跳到正文
今天10月16日周五1 条
10月15日周四
  1. InfoQ 中文22

    QCon 2026 上海专场前瞻:AI Infra 如何以体系结构量化与分布式工程突破算力效率边界

    QCon 全球软件开发大会将于 10 月 22-24 日在上海举办《AI Infra:算力效率决定规模化落地》专场,探讨算力效率如何决定 AI 规模化落地。文章指出,随着成本重心向推理端倾斜,单任务 Token 消耗量以更高倍率激增,竞争核心已从单 Token 标价转向端到端任务的有效交付成本。算力损耗、显存浪费与数据失配构成三类代表性系统瓶颈,需通过模型与系统协同设计破解。

10月13日周二
10月11日周日
  1. 量子位62

    陶哲轩:数学2.0时代已至,证明泛滥后数学家护城河在哪

    菲尔兹奖得主陶哲轩发文提出数学2.0时代已至,建立在证明稀缺之上的数学1.0时代即将落幕。他认为AI让获取解答的门槛降低,但判断解答是否正确、贡献多大以及与已有研究衔接仍需认真处理,否则会出现解出题却未增加理解的错位。他呼吁建立更透明的评估机制,把失败结果和AI算力成本一并纳入报告,并主张减少对抢先生成证明的强调,增加对解释、评审和知识整理的重视。

10月9日周五
10月8日周四
10月7日周三
  1. Simon Willison12

    Michael Lynch 谈软件博客写作的反模式

    Michael Lynch 撰文列举软件博客写作的常见反模式,包括冗长开场、误判读者已有知识、假设读者读过旧文、过度正式,以及用链接代替术语解释。他建议文章即使读者不点任何链接也应能读懂,并用自己的口吻写作。他指出,随着越来越多开发者把写作交给 AI,软件博客正变得平淡同质,读者渴望有性格的文字。

10月6日周二
10月5日周一
  1. MIT Technology Review · AI12

    从预测到自主决策:预测分析如何进入智能体 AI 时代

    企业 AI 的竞争焦点已从预测模型能否超越统计预测,转向如何让预测系统在不偏离业务意图的前提下自主行动。深度学习和生成式 AI 驱动的智能分析支持实时训练,使 AI 持续演进而无需等待季度刷新,其数据来源也从规整的数值记录扩展到非结构化交互数据。Everest Group 合伙人 Vishal Gupta 认为,"分析"一词正让位于 AI。

  2. MIT Technology Review · AI22

    人们一边痛恨 AI,一边又离不开它?

    调查显示美国成年人中认为 AI 会带来负面影响的比例已超过正面预期,盖洛普 5 月民调中 71% 的美国成年人反对在本地新建 AI 数据中心。但 ChatGPT 在 5 月达到 10 亿月活用户,Gemini 7 月录得 9.5 亿用户,Pew 数据显示一半美国成年人已在用聊天机器人。文章认为人们反感的不是技术本身,而是企业无孔不入的推销方式。

10月2日周五
  1. MIT Technology Review · AI12

    用自主 AI 重新定义企业智能:MIT Technology Review 报告解析“智能体转型”

    MIT Technology Review 报告指出,企业 AI 的规模化瓶颈是结构性的,2026 年全球 AI 投资将达 2.5 万亿美元、同比增长 44%,但多数企业仍未靠 AI 实现收入增长。报告提出“智能体转型”需同步重构架构与运营模式:以数据可访问性而非数据量重建基础设施、用可组合架构替代固定技术栈,并解决 AI 主权问题。

10月1日周四
9月30日周三
  1. 量子位22

    量子位对话西门子Xcelerator与阿丘科技:工业AI如何从1走向100

    西门子Xcelerator中国销售与生态成功负责人顾欣与阿丘科技创始人兼CEO黄耀在量子位对话节目中,围绕工业AI从落地到规模化展开讨论。黄耀介绍,导入智能体技术后设备OEE和产能可提升25%左右,并提出“高价值、数据ready、技术可行”的优先落地交叉点。顾欣表示,西门子Xcelerator希望做好连接器与放大器,补上从0到1验证到1到100商业成功之间的生态拼图。

9月29日周二
  1. MIT Technology Review · AI12

    HPE:如何让 AI 从费用变成资产

    HPE 提出企业 AI 支出应从按 token 计费的消费模式转向自有算力投资,判断标准是需求是否稳定、可预测且规模足够。文章援引 Deloitte 2026 企业 AI 报告称,2025 年员工 AI 使用率上升 5%,至少 40% AI 项目进入生产的公司数量预计半年内翻倍。企业需按实际工作负载测算自有算力的经济性交叉点,并通过采用、治理和用例扩展保持算力持续产出。

9月23日周三
9月22日周二
  1. MIT Technology Review · AI38

    别被这个夏天的 AI 炒作骗了:Claude Mythos、Astra 与"超级智能"叙事

    针对今夏一系列 AI 炒作,文章指出 Anthropic 的 Claude Mythos 找漏洞、OpenAI 的 Astra 宣称解决数学难题等事件,在专家核查后均被大幅修正,数学界还指控 OpenAI 存在研究不端与抄袭。作者认为"超级智能""失控模型"的说法把责任从企业转移到产品身上,呼吁政策制定者听取独立专家意见、不要依据新闻稿做决策。

9月21日周一
  1. 爱范儿50

    理想智驾被指「不遵守交规」?端到端大模型为何学会「普遍违规」

    理想 i9 发布会展示的智驾演示视频中,车辆在「停车让行」标牌前仅减速通过而未完全刹停,被指为违规案例。文章指出,端到端大模型从真实驾驶数据中习得老司机的博弈习惯,加之不合理限速与环岛、斑马线等场景的通行效率压力,辅助驾驶的轻微违规几乎成为保住产品可用性的必然做法。GB 47955—2026 要求 L2 级辅助驾驶默认巡航目标车速不得高于识别到的道路限速,将于 2027 年 1 月 1 日实施。

9月19日周六
9月17日周四
9月15日周二
  1. 爱范儿60

    号称人类造的最后一个 AI 要来了,刷屏全网的 RSI 是什么

    RSI(递归自我改进)成为 AI 圈新热词,指 AI 自己写代码、跑实验、改训练流程,再把改进传给下一代模型。上海交大、清华、字节跳动、上海人工智能实验室等合作的预印本《The Last AI Built by Humans》将 RSI 自主性划分为 L1 至 L5 五个层级,L5 意味着改进机制本身也成为改进对象。

9月14日周一
  1. TechCrunch · AI30

    AI 行业最新末日警告背后:Anthropic 研究员离职与 P(doom) 之争

    AI 研究员 Jacob Coxon 从 Anthropic 离职,称头部 AI 公司正在"拿我们的生命赌博",Anthropic 对齐负责人随即发帖称"我们确实真诚相信 AI 可能杀死全人类",并给出未来十年超过 10% 的概率。TechCrunch 的 Equity 播客围绕这轮警告展开讨论,质疑"我们"指谁、10% 这一数字缺乏依据,并追问这类表态是否在为公司 IPO 造势。

9月12日周六
  1. The Decoder71

    25 位菲尔兹奖得主联署警告 AI 正在让数学界变笨

    25 位菲尔兹奖得主发表联署声明,警告 AI 产业与数学界的目标严重错位,用 AI 批量产出解题答案可能摧毁数学赖以发展的理解过程。声明指出,著名未解难题的价值在于解题过程中产生的新思维,而 AI 生成的解答往往没有时间做完整写作、方法梳理和引用,带来严重的署名与抄袭问题。

9月8日周二
9月7日周一
9月6日周日
  1. 爱范儿38

    南大副教授蒋炎岩课程 PPT 称「没有 Token 的 CS 学生应该立即退学」

    南京大学计算机学院副教授蒋炎岩在《生成式软件工程》课程 PPT 中写下「没有 Token 的 CS 学生应该立即退学」,引发知乎等平台讨论。他真正想表达的是 token 正成为需要被认真对待的资源,美国 Middlebury 学院调查显示 80% 以上本科生只用免费版 AI,付费与免费学生在使用频率和信任度上存在统计显著差异。

9月4日周五
  1. TechCrunch · AI28

    AI 生成菜单为何千篇一律:模型收敛与"恐怖谷"效应

    生成式 AI 菜单正大举进入餐饮业,但模型基于狭窄的"讨喜"审美训练,导致食物图片过度光滑、对称,引发消费者不适。Reality Defender CTO Alex Lisle 指出,这属于模型"收敛"而非模型崩溃,反复编辑会让图像愈发圆润失真。德国杜伊斯堡-埃森大学研究发现,AI 生成食物图片会触发"恐怖谷"效应,越接近真实反而越令人反感。

9月3日周四
9月1日周二