Jensen Huang 在 GTC Berlin 呼吁欧洲各行业采用 AI
Jensen Huang 在 GTC Berlin 表示,欧洲要受益于 AI,需要所有终端市场和终端行业都采用 AI。他将推动各行业广泛采用 AI 称为欧洲获得 AI 收益的关键。
Jensen Huang 在 GTC Berlin 表示,欧洲要受益于 AI,需要所有终端市场和终端行业都采用 AI。他将推动各行业广泛采用 AI 称为欧洲获得 AI 收益的关键。
NiCE 正将 Cognigy 整合为对话式与智能体 AI 的底层平台,并依靠传统 CCaaS 业务和既有客户基础支撑 AI 转型。作者认为其优势来自交互数据与已部署工作负载,获得自动化洞察的潜在客户签约量高出 9 倍,平台 API 调用量两年增长 7.5 倍。落地关键仍是权限控制、知识库治理、变更管理和以实际解决率而非简单遏制率衡量效果。
Dell Technologies 安全主管 John Scimone 警告,agentic AI 正瓦解复杂网络攻击的成本与门槛,让低层级攻击者也能使用高级能力。Dell 已参与 Anthropic 的 Project Glasswing,并利用前沿模型强化自身防御。他设想未来安全团队可由 1 人带领 10,000 个 AI 智能体,以弥补小型机构的人力与专业能力不足。
Dell Technologies 的全球首席技术官兼首席 AI 官 John Roese 表示,企业采用 AI 智能体的竞争优势来自独有知识,而非所用模型。Dell 已让全自主智能体在内部运行近两年,并由领域专家将实践编码为 Markdown 技能文件;智能体还借助知识图谱积累关系、开发数字技能。Roese 因此主张将专有知识保留在内部。
Dell Technologies CFO David Kennedy 表示,企业应将 token 消耗纳入专项预算,并通过效率与速度衡量 AI 投资回报。金融服务企业已将 AI 从试验推进到生产环境,Dell 客户中已有 6,500 个 AI 工厂;重复性财务工作可部署本地开源权重模型,将可变 token 成本转为固定成本。
据 The Information 报道,OpenAI CEO Sam Altman 上周向员工提出了三种 AI 安全终局方案。三种方案分别涉及建立类似 IAEA 的国际监管机构、由类似 CERN 的单一实体统一管理主要实验室,以及单一开发者控制算力并可能中断其他机构的计算能力。Altman 同时强调,AI 安全不能以落后于竞争对手为代价。
Ruby on Rails 等框架在 LLM 时代仍能提供项目结构、安全更新、性能改进和可维护性,也能让 LLM 更高效地编写代码。作者认为,将应用完整重写为 Rust 可能因行为差异和细微缺陷影响用户,通常不如让 LLM 优化现有应用;Ruby 的即时重载与 REPL 也便于编码智能体快速诊断问题。
PHP 维护者在安全修复中采用“彩蛋式”披露漏洞,被开发者 Marc J. Schmidt 批评为极不负责任,并要求立即发布补丁。Marc J. Schmidt 称,AI agent 已将漏洞从公开到被武器化利用的时间缩短至一小时以内,传统负责任披露节奏面临新压力。
机器意识辩论中,批评者将流行论证概括为“省略三段论”:大脑(或生命)在 x、y、z 上与计算机不同,因此计算机不太可能有意识。回应者主张,生物自然主义研究应寻找意识生物中与意识具有概念或解释性关联的结构与动力学特征,而非反复强调生物系统与人工系统的差异。
IDC 报告称,全球十大经济体均已拥有国产 AI 模型,两年内美中之外的厂商已发布或宣布 350+ 个国家级 AI 模型。日本在 G7 国家级模型活动数量最多,并拥有 G7 中最宽松的训练数据法律;IDC 分析师 Luigi Perilli 同时预告了即将发布的主权 AI 专题报告。
拥有 11.7 万粉丝的 X 账号 iruletheworldmo 称,质疑 Fable 仍需数周上线的说法“要么消息不准确,要么居心不良,或许两者都是”,暗示 Fable 数周内就会发布。该帖未提供更多细节,真实性仍有待证实。
JOBhakdi 重申算力现货价格不会下跌,认为供给严重受限而需求正爆发式增长,预计接近 AGI(2027年前后)后供需失衡将进一步恶化。这一判断回应了 AI 数据中心集中上线是否会导致算力工厂收益递减的问题。
Gary Marcus 转发了 Sigal Samuel 对 Dario Amodei 的质疑,认为 Anthropic 以“竞逐前沿来推动 race to the top”为核心战略,外部看来却更多是在推动 race to the bottom。
网友 @tonysimons 展示传闻中由 GPT 6 Astra 驱动的 OpenAI 桌面小圆点(dots)在 Blender 中建模 Nous Girl 的翻车效果,并调侃该任务应交给 Hermes Agent。Teknium 转发称“dots 对我们的 Nous 女孩做了什么”;目前 GPT 6 Astra 仍属传闻,相关帖子带有玩笑性质。
Demis Hassabis 在 WSJ 采访中更新了对 AGI 到来时间的预期,将今年早些时候所说的 3-5 年缩短至 2-3 年。报道还涉及他领导的 Google DeepMind 及 Isomorphic Labs 的相关进展,这一调整与近期多家实验室普遍提前时间表的趋势一致。
前从业者拆解 Meta Muse,认为其虽有 Meta 全量分发优势,却因缺少「啊哈时刻」且主打省时,难以形成消费产品粘性。Siri 曾因「啊哈时刻」实现病毒式增长,但承诺未兑现导致高流失;ChatGPT 则凭让用户显得聪明的新体验走红。Muse 正尝试通过攻克更难任务制造「啊哈」,但能否建立粘性仍存疑。
Arnaud Bertrand 审视中国哲学视角下的 AI,呈现两种对人类与 AI 关系的担忧:一种认为将 AI 与人类价值观对齐可能是“自杀式错误”,另一种则担心人类被“机器化”。
Dario Amodei 表示,Anthropic 追求“race to the top”有助于提升 AI 安全,并列举了9项带来“substantial costs”的安全决策。他还承认曾不当处理一份 AI 法案草案。
Demis Hassabis预计AGI将在未来两到三年内出现,比他在2026年早些时候提出的三到五年预测更早。他同时讨论了AI在科学研究领域的潜力。
民主党人可能借今年11月中期选举加强对AI公司的国会审查,重点涉及数据中心税收抵免、网络攻击、前沿模型安全和就业影响。支持AI监管的组织上周已在摇摆选区众议院竞选中投入首轮400万美元广告,但各党尚未就AI监管形成广泛共识。
JB Pritzker 认为,AI既可能帮助人类活到100岁,也可能带来类似核武器的生存威胁。作为伊利诺伊州州长,他主张政府更积极地应对 AI 带来的数据中心扩张、隐私侵犯与反垄断问题,并审视政府、企业及选民之间正在发生的政治重塑。
OpenAI CEO Sam Altman 上周向员工描述了业界讨论的三种 AI 安全发展终局,其中一种是由单一公司“熔掉其他所有公司的 GPU”。一条路径是建立类似国际原子能机构的国际组织来执行安全标准,Altman 似乎支持该方案;另一条路径是合并所有 AI 实验室,以单一机构安全开发新 AI。特朗普政府同期开始建立首套监管“超级智能”开发者的制度。
World Mechanics CEO Sonia Joseph 认为,世界模型与机制可解释性是推动 AI 应用于物理世界的关键。她在最新一期 AI Deep Dive 中指出,两者实为同一问题的两面,可能推动 AI 在医疗、制造等领域发挥作用。
OpenAI 正面临“Pacing 2.0”难题:如何为 AI 发展设定合理节奏,并协调前沿实验室共同推进安全开发。CEO Sam Altman 上周向员工讲解了三种行业方案,包括设立类似国际原子能机构的国际组织、合并前沿实验室,以及让一家实验室领先并摧毁其他实验室 GPU,但每种方案都存在重大问题。
Hugging Face 政策主管 Irene Solaiman 表示,嵌入式 AI 评估器不会成为解决模型评测难题的简单方案。她指出,当前评测的可复现性、跨测试比较和行业标准化仍不足,开放权重有助于复现结果。随着评测从模型扩展到 harness 与智能体,相关评测成本高昂且仍在发展。
纽约市长Zohran Mamdani周一晚在People's AI Assembly呼吁纽约居民抵抗AI不可避免取代就业、侵蚀儿童心智与尊严的叙事,并要求政府追究AI公司责任。他上个月下令禁止中小学使用AI,夏季还推出政策,要求房东、经纪人和房产平台明确披露房源图片或视频是否由AI制作。他同时批评联邦政府缺乏AI限制,并主张建立重视公共问责的治理框架。
Figma 联合创始人 Dylan Field 表示,MCP 仍有较大改进空间,并认为该协议当前更有利于前沿实验室。Figma 在印度首场 Config 大会上宣布 20 个新的 MCP 合作伙伴,包括 Amp、ClickUp、Dia、Junie、Linear、Meta Muse、Mistral、Notion、OpenCode 和 Sarvam Agents。
Amulya Vishwanath 表示,Physical AI 正处于“LEGO 时代”,机器人基础软件和积木式组件正被重新设计,机械手、执行器及通用和专用机器人持续构建。她认为行业仍需时间整合这些模块,而连接顶尖人才将成为创业公司的关键护城河。
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。
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。
科沃斯 CEO 钱程在访谈中讲述其作为企二代接班人的经历,以及科沃斯在德国市场拓展、企业经营和AI浪潮下的思考。他回顾担任CEO时的感受、父亲与儿子的传承,并分享自己内心的追寻。
Hugging Face CEO Clem Delangue 表示,Netflix 纪录片“AI Gone Rogue”对 OpenAI 智能体攻击事件的描述并不准确。Delangue 认为影片把技术系统拟人化并强化末日叙事,且未提及隔离监控缺失、闭源模型安全策略阻碍防御,以及团队使用开源模型应对攻击等细节。
SF Compute CEO Evan Conrad 介绍公司如何建设算力交易市场,通过物理交付为买方提供可用 GPU 算力,并协调不同 GPU 代际、存储、网络和软件配置。当前约 5% 的总容量已进入订单簿,公司还支持客户即时细分 InfiniBand fabric,以实现数据中心资源的可编程调度。
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。
Rivian CEO RJ Scaringe 表示,公司正全力开发自动驾驶车辆软件,甚至愿意推迟盈利,自动驾驶技术也将催生不同于现有 SUV 和皮卡的新车型。Rivian 计划年底实现仍需驾驶员监督的“point-to-point navigation”,并为 R2 SUV 开发可在 Uber 上叫车的 robotaxi 版本。
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。
Ben Thompson 认为 Apple Home View 的智能家居场景确有实用价值,Apple 与 LG Electronics、Schneider Electric 合作也延续了 AirPort 式易用与深度整合路线。
十字路口对谈 Treg 创始人 Jason Zhou 和 Founding Engineer 石天鑫,探讨 AI 创业机会如何围绕 Claude Code 和 Codex 生态出现。
Anthony Pompliano 与团队打造了面向独立投资者的 AI CFO Silvia,将每周手动更新的个人财务表转化为 AI 辅助管理工具,并探索税务策略。节目还讨论了这支不足 10 人的团队如何与 AI labs 竞争;完整内容可在 YouTube、Apple 和 Spotify 观看。
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。