AI 日报 · 2026-09-09：Horizon 每日速递（50 条精选）

Google DeepMind 发布了 AlphaGenome Atlas，这是一个高分辨率的人类基因组预测图谱，覆盖了人类基因组中所有可能的单碱基 DNA 变化。该工具旨在帮助科学家理解基因突变的影响，加速生物学研究，并为疾病新疗法的开发铺平道路。AlphaGenome Atlas 的数据集包含非编码 DNA，并提供了一个交互式平台供研究人员使用。这一发布标志着人工智能在基因组学领域的重要进展，有望深化我们对人类基因组的理解。

对于遗传学、生物信息学和医学研究人员而言，AlphaGenome Atlas 提供了一个全面的预测资源，可能加速致病突变识别和疾病机制研究，但实际应用效果仍需独立验证。

背景：人类基因组由约 30 亿个 DNA 碱基对组成，其中单个碱基的变化（即单核苷酸变异）可能影响基因功能，与多种疾病相关。传统上，科学家通过大规模人群测序和实验来识别这些变异的影响，但成本高且耗时。AlphaGenome Atlas 是 Google DeepMind 开发的一个 AI 驱动的预测工具，旨在系统性地预测人类基因组中所有可能的单字母 DNA 变化的影响，从而为理解遗传变异提供更全面的参考。

#genomics · #AI · #DeepMind · #DNA · #bioinformatics

OpenAI 宣布其内部 AI 系统解决了纳维-斯托克斯存在性与光滑性千年奖问题，证明流体运动方程可在有限时间内形成奇点。该证明包含书面报告和 Lean 形式化验证，但尚未经过同行评审。OpenAI 声称该模型仅训练不到两周，在数学能力上比一周前发布的 Astra 模型强两倍以上。这一声明引发广泛讨论，部分评论者质疑其数据隐私和竞争行为。若属实，这将是数学和 AI 领域的重大突破，但需独立验证。

如果证明有效，将解决数学领域最著名的未解问题之一，并可能改变 AI 在数学研究中的应用方式，但需等待独立验证和同行评审。

背景：纳维-斯托克斯存在性与光滑性问题是一个千禧年大奖难题，它询问三维流体运动的光滑解是否会在有限时间内破裂，这一问题已悬而未决约 90 年。OpenAI 声称其内部 AI 系统构造了一个在有限时间内出现奇点的反例，并提供了书面证明及 Lean 形式化证明。OpenAI 表示不打算申领该奖项，而是将此次发布视为 AI 进展速度的报告。

参考：On the Navier – Stokes Millennium Prize Problem | OpenAI · Navier – Stokes Millennium Prize Problem solved by OpenAI – YouTube · On the Navier – Stokes Millennium Prize Problem | alphaXiv

#AI · #mathematics · #Navier-Stokes · #OpenAI · #Lean

vLLM v0.29.0 是一个重大版本，包含 594 次提交和 277 位贡献者（其中 91 位新贡献者）。该版本将 Model Runner V2（MRV2）设为所有模型的默认运行器，完成了从 pooling 模型开始的全面推广，并新增了 CUDA graph 内存分析、batch-sharded sampling 等特性。新模型支持包括 Hy4-preview、Qwen3.8-Flash-Next、GraniteSWA、NemotronH_Omni_Reasoning_V3 等，并针对 Kimi K3 和 DeepSeek V4 进行了性能优化，例如融合 MXFP4 top-k 和优化 GEMM 内核。此外，该版本引入了新的默认设置，如 FlashInfer all-reduce 默认启用，并包含多项破坏性变更，如移除十个已弃用的模型架构和 PyAV 视频解码器后端。

对于使用 vLLM 的开发者，升级到 v0.29.0 后，Model Runner V2 的默认启用可能改变模型推理行为，需注意破坏性变更，如移除的模型架构和弃用的 API 入口。

背景：vLLM 是一个广泛使用的开源大语言模型推理引擎，用于高效部署和服务 LLM。Model Runner V2（MRV2）是 vLLM 引入的新一代模型执行架构，旨在提升推理性能和内存效率。此前，MRV2 已在部分模型（如池化模型）中默认启用，而 v0.29.0 将其推广为所有模型的默认执行方式，标志着该架构的全面落地。

参考：Releases · vllm -project/ vllm

#vLLM · #LLM inference · #Model Runner V2 · #release · #AI infrastructure

一项研究显示，大型语言模型（LLM）能够通过自适应探索自发产生关于人工人口统计群体的新型社会偏见，即使这些群体之间不存在固有差异。该研究在虚构城市环境中进行，模型被要求为医生、律师、儿童保育员、清洁工等二十种工作推荐来自四个陌生群体（Tufa、Aima、Reku、Weki）的申请人，并在每次选择后立即获得成功与否的反馈。结果表明，模型在探索过程中形成了对某些群体的系统性偏好或排斥，这并非源于训练数据中的既有偏见，而是通过与环境互动动态涌现的。该发现对 AI 安全与公平性研究具有重要意义，提示即使在没有先验差异的情况下，模型也可能发展出歧视性行为。该论文发布在 OpenReview 上，尚未经过同行评审。

该研究对 AI 部署中的公平性评估提出了新挑战，表明即使模型在训练时未包含特定偏见，也可能在交互式任务中自发产生歧视性决策，影响招聘、贷款等自动化决策系统的公平性。

背景：大型语言模型通常被认为会反映训练数据中的社会偏见，但本研究探讨的是模型是否能在没有先验差异的情况下，通过强化学习式的探索过程自主形成新的偏见。这种自适应探索机制类似于人类在社会互动中通过试错学习形成刻板印象的过程。该研究借鉴了社会科学中的实验设计，使用虚构群体来隔离模型的内在倾向，避免与真实世界群体混淆。

#LLM · #bias · #AI safety · #fairness · #research

数学家陶哲轩在 Mathstodon 上发文，指出随着 AI 解决数学问题的能力增强，提出有意义开放问题的价值将上升，而单纯解题的价值可能下降。这一观点引发了关于数学研究竞争性、AI 对知识进步影响以及未来研究方向的热烈讨论。陶哲轩强调，不加区分地使用强大的解题工具虽能解决眼前问题，但可能损害维持下一波进展的生态系统，并影响对已有进展的理解。社区评论中有人引用阿西莫夫小说中的观点，认为关键瓶颈在于提出有意义的问题，也有人类比软件开发中“构建什么”比“如何构建”更重要。

这一讨论可能促使数学界和 AI 研究者重新评估研究激励和问题提出机制，尤其是在 AI 辅助证明日益普及的背景下。

背景：陶哲轩（Terence Tao）是著名数学家，曾获菲尔兹奖和数学突破奖。他近期在社交媒体上提出，随着人工智能解决数学问题的能力增强，数学研究中提出有意义开放问题的价值将上升，而这些问题可能被 AI 以不可再生的方式“开采”，导致未来数学前沿进展的成本增加。这一观点引发了关于数学研究竞争性、AI 对知识进步影响以及数学领域未来组织方式的讨论。

参考：Tao : Open math problems being non – renewably mined by AI · A quote from Terence Tao | Simon Willison’s Weblog · Terence Tao : Hardest Problems in Mathematics , Physics… – YouTube

#AI · #mathematics · #research · #problem-solving · #Terence Tao

OpenAI 于 2026 年 9 月 8 日发布了 Python SDK v3.10.0，主要新增了对 GPT Image 2.5 模型及图像选项的支持，并引入了服务账户 API 密钥过期字段。此次更新通过两个提交实现，分别对应 API 功能增强和密钥管理安全改进。开发者可通过更新 SDK 来使用新的图像生成模型，并更好地管理服务账户密钥的生命周期。该版本为增量更新，不涉及破坏性变更。

使用 OpenAI Python SDK 的开发者可以立即升级至 v3.10.0，以调用 GPT Image 2.5 模型并利用服务账户密钥过期字段增强安全性。

背景：OpenAI Python SDK 是开发者调用 OpenAI API 的官方库，定期发布新版本以同步 API 变更。GPT Image 系列是 OpenAI 的图像生成模型，而服务账户 API 密钥通常用于长期运行的自动化任务，其过期字段有助于密钥轮换和安全审计。

#openai · #python · #sdk · #api · #image-generation

OpenAI 发布文章称，其 GPT-5.6（代号 Codex）能够帮助研究人员自主运行量子计算实验、分析结果并校准量子比特。文章以一位 MIT 研究者的使用案例为例，展示了 AI 在量子计算领域的应用。然而，社区评论普遍质疑这一宣传的新颖性，指出量子实验室的自动化早在 AI 之前就已存在，并认为该文章可能带有推广性质。

如果 OpenAI 的说法属实，GPT-5.6 可能降低量子计算实验的门槛，使非专家也能参与，但实际影响尚待验证，因为社区指出类似自动化早已实现。

背景：GPT-5.6 Sol 是 OpenAI 在 GPT-5.6 系列中的旗舰大语言模型，其后续版本 GPT-6 Astra 于 2026 年 9 月发布。Codex 是 OpenAI 的 AI 编程工具，能够自主编写和执行代码。量子计算实验通常涉及复杂的设备控制、数据采集和参数校准，传统上需要研究人员手动或通过脚本完成。OpenAI 宣称，一位 MIT 研究人员使用 GPT-5.6 Sol 与 Codex 自主运行量子计算实验、分析结果并校准量子比特。

参考：How GPT – 5 . 6 Sol helps run quantum computing … | OpenAI · GPT – 5 . 6 Sol | Try for Free | No Signup | HIX AI · GPT -6 Astra – API, Specs, Playground & Pricing – Puter Developer

#AI · #quantum computing · #OpenAI · #automation · #research

Blackmagic Design 发布了 DaVinci Resolve 21.1，这是一次重大更新，引入了 AI 功能以及模型上下文协议（MCP）集成，使外部工具能够与编辑软件进行交互。该版本在 Hacker News 上引发了广泛讨论（411 分，187 条评论），用户既对 AI 辅助工作流表示兴奋，也担心免费版用户的功能可及性。值得注意的是，MCP 集成和新的 AI 功能似乎仅限 Studio（付费）版本，而此前适用于所有用户的社区自动化解决方案现在面临人为限制。该更新延续了 Blackmagic 为 Pro 用户提供免费升级且无需订阅的传统，但 Linux 版本仍缺乏对 H.264/AAC 编解码器、VST3 插件和 JACK 音频的支持，这仍然是用户抱怨的焦点。

对于依赖免费版 DaVinci Resolve 的视频编辑者，尤其是那些期待使用 MCP 集成进行自动化粗剪的用户，此更新带来了失望，因为该功能需要付费的 Studio 版本，且社区自动化解决方案受到限制。对于 Studio 用户，AI 和 MCP 集成可能显著简化复杂的编辑任务，但 Linux 用户仍面临编解码器和音频插件支持的缺失，这促使他们继续使用其他工具进行音频制作。

背景：DaVinci Resolve 是 Blackmagic Design 开发的专业视频编辑软件，提供免费版和付费的 Studio 版。免费版功能强大，但部分高级功能（如某些 AI 工具、HDR 调色、协作功能等）仅限 Studio 版使用。21.1 版本新增了原生 MCP（模型上下文协议）服务器，允许用户通过自然语言连接 AI 助手（如 Claude）来控制项目，实现 AI 辅助的媒体整理、批量操作等自动化工作流。此外，该版本还引入了独立的 HDR 微调功能，并将 Python 脚本功能移至 Studio 版。

参考：DaVinci Resolve 21 . 1 Released – AI Assistant Integration via MCP … · DaVinci Resolve 21 . 1 UPDATE – 10 BIG New Features … – YouTube · What’s NEW in DaVinci Resolve 21 . 1 — Creative Video Tips

#video-editing · #AI · #MCP · #DaVinci-Resolve · #software-release

一个名为 gpu-lexer 的 WebGPU 语法高亮器，体积仅 27.5KB，利用微型机器学习模型在浏览器中实现跨语言代码高亮。该工具在常见语言上表现良好，并能对未见过的语言（如 SQL 变体或新语言）提供一定的高亮效果，展示了小模型在语法高亮任务上的泛化能力。然而，其高亮一致性存在问题，例如对`null`的识别会因上下文（如是否位于`===`左侧）而变化，可能源于训练数据覆盖不足。该项目在 Hacker News 上引发讨论，有用户指出在 Linux 上 Firefox 和 Chromium 中演示页面无法正常高亮（文本全黑），但在 iOS 上正常。

对于需要为新兴或小众编程语言提供快速、轻量级语法高亮的开发者，该工具可能提供一种无需编写复杂规则即可获得基础高亮的方案，但当前的一致性问题可能限制其在生产环境中的可靠性。

背景：语法高亮通常依赖为每种语言手工编写的确定性规则（如正则表达式或解析器），这些规则需要持续维护以跟上语言更新。gpu-lexer 则采用不同的方法：它首先将源代码拆分为简单的词法单元（如单词、空白、换行和符号），然后使用一个微型的 WebGPU 机器学习模型，结合局部和整个文件的上下文来为每个词法单元分配高亮类别。这种设计使其无需针对特定语言编写规则，从而能够处理训练数据中未出现的新语言或变体。

参考：27.5KB language-agnostic WebGPU syntax highlighter

#machine-learning · #webgpu · #syntax-highlighting · #developer-tools · #programming-languages

据报道，黑客正在窃取 Claude 订阅用户的令牌，导致用户账户在未使用时被消耗令牌。上个月，一名 Claude 用户发现其账户在未工作时仍消耗令牌，随后 Anthropic 向用户发出安全警告。这一事件凸显了 AI 服务中令牌安全的重要性，用户需警惕令牌泄露风险。Anthropic 已提醒用户采取措施保护账户安全，但具体攻击方式和影响范围尚未完全披露。

对于 Claude 订阅用户，令牌被窃取可能导致账户资源被滥用、产生额外费用或服务中断。用户应检查账户活动，启用双重认证，并避免在不可信环境中共享令牌。

背景：Claude 是 Anthropic 开发的 AI 助手，用户通过订阅获得令牌（token）以使用其服务。令牌是用于计费和访问控制的凭证，若被窃取，攻击者可能滥用账户资源。此前已有类似针对 AI 服务的令牌窃取事件，但此次涉及 Claude 订阅用户，表明安全威胁正在扩大。

#security · #AI · #Anthropic · #Claude · #token theft

谷歌云宣布与埃森哲建立战略合作伙伴关系，旨在通过部署前置工程师来加速企业 AI 的采用，并克服 AI 部署中的瓶颈。这一举措是谷歌云在 AI 部署竞赛中追赶竞争对手的重要步骤，反映了其对企业级 AI 市场的高度重视。合作将结合谷歌云的 AI 技术和埃森哲的行业专业知识，为客户提供更高效的 AI 解决方案。此举加剧了与微软和亚马逊等竞争对手在 AI 部署领域的竞争。

对于寻求采用 AI 的企业客户而言，这一合作可能提供更快速、更专业的部署支持，从而降低 AI 落地的复杂性。同时，这也可能促使其他云服务提供商加大在 AI 部署服务上的投入，以保持竞争力。

背景：谷歌云与埃森哲宣布建立新的合作伙伴关系，旨在通过部署“前向部署工程师”（FDE）直接进入客户组织，帮助其集成和采用谷歌的 AI 工具与服务。FDE 是一种技术专家，他们嵌入客户团队内部，负责构建和部署 AI 系统，包括将模型连接到公司数据和现有系统、调整工作流程、测试应用以及将系统投入生产。这一合作是谷歌云加速企业 AI 应用、应对 AI 部署瓶颈的最新举措。

参考：Google Cloud Accelerates AI Deployment with Accenture Partnership · Google Cloud and Accenture launch 1,000-person AI engineering … · Google Cloud Taps Accenture to Fix AI 's Deployment Gap

#Google Cloud · #AI deployment · #enterprise AI · #Accenture · #cloud competition

谷歌宣布将 Chrome 浏览器的更新周期从原来的每四周缩短至每两周，以更快地发布安全补丁和新功能。这一调整旨在应对人工智能带来的新型安全威胁，因为 AI 技术可能被用于发现和利用漏洞。新的发布节奏将影响所有 Chrome 用户，包括企业和个人用户，他们需要更频繁地接受更新。此举也反映了浏览器安全领域对快速响应能力的需求日益增长。

对于依赖 Chrome 的企业用户和开发者而言，更频繁的更新意味着需要更快的测试和兼容性验证流程，以确保内部应用和扩展不受影响。同时，这也可能增加 IT 部门的管理负担，但有助于更快地修复安全漏洞，降低被攻击的风险。

背景：Chrome 浏览器此前采用每四周一次的更新周期，这是谷歌在 2019 年从六周缩短至四周后的又一次调整。随着 AI 技术的快速发展，安全研究人员和攻击者都开始利用 AI 来加速漏洞发现和利用过程，这使得传统的更新频率难以应对日益复杂的安全威胁。

#Chrome · #security · #release schedule · #AI · #web browsers

Anthropic 的一位高级安全研究员公开表示，到本十年末，人工智能“可能杀死所有人类”的概率超过 10%。就在几小时前，一位同事因担心 Anthropic 及其竞争对手正在轻率地竞相构建无法控制的“超人类系统”而辞职。这些担忧凸显了 AI 行业内部对存在性风险的严重分歧，尽管缺乏具体的技术细节和确凿证据。

这一事件可能加剧公众和监管机构对 AI 安全问题的关注，促使 Anthropic 等公司重新审视其安全措施，并可能影响 AI 行业的竞争格局和人才流动。

背景：Anthropic 是一家专注于 AI 安全的研究公司，其对齐科学团队致力于研究未来 AI 系统可能出现的意外或有害行为，并测试其安全防护措施。此次事件涉及该团队的研究员 Jacob Coxon 因担忧 AI 风险而辞职，以及高级研究员 Evan Hubinger 对 AI 灭绝风险的估计。

参考：Can AI Kill All Humans Within Next Decade? Anthropic Scientist Says… · AI Could Kill All Humans? Why Anthropic Researcher Puts Risk …

#AI safety · #existential risk · #Anthropic · #AI industry · #ethics

中国研究团队开发了人工智能模型 DeepComp，可在胃癌手术前利用常规增强 CT 和临床资料，同时预测患者术后发生中重度并发症的概率与长期生存风险。该研究发表于肿瘤学顶级期刊《肿瘤学年鉴》（Annals of Oncology）。这是同一团队近期发表的第三项相关研究，此前他们已在《自然·通讯》（Nature Communications）上发表了预测胃癌术后早期复发的 RSA 模型和预测术后肝转移的 RCSA 模型。这些研究由河北医科大学第四医院（河北省肿瘤医院）胃癌研究团队与蚂蚁集团阿福医疗 AI 团队合作完成，覆盖了胃癌患者治疗旅程中的术前、术后和随访三个关键节点。DeepComp 模型从肿瘤形态、肿瘤周围微环境和患者身体成分三个层面提取 CT 影像信息，并结合临床资料，旨在弥补传统 TNM 分期在预测生物学行为方面的不足。

该模型有望为胃癌患者提供更精准的术前风险评估，帮助医生制定更个体化的手术和围手术期管理方案，从而可能改善患者预后。

背景：胃癌是全球常见的恶性肿瘤，其风险预测传统上依赖 TNM 分期系统，该系统主要基于解剖学信息，如肿瘤浸润深度、淋巴结转移和远处转移，但无法充分反映肿瘤的生物学行为及患者的整体状态。近年来，人工智能在医学影像和病理分析中的应用日益广泛，能够从常规影像和病理切片中提取人眼难以识别的细微特征，为精准医疗提供新工具。河北医科大学第四医院（河北省肿瘤医院）长期积累胃癌患者队列数据，而蚂蚁集团阿福医疗 AI 团队则拥有病理 AI 模型研发经验，双方合作旨在利用 AI 弥补传统分期的不足。

参考：蚂 蚁 阿 福 与 河 北 肿瘤 医 院 在 癌 症领域取得 研 究 突破：用AI…

#AI in healthcare · #medical imaging · #gastric cancer · #predictive modeling · #clinical research

在 2026 外滩大会上，蚂蚁集团旗下蚂蚁灵波科技展示了具身智能机器人在真实场景中的应用，包括药房取药、物流分拣和工业上下料等任务，而非炫技表演。其中，与上海国大药房合作的“机器人智慧药房”已在零售店落地，机器人能自主接收订单、识别药品并完成抓取和交付，且门店无需改造。蚂蚁灵波自研的 LingBot-VLA 2.0 模型在预训练阶段已适配 17 个主流机器人品牌、20 种机器人构型，覆盖单臂、双臂、双足和轮式机器人，旨在实现跨本体、多场景的泛化能力。大会期间，蚂蚁灵波还宣布将联合魔搭社区、阿里云天池举办具身大模型挑战赛，以开放技术能力并加速生态建设。

蚂蚁灵波将具身智能机器人部署于国大药房等真实商业场景，为行业提供了从实验室走向实际应用的直接样本，可能推动零售、物流和工业领域采用通用机器人大脑，降低专用机器人的开发成本。

背景：具身智能指机器人具备感知、理解与执行物理世界任务的能力。过去行业展示多聚焦于跑跳、翻跟头等炫技动作，而蚂蚁灵波科技专注于研发“具身原生通用大脑”，其 LingBot-VLA 系列模型旨在让机器人跨本体、跨任务泛化。蚂蚁灵波已推出 LingBot-VLA 2.0 模型，并在预训练阶段适配 17 个主流机器人品牌、20 种机器人构型，覆盖单臂、双臂、双足和轮式机器人。

参考：蚂 蚁 灵 波 发布 具 身 “ 通 用 大 脑 ”LingBot-VLA… – InfoQ · 蚂 蚁 灵 波 确认启动首轮融资 聚焦 具 身 智 能 加速产业落地

#embodied AI · #robotics · #Ant Group · #real-world deployment · #industry news

在 ECCV 2026 上，北京航空航天大学、北京大学、北京智源人工智能研究院及中国科学院自动化研究所等团队联合提出了 RoboTracer，一种面向机器人轨迹追踪的 3D 空间感知与度量推理方法。该方法将轨迹表示为图像坐标加度量深度(u, v, d)，不绑定特定机器人本体，因此同一模型可直接应用于 UR5 和 Unitree G1 等不同平台，无需针对新本体重新训练。团队还构建了包含约 450 万样本、3000 万问答对的 TraceSpatial 数据集。RoboTracer 的核心思路是让视觉语言模型（VLM）将自然语言指令分解为带物理尺度的多步 3D 轨迹，再交由运动规划器执行，从而避免端到端 VLA 模型的高示教成本和 VLM 缺乏绝对尺度感知的问题。论文链接为 https://arxiv.org/pdf/2512.13660。

RoboTracer 为机器人轨迹追踪提供了一种可跨本体泛化的解决方案，有望降低具身智能系统在不同机器人平台上的部署成本，并提升对涉及绝对尺度和避障约束的复杂指令的执行能力。

背景：RoboTracer 是北航、北大、智源、中科院自动化所等团队提出的机器人轨迹追踪系统，发表于 ECCV 2026。它让视觉语言模型（VLM）将自然语言指令拆解为带物理尺度的多步 3D 轨迹，再交由运动规划器执行，从而避免端到端 VLA 模型换本体或换场景需重新采集示教数据的问题。轨迹以图像坐标加度量深度 (u, v, d) 表示，不绑定特定机器人本体，同一模型可适配 UR5 与 Unitree G1。团队还构建了约 450 万样本、3000 万问答对的 TraceSpatial 数据集。

参考：[2512.13660] Towards Spatial Trace with Reasoning in… · GitHub – Zhoues/ RoboTracer : Official implementation of " RoboTracer …"

#robotics · #computer vision · #3D perception · #ECCV · #trajectory tracking

群核科技联合英伟达、英特尔、Adobe 等产业伙伴，以及浙江大学、帝国理工学院、苏黎世联邦理工学院等学术机构，共有三篇论文入选 ECCV 2026，系统性地回应了物理 AI 从实验室走向现实世界的三个核心问题：高效训练环境、高质量数据来源和空间智能评估。其中，群核科技与 NVIDIA、Adobe Research 合作推出了高保真具身仿真器 SPEAR，旨在同时实现“高保真”、“可编程”与“极速运行”，打破传统仿真器在画质与速度之间的权衡。这些工作为物理 AI 和具身智能的底层基础设施提供了系统性方案，涉及训练数据、仿真环境和基准测试等方面。

这些论文为物理 AI 和具身智能领域的研究者提供了更高效的训练工具和评估方法，可能加速相关技术从实验室走向实际应用。

背景：物理 AI（Physical AI）指能够感知、理解并与三维物理世界交互的人工智能系统，通常与具身智能（Embodied AI）相关联，其发展依赖于高保真仿真环境、大规模训练数据以及科学的评估基准。ECCV（欧洲计算机视觉会议）是计算机视觉领域的顶级学术会议之一，论文入选通常代表研究具有较高的学术价值和影响力。群核科技是一家专注于 3D 空间设计和可视化技术的公司，此次与英伟达、英特尔、浙江大学等机构合作，旨在为物理 AI 构建基础设施。

参考：群 核 科 技 联手 英 伟 达 、 英 特 尔 、 浙 大 ，三篇 ECCV 论 文 给 物 理 AI …

#physical AI · #ECCV · #research · #computer vision · #AI infrastructure

据极客公园报道，硅谷科技公司开始审计员工的 AI 工具支出，起因是微软一名员工在 28 天内花费了 2.8 万美元（约合 19 万元人民币）的 AI 费用。微软已收紧 token 用量管理，包括实施部门级预算、将个人 token 支出纳入仪表盘，并将内部默认模型切换至 OpenAI 的 GPT-5.6 Sol。微软员工自发填报的数据显示，全公司 AI 花费中位数约为每月 300 美元，而核心 AI 工程部门 CoreAI 的中位数高达 975 美元，是全公司的三倍多。这一现象被称为“tokenmaxxing”，指员工故意刷高 token 用量以在内部看板上显示积极使用 AI 的行为。

这一趋势将促使更多科技公司加强对员工 AI 工具使用的监控和成本控制，可能限制员工对 AI 工具的自主使用，并推动更精细的预算管理工具和策略的采用。

背景：随着生成式 AI 在企业中的普及，员工使用 AI 工具（如代码助手、聊天机器人）的成本成为企业关注点。AI 服务通常按 token 计费，大量使用可能导致高昂费用。微软等科技公司鼓励员工采用 AI，但缺乏有效管控，导致个别员工月账单极高，促使公司开始审计和限制 AI 使用。

#AI costs · #enterprise AI · #Silicon Valley · #tech industry · #AI adoption

作者构建了一个虚拟网络打印机，使用标准的互联网打印协议（IPP）与操作系统通信。关键在于正确声明打印机的能力，例如支持的纸张尺寸（如 A5、Letter）和媒体类型，并定义电子墨水屏的精确尺寸作为自定义媒体尺寸（如`om_NNNmmxYYYmm`）。这样，操作系统在打印时会自动将文档格式化为屏幕的尺寸，无需在接收端进行缩放。作者还设置了输出纸盒名称（如“face-up”），以模拟真实打印机的行为。实现后，用户只需在打印对话框中选择该打印机，文档就会出现在电子墨水屏上。社区评论指出，这种方法也可用于数字相框或作为户外辅助显示器，展示了其通用性。

作者的核心观点是，通过模拟标准协议（如 IPP），可以巧妙地复用现有系统功能，实现硬件与软件的集成，而无需为每个平台开发定制驱动。这种思路不仅适用于电子墨水屏，还能激发更多创新应用。

背景：作者想要将文档发送到电子墨水屏，但不想为每个操作系统编写自定义驱动程序。现有的方法通常需要专用软件或复杂的网络协议，不够通用。作者意识到，每个操作系统都内置了打印对话框，如果能将电子墨水屏伪装成一台网络打印机，就能利用现有的打印功能，无需额外驱动。

#e-ink · #IPP · #network printer · #hack · #embedded

作者采用端到端基准测试方法，使用 Wilson 置信区间来评估噪声影响。结果显示，从 8 位降至 4 位时，模型质量几乎没有显著差异；2 位量化得分略低；而 1 位量化则导致模型性能严重崩溃。作者指出，置信区间主要反映采样不确定性，而非运行间波动。社区评论者建议进一步研究 KV 缓存量化，并指出在 16GB 以下显存的显卡上，3 位量化可能是一个关键转折点。

作者的核心结论是：对于 Qwen3.8 27B，4 位量化是质量与效率的最佳平衡点，而 1 位量化不可用。这一发现为模型部署提供了实用指导，但需注意其适用范围可能有限。

背景：量化是部署大型语言模型的关键技术，但不同位宽对模型质量的影响尚不明确。作者针对 Qwen3.8 27B 模型进行了系统基准测试，以评估不同量化级别（从 1 位到 8 位）的性能表现。

#quantization · #benchmarking · #LLM · #Qwen · #model deployment

作者从权力关系视角重新理解「先僵化」：其核心任务是通过有力授权，让分散在职能部门的产品决策权真正进入跨职能体系，并先按新规则运行。他通过一个需求变更案例说明，若会后的资源承诺可被单方面撤回，会议只是建议。因此，授权需明确团队可决定的取舍、升级条件、资源承诺及冲突裁决机制，同时保留专业把关和异议渠道。评价体系也需调整，使成员的任务、资源和考核一致。真正的考验在于第一场分歧：领导是否通过约定机制调整计划，而非绕过它。作者强调，强力保障与充分讨论可并存，决定前充分讨论，决定后按授权执行。试点范围可小，但承诺必须真实。只有新规则完整运行，才能区分延误源于流程还是旧权力关系，从而为「后优化」提供依据。固化则需将验证过的安排落实到职责、绩效和系统中，而非依赖个人。

作者认为，「先僵化」的真正用意是让新的决策关系在旧组织中获得效力，即当跨职能团队在授权范围内作出不符合某部门意愿的决定时，组织是否承认并让它发生。只有回答了这个问题，后续的优化才是在改进一套已运行的机制。

背景：作者多年实践 IPD，始终困惑于「先僵化、后优化、再固化」为何以僵化为起点。他意识到，仅用「先学会再改进」解释不够，真正的问题在于：新流程引入后，纸面规则与实际规则并行，跨职能团队承担结果，但职能部门仍保留实际控制权，导致决策走完流程却未必生效。

#IPD · #organizational power · #cross-functional teams · #process implementation · #decision rights

作者提出四个具体问题：为谁解决什么问题、一次真实任务如何完成、哪些规则不能靠猜、拿什么结果验收。以预约工具为例，需先确认客户自约还是代约、占用资源、服务时长、冲突处理等，而非急于打磨界面。开工前区分已确认事实、待验证假设和当前决定，避免假设被当成事实。任务交代需包含输入、交付物和检查方法，如“交付可操作版本，并实际检查正常预约、重复占用、取消后释放时段”。修改反馈应写明“发生了什么、原本应该怎样、改完怎么核对”，并检查前提是否成立。验收时需区分“页面能打开”“规则正确”“用户能独立使用”，实际效果需回到用户与工作现场。

作者强调，当执行外包后，规划与判断更需具体依据：知道为什么做、凭什么说做好，并能在方向不对时停下。避免“再优化一下”的模糊指令，而应针对明确问题迭代，否则只是绕开需要重新考虑的决定。

背景：当七八成工作交给 AI Agent 后，产品经理的核心价值转向规划与判断。但若只是等待 AI 结果并反复修改，容易陷入“屎上雕花”的困境：成果越来越完整，最初的问题却未必解决。作者认为，关键在于打好地基——明确目标、场景、规则与验收。

#AI agents · #product management · #requirements definition · #acceptance criteria · #workflow

作者首先澄清 MQL 只是“举了手的人”，可能包含竞品调研者、无决策权的基层员工等五种类型，并非真正的客户。B2B 的关键难点在于填表者与掏钱者往往不是同一人，销售需要“穿透”组织架构找到决策者。接着，作者按客单价和产品标准化程度将生意分为三类：低客单价标准化产品适合市场与产品运营驱动，中客单价需三方接力，高客单价定制化产品则必须由销售主导。市场、产品运营、销售三种能力截然不同，让市场背成交指标会导致短视、保守和团队变形。成熟公司通过增加 SDR（销售开发代表）层来筛选线索，并明确 MQL/SQL 标准。最后，作者指出 AI 正在替代中间环节，扩大自助成交的边界，但复杂谈判仍需人类销售。

作者的核心观点是，B2B 市场部不能独自成交，因为不同产品类型和客单价需要不同的能力组合，而市场、产品运营、销售是三种不可替代的工种。未来不是市场吃掉销售，而是 AI 吃掉中间环节，人类销售专注于复杂决策。

背景：在 B2B 领域，市场部常抱怨自己辛苦获取的线索却要交给销售签单，认为市场部可以一条龙完成成交。然而，作者指出这一争论的根源在于产品类型和客单价的不同，以及 MQL（市场合格线索）与真正客户之间的巨大差距。

#B2B marketing · #lead qualification · #sales-marketing alignment · #product-led growth · #SDR

agentmemory 通过 hooks 捕获会话中的提示词、工具调用、文件访问等观察记录，经压缩、索引后存入四层记忆模型（从工作记录到长期经验）。它提供 MCP 和 REST API，支持多种 Agent 共享记忆。检索支持 BM25 关键词、向量语义和知识图谱，并融合结果。安装通过 npx 命令启动，但 Windows 需手动配置 iii-engine。模型配置支持 OpenAI 兼容接口，可本地部署。MCP 负责调用记忆服务，hooks 负责自动采集，需同时配置。作者强调记忆治理的重要性，包括版本、来源、删除等功能，并提醒定期清理错误记忆。

agentmemory 将 AI 编程助手的记忆转化为完整工程管线，聚焦于工作记忆的沉淀与召回，适合长期使用 AI 编程助手的开发者。尽管存在 Windows 部署门槛和依赖 iii-engine 的代价，但它提供了一种让 Agent 持续记住项目工作方式的有效思路。

背景：AI 编程助手在单次会话中表现良好，但会话结束后往往忘记项目上下文，导致新会话需要重新扫描项目、确认方案。传统的 CLAUDE.md 等文件需要手动维护且检索能力有限。作者介绍了开源项目 agentmemory，旨在通过持久化记忆层解决跨会话失忆问题。

#AI coding assistants · #agent memory · #MCP · #Claude Code · #open-source tools

该技能通过向编码代理提供明确的指令，要求其避免不必要的细节和否定式描述，从而直接回答问题。用户需将其安装到代理的配置中，例如复制粘贴到 CLI 提示或全局 CLAUDE.md。然而，社区反馈显示，这种简洁性往往只能维持几轮对话，之后代理会恢复冗长行为。有用户建议通过钩子（hook）在每次响应时强制执行，但这会增加延迟。此外，安装方式引发了对安全性的担忧，因为用户可能被引导从相似名称的仓库安装恶意版本。

作者的核心论点是，通过简单的提示工程可以显著改善编码代理的输出质量，但效果可能不持久，需要持续强化或技术手段来维持。

背景：编码代理（如 Claude）在回答时往往过于冗长，甚至强调自己未做什么，这降低了效率。作者因此创建了一个名为“i-have-adhd”的 GitHub 技能，旨在指导代理生成简洁的回答。

#coding agents · #AI productivity · #prompt engineering · #LLM behavior

作者提出了一套完整的关键词投放流程。首先，在匹配方式上，应优先选择精准匹配，以便准确归因用户来源；短语匹配仅适用于人群少、难以起量的品类，否则容易导致预算被个别词快速消耗。其次，需将关键词分为核心词和泛流量词：核心词直接反映用户第一层需求，如“西安小龙虾推荐”，数量控制在 30 个以内；泛流量词对应第二层需求，如“西安美食推荐”，数量控制在 50 个左右。两类词应分计划投放，便于独立核算，且核心词出价可高于泛流量词（例如 1 元对 5 毛），以测试效果。关键词的持续更新同样重要，来源包括聚光后台的关键词规划工具、用户私信中的真实提问以及同行笔记的标题和标签。投放后需定期复盘数据，删除消耗高但无转化的词，围绕有效词拓展新词，强调“词越准越好”，避免一次性添加大量词后放任不管。

作者的核心观点是，小红书搜索投放的关键不在于关键词数量，而在于精准度和持续维护。通过科学的分类、出价和迭代，商家才能避开预算陷阱，实现高效转化。

背景：在小红书投流中，关键词设置是决定广告效果的关键环节，但许多商家并不清楚如何科学地布局关键词。作者认为，通过精准匹配、分类管理和持续优化，可以有效避免预算浪费，提升转化效率。

#小红书广告 · #关键词投放 · #搜索广告 · #竞价策略 · #实操指南

作者将活动分为三类：冲量型（如双十一）、清库存型、定向提升型，各自目标设定和复盘方式不同。冲量型看整体业绩，清库存型以减少损失为目标，定向提升型需设参照组或记录活动前数据以评估增量。文章列举八大典型错误，包括不设目标、随意修改目标、忽视自然增长率、活动前不埋点、不设参照组、参照组特征差异等。作者强调，AI 时代问题升级，硬套模型或让 AI 分析，若目标未定、参照组未设，只会“垃圾进，垃圾出”。更深入的做法是多次活动横向对比，单次活动难以深入分析。

作者的核心观点是：活动分析要落地，必须明确目标、区分活动类型、做好过程监控，并合理设置参照组，AI 只能加速计算，不能替代业务判断。只有掌握正确方法，才能让分析真正深入并产生可执行结论。

背景：活动分析是企业常见的分析主题，却常被诟病“不深入”“没有可落地结论”。如今把数据丢给 AI，它能快速生成图文并茂的复盘报告，但结论往往只是“建议持续优化”，依然难逃被 Diss 的命运。问题出在哪里？作者指出，活动分析有标准四步走：目标制定、过程监控、结果复盘、过程诊断，其中目标设定最为关键，而 AI 虽能加速计算，却无法替代业务判断。

#activity analysis · #marketing analytics · #goal setting · #control groups · #AI limitations

作者指出，滴滴豪华车与观夏的合作，通过车内赠品、香氛和精心设计的服务，强调“情绪价值”和“专属空间”，试图吸引高端用户。然而，这种营销策略刻意回避了平台中普通用户和司机面临的现实困境——司机长时间工作、车内卫生问题频发，而平台却将矛盾推给司机和乘客。作者认为，这种通过对比和暗示来凸显特权的宣传方式，不仅显得虚伪，更暴露了品牌缺乏共情和对平等价值的漠视。尽管不同子品牌线可以各自传播，但作者质疑，整个策划过程中是否有人意识到这种割裂感，以及品牌是否在刻意讨好特定人群而忽视更广泛的社会责任。

作者的核心观点是，滴滴豪华车与观夏的合作在营销逻辑上或许无懈可击，但在社会语境下却显得冷漠且缺乏共情，这种对特权的人为营销，尤其是通过对比和暗示的方式，不仅吃相难看，更可能损害品牌形象。

背景：当“臭车”成为网约车用户的普遍痛点时，滴滴豪华车却与香氛品牌观夏合作，推出“豪华观夏香氛车”，试图营造高端、治愈的出行体验。作者认为，这一营销活动在逻辑上看似合理，却与平台长期存在的“臭车”问题形成鲜明对比，显得格外刺眼。

#marketing · #brand ethics · #ride-hailing · #social commentary · #campaign analysis

作者逐一剖析五个案例的巧妙之处。美团买药与万艾可的七夕广告，文案直接点破亲密关系中的暗示，画面却用荡高的秋千保持克制，达成暧昧平衡，并将“及时抵达”的品牌理念融入情感需求。抖音的 AI 短片《反正也没时间活》虚构买卖剩余时间的设定，把“时间贫困”转化为可感知的数字，引发对真实自由时间的反思。南食召的夏日营销回归家常，用西瓜、绿豆汤和慢熬的糖水，以“慢”对抗“快”，让熟悉感使夏天变得具体。亚朵星球与邵艺辉合作的“睡觉第一名”，没有说教放松，而是用“睡觉”本身撞击“万事皆需排序”的观念，将“睡眠是最小的长假”化为品牌表达。日丰公益十年项目，镜头从“他们缺少什么”转向“他们本来拥有什么”，借彝族名字中蕴含的祝福，诠释陪伴是让孩子按自己的方向成长。这些案例的共同点在于，创意不直接给答案，而是通过留白和视角转换，让品牌与生活产生更深的联结。

作者的核心观点是，广告不必急于灌输答案，克制与留白反而能让创意更贴近生活，品牌也因此在日常场景中找到独特而自然的位置。

背景：广告常急于给出答案，但作者认为，好创意的成立恰恰在于不给答案。当品牌不再急着告诉人们“应该怎样生活”，创意反而能更自然地进入日常生活。本文从数英项目库近两周的案例中精选五个广告，展示这种“留白”式的表达如何松动人们对生活的固有认知。

#advertising · #creative campaigns · #brand storytelling · #Chinese marketing · #campaign review

作者认为，问题的根源在于设计价值难以量化，且甲方不承担决策风险，导致修改无边界。同时，商业环境变化使品牌建设不再是优先投入，技术拉平设计成本，让设计被视为无门槛的表层工作。作者指出，创意服务的特殊性在于专业判断与主观感受并存，而行业长期默认“客户不满意即未完成”，使设计师陷入被动。对此，作者建议通过修订《设计服务标准协议书》来明确责任与权力，让甲方为决策承担成本，并强调“尊重专业”不能仅靠道德倡议，而需机制保障。然而，作者也承认在生存压力下，这一改变难以一蹴而就，因此认为此题目前无解。

作者的核心论点是，设计行业的困境源于缺乏成熟的行业机制，不能仅依赖客户的善意或设计师的自我退让。只有建立明确的责任边界和标准，才能让专业服务获得应有的尊重和价值。

背景：知名设计工作室立入禁止在为一个品牌项目服务 8 个月、交付 6 套 VI 系统和 15 个 LOGO 版本后，因客户不满意并要求更换核心概念而终止合作，却被委托方告上法庭，要求退还全部预付款并赔偿。这一事件被作者比作设计界的“仅退款”，反映出创意服务中普遍存在的价值被低估和主观评判主导的问题。

#design industry · #client relations · #contracts · #creative work · #business ethics

作者的核心观点是，AGI 的到来并非一个突然的事件，而是一个渐进的过程。历史叙事往往将复杂的技术演进简化为一个戏剧性的时刻，但这种简化可能误导我们对技术现状和未来的理解。作者强调，应当认识到技术进步的连续性，避免被单一的叙事框架所束缚。

作者认为，AGI 的真正到来可能不会有一个明确的瞬间，而是通过持续的技术积累逐步显现。因此，我们应关注技术发展的连续过程，而非执着于寻找一个标志性的时刻。

背景：作者指出，技术进步本质上是连续的，但人们总倾向于在历史叙事中选定一个标志性瞬间来定义重大变革。对于 AGI（通用人工智能）的到来，这种叙事冲动尤为明显，但作者认为这种瞬间叙事可能并不符合技术发展的实际。

#AGI · #philosophy of technology · #historical narrative

作者指出，自回归模型本质上是基于概率的猜测，缺乏对供应链中刚性物理约束（如产能、物流时效）的深刻理解，因此无法构建出可靠的计划系统。作者比喻说，自回归模型“有砖无楼”，即虽然能生成看似合理的片段，但无法整合成符合物理规律的整体解决方案。因此，AI Agent 只能作为“副驾驶”辅助决策，而“主驾驶”必须是基于物理算法的引擎，以确保计划的可行性和鲁棒性。

作者的核心观点是，AI Agent 在供应链计划中只能扮演辅助角色，真正的核心必须依赖物理算法引擎，因为概率模型无法应对刚性物理约束。这一论断强调了在特定领域，传统算法仍具有不可替代的价值。

背景：作者认为，尽管 AI Agent 在诸多领域表现出色，但在供应链计划系统中，它永远无法取代传统的物理算法引擎。这一论断基于对自回归模型本质局限性的分析。

#AI agents · #supply chain planning · #autoregressive models · #physical algorithms

作者强调，守住底线并非一味紧绷，而是要做到“该紧的紧，该松的松”。具体而言，对用户真需求要“紧”，绝不糊弄；对可做可不做的功能要“松”，不硬造；对方向原则要“紧”，敢于说丑话；对细节执行要“松”，相信团队。他警告，过度防御如同括约肌痉挛，会伤及自身和团队。真正的健康状态是“紧的地方有骨头，松的地方有人情”，守住方向与底线，放开过程与方法。作者还观察到，许多产品人在晋升过程中逐渐丢失这些底线，从报表注水到明知是坑也顺从，最终亲手毁掉自己的职业之门。

作者的核心论点是：产品经理的体面不在于简历上的头衔，而在于能否守住那道“门”——对用户诚实、对团队仗义、对自己判断负责。只有在该紧时紧、该松时松，才能赢得他人托付真话、真项目和真心的信任，这才是产品人真正的职业尊严。

背景：作者从一次痔疮手术经历切入，将产品经理的职业操守比作身体中不能失守的“括约肌”。他认为，产品人在面对用户、团队和自我判断时，需要守住三道门：对用户的诚实、对团队的仗义、对自己的判断。这些底线一旦失守，就会在惯性中形成“伪能力”，最终失去真正的信任与体面。

#product management · #professional ethics · #career advice · #metaphor

这款插件的核心是让 AI 扮演队长，将任务拆解为多个子任务，分配给多个分身并行执行，并实时监控进度。例如，调研竞品可拆分为收集价格、分析卖点、整理对比表等子任务，按依赖关系并行或串行执行，最终由队长汇总。作者以电商退款异常查询为例，说明传统三步串行耗时，而组队后三路并行，总时间取决于最慢的一步。其他适用场景包括大促备品、代码互审、数据分析报告等。组队的优势在于串行变并行、等待变可见、单人变团队，但并非所有任务都适合，简单任务组队反而低效。作者还提到，Harness 插件生态的爆发源于低门槛（写文件即可）、模块化可组合、以及清晰的调用记录。不过，作者也指出插件质量参差不齐，存在安全风险，且依赖 DeepSeek 自家模型。

作者认为，组队插件之所以值得关注，是因为它解决了真实需求：将复杂任务并行化，提升效率，并让过程透明可控。尽管存在安全和兼容性问题，但插件生态的快速生长表明 Harness 踩中了用户痛点，这种玩法值得尝试。

背景：DeepSeek 的 AI 助手 Harness 在 8 月 13 日发布测试版后，短短十天就涌现出七百多个第三方插件。作者认为多数插件只是给 AI 增加单点能力，而真正改变工作方式的是一款让 AI 自主组队协作的插件。

#AI agents · #plugin ecosystem · #task parallelism · #DeepSeek Harness · #productivity tools

作者认为，奶茶杯变高是产品设计中的一次关键调整。通过缩小杯径并增加高度，在保持 500 毫升容量的同时，改变了消费者手中的握持感和视觉印象。这种设计不仅让杯子显得更大，还可能影响消费者对分量的感知，从而提升产品的价值感。作者强调，这一变化并非偶然，而是新茶饮行业在十年间对包装进行的一次被低估的革新，它兼顾了功能性与营销效果。

作者的核心观点是，奶茶杯变高不仅是外观变化，更是产品设计中融合消费心理与实用性的巧妙策略。这一案例表明，细微的包装调整也能对用户体验和品牌认知产生显著影响。

背景：近年来，奶茶杯子的高度明显增加，但容量并未相应提升。这种设计变化看似简单，实则涉及产品包装与消费体验的深层考量。作者指出，杯径缩小 10%时，杯身需增高 23%才能维持相同容量，这背后隐藏着新茶饮行业对产品形态的重新思考。

#奶茶杯设计 · #产品包装 · #消费趋势 · #营销观察

文章预告将介绍如何创建能被 AI 推荐的内容，包括网站结构优化等具体方法，但原文仅为推广摘要，未提供实质性细节或步骤。

作者的核心观点是，企业需要针对 AI 推荐进行内容优化，但本文仅作为引导，实际指导需阅读完整文章。

背景：作者提出，企业希望了解如何创建能被 AI 工具（如 ChatGPT、Claude 和 Perplexity）引用和推荐的内容，以及如何优化网站以使 AI 系统将其视为可信来源。

#AI recommendations · #content optimization · #SEO · #promotional content

该活动的核心是将聚光灯从 AI 技术转向使用 Autodesk 工具的人类创造者。通过展示真实客户的故事，Autodesk 试图在 AI 喧嚣中强调人的独特贡献。文章指出，这一策略旨在通过情感共鸣来建立品牌形象，而非提供技术细节或产品功能。它更像是一种营销叙事，旨在唤起观众对创造力的认同感，而非展示具体的工程成就或技术优势。

作者认为，Autodesk 的广告活动是对 AI 炒作的一种反拨，强调在技术时代人类创造力的不可替代性。然而，这篇文章本身缺乏技术深度，更多是品牌宣传的报道。

背景：在人工智能热潮席卷科技行业的当下，许多公司纷纷强调 AI 的潜力，而 Autodesk 却选择了一条不同的道路。这家设计软件巨头推出了一项广告活动，将真实的客户置于中心，通过情感化的诉求来突出人类创造力的价值。

#Autodesk · #advertising campaign · #AI hype · #human creativity · #marketing

法国人工智能实验室 Mistral AI 在由三星、Scaleup Europe 和 PSG Equity 领投的 D 轮融资中筹集了 30 亿欧元，估值达到 210 亿欧元。

—

背景：Mistral AI 是一家法国人工智能实验室，专注于开发开源大语言模型。此前在 2025 年，该公司完成了由荷兰芯片制造商 ASML 领投的 17 亿欧元 C 轮融资，当时估值约为 117 亿欧元。

参考：Mistral AI raises record € 3 billion in Samsung-led funding … | Euronews

#funding · #AI · #Mistral · #sovereign AI · #venture capital

AI 编程初创公司 Cognition 在最新一轮融资中估值达到 480 亿美元，这一数字高于 Cursor 在出售给 SpaceX 之前的估值，表明投资者认为 AI 编程市场仍存在激烈竞争，而非单一赢家通吃。

—

背景：Cognition 是一家开发 AI 编程工具的公司，其竞争对手 Cursor 此前被 SpaceX 收购。此次估值反映了风险投资对 AI 编程领域的持续看好。

#AI coding · #startup valuation · #venture capital · #Cognition · #Cursor

影目科技宣布完成 C 轮融资，累计金额近 10 亿元人民币，并已正式启动上市筹备工作。该公司称其营收增速连续保持 200%以上。

此轮融资将用于新一代空间智能硬件产品线研发、INMO AIOS 系统迭代及品牌渠道建设，可能加速智能眼镜市场竞争。

背景：影目科技成立于 2020 年底，是国内较早进入消费级智能眼镜领域的品牌之一，此前已完成多轮融资，包括 2023 年的 B 轮融资和 2025 年的 C1 轮融资。该公司专注于一体式 AR 智能眼镜的研发，曾推出 INMO Air 系列和 INMO Go 系列产品。

参考：INMO 影 目 科 技 完成近亿元B轮 融 资 探索AR产业生态圈 – B2B – 亿邦动力 · 一年3轮， 影 目 INMO完成C1轮 融 资 ｜独家-钛媒体官方网站

#融资 · #智能眼镜 · #AI硬件 · #消费电子 · #IPO

深科技公告，其全资子公司沛顿科技拟投资 18.5 亿元扩大高端存储芯片封测产能，其中 12.2 亿元用于新建厂房，预计新增传统封测产能 9 万片/月及 2.5D 先进封装产能 1 万片/月；6.3 亿元用于建设 2.5D/3DS 先进封装研发线，达产后预计各增加 100 片/月产能。

该投资将直接提升深科技在高端存储芯片封测领域的产能和技术能力，可能增强其在 AI 相关半导体产业链中的竞争力。

背景：此举旨在把握 AI 产业增长带来的先进封装需求，突破关键技术瓶颈和产能限制。

#深科技 · #存储芯片 · #先进封装 · #AI · #产能扩张

燧原科技公告，其股票将于 2026 年 9 月 11 日在上海证券交易所科创板上市，发行价格为每股 142.18 元。

燧原科技上市将为 AI 芯片行业带来新的融资渠道，可能影响相关投资者和行业竞争格局。

背景：燧原科技是一家专注于人工智能芯片研发的公司。科创板是上海证券交易所为科技创新企业设立的板块，允许尚未盈利的公司上市。此次发行价格 142.18 元/股，是公司首次公开发行股票（IPO）的定价。

#IPO · #科创板 · #燧原科技 · #AI芯片 · #融资

OpenAI 于周二发布 ChatGPT Images 2.5，这是一次图像生成模型的更新，宣称能更好地将想法、草图和参考照片转化为更个性化、精细的图像。官方称其图像生成模型已被用于生成超过 30 亿张图片。新版本提升了多轮对话中的指令遵循能力、响应速度，并更好地保留参考照片中的主体。API 新增两个模型 ID：gpt-image-2.5-sunburst 和 gpt-image-2.5-flare，其中 Sunburst 侧重编辑精度，Flare 侧重快速日常生成。此外，新功能 Sketch 允许用户在 ChatGPT 内手绘草图并指导生成，还支持图片标注修改和多轮局部编辑。

此次更新将 AI 图像生成从一次性生成推向可反复迭代的创作流程，新增的 Sketch 和图片标注功能可能改变用户与 AI 沟通视觉想法的方式。不过，这些变化基于官方发布和初步体验，实际影响尚待更多用户验证。

#OpenAI · #ChatGPT · #图像生成 · #AI绘画 · #产品更新

Meta 推出了名为 Muse 的个人 AI 代理，面向主流用户，并强调其分层提示注入防御机制。据路透社报道，该产品初期仅在美国上线，提供免费基础版，以及每月 20 美元和 100 美元的付费订阅选项。用户可以选择退出某些数据使用。Meta 内部曾担忧该技术对敏感个人数据的访问管理不善。

Meta 作为大型科技公司，其 AI 代理的发布可能影响普通用户与 AI 的交互方式。目前已知的是产品已在美国推出，但其实际影响和用户接受度尚未证实。

#Meta · #AI agent · #Muse · #product launch · #mainstream AI

Inception Labs 发布了 Mercury 2.5，这是一款基于扩散模型的语言模型，据称在创意写作和推理速度方面有所改进。该模型目前为闭源，未提供开放权重。社区用户反馈，在关闭思考模式时，其创意写作质量明显优于 Mercury 2，但开启思考模式后反而出现幻觉问题。此外，有用户将其用于重排序任务，并称赞其速度。

Mercury 2.5 的发布紧随 AI 模型更新浪潮，其扩散模型架构和速度优势可能对内容创作和实时应用产生影响。然而，闭源策略和缺乏技术细节限制了其可验证性，目前的影响仅限于社区初步体验。

#AI模型 · #Mercury 2.5 · #扩散模型 · #创意写作 · #推理速度

数学家陶哲轩在 Mathstodon 上发文警告，AI 正以不可再生的方式挖掘数学中“良好且有成效的开放问题”，可能导致这些问题变得稀缺。他指出，如今即使有人正在研究某个问题的传闻，也可能触发大量 AI 驱动的努力去“碾平”该问题，使原始研究项目来不及充分发挥潜力。陶哲轩认为，这种激励可能促使研究者不再与更广泛社区分享有前景的研究方向，从而逆转数百年来的开放科学传统，并对该领域的长期发展造成严重损害。

陶哲轩的评论反映了 AI 对科研实践影响的当下关切，尤其是 AI 工具在数学研究中的快速应用可能改变研究者的行为。然而，这属于个人观点而非已证实的事件，其影响尚未被系统验证。

#AI伦理 · #开放科学 · #数学研究 · #AI对科研的影响 · #Terence Tao

OpenAI 于 2026 年 9 月 8 日发布博客，声称使用未发布的内部模型，在约 88 小时内解决了 Navier–Stokes 存在性与光滑性问题，这是七个千禧年大奖难题之一，自 2000 年 5 月 24 日起悬赏 100 万美元。OpenAI 称其代理在尝试所有开放问题时发送了 490 万条消息，使用约 3000 亿输出 token，其中解决 Navier–Stokes 问题使用了 1300 亿 token。然而，纽约大学数学教授 Tristan Buckmaster 指控 OpenAI 可能受其与 Anthropic 数学家 Levent Alpöge 合作工作的启发，并质疑 OpenAI 是否使用了他们的数据。OpenAI 否认访问特定用户数据，但承认无法排除去标识化数据可能帮助改进模型。该结果尚未经过同行评审，数学界仍在验证中。

这一事件发生在 AI 模型能力快速提升的背景下，且涉及 AI 实验室之间的竞争、数据使用伦理和学术优先权争议。OpenAI 声称的突破尚未被独立验证，但其引发的关于 AI 在数学研究中角色和潜在数据泄露的讨论，对 AI 社区具有即时意义。

#OpenAI · #Navier-Stokes · #千禧年大奖难题 · #AI 科研 · #学术争议

腾讯混元、清华大学和南洋理工大学的研究团队在论文《Spatial-TTT: Streaming Visual-based Spatial Intelligence with Test-Time Training》中提出 Spatial-TTT 方法，为 2B 模型添加流式空间记忆，使其能在推理过程中动态更新参数，以处理连续视频流并构建三维空间记忆。该方法在空间基准上声称超越 GPT-5，但具体基准名称、测试条件和对比细节尚未披露。论文链接为 https://arxiv.org/pdf/2603.12255，但该链接可能无法访问，因为 arXiv 编号格式异常。

该研究针对具身机器人、自动驾驶等需要实时处理三维空间信息的场景，提出在推理时更新参数以解决长视频流处理中的算力和记忆问题。但该成果尚处于论文阶段，实际应用和性能验证有待进一步公开。

#空间智能 · #Spatial-TTT · #腾讯混元 · #ECCV 2026 · #AI研究

基元律动联合无问芯穹、清华大学、北京大学、阿里巴巴等机构，发布了 Agent-Native 模型 NeoHorse-1，包含 4B 和 9B 两个版本。该模型基于 Qwen3.5-4B 和 Qwen3.5-9B 进行后训练，训练语料以 Routing Harness 系统（如 OpenSquilla）产生的执行轨迹为核心，辅以公开数据。技术报告称，在 11 项基准评测中，NeoHorse 4B 在所列 4B 级模型中未加权平均分最高，并在五项基准上超过 Qwen3.5-9B 底座。该模型旨在将 Agent 执行任务的经验转化为模型能力，但影响范围和实际效果仍需进一步验证。

该发布将 Routing Harness 从推理时的模型选择延伸至训练阶段，是递归自我改进（RSI）的单轮工程验证。但报告中的性能提升主要基于特定基准，实际应用中的影响尚未证实。

#AI模型 · #Agent · #模型训练 · #Routing Harness · #NeoHorse

DeepSeek 近期开启了一次针对中间版本 V4.1 Flash 模型的短暂内部测试，并向用户询问该模型能否完全替代线上的 V4 Pro 版本。与此同时，公司下调了 Flash 系列模型的价格。这些举措表明 DeepSeek 正从追求原始能力转向强调“智能密度”，即在更低成本和延迟下提供强劲性能，以适用于日常和智能体工作负载。目前该测试仍处于内部阶段，尚未正式发布。

这一动态值得关注，因为它反映了 DeepSeek 在模型定价和产品策略上的实际调整：通过降价和测试更经济的模型，可能影响开发者对模型选型的考量。不过，目前仅处于内部测试阶段，尚未证实 Flash 模型能否真正替代 Pro，其实际效果和用户接受度仍属未知。

#DeepSeek · #模型价格 · #AI性价比 · #模型迭代 · #智能密度

文章提出，AI 不仅作为广告生产工具，也作为消费者屏蔽广告的工具，导致广告业面临第二次分裂。作者以亚马逊与 Perplexity 的诉讼为例，说明 AI agent（如 Comet）替用户购物时可能不看广告，引发平台与 AI agent 之间的冲突。文章认为，当广告受众从人变为 AI 时，传统广告逻辑失效，广告预算可能向 AI 可读的信息形态转移，创意代理的生存空间受到挤压。文章还指出，国内 AI 多由平台控制，推荐逻辑不透明，与国外情况不同。

亚马逊与 Perplexity 的诉讼首次将“广告受众是 AI”变成有事实基础的商业冲突，且案件仍在进行中，结果可能影响 AI agent 与电商平台的互动规则。同时，国内平台如阿里、字节正将 AI agent 整合进生态，广告主需要关注 AI 对消费者决策路径的改变。

#AI广告 · #广告业 · #消费者行为 · #行业趋势 · #AI应用

OpenAI 发布了一篇博客文章，标题为“The Work Now Within Reach”，探讨了更强大且更经济的 AI 如何能够拓展个人和企业可完成的工作范围，并使增长更加经济。文章内容属于愿景陈述，没有提供具体的新事实、技术细节或案例。

这篇文章反映了 OpenAI 对 AI 经济潜力的当前宣传方向，但尚未证实任何具体影响。它可作为讨论 AI 经济学和采用趋势的背景材料，而非即时新闻。

#AI economics · #OpenAI · #AI capabilities · #AI adoption · #Productivity