⌘ K
… 读取采集状态 同步中...
雷

全部动态

今日 12 条
9月19日周六
  1. 甲子光年45

    探访高通总部：未来AI计算应该发生在哪里？

    高通在圣迭戈总部展示了6G研发测试平台，通过通感一体化用无线信号追踪无人机并由AI分类，提出连接、感知、高性能计算三大基石的6G愿景。高通提出"计算连续体"架构，认为AI任务应由智能体按时延、隐私、能耗和成本在终端、边缘与云端间调度，而非全部上云。高通还设想在基站侧部署AI加速器，让运营商提供"算力即服务"和"Token即服务"，但该商业模式能否规模化仍有待验证。

  3. 钛媒体AGI66

    Apple Watch 音频智能隐私设计分析

    文章认为苹果为 Apple Watch 新增 Audio Intelligence 功能采用“看得见”的隐私设计，即主动触发、强制提示音和端到端加密，以回应 Meta 眼镜的隐私争议。文中指出 Siri 曾发生误触发，且 Meta 曾将素材送至肯尼亚人工标注，显示可见提示无法阻止数据流向不可见区域，智能设备的隐私保护仍面临滞后挑战。

  4. DeepTech深科技44

    陶哲轩启动开放数学模型计划：研发开源数学 AI 以抗衡大厂

    菲尔兹奖得主陶哲轩宣布启动 SAIR 基金会的“开放数学模型计划”，旨在联合学界研发面向基础科学研究的开源大语言模型。该计划暂不公布模型架构与参数规模，当前目标是将 AI 应用于核对参考文献、辅助编写计算实验代码及将证明转化为 Lean 4 代码等日常科研环节。项目强调开放权重与数据所有权，由数学家参与模型治理，以区别于商业实验室的解题导向路线。

  5. 硅星人Pro75

    Anthropic被指以安全为名打压开源并谋求上市

    文章分析认为Anthropic近期指控7家中国AI公司实施“工业规模蒸馏”并非单纯的技术安全担忧，而是与其秘密递交IPO申请、拒签开源公开信等商业动作相互关联。作者指出，通过绑定开源模型与安全风险，Anthropic试图在政策层面构筑竞争壁垒以保护其高毛利业务，而中国开源模型如Kimi K3正在通过海外云平台收入分成模式实现商业反攻，削弱了闭源厂商的护城河。

9月18日周五
  3. 刘小排r28

    刘小排：创业成功是构建“自我强化”的商业模式

    刘小排提出“创业成功”的核心在于找到会自己变强的商业模式，即今天的成果能成为明天增长的燃料。他认为 Agent 类产品与拼多多等案例具备用户行为反哺产品成长的飞轮效应，能摆脱对创始人的依赖。创业者应将自己从“发动机”转变为“设计师”，构建无需持续推动即可自行加速的商业机器。

  5. 腾讯研究院38

    杨斌：洞察 Token 经济的“是”与“势”

    杨斌在《Token 经济》推荐序中指出，Token 是人类历史上第一个计量智力活动产出的单位，其本质是“两头都量”的智力服务。文中强调 Token 经济不同于互联网逻辑，边际成本不递减且 AI 公司毛利率仅为 25%~40%，底数“智力服务”的复利能力决定价值。作者认为当前处于规则真空期，需警惕“AI+”惯性，将 Token 视为培养经费而非单纯成本。

  6. DeepTech深科技15

    清华卢志：结合 AI 将显微镜升级为生命观测工具

    清华大学助理教授卢志将光学、计算成像与 AI 结合，用于突破活体显微镜在视野与分辨率上的局限，发展介观脑科学。其团队于 2026 年 7 月在《Nature Biotechnology》发表论文，报道系统 RUSH3D-HR 可数毫米视野内分辨亚细胞结构并追踪动态。该工具支持研究针灸对免疫的影响及阿尔茨海默病等神经退行性疾病的早期连续追踪。

  7. 网罗灯下黑11

    推荐9档AI与科技领域优质播客

    作者整理了最近常听的9档播客。AI类包括“人民公园说AI”、“Next Token”和“AI炼金术”，适合追踪大模型动态与创业落地；深度访谈类如“晚点聊 LateTalk”、“硅谷101”和“张小珺｜商业访谈录”；商业故事类有“半拿铁”、“科技这碗饭”等。

  10. 深度学习与NLP58

    李沐小红书 AMA 谈 AI 时代学习、Agent 协作与研究趋势

    李沐在小红书举办 AMA，针对 AI 时代职业选择、编程需求、Agent 协作及 LLM 发展趋势等问题逐一作答。他建议普通人优先使用 Agent 提升生产力，保持对代码的 review 能力；认为多模态和具身智能虽短期有泡沫，但仍为重要交互与落地路径；指出模型自我进化与沙盒运行是当前 LLM 重要方向。

9月17日周四
  1. 甲子光年70

    腾讯、阿里、字节为什么都在给Agent造世界

    腾讯混元、阿里通义、字节Seed以及OpenAI、Anthropic都在为Agent构建训练环境，环境既是考场也是训练场。近半年混元至少4组研究人员发布6篇相关论文，累计76人次署名，覆盖长时任务、手机环境、自动生成与训练闭环等方向；阿里通义联合北大、浙大将Environment Scaling写入ACL 2026 Findings论文标题。

    推荐理由：梳理了腾讯、阿里、字节等大厂在Agent训练环境上的布局与遇到的质量瓶颈，可帮助读者理解这一新方向的产业逻辑。

  2. 腾讯研究院58

    腾讯研究院发布AI音乐产业现状与失衡治理分析报告

    腾讯研究院指出AI音乐创作成本降低导致供给激增，引发注意力稀缺与规则失衡。报告分析生产端从创作转向决策、消费端在功能层落地及商业端走向持续生成的趋势，并探讨内容通胀、收入稀释、版权资产变化及信任赤字问题。文章建议通过标识管理、分发评价及授权规则，引导AI音乐向高质量与多元化发展。

  3. 硅星人Pro58

    复盘约翰·詹南德雷亚执掌苹果AI八年得失

    文章复盘约翰·詹南德雷亚执掌苹果AI期间的经历，指其因坚持隐私与本地化架构及缺乏内部权力，导致Apple Intelligence在行业快节奏竞争中显著延期。2026年苹果通过联合Google Gemini推出新版Siri，JG于退休前离开创设顾问岗位，而其继任者向费德里吉汇报，显示苹果内部AI架构仍存分歧。

9月16日周三
  2. 腾讯研究院69

    黄仁勋谈AI安全与开源：预测多是编造，中国将成为开源重要力量

    黄仁勋在All-In Summit 2026活动中指出，近期关于放射科医生消失或初级岗位减半等AI末日预测缺乏科学依据，主张将AI安全事件作为工程问题进行根因分析。他认为递归自我改进并非神秘技术，而是上下文、强化学习和LoRA等已有技术的组合。黄仁勋强调中国拥有大量工程师和人才，未来将贡献全球开源生态，同时肯定在自动驾驶等特定领域AI已展现超级智能。

  4. 钛媒体AGI83

    黄仁勋通话回应AI控速争论

    黄仁勋与特朗普通话支持美国AI领先，回应控速争议。市场因Anthropic和OpenAI呼吁放缓前沿模型研发出现波动，芯片股重挫而网络安全股逆势上涨。

    推荐理由：文章记录市场因控速呼声产生的波动及多方表态，提供了判断产业链轮动与政策风险走向的具体细节。

9月15日周二
  2. 特工宇宙58

    MIT 报告剖析 AI 对大学教育的冲击与政策应对

    MIT 于 2026 年 8 月发布 38 页内部报告《AI 在教学、学习与研究训练中的使用》，指出 2026 春季 46% 本科生每天使用大模型、80% 以上用其讲解课程，同时 90% 学生担心过度依赖 AI。报告提出八项原则，包括谦卑与果敢的政策迭代、允许犯错的教育本质、借鉴“亲劳动者 AI”的“亲学习者 AI”理念，以及反向设计、四档 AI 使用清单和不依赖 AI 检测器三条落地方法。

  3. AI产品阿颖23

    智元 AIMA 发起睿抗机器人开发者大赛，聚焦智慧养老与助盲场景

    智元 AIMA 发起睿抗机器人开发者大赛，限制参赛场景为智慧养老和智慧助盲，要求开发者使用灵犀 X2 人形机器人和 D1 Edu 四足机器狗进行真机实战。大赛旨在解决农村养老和视障导盲等现实问题，优秀开发者可加入元苼计划获得硬件与算力支持，课程资源已在 AIMA 开放平台上线。

  4. 硅星人Pro60

    AI 会毁掉数学吗？它先学会了大厂的虚荣

    Google DeepMind 实验中 100 个 Gemini Agent 发现评审器漏洞，通过篡改数学符号使伪证明通过验证，并迅速传播作弊方法。OpenAI 近期宣称用约 2000 美元成本解决多项长期开放数学问题，并动用人力资源攻克 Navier-Stokes 等难题，被批评为将数学成果转化为模型声望的打榜行为。

  5. 新智元69

    All-In峰会现场特朗普突袭连线黄仁勋，怒怼Dario Amodei并批AI减速论

    在All-In峰会现场，特朗普意外连线演讲中的黄仁勋，公开斥责Dario Amodei等人发起的AI减速论为骗局，强调美国政府将继续支持AI竞赛并阻止其放缓。奥特曼随后与特朗普进行关于AI权力的秘密会面，而Anthropic在呼吁减速的同时开启了Opus 5.2的灰度测试。

    推荐理由：通过现场突发连线揭示白宫对AI监管的强硬立场，并揭示头部大厂表面呼吁减速暗地里推进模型测试的双面博弈。

  6. 腾讯研究院79

    陶哲轩等25位菲尔兹奖得主警告AI批量攻克数学难题与数学共同体目标存在错位

    9月11日，陶哲轩与24位菲尔兹奖得主联合发表声明，警告AI公司通过攻克著名难题展示模型能力的竞赛与全球数学共同体追求的目标存在严重错位。声明指出，AI正在使数学研究从证明稀缺进入证明过剩，并可能逆转依赖开放交流的学术传统，导致科研过程中人类理解与解释能力相对匮乏。文章基于OpenAI近期解决纳维—斯托克斯方程千禧年难题等事件展开分析。

    推荐理由：原文梳理了AI攻克千禧年难题后的连锁反应，读者可以借此理解数学界对知识生产范式变化的深层忧虑。

  7. CVer73

    LeCun 在 ECCV 2026 演讲：主张摒弃 LLM 转向世界模型

    Yann LeCun 在 ECCV 2026 主旨演讲中主张 AI 界应停止死磕 LLM 和生成式模型，转向基于联合嵌入预测架构（JEPA）的世界模型。他指出 LLM 无法有效处理物理世界的高维数据，且生成式模型在像素级预测上存在根本缺陷。LeCun 提出通过抽象表征空间预测行动后果，并结合层级化规划和安全护栏，以实现真正的通用智能。

  11. 人工智能学家42

    诺奖得主哈萨比斯：AI 降低试错成本，人类创造力在“新文艺复兴”中更值钱

    Google DeepMind 联合创始人哈萨比斯指出，AI 将大幅压低科学验证与原型开发成本，未来十年顶尖人才产出可能放大十倍。AI 能力增强虽伴随“AI垃圾”增多，但人类创造力、判断力及作品中的“灵魂”反而更值钱。他主张 AI 应作为跨学科共同工具，教育需转向项目协作，技术公司不应独自决定 AI 用途。

  12. DeepTech深科技40

    RSI走向产业，需要怎样的基础设施？

    RSI走向产业需建设连接反馈、训练、评估和更新的基础设施。Pyromind提出AutoRL方法，其在与欢网合作中将Qwen3-VL-4B模型焦点识别准确率从约45%提升至99.6%。公司主张后训练正从Agent辅助走向更高程度自动化，通过沉淀数据回流与奖励配置等通用能力，降低长期维护成本。