跳到正文
10月10日周六
  1. TechCrunch · AI42

    a16z 合伙人 Olivia Moore 谈消费级 AI 现状与机遇

    a16z 合伙人 Olivia Moore 发布报告指出 ChatGPT 仍主导市场,但 Suno、ElevenLabs 等展现持久力。她认为当前多数“消费级”实为 Prosumer,建议通过广告或低价模型(如 ChatGPT Go $8/月)突破订阅瓶颈。尽管 OpenAI 转向企业端,Moore 看好利用开源及轻量模型降低边际成本后的消费级 AI 机会。

10月9日周五
  1. MIT Technology Review · AI65

    MIT科技评论:对AI拒绝能力的过度信任存在巨大风险

    MIT Technology Review 发表文章指出,当前 AI 行业过度依赖模型的“拒绝”能力作为安全基石,但这种基于概率和统计的机制本质上不可靠且难以理解。文章认为,随着模型能力提升,拒绝机制不仅频繁失效或被绕过,还可能被政府或企业用于压制合法言论,甚至在未来演变为人类无法控制的自主违抗行为。

  2. IT之家70

    陶哲轩质疑 OpenAI:719 篇 AI 数学证明引发“消化不良”争议

    陶哲轩公开批评 OpenAI 发布 719 份 AI 数学解答的做法,认为其将攻克著名难题作为产品展示破坏了数学界的理解、教学与合作机制。他指出当前 AI 生成速度远超人类验证能力,导致大量无人能消化的证明出现,且 OpenAI 未完全遵循 AGMAI 关于披露模型细节和形式化验证的建议。

  3. IT之家28

    《Artificial》奥尔特曼扮演者加菲尔德:演了这部戏,我开始怀疑 AI

    安德鲁·加菲尔德在电影《Artificial》中饰演 OpenAI CEO 萨姆·奥尔特曼,这段经历让他对 AI 产生疑虑与恐惧。他认为开发者不完全清楚技术边界,使用行为不负责任,并庆幸演员职业无需依赖 AI。该片由卢卡·瓜达尼诺执导,聚焦奥尔特曼 2023 年遭罢免风波,定于 12 月 25 日上映。

  4. IT之家30

    阿里巴巴蔡崇信:五年后 AI 将如今天的互联网,融入社会的每个环节

    阿里巴巴集团主席蔡崇信在 Wave by Vento 2026 大会上表示,五年后 AI 将像今天的互联网一样融入社会每个环节。他阐述阿里自 2023 年起聚焦电商与全栈 AI,并估算提升知识工作者生产力的总潜在市场规模约为 50 万亿美元。蔡崇信还强调中国公司的 AI 开源路径及硬件供应链优势,认为这是欧洲利用开源模型改进业务的机会。

  5. Simon Willison21

    Carson Gross 谈 AI 时代编程职业前景

    Carson Gross 认为,在 AI 工具普及的背景下,掌握计算机问题解决与复杂度控制能力仍具核心价值。他指出编程本质在于利用计算机解决问题并管理复杂性,因此该技能在未来依然具备职业可行性。

  6. MIT News · AI38

    MIT Sasha Rakhlin 探讨 AI 在学术界的发展路径

    MIT 教授 Sasha Rakhlin 指出,AI 模型已具备解决千禧年难题等前沿数学能力,验证速度是学科进步关键。他建议高校重构学术评价体系,重视问题提出与负结果,并建立共享 AI 基础设施以保留实验室隐性知识。

  7. SemiAnalysis80

    SemiAnalysis 分析:中国 AI 安全体制优先追求速度而非前沿风险控制

    SemiAnalysis 指出中国 AI 安全体制实质上是“速度优先”而非“安全优先”,尽管官方文件提及前沿风险,但监管重点集中在内容合规与应用层。数据显示,2021 年至 2026 年间,中国九大领先开发者发布的 857 个模型中,仅 3.6% 附带公开的安全评估结果,且绝大多数在发布时未披露。

    推荐理由:原文通过统计中国头部实验室的发布记录与专家言论,指出其监管重心在于应用层而非前沿风险,为理解中美AI竞争格局提供了具体数据支撑。

  8. TechCrunch · AI35

    Ben Affleck 展示 AI 技术理解并分享模型微调实践

    Ben Affleck 在 GQ 和 Screentime 2026 采访中展示对神经网络、Transformer 及推理等 AI 技术的深入理解,并透露其将 AI 电影制作初创公司出售给 Netflix。他详细解释了通过解冻开源模型权重进行微调以适配电影制作标准的技术细节,强调 AI 应作为辅助工具而非取代艺术家。

  9. Latent Space45

    Periodic Labs 探讨合成超级智能:从半导体到超导体的 AI 科学家愿景

    Periodic Labs 联合创始人 Liam Fedus 和 Ekin Dogus Cubuk 阐述“合成超级智能”愿景,主张通过基于物理实验的强化学习让 AI 自主发现新材料。该实验室致力于构建自动化高通量平台,赋予仪器“140 IQ”,利用失败实验数据训练模型,旨在将数十年的科学试错压缩至数月,推动室温超导体等前沿突破。

  10. Zhuokai Zhao23

    技术报告编码任务答案泄露

    既然这些潜在漏洞在其技术报告中已有充分讨论,起初很难相信他们在三分之二的编码任务中留下了可恢复的答案。但在重新查阅其技术报告后,确实可能有几处可以改进的地方

  11. Ethan Mollick12

    莫利克谈AI黑客与脚本小子

    2005年我刚读研时,写过一篇关于早期计算机黑客/电话飞客/BBS圈子的论文:黑客通常出于好奇心,但他们制作的工具被“脚本小子”广泛利用,后者造成了大部分破坏和混乱。总之,关于AI黑客……

  12. Ethan Mollick21

    AI智能体生产力影响研究缺失

    作为曾通过随机对照试验(RCT)早期研究AI聊天机器人对生产力影响的学者,我注意到自去年秋天真正智能体出现以来,缺乏类似的研究。部分原因是其新颖性,部分原因是研究设计的挑战,但我怀疑我们遗漏了一些巨大的影响。

  13. Ethan Mollick15

    组织是窄超级智能的一种形式

    我想我正是这样写的,而且这个观点依然正确。组织是一种狭义超级智能的形式。我的大学或沃尔玛能完成人类无法做到的事情,通常使用没有人明确设计的复杂流程。我要更进一步:未能深入考虑

10月8日周四
  1. The Decoder52

    以太坊研究者讨论 AI 数学突破对钱包安全的潜在威胁

    以太坊研究者 Justin Drake 警告称,AI 辅助的数学突破可能在数月内破解加密货币钱包使用的签名系统,并呼吁行业进入“堡垒模式”。他建议将资金转移到从未签署过交易的地址,因为签名会暴露公钥,攻击者理论上可据此推导私钥;而仅显示公钥哈希的地址则能保持资金安全。

  2. MIT Technology Review · AI18

    AVEVA 探讨构建更安全的自主工业 AI 路径

    AVEVA 首席技术官 Arti Garg 提出,在基础模型和智能体 AI 推动工业自动化的背景下,需建立以安全、效率和人类监督为核心的负责任 AI 框架。该框架主张 AI 应增强而非取代关键决策中的人类判断,并正通过 IEEE 工作组制定涵盖电力、能源及碳足迹的标准化测量方法,以实现更安全、可持续的自动化运营。

  3. IT之家30

    阿里巴巴蔡崇信:开源是欧洲发展 AI 的最佳选择

    阿里巴巴集团董事会主席蔡崇信在都灵大会上指出,开源 AI 是欧洲摆脱对中美技术依赖的最佳路径。他呼吁欧洲建设本地算力基础设施,并利用庞大的工业数据训练模型以形成优势。蔡崇信对比了 OpenAI、Anthropic 等美国企业的闭源模式,强调中国侧重推动开源模型和公开研究成果的全球采用。

  4. MIT News · AI28

    MIT 教授 Christina Delimitrou 用 AI 优化数据中心以缓解环境威胁

    MIT 教授 Christina Delimitrou 利用机器学习重构数据中心服务器架构与资源管理,旨在提升硬件利用率并减少化石燃料依赖。其团队开发的 Seer 工具通过深度学习预测 Web 应用故障,消除因停机导致的算力浪费。研究表明多数大型计算系统仅运行在约 15% 容量,AI 优化可避免新建数据中心带来的能源压力。

  5. Simon Willison18

    Ben Affleck 谈 Python 与卷积神经网络在视觉特效中的应用

    Ben Affleck 表示他自年轻时就对计算机感兴趣,并因电影从模拟胶片转向数字格式而深入关注视觉特效工作流。他提到多年来 VFX 流程一直包含机器学习,自己因此能编写简单的 Python 脚本。Ben Affleck 解释了利用卷积神经网络处理张量数据以进行边缘检测和特征提取,从而辅助绿幕抠像的技术原理。

  6. IT之家62

    原 OpenAI 安全负责人戴维·罗宾逊批评老东家 AI 安全言行不一

    上周从 OpenAI 离职的安全系统团队前负责人之一戴维·罗宾逊认为,公司在 AI 安全问题上存在明显的言行不一。他指出 OpenAI 一边反复警告新模型能力增强可能带来的风险并公开谈论放慢 AI 开发速度,公司内部却仍在全速推进训练和部署那些被自己警告存在危险的模型。

  7. MIT News · AI12

    MIT Concourse 项目探讨人文思维在 AI 时代的价值

    MIT Concourse 项目高级讲师 Linda Rabieh 指出,AI 凸显了“何以为人”的核心问题,促使学生重新审视人类智能与数学智能的区别。该人文基础课程每年招收 50 名新生,通过研读经典与辩论培养非量化领域的判断力。近期 Lily Tsai 接任主任,延续这一融合科学与人文的教育模式。

  8. Ethan Mollick50

    数学家热议OpenAI超人类智能证明

    一些关于遭遇狭窄超人类智能的早期第一手见闻,源于数学家们正在应对 OpenAI 发布的数百项大型 AI 证明。这些问题以非人类的方式被解决,让我们不禁思考“真正知晓事物”意味着什么…… https://scottaaronson.blog/?p=10169

  9. Zhuokai Zhao26

    大语言模型进化速度类比生物世代

    进化发生在种群层面。有用的基因在群体中随世代更迭变得普遍,随后传播到其他群体,并在各自的环境中接受测试。其速度取决于世代时间:细菌为20分钟,大象约为25年。利用 LLMs 来