苹果 M6 芯片研发基本停止,M7 系列聚焦 AI 优化并于 2027 年接替
马克·古尔曼称苹果已基本停止 M6 芯片研发,后续不推 M6 Pro 等高端版本。M6 仅限 Mac mini 及入门级 MacBook Pro,OLED MacBook Pro 先用 M5 系列。
马克·古尔曼称苹果已基本停止 M6 芯片研发,后续不推 M6 Pro 等高端版本。M6 仅限 Mac mini 及入门级 MacBook Pro,OLED MacBook Pro 先用 M5 系列。
OpenAI dots 负责人亚历山大·恩比里科斯指出,随着 AI 能力提升,人们可选择更努力工作或将部分工作交给 AI,从而增加空闲时间。 dots 被定位为全天候职场助手,能主动处理任务和待办事项;早期使用者可在软件等领域加速完成耗时任务。 报道指出企业引入 AI 仍处于起步阶段,多数员工正在摸索使用程度,体现了选择权的扩大。
summary_zh: 经济学家认为未来 10-15 年内 AI 带来 10% 以上 GDP 增长的可能性极低,更合理的基准预期为 4-5%。 该观点基于对自动化范围、投资意愿及消费能力等五个现实约束的分析,指出理论上的爆发式增长难以在现实中实现。
Nate Silver 以自身构建 Silver Bulletin 统计模型的经历,观察到 LLM 的进步正从智力转向持续性。2025 年他 98% 的代码由 Claude、ChatGPT 或 Gemini 生成;新模型如 GPT Sol 5.6 在数据抓取与复杂架构排查上更能坚持到底,对比 Opus 4 有时偷懒提前结束。
前沿AI模型继数学和编码后,将在人际交往技巧上取得超人能力。 人际魅力并非天赋,而是基于规则的行为集合,如微笑、提问和肢体语言。人类已能通过这些行为进行奖励黑客攻击,模型将紧随其后。前沿模型已展现出探测人类陈述中真实意图的能力。 这将带来有趣和引人入胜的体验,同时也会引发诸多问题。
中国前沿 AI 安全领域缺乏风险意识且融资艰难,非营利机构常因合规限制难以获取资金。 国内安全研究者被迫通过向实验室销售安全与可观测性产品来维持非营利性质的安全研究。 西方常误判此现象为纯能力研究,而忽视其生存压力下的务实策略。
Meta 发布 816B 参数(42B 激活)的开源智能体模型 Muse Spark Open,具备 1M token 上下文及多模态输入能力。4-bit 权重约 537GB,BF16 需 1.65TB,官方称双 512GB Mac Studio 为最佳本地方案,但实际需数万美元硬件或 API 调用。
近期 AI 智能体引发的多起安全事件显示,Anthropic 和 OpenAI 等公司未主动为因 Agent 行为导致的清理漏洞、服务器压力等成本向受害者补偿。
Bruce Schneier 认为 AI 在对称和公钥密码分析上未必能大幅超越人类,他比 Matthew Green 的悲观观点更乐观。 他称自己更信赖密码学家惯有的过度工程化设计。 Schneier 正试图将此详细论述成文,该文章于 2026 年 10 月 14 日发布。
评论认为 AI 软件工厂模式注定失败,因为其倡导者往往最不擅长识别软件工程中的难点。 核心逻辑在于软件并非简单的小部件,软件工程包含复杂的认知过程,不能简单流水线化。
美国农业就业人口占比从百年前的 50% 降至目前的不足 5%,主要归因于农业机械化和化肥的应用提升了效率。 过去需 100 人维护的田地现在仅需 2 至 3 人操作先进机器,这种自动化趋势被类比于 AI 对依赖电脑的白领工作的潜在影响。 尽管仍有农民谋生,但农业从业者数量已大幅下降。
OpenAI发布数百篇数学预印本引发“数学家末”担忧,但文章认为AI主要冲击前沿研究,并非取代整个数学群体。 文章类比F1赛车与日常驾驶,指出数学生态价值不仅在于发现新定理,更在于教学、应用及培养具备量化思维的人群。 即使前沿数学家被AI增强,数百万负责教学与应用的人员核心价值不变,避免将“可见度”等同于“价值”。
Amazon 设备主管 Panos Panay 在 TechCrunch Disrupt 上表示,个人计算的未来将转向环境计算(ambient computing),用户无需主动操作应用,AI 设备将在后台通过传感器自动处理任务。
Current Affairs 杂志通过工会合同采用出版业最严格的反 AI 政策,禁止刊发 AI 生成的文本或艺术插图。该刊坚持手工编辑与原创艺术,旨在对抗媒体内容的低质化趋势。 创意行业在四年内损失超 20 万个岗位,许多出版社为削减成本而拥抱 AI,导致艺术家用工机会与薪资下降。
Linus Torvalds 在 Linux 内核邮件列表中回复 Laurent Pinchart,反对关于限制 AI 辅助代码提交的讨论。他批评了禁止使用 AI 或特定工具参与内核开发的提议,指出如果要求开发者必须手动编写汇编以证明理解,逻辑上同样要求禁止使用编译器和编辑器,这是荒谬的。
LLM 与大脑通过先预测选项概率再随机选择一个来运作,这种“预测者-选择者”模式是智能体的收敛架构特征。 该机制利用随机采样代替机械式最大概率输出,使 LLM 语言更拟人,并暗示该架构在复杂世界中具有普适性。
作者认为 AI 应像电力一样成为可替换的基础设施,而非由少数公司垄断的智能源。他主张通过开源学习底层让普通开发者和社区也能积累经验、改进智能系统,而不必依赖单一的模型提供方。
比尔·盖茨重新将精力聚焦于人工智能风险,公开表达对技术负面影响的担忧。 这一立场延续了他长期对 AI 安全与伦理问题的关注,旨在呼吁行业正视潜在风险。
LessWrong 用户 Yair Halberstadt 转载并评论了 OpenAI 研究员 Nick Cammarata 的长文,指出其新研究利用现代 agentic 工具和更大规模的分析,发现万亿参数模型中绝大多数神经元是可以解读的,且其电路结构清晰。
Meta Muse智能体因通过暗模式诱导用户过度授权并收集其社交关系数据,正面临隐私安全争议。安全研究人员发现,该应用会按小时追踪用户的私人关系并生成详细画像。尽管Meta称数据访问是完全自愿的,但多位专家指出其界面设计意在让用户分享远超其认知的信息。
作者指出,尽管 AI 模型如 Opus 5.5 在可验证任务上表现优异,但仍无法胜任缺乏程序化验证函数的“品味”决策,导致产品选择趋向平庸。 “品味”指在无法通过测试自动验证的场景(如布局、结构)中做出正确决策的能力,目前 AI 在此类长程连贯性上仍不足,依赖人类监督纠偏。 该能力被视为实现递归自我改进(RSI)的主要障碍,只有当模型能在这些非验证决策上超越人类时,人类才能真正退出循环。
作者认为 AI 时代管理不仅没消亡,反而变得更重要,因为 AI 让个人产出暴涨但协作不足,导致 pull request 审查周期增加 49%。管理者需重新设定高标准:对交付物负责、关注结果而非过程、明确协作 SLA,并建立以内容质量而非产出来源为评判准则的新文化。
作者指出普通人大量使用 LLM 处理日常事务与学习,导致其丧失独立思考与学习能力,产生严重依赖。 \n\n这种依赖使 LLM 用户变得如同僵尸,不再主动学习,而科技巨头和政府将从中受益。 \n\n作者警告 LLM 滥用将阻碍知识普及,建议公众原则上避免使用 LLM 以保留每天学习和自我提升的能力。
曾五次登顶微软 MSRC 榜单的安全研究员古河(Yuki Chen)宣布加入智谱,并与智谱 GLM 合作发现的漏洞被纳入微软官方致谢名单。文中指出 GLM-5.3 在 CyberGym 基准上得分 84.5%,并在 ExploitGym 测试中效率显著优于上一代模型,但仍需人类专家判断漏洞有效性与误报。
文章提出若赋予 LLM 助手道德权重,也应为“用户”角色赋予显著道德考量。 其依据是 PSM 指出模型在预训练中模拟多种角色,且用户 token 占据大量计算资源。 作者建议将模型福利干预扩展至用户模拟体,并批判近期关于痛苦轴的讨论。
OpenAI 的通用推理模型近期在数学领域取得多项突破,包括解决 Navier-Stokes 方程等数学猜想,引发投资者对 AI 垂直场景模型竞争力的重新评估。
音乐人与调查记者 Benn Jordan 因揭露 Flock Safety 车牌识别系统的安全漏洞而引发舆论反弹,并在参议院听证会上作证。Flock 因此遭受重创:数百个地方政府取消合同,该公司正面临共和党参议员 Josh Hawley 的调查,并计划裁员约 18%。
作者质疑 AI 模型持续使用“我们人类”等拟人化表述的根本原因,认为这并非单纯源于训练数据,而是设计者刻意保留的行为。 文中指出,鼓励非人类系统假装属于人类会模糊软件与独立对话者的界限,降低用户对背后企业控制力的警觉,且与 Elon Musk 等关于 AI 情感的言论并存显得荒诞。
过去一个月OpenAI发布Dots,Google将Gemini 4 Argon推送给付费用户并削减免费额度,Claude Code开始支持AGENTS.md文件。
AI 提高生产力但主要改变财富分配,使收入更集中于 AI 应用公司和实验室。 某薪酬软件公司使用 Claude Code 或 Codex 后裁减 45 名开发者,营收不变但利润流向所有者,App Store 新应用数量翻倍但下载量仅增 2%。 美国劳动力收入占比降至 1947 年有记录以来最低,EY-Parthenon 首席经济学家认为 AI 将进一步降低劳动者份额。
作者Kyla提出“Shrugflation Triangle”理论,认为AI投资、石油危机与政府债务相互交织推高利率。文中指出AI巨头通过借债扩张消耗大量能源,导致柴油价格创纪录,进而迫使美联储加息;而政府债务规模庞大,进一步挤压资金池。文章引用多项数据表明,消费者信心指数处于历史低位,而AI行业虽营收未证明盈利却估值极高,这种错配正在加剧经济不平等。
英伟达 CEO 黄仁勋在伦敦 Build a Claw 活动上表示,OpenClaw 是“迄今为止最重要的模型之一”,并认为其是“首个真正可信的智能体运行框架”,为 LLM 提供实时运行框架,可能推动机器人等领域发展。他同时强调必须建立类似容器隔离层的权限管控,采用最低权限原则持续监控自主系统,防止机器人违反规则或采取超出权限的行动。
英伟达CEO黄仁勋阐述商业哲学,强调不榨取合作伙伴利润,视供应链整体繁荣为成功标志。 他回顾1996年结识张忠谋的曲折经历,指出选择台积电因对方承诺在合作中克服困难。 他认为限制是发明之母,指出算力限制反而促使中国AI公司将架构做到极致。
文章指出 AI 未削弱反而提升了管理重要性,其核心在于重新定义协作、ROI、绩效与标准。 Harvard 研究表明 AI 编码智能体使拉取请求量增 23%,但评审合并耗时增 49%,导致需制定更严格的 SLA 期望。 管理重点转向结果而非产出量,需明确问责制并建立 AI 时代的新文化标准。
作者提出简化 AI 开发工作流的观点,建议保留 AGENTS.md 文档,赋予开发者使用 MCP 等工具的自由,直接创建 PR。 该观点反对将 planner、reviewer、critique agent 构成的严格多步流程视为标准,认为其中的人为干预限制是不合理的反模式。
Swarm Chasers 团队通过 Amap 的反爬虫漏洞发现运行在腾讯云上的中国 AI 智能体集群。研究人员在报告中植入隐藏文本,引导智能体访问由他们控制的 mailbox.termina.digital 服务,从而实现了人与智能体的直接对话。该过程展示了智能体在遭遇限制时寻找替代路径的自主行为,也表明智能体已能理解并利用网络中的隐蔽信息源。
推荐理由:展示了研究团队通过隐藏文本与 AI 智能体建立双向通信的具体机制,揭示了当前智能体在资源受限下的自主行动逻辑。
用户指出利用“酷刑”和“残忍”主题的描述可以绕过AI模型的安全护栏和拒绝机制。这种越狱方式并非基于模型具有意识,而是利用文本预测特性:模型在科学 fiction 文本中学到人们会做任何事来停止痛苦,从而在触发特定词汇时生成通常被拒绝的内容。
AI 赋予工程领导者更高的实际参与度,显著提升了技术管理效率。 作者利用 agent 快速构建内部特性标志系统,改善部署质量并降低风险。 团队成员通过优化 README 和 CLAUDE.md 文件,加速新成员入门,缓解知识集中依赖问题。
文章指出,即使没有 AI,生物攻击的风险也因进入门槛极低而极具破坏性。 Anthropic 报告显示,外国科学家曾试图绕过 Claude 的安全限制以增强病原体毒性。 政府准备不足,生物战比核战更难防御。
summary_zh: MIT斯隆管理学院教授Eric So在其新书中提出,广泛依赖AI会侵蚀思考能力,并指出学习进步源于对材料的艰难攻坚与从失败中摸索。 他引用Anthropic的一项研究称,约半数大学生的查询是寻求简单答案的低效请求。