。对于开发者和团队来说现在最该做的不是盲目追AI能力的上限而是算清楚自己的成本底线。ClickHouse团队用一年时间验证了AI编码的真实价值——不是所有任务都适合用AI找到对的场景比堆Token重要得多。这才是今天最值得关注的信号。觉得有用点个在看让更多人看到 关注我不错过每天的科技干货参考资料[1] 硅谷深陷算力荒H200一夜涨价30%H100抢到缺货Karpathy也未能幸免: https://mp.weixin.qq.com/s?__bizMjM5MDE0Mjc4MAmid2651285214idx1sn2a56c4c18ce8de4a44d10a4b9b0ca2bb[2] 微软按下 vibe coding 暂停键烧 token 已经比员工贵了: https://mp.weixin.qq.com/s?__bizMTMwNDMwODQ0MQmid2653107181idx1sn58fc8abc6447f864db5b2675f085910b[3] What ClickHouse learned from a year of coding with AI agents: https://thenewstack.io/clickhouse-ai-coding-agents/[4] Copilot 创始工程师大多数 AI 编码就像开着法拉利去买牛奶一样: https://mp.weixin.qq.com/s?__bizMjM5MDE0Mjc4MAmid2651285633idx2sna79ef03e7c871dfdff0e8093d9fe9504[5] Anthropic 推出 MCP 隧道供私有代理访问内部系统: https://mp.weixin.qq.com/s?__bizMjM5MDE0Mjc4MAmid2651285633idx4sn8d615360a54bf818f7a3b4ff4f426110[6] GitLab 19.0 trades its string section for a full DevSecOps orchestra: https://thenewstack.io/gitlab-19-secrets-manager/[7] Why Kubernetes policy enforcement happens too late—and what to do about it: https://www.cncf.io/blog/2026/05/25/why-kubernetes-policy-enforcement-happens-too-late-and-what-to-do-about-it/[8] Who’s monitoring the agents?: https://thenewstack.io/who-monitors-ai-agents/[9] 阿里云的「Agentic 时刻」: https://mp.weixin.qq.com/s?__bizMTMwNDMwODQ0MQmid2653107169idx1sna7e0318af6595eac37a62a53cca0e046[10] 大规模工程支撑场景下的多智能体系统设计Grab 实践案例: https://mp.weixin.qq.com/s?__bizMjM5MDE0Mjc4MAmid2651285633idx3sn97076f465c8b7eb3be988b414327cadd
表面吸附的位点选择与能量分析)
