2026-02-02 Vercel分享React/Next.js十年优化经验。

1. 并行化独立异步操作，消除请求瀑布流，减少数百毫秒页面加载时间。 2. 避免桶文件导入，可将启动速度提高 15-70%，显著优化构建和HMR速度。 3. 延迟状态初始化，防止组件每次渲染时重复进行耗时计算。 4. 最小化RSC边界数据传递，只传递客户端组件实际需要的字段，降低页面大小和加载时间。 5. 动态导入大型组件，仅在功能激活时加载，减少初始包体积，优化SSR打包和构建速度。 6. 使用 React.cache() 进行服务端请求去重，防止同一渲染周期内重复数据获取。 7. 实现跨请求LRU缓存，解决 React.cache() 仅单请求有效的局限性。 8. 通过组件组合实现并行化数据获取，优化服务端组件的执行顺序。 9. 客户端请求使用 SWR 进行去重，避免多个组件重复请求相同数据。

原文

◆

Linux 宕机分析“三座大山”，AI智能诊断如何破局？

InfoQ - 后端•发布于 2月2日

知识洞察型•运维智能化•评分: 8/10

Linux宕机AI诊断内核调试VMCORE阿里云

原文

◆

NVIDIA Dynamo Planner为多节点LLM推理带来SLO驱动的自动化

InfoQ - AI＆大模型•发布于 2月2日

知识洞察型•AI基础设施•评分: 8/10

LLM推理NVIDIA DynamoSLO驱动KubernetesGPU编排

原文

◆

更智能的控制：K-Steering如何重塑LLM激活工程

Thoughtworks•发布于 1月29日

知识洞察型•大模型微调•评分: 7/10

LLM控制激活工程K-Steering非线性转向大模型行为控制MLP分类器

原文

◆

ArkType推出ArkRegex，实现类型安全的正则表达式

InfoQ 话题 - 大前端•发布于 2月2日

知识洞察型•前端开发•评分: 7/10

TypeScript类型安全正则表达式ArkTypeArkRegex

原文

◆

飞猪AI测试新范式：维护降70%、漏测减半、死循环归零

InfoQ - AI＆大模型•发布于 2月2日

知识洞察型•智能测试•评分: 7/10

AI测试UI自动化飞猪故障恢复RAG

原文

◆

刚完成“卖身”重组，TikTok就瘫了！Oracle 背锅：暴风雪吹坏了数据中心

InfoQ - AI＆大模型•发布于 1月29日

新闻事件型•云计算服务故障•评分: 6/10

TikTokOracle数据中心服务中断云计算安全

原文

◆

2026 年 AI 与数据发展预测

InfoQ - AI＆大模型•发布于 2月2日

知识洞察型•AI趋势分析•评分: 6/10

AI智能体LLMLRM数据治理网络安全

原文

必知要闻

商汤开源SenseNova-MARS，突破多模态搜索推理天花板

InfoQ - AI＆大模型•发布于 1月30日

知识洞察型•多模态大模型•评分: 9/10

商汤SenseNova-MARSAgentic VLM多模态搜索开源大模型

原文

◆

LangChain创始人预警：2026年是“Agent工程”的分水岭，传统软件面临生存考验

InfoQ - AI＆大模型•发布于 1月29日

知识洞察型•Agent工程范式•评分: 9/10

AI AgentLangChainAgent工程范式转变上下文管理软件开发

⚠️

值得注意

1. LangChain创始人作为Agent框架的推动者，其观点带有强烈的主观色彩和商业目的，不能全盘接收。 2. 将Agent工程描述为“范式转变”过度拔高，本质上是将LLM作为复杂逻辑层进行编程，仍属于软件工程的范畴，只是工具链和调试方式有所变化。 3. “非确定性”并非AI Agent独有，传统分布式系统也存在类似问题，可观测性一直是其解决之道，Tracing只是工具之一。 4. 记忆作为“护城河”的说法过于乐观。记忆的实现复杂且成本高昂，且其有效性高度依赖场景和数据质量，通用记忆的突破仍是难题。 5. 对于传统软件公司而言，真正的生存挑战并非Agent技术本身，而是如何快速整合AI能力到现有业务，并处理好数据安全、合规和伦理问题。

原文

◆

Kimi的一体化策略：K2.5模型与Agent的协同发布

阮一峰的网络日志•发布于 1月29日

知识洞察型•大模型与Agent•评分: 9/10

Kimi大模型AI Agent视觉编程蜂群Agent一体化架构

原文

◆

亚马逊云科技统一上调面向 ML 的 EC2 Capacity Block 定价，涨幅约 15%

InfoQ - 云计算•发布于 2月2日

新闻事件型•云计算成本•评分: 9/10

AWSEC2Capacity BlocksGPUML定价

原文

◆

多维创新打造强泛化智能体模型，LongCat-Flash-Thinking-2601技术报告发布

美团技术团队•发布于 2月2日

知识洞察型•AI智能体•评分: 9/10

美团LongCatMoE模型智能体训练强化学习泛化能力

原文

◆

国产GPU天数智芯架构解读：如何超越英伟达，剑指AI++计算新范式？

InfoQ - AI＆大模型•发布于 1月29日

新闻事件型•GPU架构•评分: 8/10

国产GPU天数智芯AI计算异构计算架构创新算力

🔬

技术洞察

1. 天数智芯的天枢架构通过TPC BroadCast、Instruction Co-Exec和Dynamic Warp Scheduling三大创新，实现了算力利用率提升60%，并在特定场景超越英伟达Hopper。 2. 其GPU设计哲学是“不设限”，覆盖几乎所有数学运算图谱，从Scalar到Cube，支持高精度科学计算到AI精度计算，确保通用性与可持续性。 3. IX-Attention模块重构了长上下文推理的执行路径，有效改善了Attention效率，带来了约20%的性能提升。 4. IX-SIMU全栈软件仿真系统通过联合仿真软硬件，实现了对任意模型性能的精准预测，提升了算力部署的可控性。 5. 发布“彤央”系列边端AI算力产品，并在多个工业、商业、交通领域实现落地应用，证明了其商业化能力和生态适配性。

⚠️

值得注意

1. “超越英伟达Hopper 20%”、“2027年超越Rubin”这种说法，听听就好。英伟达的GPU生态护城河极深，国产GPU在软件栈、开发者社区和生态工具链上仍有巨大差距。 2. 所谓的“不设限”的通用芯片设计哲学，在有限的研发资源下，往往意味着泛而不精，难以在特定AI任务上与专业定制芯片竞争。 3. “端到端30%性能跃升”这种营销数字，不给出具体测试环境、模型、数据集和对比基线，就是耍流氓。 4. 国产GPU的核心痛点是良品率、供应链稳定性和CUDA生态兼容性，这些深层问题在文章中一带而过，避重就轻。 5. 边端产品虽有落地，但与英伟达的Jetson系列相比，在生态工具、开发便利性、边缘优化深度等方面，国产GPU仍需长期投入。

原文

◆