2026-10-10 补充校核：AWS 官方已列五地区可用、ARM64，最高16 vCPU/32GB内存/32GB磁盘，累计运行上限8小时；暂停保留状态不表示免费。射频设计报道不支持“穷举全部设计空间”。 1
发现 1: AWS Lambda MicroVMs — Agent Sandboxing 基础设施
核心思想
AWS推出 Lambda MicroVMs，一种新的 serverless compute primitive，专门为 multi-tenant AI agent 场景设计。每个 MicroVM 给用户/agent session 一个独立的 Firecracker VM，支持 pause/resume 生命周期。
为什么重要
- 以前要在”分钟级启动的VM隔离”和”秒级启动但共享内核的容器”之间做取舍
- AWS 用 Firecracker snapshot 技术做到：VM级隔离 + 近瞬时的启动/恢复
- 专门为 AI coding assistant、交互式代码环境、vulnerability scanner 等场景设计
- 意味着 AWS 正式进入 agent sandbox 市场（对比 E2B、Fly.io）
技术要点
- 基于 Firecracker（已经支撑每月15万亿次 Lambda 调用）
- Dockerfile 构建镜像 → Firecracker snapshot
- Idle policy 可配置；15分钟 suspend 和自动 resume 是官方示例配置，不能当作所有实例的默认值
- 最多8小时总运行时间（不是 Wall clock，是累计运行时间）
- 社区直接对比：E2B（6700⭐，当前最火的 agent sandbox 项目）
对我们意味着什么
- Agent 安全沙箱：如果 Hermes Agent 需要安全执行用户/AI 生成的代码，MicroVMs 是理想的 runtime 层
- 与 gbrain 无关但影响架构决策：未来 Agent 执行环境的选择会影响 Alaya 的运维策略
- 优先级: 🟡 P1 — 值得跟进，但不紧急。官方已提供服务与定价；仍需按地区、容量和闲置状态费用评估
- 行动: 关注 AWS re:Invent 后续，对比 E2B 的功能集和定价
发现 2: AI 设计人类无法想象的射频芯片
来源: HN ⬆172 | HN讨论 | IEEE Spectrum
核心思想
AI/ML 应用于 RFIC（射频集成电路）设计。报道描述用优化/学习方法在受约束的设计空间寻找电路结构，不能等同于 BFS 穷举全部可能。
为什么重要
- RF 设计传统上被称为”黑魔法”——需要几十年从业经验
- 搜索仍受模型、训练数据、仿真与制造约束限制，不能覆盖所有可能性
- 已经制造出真实芯片并通过了测量验证
- 这是AI 生成物理制品（不仅是代码和文本）的里程碑
技术要点
- 原文未提供足够算法证据支持“遗传算法式 BFS”描述；应以原研究方法为准
- 评论指出：这与 1990 年代的 evolved antenna 是一脉相承的技术
- 核心挑战不是设计本身，而是制造约束（manufacturing restraints）
- 评论区有争议：部分人认为”AI 无法创造新东西”的观点被此案例反驳
对我们意味着什么
- Agent 能力边界证据：AI 不仅写代码，还能设计物理硬件
- 对技能更新的启发：思考哪些领域是 AI 可以”暴力搜索”而人类做不到的
- 优先级: 🟢 P2 — 中长期趋势观察，对 Hermes 当前开发没有直接影响
行动项
- 核对 AWS MicroVMs 支持地区与当前定价
- 评估 E2B vs MicroVMs 作为 agent sandbox 的对比
- 跟踪 AI 芯片设计领域的趋势（可能影响 agent 能力认知）