SpaceX 与 Tesla 成立特别委员会讨论合并
SpaceX 与 Tesla 已成立特别委员会讨论合并,马斯克在 SpaceX 财报电话会上称两家公司合并“很有价值”,理由是可在超级智能软件上合作。SpaceX 第三季度 AI 部门收入达 75.6 亿美元,其中 Cursor 贡献 6.08 亿美元,其余多来自向 Anthropic 和 Google 出租算力。
SpaceX 与 Tesla 已成立特别委员会讨论合并,马斯克在 SpaceX 财报电话会上称两家公司合并“很有价值”,理由是可在超级智能软件上合作。SpaceX 第三季度 AI 部门收入达 75.6 亿美元,其中 Cursor 贡献 6.08 亿美元,其余多来自向 Anthropic 和 Google 出租算力。
Modal 在 $5B C 轮后已跨过 $1 billion 年化收入,并以 $16B 估值完成 $750 million D 轮融资,累计启动近 three billion 个沙箱。
Laika 新片《Wildwood》导演兼 CEO Travis Knight 表示,生成式 AI「与这家工作室的一切背道而驰」,认为技术应由艺术家掌控,AI 产出的内容「没有灵魂、没有人类性」,本质是盗窃。
Moshi CEO Anekha Sokhal 正在为交易员构建一款推荐引擎,把市场信息与交易员持仓真正相关的部分连接起来。她将 Moshi 形容为 Bloomberg、Claude 和 Netflix 的结合体:市场数据、操作界面,以及针对交易员定制的推荐。她还在访谈中谈到可信信源、文档抽取、自建还是采购模型,以及被要求"你就是团队"的 AI 工程师所承受的压力。
Moshi 正在为大宗商品交易员构建推荐引擎,把市场信息与交易员持仓组合真正相关的部分连接起来。CEO Anekha Sokhal 称 Moshi 像是 Bloomberg、Claude 和 Netflix 的结合体:市场数据、操作界面,以及为交易员量身定制的推荐。她还在 AI Engineer New York 谈及可信信源、文档提取与自建还是采购模型的取舍。
比尔·盖茨在 Decoder 访谈中表示,社会需要为大约 20 年动荡的 AI 冲击期做准备,这段时期可能把社会分成靠近技术前沿与拒绝技术两类人。他认为当前风险主要来自可被移除全部防护的模型,近期威胁是网络攻击、生物攻击和就业冲击,而完全失控并非迫在眉睫。
Celonis 企业 AI 首席科学家 Devavrat Shah 提出“决策智能”,主张 AI 智能体必须理解业务流程与数据上下文,否则会忽略约束、犯错或浪费算力。他建议企业从具体业务决策切入,先找出最难的环节测试 AI 能否提速并衡量价值,再决定是否规模化。
WD 内部测量显示,一段 8 秒 AI 视频(用户拿到的 720p 文件仅 3.97MB)在后端留下超过 500MB 关联数据,是输出文件体积的 130 倍。WD 委托 IDC 对 763 名 IT 与业务决策者的调查中,近 95% 称过去 12 个月生成式 AI 导致数据量增长,约 61% 增幅达 25% 以上。
Blackstone 高管 Jas Khaira 在 TechCrunch Disrupt 上表示,市场对 AI 基建债务引发信贷危机的担忧被夸大,因为多数数据中心由超大规模云厂商建设,债务最终由信用最好的公司背书。
Apple Music 推出由人工打造的全新品牌形象,在 AI 生成内容泛滥的背景下强调"人手制作"的价值。文章认为,展示人类亲手创作的过程,有助于品牌在 AI 内容充斥的环境中建立区分度。
OpenAI 发布前沿 AI 民主治理系列第二部分,提出赋能网络防御者的蓝图,涵盖更强防护措施、现代化网络安全与更具韧性的公共机构。该蓝图聚焦利用前沿 AI 提升防御方能力,并配套相应保障机制。
Google DeepMind 创始人、诺贝尔化学奖得主 Demis Hassabis 表示,AGI 可能在两到三年内到来,而他今年早些时候给出的估计还是三到五年。
Tenex 联合创始人 Alex Lieberman 与 CJ Hess 在 AIE New York 分享了公司如何把"按交付成果付费"的模式扩展到工程组织,目前团队已增至 75 人,客户覆盖财富 2000 强与中型企业。
前英伟达产品营销人员、现 Techable Ventures 创始人兼管理合伙人 Amulya Vishwanath 表示,物理 AI 目前仍处于“乐高时代”,而非外界期待的机器人“ChatGPT 时刻”。她认为机器人手、执行器等基础软件与构件正被重新设计,通用与专用机器人同时在推进,规模化创新尚需时间。她还强调人才是美国市场的关键壁垒,并称自己的人脉网络可帮助创始人对接顶尖人才。
SF Compute 正把 GPU 算力做成可交易市场,不仅支持买卖当前与未来的 GPU 小时,还能以编程方式控制从网络到内存的整栈资源。CEO Evan Conrad 称公司已从转租集群扩展到自建云运营能力,以实现"物理交割"——买家拿到可用算力而非现金结算。他认为 NVIDIA 因缺乏中立性无法自建此类交易所,而 SF Compute 通过匹配不同约束条件的订单在技术迭代期维持交易可行。
Microsoft Research Catalyst Lab 负责人 Chris White 在播客中讲述其从哈佛博士后借调 DARPA、赴阿富汗领导先进技术行动,到开发暗网搜索工具协助打击人口贩运的经历。他因相关工作获得 2016 年美国总统打击人口贩运杰出贡献奖。对话还讨论了问题选择在创新中的作用,以及目睹人性阴暗面后如何保持希望。
HPE 提出企业 AI 的成本衡量应从 token 或 GPU-hour 单价转向"每个有用成果的有效成本",即完成可被业务使用的请求或工作流所需的平台、模型、运营与算力总成本。
TripleTen 2026 年调查显示,科技行业领跑 AI 采用,金融紧随其后:48% 的金融从业者被要求使用 AI 聊天机器人,32% 被要求自动化部分工作流程;医疗为 18%、教育为 25%。79% 的受访者被要求学习至少一项新技能,但仅 30% 的管理者认为判断 AI 输出对错是必备能力。科技从业者年均自费培训 $1,758,医疗与教育分别仅 $990 和 $883。
Simon Willison 撰文回应 Jeremy Scheff 的观点,称 coding agents 让热爱解谜的程序员失去了编程中最核心的乐趣。Scheff 认为编程曾是高薪的逻辑解谜工作,策略、时间线和可行性都由程序员决定;对只想构建可用系统的人,LLM 是持续馈赠,而对享受直接解题的人,这种损失非常真实。
Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示,嵌入式 AI 评估器并非简单解法,评估结果的可复现性依赖开放权重,而当前评估方法之间难以有效比较且失效较快。她指出智能体评估既困难又昂贵,行业对 harness 的评估远少于对模型的评估,评估者资质标准也亟需统一。
The Verge 分析指出,CoreWeave 债券已跌入困境区间,股价自上周二收盘以来下跌超过 20%,其第二季度债务超过 350 亿美元、上半年亏损超过 10 亿美元。
MIT Technology Review 文章指出,OpenAI Dots、Meta Muse 等个人 AI 智能体应用上线后,智能体网页流量在 8 月至 9 月增长两倍,Muse 首月下载量达 500 万次,但许多网站选择直接封禁这类智能体。
Goodfire 研究员 Nick Cammarata 发布 26,000 字长文,提出 LLM 可能比此前认为的更容易理解、监控和控制,并以 Inception v1 中同时响应猫与车的神经元为例,认为两者共享 V 形结构,此前被误读为 superposition。
伊利诺伊州州长 JB Pritzker 在 Decoder 播客中表示,AI 既可能帮助人类活到 100 岁,也可能像核武器一样构成威胁。他还谈到数据中心、隐私与反垄断正引发两党反弹,并认为政府应在科技问题上更强硬地保护民众,而非一味与企业合作。
民主党有望在中期选举中夺回国会至少一院,从而掌握委员会主导权,对 AI 公司展开更严格审查。关键委员会高层已表示将就数据中心税收抵免和近期黑客事件施压,并可传唤 CEO 作证。与 Karthik Ganapathy 共同创立超级 PAC「Tomorrow Together」的 Rob Flaherty 上周在众议院选战投入 400 万美元广告,抨击共和党候选人在 AI 议题上脱节。
Claude Code 团队认为"人类是否读过代码"是判断风险的粗略代理指标,真正该问的是"这次改动可能出什么问题、该由哪种检查(自动或人工)来发现"。审查因此从 PR 末尾的关卡变成持续进行,类似写作时的拼写检查,多数改动在人工查看前已被 Claude 至少审查并修复一次。
斯坦福大学博士生Samuel King用生成式AI模型提出微型病毒的遗传蓝图,这还不是AI生成生命的实例,但可能是下一步。MIT Technology Review资深AI记者James O'Donnell就此采访了King,话题还包括他入选Innovators Under 35以及观察生物学的新方式。
The Verge 三位作者用一周时间测试了搭载 NVIDIA RTX Spark N1X 的五款笔记本,包括 Surface Laptop Ultra、Asus ProArt P16、Lenovo Yoga 9n 和 HP OmniBook Ultra,售价从 3199.99 美元到 6999.99 美元。
AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架,主张在动作可被验证时让智能体自主执行,只在需要判断的决策上保留人工介入。
OpenAI 金融服务 ChatGPT 负责人 Joseph Kim 在 AIE NY 提出"有用性阈值",称模型能力提升将让金融分析师把更多工作交给智能体,并预测明年智能体可做投资想法生成与交易。
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在 Latent Space 访谈中介绍,Dyna-2 是在超过一百万小时人类视频上预训练的世界动作模型,通过预测未来视频来引导机器人动作,新任务只需约 45 分钟演示数据即可学会。
Anthropic 发布报告称,Z.ai 于 8 月发布的开放模型 GLM-5.3 可被任何人自由下载和修改,构成重大网络攻击风险。开放权重模型支持本地运行、重训、微调与内部结构研究,且通常比闭源模型成本更低;但截至发稿,Artificial Analysis LLM 排行榜前八名仍全部为闭源模型。争论核心在于安全与权力分散之间的取舍。
Anthropic 2021 年提出大语言模型应“有用、诚实、无害”,如今拒绝回答已成为 AI 安全的核心机制,企业通过奖励拒答有害提示、惩罚过度拒答来训练模型。但拒绝机制是概率性的,既可能被恶意用户突破,也可能被用来压制合法言论,OpenAI 董事会成员 Zico Kolter 称“界限画在哪里是个大问题”。
MIT Technology Review 发文指出,尽管马斯克称 Optimus 可能成为史上最大产品并预测 2027 年底前向公众销售,但多数机器人研究者认为语言与图像智能难以直接迁移到物理世界。
AVEVA 首席技术官 Arti Garg 提出,工业 AI 正从预测分析转向基础模型、physical AI 与 agentic AI,部署须以安全、可靠和人类监督为前提。她主张 AI 应增强而非取代关键决策中的人,并以护栏界定自动化边界;一项研究显示工业领域 AI 采用率两年内增长约 78%。她还参与 IEEE 工作组制定衡量 AI 电力、水、碳等环境足迹的标准方法。
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界,以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学转向计算机科学的经历,分享使用当前 AI 系统的实用建议,并强调结果偏离预期时应仔细检查数据。
GitHub Copilot 应用推出 canvas,一种在应用内运行、无浏览器外壳的全栈小应用,可与 Copilot 智能体双向通信,并能在本地执行代码、调用第三方 API。
UC Berkeley 的 Aditya G. Parameswaran 等人提出,推理成本正快速趋近于零——GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不足 $1,部分厂商已低于 $0.10,基准测试中推理价格年降幅在 9x 到 900x 之间、中位数约 50x。
自适应并行推理让模型自行决定何时分解并并行化子任务、开启多少并发线程以及如何协调。现有方法如 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由模型外部设定,不随问题难度调整。文章梳理该领域进展,指出不同问题需要不同并行度。