OpenAI 战略未来负责人探讨 AI 重塑社会与机构控制
OpenAI 战略未来负责人 Dean Ball 探讨强大 AI 重塑社会及保留机构控制力的方法。 该观点旨在分析技术演进与社会制度互动的关键挑战。
OpenAI 战略未来负责人 Dean Ball 探讨强大 AI 重塑社会及保留机构控制力的方法。 该观点旨在分析技术演进与社会制度互动的关键挑战。
Microsoft Research 专家在《The Shape of Things to Come》播客中探讨 AI 对医学未来的影响。 对话聚焦 AI 辅助诊断、医学影像、虚拟细胞及生物基础模型在科学发现中的作用。 他们分析了研究转化为临床应用的挑战,强调高质量生物数据与真实世界验证的必要性。
JioStar 首席架构师 Vijay Seshadri 分享了在 5 亿用户规模下实现 AI 发现的实践经验。 内容涵盖评测机制、安全护栏以及将 AI 投入生产环境的经验教训。 未明确提及具体模型名称或性能提升倍数。
论文核心不止于AI生成的形式化验证证明,其价值在于叙事与社区批判,包含意图(问题选择)与科学思维链(推理步骤及论据)。 作者借用逻辑与类型理论,将这两个要素形式化为“推导层意图”和“方向性扩展”,后者通过分解证明的切分点揭示弱点与可移植的强点。 AI在文献检索等五个角色中均无法替代对这两个要素的声明,稀缺资源是社区对结果重要性及拓展路径的共享理解。
OpenAI 宣布 GPT-6 Cyber 模型,Calif.io 被列为早期采用者。 引用来源表示该模型在性能上远超以往使用的工具。
面壁智能联合创始人刘知远在《光明日报》发表文章,主张建立以实践为标准的人工智能评价体系。该体系需从评价具体应用、评估行业成效、衡量整体贡献三个层面完善,将效率与成本纳入评价,引导行业从规模竞争转向价值竞争,以推动技术自立自强并改善民生福祉。
智象元一CEO梅涛在论坛上提出构建智能体化的全模态世界模型,以跨越数字智能与物理智能鸿沟。 该模型由LLM决策大脑、Omni-Model模拟器及Embodied Context执行层协同,实现同一Token空间内思维与物理世界的统一。 这一架构旨在解决物理AI数据匮乏问题,通过合成高精度动作视频为具身智能提供数据供给,代表AI演进的全新方向。
阿里云副总裁安筱鹏指出,AI开源应从单纯开放模型权重,转向开放Skills等隐性知识,以增强智能体的工作能力。 他提出用“直升机与珠峰大本营”类比开源价值,认为开源体系降低了创新门槛,使人类经验可被AI压缩并调用。 该观点强调Skills是智能体革命的关键,推动软件功能原子化,助力企业实现认知升维与组织变革。
Microsoft Research 经理 Mike Walker 指出,安全系统向用户索取规则即是在索取信任,滥用信任会导致安全体系崩溃。 他领导了 DARPA Cyber Grand Challenge,该计划展示了能自动发现并修补软件漏洞的自主 AI 系统。 他反思了理解信任与背景对有效安全的必要性,以及竞争黑客对团队集体智能的启发。
导演 Ash Koosha 实测 Kling 4.0,预计该模型可使工作流中废弃素材减少至少 50%。 模型支持单次生成最长 30 秒视频,并强化多镜头生成中的镜头调度与定向编辑能力。 更稳定的运镜与物理交互有助于减少“废片”,提升长片叙事中素材的可用性与创意控制力。
商汤科技CEO徐立指出,AI正推动教育回应个体差异,实现因材施教。 借助商汤小浣熊教育版,教师可生成差异化课件,视障者曹文伟利用该工具开发“光桥AI”无障碍材料。 自2022年起,商汤与沙特合作累计覆盖3万名学生和2500名教师,帮助AI跨越语言文化惠及更多人。
两位 AI 创业者展示差异化商业化路径:北国靠培训筛选老板,吴东江做入企诊断找行业痛点。 北国用 1000 播放量转化客资验证高客单价值;吴东江首单让利共建鞋厂质检等标杆,向同行复制。 双方均强调先找真实需求,AI 提效但无法替代商业规律。
可灵AI于10月15日将Kling 4.0正式全量上线,支持最长30秒原生生成与多关键帧控制。导演金性洙、李少红、陆川及多位国际制作团队表示,Kling 4.0在大幅动态表现、物理交互、角色一致性和复杂指令遵循方面显著升级,能减少无效生成并提高素材可用率。
推荐理由:原文列举了多位行业导演及制作团队的实际项目反馈,读者可据此了解Kling 4.0在物理交互、角色一致性等维度的专业应用表现。
很高兴看到 Nick 发布这条消息! 引用式 teaser 例外:若主推文几乎没有信息量(纯感叹 / 转发 / 号召,如「Go build!」「活久见」),而下面这条引用推文才是真正的新闻,则 body_zh 改为用一两句话概括【引用推文】的核心要点,让正文和标题对得上(别只输出一句空洞的主推文),可在结尾带一句主推文的简短反应;其余情况仍然只翻译主推文。 @nickcammarata(仅供理解上下文;按上面的「引用式 teaser 例外」判断要不要概括它): 可解释性可能是目前世界上最重要的科学问题,因为如果我们不知道自己正在构建什么,就不可能解决对齐问题。我认为我有关于它的利好消息。我曾在 OpenAI 合作撰写早期机制可解释性研究,当时对此持悲观态度,因为神经网络似乎会折叠成任意纠缠的结。多年后,我启动了 OpenAI 第一个大规模自动化可解释性项目,使用当时已有的基础工具,发现约 2% 的神经元具有可读性。 随着现代智能体工具的应用以及更深入的观察,情况看起来完全不同。在参数高达数万亿的模型中,绝大多数神经元都是可读的,且其电路结构美观。许多著名的纠缠神经元案例被证明是误解。我原本预期的阻碍大部分并不存在。我现在认为,富有野心的可解释性将在我们最需要它的时候得到解决,甚至可能很快,因为自动化科学家工具不断在改进。这或许是可解释性领域的“苦涩教训”:简单的东西,在极端规模下,行得通。 https://already-clean.goodfire.com/
Qoder 指出 Personal Agent 的主动性源于“目标减去现状”产生的差距,并建立 L1 至 L5 分层模型分析执行风险。 其自研代理 Daisy 运行显示,276 条待办中 126 条需手动核销,自主执行数为 0。 文章强调突破主动性瓶颈需明确目标与验收规则,将高风险推断任务降级为可检查的规则执行。
LLM 降低文化材料变量化门槛,LLM-driven agentic systems 将机器辅助扩展至研究工作流其他环节。 该观点指出这些技术扩大了规模、方法论范围及委托范围,但测量支持文化主张的基本逻辑未变。
联想在2026云栖大会发布天禧AI 4.3超能模式及AI主机新品类。天禧AI 4.3支持端侧智能体框架,数据本地不出;AI主机7×24小时在线,适配长耗时高算力任务。 两者结合Qoder Agent SDK构建三层协作架构,实现业务控制、Agent执行与资源安全分离。联想推出苍穹计划提供万亿Token激励,助力端侧AI超级组织落地。
Qoder团队发布一年内注册达10万,七个月ARR一亿美元。 Qoder支持多端部署,包含CLI、桌面端等,并集成数字员工功能。 通过AI转型,企业可实现从超级个体到超级组织的升级。
AI 编码智能体的兴起并未淘汰软件工程学科与工程师,反而凸显其作为可信软件开发基石的必要性。大语言模型的概率生成、语义无状态等结构性缺陷,需通过方法、领域、设计及流程四大知识杠杆弥补。软件工程师需将这些知识转化为持久化制品,以保障 AI 辅助开发产出可验证且可信的软件。
微软研究院对话中,Jennifer Neville 探讨评估在推动 AI 系统性能边界中的作用,揭示模型在传统基准之外测试时出现的“意外失败”。她指出当结果不符合预期时,需仔细审视数据,并分享与当前 AI 系统协作的实用指南。
好了,我们要锁定进度了。目前正在进行的工作仅限于简化、为提高使用量而增加的效率、突破性功能或新模型。 有时需要超前投入,但反馈很明确,你们都希望能让事情变得更简单。我们在努力。
OpenAI 认为高级 AI 对推动突破性想法的常规执行工作至关重要。执行能力将决定未来经济的形态及科技进步的速度。
NVIDIA 指出其 AI 工厂平台具备生产力、耐用性与通用性,旨在最大化每兆瓦吞吐量和投资回报。数据显示,NVIDIA Vera Rubin NVL72 系统的吞吐量比 GB300 NVL72 高 30 倍以上,DeepSeek V4 Pro 模型每百万 token 成本降低至多 45 倍。
Qoder 服务超 800 万开发者,80% 用户通过智能体委派任务,任务一次完成率从 36% 提升至 65%。Qoder 提供 150 多个连接器和 70 多个插件,支持 RepoWiki 企业知识库及 QoderWake 数字人功能。Qoder Security 累计扫描 180 万次,修复 5.8 万个高危漏洞,通过四层安全识别机制前置治理风险。
商汤科技杨帆在广东省人工智能应用对接大会上提出,Token经济需从“为模型消耗付费”转向“为可验证的任务结果付费”。他认为算力规模决定AI基础设施下限,而响应与迭代能力决定上限。商汤大装置日均Token服务量约4.5万亿,联合20家伙伴发起“银河计划”,布局国产AI基础设施生态。
Sam Altman 认为 GPT-6 Sol 和 Luna 相比 5.6 系列在智能、对齐、代码和计算机使用方面均有提升,且单 token 价格减半,单任务成本更低。他指出若以真正重要的单任务计价维度衡量,市场上没有任何竞品能与之抗衡,并强调让更多人用上 AI 对探索这个新文艺复兴至关重要。
推荐理由:OpenAI 创始人强调按任务计价的维度,指出新模型在价格和市场竞争力上具备显著优势。
AI 实验室以外的人应当对这项技术的发展拥有真正的话语权,并且拥有判断其是否安全发展的明确方式。 标准应当有助于防止权力集中,包括确保新公司和开源模型公司能够参与竞争。 它们还应帮助国家和公司比较证据并从中学习失败教训。 我们认为美国应当引领这项努力。以下是我们的提议: https://openai.com/index/building-standards-next-phase-ai/
GitHub Podcast 最新一期拆解了五个关于 AI 开发的热门观点,指出 AI 生成代码仍需人工负责审查,风险评估应匹配生产环境重要性。 文章澄清 Skills 与 MCP 解决不同问题,前者提供打包专业知识,后者提供工具连接标准;RAG 也未过时,而是为系统提供训练数据之外的相关上下文。
我上周最期待发布的重头戏将推迟到下周,但在我看来值得等待!
LibTV作者@站立起来的影子凭借外星人系列累计播放超4亿,成功突破百万粉丝并入选2026年抖音7月精选作者。该创作者单人独立完成从剧本到调色声音的全流程制作,利用LibTV的角色资产管理与3D导演台等功能,在《全家福》等作品中通过荒诞叙事探讨衰老与亲情,实现了从“AI能拍什么”到“我想用AI拍什么”的转向。
阶跃星辰董事长印奇在 WAIC 2026 主论坛发表演讲,提出智能体模型与下一代终端结合将是 AI 下一波爆发点。他提出公式“智能体能力 = 模型能力 × Agentic OS 能力”,并阐述智能体将带来新系统、新载体及 A2A 网络的三大结构性变化。阶跃正与上海期智研究院开展前沿研究,旨在构建可信、安全的智能体秩序。
Hugging Face 讨论前沿模型 Mythos 及其嵌入系统在发现、修复软件漏洞中的表现,指出网络安全是涉及漏洞检测、验证、协调和补丁传播的速度竞赛。作者认为开放代码和工具能为防御方提供结构化优势,并建议采用基于开放组件的半自主 AI Agent,在组织自己的控制范围内运行以辅助安全防御。
文章阐述了五大 AI 价值模型,展示了领导者如何按序列将 AI 从提升员工熟练度推进到流程重生,以建立持久的业务优势。
Blue J 依靠专注、领域深度和合适的 OpenAI 模型,成功扩展至三个国家及超过 3,000 家企业。
OpenAI 研究总监 Lilian Weng 撰写文章探讨持续学习(Continuous Learning)对人工智能模型的重要性。文章主张解决灾难性遗忘问题,使 AI 系统能够像人类一样从新经验中不断适应和进化,而不必从零开始重新训练。
OpenAI 旨在提升 AI 系统学习人类反馈及协助评估 AI 的能力。其目标是构建足够对齐的 AI 系统,以帮助解决其他所有对齐问题。
Hugging Face 发布机器学习总监系列第二部分,聚焦 SaaS 领域,收录 Salesforce 和 Amplitude 高管对 ML 应用与挑战的见解。Salesforce 团队指出 NLP 可优化服务路由,ML 系统比规则系统更简洁;Amplitude 负责人强调缺乏覆盖广泛行业用例的训练数据是主要障碍。
Hugging Face 机器学习工程师 Lewis Tunstall 分享了他与 Leandro von Werra 合作出版《NLP with Transformers》书籍的经历,该书旨在填补 Transformer 领域的信息空白。 他在 Hugging Face 专注于利用 ONNX 格式导出模型,通过一行代码简化部署流程,从而优化延迟和吞吐量,解决生产环境中的 MLOps 挑战。
Hugging Face 机器学习专家系列节目邀请到曾创立并联合领导 Google 伦理 AI 团队的 Margaret Mitchell 担任嘉宾。她分享了在微软开发 Seeing AI 应用时,因发现视觉模型对爆炸场景产生“美丽”等错误描述而觉醒伦理 AI 重要性的经历。
作者对 Megatron-Turing NLG 530B 等巨型模型趋势持保留态度,认为其高成本与碳足迹难以匹配多数业务价值。文章建议优先使用预训练模型、选择更小模型(如 T0)并进行微调,而非盲目追求参数规模。