人工智能资讯 第53页
聚合当前分类下的最新内容，按时间顺序查看第 53 页精选文章。
天文学也在抢 GPU：被卡住的不是 AI 热度，而是科研算力
Roman、JWST 和 Rubin 把天文数据推到新量级，天文学家越来越依赖 GPU 和 AI 做识别、分类和图像增强。问题不在“科学家也用 AI”，而在算力已经变成科研基础设施，大学预算、商业芯片供给和政策提案开始一起决定谁还能跟上。基础科学不是这轮 GPU 紧缺的主因，却很可能是最先被挤压的一群。
Copilot 进了 Office 执行层，也终于学会别挡路
Microsoft 365 Copilot 付费席位突破 2000 万，说明微软把 AI 从“写草稿”推向了 Office 的日常工作流。但 Office 浮动 Copilot 按钮引发 Excel 用户不满，微软允许把它移回功能区，这补上了一个更现实的判断：AI 入口可以更近，不能越过用户对工作界面的控制权。
geohot质疑“美国赢AI”：国家口号赢了，不等于用户真的拥有AI
geohot最新博客反对的不是美国做强AI，也不是模型变强本身，而是“美国赢AI”这套说法把真正的问题藏了起来：AI最后是落到普通人手里，还是继续锁在少数公司的算力、API和安全叙事里。文中他明显偏向开源、可本地运行、不可随时撤销的AI持有方式，并把DeepSeek当正例、Anthropic当反例。我的判断是，若所谓胜利只让基础设施和控制权更集中，普通用户、开发者和知识工作者拿到的就不是未来，只是更贵、更脆弱的租赁关系。
NVIDIA把Gemma 4塞进8GB Jetson：边缘多模态 Agent能跑了，但离好用还差三道坎
NVIDIA 工程师在 Hugging Face 放出一个可复现的 Gemma 4 本地 VLA 演示：8GB 的 Jetson Orin Nano Super 上，用 Parakeet 做语音识别、Gemma 4 决定是否调用摄像头，再用 Kokoro 语音回复，代码和部署步骤全部公开。真正重要的不是“它能跑”，而是边缘端多模态 agent 已经从炫技视频走到可复现原型；但 8GB 能跑不等于轻松跑，更不等于能直接做成稳定产品。
阿里、OpenAI、小米、谷歌同日发新：AI开始比整条落地链，而不只是模型分数
同一天里，阿里发开源编码模型，OpenAI放出隐私过滤工具模型，小米押注长程 agent，谷歌则把 TPU、模型和企业代理平台打包推进。几条新闻看着分散，实际都在抢同一个入口：谁能把模型、部署、治理和成本更快接进真实业务。对开发者和企业决策者来说，今年更该看的不是榜单高低，而是谁的链路更短、生态更快、锁定更深。
特斯拉把2026年资本开支上调至250亿美元：钱不是花更多了，而是押注公司要换轨
特斯拉把2026年资本开支计划上调到250亿美元，较1月“超过200亿美元”的指引再加50亿美元，也远高于2025年的85亿、2024年的113亿和2023年的89亿美元。公司同时表态，受这轮投入影响，2026年余下时间将转入负自由现金流；但一季度末账上仍有447亿美元现金、现金等价物和短期投资，问题不在缺钱，而在回收期和执行力。钱主要投向AI训练、芯片、数据中心、robotaxi、Optimus和制造扩张，这更像一次商业身份切换，而不只是汽车公司的常规扩产。
Google把Gemini塞满Workspace：比隐私更烦人的，是AI开始抢你的工作台
Google正在把Gemini更深地塞进Docs、Gmail、Drive和Chrome，争议不再只停在隐私和退出成本，而是用户每天工作界面里的“被打扰感”。The Verge的新观察补了一条关键线索：Gemini正在走向微软Copilot式的强分发，工具有用，但硬塞会把信任消耗掉。
OpenAI把 ChatGPT 推进临床：美国医护免费用，真正要抢的是工作流入口
OpenAI推出 ChatGPT for Clinicians，先向经验证的美国医生、执业护士、助理医师和药师免费开放，覆盖临床问答、文书、医学检索、文献综述和继续教育。关键点不在“AI进医疗”这句旧话，而在它开始正面切临床工作流，并试图用免费、评测和合规选项一起占住医生入口。现在还不能把它写成“可替代医生”：产品定位仍是辅助判断，HIPAA/BAA 也只对符合条件的账户开放。
Ars Technica公开AI编辑政策：工具可以进流程，责任不能退出新闻
Ars Technica公布面向读者的生成式AI编辑政策：新闻、评论、分析由人类撰写，AI只能用于受监督的编辑辅助、研究检索和部分视觉制作流程，且不能冒充真实报道材料。真正有价值的，不是它写了多少正确原则，而是把“谁写、谁核验、谁担责”公开成了规则。对科技读者和新闻从业者来说，这提供了一个很实用的判断尺子：看一家媒体谈AI，别只看效率口号，要看署名、核验和责任有没有写清。
X 上线 Grok 自定义时间线：75+ 个频道、第二位广告，以及 Communities 的退场
X 开始向 iOS 端 Premium 用户推出由 Grok 驱动的 75+ 个自定义时间线，用户最多可把 10 个主题置顶到首页，与“For You”“Following”并列。更关键的是，Communities 同步退出，每条新 feed 的第二个位置直接放广告，说明 X 正把社区讨论让位给 AI 分类、平台分发和新增广告库存。
Shopify把AI推到接近全员使用，但真正难的已经不是生成代码
Shopify CTO Mikhail Parakhin披露，内部AI工具日活占比已逼近全员覆盖，2025年12月模型能力出现明显拐点后，使用继续加速，公司也基本放开了高端模型的token预算。更值得看的是，Shopify公开的不是单个助手，而是Tangle、Tangent、SimGym这套把数据、实验、仿真和上线流程连起来的内部基础设施。问题同样清楚：token烧得快，不等于工程产出就稳，瓶颈正从生成转向review、测试、发布和回滚。
AI 修 bug 为何总想多改几行：400 个样本显示，问题不在能不能修，在会不会收手
一项基于 400 个 BigCodeBench 程序化造错样本的评测发现，主流 AI 编程模型普遍存在“过度编辑”：bug 能修对，但常常顺手重写更多代码。评测不只看 Pass@1，还看 token-level Levenshtein distance 和 Added Cognitive Complexity，核心问题是“修对了之外，多改了多少”。Claude Opus 4.6 在正确率和最小改动上都领先；GPT-5.4 过度编辑最明显，且正确率并不突出，而一句“尽量保留原代码逻辑”的提示，几乎就能让多数模型明显收敛。
索尼乒乓机器人 Ace 赢球了，但更重要的是：具身智能终于碰到“真球”了
索尼 AI 在《Nature》披露的乒乓球机器人 Ace，已经能在遵守 ITTF 正式规则下与顶尖人类球员对打，并在部分比赛中取胜。真正重要的不是“机器人会打球”这件旧闻，而是感知、预测和控制闭环终于在高速物理世界里跑通了一段。只是这仍是高度定制的单任务系统，离便宜、泛化、可复制的产业化，还有一大截路。
Mary Minno联手Wojcicki姐妹做AI医疗加速器：补科研创业断层，但别把小基金看成解药
Mary Minno推出AI医疗驻留项目Treehub和配套早期基金AI Health Fund，拉来Anne Wojcicki任operating partner、Esther Wojcicki任founding advisor，并有斯坦福生物医学数据科学团队参与。它的卖点很直接：用6个月驻留和5万到15万美元小额支票，把学术研究者往公司化推进一段。这个模式有现实针对性，但医疗创业真正卡住的地方仍是临床验证、医院采购、监管流程和工作流整合，不是再多一个明星顾问名单。
Show HN 投稿翻了三倍，页面却越做越像：AI 没毁产品，先抹平了门面
一项对 500 个最新 Show HN 页面的分析发现：约 21% 的页面触发了 5 项以上常见“AI 味”设计特征，轻度同质化占 46%，真正相对干净的只有 33%。这不等于页面一定由 AI 生成，更不等于项目质量差；它至少说明，LLM 加模板化前端工具，正在把独立开发者的展示页压成一套低成本默认审美。问题不只是好不好看，而是当 everyone can ship，产品表达反而更容易外包给默认值。
OpenAI Privacy Filter开源：隐私过滤终于进了产品流程，也悄悄卡住AI安全入口
OpenAI 在 Hugging Face 开源 Privacy Filter 后，Hugging Face 用 gradio.Server 给出三类应用样例：文档高亮、图片匿名化、粘贴内容脱敏分享。真正的新信息不是“又有一个PII检测模型”，而是它把长上下文检测、队列化调用、前端复核和真实脱敏流程串了起来。我的判断是：这类小模型会先成为企业AI应用的安全闸门，价值很实在，风险也很实在——最怕的是把“遮住了”误当成“合规了”。
AI“金发MAGA护士”在社媒卖软色情赚到钱，暴露的是平台治理的空档
一名化名“Sam”的印度医学生自称，用 Gemini 和 Grok 生成“白人金发MAGA护士”人设，在 Instagram 吸粉，再把流量导向 Fanvue 卖 AI 软色情内容，短时间内赚到数千美元，直到账号因可疑或欺诈活动被封。 关键不在一个人会不会钻空子，而在平台推荐、AI降本和情绪消费凑到了一起：政治身份、性吸引力和 rage bait 被打包成了一套高转化灰色模板。 平台并非没有规则，问题是规则落在后面，流量和收钱跑在前面；被消耗掉的，最后还是用户对“这到底是不是真人”的基本信任。
10x Science 融资 480 万美元：AI 能批量生分子，但药企真正缺的是把它们测清楚
10x Science 宣布完成 480 万美元种子轮融资，想用“化学/生物规则算法 + AI”加速质谱数据解析，帮助药企和研究者判断哪些候选分子值得继续推进。重点不在又一家生物 AI 公司拿到钱，而在药物研发的瓶颈正在后移：前端生成越来越快，后端表征、验证和可追溯分析越来越慢。我的判断是，这更像卖铲子的基础设施机会，但成败要看三件事：结果准不准、流程能不能审计、系统能不能进药企现有工作流。
DeepMind联手咨询公司推企业AI：争的已不是模型分数，而是落地入口
Google DeepMind宣布与全球咨询公司合作，加速企业采用AI。已知事实很有限：原文没有披露具体伙伴名单、金额、签约规模，也没有发布新模型；能确认的重点，是它在借咨询渠道把Gemini等前沿AI更快送进企业采购和实施流程。 这件事的重要性不在技术突破，而在企业入口。大模型竞争走到今天，能不能进预算、过合规、接系统、有人背书，往往比单次模型跑分更决定订单去向。
当维护者说“不想再收陌生 PR”：AI 正在改写开源协作的默认规则
一位开源维护者公开表示，LLM 让写代码更便宜后，他越来越不愿合并陌生贡献者的 PR。理由很实际：安全审查、风格磨合和沟通往返的成本，已经常常高过自己直接实现。 更值得看的是协作重心在变。对不少小项目来说，稀缺项不再是“写出代码”，而是理解系统、做设计、做 review、承担后果。效率可能提高，但维护权也会更集中。
GPT-Image-2 接入 Codex 后，OpenAI 真正要卖的是可控代理
GPT-Image-2 接入 Codex，表面是图像生成进入工程流，实际指向更大的变化：AI 不再只比谁会生成，而是比谁能把任务跑完、跑稳、跑便宜。GPT-5.5 在长周期网络任务中拿到 71.4% 通过率，Codex 扩展到文档、表格、幻灯片、研究和规划，补上了旧判断里最关键的变量：长任务、成本和权限安全。