2026-09-29

本期系统判断：AI Infra 的下一轮效率竞争，正在从单段算子速度转向整条工作流的入口、状态与隔离。 多模态请求进入 GPU 前有编码阶段，Agent 强化学习要反复启动执行环境，数据服务则要承受不规则的查询和缓存需求。9 月 28 日的实际平台更新与 9 月 21—25 日的新论文、正式发布相互印证；后者是近期补充，不冒充今天新闻。

头条｜多模态服务不能只拆 prefill 与 decode

EAServe 论文把图像、视频和音频模型的请求视作 Encode–Prefill–Decode 三段流水：用编码侧微批、受控卸载和 SM 分区调节上下游，再搜索 GPU 分配与批量配置。作者在三种多模态架构、相同 SLO 约束下，报告相对 NVIDIA Dynamo 和 vLLM 的 goodput 最高分别为 4.3 倍与 1.7 倍。系统意义是编码不只是预处理，而是决定下游能否持续吃满的入口控制点。**待验证：**这是作者的测试配置，不代表所有模型或流量；动态模态比例、跨节点带宽、排队尾延迟和配置搜索成本仍需复现。论文 2026-09-25 提交、列为 PACT 2026 录用；今天值得读，因为它给昨日多模态部署教程提供了服务层解释。来源 A 级：EAServe 原论文。

模型与系统｜分支与环境都要进入调度账本

DynBranch 预印本针对 Agent 工作流在条件分支判定前无法启动后续子图的问题，允许候选子图提前执行并跨请求复用，控制器按预期收益和负载代价决定是否投机。作者在四种 Agent 工作负载、4 张 H200 上报告，相对各负载最强对照的平均延迟最高下降 32%。这提示 Agent serving 的缓存键和分支解析时间应一起设计，而不只是缓存最终文本。**待验证：**投机执行占用的额外 GPU、低命中率或高度动态分支下的收益，以及结果等价性，都应按生产轨迹测量。发布日期：2026-09-25；今天仍值得读，是因为它补齐多模态服务之外的长链路调度问题。来源 A 级：DynBranch 原论文。

WeEnv 预印本报告微信 Agent 强化学习的“环境税”：每个任务需要容器或虚拟机，准备时间会占据训练迭代的大块时长。系统将组件分层打包、按需拉取，并按使用量弹性调整环境的 CPU 与内存；作者报告初始化相对 E2B、Docker 和 AgentENV 缩短 5.6—14.2 倍，并称已用于微信的 Agent RL。系统意义是 rollout 吞吐不仅受模型与 GPU 影响，执行环境的生命周期也属于训练控制面。**待验证：**真实任务的缓存热度、状态隔离、镜像更新和整体迭代成本；摘要数字不是通用部署保证。发布日期：2026-09-25；今天仍值得读，是因为它把训练瓶颈从 GPU 延伸到环境准备与回收。来源 A 级：WeEnv 原论文。

计算基础设施｜数据局部性与隔离成为可配置资源

Google Cloud 9 月 28 日宣布存储优化 Z4D VM 与裸金属实例正式可用，最高配置 84,000 GiB 本地 SSD，并以第五代 AMD EPYC 与 Titanium SSD 服务数据库、搜索、分布式文件系统等 I/O 密集型负载。其 AI Infra 价值在于向量索引、训练数据暂存或 Agent 沙箱的本地数据路径，而不是把它误写为 GPU 算力新品。**待验证：**官方“比 Z3 最高 40%”是特定 I/O 工作负载结果；实例区域、耐久策略、重建时间和每次查询成本需要实测。发布日期：2026-09-28；来源 A 级：Z4D 官方 GA 发布。

近期补充：Google Cloud 9 月 24 日公布预览版 AlloyDB PostgreSQL for agents，以和生产主库隔离的只读沙箱实例访问近实时数据，实例可按需创建并缩至零。它回应了 Agent 并发查询冲击业务数据库的实际问题：把突发式读取放到独立计算层，同时保留 SQL、向量与全文索引。**待验证：**官方声称的规模、延迟与查询率仍需按地区和负载复测；一致性窗口、权限继承、计费和写入需求尤其不能由“只读预览”外推。今天仍值得读，因为模型侧并发提升会首先暴露数据层隔离瓶颈。来源 A 级：AlloyDB 官方预览说明。

近期补充：Google Cloud 9 月 25 日宣布 Memorystore for Valkey 9.1 正式可用，说明其以多队列消息机制和按 CPU/队列深度激活的 I/O 线程替代静态轮询，并加入数据库级 ACL 与集群扫描能力。对检索、会话状态和热 KV 缓存而言，这比单独宣称高 QPS 更重要：吞吐、权限边界和运维扫描一起变化。**待验证：**官方相对 Memorystore for Redis Cluster 的最高 3 倍 QPS 属于指定基准；真实键分布、热键、失效、升级兼容和尾延迟须独立验证。今天仍值得读，因为 Agent 的并发状态读取可能先把缓存层推到瓶颈。来源 A 级：Valkey 9.1 官方发布与机制。

近期补充：GKE 9 月 21 日介绍 Pod snapshots，可将运行中的 CPU/GPU 内存状态保存到 Cloud Storage，再恢复已加载模型的 Pod；官方在其基准中报告大模型启动延迟最高下降 89%。它与昨日 Z4D 的局部存储方向不同：保存的是可恢复执行状态，目标是减少反复加载和空闲 GPU 预留。**待验证：**快照体积、模型或驱动升级后的兼容、数据安全、恢复期间的网络/存储压力及真实突发 SLO；不能把一个配置的启动时间当作所有集群结果。今天仍值得读，因为隔离实例和弹性推理都会遇到冷启动。来源 A 级：GKE Pod snapshots 原始发布。

科研计算与论文｜跨平台工作流不等于量子优势

9 月 25 日提交、获 SC26 工作流研讨会接收的 Quantum-HPC 论文展示 Fugaku、Tierkreis 与两类量子计算平台的编排：一例让经典超算与 Reimei 模拟器分担生物分子激发态任务，另一例协调 Reimei 与 ibm_kobe 运行 VQE/QPE 组合。真正的系统信号是多平台科研作业的任务编排和可复现实验链，而非量子加速已获证明。**待验证：**队列等待、数据传输、误差预算、故障恢复和与纯经典方法的端到端对照。今天仍值得读，因为它把“科研软件互操作”落实到真实异构平台案例。来源 A 级：Quantum-HPC 原论文。

工程与开源雷达｜同一运行时也有不同交付契约

AWS 9 月 28 日给出 vLLM-Omni Deep Learning Container 的两篇部署教程：Qwen3-TTS 通过 SageMaker 持久双向连接流式返回语音；图像与视频示例则用同一固定版本容器，分别将 FLUX.2-klein 放在实时端点、Wan2.1-VACE 放在异步端点并把结果写入 S3。两篇属于同一运行时工程事件，只计一项。系统意义是模态不同，SLO 和响应模式也不能共用一份服务模板。**待验证：**这是可复现的参考路径而非新模型基准；吞吐、成本、媒体内容治理及容器版本升级须自行验收。发布日期：2026-09-28；来源 B 级：AWS 流式语音教程与图像/视频教程。

可观测性与可靠性｜合成监控要检验结果，不只检查动作

AWS 9 月 28 日公开 Nova Act 与 AgentCore 的合成监控参考实现：定时启动隔离浏览器会话，用自然语言动作走完用户旅程，在关键步骤做结果断言，再把失败送入告警链。它将“服务健康”延伸到端到端任务是否完成，也提供可检查的实现样例。**待验证：**作者声称的 UI 适应性不等于零误报；一次六步旅程在其测试中需约 2—4 分钟，频率、成本、权限和断言假阳性必须按实际应用评估。来源 B 级：AWS 官方架构与样例入口。

检索覆盖 9 月 28 日发布、近 72 小时，以及 14 天内直接相关的原论文和平台更新；对照近 30 天日报的论文 ID、链接、版本和底层事件去重。SageMaker HyperPod Inference Gateway、跨地域训练/Qumulo、SkyRL、SGLang v0.5.20 与 vLLM v0.30.0 等 5 个已报道线索被跳过。本期 10 项独立一手事件：A 级 8 项、B 级 2 项、C 级 0 项。所有性能数字均为来源方给出的配置结果；编辑的系统意义不等同于独立复现。