三星研究院提出MoNe——附加到任意冻结预训练Transformer上的模块化神经记忆，实现O(N)预处理+O(1)查询的长上下文推理。两阶段设计：测试时以固定分段读入上下文、快权重神经记忆网络做层局部梯度更新；推理时仅从查询token生成KV，不再重读任何上下文token。128K token时计算与峰值显存较ICL均降约80%（参数开销仅6.4%），RULER上S-NIAH 128K达0.96（ICL仅0.28、MK-NIAH上ICL完全归零而MoNe保持），且可泛化到骨干原生窗口远之外的长度。
SGLang 发起人、前 xAI 推理负责人盛颖在 101 视频播客中讲述了从斯坦福形式化验证到 xAI 推理系统、再到创立 RadixArk（1 亿美元种子轮）的完整路径。她提出 Infra 不应是 support 角色，而应成为产品本身；RadixArk 的使命不止于推理引擎，而是让所有人拥有制造 AI 的能力。文章梳理了推理引擎的竞争格局、开源社区的商业化困境，以及一位女性研究者在技术圈中的真实体验。
当AI行业的重心从训练转向推理，一个被忽视的事实浮出水面：GPU大多数时间其实很"闲"。Azure推理负载高达65%的能耗消耗在空转等待上，OpenAI的Chat类请求也达到52%。本文基于硅谷101播客，系统梳理AI Infra四层架构，拆解SGLang/vLLM等开源推理引擎如何通过KV Cache复用、连续批处理、PD分离、投机采样、强化学习训练框架MegaScale等技术，把GPU利用率从50%推向90%+——软件层的每一次优化都变成直接的商业问题。
清华系AI Infra创业公司清程极智（八卦炉+赤兔推理引擎+AI Ping）联合创始人师天麾深度访谈。高二信息学奥赛金牌保送清华、博士师从翟季冬做高性能计算，2023年底创立公司，一年融资过亿。本篇梳理其核心观点：为什么推理引擎是AI的操作系统、赤兔如何通过FP8/FP4让四台服务器变一台、Token经济爆发后AI Infra被投资人追着投、以及Token服务市场为何是个"黑盒"。