人工智能资讯 第11页
聚合当前分类下的最新内容，按时间顺序查看第 11 页精选文章。
Opendoor撤出印度：AI没打穿外包，但人海流程的账开始不好算了
Opendoor关闭开设不到两年的印度业务，CEO Kaz Nejatian称运营要回流美国、靠近客户，并转向更小的AI原生团队。 这不是“AI击穿印度外包”的证据。更准确的说法是：住房市场压力、公司缩编、AI自动化，一起在重算低成本人力外包的旧账。
datasette-agent 0.2a0：Agent 会写 SQL 不稀奇，会停下来问人才稀奇
Simon Willison 发布 datasette-agent 0.2a0：工具现在能在执行中向用户提问、暂停流程，并把未回答问题持久化。新增的 save_query 可保存 Agent 生成的 SQL，但必须展示完整信息并由用户点击 Yes。看点不在功能有多大，而在 Agent 开始把“副作用发生前让人接管”做进产品流程。
“93%匹配”之后被捕：佛罗里达人脸识别案的关键不是算法错了，而是警方信了多少
佛罗里达男子 Robert Dillon 起诉多地警方，称自己因人脸识别“93%匹配”被错误逮捕并遭起诉，相关指控后来已被检方撤销。诉状的重点不只是算法误报，而是警方是否把相似度分数当成调查结论，并遗漏了可排除嫌疑的信息。对 AI 执法和司法科技从业者来说，这案子真正要看的，是人脸识别结果能不能进入逮捕令材料、以什么身份进入、由谁负责核验。
新 Siri AI 还没证明自己更聪明，但先学会了闭嘴
The Verge 记者试用 WWDC 2026 后的新 Siri AI，发现它比 Gemini、ChatGPT 更短、更冷、更像工具。 这不等于 Siri 已经追上主流 AI 助手；目前能判断的只是交互气质：苹果把它放在“办事入口”，而不是“陪聊对象”。 对苹果用户来说，iOS 27 秋季公开发布前不必急着为 AI 换机或改工作流；更该看它到时能不能在复杂任务里少说也能办成事。
OpenAI 接入 Oracle 云承诺：企业 AI 开始拼采购通道了
OpenAI 与 Oracle 合作，未来数周内，符合条件的 OCI 企业客户可用 Oracle Customer Hub/UCM credits 访问 OpenAI 前沿模型和 Codex。关键不在“多一个入口”，而在 OpenAI 正把模型塞进企业已有云预算、采购流程和治理框架。别读过头：这不是免费开放，也不是宣布 OpenAI 模型原生部署在 OCI 上。
Codex 进了黑洞模拟，但关键不是 AI 会算黑洞
亚利桑那大学和 Steward Observatory 研究者 Chi-kwan Chan 正在用 OpenAI Codex 辅助推导、实现和测试黑洞附近等离子体的数值算法。重点不是 AI 已经解决黑洞模拟，而是它能把候选算法更快送进可读、可测、可复现的流程。对 AI 科研应用读者，判断标准应从演示效果转向验证链；对高性能计算读者，变量在于算法能否减少无效的小时间步开销。
杨安泽不等华盛顿了：Noble Mobile能返钱，但补不了AI分配缺口
杨安泽在 TechCrunch Equity 播客中谈到，他不再只等华盛顿推动 UBI 或 AI 劳动力政策，而是用 Noble Mobile 这类创业项目先做实验。Noble Mobile 的卖点是奖励用户少用手机，对抗注意力经济；它有现实价值，但更像行为激励，不是 AI 时代的分配方案。真正要看的不是产品口号，而是返钱从哪里来、能覆盖谁、能不能长期成立。
xAI 工程师起诉风波：Grok 安全警报撞上 SpaceX IPO
前 xAI 工程师 Devin Kim 起诉 xAI 及其母公司 SpaceX，称自己因多次警告 Grok 安全风险，在 2025 年 9 月被解雇。 这仍是起诉书指控，不是法院认定；但它把一个关键问题推到台前：当发布速度、模型性能和上市叙事相撞时，AI 安全有没有真正的否决权。 最该看的不是 Grok 又出争议，而是 xAI 接下来能否拿出可验证的安全流程、内部权限和测试记录。
Google 开放 DiffusionGemma：扩散式文本生成从演示走向可调用模型
Google 将此前短暂露面的 Gemini Diffusion 研究，以开放权重 Gemma 模型 DiffusionGemma-26B-A4B-it 形式发布，并采用 Apache 2 许可。它的重要性不在于又多了一个大模型，而在于高速扩散式文本生成第一次更接近开发者可下载、可调用、可评测的形态。
Google DiffusionGemma：4 倍速度背后，本地 AI 开始换赛道
Google DeepMind 发布实验性开放模型 DiffusionGemma，用扩散式文本生成一次并行产出最多 256 个 token，部分硬件上宣称约为同级自回归 Gemma 的 4 倍速度。它真正指向的不是替代 Gemini，而是本地 AI 的效率路线：用计算换带宽，用并行压低延迟。开发者可以试，但不该急着迁移；短输出、错误率和部署成本还没算清。
Anthropic CEO 主张前沿 AI 强制测试：透明度监管可能不够用了
Anthropic CEO Dario Amodei 在 2026 年 6 月发文称，前沿 AI 的风险已经不能只靠披露和观察来处理，算力阈值以上的模型应接受第三方测试和审计。真正的变化，是监管类比从社交应用、加密货币，转向飞机、汽车和药品：上线前要测，出事后可限制、撤回或阻断部署。对 AI 公司、企业采购方和投资人来说，这意味着发布节奏、合规成本和估值逻辑都要重新计算。
德国法院给 AI 搜索划线：Google 不能把错误摘要当普通链接
德国一项临时裁定认为，Google 需为 AI Overviews 生成并传播的虚假陈述承担责任，相关错误内容不得继续展示。关键不是 AI 搜索被禁止，而是法院把 AI 摘要看成 Google 自己的新陈述，不是第三方网页的被动展示。对 AI 搜索团队和企业品牌方来说，纠错、引用、下架机制会变成硬成本。
Claude Fable 5 拒答基础生物学：AI 安全护栏开始误伤正常知识使用
Anthropic 新发布的 Claude Fable 5 被称为其广泛开放的最强模型，却会拒答细胞膜、线粒体、mRNA 疫苗等基础生物和医学问题。关键不在于模型不会，而在于 Anthropic 为防生物武器风险主动加严护栏；这暴露出前沿模型发布时，安全控制与可用性之间的矛盾正在变得更尖锐。
Claude Desktop 只聊天也拉起 1.8GB VM：Agent 桌面化的边界失控
有用户报告，Windows 版 Claude Desktop 在仅聊天时也会随启动拉起约 1.8GB 的 Hyper-V 虚拟机进程。这个案例目前只能视为单个 issue，不能证明大规模故障。真正刺眼的是默认边界：轻量聊天入口，被重型 agent 基础设施拖住了。
Instagram 让用户调算法：旋钮给你，方向盘还在 Meta 手里
Instagram 准备把 Your Algorithm 扩展到主信息流，用户可查看并修改平台判断出的兴趣主题。现在能动的是 topics，未来计划支持人物、情绪、内容类型等请求。它给用户更多调参入口，但真正的排序、分发和商业权力仍在 Meta 手里。
Google不确认Lyria是否使用YouTube音乐，独立创作者起诉把问题推上台面
独立音乐人起诉Google，称其未经授权使用他们上传到YouTube的原创歌曲训练Lyria 3；Google申请驳回，理由是原告无法证明具体作品被训练，且YouTube条款已授予广泛许可。真正要看的不是Google有没有能力调用YouTube内容，而是它为什么在诉讼中不确认Lyria的数据来源。对音乐创作者来说，上传作品不再只是发布和变现，也可能牵涉到AI训练授权的边界。
美国AI监管为何突然变难：一场晚宴、三次行政令变动和2026选举
华盛顿AI圈正在重新站队：伦理、安全、利润和选举算计被放到同一张桌上。特朗普政府AI行政令在多方游说中反复调整，说明监管强度并不只由技术风险决定。2026中期选举会成为科技行业最难控制的变量，国会席位、委员会归属和选民反AI情绪都可能改写规则。
毕业典礼上嘘声四起，微软听懂了年轻人对 AI 的不信任吗
美国多所高校毕业典礼上，演讲者鼓吹 AI 时遭毕业生喝倒彩，微软总裁 Brad Smith 用一篇超过 3100 字的博客回应。微软承认学生的不安，也说 AI 应服务人而不是取代人，但它仍把 AI 普及当成默认前提。真正的矛盾不是学生没听懂 AI，而是科技公司低估了公众对它们的不信任。
AI 记忆不总是加分项：Writer 研究称个性化可能放大错误迎合
Writer 发布两篇研究，称 AI 记忆和个性化工具在相关性判断失效时，可能把用户偏好或误解带进无关回答。真正重要的不是“记忆功能有害”，而是产品团队不能把更多上下文等同于更可靠的输出。
AI花费快追上工资了吗？Ramp数据显示只有最激进企业接近这条线
Ramp AI Index显示，美国AI使用最激进的前1%企业，每月人均AI支出约7500美元，但仍低于软件工程师约1.6万美元的平均月薪。真正重要的不是“AI已经比人贵”，而是少数重度企业正在把AI预算推到接近核心人力成本的量级。
DiffusionGemma 提速最高 4 倍：适合本地交互，不是 Gemma 4 替代品
Google DeepMind 发布实验性开放模型 DiffusionGemma，用文本扩散方式并行生成文本，官方称在专用 GPU 和特定推理栈下最高可实现 4 倍提速。它更像是给本地交互、低并发应用准备的速度型模型，不是 Gemma 4 的高质量生产替代品。开发者该做的是小范围压测和场景拆分，而不是马上迁移主链路。