人工智能资讯 第92页
聚合当前分类下的最新内容，按时间顺序查看第 92 页精选文章。
科技巨头把AI写进裁员理由：岗位在变薄，不只是公司变差
2026年以来，Oracle、Amazon、Meta、Cisco等公司在裁员、重组或岗位调整中提到AI。更准确的判断是：AI正在替代一部分流程型工作，也被企业用来消化过度招聘、压缩层级和重配预算。对从业者和管理者来说，关键不是猜谁被AI取代，而是看哪些岗位价值正在被重新定价。
Claude Code 把 CUDA 图像修复模型搬进浏览器，真正看点是工程链路
Simon Willison 用 Claude Code 将依赖 PyTorch 和 NVIDIA CUDA 的 Moebius 0.2B 图像修复模型转成 ONNX，并通过 ONNX Runtime Web + WebGPU 做成浏览器 Demo。关键不在 Moebius 是否足够强，而在编码代理已经能推进模型转换、部署、前端 UI 和缓存这些端到端工程任务。限制也很硬：这不是官方浏览器版，首次加载仍要下载约 1.3GB 模型文件。
得州致命车祸后，特斯拉把争议拉回司机脚下
得州 Katy 一辆 Tesla Model 3 冲入民宅，76 岁 Martha Avila 死亡，司机 Michael Butler 称事发时车辆处于 Autopilot 状态。特斯拉 Autopilot 软件负责人 Ashok Elluswamy 随后在 X 上引用车辆数据反驳，称司机手动全踩加速踏板，撞击速度达 73 mph。现在不能判定 Autopilot 肇事，也不能把特斯拉单方解读当结论，关键要等车辆日志和官方调查还原人机接管边界。
GLM-5.2 能本地跑了：744B 模型进了 GGUF，但别低估 256GB 门槛
Unsloth 发布 GLM-5.2 本地运行文档和 GGUF 量化版本，744B 总参数的 Z.ai 开源 MoE 模型可以走 Unsloth Studio 或 llama.cpp 本地加载。真正的变化是 Dynamic GGUF 把原始约 1.51TB 的模型压到 2-bit 约 239GB、1-bit 约 217GB，让 256GB 统一内存 Mac 或高内存工作站有了尝试空间。它不是普通消费级电脑的胜利，部署前仍要算清内存、速度和量化精度损失。
毕业十几年还要交 SAT：AI 把招聘逼回了旧筛子
一位求职者在 YC Jobs 上看到，一家 ETL 类创业公司要求申请人提交本科 GPA 和 SAT/GRE/GMAT 等标准化考试成绩，不交就不再考虑，哪怕已经毕业多年。它不代表行业已经转向，但暴露了一个现实：AI 正在抹平简历、求职信和作业信号，公司开始重新寻找更可验证的人才筛选方式。旧 SAT 可以做参考，拿来当硬门槛就太粗糙。
Kyber 招 Head of Engineering：AI 文档公司开始补硬工程
Kyber 正在纽约招聘 Head of Engineering，年薪 22万至28万美元，股权 0.5%至1.5%，并写明有通往 CTO 的路径。 这条招聘的重点不是头衔，而是公司阶段：Kyber 已把 AI 文档卖进保险等受监管行业，接下来要补可靠性、安全合规和工程团队。 对资深工程师来说，这不是纯管理岗；对关注垂直 SaaS 的读者来说，Kyber 的成败要看它能否把 AI 生成纳入企业责任链。
AI 写代码开始进入 agent loop：生产力工具，还是 token 无底洞？
Claude Code 创建者 Boris Cherny 在 Meta @Scale 上称，agent loop 是真的，重要性可能接近从手写代码到 agent 写代码的变化。 它最先适配代码场景，因为代码有测试、PR、回滚和审查机制；但它还不是被大规模商业验证的新范式。 工程团队现在要看的不是概念热度，而是 token 成本、停止条件、权限边界和人工审核能不能管住循环。
AI 修出的纽约租房照，让租客为“不存在的家”多跑一趟
纽约这类高压租房市场里，生成式 AI 和虚拟布置正在把房源照片修得更像“理想之家”。问题不在修图新不新，而在它把租房信息不对称继续推向房东和经纪人一侧。对普通租客来说，代价是更多筛选、核验、通勤和看房成本。
Groq融到6.5亿美元，但它要证明的已经不是芯片了
Groq确认完成6.5亿美元融资，新估值未披露；上一轮估值为69亿美元。半年之前，NVIDIA通过非独家IP授权拿到Groq相关技术使用权，并带走Jonathan Ross、Sunny Madra等核心成员。钱能让Groq继续扩张推理云，但LPU的独占叙事已经松了。
暴雪老工程师求职受挫：AI没毁掉招聘，但放大了最烂的筛选
一名约10年经验、曾在暴雪工作7年的软件工程师，2025年6月随团队被裁后求职受挫，多次进入终面仍落选，还遭遇招聘方后续沉默。真正刺痛他的不是“岗位少”，而是CoderPad、HackerRank、AI监考和简历关键词筛选，把招聘变成低信任消耗战。AI没有发明烂招聘，但让作弊更容易、筛选更便宜，守规则的人反而更吃亏。
DeepMind 投资 A24：AI 进好莱坞，先过创作者这一关
据《华尔街日报》报道，Google DeepMind 将向 A24 投资 7500 万美元，双方合作开发电影制作 AI 工具。 这不是收购，也不是 A24 全面用 AI 拍片，关键在于 DeepMind 想让一线艺术家参与工具打磨。 对 AI 产业和影视从业者来说，接下来要看的不是演示片多惊艳，而是版权、工会、素材归属和片场流程能不能谈拢。
Alexa+ 在印度测印地语：亚马逊想补的不是语言包
亚马逊已向部分印度用户发邮件，邀请他们在 6 月 22 日前填写印地语表单，加入 Alexa+ Beta 测试。Alexa+ 目前尚未在印度正式上线，发布时间不明，测试版也可能出现错误、信息不准确和本地发音问题。真正要看的，是亚马逊能否把生成式语音助手从英语市场带进高人口、多语言、语音优先的印度场景。
Reflection 每月 1.5 亿美元租 SpaceX 算力：开源 AI 也开始交重资产入场费
Reflection AI 将从 2026 年 7 月 1 日起，每月向 SpaceX 支付 1.5 亿美元，租用孟菲斯附近 Colossus 2 数据中心的 Nvidia GB300 芯片及配套硬件。合同最高约 63 亿美元，但前三个月后双方可提前 90 天通知终止，不能直接当成 SpaceX 的确定收入。我的判断是：这单证明开放权重模型也被卷进了前沿 AI 的算力军备赛，SpaceX 则把马斯克系 AI 基础设施变成了更稳的出租生意。
密歇根小镇反对核武 AI 数据中心：算力落地，谁有权说不
密歇根 Ypsilanti Township 正在阻击密歇根大学与洛斯阿拉莫斯国家实验室拟建的大型 AI 数据中心，项目用途包括美国核武器研发模拟。居民和镇委员会担心的不是抽象的 AI，而是水、电、噪音、环境影响，以及地方同意权被绕开。真正的分歧在于：州政府、大学和国家实验室拿走算力叙事时，地方社区是否只能接住账单。
Moebius 0.22B 对标 10B：小模型这次打中的是图像修复成本
华科与 vivo AI Lab 发布 Moebius，论文/项目页称这个 0.22B 图像修复模型，在 Places2、CelebA-HQ、FFHQ 等基准上可对标 FLUX.1-Fill-Dev、SD3.5 Large-Inpainting。真正要看的不是“小模型赢了大模型”，而是窄任务里能不能用蒸馏和结构设计，把 10B 级模型的交付成本打下来。对移动端修图、本地影像编辑和边缘设备团队，接下来最该盯的是评测可信度、真实推理耗时和部署边界。
Claude Code 的“扩展思考”，别当成完整审计记录
Claude Code 会把会话记录到本地，但 thinking block 里可见的主要是约 600 字符的 signature，而不是明文推理。 Anthropic 文档说明，extended thinking 返回的是完整思考过程的 summary；推理内容被加密，密钥不在用户机器上。 对做代理、自动化工作流和合规审计的团队来说，问题不是“有没有记录”，而是这份记录能不能当证据。
Import AI 462：AI 逼近的三种权力，不只是变聪明
Import AI 462 汇总了三条前沿议题：AI 文本劝服稳定超过专家人类，自我维持 AI 的关键落到机器人和工业链，DeepMind 梳理 AGI 走向 ASI 的几条路径。最该看的不是模型又强了多少，而是 AI 正在靠近三种权力：影响人、减少对人的依赖、超越人类组织。短期最现实的变量，是谁能大规模调用这些能力，以及监管、平台和开发团队如何限制滥用。
PP-OCRv6 上 Hugging Face：VLM 很热，但 OCR 还得小模型交结果
百度飞桨 PaddleOCR 在 Hugging Face 发布 PP-OCRv6，提供 1.5M、7.7M、34.5M 三档模型，small 和 medium 支持 50 种语言。官方基准里，medium 检测 Hmean 86.2%、识别准确率 83.2%，相比 PP-OCRv5_server 分别提升 4.6 和 5.1 个百分点。我的判断：VLM 适合做理解，小模型 OCR 适合交付稳定、低成本、可部署的文字结果。
GLM-5.2 能进工具箱，但还没到替代 Opus
TechStackups 用同一条 one-shot 提示，让 GLM-5.2 和 Claude Opus 4.8 从零写 raw WebGL 3D 平台游戏；Opus 用 33m30s 完成，GLM-5.2 用 1h10m40s。GLM-5.2 成本只有 5.39 美元，约为 Opus 估算成本 21.92 美元的四分之一，但成品缺陷更基础。我的判断：GLM-5.2 已经能进工具箱，尤其适合成本敏感和重视开放权重的团队；但在视觉自检、完成度和代理执行稳定性上，还没到替代 Opus 的位置。
Claude 要验身份，开放权重模型的账重新算了
Andrew Marble 因 Claude 身份验证机制，重新评估是否放弃 Claude/GPT 等闭源顶级模型，转向开放权重模型。重点不是开放模型已经全面追平，而是专业用户开始把平台控制、合规解释和迁移成本放进同一张账单。对开发者和技术团队来说，问题正在从“哪个模型最强”变成“我能不能承受工具被平台继续加码控制”。
Sakana AI 的 Fugu：不是新大模型，而是把大模型变成可调度供应链
Sakana AI 发布 Fugu，把多个顶级模型动态编排成一个 OpenAI 兼容 API，而不是推出单一基础模型。更关键的变化是：企业可以按任务调度、排除特定模型或供应商，降低单一厂商绑定。官方跑分很强，但部分基线来自 provider-reported scores，真实生产里的成本、稳定性和合规责任还要另算。