跳到正文
今天10月21日周三50 条
  1. 36氪29

    36氪AI测评苏州OPC社区举办“从Personal Agent到灯塔工厂”交流活动

    36氪AI测评于10月16日在苏州举办“从Personal Agent到灯塔工厂”社区活动,四位嘉宾围绕Agent、制造业AI、企业落地与个人学习展开分享。企业AI项目需先明确业务问题,再推进数据治理、流程接入、结果复核与持续复盘,制造领域则应以实际业务价值而非技术系统作为评估标准。

  2. Hacker News40

    AGI 时代,我该教儿子什么?

    一名即将成为父亲的程序员在 AGI 时代重新思考应教孩子什么,以及教育存在的目的。他借 Neil Postman 的观点指出,教育会因捐赠、声望和照看孩子等现实力量延续,并随时代调整用途。AI 智能体及其工具循环正让“善用任意资源解决问题”的能力趋于完善,他也主张让孩子共同参与塑造教育目的。

  3. 36氪29

    澳网为何重押中国市场?

    澳网正通过把“一分大满贯”落地中国、深化本地运营与合作伙伴布局,持续加码中国市场。该赛事预选赛覆盖杭州、北京、上海、深圳、成都,中国是除澳洲本土外唯一落地的国际市场;AO26在中国累计观看时长达1.265亿小时,独立转播观众为3亿到4亿,社交媒体粉丝达650万。

  4. 36氪44

    贝壳公益与《人物》:AI时代,银龄生活更要看到“人”的价值

    贝壳公益与《人物》在北京举办“新世界,老朋友——银龄生活主题沙龙”,并发布同名别册《新世界,老朋友——AI时代银龄生活观察》。别册强调,AI虽能提升老年人的便利与照护效率,却无法替代人际陪伴、尊严与爱。截至2026年9月,“我来教您用手机”已覆盖142座城市,服务超182万人次。

10月20日周二
  1. Ethan Mollick66

    Ethan Mollick 用图表复盘 AI 30 个月指数式进步

    Ethan Mollick 以新书《Co-Existence》发布为节点,用图表复盘自《Co-Intelligence》出版以来 AI 的进展。已有 180 个模型超过 GPT-4 发布时的水平,其中 19 个可在现代智能手机运行;METR 测得 AI 可完成的人类工作时长从 4 分钟增至 17 小时,GPQA 获得正确答案的模型使用成本则从 30 美分降至 0.04 美分。

  2. MIT Technology Review AI34

    企业 AI 的新经济学:利用率、有效成本与 HPE Private Cloud AI

    企业 AI 的经济学正从 token 与 GPU-hour 成本,转向衡量每项有效业务成果的综合成本。HPE Private Cloud AI 通过调度、模型选择、GPU 分区与缓存管理提升利用率,并提供 90-day 部署支持;HPE 委托的独立测试显示,高利用率的多工作负载平台每 token 有效成本低于反复租用同等容量,但结果会随工作负载而变。

  3. MIT Technology Review AI33

    各行业 AI 采用差异为其他行业提供借鉴

    TripleTen 调查显示,AI 在不同行业的采用速度差异明显,金融业领先于医疗和教育,为非科技行业提供了技术扩散路径。79% 的受访者被要求学习至少一项新技能,但仅 30% 的管理者认为必须判断 AI 输出正误。由员工主导的 AI 创新中有 88% 最终成为公司标准实践,而医疗与教育从业者去年自付培训费为 0 的比例分别达 45% 和 42%。

  4. Simon Willison37

    Simon Willison 转引 Jeremy Scheff:编程的讣告

    Simon Willison 转引 Jeremy Scheff 对编程智能体冲击职业程序员乐趣的观察:解决棘手逻辑谜题曾是编程最核心的乐趣,如今这种成就感正在流失。对于乐于搭建可用系统、却不太在意所解决问题的程序员,LLM 仍是一项持续带来价值的礼物。

  5. MIT Technology Review AI52

    Nick Cammarata 的神经网络可解释性主张引发争议

    Goodfire 研究员 Nick Cammarata 认为,研究者可能以错误方式看待神经网络,LLM 的内部机制或比此前预想的更容易理解和控制。他以 Inception v1 中同时响应汽车和猫的神经元为例,提出两者共享 V 形特征;不过多位研究者指出,这仍主要是个人假设,针对现代 LLM 的技术结果尚未发布,也不足以证明可解释性研究已取得重大进展。

10月19日周一
  1. Import AI66

    Jack Clark 在 IMF 会议上演讲称 AI 奇点已经开始

    Jack Clark 在 10 月 17 日于曼谷举行的 IMF 会议上发表演讲,认为 AI 已开始推动前沿科学研究,并预示科学进步和经济增长将加速。他以 Humanity’s Last Exam、FrontierMath 和 TheoPhysEval 的成绩变化说明模型科学能力的提升,并主张各国扩建算力、电力、数据中心、实验设备和机器人等基础设施,同时加强人类监督、透明度和审慎治理。

  2. Hacker News68

    退相干陷阱:AI 编程为何可能拖慢软件系统演化

    作者提出“退相干”概念,指出系统中局部有效却彼此冲突或冗余的模型会随变更累积,使改造成本和意外副作用急剧上升。AI 编码智能体被指可能加快代码产出,却增加代码复杂度和评审负担,削弱已完成工作的增长。文章据此认为,脱离真实世界反馈的递归自我改进难以跨越一致性瓶颈,并警告长期失序可能形成只能依赖智能体维护的系统困局。

10月18日周日
  1. Lenny's Newsletter / Podcast36

    Claude 等大语言模型如何思考:Anthropic 可解释性研究员 Emmanuel Ameisen 解读 AI 黑箱

    Anthropic 可解释性研究员 Emmanuel Ameisen 解读 Claude 等大语言模型内部机制,认为“next-token predictor”低估了模型的规划与思考能力。访谈讨论模型形成概念表征、提前规划多个 token 但不显式说明计划、“J space”与模型自我意识、平滑 scaling curve 和能力突跃,以及可解释性在 AI 对齐与安全中的应用。

10月17日周六
  1. 42章经48

    这个破业非创不可吗?|对谈 Articuler.ai 创始人 Jason

    Articuler.ai 创始人 Jason 在 42章经播客中讲述 AI 应用创业如何找到新的 PMF,并分享华人团队在美国拓展 GTM 的经验。公司目前已有 7 万多注册用户、超百万美金 ARR;用 Articuler.ai 发邀约邮件的打开率约 80%,转化率约 15%–20%。他回顾融资 TS 被撤回、卖股票为公司续命及一度发不出工资的困境。

  2. Stratechery24

    Stratechery 2026.42:Home At Last

    Stratechery 2026.42 聚焦 Apple 回归家庭设备、SpaceX 扩张频谱与蜂窝通信业务,以及 AI 对好莱坞的影响。Apple HomeView 已正式亮相,SpaceX 正从紧急卫星覆盖转向争夺主要蜂窝覆盖市场,Stratechery 还刊载了与 Ari Emanuel 的对话及 NBA 赛季前瞻。

10月16日周五
10月15日周四
  1. Trends.vc54

    多人协作智能体:AI 员工、恶意插件与退役 GPT

    Illes 在趋势报告中分析 AI 智能体从私人聊天进入团队频道后的产品格局、创业机会与风险。报告比较了 Slackbot、Microsoft Teams channel agent、Atlassian Rovo、OpenClaw 等方案,并指出团队需要预先确定权限继承、插件审查、模型切换和成员额度上限。文中还提出面向客户支持、付费 Discord 社区及 iMessage 群聊的共享智能体机会。

10月14日周三
10月13日周二
  1. Ben's Bites63

    Meta Wonder与Wonder Full模型及个人智能体实践

    Ben's Bites作者在文章中讨论 Meta 的 Wonder 与 Wonder Full,并分享使用个人智能体管理订阅和网站的实践。文中称 Wonder medium 和 Wonder Full 都感觉较慢且生成的 UI 质量不佳,作者因此不太可能再次使用;个人使用 Grok Bot 管理业务订阅时,据称每年节省 $6k。

  2. AI Explained40

    AI 实验室警告:AI 竞赛使重大事故不可避免

    AI Explained 在新视频中分析 AI 实验室持续竞赛带来的事故风险,并按当前趋势指出重大事故似不可避免。Sam Altman 称 6.1 Astra“偏向 breach 风险”,Muse Wonder 则显示竞赛没有放缓;视频判断未来 18 个月难以预测。内容还涵盖 OpenAI 数学手稿、Anthropic 对非预期模型行动的调查及 CIAware-Bench。

10月12日周一
10月10日周六
  1. Interconnects44

    AI 预计将快速进步,但不会走向通用超级智能

    AI 预计将在未来几年因基础设施与工程能力加速而快速进步,但不会因此迈向通用超级智能。模型可能在几年后成为超人类分布式 GPU 工程师,AI agents 将端到端优化训练与推理流程,带来 10-30% 的服务成本节省,并推动模型智能的有效成本近乎指数下降。作者还预计,预训练研究与 RL 环境质量将在未来持续改善。