エンジニアリング哲学：ワーナー・ヴォゲルス
Amazonの CTO ワーナー・ヴォゲルスは、ある一つの前提の上にクラウドを築きました。あらゆるものは常に壊れる、というものです。故障を前提に設計し、影響範囲を最小化し、その間も可用性を保ち続けるのです。
Engineering & Craft執筆
デザイン、開発、AIインフラ、製品構築についての考え。
エンジニアリング哲学：Roberto Ierusalimschy
Roberto Ierusalimschyは、ただひとつの原則——ポリシーではなくメカニズム——を軸にLuaを設計しました。小さく、速く、組み込み可能な言語は、規則ではなくレバーをあなたに手渡します。
Engineering & CraftApple Foundation Models：オンデバイスのLLMフレームワークを解説
AppleのFoundation Modelsフレームワーク——LanguageModelSession、@Generableによるガイド付き生成、ツール呼び出し、可用性、そしてオンデバイスモデルを離れるべき場面まで。
AI & Technologyエンジニアリング哲学：ヨアンナ・ルトコウスカ
ヨアンナ・ルトコウスカは「ほどよい疑い深さ」の上にQubes OSを築きました。ソフトウェアからバグを完全になくすことはできない――だからこそ侵害を前提とし、インフラを信用せず、被害の及ぶ範囲を切り離す、という発想です。
Engineering & Craftエンジニアリング哲学：ジェフリー・ヒントン、流行より信念
ジェフリー・ヒントンは、学界が脳型ニューラルネットワークを嘲笑していた2度のAIの冬を通じて、それに賭け続けました。流行より信念を、形式論より直観を。
Engineering & Craftエンジニアリング哲学：Adi Shamir
Adi ShamirはRSAの「S」であり、稀代の暗号解読者でもあります。安全なシステムを築くために、自ら破る術も学ぶ。守るために攻める——清らかな数論を、そのまま仕組みへと変えていく人物です。
Engineering & CraftiOS 26のウィジェット面：1つのApp Intentが、いくつもの場所で動く
iOS 26のウィジェット、コントロールセンターのコントロール、そしてLive Activity——これらはすべてApp Intentの表示面です。1つのintentが、ボタンも、コントロールも、Live Activityのアクションも動かします。
AI & Technologyエンジニアリング哲学：フェイフェイ・リー、データこそが土台である
フェイフェイ・リーはImageNetを築き、AIに「目」を与えた。欠けていたのは賢いモデルではなく大規模なデータであり、AIは人間中心であり続けねばならない――その賭けの物語。
Engineering & CraftSwift 6.2の並行処理を実践で使う：MainActorをデフォルトにして、意図的に抜け出す
Swift 6.2は並行処理を逆転させます。モジュールのデフォルトをMainActorにし（SE-0466）、nonisolated asyncを呼び出し元で実行し（SE-0461）、@concurrentで抜け出します。
AI & Technologyエンジニアリング哲学：ジム・ケラー、トランジスタはタダである
ジム・ケラーは、AMDの復活、iPhone、TeslaのAutopilotなどを支えるチップを設計してきた——シリコンを惜しみなく注いでボトルネックを取り除き、第一原理から発想し直すことによって。
Engineering & Craftエンジニアリング哲学: Radia Perlman
Radia PerlmanはSpanning Tree Protocolを発明し、自己修復するネットワークを築きました。ループのない、自律的に安定する、ノードが嘘をついても正しく動き続けるネットワークです。堅牢性を第一原理に据えた人物。
Engineering & Craftエンジニアリング哲学：ラジ・レディと、最も貧しい10億人のためのテクノロジー
ラジ・レディは「話しかけられる機械」を切り拓いた――音声認識、そしてブラックボードモデル。そして最も高度なAIを、世界で最も豊かな人々ではなく、最も貧しい人々へと向けた。
Engineering & Craft外部記事
技術記事： Introl
Local LLM Hardware Pricing Guide 2025
大規模言語モデルをローカルで実行するための包括的なハードウェア推奨事項とコスト分析。
H100 vs. H200 vs. B200: Choosing the Right NVIDIA GPUs for Your AI Workload
さまざまなAIワークロード向けにNVIDIA最新データセンターアクセラレータを比較するGPU選択ガイド。
TPU Architecture: Complete Guide to Google's 7 Generations
GoogleのTensor Processing UnitのTPUv1からTPUv5までの進化に関する詳細な技術解説。
GPU Memory Pooling in Multi-Tenant Kubernetes
コンテナ化環境におけるGPUクラスターのリソース共有戦略。
Ray Clusters: Distributed AI Computing Infrastructure
Rayフレームワークを使用した分散AI計算の構築と管理のガイド。
DeepSeek V3 Open Source AI Cost Advantage
オープンソースLLMの経済性とDeepSeekの競争上のポジショニング分析。
NVIDIA Vera Rubin GPU 600kW Racks 2027
将来のデータセンター電力要件とNVIDIAの次世代GPUロードマップ。
SMR Nuclear Power for AI Data Centers
次世代AIインフラストラクチャに電力を供給する小型モジュラー炉ソリューション。
DeepSeek MHC Architecture Breakthrough
DeepSeekのMulti-Head Compressionアーキテクチャ革新の技術分析。