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 & 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: 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：デミス・ハサビス、知能を解けばすべてが解ける
デミス・ハサビスは知能を第一原理から構築した――ゲームを実証の場とし、神経科学を着想源として――そしてそれをタンパク質の折りたたみ問題に向け、ノーベル賞を勝ち取った。
Engineering & Craftエンジニアリング哲学：Mark Shuttleworth
Mark Shuttleworthは、ただ一つの理念の上にUbuntuを築きました——「人間のためのLinux、すべての人のための自由なソフトウェア」。その根にあるのはubuntu、すなわち「他者への思いやり」であり、決まった時計に合わせて世に送り出されてきました。
Engineering & Craftエンジニアリング哲学：Yann LeCun、世界をオープンに学習させる
Yann LeCunは畳み込みによって深層視覚を築き、その後、真の知能は世界を教師なしで学習し、それをオープンに公開することから生まれる——より大きなLLMではなく——という賭けに出ました。
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：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エンジニアリング哲学：Kyunghyun Cho
Kyunghyun Choは、制御構造そのものをモデル自身に学習させました――GRUのゲート付きメモリ、attentionにおけるソフトな対応付け――そして、それを誠実で再現可能なサイエンスと結びつけたのです。
Engineering & CraftApple Foundation Models：オンデバイスLLMフレームワーク徹底解説
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、利用可否の判定、そしてオンデバイスモデルを離れるべき境界線までを解説します。
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：Sophie Wilson
Sophie Wilsonは、今や地球上のほぼすべての電話に搭載されているARM命令セットを、ごく少人数のチームと、低消費電力をほとんど偶然の産物にしてしまうほど徹底したRISCの効率性で設計しました。
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。
