Cutting（切分/削减）在技术语境里有两层常见含义：一是公平分配理论中的 cake cutting（切蛋糕问题），研究如何把连续资源无争议地划分给多方；二是工程与商业报道里高频出现的 cutting latency / cutting cost（降低延迟、削减成本），用来量化某项技术带来的性能或开支改善。近期这两类话题在 AI 与通信领域都有新进展，使得 cutting 成为一个横跨学术与产业的关键词。
Cake Cutting 的理论研究进展
2026 年 10 月，arXiv 上发布了题为 Exact Cut Complexity of Equal-Length Proportional Cake Cutting 的论文，聚焦等长比例切蛋糕问题所需的最少精确切割次数。这类工作属于计算社会选择与公平分配的交叉领域，核心问题是在满足比例公平的前提下，切割操作本身的计算复杂度有多高。它对资源分配、调度等实际场景有理论参考价值。
用技术「削减」延迟与成本的产业进展
产业报道中，cutting 多以削减延迟或故障率的形式出现。华为 Mate 90 系列支持将最多四部手机的网络池化协同，据 Pandaily 报道，在高铁场景实测中视频通话卡顿减少 90%。多设备共享网络链路的思路，本质上是把多条不稳定连接切分、聚合为一条更可靠的通道。
另一个方向是新型传输介质。空心光纤（hollow-core fiber）已在宁夏中卫与智能计算中心之间投入商用，报道显示延迟降低超过 30%。光在空心纤芯中的传播速度接近真空光速，因此对 AI 算力中心之间的互联是直接的降延迟手段。
当前焦点与观察点
值得注意的是成本侧的削减动向。据 The Information 2026 年 10 月 5 日报道，Meta 和微软都在收紧员工内部使用 Anthropic 的 Claude，转向自家模型与工具，这被视为大厂削减对外部模型依赖、控制推理开支的信号。与此同时，Claude Code 在 任务触达 5 小时限额时的收尾机制 也引发讨论：它会在限额前找一个合适的停顿点优雅结束，而非在代码改到一半时直接切断，收尾消耗从每周额度中扣除。
总体来看，cutting 相关话题的观察点集中在三处：公平切分理论的复杂度边界何时能落地到真实调度系统；网络池化与空心光纤能否在更大规模商用中验证削减延迟的数据；以及大厂「削减外部模型依赖」是否会重塑 AI 服务的采购格局。