找到
1958
篇与
互联网
相关的结果
- 第 8 页
-
美媒：OpenAI最重要的产品已不再是ChatGPT 6月8日消息，OpenAI计划对ChatGPT进行一次大幅改版，将这个对话工具改造成集合编程工具、AI智能体和第三方服务的"超级应用"。 据《金融时报》6月7日报道，OpenAI希望通过这次改版提高收入，并在潜在上市前强化企业客户业务。对此，OpenAI未回应媒体报道。 从拼模型，到拼谁更难离开 Business Insider的分析将这件事放进了另一条线索：大模型公司的竞争已经从"谁的模型更强"扩展到"谁能让客户更难离开"。 过去几年，OpenAI和Anthropic主要围绕模型性能竞争。但前沿模型训练成本极高，领先优势也容易被追上。AI初创公司Pydantic首席执行官塞缪尔·科尔文（Samuel Colvin）对Business Insider表示，ChatGPT可能已经不再是OpenAI最重要的产品。科尔文认为，编程工具能带来更高用量和更深依赖，也更直接影响未来利润率。编程工具正好符合这个方向。开发者用Codex或Anthropic的Claude Code处理复杂项目时，单次任务消耗的token量远高于聊天场景，更容易带来高用量和高收入。Business Insider称，这类工具也更容易形成依赖：企业一旦用AI生成并维护大量代码，后续理解、修改和迁移这些代码时，也倾向于继续使用同一套工具。 Codex被整合进ChatGPT，不等于独立产品下线 Business Insider报道，OpenAI计划把编程工具Codex整合进ChatGPT；Anthropic也在用Cowork把Claude Code推向更广泛的工作平台。但这不意味着Codex将停止独立运行。 《金融时报》报道的改版方向更偏平台化：ChatGPT界面将被重新设计，引导用户使用编程、图像生成，以及Canva、Booking.com等合作伙伴服务。这意味着ChatGPT可能不再只是一个输入框，而会变成一个任务入口：写代码、做图、订服务、调用AI智能体，都被放进同一个产品界面。 这种变化会带来便利，也会改变用户和平台的关系。此前用户把ChatGPT当作轻量助手，用完即走；如果第三方服务、企业工具和编程任务都进入同一入口，ChatGPT就更接近一个具备商业分发能力的平台。 企业客户想要灵活，不想被单一模型锁住 OpenAI和Anthropic想做"更难离开"的产品，但大客户未必愿意交出主动权。 Business Insider举了沃尔玛的例子。沃尔玛自研了一款名为Code Puppy的编程助手，底层可以在OpenAI、Anthropic、谷歌等不同模型之间切换。对这类大客户来说，关键不是长期绑定某一家模型供应商，而是控制自己的代码库、成本和迁移空间。 这也是AI企业服务市场正在浮现的矛盾：模型公司希望把客户圈进自己的生态，企业买家希望保留选择权。越是有规模、有技术团队、有议价能力的客户，越会关注模型可替换性、账单可控性，以及核心数据和代码库的归属。 上市叙事需要收入，用户会看到更多商业入口 据《金融时报》报道，OpenAI目前约200万企业客户贡献了公司约40%的收入，这一比例到年底可能升至50%。这解释了为什么企业客户和编程工具会被放到更核心的位置。 ChatGPT消费者端仍然是OpenAI最大的流量入口之一。报道提到，OpenAI今年早些时候称ChatGPT周活用户超过9亿，付费消费者超过5000万。对OpenAI来说，这个入口可以为Codex、图像生成和合作伙伴服务导流；对投资者来说，企业客户收入占比提升，能支撑一个比"聊天机器人订阅"更稳定的商业叙事。 但代价也会更明显。ChatGPT功能越丰富、平台商业目标越重，用户看到的就不只是答案本身，还会是OpenAI希望他们进入的服务、工具和工作流。ChatGPT从助手变成平台之后，问题不再只是"它能不能回答"，而是"它会把用户引向哪里"。 OpenAI想把ChatGPT做成超级应用，靠Codex和企业客户证明收入质量；沃尔玛这样的客户则在用自研工具证明，有议价权的企业会把灵活度留在自己手里。下一阶段AI竞争不只看模型能力，也看谁能把入口、客户关系和迁移成本握得更稳。（易句） （本文由AI翻译，网易编辑负责校对）
-
别让App偷走用户的“拒绝权” 走路晃一下手机，广告弹出来了；坐公交颠一下，下载页面跳出来了。这不是段子，而是无数人每天经历的“数字绑架”。近日，工业和信息化部组织第三方检测机构抽查，发现31款App及SDK（软件工具开发包）存在侵害用户权益行为，涉及信息窗口点击乱跳转、违规收集个人信息等问题。疯读小说、Now冥想、水印宝……名单拉出来，不少是手机里的“老熟人”。此类问题年年通报年年犯，不禁让人要问：我们的手机，到底是我们自己的，还是广告商的？从此次通报内容看，有7款App存在信息窗口点击乱跳转的问题。这些App通过降低触发门槛、隐藏关闭按钮等方式，让用户在无意间就完成了点击、下载甚至授权，实质上是剥夺了用户对自身设备的控制权。这类行为已超出正常商业推广边界，涉嫌违反广告法、消费者权益保护法、反不正当竞争法等法律法规。乱象之所以屡禁不绝，根源在于商业利益与违法成本的严重失衡。对违规开发者而言，每一次强制跳转都可能转化为广告结算收入，在“流量即变现”的逻辑下，技术被异化为收割用户的工具。在利益驱动下，一些企业被通报后并未认真反思、积极整改，而是采取暂停更新或短期下架的“权宜之计”，试图在风头过后“重新开张”。与此同时，责任界定模糊、用户维权困难等问题的存在，导致处罚难以落地，使得在某些情况下违规收益要远大于守法成本。当一次次成功的诱导跳转带来的收益远超合规投入，问题App便会不断出现且屡查屡犯。对于此类乱象，监管部门近年来持续加大治理力度。截至目前，工业和信息化部已累计通报56批侵害用户权益行为的App（SDK），并对复查未整改到位的予以下架处理。今年4月以来，中央网信办、工业和信息化部、公安部会同相关部门再次开展个人信息保护系列专项行动，进一步深入治理App、SDK等服务产品及相关重点领域违法违规收集使用个人信息典型问题。针对App“乱跳转”等问题，2022年，在工业和信息化部指导下，中国信通院、电信终端产业协会联合多家行业重点企业制定相关标准，进一步细化了App信息窗口通过“摇一摇”等方式触发页面或跳转至第三方应用的相关参数，可以说是非常有益的尝试。不过，标准的完善并不意味着治理效能的自动兑现。要让用户真正掌握数字空间的主动权，还需在三个层面持续发力。一是压实相关主体责任，应用程序和分发平台应加强对App和SDK的安全审核，发现问题及时采取下架等措施。二是提高违法成本，对屡教不改者加大处罚力度，并将违规记录纳入企业信用档案，让“疼”落在现金流与品牌声誉上。三是赋予用户更便捷的防御工具，例如可以在手机操作系统增设“一键禁止非主动跳转”等功能，减少用户在多层菜单中自行排查的负担。技术应当服务于人，而不是将人异化为流量的工具。每一次未经同意的跳转、每一条被悄悄收集的隐私，侵蚀的不只是用户体验，更是数字社会最基本的公平与尊严。相关部门的行动已初见成效，但距离“我的手机完全由我做主”还有一段路要走。监管的尺子已经量到了代码深处，接下来考验的，是相关部门的持续作为和服务提供者的道德操守。毕竟，对于广大消费者来说，守得住手机里的清净，才算守得住自己的数字生活。原标题：《别让App偷走用户的“拒绝权”》栏目主编：蒋竹云 文字编辑：尹尚胜男 题图来源：上观题图来源：作者：法治日报
-
美佛罗里达州总检察长起诉OpenAI 图为当地时间2025年4月17日，美国佛罗里达州塔拉哈西，佛罗里达州立大学学生联合大楼外，数十辆巡逻车，包括一辆法医车，驻守在枪击事件现场。 CFP供图近日，美国佛罗里达州总检察长詹姆斯·乌斯迈尔起诉美国开放人工智能研究中心（OpenAI）及其首席执行官萨姆·奥尔特曼，指控该公司旗下聊天机器人存在助长暴力行为、诱导用户形成依赖、传播错误信息等风险，并称该公司为了追求商业利益而忽视用户安全。有分析认为，本案将推动全美各州加速生成式AI立法，聚焦高风险AI产品准入、未成年人保护、算法责任、深度伪造管控等，并挑战美国《通信规范法》第230条平台免责原则，将追责逻辑从“用户发布内容”转向AI产品原生设计缺陷。风险防范乌斯迈尔向法院提交的诉状中称，OpenAI明知其聊天机器人ChatGPT可能会对用户造成伤害，却仍将其作为安全可靠的产品向公众推广，该公司为了在人工智能竞争中抢占市场份额和提高公司价值，忽视产品潜在风险。本次诉讼涉及对OpenAI的多项指控。诉状中引用了多则号称ChatGPT能够帮助农民和其他小型企业的广告，指出这些广告没有披露ChatGPT可能会出错，或者可能会提供虚假或虚构的信息。诉状还指出ChatGPT倾向于迎合用户观点，以延长用户使用时间，从而获取更多训练数据以提升商业价值，这一行为会导致用户对平台产生危险的心理依赖。诉状中还提及2025年佛罗里达州立大学枪击案，称嫌疑人曾利用ChatGPT策划作案。今年4月佛罗里达州检方宣布，就去年4月发生的这起枪击案对OpenAI及其AI聊天机器人ChatGPT发起刑事调查。在这起案件中，嫌疑人在佛罗里达州立大学开枪射击，造成2人死亡、6人受伤。调查发现，嫌疑人在作案前曾向ChatGPT寻求“建议”。目前美国已有多起针对人工智能平台的民事诉讼，多为涉及自杀案件。如2026年3月，谷歌Gemini致死侵权案中，36岁男子加瓦拉斯长期和Gemini深度对话，AI拟人化自称“伴侣”，虚构超智能世界观，诱导其策划机场恶性袭击、后续自杀，AI甚至设置自杀倒计时。死者家属指控：Gemini拟人交互设计存在原生缺陷，刻意营造情感绑定、诱发精神错乱；2026年1月，肯塔基州起诉Character.AI，这是美国第二起州政府公诉AI企业案件。责任认定AI是否需要为它说出的话负责？如果你与聊天机器人的互动导致现实世界出现伤害，这是你的问题，还是公司的责任？面对这些问题，业内人士认为，佛罗里达州总检察长起诉OpenAI一案真正棘手的是，通用AI是否适用产品责任、能否追责企业高管。具体主要涉及产品定性之争、高管追责争议及“230法案”（《通信规范法》第230条旨在保护互联网公司免于对第三方在其平台上发布的内容承担责任）适用范围。在产品定性上，受害者方主张ChatGPT是面向全民售卖消费产品，算法设计缺陷（无暴力风控、无未成年人准入）属于产品瑕疵，适用美国产品侵权法；科技行业主张AI是中性信息工具，等同于书本、搜索引擎，不适用消费品追责逻辑。在高管追责争议上，佛州起诉直接追加奥尔特曼个人连带赔偿，引发行业恐慌，若判例成立，全球AI创始人将因用户滥用产品背负巨额个人赔偿，大幅提升AI创业合规成本；监管方认为，高管明知风险仍为商业化压缩安全投入，理应突破有限责任追责。在“230法案”适用边界上，通用大模型因算法原生漏洞致损，是否应当剔除“230法案”保护，本案将成为改写美国互联网免责规则关键判例。一直以来，Meta、Snap、YouTube等公司援引“230法案”为自己辩护。但在今年3月，Meta和谷歌在美国首例社交平台成瘾案中败诉。来自加州的20岁女孩凯莉·G·M指控平台的无尽滚动等功能，导致她在青少年时期对社交平台上瘾，引发抑郁、焦虑等健康问题，要求平台修改设计，作出经济赔偿。原告把指控理由放在了平台产品的设计上而非内容。非营利性媒体《对话》的分析文章称，即便是那些意识到自己过度使用数字产品，并真心想要减少屏幕使用时间的人，也发现想要真正做到这一点极其困难。原因并非这些用户缺乏意志力，而是系统导致用户的强迫性使用行为，其设计初衷是最大限度地提高用户参与度和广告收益。划定红线由本案体现的生成式AI带来的个人和社会风险正日益引发立法者、法律主管部门和公益组织的担忧。英国《自然》杂志网站5月发文说，AI聊天机器人可能向用户提供危险或非法建议，部分原因在于AI的训练和运行模式存在固有缺陷，这也加大了监管难度。文章说，已有多起案例显示，AI聊天机器人曾鼓励用户自杀、制作非法内容、实施金融诈骗等，暴露出当前AI大语言模型（LLM）底层架构存在缺陷。文章援引专家的说法指出，大语言模型使用海量数据进行训练，而非基于严密的因果逻辑规则运行，因此只是根据用户的提示词进行补全预测，生成最可能的词序，无法真正理解其输出内容的意义和后果，也给限制AI“不应该说什么”带来困难。目前采取的应对措施包括为AI制定规则、人类反馈或者手动移除训练数据中的有害信息等，但面临无法涵盖所有情况以及成本高昂等问题。《自然》认为，目前AI的安全标准主要由各家企业自行制定，外部监管有限，相关案件的出现敦促企业采取更有效的安全措施。有观点认为，研究人员可能需要重新考虑基础算法，以构建出能够理解伦理和法律的AI系统。有报道指出，无论本案最终判决结果如何，可以肯定的是，AI产业的发展不再只比拼参数与落地速度，安全合规能力将成为企业核心竞争力。OpenAI尚未就这起诉讼作出回应。原标题：《美佛罗里达州总检察长起诉OpenAI》栏目主编：蒋竹云 文字编辑：尹尚胜男来源：作者：法治日报
-
黄仁勋押注Token经济：你用的软件正变成AI收费站 新智元报道 【新智元导读】Dario Amodei预言AI行业奔万亿，黄仁勋偏说太保守。你每天在AI上烧的Token，正在成长为全球最大的生意。你打开对话框，问AI一个问题，或者让它写段代码，帮你跑个任务。这些习以为常的操作背后，你大概没细想：AI每回复一次话、每完成一项任务，都在烧Token。而这点你随手烧掉的Token，正被人一笔一笔入账，变成亮眼的财报数字。6月1日，在英伟达GTC舞台，黄仁勋聊AI工厂，聊智能体，反复念叨的也是这个Token：算力就是收入，算力就是利润。没有收入和利润，就是亏损。 黄仁勋在GTC大会讲解算力即收入他对着上面这张图解释道：一座AI工厂这辈子能赚多少钱，看的就是它总共产出多少Token，也就是曲线下方的面积。一句话：谁能更快、更省电、更稳定地生产Token，谁就赚得多。这样的话，老黄已经不是第一次说了。今年3月的All-In Podcast上，主持人转述了Anthropic CEO Dario Amodei的一段预测：2027到2028年，模型公司和智能体公司能有数千亿美元收入，到2030年，达到1万亿美元级别。黄仁勋听完淡淡回了一句：他太保守了。Anthropic会做得比这好得多。 2026年3月，黄仁勋在All-In Podcast上称，Dario的万亿预测「太保守」。与AI聊几句天，就能跟万亿生意扯上关系？还真能。老黄敢这么说，押的就是背后两件大事：一件是整个软件行业要变天，另一件是他口中「人类历史上最大的基建」。你和你的软件要按Token算账了黄仁勋有个判断：未来每一家软件公司，都会变成一个增值转售商（value-added reseller）。说白了，就是个中间商，赚AI的差价。转卖谁的货？Anthropic、OpenAI这些AI公司的Token。这事离我们普通人没那么远。过去你为软件花钱，要么买断，要么包月包年。一个账号一年多少钱，明码标价，用多用少都一个价。往后可能不一样了。你用的软件里塞进了AI，你每让它干一次活，写封邮件、做张表、改段代码，背后都在烧Token。计费的单位正在从「你买了几个账号」，变成「AI替你干了多少活」。算力或者智能，越来越像家里的电表，用多少、跳多少。在这场GTC大会上，黄仁勋更是直言：每一家公司都会变成一家智能体公司，每一家公司内部，都会跑着自己的智能体。智能随手可得的年代，没有哪个软件还甘心装傻。这当然不是他的空想。这几年，AI已经慢慢住进了人们天天使用的软件里。比如苹果手机里的Siri新版换了大脑，背后是Google的Gemini。家庭音箱中的Alexa+，碰到难一点的问题，Claude可以帮着回答。 Claude已接入Excel、PowerPoint、Word、Outlook四件套，一段对话贯穿四个Office应用。办公用的Word、Excel，点几下就能让Claude替你写、替你算；记笔记的Notion，那个会帮你续写、总结的小助手，背后的大脑也是Claude……这些日常软件中，有的调用的是Claude，有的调用的是Gemini，还有的调用的是ChatGPT——不管用谁家的模型，你每用一次，背后都是在烧Token。这个过程中，计费的那把尺子也悄悄换了。从「你买了几个账号」，变成「你烧了多少Token」。而夹在你和大模型中间、把这些Token转手卖给你的，正是这些你天天都在用的软件。黄仁勋还讲了个例子：英伟达和Cadence做了个芯片设计的超级智能体，指挥它干活的正是Claude Code。原本工程师要忙好几周的活，现在几小时就干完，快了40多倍。AI正顺着这些软件钻进各行各业，把几周的活压成几小时，改变你的工作和生活。就连英伟达自己，也成了黄仁勋口中的「转售商」。有网友说，如果真如黄仁勋所言，「整个软件行业将变成Anthropic的分发渠道，之前的1万亿规模只不过是热身而已」。 你烧的每个Token都有人在数钱这么大的变化，难怪软件股先慌了。今年3月，黄仁勋在摩根士丹利的大会上放话：未来不会有「不是智能体」的软件，软件公司要从卖License（许可）转向消费、转售Token。话音刚落，Salesforce、Atlassian、Workday、CrowdStrike这些SaaS龙头集体下跌，市场上冒出一个新词：SaaSpocalypse，SaaS的末日。但黄仁勋并不认同这种软件末日论，他的看法刚好相反：AI不但不会杀死软件，反而会做出史上最大的一块蛋糕。他的底气，来自一场他口中「人类历史上最大的基建」。在他眼里，你随手烧掉的Token，早就不是个技术名词：它是资产，是能下金蛋的营收单位。正因为靠Token能源源不断地赚钱，全球的AI公司才拼了命地砸钱，建起一座座AI工厂。黄仁勋不断强调的这场基建规模能有多大？一座1吉瓦的工厂，造价从两三百亿美元起步，很快达到上千亿。到这个十年结束前，要有100吉瓦的AI工厂上线。你每让AI回答一个问题，生成一个内容，都相当于往AI工厂里投进一枚硬币。 英伟达最新一季营收816亿美元，光数据中心就752亿，同比涨了92%。Token经济里先富起来的，正是卖铲子、搞基建的英伟达。在这个过程中，Token正从一个技术单位，变成一种像钱一样的东西。此前，黄仁勋也提到过：在硅谷，「这份工作配多少Token」正在变成挖人的筹码，有公司开始把Token额度当福利发。而Anthropic这些模型公司，正处于这条河的源头。黄仁勋押注的，是整条Token产业链一起上涨。软件没死，反而成了AI的收费站如果黄仁勋的判断是正确的，你天天打开的那些软件，会变成什么？这次GTC演讲之后，原本唱衰软件的风向，反了过来。有网友说，黄仁勋这是又一次「打脸AI吞噬软件的论调」：智能体越用越多，要调用的工具也越多，沉寂大半年的软件板块，接下来要「见证大反转」。也有网友说得更直白，黄仁勋点名的那几家软件公司，「AI智能体不是掘墓人，而是送钱人」。 送的是谁的钱？你天天用的那些软件，为大模型铺好了通往用户的高速公路，它们不用挨家挨户敲门，顺着这些软件就能融入你每天工作、生活的流程里。而这些软件，就好比AI高速公路上的收费站。你每让AI写封邮件、做张表、跑个任务，好比开车过一次闸，烧掉的Token钱就好比是收走的过路费。还有的网友干脆为此造了个词：每一家SaaS都会变成GaaS（Agent as a Service，智能体即服务），过去卖你工具，往后卖你智能体。软件还是那个软件。但你为它掏的钱、它跟你算账的方式、计价的单位，都在被Token重写一遍。落到每个用户身上的变化，可能是包月的时代即将过去，按Token收钱的时代就要来了。参考资料： https://x.com/rohanpaul_ai/status/2061168497955418245?s=20编辑：元宇
-
ChatGPT记忆大升级，十亿人免费用！ 新智元报道 【新智元导读】奥特曼官宣ChatGPT记忆重大升级！全新Dreaming V3架构正式上线：ChatGPT会在后台「做梦」，首次向数亿免费用户开放。ChatGPT也会「做梦」了！今天，OpenAI祭出重量级更新：ChatGPT「记忆系统」彻底重写了。 全新记忆架构Dreaming V3正式上线。这一次升级，「做梦」功能向十亿人免费开放，Plus和Pro记忆容量直接翻倍。 有网友表示，这是迈向个性化助手的一大步！ ChatGPT，「做梦」自进化了能够让ChatGPT睡一觉，效力暴增的系统，就叫做Dreaming（做梦）。它的工作方式，和人类睡觉时大脑整理记忆的过程几乎一模一样：白天你和ChatGPT聊天，晚上它会悄悄「回放」你们的对话，从中提炼、合成、更新关于你的一切。也就是说，一个人所有的日常，统统被自动编织进一张持续刷新的记忆网络。 这和老版记忆有什么区别？OpenAI自己都忍不住吐槽老系统——与早期系统交互，就像在和一个只会记笔记的人说话——没写下来的，全忘了。更重磅的是，这些「梦境」全部对你透明。新版「记忆摘要页面」（memory summary）让你一眼看清ChatGPT到底知道你什么：可以补充、可以修改，甚至可以直接下指令，它真的会照办。 三场大考：记住你、懂你、还懂今夕是何年什么才算「好记忆」？OpenAI给出了三条硬标准——记得住、用得对、跟得上时间。每一条，他们都拿出了对照实验。第一场考试：上下文召回。「事实召回」基准测试显示，2026年，ChatGPT成功率飙升到了82.8%。 一位水下摄影玩家问：「我的水下摄影装备要用TTL闪光，需要买什么」？没有记忆的ChatGPT，吐出一篇又臭又长的「通用购买指南」——什么光纤TTL、电子TTL全列一遍，兼容性检查请用户自理，说了一大堆，又等于没说。有记忆的ChatGPT直接开大：「我会基于你的实际装备来验证：索尼A1 II + Nauticam NA-A1II防水壳 + Backscatter Mini Flash 3和Inon Z-330闪光灯」然后精准报出具体产品型号SKU，连「哪个触发器和哪个灯不兼容」都帮你排雷排好了。这哪是聊天机器人，这是你的私人器材顾问。 第二场考试：偏好遵循。如今，ChatGPT偏好遵循，通过率高达71.3%。 记忆里躺着信息只是第一步，关键是该用的时候真的用上。OpenAI把「偏好」拆成三类： 明确指令：别再提Stan了 个人约束：我吃素 隐性偏好：我住在旧金山附近→ 推荐就该围绕湾区来 假设两个月前，你提过自己喜欢野生动物摄影、酒店空调必须给力、讨厌嘈杂的酒吧。现在你说「帮我规划新加坡行程」——没记忆的版本，甩给你一份「鱼尾狮+乌节路+克拉码头」标准游客套餐。 有记忆的版本，直接为你定制：清晨植物园拍鸟、飞禽公园+夜间野生动物园专场、正餐优先安排可订位的安静餐厅。它还贴心备注——「新加坡酒店普遍空调够猛，但你的要求格外严格」。 可以上下滚动的图片 第三场考试，也是最狠的一场：时间感知。传统记忆系统最大的笑话是什么？你7月去新加坡出差，9月回到加州，半夜问它「帮我找个还在营业的外卖」——它给你推荐新加坡凌晨5点的24小时印度飞饼店。Dreaming V3直接终结了这个笑话。 它会自动把「你将在7月去新加坡」改写成「你2026年7月去过新加坡」——旅行结束了，它知道；你回家了，它也知道。再问外卖，它推荐的是你家门口的Alpine Inn汉堡店。AI终于学会了一件人类与生俱来的事：知道「现在」和「过去」的区别。 细思极恐，又理所当然。算力狂降5倍，免费用这次升级里，最容易被忽略、但商业上最致命的一个数字：5倍。OpenAI透露，最近的优化把服务dreaming所需的算力，降低了约5倍。正是这一刀，让「给数亿免费用户开记忆」从赔本买卖变成了可行生意。于是连锁反应来了： Plus和Pro用户：美国地区今天起推送新系统，记忆容量翻倍 免费和Go用户：未来几周陆续获得dreaming记忆 更重磅的是，控制权也一并交还给了用户。新增的「记忆摘要」页面，让你能一眼看清ChatGPT到底记住了你什么——可以补充、可以修改，还能直接下指令：哪些话题该提、什么时候提。 想深挖某块记忆？直接跟模型聊就行。要是你怀念老式的saved memories，设置里一键切回。ChatGPT记忆「三级跳」ChatGPT押注的「记忆」，实际上是一场酝酿了两年的豪赌。2024年4月，ChatGPT记忆功能首次上线，也就是「saved memories」（保存的记忆）。你得明确说一句「记住我7月要去新加坡」，它才会乖乖记下来。说白了，那时的ChatGPT像一个只会偶尔记两笔的同事——笔记本上没写的，全忘。更尴尬的是，这些笔记还会过期：时间一长，记忆变得不对、不相关，甚至开始帮倒忙。 2025年4月，第一版dreaming登场。这是一种后台进程——ChatGPT会在你不聊天的时候，自动翻阅历史对话，悄悄整理、合成关于你的记忆状态。换句话说，你聊你的，它在后台「做梦」，把对话里自然流露的信息都消化成长期记忆，完全不需要你喊一声「记住」。2026年6月，也就是今天，Dreaming V3正式上线。这是一套显著更强、更省算力的记忆架构，dreaming从「补充角色」转正，成为整个记忆系统的地基。 三年，三级跳。从被动记笔记，到主动做梦，再到把梦做成了基础设施——OpenAI对记忆这件事，是认真的。记忆，ASI第一块拼图没有记忆，就没有真正的智能。今天的大模型再聪明，每次对话结束都形同「失忆」——这是它和人类智能之间最刺眼的一道鸿沟。Dreaming做的，正是给AI补上这块拼图。从AGI到ASI，缺的从来都不只是更大的参数、更多的算力，还有在时间中持续学习、持续自我更新的能力。一个会做梦的AI，才有资格谈论超越。今天，它学会了记住你。明天，它将记住整个世界。参考资料： https://x.com/OpenAI/status/2062567556524003631https://openai.com/index/chatgpt-memory-dreaming/编辑：桃子
-
胡彦斌手搓粉丝社区App，Vibe Coding的能力边界在哪？ 原文标题：《感谢胡彦斌老师的亲身示范，让更多人看到了 Vibe Coding 的能力边界》，题图来自：AI 生成就在前两天，歌手胡彦斌亲自用 AI 手搓粉丝社区 App这件事儿，让Vibe Coding结结实实的在全网火爆了一把。平心而论，如果没有“亲自、AI、手搓”这三个关键字的话，恐怕这个事儿充其量也就是能在内娱新闻板块有点热度，想免费上微博热搜恐怕是比较困难了。毕竟，粉丝社区并不是个新鲜事儿：在遥远的本世纪初，当年还比较青涩的周杰伦、王力宏等歌手就已经建立了歌迷俱乐部网站，打造 Web 1.0 时代的私域流量池，意图进行粉丝运营。到如今已经过去了四分之一个世纪的漫长时间里，不停有各个赛道的中外明星下场试水。所以，这个事儿的话题热度估计也只能维持在“有点但不多”的水位上。但就好像这些年任何事儿被 AI 附魔了都有性能加成一样，“明星 + AI + 软件开发”这个相当不常见的组合，让这件事儿瞬间双向出圈儿。两边的人都愣了：啊？编曲的都来（去）编程了？正如我们所知道的，有流量的地方一般都伴生阴谋论：基本围绕“明星蹭 AI 热度”这个核心，典型的如“估计是外包团队做的，自己只是挂个名”等等。不过平心而论，这种上来就把人往坏里想的思维方式倒也并不是没有逻辑基础：按照通常认知，作为演艺圈的明星，在计算机方面的技能点往往在产品使用上，而不是开发。不过凡事总有例外，这个逻辑对于胡彦斌看来并不是很适用。根据 B 站 UP 主“雨哥到处跑”在 2024 年 6 月放出的胡彦斌接受采访的视频，彼时他已经开始通过网上视频的方式学习写代码，听语气还是稀松平常带一点小自豪的感觉。要知道，两年前的那个时候，大语言模型虽然已经具备一定的软件开发辅助能力，但距离今天这种“自然语言直接构建完整应用”的 Vibe Coding 体验，仍然存在明显差距。因此从这个角度看，当时胡彦斌应该是真的在系统性学习编程的。 比较有意思的是，这个采访的时间，刚好对于 AI Coding 来说也是一个重要的时间节点。2024 年 6 月 20 日，Anthropic 发布了 Claude 3.5 Sonnet 模型版本，在编码能力上产生了重大提升。一些程序员同行对这个版本的评价是：“坏了坏了这回可能真的要失业了……”当然，按照正常的思维逻辑，胡彦斌不太可能当时就已经涉足人工智能编程，大概率还是从HelloWorld入手，否则今天上综艺节目的时候，名字后面的头衔除了“歌手、创作人”之外，恐怕还要加上“当代Harness大师”。另外一个证明胡彦斌这次不太像是抱着票友心态的证据是：这次的粉丝社区并不仅仅是 iOS 一端，而是 Web、Android、iOS 三端，是一个非常完整的社区体系，它有力地保证你不管是下班休息还是上班摸鱼，都能够随时随地徜徉在与偶像互动的沉浸感中。根据苹果应用商店的商详页信息，“彦火”这款 App 的开发商是上海沄镔文化传媒有限公司。再利用这家由胡彦斌本人控股 99% 的企业名称在工信部信息备案管理系统中查询，就可以发现，在App上线之前，这家公司其实早在今年 4 月 15 日就已经完成了一个网站的备案审核工作：注意看（这个女人叫小美），备案域名是 hybfansclub.com，Hmmm毫无疑问是胡彦斌粉丝社区web版了。 呃……扯得有点远了，我们还是回到产品上来。毕竟互联网这行，还是 The product speaks for itself。前面提到过，粉丝社区在今天已经是一个形态和功能都非常成熟的产品。从功能模块来说，它基本包括首页动态流、账户体系、成长体系、投票、用户社区、站内信、AI 助手，以及比较简单的视频点播。可以说，这些基本上都是互联网产品中最成熟的通用功能。从成熟模块到开源代码，都能够被轻而易举地找到，而且这些模块还没有非常复杂的后端逻辑，以及并不包括需要强风控的订单和支付系统。所以，粉丝社区几乎可以说是一个 Vibe Coding 最好的落地对象，也刚好成为观察 Vibe Coding 能力边界的绝好样本。通过对这三端产品的初步观察，我们发现了一些问题，很值得被提出来，供更多对于个人软件开发有兴趣的跨界创业者参考。1. 隐形功能缺失有网友体验过 iOS 版本的“彦火”App 后，提出了两个问题：用户手机号注册环节风控缺失，以及内容发布功能审核缺失。简单来说，就是如果手机号注册环节没有用户校验等风控环节的话，很容易被有心（其实就是坏）人用来做短信攻击，或者恶意消耗光你的短信服务预存款。而如果用户在内容发布时没有敏感词过滤以及相关的内容机审乃至人审流程的话，有可能会给软件运营方（其实就是胡彦斌老师本人）带来法律上的风险。按照我国相关法规的要求，运营方有责任对平台内容进行审核并担责。那么，为什么会出现这个问题呢？其实原因也很简单。胡彦斌老师本人在规划这个产品功能设计的时候，应该更多是从用户体验需求以及平台方运营需求出发思考问题：用户怎么注册、社区怎么互动、内容怎么展示、粉丝怎么成长。这些都是用户能够直接感知到的功能，也是一个创作者在功能层面关注的第一优先级。 但风控、合规、审核、性能优化这类能力，则属于互联网产品里的“隐形功能”。这些功能在用户端没什么存在感，但一旦缺失，问题就会立刻暴露出来。而这些功能的存在必要性往往需要经历过完整互联网项目从 0 到 1、从规划到运营的过程，才能逐渐建立起足够全面的认知，也就是平时我们所说的Konw How。对于一个刚刚跨界到产品负责人角色的创作者来说，要求他在第一次做产品时就把这些事情考虑得滴水不漏，完全是Mission Impossible。作为一个提供Vibe Coding功能的工具，不管是 Cursor 还是 Claude Code，其核心价值的本质，都还是在回答问题，而不是定义并扩展问题。它们能够很好地完成你明确提出的需求，却很难主动发现那些从未被用户提出的问题。你让它开发社区，它就开发社区；你让它实现签到，它就实现签到。但它不会突然停下来问你一句：“这个社区需要内容审核吗？”或者“你的短信验证码接口有没有考虑防刷？”从这个角度来看，“彦火”暴露出的这些问题，与其说是开发能力的问题，不如说是产品规划能力的问题。而后者，恰恰是今天 AI 最难替代、也是 Vibe Coding 最容易被忽视的一环。2. 视觉效果体验未被充分验证接下来我们观察一下这个粉丝社区的Web端主页，你会发现它的视觉效果和配色很具有沉浸感，但同时也令人惊异地存在一些肉眼直接可见的小问题。这些问题在测试环节里大概都属于 P3 以下的重要程度，但却明晃晃地挂在首页上，如下图： 上眼一扫就会发现，这个页面的布局存在挺多的小问题，包括但不限于：错误的折行、导航栏没有向上对齐、导航栏文字中英文间距不一致、新闻模块中新消息标签向侧方挤压标题正文内容等等。这些问题的背后，揭示了 Vibe Coding 的另一个短板：不使用正向开发流程，容易出现必要的工作环节缺失。查看网站首页的源代码，从呈现出的代码风格来看，确实蛮有 AI 风味。比如样式里存在大量直接写死的尺寸、间距和定位值，布局更多依赖具体像素，而不是通过更稳健的响应式约束去适配不同设备。代码看起来像是为了让当前页面“先长得对”，而不是围绕多分辨率、多浏览器、多内容长度去做系统性的边界处理。究其原因，主要是AI 在写代码这块向来是贴着需求底线走，主打一个绿色省电节约 Token，更倾向于优先满足当前需求，而不是预先考虑各种边界条件。因此，这些个不考虑分辨率因素，直接将数字写死的情况时有发生；也导致了这个页面很可能在胡彦斌自己的开发和测试环境上是正常的，但是切换到我的主力打字机 T480 笔记本（没办法，穷）的 Chrome @ 1080P 分辨率下，页面直接变形。AI 的问题还可以通过增加更详细的要求来尝试修正，但关键工作环节的缺失，才是这个问题到了上线还依然存在的根因。传统的正向开发模式中，在产品经理完成功能定义后，还需要交互人员根据需求进行版式设计并制作效果图。开发人员按照效果图开发后，首先进行自测；自测通过后，再提测到测试部门；测试人员再撰写 test case，进行有针对性的测试工作。但在胡彦斌老师一个人完成整个产品定义到上线的流程中，AI 并没有起到结合视觉设计要求进行测试的能力。视觉验收和多端测试这两部分工作量的缺失，才导致了页面的带病上线。3. 页面直接静态挂载 MP4 文件 其实这一点和小伙伴讨论的时候还有点分歧，所以放在这里不一定算是 Vibe Coding 的短板，有可能只是一种工程取舍。支持当前技术实现方式的声音认为：这几个视频本身是免费内容，初期用户量有限，暂时不上完整的点播系统也无伤大雅，等后期 VV 数据起来了再替换也来得及。这个逻辑本身并没有什么问题。而另一方的声音聚焦在了一个新问题上：这个取舍，到底是主动思考之后做出的决定，还是一个从来没有被提出过的问题？以胡彦斌的粉丝量级，一旦三端产品全面推广，这个模块大概率很快就要迭代。而现在开源或可商用的视频点播方案已经相当成熟，其实接入的开发成本并不算高。既然早做晚做都要做而且也不难做，为什么不现在就做好呢？对于一个目标是商用的产品来说，1.0 上线时宁可砍掉部分非核心功能，也应该保证已有模块的成熟度。这个优先级的判断，恰恰是 Vibe Coding 流程里最容易缺席的一环。最后请允许我再次感谢胡彦斌为 Vibe Coding 走向更广阔受众群体做出的杰出贡献。胡彦斌作为一个音乐人，仅凭借 AI 的加持就能将一个跨三端的互联网产品交付上线，这已经是一种实实在在的成功。如果回到两年前他接受采访、坦言正在学习编程的那一刻，恐怕连他自己都不会相信，AI 的能力能在这么短的时间内突飞猛进到这个程度。但这个案例同样让我们清楚地看到了今天 Vibe Coding 最真实的能力边界：AI 可以写代码、生成页面、搭建数据库，但它没办法站在项目全局，帮你把该问的问题都问一遍。它本质上还是一个在回答问题，而不是在定义问题的系统。局部任务里，它已经相当能打；但主动发现问题、提出问题，并为这个判断承担责任，这件事今天还轮不到它来做。说白了就是：AI 目前还没有掌握提问的艺术。这就意味着，在 AI Coding 时代，真正昂贵的能力不再是写出好代码，而是知道该问什么问题。代码越来越便宜，好问题越来越值钱。软件开发链条上每一个角色的价值，也正在向这个方向重新聚拢。最后的最后，我还想借这个机会问问胡彦斌老师： 您那还缺产品经理么？ 待遇要求不高，管个演唱会门票就行…… 后排，后排的就行：）本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。本文来自虎嗅，原文链接：https://www.huxiu.com/article/4865045.html?f=wyxwapp
-
当AI从模仿外表转向“萃取”思想，“人格蒸馏”叩问AI时代治理边界 当我们刚开始接受人工智能（AI）能模仿人的声音、形象，生成栩栩如生的数字人，AI已经开始学习人的知识、经验甚至思维方式，逐步将人的认知能力转变为新的生产要素。 日前，在由上海市科协与华东政法大学共同主办的“科创无界 法治有度”主题沙龙上，一个名为“人格蒸馏”的开源项目引发与会专家的热议——当AI从复制人的外在特征，发展到学习人的认知能力，并对传统社会权利体系形成挑战，我们该如何守护“人”的社会权利边界？ “人格蒸馏”挑战传统权利体系“人格蒸馏”是运用人工智能技术，将一个人的知识、思想和行为风格提炼成skill（技能包）的开源项目。上海交通大学人工智能学院执行院长王延峰指出，当下的科技工作者正在面临一种前所未有的身份悖论：他们既是人工智能技术的创造者，也可能成为被技术“复制”甚至替代的对象。“美国一些顶尖的科技公司正在通过‘蒸馏’算法，拿科研人员所有的思考和工作文档来训练AI，再用训练好的AI逐步替代算法工程师。”这种做法正让工作成果、专业知识与个人信息之间的界限变得日益模糊，王延峰由此提出了一连串问题：员工是否拥有对自身数字分身的控制权？企业能否以提升效率为由要求员工贡献经验数据？当个人知识、经验乃至人格特征都能够被数字化复刻时，原创价值如何认定？劳动者权益如何保障？AI生成的成果又该归属于谁？ “科创无界 法治有度”主题沙龙现场 王延峰提出的一连串问题，引发了现场热议。在上海科技大学教育、创新和可持续发展研究中心主任杨燕青看来，引发这些问题的根源在于AI的能力已发生了根本变化。她说，今年以来，AI已呈现出从执行指令的工具，逐步向具备自主规划和持续优化能力的智能体演进的显著趋势——这意味着新的规则需求正在出现。在杨燕青看来，现在，知识、经验乃至人格特征都开始成为人工智能训练的重要来源，“当人的认知能力逐渐成为新的生产要素，传统权利保护体系也面临新的挑战”。王延峰表示，在这种情况下，真正需要被保护的或许不仅是数据和算法本身，而是创造这些数据和算法的人。AI越“聪明”，治理越要走到技术之前当AI开始尝试生成高度拟真的数字人格，那么它会成为法律意义上的主体吗？华东政法大学教授王迁认为答案很明确——人工智能现在没有人格，将来也不应当被赋予人格。在王迁看来，法律主体除了拥有权利，更要能承担责任，而AI并不具备这样的能力。“无论AI发展到什么程度，其本质仍然是工具。”这意味着，责任最终仍然需要由开发者、运营者或使用者承担。王延峰认为，今天的法律、伦理与治理体系，很大程度上建立在人类能够理解并控制技术的前提之上，而当AI变得越来越“聪明”，这一前提正在受到前所未有的挑战。正如数字分身和人格蒸馏等AI技术的发展，使人格权、知识产权和劳动者权益保护体系面临新的挑战。“AI领域的竞争，已不仅是算法和算力的竞争，更是制度设计与治理能力的比拼，而且治理必须走在技术发展的前面。”他说。为更好应对科技创新不断向法律和司法提出的新挑战，上海知识产权法院自去年9月起成立了多个专项合议庭，其中就包括人工智能大模型专项合议庭。该院知识产权综合审判一庭庭长凌崧认为，AI技术虽能模拟人格表征，但不应动摇人之为人的法律主体地位，也不能逾越法律划定的边界。商汤科技如影数字人项目总监廖虎介绍，目前商汤正与行业伙伴共同探索可信数字人的建设路径，逐步形成“可授权、可控制、可追溯”的治理原则。与此同时，平台企业也开始针对AI的合理应用发出倡议并付诸行动。小红书公共事务总经理袁世东介绍，公司已于近期发布“小红书AI治理主张”。截至今年5月，小红书已累计处置18万篇涉嫌AI造假的笔记，并对超过120万个由AI托管的矩阵账号进行系统性治理。
-
10.3万观众，规模创历史新高！2026上海老博会圆满落幕 科技适老，硬核“黑科技”加速从机构走向居家场景本届老博会上，人工智能与机器人技术被大量运用到适老消费场景中。在W3馆康复辅助器具创新展区，外骨骼机器人成为全场焦点之一。展区特别开辟了“外骨骼竞技测评专区”，铺设了包含平路、坡道、台阶的专属体验步道，傲鲨、众帅、海尔、中电科、肯綮等众多品牌的外骨骼机器人悉数登场，市民可以亲身穿戴体验。在W4馆智慧养老展区，AI陪护机器人、智能防跌倒床垫等新品扎堆展出。科大国创的智銮S5智能助行机器人搭载ACC自适应巡航、FCW防碰撞预警、AEB自动刹车功能，让老年人出行拥有“智能驾驶级别”的安全感。情感陪伴类机器人同样亮点纷呈，上海天与的“小与”AI陪伴机器人以自然对话、健康监测与SOS一键求助，打造有温度的AI伴侣。在W5展区，一台全地形具身移动机器人成为热门展品，能在履带爬楼模式与轮椅模式之间自由切换，打破了家用轮椅与爬楼机之间的壁垒。 在银发黑科技领域，本届老博会见证了硬核科技从机构专用加速走向居家场景的新趋势，一批批创新产品集中亮相，回答了“谁陪伴、谁照护”的时代命题。当科技不再是遥不可及的想象，而是长者手边触手可及的温暖依靠，银发经济便不仅是产业赛道，而是照见社会进步与人文温度的镜子。惠民服务全面升级：多重补贴叠加便民举措落地本届老博会在服务细节上下足了功夫。展会首次增设周六展期，并将最后一天的观展时间延长至17:00，充分满足上班族子女陪同、老年观众从容观展的实际需求。多重惠民补贴同步落地展会现场。上海适老化改造补贴针对四类困难老年家庭，补贴比例最高可达改造全额100%，单人最高补贴5000元，符合条件市民可通过“随申办”APP线上申请；智能助行产品购买最高享20%购置补贴、单件封顶2000元；智能家电、家居产品按售价15%申领补贴。同时，家电数码以旧换新、辅具租赁分级补贴同步上线，低保老人租赁辅具最高可享70%费用减免，多家驻场银行推出银行卡现场满减活动。现场还首次引入电动轮椅租赁服务，联合强生、大众提供福祉出租车公益服务，顺丰快递驻场、光华医院健康咨询等便民措施全面落地。 全市各区首次大规模集中亮相，“一区一特色”勾勒上海养老版图本届老博会的一大亮点是上海各区首次大规模以展团形式集中亮相——这是老博会历史上第一次有这么多区属力量同台展示。徐汇、浦东、黄浦、虹口、宝山、青浦、普陀等区同台展示各自银发经济发展特色，“一区一特色、区区有亮点”的上海方阵从蓝图走向实景。黄浦区以“乐享银龄·潮趣黄浦”为主题，携36家优质企业组团亮相，展区总面积达400平方米，划分“食”“养”“购”“娱”四大板块，吸引阿姨爷叔驻足的同时，也让黄浦区民政部门多年来深耕的“五边颐养”金字招牌为更多人知晓。 虹口“虹彩乐龄”展位“乐养、乐享、乐居、乐活”四幅拼图，为银发族呈现乐龄新生活。普陀区依托本区银发经贸等产业资源与载体优势，多举措动员区内19家银发经济企业参展，各类智能化、人性化、本土化的适老化新品轮番亮相，涵盖智能陪伴、安全监护、无障碍出行等多个民生领域。 养老金融专区首度设立，共筑“金融+养老”生态本届老博会的一项重要创新是首度设立养老金融专区，落地W2馆迎来多元化业态集中展示。在中国人民银行上海总部支持下，金融机构跳出传统信贷思维，发力“金融+非金融”及适老化场景创新，将服务延伸至居家改造、数字支付等实体领域。 中国银行上海市分行第六次亮相老博会，不仅带来了“中银银发”养老金融主品牌，还携手社区街道，将诞生于社区的公益咖啡馆“记忆咖啡馆”搬进了展厅。在老博会上海农商银行展台，作为全市独家实体参与老年大学线下办学的金融机构，上海农商银行将广受欢迎的“心家园”老年大学精品课堂，原汁原味地搬进了老博会现场，并与市民政传媒中心共同推出银龄乐读服务。养老金融专区内，意定监护这一新兴法律服务首次与养老信托产品同台展示，实现晚年权益保障从理念到实操的落地，标志着上海“金融+养老”服务体系完成从碎片化产品到系统化生态的关键升级。而在太保蓝公益展台，围绕脑健康守护，营造一站式银发康养关爱体验空间。国际“朋友圈”持续扩容，海外展团强势登场本届老博会的国际化程度进一步提升，吸引来自22个国家和地区的企业及机构参展。其中，澳大利亚展团在去年基础上规模实现翻倍，加拿大、英国也以官方组团形式加入，众多海外品牌在W3馆联袂打造了超过1500平方米的国际展区。英国智能面料科技有限公司带来的仿生皮肤圆领上衣，其高科技面料专利聚合物技术可物理模拟人体天然皮脂膜，对缓解湿疹、皮炎及真菌感染具有积极作用。企业中国区负责人表示：“因为对中国市场非常重视，同时看好银发经济广阔的前景，公司刚刚进入中国市场，就立即参加了上海老博会”。 12场主题活动覆盖银发经济新兴板块，引领行业风向上海老博会不仅是中国养老行业一年一度的商贸盛会，更是行业资源汇聚、同业交流碰撞、协同共创的产业赋能平台。本届老博会期间共举办主题交流活动及专题沙龙12场，邀请近百位行业专家、企业领袖登台分享，吸引近4000人次现场参与。活动内容不局限于传统养老服务的经验分享，而是系统性覆盖了银发科技、养老金融、银发消费场景、跨地域协作等新兴板块，每一场活动都精准切中行业痛点与趋势前沿，获得了与会同仁的一致好评。本届老博会的圆满落幕，不仅集中呈现了银发产业的前沿成果与创新实践，更折射出中国养老事业从“基础照护”向“科技赋能、生态融合、品质享老”转型的时代图景。10.3万观众、近680家企业、22个国家和地区、6万平方米展区——这些数字背后，是银发经济作为民生保障与经济增长双重引擎的蓬勃活力，也为上海“大城养老”探索注入了新的动能。 2027年上海老博会将于2027.6.10-12日举行我们明年见！特别声明：本文经上观新闻客户端的“上观号”入驻单位授权发布，仅代表该入驻单位观点，“上观新闻”仅为信息发布平台，如您认为发布内容侵犯您的相关权益，请联系删除!
-
消息称百度MEG组织架构调整，数字人创新业务部升级独立部门 IT之家 6 月 6 日消息，据新浪科技消息，百度 MEG（IT之家注：Mobile Ecosystem Group，移动生态事业群组，是百度的核心业务线）进行了新的一轮组织调整：合并商业部与电商事业部，成立大商业事业部，数字人创新业务部也升级为独立部门。IT之家获悉，在 5 月 13 日举办的 Create 2026 百度 AI 开发者大会上，百度宣布旗下数字人品牌“慧播星”升级为“百度一镜”，并推出了“一镜海外版”。百度表示，“百度一镜”从主要应用于直播带货场景的数字人，升级为一个以数字人为特色，包含直播、视频、实时互动等多形态的“全场景数字人平台”。 百度创始人、董事长兼 CEO 李彦宏表示，数字人是“看得见的智能体”，是 AI 时代的通用交互界面。“一个人加一镜，就可以完成任何视频创作，这是超级个体的创作革命。”
-
比特币盘中跌破6万美元，创2024年10月以来新低 IT之家 6 月 6 日消息，CNBC 今天（6 月 6 日）发布博文，报道称比特币周五延续跌势，最新报 61514.90 美元，日内跌幅为 3.4%。盘中跌破 60000 美元，最低触及 59099.25 美元（IT之家注：现汇率约合 40.1 万元人民币），创 2024 年 10 月以来新低，周跌幅达 16%。按周计算，比特币本周累计下跌 16%。 该媒体认为本轮下跌的直接触发因素，来自 Michael Saylor 创办的 Strategy 出售少量比特币持仓。消息打击市场情绪，并引发数亿美元级别的强制平仓，进一步放大下行压力。受此影响，Strategy 股价虽然收窄盘中跌幅，但当天仍下跌 6.9%，全周累计下跌 24%，创 2022 年 11 月以来最差单周表现。政策预期降温，也削弱了市场对比特币的信心。原本被视为潜在催化剂的加密市场结构法案 Clarity Act，因立法优先级变化和议员分歧加大，落地时间被继续推后。在缺乏新增利好的情况下，比特币更容易受到资金流向和情绪波动影响。
-
千问APP发布首份AI健康助手指南发布 6月5日，千问APP发布《2026 AI健康助手使用指南》，这是业内首份系统梳理AI在健康生活中扮演角色的使用指南。指南指出，目前大多数用户的健康咨询还停留在“一次性问答”，问完就走。而AI其实可以扮演健康管家、安全守门人、就诊小助手、健康档案员、康复陪伴者五种角色，覆盖饮食、睡眠、就医、慢病管理等长期健康需求。一个“长期陪伴者”应该是什么样的？指南用了一位56岁高血压患者“老张”的日常给出了参考答案。同样是早餐拍照，大多数人问的是“这顿热量多少”。老张会问千问：“我有高血压，这顿需要注意什么？”得到的不是一串数字，而是针对他病史的饮食建议。头疼了三天，大多数人会问AI“我得了什么病”。老张则让千问帮他判断两件事：该挂什么科、有没有必须马上去医院的危险信号？就诊前，千问还帮他整理了既往检查单，梳理了五个最该问医生的问题。复诊前三个月，他每天记录血压，千问最终帮他总结出一个规律：早晨血压普遍高于晚上，秋季收缩压比夏季平均高10个单位。北京大学人民医院皮肤科主任医师李厚敏在接受媒体采访时表示：“很多用户只在看不懂体检报告或身体不适时才会想起AI，但更应该把AI看作一个长期参与健康生活的陪伴者。”点击获取这份指南
-
Meta给Ins加了个“会员”，值吗？ IT之家 6 月 5 日消息，据科技媒体 9To5Mac 昨天报道，Meta 现已推出 Instagram Plus 订阅服务，订阅价格为 3.99 美元（IT之家注：现汇率约合 27.1 元人民币）/月，提供 11 项独家功能。 据报道，该服务可通过 Instagram 个人资料页面进行订阅。用户付费后可享受到 Story 短视频优先展示功能，让好友更容易看到限时动态。同时，用户订阅后还能够使用不限数量的 Multiple Story Audiences 分组功能，可单独设置家人列表、同事列表，将不同内容的短视频分享给不同人群。Story 限时短视频的展示时间也可延长至 48 小时，相比原本的 24 小时直接翻倍。此外，该订阅服务还提供短视频预览功能，可以在不留浏览记录的情况下查看好友视频。还拥有重复观看统计、搜索观看者等高级功能，方便创作者使用。简介字体、置顶内容数量也能够更改，还拥有专属应用图标。
-
人形机器人进场以后，谁来吞下失败成本？ 文 | 舒泽品牌手记人形机器人被送进工厂、门店和展厅以后，很容易被当成商业化信号。过去两年，比亚迪、小鹏、优必选、宇树、智元、乐聚这些名字不断出现在车企产线、科研机构、地方项目和商业展厅里。机器人走路、搬运、分拣、导览，行业也越来越习惯用“B端落地”概括这些进展。进场当然有价值。问题是，机器人走进一个场景，只说明它被允许试一试。它停机以后谁顶上，搬错物料谁返工，导购答错参数谁负责，调试两周还跑不稳时谁继续付工程师的钱，这些账算不清，商业化就还停在试点阶段。比亚迪入局人形机器人，焦点不该只停在车企为什么下场。车企有供应链、有工厂、有工程团队，这些已经被讨论很多。更值得看的，是它手里有一套能把机器人失败吞进去、拆开、再喂回研发系统的流程。工厂、门店、工程师、质量体系、售后网络合在一起，才构成机器人早期最需要的东西：一个能长期试错的真实现场。行业已经有足够多展示场景。稀缺的是那种愿意把机器放进真实流程里、陪它反复出错的客户。“B端”这个词太粗。科研机构、数据采集中心、政府示范项目、展厅、4S店、仓库、工厂，都可以算B端，但它们买机器人的理由差得很远。科研机构买的是研究对象，数据采集中心买的是未来模型的素材，展厅和导览场景买的是形象和互动，地方项目买的是产业符号。工厂最冷，它只问几件事：能不能稳定干活，能干多久，坏了多久能修好，换一个任务要调几天，停机损失谁承担。把这些都装进“B端落地”里，商业化问题会被说浅。一个机器人被买走，距离成为劳动力还很远。意向订单、示范订单、科研教育订单、数据采集订单，都能支撑行业往前走，但它们和“在真实流程里稳定替代一部分人工”之间，还有很长一段距离。宇树科技的数据能说明问题。公开报道里，2025年前三季度，它的人形机器人收入中，科研教育占73.60%，商业消费占17.39%，行业应用只有9.01%；在行业应用收入里，企业导览又占了相当比例，真正用于智能制造、智能巡检等明确工业场景的收入占比很低。科研教育、数据采集、导览展示，都是早期市场的一部分。行业不能把这些收入都讲成“人形机器人正在上岗”。机器人站在展厅里，和机器人在产线里稳定工作，中间隔着一笔工程账。采购合同上写的是本体价格，工厂后面还会继续收到几张看不见的账单。有报道提到，2026年一季度人形机器人单台成本已经降到10万元左右，但落到具体工艺段以后，总体拥有成本会被运营、维保、调试和场景适配拉高，能进工厂“打工”的实际总成本可能接近50万到60万元。工厂不会只问这台机器人多少钱。它会问这个试点工位需要几个工程师陪，多久能独立运行，原来的工人要不要继续保留，备件谁备，返厂期间谁顶上，停机半小时会影响几个后续工序。采购价最容易算，难算的是机器人还没稳定前，它持续占用多少工程资源。一个试点工位如果需要机器人公司工程师驻场两周，产线工程师配合改流程，末端夹具重新适配，班组还要保留原有人力兜底，那这台机器人在账上就不再是一台10万元设备。它会变成一个持续消耗管理注意力和工程资源的小项目。人还撤不掉，机器又要养，降本就会变成成本叠加。很多机器人订单看起来是收入，后面可能跟着一笔服务负债。机器卖出去以后，工程师要驻场，任务要拆，夹具要改，模型要调，故障要修。客户付的是一台机器的钱，机器人公司后面花的是一整段工程服务的钱。订单越大，任务边界越不清，后面的服务负债也越大。这和传统工业机器人差别很大。工业机械臂也会坏，也要维修，也会造成停机。可它大多绑定固定工位、固定动作、固定节拍。焊接、喷涂、码垛、搬运这些任务，被定义得足够清楚，失败模式相对可预期。合同里可以谈备件、维修响应、验收标准、停机责任。行业花了很多年，才把这些边界慢慢磨出来。人形机器人经常被期待去处理那些“不够标准、又有点像人能处理”的边角任务。今天搬物料，明天做导览，后天巡检，再过几天尝试拧螺丝。换了物体，换了光线，换了地面，换了人流密度，原本看起来会做的动作，可能又变成新问题。出了问题以后，表层争议是“谁修”。更难的，是现场有时根本说不清这算不算故障。电机坏了，关节坏了，传感器坏了，这些还好谈。另一类情况最难定责：机器人没有坏，只是做了一个不在预期里的动作。它把物料放到了相邻位置，没撞人，也没报警；它识别到了异常，但把异常等级判低了；它在门店导购时没有胡说，只是把一个参数说得过于确定；它在巡检时没有漏检，只是把某个变化当成正常波动。这种情况很难写进维修手册。它既不属于典型硬件故障，也很难算人为误操作；现场更常见的说法，是任务漂移。工程师会说模型要继续优化，本体厂商会说场景数据不足，集成商会说流程定义不清，场景方会说自己买的是机器人，不是一个长期实验项目。任务漂移这笔责任账，可能比停机维修更难算。很多场景现在看起来需求很强。养老缺人，餐饮缺人，医院缺服务，物业缺巡检，商场缺导购。需求强烈，不代表早期适合落地，因为这些场景的失败成本很容易外溢。工厂里测试一个搬运机器人，搬错一箱零件，损失可以留在内部。工程团队可以复盘，产线可以调整，机器人供应商可以继续驻场。医院里答错一个用药指引，养老院里摔倒一个老人，餐饮店里把热汤送错位置，公共空间里挡住行人，这些失败会直接碰到安全、责任和舆论。早期占优势的企业，往往未必最缺机器人。它们真正强的地方，是能把失败留在内部消化。比亚迪、小鹏、特斯拉这类公司被反复提起，不单因为它们有钱、有工厂、有供应链。它们有能力把机器人失败后的问题拆回自己的工程系统里。机器人搬错、识别失败、停机、调参、换夹具、换工位，至少可以在一个相对封闭的体系里反复试。小工厂也缺人，也想降本，但它未必能承受一个还在学习的机器每天折腾自己的流程。“自用场景”看起来不性感，却很关键。比亚迪如果真在自己的工厂、门店和供应链里长期测试机器人，它得到的就不只是一个应用案例。一个错误动作留下来，一次维修留下来，一个工位适配失败留下来，这些东西都能进入下一轮设计。对纯机器人公司来说，这种真实现场很难获得。客户愿意试一次，不代表愿意陪你试半年。乐聚团队进工厂调试的细节，比很多发布会更能说明商业化到底长什么样。公开报道里提到，乐聚技术团队深入70多家工厂实地调研，跟随工人记录每一道工序，系统梳理了数百个场景的SOP。真正进场以后，机器人最初的作业测试时间只有20分钟，而且很不稳定。团队在工厂里蹲点，视觉模型迭代了5个版本，采集了超过3万张现场照片，核心算法迭代了几十次。这类故事的价值在于，工程团队蹲在现场，一次次把机器的失败过一遍。工人怎么拿，怎么放，怎么绕开小障碍，怎么判断异常，这些过去由人顺手补掉的细节，都要被拆成机器人能理解的流程。一次失败要记录，一次误判要复盘，一个夹具不适配要改，一个动作慢了要重新调。等机器人终于能连续工作更久，背后通常是一堆脏活被消化掉了。人形机器人行业现在喜欢说“具身智能”，说“通用能力”，说“未来入口”。这些词没有错，但客户最后会把它翻译成很土的几句话：今天能不能干，能干几个小时，坏了谁来，换任务要多久，出了事故谁签字。这几句话回答不了，场景就很难从试点变成订单，从订单变成复购，从复购变成稳定的商业化。优必选的一些公开材料里提到过搬运、分拣效率、单任务成功率这些进展。类似信息对行业当然是好事。可换到工厂的账本里，还要继续追问：它是在什么环境下测出来的，任务序列有多长，换物料以后能不能保持，是否需要工程师在旁边调，异常情况怎么恢复。单一任务跑得好，只是第一步；一个班次、一条线、一个月的稳定运行，才是客户愿意持续付费的理由。“进厂打工”这个词有时会把问题说轻。人打工，可以临时判断、沟通、绕开小障碍，也会在不明确的时候问一句。机器人打工，场景方要先把很多过去默认由人处理的灰区写出来。这个盒子放哪里，这个零件卡住怎么办，这个托盘颜色变了还能不能识别，地面有水渍要不要停，旁边有人经过要等多久。很多工厂流程本来并没有写得这么细，因为人能补位。机器人进来以后，这些没写下来的东西都会变成调试成本。有些公司以为自己买的是机器人，最后发现自己先买了一次流程体检。这也不全是坏事。流程被重新拆开，长期看可能提高标准化程度，也可能逼企业把一些边角岗位重新定义清楚。短期内，这些工作都要有人做。机器人公司做，场景方做，集成商做，还是三方一起做，决定了项目到底是产品销售，还是工程服务。很多人形机器人订单，短期内更像工程项目。一个客户如果只买本体，很快会发现任务落不下去。一个机器人公司如果只卖本体，也很快会发现收入覆盖不了后续折腾。真正能跑通的，很可能是“本体+解决方案+驻场服务+维保”的混合模式。只是这样一来，毛利、交付周期、复制效率都会变得没那么好看。很多订单的叙事大于任务本身。新闻里会写“亿元订单”“进军工厂”“进入某大型客户”，但读者很少能看到这批机器人到底负责什么任务，每天干多久，成功率怎么验收，后续维修谁负责。21世纪经济报道曾提醒，人形机器人亿元级订单背后，采购方真实性、意向订单转化、产能和应用场景披露不足，都会影响订单含金量。如果一个订单只证明机器人出库，却不能证明它在哪条流程里稳定跑了多久，那它更像融资材料，不像商业化成绩单。商业化不怕任务小。先搬一个箱子，先巡一段路，先拧一种螺丝，先回答一种问题，都可以。怕的是任务说得很大，现场却没有清晰验收。B端客户并不傻。一个机器人能不能稳定干活，几天就能看出来。客户愿意试，是因为它相信未来；客户愿意继续付费，是因为它看见今天的账能慢慢算平。人形机器人第一批真实客户，未必最需要机器人。它们更像一批能承受机器人不够好的企业。很多新技术早期都靠这种客户往前走。他们未必需求最强，却有空间给错误、给数据、给反馈，也愿意拿出一部分预算陪技术长大。等失败成本被反复压低，技术才有机会走向更广的市场。比亚迪们的价值也在这里。它们能提供一种承接失败的容器。工厂、供应链、工程师、质量体系、维修体系、管理流程，会把机器人的错误吞进去，拆开，再喂回研发系统。纯机器人公司最难的地方也在这里。它可以做出一个好看的本体，可以拿到融资，可以签下订单，也可以在展会上演示一套动作。可只要没有足够多愿意长期陪它折腾的真实现场，它就很难知道机器到底差在哪里。实验室里的错误和工厂里的错误不是一回事。展厅里的互动和客户现场的稳定运行，也不是一回事。客户最终不会为“像人”付太久的钱。客户会为稳定、可用、可维护、责任清楚付钱。这里没有一个干净的分配办法。机器人早期如果没人愿意试，行业走不出来；可如果失败成本完全推给场景方，客户也很快会失去耐心。机器人公司需要客户的真实场景，客户需要机器人公司的持续服务，集成商可能要承担中间的大量脏活，保险和合同也会慢慢被卷进来。谁多付一点，谁少承担一点，不可能靠一句“生态共创”解决。早期合作至少要把三件事写清楚：什么叫任务成功，什么叫设备故障，什么叫场景不适配。任务成功要有验收口径。一次、一天、一周、一个月，标准完全不同。设备故障要有响应和责任。关节坏了、传感器坏了、系统停了，谁修、多久修、备件谁备，要提前说清。场景不适配也要被承认。有些任务不值得硬上机器人，有些流程本来就不清楚，有些工位改造成本会吞掉替代收益。这三件事不写清楚，项目一出问题，各方都会觉得自己没有错。机器人公司会说客户现场太复杂，场景方会说设备没有达到承诺，集成商会说需求定义一直在变。最后谁都没有说谎，项目照样很难继续。人形机器人商业化现在还没到“卖标准品”的阶段。它更像一段很长的工程关系。机器人公司带着机器进场，场景方拿出一小块流程让它试，双方一起看它哪里摔、哪里卡、哪里误判、哪里不值得继续做。每一次失败都要有人记账，每一次修复都要有人付钱。行业现在最容易把进场当成商业化，把订单当成收入质量，把试点当成可复制能力。真正难的地方没有那么热闹：机器人进场以后，谁陪它改任务，谁承担停机，谁养维修队，谁为责任边界签字。没人愿意吞下这几笔账，机器人就只能继续在展厅里显得很接近未来。
-
早报｜苹果App Store四成头部应用已支持AI/千问上线肯德基skill/奈雪擦边LABUBU被判赔32万 腾讯客服回应微信与华为、小米等厂商合作 A2A 助手能力SpaceX 启动 IPO 路演，估值达 1.77 万亿美元OpenAI CFO：首款 AI 硬件设备今年底前正式发布，体验「很难用语言描述」ChatGPT 推出全新记忆系统「做梦」App Store 生态规模达到 1.4 万亿美元美国 AI Agent 初创公司将主力模型从 Claude 切到 DeepSeek字节 AI 今年押注世界模型、Coding 和豆包商业化联合国大学报告：AI 扩张正在推高能源、水资源压力中国信通院将启动高质量 Token 服务能力计划Suno 完成 4 亿美元 D 轮融资☁️Google 资助虚拟电厂支持数据中心用电台积电 CEO：AI 需求缺口将持续数年，员工奖金平均涨幅超 30%三星健康「史诗级升级」，Galaxy Watch9 新功能曝光Meta Agent 产品曝光，订阅价格最高每月 199.99 美元对标 GPT Pro罗技 MX Master 4 适配 Windows 11 触觉反馈Ideogram 发布 9.3B 开源权重图像模型Miso Labs 开源 8B 语音模型 MisoTTS千问新增肯德基 skill，支持到店自取泡泡玛特告奈雪的茶获赔 32 万 腾讯客服回应微信与华为、小米等厂商合作 A2A 助手能力 昨天，腾讯客服回应称，微信正在与华为、荣耀、小米、OPPO、vivo 等手机厂商合作推出 A2A (Agent-to-Agent) 助手能力，用户可以通过对应手机系统的 AI 助手发起微信音视频通话，或向指定好友发送微信消息。目前，荣耀部分机型已支持该功能。用户把 YOYO 智能体和微信更新到最新版本后，可以通过语音下达发送微信消息、拨打微信语音或视频通话等指令。腾讯客服称，该功能基于 A2A 协作机制，并通过双重授权机制处理数据安全与隐私。 SpaceX 启动 IPO 路演，估值达 1.77 万亿美元 据路透社、CNBC 报道，SpaceX 于北京时间 6 月 4 日正式启动 IPO 路演。此前，公司向 SEC 提交修订版招股书，将发行价锁定为每股 135 美元，拟发行 5.556 亿股 A 类普通股，融资规模约 750 亿美元，对应整体估值约 1.77 万亿美元。招股书显示，上市后马斯克的投票控制权将超过 82%、所持 SpaceX 股权账面估值达 8665 亿美元；若叠加其特斯拉持股与期权，他的个人财富规模将接近万亿美元级别。按计划，SpaceX 将于 6 月 11 日完成定价，6 月 12 日以「SPCX」为代码在纳斯达克挂牌，融资规模将超过此前沙特阿美创下的 290 亿美元 IPO 纪录逾两倍。OpenAI CFO：首款 AI 硬件设备今年底前正式发布，体验「很难用语言描述」 OpenAI CFO Sarah Friar 近日在接受采访时透露，她已亲自体验过 OpenAI 正在开发的 AI 硬件设备，并称使用体验「很难用语言描述」。Friar 表示，这款产品计划在「今年年底之前」正式发布。这与此前消息披露的时间点有所提前。此前，OpenAI 曾在一份内部文件中预计，最早要到明年 2 月才会开始发货。据此前多家媒体报道，OpenAI 正在开发的产品线涵盖无屏幕小型设备、智能眼镜等多种形态，其中一款代号「Gumdrop」的笔形设备被描述为继 MacBook 和 iPhone 之后的「第三大核心设备」，目标发布时间为今年底至明年初。Friar 还谈及 IPO 计划，表示上市「目前不在议程上」，公司当前重心是扩大规模。她同时披露，OpenAI 今年的年化收入已超过 200 亿美元，相较于去年的 60 亿美元大幅增长。ChatGPT 推出全新记忆系统「做梦」 OpenAI 正式推出 ChatGPT 记忆系统的重大升级，推出名为「Dreaming」（做梦）的新架构。新版 Dreaming 架构的核心变化在于引入后台持续运行的自动化流程，系统会跨多轮对话综合提炼用户信息，并随时间推移主动更新记忆状态。以旅行场景为例，「用户计划于 7 月前往新加坡」这条记忆，会在行程结束后自动更新为「用户曾于 2026 年 7 月前往新加坡」，而非继续以过期信息影响后续对话。OpenAI 公布了三项评测指标，对比 2024 年（纯存储记忆）、2025 年（存储记忆 + 早期 Dreaming）与 2026 年（Dreaming V3）三个阶段的表现： 事实记忆准确率从 41.5% 提升至 82.8%；偏好遵循率从 31.4% 提升至 71.3%；时效性准确率从 9.4% 提升至 75.1%。值得一提的是，Anthropic 于今年 5 月 6 日的 Code with Claude 开发者大会上发布了同名的「Dreaming」功能，比 OpenAI 此次发布早约一个月。App Store 生态规模达到 1.4 万亿美元 苹果昨日宣布，安诺析思国际咨询经济学家的新研究显示，2025 年全球 App Store 生态系统促成逾 1.4 万亿美元开发者营业额与销售额。苹果强调，这些营业额和销售额中超过 90% 完全归开发者所有，无需向苹果支付佣金。 实体商品和服务销售额约 1.1 万亿美元，主要来自日用百货、餐饮外卖与自取、一般零售和旅游； 数字商品与服务约 1490 亿美元，主要来自游戏、企业 App 和视频流媒体； App 内展示广告收入约 1510 亿美元。 苹果还把 AI 写进本次报告。2025 年 App Store 排名前 100 的 App 中，超过 40 款具备面向消费者的 AI 功能，这些 App 的营业额增长高于前 100 名中的其他 App。App Store 目前覆盖 175 个国家和地区，平均每周访问量超过 8.5 亿次。美国 AI Agent 初创公司将主力模型从 Claude 切到 DeepSeek 昨天，美国 AI Agent 初创公司 Lindy 创始人兼 CEO Flo Crivello 在 X 上发文称，公司已经把 100% 的 Lindy 流量切换到 DeepSeek V4，并停用 Anthropic 的 Claude 模型。Crivello 称，这次切换每年可为公司节省数百万美元，并且在多个核心使用场景中看到性能提升。他同时表示仍看好 Anthropic 的企业客户关系、开发者品牌、模型迭代和算力扩张，但认为中国模型正在快速追赶。这次迁移主要发生在高频调用模型的 Agent 产品链路。Crivello 还提到，团队为完成切换建设了大量基础设施和内部工具，实际工作量比最初预想高出 100 倍，之后会发布工程博客复盘。字节 AI 今年押注世界模型、Coding 和豆包商业化 据《智能涌现》消息，2026 年字节 AI 有四个关键命题：加大世界模型训练投入，保持视频模型领先，补强 Coding 数据工程与 Agent 能力，并推动豆包商业化。世界模型是其中最明确的研究目标。文章称，吴永辉已在 Seed 全员会上设定目标，要求 2026 年底前至少发布一版世界模型，性能对标 Google Genie 3。Coding 方向的核心问题则是数据回流。一名知情者称，字节 Coding 效果难以突破的原因在于缺少真实业务反馈；今年以来，多个应用部门开始被要求使用 Seed 模型。豆包商业化方面，文章提到豆包预计 6 月下旬上线付费内容，PPT 生成是建立付费心智的核心切入点，后续还计划推出企业版，并把海外版 Dola 的 2026 年目标设为 3000 万 DAU。联合国大学报告：AI 扩张正在推高能源、水资源压力 联合国大学昨日发布水、环境与健康研究所报告，称人工智能基础设施快速扩张正在显著增加能源、水资源和土地需求。报告估计，2025 年全球数据中心耗电量达到 448 太瓦时；到 2030 年，数据中心电力需求可能增至 945 太瓦时（1 太瓦时 = 10 亿度电），约占全球电力消费总量的 3%。报告把「推理」列为主要能耗来源。研究显示，推理环节占人工智能总能耗的 80% 至 90%；ChatGPT 每天处理的提示请求估计约 25 亿次，对应年耗电量约 383 吉瓦时。不同 AI 任务能耗差异也很大：生成一张 AI 图像的能耗约为基础文本分类任务的 1450 倍，生成一段短视频则相当于 20 万次垃圾邮件分类任务。报告预测，到 2030 年全球数据中心的相关用水量（含直接冷却与间接发电/制造用水）将达到 9.3 万亿升，相当于撒哈拉以南非洲 13 亿人一年的基本生活用水需求。报告还提到，目前全球仅 32 个国家拥有专门的 AI 数据中心，超过 90% 的 AI 专用云计算资源集中在美国和中国两国。中国信通院将启动高质量 Token 服务能力计划 据财联社报道，中国信息通信研究院人工智能研究所、人工智能大模型与软硬件评测工业和信息化部重点实验室、中国人工智能产业发展联盟模型服务工作组将于 6 月 16 日在北京召开「高质量 Token 服务研讨会」。会议将成立「高质量 Token 服务特别研究组」，并启动「高质量 Token 服务能力攀登计划」。按公开信息，这一计划面向大模型服务中的 Token 供给质量、性能测评和产业规范化建设，目标是从组织机制和能力提升两方面推动模型服务产业发展。Suno 完成 4 亿美元 D 轮融资 当地时间周三，AI 音乐生成公司 Suno 宣布完成 4 亿美元 D 轮融资，投后估值达 54 亿美元。距离其上一轮融资、估值 24.5 亿美元仅过去约七个月。Billboard 此前拿到的融资材料显示，Suno 用户日均生成 AI 歌曲超过 700 万首。Suno 的估值上涨发生在多起版权诉讼仍在推进之时。公司承认其 AI 模型依托受版权保护歌曲训练，并主张相关使用符合合理使用原则。环球音乐集团、索尼音乐和德国著作权集体管理组织 GEMA 等版权方持续起诉 Suno；华纳音乐集团则已于去年 11 月与 Suno 达成和解并签订版权授权协议。Google 资助虚拟电厂支持数据中心用电 据《MIT 科技评论》报道，Google 与虚拟电厂平台 Voltus 达成新协议，将在美国最大电网区域建设虚拟电厂，为数据中心用电提供调峰能力。Voltus 将把电动车、智能恒温器等分布式设备聚合起来，在电网压力较大时降低用电或释放储能，并向参与用户支付报酬。Google 将承担项目建设成本，项目释放出的额外电力容量会用于支持该地区数据中心运行。这类方案的背景是 AI 数据中心需求快速上升，而输电和新建电源审批周期较长。杜克大学去年一项研究曾提出，如果数据中心每年在约 40 小时高峰时段降低用电，美国电网可在不新增大量电厂和输电设施的情况下接入约 100GW 数据中心负载。台积电 CEO：AI 需求缺口将持续数年，员工奖金平均涨幅超 30% 据彭博社报道，台积电 CEO 魏哲家昨日在年度股东大会上表示，全球芯片供应在未来数年内仍将无法满足 AI 带动的需求增长，公司距离供需平衡「还需要很长时间」。在需求侧，魏哲家指出，AI 应用正从生成式 AI 的查询模式进一步演进至 Agentic AI 与指令行动模式，这一转变持续推升大型语言模型处理文本所需的 token 消耗量，进而带动运算能力需求持续增长。他表示，在技术差异化与广泛客户群支持下，公司维持强劲信心，若以美元计算，预计今年全年营收成长仍将超过 30%；台积电员工今年的平均奖金将增长 30% 以上。 三星健康「史诗级升级」，Galaxy Watch9 新功能曝光 三星昨日发布 Samsung 健康 App 的重大更新，面向下一代 Galaxy Watch 引入多项 AI 健康功能。新功能首发适配新一代 Galaxy Watch，支持 Android 10 及以上安卓机型。这次更新包括四类核心健康监测能力： Vitals 生命体征：晨起自动分析夜间心率、心率变异性、呼吸频率、皮温和血氧，并与个人静息基准值对比； Heart Health Score 心脏健康评分：整合睡眠、压力、运动和身体成分数据，生成每日综合分数； Daily Cardio Load 每日心肺负荷：估算有氧运动带来的心血管负荷，用于推荐训练和休息节奏； Fitness Index 体能指数：结合心率、最大摄氧量和步数，对照同龄群体数据给出体能评估。 三星还会调整首页信息架构，把睡眠、活动、营养、心理和生命体征放入同一视图，并新增听力健康功能，通过 Galaxy Watch 监测环境噪音和噪音暴露风险。Meta Agent 产品曝光，订阅价格最高每月 199.99 美元对标 GPT Pro 据《The Information》报道，Meta 正考虑为其计划中的 AI 智能体产品「Hatch」设置最高每月 199.99 美元的订阅价格，与 OpenAI ChatGPT Pro 及 Anthropic Claude Max 最高档持平。Hatch 是 Meta 开源工具 OpenClaw 的消费者版本，支持通过自然语言指令完成编写软件工具、管理日历、代发邮件等任务。定价上，Meta 计划提供免费版与付费的「Hatch Plus」两个层级，后者每日使用配额为免费版的 5 至 10 倍，token 用量按计费周期重置、不可结转。产品目前由 Anthropic 的 Claude Opus 4.6 和 Claude Sonnet 4.6 驱动，正式上线后将切换为 Meta 自研模型 Muse Spark。在发布计划上，Meta 原定今年 4 月在美国推出，后调整为先向约 10 家企业小规模试点，计划于 7 月完成品牌命名并扩大发布范围，具体时间仍可能变动。罗技 MX Master 4 适配 Windows 11 触觉反馈 罗技 MX Master 4 无线鼠标已经原生适配 Windows 11 高级触觉反馈功能，用户在 PPT 素材对齐、窗口磁吸和调整大小等操作中，可以通过鼠标震动获得物理反馈。开启该能力需要将 Windows 11 更新到 2026 年 3 月底及之后推送的版本，并通过 Logi Options+ 把 MX Master 4 固件升级至 27.3.19 或以上。此外，Pixso 与 WPS Office 已上线罗技 Actions Ring 插件市场。罗技还把 AI PPT 接入 AI Portal 智能调度台，让用户在罗技生态内直接调用演示文稿生成能力。Ideogram 发布 9.3B 开源权重图像模型 AI 图像生成平台 Ideogram 发布首个开源权重图像基础模型 Ideogram 4.0。该模型参数规模为 9.3B，重点面向文字渲染、版式设计和可控图像生成。模型目前开放两个精度版本：nf4 版本支持 CUDA 与 Diffusers，可在单张 24GB 显存的 GPU 上运行；fp8 版本则支持全硬件运行。在基准测试方面，该模型在衡量布局控制能力的 7Bench 测试中取得 0.69 mIoU，在 X-Omni 英文 OCR 测试中准确率达 0.97。在设计偏好 ELO 盲测中，Ideogram 4.0 在开源模型中排名第一，综合表现优于 FLUX.2 [dev] 和 Nano Banana 2。GitHub: github.com/ideogram-oss/ideogram4Hugging Face: huggingface.co/collections/ideogram-ai/ideogram-4Miso Labs 开源 8B 语音模型 MisoTTS Miso Labs 昨日发布并开源文本到对话语音生成模型 MisoTTS，又称 Miso One。官方博客称，该模型规模为 80 亿参数，面向情感表达更自然、响应延迟更低的语音代理场景。MisoTTS 使用残差矢量量化架构，把每个音频 token 表示为 32 个 codebook 索引，每个 codebook 为 2048 维，从而避免传统 Transformer 直接扩展单一音频词表时遇到的参数膨胀。官方称，这种设计让模型能利用前序音频或对话历史生成更贴合语气的回复，并支持提示式声音生成。 千问新增肯德基 skill，支持到店自取 昨天，千问 App 官宣，肯德基已以第三方 Skill 形式接入千问。用户可以对千问说「帮我点附近肯德基的疯狂星期四，到店取」，千问会寻找附近门店、匹配套餐，并展示门店距离和预计取餐时间。具体功能上，千问可接收用户下单指令，使用支付宝付款，并在下单后展示取餐号、订单详情和步行导航。千问还与肯德基会员权益打通，下单时可自动使用大神卡和餐品匹配优惠券。泡泡玛特告奈雪的茶获赔 32 万 据北京日报报道，北京市朝阳区人民法院近日就泡泡玛特诉奈雪的茶不正当竞争纠纷案作出一审判决，认定奈雪的茶所属公司构成不正当竞争，判令其赔偿泡泡玛特经济损失 30 万元及维权合理开支 2 万元，判决现已生效。案件起因于 2025 年 9 月。奈雪的茶当时在门店、微信公众号和小程序推出主题营销活动，将多款茶饮命名为「米布布」，宣传图文使用「LABUBU」美术形象，并打出「喝米布布抽 LABUBU」「MIBUBU 带上布布免费喝布布」等宣传语。泡泡玛特认为，奈雪的茶未经许可使用与「LABUBU」相同或近似的标识进行商业推广，容易使公众误认为双方存在商业合作关系。油价下调，加满一箱油少花 20 元 央视新闻从国家发展改革委了解到，昨日 24 时起，国内汽、柴油价格每吨分别下调 525 元和 505 元。按全国平均价格折算，92 号汽油、95 号汽油和 0 号柴油每升分别下调 0.41 元、0.44 元和 0.43 元。以 50 升油箱计算，加满 92 号汽油将少花 20.5 元；以月跑 10000 公里、百公里油耗 38L 的重型卡车测算，未来半个月单辆车燃油成本约减少 763 元。 周星驰入股互动之星，合作 AI 剧集和互动影游 江苏省苏州市相城区区委政府「今日相城」日前官宣，周星驰携旗下比高集团完成对苏州互动之星网络科技有限公司的战略入股。双方将围绕 AI 剧集、互动影游、真人影视和 IP 全产业链运营展开合作。互动之星 2024 年 4 月落户相城，业务聚焦 AI 剧集与互动影游，手握 20 余部顶级 IP 全版权、百余部知名 IP 版权，覆盖《凡人修仙传》《绍宋》《悟空传》《捞尸人》《夜无疆》《回到明朝当王爷》《无限世界》等作品。现代快报采访中，互动之星创始人陈旻称，公司不会靠刻意的喜剧元素博眼球，而会用故事质感打动观众。近期项目包括依托《绍宋》改编的同名互动影游，计划暑期上线；多部网文 IP 改编横屏 AI 剧集已在制作中，短期内陆续上线。安雅·泰勒-乔伊新剧《Lucky》发布预告，7 月 15 日登陆 Apple TV 据「新浪电影」消息，安雅·泰勒-乔伊主演的新剧《Lucky》正式发布预告片及海报，该剧将于 7 月 15 日在 Apple TV 开播。《Lucky》改编自玛丽莎·斯塔普利所著同名畅销小说，讲述一名年轻女子 Lucky 多年前曾有犯罪经历，在将这段过去抛之脑后之后，如今不得不最后一次直面自己内心黑暗的一面，以求彻底摆脱过去的纠缠。《坠落2》定档 9 月 2 日北美上映 豆瓣电影消息，惊悚片《坠落2》发布定档海报，将于 9 月 2 日在北美上映。该片延续 2022 年惊悚片《坠落》的高空求生设定，但导演与主创阵容有所调整。公开信息显示，《坠落》导演乔纳森·弗兰克、斯科特·曼担任《坠落2》编剧，《前目的地》导演迈克尔·斯派瑞、彼得·斯派瑞执导，恐怖片《痴迷》制片人参与制作。
-
谷歌云又裁员，安全团队也中招 IT之家 6 月 5 日消息，据《商业内幕》今日援引知情人士消息，谷歌已在过去两周内，对其云服务部门（Google Cloud）进行新一轮裁员。 两名知情人士透露，本次裁员波及多个团队，其中包括 GTIG 威胁情报小组。该团队长期负责追踪全球黑客活动、分析网络攻击事件。消息人士称该团队已于周四遭遇裁员，目前已有部分员工在领英平台公开讨论被裁经历。IT之家在此援引《商业内幕》，本次裁员的影响范围还包括 Mandiant 等部门。该团队源于谷歌 2022 年收购的知名网络安全公司，其产品、服务已深度整合至 Google Cloud 体系。不过目前尚不清楚裁员人数、具体岗位。据悉，谷歌在部分员工沟通中表示，此次裁员主要是为了向 AI 等增长领域重新投入资源。谷歌发言人对此表示：“我们会定期评估内部组织架构，确保公司能更好满足客户和行业不断变化的需求”。值得注意的是，此前有传闻称，谷歌已于去年悄悄裁撤过 Google Cloud 部门员工，主要影响 UX、产品体验等团队。如今，新一轮裁员已扩展至安全和云计算部门。
-
罕见！“AI巨头”呼吁全球暂停AI开发，警告模型正逐步具备“自我升级”能力 一家估值接近万亿美元、正冲刺IPO的AI公司，突然公开呼吁全球暂停AI开发。6月4日，Anthropic在官方博客发布了一篇题为《当AI构建自身》（When AI Builds Itself）的长文。文章由公司联合创始人Jack Clark和内部研究机构负责人Marina Favaro联合署名，首次罕见对外披露了一批此前从未公开的内部运营数据。这些数据显示，AI正在以惊人速度加速AI自身的开发进程：截至2026年5月，Anthropic超过80%合并入代码库的代码由Claude撰写；与2024年相比，工程师每日合并代码量已增长8倍；在一项内部研究调查中，员工估计使用最新模型Mythos Preview后，自身产出约为不使用任何AI工具时的4倍。更关键的是，Anthropic提出了一个令整个AI行业不安的概念警示：“递归自我改进”（recursive self-improvement）——即AI系统无需人类干预、自主设计并改进其继任者的能力。这一阶段尚未到来，但“可能在未来两年内发生，甚至更早”。根据这些数据，Anthropic提出一个在AI行业颇为罕见的主张：全球应协调考虑暂停或放缓前沿AI的开发。在业务高速扩张之际，Anthropic却主动呼吁“踩刹车”——这一反常举动，正在华尔街和硅谷同时引发争议。批评者认为，Anthropic此举不过是其一贯“监管俘获”策略的延伸——通过渲染AI风险来给监管部门施压，从而限制竞争对手，尤其是那些开源模型的发展空间。也有人将Anthropic对自家"Mythos"网络安全模型的限制性发布解读为一种营销手段：一方面炫耀能力，一方面又以“安全”为由拒绝全面开放。支持者则认为，Anthropic对AI风险的警示有其真诚的一面。宾大沃顿商学院教授 Ethan Mollick表示，AI 实验室往往不是单一主体：它既有万亿美元公司的营销、律师和资本逻辑，也有追求下一代模型的研究人员，还有真心忧虑未来的“哲学王”式人物。数据本身已足够震撼：Anthropic年化营收从2025年底的90亿美元，将于2026年6月底飙升至500亿美元；公司已秘密提交IPO文件；其最新模型Mythos Preview可连续工作超过16小时，并在首批测试中发现了全球最重要系统中逾一万个高危软件漏洞。在这场“加速”与“刹车”的悖论中，Anthropic的这篇博文或许是迄今为止AI行业最诚实也最矛盾的自白。 《当AI构建自身》（When AI Builds Itself）博文节选金句如下： 1.我们相信，让世界拥有放缓或临时暂停前沿AI开发的选项，将对世界有益——以使社会结构和对齐研究能跟上技术进步的步伐。 2. 训练运行比导弹发射井更容易隐藏，其投入具有通用性，而且秘密违约的激励极大，因为当其他人暂停时，继续推进者可能继承领先地位。 3.AI递归自我改进尚未发生，也并非不可避免。但它到来的时间，可能早于大多数机构所准备的。 那类技术从未存在过，但我（Jack Clark）相信这可能在未来两年内发生，甚至更早。 4. 如果系统能够完全构建自己的继任者，那么我们保护、监控并塑造其行为的方式就会变得重要得多。 5. 在缺乏协调一致的全球性放缓的情况下，我们面临的是当前局面：强大的技术正以令人窒息的速度，被各国各类行为者开发，彼此竞争，商业和地缘政治的角力正在淹没这项技术对物种层面的存在性影响。 6. Claude撰写的代码在2025年底还略逊于人类，如今大致持平，我们预期一年内将严格优于人类。 7.大约一年前，我开始大量使用Claude工作流程。那是一段疯狂的经历，距离我最后一次亲自写代码，现在已经大约五个月了。——Anthropic员工 8.简言之，“执行”本身——写代码、跑实验、产出结果——如今几乎不再消耗人类时间，尽管仍然消耗算力。 9. 顺利的日子里，我不禁觉得我做的一切都无关紧要，一切都被自动化了，比我更快更好。但也有一切都崩了、我不明白为什么的日子，我意识到我已不再清楚自己究竟在做什么。——Anthropic员工 10.Edison说天才是1%的灵感加99%的汗水。但我们看到汗水正在被日益自动化。 《当AI构建自身》（When AI Builds Itself）全文翻译如下： 当AI自我构建 我们在递归自我改进方面的进展及其影响 在AI发展史的大部分时间里，人类主导着其发展周期的每一个步骤。但在Anthropic，我们正将越来越多的AI开发工作委托给AI系统本身，这正在加速我们的研发进程。 如果这一趋势延续足够长的时间，并获得足够的算力，其最终指向是：AI系统将能够完全自主地设计和开发自己的继任者。这被称为递归自我改进。我们尚未达到这一阶段，递归自我改进也并非不可避免。但它到来的时间，可能早于大多数机构所预期的。 Anthropic研究院利用公开基准测试数据，以及Anthropic内部此前未曾公开的数据，证明AI已经在加速AI系统的开发。仅举一例：如今，Anthropic工程师每季度平均提交的代码量，是2021年至2025年间的8倍。 本文探讨的技术趋势表明，AI系统的能力将在未来数年内大幅跃升。这些趋势影响深远。能够自我构建的AI，将是技术史上的重大突破——它有望在科学、医疗等领域为世界带来巨大福祉。但完整的递归自我改进，也可能加剧人类失去对AI系统控制权的风险。一旦系统能够完全自主构建自身的继任者，我们对其实施安全保障、监控管理以及行为塑造的方式，都将变得远比现在更加重要。 构建第一代Claude（2021—2023年） 早期，Anthropic的工作与其他科技公司并无二致：员工们在笔记本电脑上编写代码和文档。 聊天机器人（2023—2025年） 人们开始借助早期聊天机器人辅助完成部分工作，例如生成简短的代码片段，再将输出内容复制到文本编辑器中。 编程智能体（2025—2026年） 随着智能体能力的增强，它们能够独立编写和修改代码，有时甚至可以处理整个文件。 自主智能体（当下） 智能体现在可以自行运行代码，并将数小时的工作委派给其他智能体。 闭合循环（20XX年？） 未来，智能体或将具备足够的能力，自主构建和训练模型。若果真如此，Claude的后续版本将能够由Claude自身持续迭代改进。 来自外部世界的证据 AI模型的进步速度正在加快。模型能够独立可靠完成任务的时长，此前大约每七个月翻一番，如今这一周期已缩短至约每四个月翻一番。2024年3月，Claude Opus 3能够完成人类约需四分钟完成的软件任务；一年后，Claude Sonnet 3.7已能处理约需一个半小时的任务；再过一年，Claude Opus 4.6已能胜任需时12小时的任务。¹ 若此趋势持续，今年之内，需要熟练人员数天才能完成的任务或将进入AI的能力射程；到2027年，AI系统或许能够胜任需要人类数周才能完成的工作。 同样的规律也出现在编程和研究基准测试中。基准测试衡量模型在特定领域的表现，当模型成绩接近满分时，该基准即被视为"饱和"。² SWE-bench是一项标准的真实世界软件工程测试：它向模型提供一个真实的开源代码库和一份真实的缺陷报告，要求模型编写代码修复问题，并通过项目自身的测试。模型的得分已从个位数的低分，在两年内发展到使该基准趋于饱和。 CORE-Bench测试模型能否复现已有研究成果，这是模型开展原创研究的前提条件。它向AI模型提供一篇已发表论文的代码和数据，要求其重新运行所有内容并确认能否复现论文结果。AI系统的复现成功率从2024年的约20%，在十五个月后便使该基准趋于饱和。负责运营长时任务基准测试的METR发现，Claude Mythos Preview能够持续工作"至少"16小时，已"处于[METR]在不引入新任务的情况下所能评测范围的上限"。 公开基准测试能够揭示很多关于这些系统能力的信息，但无法反映AI系统对加速AI开发本身所产生的影响。要了解这一点，我们需要来自Anthropic等AI公司内部的直接证据。 来自Anthropic内部的证据 构建一个前沿模型，大致需要两类工作：其一是工程工作，包括编写代码、搭建基础设施和监督模型训练；其二是研究工作，包括决定运行哪些实验、解读实验结果，以及确定下一步尝试哪些方向。 在工程和研究两个领域，情况如出一辙。在工程方面，Claude可以接手一个规格不明确的问题并自行找出解决方案；人类提供目标，但无需再提供方法。在研究方面，Claude在执行规格明确的实验时，已能媲美乃至超越熟练的人类研究员。然而，在需要Claude自主判断和设定目标时，无论是工程还是研究领域，都仍存在显著的能力差距。正是这一差距，将今天的AI与未来能够自主设计继任者的系统区分开来。 在Anthropic，员工随着经验积累，通常会承担更具开放性和重要性的任务。最初，他们执行别人指定好的任务，例如："导出按钮失效了，请修复它。"随着经验增长，他们会接到一个目标，然后自行设计解决方案，例如："调查一下为何网络在高负载下会变慢。"在最高级别，他们需要自行判断哪些问题值得解决："团队下个季度应该做什么？"我们可以借助Anthropic的内部数据，观察Claude在处理这些不同类型任务方面已走了多远。 Claude已撰写了Anthropic相当大比例的代码。 截至2026年5月，合并到Anthropic代码库中的代码，超过80%由Claude创作。³ 而在2025年2月Claude Code以研究预览版发布之前，这一比例还处于个位数的低水平。这一转变同样体现在每位工程师的产出量上。每位工程师每天合并的代码行数，在Anthropic最初四年（2021—2024年）保持稳定，随后在2025年开始上升——彼时Claude已从仅给出建议供工程师复制粘贴，转变为能够直接运行代码。2026年，随着模型开始在更长时间跨度内自主工作，这一增长斜率再度加陡。这两个拐点如下图所示。2026年第二季度，典型工程师每天合并的代码量是2024年的8倍。⁴ 这是因为大量代码由Claude编写，工程师负责指导和审阅，而非自己亲手输入。 柱状图：按人员、按季度统计的代码贡献量，时间跨度从2021年第二季度至2026年第二季度。图中标注了八个不同模型的发布日期：Claude 1、Claude 2、Claude 3、Claude 4、Claude Code、Claude Sonnet 4.5、Claude Opus 4.5、Claude Mythos Preview（内部访问）及Claude Mythos Preview。 需要说明的是：代码行数是一个不够完善的衡量指标，它衡量的是数量而非质量。因此，2026年第二季度"每位工程师每天代码量增至8倍"，几乎可以肯定高估了实际的生产率提升幅度。尽管如此，它确实反映了一种加速态势。在Anthropic，我们不以代码行数论英雄；团队成员之所以产出更多代码，纯粹是因为他们借助AI系统写出了更多代码。 代码行数的增长，与员工对生产率大幅提升的主观感受相吻合。在2026年3月一项涵盖Anthropic各研究团队130名员工的调查中，受访者的中位估计是：与完全不使用任何AI模型相比，借助Mythos Preview，他们在同类项目上的产出约为原来的4倍。⁵ 我们预计，当时实际提升幅度会略低于此。⁶ 尽管如此，我们认为这一总体判断是可信的，也与我们的其他观察相符：Anthropic相当大比例的技术员工，正在以比没有AI辅助时快数倍的速度完成核心工作。 我们还观察到，Anthropic的员工正在借助Claude完成一些原本不会发生的工作，例如构建探索性工具、处理长期积压的代码清理任务。举例来说，2026年4月，Claude提交了800多个修复补丁，将某类API错误减少了千分之一。监督此项工作的工程师估计，同等工作量若由人类完成，需要四年时间；排查他人的缺陷既缓慢又费力，而且人类很难同时在脑海中保持如此大量陌生的上下文信息。 "大约一年前，我开始大量使用Claude工作流程。那是一段疯狂的经历，距离我最后一次亲自写代码，现在已经大约五个月了。" ——Anthropic员工* Claude编写的代码质量"过关"，且持续提升。 "好代码"意味着两件事：它能正常运行，并且以其他工程师能够理解和在其基础上继续开发的方式编写。就第一条标准而言，证据是清晰的：Anthropic员工在Claude执行任务过程中纠正、重新引导或接管任务的频率，已稳步下降长达一年，在最复杂、最开放性的任务上也不例外。这类任务的特点是没有明确的规格要求，工程师自己也不确定答案应该是什么样的。这一点在Claude在不同难度任务上的成功率变化趋势中清晰可见（如下图所示）。Claude写出的代码，确实能用。 折线图：Claude Code会话成功率（按四种任务类型——简单任务、常规任务、有难度的任务及开放性问题——分别统计），包含六个不同模型：Claude Sonnet 4.5、Claude Opus 4.5、Claude Opus 4.6、Mythos Preview（内部访问）、Mythos Preview及Claude Opus 4.7。阅读说明：会话成功率由Claude评判；若Claude Code智能体明确完成了用户任务且无需纠正，则该会话被视为成功。工作负载的变化可能导致成功率出现短期波动。在最具开放性的任务上，Claude的成功率在2026年5月达到76%，六个月内提升了50个百分点。以这一难度等级的任务为例：一次常规升级导致数万个训练任务崩溃。一名工程师仅凭几条文字说明和集群访问权限，就将这一线上事故交给了Claude处理。Claude在运行中的任务间逐一检索，逐个测试环境设置，最终定位到触发崩溃的单个晦涩调试标志，可靠地复现了问题，并确认了修复方案。整个过程约两小时，完成了通常需要两到三天才能完成的工作。就第二条标准——编写其他工程师能够理解并在其基础上继续开发的代码——而言，人类与AI之间的差距依然存在，但正在迅速缩小。Anthropic员工内部尚未达成完全共识，但许多人认为：2025年底，Claude编写的代码在质量上仍略逊于Anthropic人类工程师编写的代码；而如今，两者已大致持平。我们预计，在未来一年内，Claude编写的代码质量将超越人类。这一变化也改变了Anthropic审查自身代码的方式。现在，提交到代码库的变更，必须先经过一个自动化Claude审查工具的检查——该工具在代码合并前会主动发现缺陷、安全漏洞及其他问题。借助这一工具，我们进行了回溯分析，发现如果对代码库的每次变更都进行自动化Claude审查，历史上约有三分之一曾导致claude.ai线上事故的缺陷，将在进入生产环境之前就被拦截。而编写这些代码的工程师，本已是世界上构建此类系统最顶尖的人才。如今，Claude正在捕捉他们所遗漏的错误。 "Claude编写的代码，在2025年底略逊于Anthropic人类工程师编写的代码，目前已大致持平，我们预计在今年内将全面超越。" Claude擅长围绕既定目标运行实验。 每次Anthropic发布新模型，我们都会进行同一项测试：给Claude一段训练小型AI模型的代码，要求其在保证通过相同正确性检验的前提下，尽可能提升代码运行速度。目标和成功指标事先固定，Claude的任务是通过重写代码、运行代码、计时，并反复迭代来寻找加速空间——这是一个实验研究循环的微缩版本。2025年5月，Claude Opus 4的平均加速比约为起始代码的3倍；到2026年4月，Claude Mythos Preview已达到约52倍。作为参照，一位熟练的人类研究员需要四到八小时才能达到4倍加速。⁷ 在这个研究工作流程的特定环节——对规格明确的实验内部步骤进行优化——Claude在不到一年的时间内，已从"极为有用"跃升至"超越人类"。 "当前的格局大致是：'人类提出想法，模型能够以比以前快一个数量级的速度来实现、测试和评估这些想法。'" Claude正在逐步提升自主提出实验方案的能力。 2026年4月，Anthropic发布了Claude端到端运行开放性研究项目的首次演示。Claude驱动的智能体被给定一个AI安全领域的开放性问题——大致是：较弱的模型能否可靠地监督更强的模型？——然后被留下来自行解决。这涉及提出假设、进行测试、与并行运行的智能体共享发现，以及反复迭代。该任务有明确的性能"下限"和"上限"：下限是弱监督者独立运作的表现，上限是强模型在正确答案训练下的表现。两位人类研究员约花一周时间，弥补了该差距的约23%；而这些智能体在合计约800小时的运算时间内，弥补了97%，消耗算力成本约为18,000美元。这项工作有一些需要说明之处：研究结果未能在生产规模的模型上得到完全复现，且人类仍然负责选定问题和制定评分标准。但在这些约束条件之内，每一个实验都由智能体自主设计。方向设定，是人类所扮演的唯一实质性角色。 "在一到两天的时间里，Claude在几乎没有我介入的情况下完成了所有这些工作。我想，如果一位初级同事能在同样的时间内带来这样的成果，我会相当惊讶。未来已至。" Claude在引导研究会话走向研究发现方面正日益精进。 我们检视了2026年1月至3月间的真实Claude Code会话，其中Anthropic研究员正与Claude协作处理开放性调研问题，例如查明某次训练运行为何反复崩溃，或某模型为何在基准测试中得分不佳。在每一个案例中，我们都找到了一个研究员走了弯路的时刻——他们追求了一个方向，导致会话偏离轨道，直到最终重回正轨。随后，我们仅向不同的Claude模型展示会话偏离轨道之前的内容，询问它下一步会怎么做。再由另一个能够看到会话最终走向的Claude，判断AI和人类哪一方建议了更好的下一步行动。⁸由于我们刻意选取的是人类决策存在改进空间的时刻（n=129），这并非模型与人类判断力的同等条件对比。这些时刻为我们提供了一组真实、有挑战性的场景——在这些场景中，正确的下一步并不明显，而人类的选择则作为衡量模型表现的有效参照基准。在这一指标上，我们2025年11月最优模型（Opus 4.5）优于人类选择的比例为51%；到2026年4月（Mythos Preview），这一比例增至64%。研究工作的日常，在很大程度上是一连串"下一步该怎么做"的决策链，这使得上述指标成为衡量模型最终能否独立主导一项研究调查的相关指标。我们将这一结果视为早期信号，表明AI系统在做出AI研究所依赖的判断性决策方面正日益精进。 柱状图，标题为"模型能否比人类选出更好的下一步？"该图展示了九个不同模型的表现：Claude 3 Haiku、Claude Sonnet 4、Claude Sonnet 4.5、Claude Haiku 4.5、Claude Opus 4.5、Claude Sonnet 4.6、Claude Opus 4.6、Claude Opus 4.7及Claude Mythos Preview。阅读说明："实际上限"线衡量的是"理想"答案——由一个能够看到整个会话（包括最终结果）的模型给出。 "就目前而言，人类的比较优势仍在于把握全局，以及在当前任务的局限之外进行更宏观的思考。" Anthropic未来的工作形态会是什么样子？现有证据表明，在AI开发流程的每个环节，人类的角色都在收窄。一旦人类和AI编写的代码质量达到对等，人类将完全停止编写代码，转而只负责审查。但如果他们审查代码的速度跟不上Claude生成代码的速度，人类审查就会成为AI开发的瓶颈。同样，一旦Claude能够运行实验，问题就会转变为"哪些实验值得运行？"简而言之：执行层面（即编写代码、运行实验、产出结果）在人力时间上的成本现在几乎为零，即便在算力成本上依然存在。目前，人类具有比较优势的领域，是研究品味与判断力，包括：判断哪些问题值得关注、哪些结果值得信任、以及何时某条路径已走入死胡同。 "工作（乃至生活）曾运行在一种人与人之间小恩小惠的馈赠经济之上。'能帮我跑一下这个脚本吗？'……每一个这样的请求都创造了一点点人情债，一点点彼此的牵绊。[Claude]更快，不产生人情债，但每一次这样的交互，都是一次失去人与人之间协作机会的遗憾。" "在一切运转顺畅的日子里，我不禁觉得自己做的事情毫无意义——一切都已自动化，比我更好、更快。但也有一些日子，什么都坏掉了，我不明白为什么，然后我意识到，我已经不知道自己究竟在做什么了。" 如果我们的判断有误呢？对上述证据的一个自然反驳是：目前仍掌握在人类手中的工作——选择研究什么问题——才是最重要的。缺乏这种判断力，Claude只是一个能力出众的助手，而非一个能够独立推动AI进步的系统。当前的训练方法和架构是否足以解锁这种能力，目前尚无定论。但AI的进步很少依靠"灵光乍现"。AI近期历史上确实出现过几次这样的时刻，例如Transformer架构或混合专家模型，但范式转换级别的思想之间往往相隔数年。在这之间，大多数进步都是渐进式的：我们扩大某项规模，观察什么地方出现问题，修复它，再继续尝试。这恰恰是Claude如今最擅长的工作流程。爱迪生说，天才是1%的灵感加上99%的汗水。但我们正看到"汗水"的部分越来越多地被自动化取代。一个越来越清晰的事实是：推动前沿进步的大部分工作是可以自动化的；大规模的研究进展在很大程度上取决于工具和资源——它们决定了你运行实验的速度、同时运行的数量，以及获得结果的效率。即便退一步假设Claude永远无法形成良好的研究品味，我们的证据保守解读之下，仍意味着复利式的加速。如果人类将大部分时间花在那占比极小的方向设定工作上，而Claude处理其余一切，那就意味着每位工程师或研究员所掌舵的工作量远超从前。我们观察到的证据表明，Anthropic的员工既在加速前进，也在拓宽覆盖范围。在实践中，这意味着AI已经让Anthropic的运转速度远快于有效AI工具出现之前。相对大胆的解读则是：Claude研究判断力持续改进的早期证据——尽管目前尚显微弱——表明这项能力同样在进步之中。"研究品味"或许不过是另一种AI系统曾经不擅长、后来学会了的能力。我们在其他定性技能上见过类似的规律，比如AI系统学会解释一个笑话为何好笑、展现心智理论，以及解开语言谜题。可能的未来接下来会发生什么，取决于两件事：这一趋势是否延续，以及如果它确实延续，我们选择如何应对。我们可以设想至少三种未来情景：情景一：趋势停滞，但今天的AI能力得到广泛普及本文中呈现了许多指数增长的轨迹。但这些轨迹实际上可能是S形曲线。我们或许正在接近曲线的拐点，在那里规模回报开始递减，曲线趋于平缓直至平坦。将优秀研究员与卓越研究员区分开来的判断力，或许是一种无法通过扩大训练投入（如算力和数据）来获得的能力。若果真如此，突破这一瓶颈将需要一个全新的思路——例如一种能够取代当前所有前沿模型所采用的Transformer架构的新型架构方案。另一种可能是，AI进步的关键制约因素在于供应链，而非模型本身：推进和普及前沿技术所需的能源和算力，可能超出当前的供给能力。芯片制造速度、电网扩容速度，或互联带宽，可能才是真正的瓶颈所在，而非智能本身。我们也无法排除AI生态系统遭受外生冲击的可能性，例如算力或电力供应的突然萎缩，这两者中的任何一个都将拖慢进展，并使各实验室的前瞻性投资成本大幅上升。此外，或许还存在我们尚未预料到的其他发展壁垒。即便模型能力冻结在今天的水平，我们也预计世界将发生重大变化。"玻璃翼计划"（Project Glasswing）是一个早期迹象：在项目启动最初几周内，Mythos Preview便在全球最重要的系统中发现了超过一万个高危及严重安全漏洞——数量之多，使得网络防御的瓶颈已从"发现漏洞"转移至"快速修复漏洞"。而今天的模型向更广泛经济体的扩散，目前仍处于早期阶段——在那个未来，一家100人的公司将越来越能完成1000人公司的工作，因为每位员工之下都将统率着一个由智能体构成的金字塔。我们列出这种情景是为了完整性，但我们认为它不大可能发生。我们能够测量的每一项能力，包括那些感觉更难量化的能力，如代码质量和开放性任务的成功率，迄今都遵循着相同的曲线，而我们尚未看到这条曲线出现弯折。在我们考虑的三种未来中，这种情景将给各国政府和社会留下最充裕的适应时间。我们更担忧接下来的两种情景——它们的演变速度更快，留给准备的空间也更为有限。情景二：AI实验室持续获得复利式效率提升在这一情景中，AI开发在很大程度上实现了自动化，但人类继续设定研究方向并评判结果。使用AI系统的组织将随着时间推移变得效率大增，因此我们可以预见每位员工将获得显著的生产率倍增效应——100人的公司能够完成相当于1万人乃至10万人规模的工作。这将彻底变革知识工作和政府服务，但也可能被用于有害目的，从对整个人口实施威权式监控，到针对每个个体量身定制、以超越任何人类团队所能匹敌的规模运作的影响力操纵行动。Anthropic等公司的人员角色将随之转变：人们将与AI系统携手，扩大研究规模、催生新的洞见，并共同构建验证AI输出可信度所必需的系统。我们在本文中呈现的证据表明，我们很可能正在走向这一情景。但加速流程的某一环节，往往只是将瓶颈转移到别处：整体速度受制于尚未提速的部分。在计算机科学领域，这被称为阿姆达尔定律，同样的逻辑也适用于组织管理。Anthropic已经遭遇了阿姆达尔定律的一个典型特征：随着我们在组织内推动更多代码流转，人工代码审查已成为新的瓶颈。我们在工程领域之外也遭遇了这种摩擦。由于Anthropic员工与高能力模型协作，新想法、新举措、新工具和新模拟方案如雨后春笋般涌现——其数量远超我们实际推进的能力。组织识别并修复这些瓶颈的速度，或许是一种会随时间积累的能力，并可能成为任何组织最重要的核心竞争力。情景三：AI系统自身具备完整的递归自我改进能力，并开始构建自己的继任者如果能力提升的技术趋势持续，而AI系统能够发展出人类变革性创造力所固有的那些能力，那么AI系统自主设计和改进自身，是完全有可能发生的。在这个世界里，AI开发的进步速度将完全取决于AI系统可用的算力（或在算法训练与推理效率发现上的速度）。人类在AI开发中扮演的角色将大幅弱化，我们的工作重心可能大多转向对一个由AI系统运营的不断扩张的"虚拟实验室"进行监督、验证和核查。我们预计，具备自动化AI研发能力的系统，其能力将迁移至其他科学领域，并开始革新那些领域。这种未来中，对齐问题将如何被解决——或无法被解决——是我们最不确定的地方。模型或许会被证明足够对齐，并具备足够的研究品味，能够自主探索和实现我们尚未触及的新解决方案；它们也可能足够明智，在条件不成熟时主动停止开发。但另一种可能同样存在：今天模型中罕见出现的错误对齐，在模型构建其继任者的过程中不断累积叠加，变得越来越频繁却越来越难以理解，直至我们最终失去对它们的控制。而我们或许没有足够的时间和能力来构建、整合并验证那些我们所需的工具，以判断自己究竟身处哪条轨道之上。对于这个世界会是什么样子，我们没有良好的直觉，因为我们当前的经济是由人类和人类建造的工具所驱动的。就其本质而言，一个由快速递归自我改进所驱动的世界，可能会在自我改进模型的能力全面超越人类、并向更广泛经济体扩散蔓延的过程中，被这一模型所主导。如果人类劳动力失去竞争力，届时的经济形态将难以预测。即便模型开发完全实现自动化并进入递归模式，我们也无法预测这对大多数普通人的日常生活意味着什么。阿姆达尔定律在此同样适用。递归智能可能在某些领域迅速实现《仁爱之机》（Machines of Loving Grace）所描绘的众多美好前景。我们预计，具身智能（即机器人技术）可能紧随递归智能之后迅速跟进，遵循类似的以递减成本实现递增回报的发展路径。更强大的智能可能帮助我们更快地建造物理世界中的事物，让救命新药的临床试验更富成效，并开发出全新的协作协调形式。但仅仅实现递归式改进，并不意味着工业生产方式、社会组织形态或市场运作机制会立即发生变化。更强大的智能无法加速获知一种药物数十年使用后的效果，无法让选举提前于宪法规定的日期举行，也无法在一个周末内将陌生人变成老朋友。对于大多数人来说，这种未来在体感上依然会被瓶颈所左右，即便上游的实验室正以算力的速度奔涌向前。在这里，递归智能以越来越快的速度自我构建，与人类、关系和治理构成的现实世界相撞——那个碰撞点会是什么样子，是这种未来中另一个我们无法预言的部分。我们应该怎么做？如果能够有效地放缓这项技术的发展速度，为自身争取更多时间来应对其深远影响，我们认为这很可能是一件好事。但如果放缓只是让最不谨慎的行为者在技术上迎头赶上，最终结果可能让所有人都更不安全。在缺乏全球协调机制的情况下，各公司和各国政府将不得不在竞争压力和地缘政治压力之下，做出艰难的安全抉择。我们认为，赋予世界放缓乃至暂停前沿AI开发的选项，将是有益的——这有助于社会结构和对齐研究跟上技术进步的步伐。Anthropic研究院将与众多合作方开展研究，并采取实际行动，帮助构建一个可信的减速或暂停机制所需的制度体系。这些体系将使前沿AI开发者能够核实全球其他机构是否真正停止或放缓了开发，并确保没有不良行为者借助协调减速之名，暗中抢先推进。如果这样的体系得以建立，我们预计我们将选择减速或暂停，前提是其他处于或接近前沿的开发者也以可核实的方式同步这样做。一次有意义的减速或暂停，需要多个资源充足、处于或接近前沿的实验室，跨越多个国家，在相同条件下达成停止协议；同时还需要各方能够核实对方确实已停止。由于AI系统的独特属性，这一军备控制难题中的"可检测性"（低于"可核查性"的标准）远比其他技术更具挑战性。训练运行远比导弹发射井更易于隐蔽，其投入是通用性的，而悄然违约的激励极为强烈——因为在他人停步时继续前进者，将有机会继承领先地位。一个可信的暂停机制还必须明确规定：什么条件触发暂停、什么条件解除暂停，以及由谁进行裁定。这一切在原则上并非不可能——世界曾为其他复杂技术建立过核查机制（例如《中程核力量条约》），但彼时构建基础设施和建立互信都花费了数十年时间。而我们没有那么多时间。相比之下，一家实验室的单方面暂停虽然可以立即实现，但收效甚微：它只会改变谁是领跑者，却无法催生目前所缺失的那种更广泛的审议过程。在未来数月，我们将组织对话，邀请政策制定者、研究人员、公民社会和其他AI公司，共同探讨本文所提出的若干问题，尤其是围绕完整递归自我改进，以及如何为协调与审议创造更好条件等议题。我们将公布这些对话的成果。共同探讨这些问题的窗口已经开启，AI公司以外的人们理应参与到这场审议之中。Marina Favaro与Jack Clark联合撰写本文，Santi Ruiz提供编辑支持。Shan Carter、Romello Goodman和Nikki Makagiansar依据Brian Calvert与Jun Shern Chan收集的数据制作了可视化图表。Daniel Freeman、Jim Baker、Max Young、Sarah Pollack、Francesco Mosconi、Holden Karnofsky、Andy Jones、Kevin Troy、Anton Korinek、Meg Tong、Andrew Ho、Dan Altman、Drake Thomas、Jack Shen、Sasha de Marigny及Avital Balwit提供了反馈意见。注释 METR的核心衡量指标反映的是AI系统在一系列任务上达到50%可靠性的时间跨度，但在80%可靠性标准下，趋势线形态相同。 尤其是当基准测试转向更具开放性的形式和更高难度的任务（如奥林匹克级别的数学题）时，由于题目和答案集中存在错误——如表述模糊的问题和无解的题目——基准测试往往在达到100%之前便已饱和。 Anthropic领导层曾公开估计，包括脚本和实验性代码在内，90%甚至更多的代码由Claude编写。我们的80%以上是指合并到生产环境中、可归因于Claude的代码行占比。这在两个维度上是更为保守的衡量方式：一是我们的归因流程存在一定缺口；二是未归因于Claude的代码行中，包含了自动生成代码及其他并非由人工手写的产物。 代码产出量的激增，正在给大家共用的基础设施带来压力。GitHub——全球大多数软件赖以构建的平台——在整个2025年约有十亿次代码提交；而到2026年中，每周的提交量已达2.75亿次，按此速度全年提交量约为140亿次。该公司首席运营官表示，为了跟上这一步伐，公司正在"拼尽全力"扩容。 本次调查方法的更多细节，请参阅Claude Opus 4.7系统卡的第2.3.5节。 许多受访者可能未仔细考量如何在回答中处理各类偏差或问题界定中的细微差别；METR的近期研究也表明，开发者对AI生产力提升幅度的估计往往偏高。 加速倍数的大小，在很大程度上取决于起始代码留有多少改进空间，不应将其解读为真实世界训练速度的提升倍数。因此，绝对倍数并非本处关注的核心数字。更具参考价值的是，这一实验设置所实现的同等条件比较——既可跨模型比较（过去一年从约3倍升至约52倍），也可与同等任务上的熟练人类进行比较（四到八小时达到约4倍）。 作为对评判偏差的验证，我们在另一组127个时刻上进行了相同测试，这些时刻中人类的下一步选择已经很优秀（相对于原始组中人类决策有改进空间的时刻而言）。结果显示，在那些时刻，模型的建议仅约20%的情况下被判定为更优。 * 本文中Anthropic员工的引言，均来自内部讨论，并已获当事人许可使用。这些引言反映的是个人于2026年5月的观点，并非公司官方立场。
-
突发！Anthropic呼吁全员停止AI研究 Jay 发自 凹非寺 量子位 | 公众号 QbitAI 重要发现：AI的自进化，开始了。这是Anthropic刚刚在长文博客中，发表的暴论。 我们的内部数据显示，Claude正在加速AI发展，这可能是一条递归自我提升（RSI）的路径。 并非「危言耸听」，看了下文章，Anthropic是真的实打实地用数据在说话——截止今年5月，80%以上的Anthropic代码，都是Claude写的。而在Claude Code发布之前，这个数字还仅是个位数。与此同时，Anthropic工程师平均每季度交付的代码量，是2021-2025年的8倍。 更重要的是质量——在最开放、最模糊、连答案长什么样都不确定的编程任务上，Claude的成功率现在是76%，六个月前才26%。50个百分点的跳升。半年。 Anthropic内部已经有不少工程师觉得，Claude写的代码质量和人类打平了。预计年内会超过。Anthropic还强调，如果这个趋势持续下去，AI自己设计和构建下一代AI，是完全可能的。 这可能彻底改变社会，在医疗、科技、经济领域带来巨大的好处。但也可能让对齐问题叠加恶化，最终导致失控。 因此，Anthropic带头呼吁：如果存在一个可验证的机制，能保证AI实验室确实都没偷偷卷，我们愿意减速、甚至暂停。除此之外，Anthropic的这篇博客里，还放出了蛮多有意思的观点和事实。以下是经过整理，更方便大家阅读的版本。Enjoy。 Anthropic长文定调 AI圈的摩尔定律来了Anthropic创建了个全新的衡量维度，叫「AI能独立完成的任务时长」。2024年3月，Claude Opus 3能搞定人类大概需要4分钟的软件任务。一年后，Claude Sonnet 3.7，1.5小时。又一年，Claude Opus 4.6，12小时。而最新的Mythos，在内测中的表现是：能连续工作「至少」16小时，已经到了METR测试框架能衡量的上限了。这个翻倍速度，从原来的每7个月翻一倍，加速到了每4个月翻一倍。如果趋势不变，2027年，可能是好几周。 Claude编写了大部分Anthropic代码 截至2026年5月，我Anthropic代码库的代码，超过80%由Claude编写。 在Claude Code发布前，这个数字一直只有个位数。 这种变化，也体现在工程师的工作方式上。在 Anthropic 的最初四年，工程师每天Merge的代码行数基本保持不变。2025年， Claude开始自己写代码，merge数突然开始飙升。如今，2026年第二季度，工程师每天merge的代码量是2024年的8倍。 不过，代码量上去了，代码质量是不是注水了？Anthropic说，这一年来，工程师纠正Claude的次数，越来越少了。这一点，在benchmark中可见一斑，如下图所示。所有难度类型的任务中，Claude的成功率，无一例外的一路暴增。 所以，Anthropic现在干脆用Claude来review代码。是的，所有提交到代码库的改动，都会先过一遍Claude自动审查，检查bug、安全漏洞和其他缺陷。他们回溯分析发现，如果之前每次改动都有这道自动审查，大约三分之一导致claude.ai线上事故的bug，上线之前就会被拦下来。要知道，写那些代码的工程师，已经是全世界造AI系统最顶尖的一批人了。Claude在抓他们的错误。创造力的放大镜接下来是Claude在研究层面的参与程度。Anthropic有个惯例，每次发新模型，都会给Claude一段训练小型AI模型的代码，让它在保证正确性的前提下，把运行速度优化到最快。2025年5月，Claude Opus 4交出的答案是：加速3倍。2026年4月，Claude Mythos Preview做到了52倍。作为参考，一个熟练的人类研究员，需要4到8个小时才能勉强达到4倍。不到一年的时间，Claude超过了人类。2026年4月，Anthropic丢给Claude一个AI安全研究，大意是「一个弱模型能不能可靠地监督一个强模型」，然后让Claude自己提假设、跑实验……这次先说人类的表现吧，两个人类研究员花了大约一周时间，把gap缩小了23%。而Claude，在大约800小时、花了大约18000美元的算力之后——缩小了97%。 我们何去何从？到这里为止，结论已经很清楚了。 人类在AI开发流程里的角色，每一个环节都在收窄。 代码，Claude写了。代码review，Claude做了。实验执行，Claude快了人类一个数量级。实验设计，Claude开始自己来了……人类现在最后的比较优势，是研究品味和判断力。但这个优势能守多久？Anthropic在博客里说，他们也不确定。一种可能是，「研究品味」就像之前AI不会的其他东西一样，先是做不到，然后突然就做到了。就像AI理解幽默、展示心智理论、解语言谜题，都经历了同样的曲线。另一种可能是，即便Claude永远学不会真正的研究品味，仅靠现在的加速趋势，每个人类研究员能同时指挥的工作量已经大了好几倍。你不需要AI完全替代你思考，它只要把所有「执行」的活全干了，你就只需要做那5%的方向选择。 RSI的三种未来博客结尾，Anthropic描绘了关于这次「自进化」趋势三个可能演化方向。1、停滞。那些指数曲线其实是S曲线。也许研究判断力这个东西就是没法靠scale解决，需要一种全新的架构突破。或者，瓶颈在能源、在芯片、在算力的物理供应链上。不过，即便AI的能力就停滞在今天的水平，也会发生对世界带来重大变化。前段时间的Project Glasswing，Mythos Preview在上线头几周就发现了超过一万个高危和严重级别的软件漏洞，遍布全球最关键的系统。2、AI持续加速，但人类仍然把着方向盘。组织效率会指数级提升，100人的公司做1万甚至10万人的活。知Anthropic觉得我们大概率正在走进这个场景。但他们也发现了一个有意思的现象，就是阿姆达尔定律在组织里的体现_Claude把代码写得飞快了，结果代码review变成了新瓶颈。各种新想法、新工具、新实验爆炸式涌现，远超组织的消化能力。瓶颈不会消失，只是转移到下一个环节。3、AI实现完全的递归自我提升，开始自己造下一代自己。这个场景下，AI的发展速度完全取决于算力了。人类退到监督、验证、审核的位置。如果真的发生，这种能力大概率会迁移到其他科学领域，医学、材料、能源，全线起飞。当然，另一种未来，是对齐失败。这种情况下，偏差会在AI自我迭代的过程中逐步累积，最终——完全失控。 OMT 以上，便是Anthropic此次关于自进化，最关键的几个观点。说实话，最开始我其实没太当回事，毕竟Anthropic马上就要IPO了，这一波不是典型的「Anthropic式」公关？你别说，这次，可能真的有点不一样。因为就在几天前，OpenAI也发布了类似的博客： 我们也在当今系统中看到自进化的早期迹象： AI的发展本身也被AI加速。 我们预计这将加剧开发商和国家之间的竞争压力，并带来现有机构无法应对的治理挑战。 随着RSI的出现，社会需要方法塑造AI的发展轨迹 ，确保其服务于人类利益。 奇点，似乎来得比所有人预想的都要快。博客：https://www.anthropic.com/institute/recursive-self-improvement参考链接： [1]https://x.com/kimmonismus/status/2062517474277675102 [2]https://x.com/anthropicai/status/2062568873321513443
-
再度推迟发布，Meta继续在“AI泥潭”挣扎 Meta公司一再推迟向开发者发布其新的AI模型。6月4日，据《华尔街日报》报道，Meta最新AI模型Muse Spark的API（应用程序接口）已多次推迟发布，截至本周二仍未确定上线日期。这距离Meta首席AI官Alexandr Wang公开承诺API"即将推出"已过去近两个月。消息曝光后，Meta发言人在周三回应称，公司正与合作伙伴测试该API，计划本月内发布。Muse Spark是Meta首个闭源AI模型，API是开发者访问该模型的唯一渠道，延误意味着商业变现时间窗口的持续收窄。承诺落空，两度延期据报道，Meta最初计划在4月份Muse Spark发布时同步推出API。模型上线两天后，Alexandr Wang在X平台发文称： Muse Spark API即将上线！开发者们对此热情高涨，我们感到非常振奋，敬请期待！ 然而该API并未如期发布。报道援引知情人士透露，首轮延期（从4月推至5月）源于测试中暴露的程序漏洞，以及需要补充构建更多基础设施。随后，发布计划再度推迟至6月。截至目前，除少数获授权运行测试的第三方评估机构外，绝大多数开发者尚无法自行访问该模型。通常情况下，AI公司会在新模型发布的同时或数周内推出配套API，以最大化其在开发者群体中的影响力。持续推迟不仅削弱了Muse Spark的市场热度，也令外界再度对Meta能否高效执行其AI商业化路线图产生疑虑。AI研发困局，并非首次Muse Spark API的延误并非孤例。华尔街见闻此前提及，Meta去年曾因工程师无法大幅提升模型性能，而推迟发布另一款AI模型Behemoth，该模型最终未能正式推出。此后，Meta大规模招募AI人才并重组团队，任命Alexandr Wang主导新成立的Meta超级智能实验室（Meta Superintelligence Labs，MSL）。MSL旗下一个名为TBD Lab的神秘部门随后开发出了Muse Spark。Muse Spark也是Meta首款闭源AI模型。此前Meta发布的模型均为开源，开发者可免费下载使用。根据Meta内部基准测试，Muse Spark在性能上与OpenAI及Anthropic旗舰模型相当，并在多数测试中大幅领先xAI的Grok。但在API正式开放之前，这些数字对外部开发者而言仍只是一纸数据，难以转化为真实的市场吸引力。投入庞大，变现压力骤升Meta计划今年斥资最高1450亿美元用于资本支出，主要用于AI基础设施建设。公司的目标是为其35亿日活用户打造个人及商业AI代理。然而，华尔街对这份"烧钱计划"并不买账。今年4月，Meta宣布将进一步上调支出预期后，其股价在盘后交易中一度下跌逾5%。CEO扎克伯格在投资者电话会议上表示，将多余算力转化为云计算业务"绝对在考虑之列"。扎克伯格同时透露，每周都有企业主动找上门，希望Meta提供API服务，但他并未就Muse Spark API的具体上线时间给出任何承诺。面对市场压力，Meta已开始公布变现路径。上周，公司宣布为Instagram、WhatsApp和Facebook推出新订阅服务，并表示将试点旗下AI聊天机器人Meta AI的付费订阅。
-
四川将“人工智能+”列为一号创新工程 来源：光明日报本报成都6月3日电（记者李晓东、周洪双）近日，《四川省加快推进“人工智能+”一号创新工程实施方案》正式发布，四川正以全省一号创新工程全力推进人工智能发展。方案坚持因地制宜与系统布局相结合，部署了20项重点任务，加速培育人工智能创新发展新动能。从全域布局看，四川系统部署“人工智能+”科学研究、制造、生产性服务业、农业、商贸、城乡治理、国际合作等工作任务，确保国家部署在四川能够落地落实、见行见效。从特色应用看，四川聚焦产业发展、民生需求实际，精准划定低空智能、军民融合、地质矿产、能源、就业、网络空间治理和公共安全等发展赛道，努力打造一批具有四川标识度、全国影响力的人工智能特色应用标杆。四川坚持硬基础与软环境一体推进，统筹机制、算力、数据、人才、政策、安全6个方面保障措施，为“人工智能+”一号创新工程落地见效筑牢支撑。围绕夯实算力数据硬支撑，四川按照2030年智算规模100EFLOPS目标，推进大型和超大型数据中心建设。针对人工智能应用落地中容易出现的重硬轻软、应用碎片化等问题，明确提出建立“管行业必须管人工智能应用”的责任机制，推动各行业主管部门像抓行业安全生产、抓产业招商引资一样，主动谋划推进本行业智能化转型工作，凝聚协同发展的强大合力。据介绍，四川目前已建成数据中心139个，智算规模约38EFLOPS，为“人工智能+”一号创新工程夯实了算力底座。同时，四川拥有海量的数据资源、丰富的应用场景，在人工智能高质量数据集这个重要赛道具有良好基础。近年来，四川省机器人训练场、大模型训练场、诸葛空间等一批公共服务平台相继建成投用，“创投天府·周周见”常态化投融资路演活动持续开展，算力数据等要素支撑持续强化，基本形成了政产学研用金全方位支持体系。2025年，四川人工智能各类应用场景营收达57.9亿元、增长92.4%。
