据材料转述的彭博报道，微软计划把面向AI工作负载的容量从目前约2 GW提升至2032年的近13 GW；其整体数据中心机队则拟由12 GW扩至38 GW，新增约26 GW。该规划显示公司正为尚未满足的AI需求预留长期电力与算力，但材料未披露建设地点、资本开支、分年度投产安排或审批进度，最终规模仍取决于电网、芯片供应及基础设施落地情况。

Anthropic发布AI采用对美国经济影响的情景模型，可在扩散停滞至快速加速之间调整假设。其「显著情景」估算，到2030年AI将为美国GDP额外贡献约8.3%，增长重心更多由劳动转向资本，失业上升主要集中于知识工作者；极端情景则对应GDP额外增加32.4%、失业率翻倍。该模型属于情景推演而非确定预测，结果取决于企业采用速度、组织调整能力及政策反馈。

普林斯顿研究者提出Recurrent Looped Transformer，将解码器最终隐状态及逐层滑动窗口缓存持续传递至下一Token，且在提示与回答边界不重置。以48层解码器为例，处理到第t个Token时累计计算路径可达48t个模块，但每个Token执行的模块数保持固定，因此总体计算随序列长度线性增长。该架构还统一预训练、微调、采样与RL重放的状态转换，但材料未给出完整性能基准。

Box发布2026企业AI调查，样本覆盖1600多名管理者；83%的受访机构表示已经运行AI Agent，五分之四报告获得中等或显著投资回报，约一半在项目获批后六个月内看到业务影响。报告认为，领先采用者通常会明确人员责任、整理供AI调用的内容，并建设可随模型升级调整的系统。该数据来自Box发布的企业报告，材料未提供行业、地区及企业规模的详细样本分布。

一份2026年AI推理经济性报告称，NVIDIA B200 NVL运行Llama-3.3-70B时，输出成本可降至每百万Token 0.14美元，首Token延迟为74毫秒，较H100 SXM5成本降低5.6倍。报告还称DeepSeek MLA可把128K上下文的KV Cache从343.6 GB压至4.6 GB，压缩74.7倍；投机解码最高提速2.59倍。上述结果来自汇总基准，仍需结合负载和计价口径验证。

研究提出Fourier Series Coder，以最小正交傅里叶基编码旋转框角度，并通过平方和流形约束让预测分量保持在单位圆附近，缓解角度边界不连续、周期歧义及特征幅值坍缩。基于RetinaNet的DOTA-v1.0实验中，AP75由41.17%升至45.56%，提高4.39个百分点；与GWD或KLD结合后，DIOR-R上的AP75分别提升4.10和4.20点，新增参数仅0.08M。

Firecrawl将Developer Index接入Grok Build插件，使Grok在编码过程中可检索超过7000万条一手开发资料，覆盖代码仓库、官方文档与问题追踪记录，用于核对API、定位兼容性问题并寻找修复方案。此举把外部检索直接嵌入编码Agent工作流，重点是利用原始技术来源降低模型知识过时的影响。材料未披露索引更新频率、插件价格、覆盖语言、权限边界或检索准确率，实际效果仍待评测。

开源项目Zero-Trust LLM提出提示层与执行层结合的Agent约束方案：系统必须依次形成假设、列出所需证据、确定验证方式、执行只读诊断，并在关键节点强制交还人类。项目强调，单纯加入「谨慎」类自然语言规则会随上下文增长而稀释，因此硬交还必须由Python中间件、LangGraph或Semantic Kernel物理切断API流。仓库提供规则集、宣言、失败记录和编排伪代码，但暂无量化评测。

Browser Use推出本地开源Agent界面Agency，由Agent主动发现可执行工作并生成任务建议，用户逐项批准或跳过后再执行，核心流程是「Agent找事、人类授权」。项目宣称可在本地免费运行并完全开源，试图用审批机制减少无提示自动化带来的越权风险，同时降低用户反复编写提示词的负担。材料未提供支持的网站范围、模型要求、安装方式、许可证细节或任务成功率，现阶段更适合作为可测试的交互范式。

Jerry Liu展示实验项目FlyOCR，把PDF字形像素映射为受体激活，并在MaleCNS v1.0果蝇连接组上运行简化电流动力学；该网络包含约16.6万个神经元和2500万条连接，随后以小型读出模型解码神经脉冲。系统在微软10-K资产负债表标题上约达86%准确率，在1700多个抽样字符与数字上达到87%。作者将其定位为探索性实验，并未宣称可替代生产级OCR或文档解析模型。