11 月 Thoughtworks 技术雷达凸显了 AI 的主导地位，但大规模管理代理型 AI（agentic AI）带来了新的挑战。企业面临的关键问题包括共享上下文、控制 Token 成本、管理认知负荷、确保安全以及构建稳健的平台。这些问题相互关联，需要综合策略，并始终牢记 AI 应服务于人类福祉。Ben Thompson 的 Stratechery 通讯指出，近期出现了针对新建数据中心的两党反对声音，这与对 AI 的感知有关。这种从互联网转向 AI 的关注点转移，有利于现有数据中心所有者，因为供应减少将推高 Token 成本。非美国实体以及推动 AI 向边缘设备发展的公司（如苹果）也可能从中受益。既有的企业可能暗中支持阻碍新建数据中心建设的法规，从而形成竞争壁垒。Hadley Wickham 调查了 AI Token 成本是否受到补贴，结论是每 Token 的 API 价格大多未获补贴，但订阅计划中存在一定程度的补贴。关于“权重空间编程”（Weight-Space Programming）的研究探讨了模型理解并操纵其他模型权重的能力，这引发了直接下载能力至模型中的令人兴奋的可能性。Jessica Kerr 提出应从“教导 AI"转向“让 AI 教导人类”。Houck 等人开发了 CAFE(S) 框架——清晰性（Clarity）、可执行性（Actionability）、保真度（Fidelity）、效率（Efficiency）和安全性（Security），用于评估提供给 AI 代理的上下文质量。最后，行业经验表明，AI Token 支出的很大一部分用于验证模型输出和实施护栏，而非初始生成，这凸显了稳健验证流程的重要性。