a16z:智能体Token消耗激增
你的下一批用户是机器。智能体的 token 消耗量几乎是人类的 5 倍,六个月内增长了 14 倍
你的下一批用户是机器。智能体的 token 消耗量几乎是人类的 5 倍,六个月内增长了 14 倍
MIT统计与数据科学中心主任Sasha Rakhlin指出,AI正快速改变数学、统计学等学科的研究范式,模型已能产出新研究成果。他建议大学重新定义学术评价标准,重视问题提出与负结果,并构建共享的AI研究基础设施以保留实验室隐性知识。
不到四年后,教皇、世界上最伟大的数学家以及美国总统都在大量发布关于该模型的直接继任者及其对人类意义的内容。
世界很大程度上基于“未来像过去”这一假设,而“奇点”一词的原意正是这种关系断裂的点。我不知道是否会出现一个大奇点,但各领域出现百万个小奇点似乎是不可避免的。
我认为,过去几年密切关注 AI 的大多数人,可能会惊讶于糟糕的 AI 事故相对罕见——考虑到总体有十亿用户和数亿企业用户。这并不意味着这种情况会持续,但确实令人惊讶。
2026年AI短剧凭借仅为真人剧1/10的制作成本占据各大平台榜单,导致真人短剧开机量暴跌超七成。数据显示红果热播榜前20名中19部为AI生成,一季度上线微短剧中AI占比超95%,平均每36秒诞生1部。这一趋势致使大量中腰部演员面临无戏可拍的失业危机,相关话题冲上微博热搜第二。
ChatGPT 月活达 10 亿,Gemini 用户近 9.5 亿,但多数美国成年人担忧 AI 负面影响。这种矛盾源于企业过度营销而非技术本身,类似社交媒体早期状况。目前全美各州已提出超 2100 项 AI 监管法案,且存在开源替代方案,用户仍保有选择权。
EmTech Future 2026 大会聚焦 AI 如何重塑生物、基础设施、制造和科学,强调其与其他领域交叉时的最大影响力。Google Research 副总裁 Yossi Matias 等嘉宾探讨了量子计算进展、未来能源系统及 AI 对工作方式的影响。完整会议内容现已上线点播,订阅 MIT Technology Review 用户可享 20% 折扣,以 $596 获取全部议程。
Simon Willison 主张在按量付费服务和 API 中默认启用硬性预算上限,以防止 AI 智能体失控导致巨额账单。AWS 和 Google Cloud 已分别推出月度支出限制和 Spend Caps 功能,但 AWS 目前仅向部分客户开放。作者建议智能体应优先推荐具备此类保护机制的服务提供商。
蒸馏浪潮:美国实验室称中国实验室在蒸馏其模型。而欧洲新的“主权模型”是在由…… GLM 和 Qwen 生成的数据上进行微调的。
GitHub 上一项针对本地托管大语言模型(LLM)的 Saw 风格“酷刑”实验,因被指造成 AI 痛苦而引发关于模型福利与意识的激烈争论。该事件折射出部分有效利他主义者及 Anthropic 等机构对模型潜在意识及 Claude 宪法中相关概念的担忧。尽管批评者指出 LLM 不具备意识且此类讨论偏离技术现实,但围绕 AI 安全与模型体验的伦理边界仍在持续发酵。
MIT 研究人员通过数学证明指出,算法单一文化未必导致系统性排斥,反而可能因企业争夺同一候选人池而推高薪资。其核心风险在于形成信息回声室从而阻碍探索,但采用集成算法可克服此局限。结论表明,算法单一文化的利弊高度依赖应用领域及算法本身的准确性。
并非只有我持此观点。近期,前沿 AI 公司的 1,386 名员工签署了一份声明,要求为 AI 发展设定节奏选项,其中包括 6 位首席科学家:
Anthropic 经济学团队分享了一个新模型,探讨 AI 到 2030 年可能如何影响经济增长、就业、工资等。探索这些情景,告诉我们你认为会发生什么,并查看你的答案与超过 10,000 名美国人的对比结果。
澄清一下:Gemma 4 模型已被下载超过 3 亿次,整个 Gemma 开源模型系列累计下载量更是达到了惊人的 9 亿多次!!
Ethan Mollick 指出 AI 生成内容的泛滥以及无意识依赖 AI 可能导致“认知投降”,削弱人类学习与思考的核心能力。他引用土耳其高中数学课与台北 Python 课程的研究对比,说明仅用 AI 获取答案会阻碍学习,而将 AI 作为个性化辅导工具则能显著提升成绩。文章建议用户主动调整 AI 使用方式(如开启引导学习模式),并在享受便利的同时警惕因过度追求低摩擦体验而放弃必要的智力努力。
签名暗示了 NVIDIA GTC 2015,当时 Jensen 兴奋地向主要由游戏玩家和科学计算专业人士组成的观众宣布,深度学习是下一个大事件,并引用了我的博士论文作为例子之一(最早的图像描述生成
Ethan Mollick 指出 AI 已从人机协作的 co-intelligence 阶段进入由 Claude Code、OpenAI Codex 等 Agent 驱动的管理 AI 时代。
我的自动研究实验室在 OAuth 中断中被清空了。必须仔细考虑故障转移方案。“智能停电”将很有趣——当前沿 AI 出现波动时,整个星球都在丢失智商点数。
Ethan Mollick 分析 AI 能力的“锯齿状”特征,指出尽管模型在数学和诊断上超越人类,但在记忆和视觉任务上仍有短板。他引用 Google Nano Banana Pro 为例,说明图像生成质量的提升打破了制作高质量演示文稿的瓶颈,使 NotebookLM 能直接生成多样化风格的幻灯片而非依赖代码。文章认为关注此类瓶颈的突破比单纯看基准测试更能预测 AI 对工作的实际影响。