人工智能资讯 第57页
聚合当前分类下的最新内容，按时间顺序查看第 57 页精选文章。
13亿美元砸向“物理AI”：当风投不只投公司，还想亲手造出下一个工业巨头
美国风投机构 Eclipse 新募集 13 亿美元，押注所谓“物理AI”创业公司，方向覆盖机器人、交通、能源、基础设施和国防。比起单纯跟投热门赛道，更耐人寻味的是它想亲自孵化公司、编织产业协同网络——这说明资本正在把 AI 从屏幕里往工厂、车辆和电网里推，也意味着这场竞赛会比大模型战争更慢、更重、更难，但可能更接近真实世界的价值。
当网站开始“考你数学题”：一款老牌开源游戏官网，为了挡 AI 爬虫祭出算力门槛
老牌开源游戏《韦诺之战》官网最近给访问者加上了一道“先做题再进门”的验证页，背后不是传统反机器人验证码，而是针对 AI 公司大规模抓取网页的 Proof-of-Work 机制 Anubis。这件事的意义不在于一款小工具本身，而在于越来越多中小网站开始用“消耗算力”的方式，向失控的 AI 抓取潮收取成本。
当 AI 冒充“专家”：Grammarly 这场翻车，戳中了生成式内容最尴尬的地方
Grammarly（现已并入并重塑为 Superhuman 体系）曾推出一项名为“Expert Review”的 AI 功能，让用户获得“知名作者和专家风格”的写作建议，结果却因擅自使用真人姓名、甚至包括已故学者，引发强烈反弹。这场风波真正暴露的，不只是产品设计失误，而是 AI 公司正在把“公共内容可抓取”误当成“人格与声誉可调用”。
AI能替你发论文，但替不了你长脑子：一位天体物理学者的真正担忧
一篇来自天体物理学圈的长文，把当前学界对大模型的焦虑说得很透：问题也许不是机器太强，而是人类机构太乐于把“会产出”和“会思考”混为一谈。真正危险的，不是AI帮研究者提速，而是一整代年轻学者在不知不觉中失去构建独立判断力的机会。
当 AI 开始“挑语言”：一位程序员写 Lisp 受挫，戳中了生成式编程的隐秘偏见
一位 DevOps 工程师发现，自己最爱的 Lisp 语言，在 AI 编程时代反而成了“高成本爱好”：同样的需求，AI 写 Python 又快又便宜，写 Lisp 却频频打转、疯狂烧钱。这不只是小众语言的抱怨，它暴露出一个更大的现实：AI 正在把“语言流行度”直接折算成开发效率和真金白银，也可能重新改写程序员选择技术栈的逻辑。
一本 362 页的老书，为什么在 2025 年突然变重要了？《计算机音乐导论》免费开放背后
英国学者 Nick Collins 的《Introduction to Computer Music》在 2025 年以免费版重新开放，这看起来像一次普通的作者版权回归，实际却踩中了 AI 音乐、开源教育和数字创作门槛重塑的时代节点。它的重要性不在于“又多了一本免费教材”，而在于它把声音、代码、创作和批判思维重新放回同一张桌子上。
Karpathy 想把 AI 聊天框，变成一座会自己长大的“个人维基”
前 OpenAI 联合创始成员、知名 AI 研究者 Andrej Karpathy 抛出一个很有意思的想法：别再让大模型每次都临时翻资料，不如让它持续维护一套个人 Wiki，把知识“编译”成可积累、可更新的结构化资产。它看上去只是一个 GitHub Gist，但背后折射出的，是生成式 AI 正从“会聊天”走向“会长期干活”的关键转向。
AI 写代码，竟然靠“抄自己作业”变强了：一篇论文揭开大模型代码能力提升的朴素路径
一篇最新 arXiv 论文提出，代码大模型未必非得依赖更强教师模型、复杂验证器或强化学习，光靠“从自己的输出里挑样本，再回炉训练”就能显著提升表现。这个结果之所以重要，不只是因为方法简单，而是它提醒整个行业：在后训练时代，很多性能红利也许并不藏在更复杂的系统里，而藏在对模型自身行为的重新整理中。
特朗普想给AI数据中心提速，缅因州先踩了州级刹车
特朗普政府想用更快审批、更低监管成本推动AI数据中心建设，但现实阻力正在从关税和社区抗议，扩大到州级电力治理。缅因州推进暂停审批20兆瓦以上新建数据中心的法案，补上了一个更关键的变量：地方政府不只反对某个项目，而是在重新审查AI算力扩张该由谁付电网、电价和社区成本。
把思考交给 AI 之后，真正收缩的可能不是能力，而是想法
一篇新文章把“AI 外包大脑”这件事往前推了一步：风险不只在答错、幻觉或偏见，还在少数底层模型开始参与越来越多人的判断过程，慢慢把思路压向相似的轨道。比起“人会不会变笨”，眼下更值得警惕的是认知同质化——表达更流畅了，异见、偏航和新组合却更难出现。
当 AI 开始给精神科续药：乌托邦的效率，还是医疗的偷懒？
美国犹他州正在试点让 AI 聊天机器人为部分精神科药物续方，这听上去像医疗效率革命，但也像把最脆弱的人群交给一套外界看不清的系统。问题不只是“AI 能不能做”，而是“我们为什么要让它做”，以及谁来为判断失误买单。
一家想靠声音识别抑郁的 AI 公司，倒在了 FDA 门外
做了七年“听声音识别抑郁”技术的美国创业公司 Kintsugi，最终没有等到 FDA 放行，资金先耗尽了。它的倒下不是一个孤立的创业失败故事，而是 AI 医疗当下最真实的缩影：技术跑得快，监管走得慢，夹在中间的往往是那些最想把算法真正送进临床的人。
Qwen3.6 从 27B 开源到 Max：开源大模型不只比参数，开始比谁能进工作流
阿里通义先开源 Qwen3.6-27B，又把 Qwen3.6-Max 推到前台，说明开源模型和前沿闭源模型的距离仍在收窄。但更关键的变化不是榜单分数，而是模型能否低成本部署、接入企业工具链，并在 coding、终端任务和 agent workflow 里稳定完成工作。
StrictlyVC旧金山场临近：13亿美元physical AI基金把AI投资议程推向实体世界
TechCrunch为4月30日旧金山StrictlyVC活动做最后一周预热，新增嘉宾是Eclipse创始人兼CEO Lior Susan，其基金近期募得13亿美元，主攻physical AI初创公司。这条信息补强了活动的真实看点：AI投资叙事正在从AI编程、企业风投和可信AI，进一步压向机器人、工业自动化和现实世界部署。
“别闭嘴，继续写”：一位英国开发者对 AI 时代网络写作的反击
英国网页开发者 David Bushell 用一篇标题极具戏剧性的博文，表达了他对生成式 AI、内容平台化和创作降级的强烈不满。但真正有价值的，不是他的愤怒，而是那句反常识的判断：越是在“机器能写一切”的时候，人类越该公开写作、持续发声。
Slack不想只做聊天工具了：Salesforce一口气塞进30个AI功能，真正想抢的是你的工作流
Salesforce 正在把 Slack 从“企业群聊软件”改造成“企业AI操作系统”。这次一口气发布 30 项新功能，表面上是给 Slackbot 升级，实质上是在争夺企业内部最关键的入口：信息流、任务流和决策流。
AI 写作开始露馅了：企业文本越来越顺，判断越来越空
旧稿谈的是 AI 生成内容为什么越来越“水”，这次补进来的新线索，把问题钉得更具体了：企业新闻稿、财报和政府文件里，“It’s not just X — it’s Y”这类句式在两年间大幅冒头，成了高频的 AI/模板化文风信号。它还不足以当成“AI 代笔实锤”，但已经足够说明一件事：组织正在把思考压扁成语气零件，文本更流畅了，信息反而更稀了。
三星把相册变成“平行宇宙生成器”：Galaxy S26 的 AI 修图，正在重写照片的意义
Galaxy S26 把 AI 修图从“润色照片”推进到“改写回忆”这一步：你不只是能修天色、删路人，还能把没出现过的人和没发生过的场景塞进相册里。问题不只在真假，而在手机厂商正把“照片”从记录现实的工具，悄悄变成满足情绪和社交表演的内容生成器。
Cohere把语音识别重新卷了一遍：开源ASR登顶，但真正的战场在企业现场
Cohere发布了开源语音识别模型 Transcribe，并在 Hugging Face 的 Open ASR 榜单上以 5.42% 的平均词错率登顶。这件事的意义不只是“又一个模型更准了”，而是语音识别这项老技术，正在企业 AI 落地的关键环节重新变成基础设施竞争：谁更准、谁更快、谁更容易私有化部署，谁就更有机会吃下真实业务流程。
Alexa+开始替你点外卖：亚马逊要抢的，不只是语音入口
亚马逊把 Alexa+ 接入 Uber Eats 和 Grubhub，看上去是在补齐外卖能力，实际是在把 AI 助手推进到真实交易环节。新线索相比旧稿，补强了两个关键点：一是外卖被当成检验多轮对话和代理执行能力的现实考场，二是账户绑定、历史订单同步和屏幕确认，说明亚马逊并不打算靠“会聊天”取胜，而是靠上下文、闭环和更低出错率来争夺消费入口。
Google把时间序列也做成了“基础模型”：TimesFM开源，AI开始认真学会预测世界
Google Research开源的 TimesFM，看上去不像聊天机器人那样抢眼，却可能是更贴近产业现实的一步：它试图用“基础模型”思路统一处理时间序列预测。对电商补货、能源调度、金融风控和运维监测来说，这类模型的意义，可能比又一个会写段子的AI更直接。