人工智能资讯 第19页
聚合当前分类下的最新内容，按时间顺序查看第 19 页精选文章。
K-pop 深伪争议：AI 把偶像亲密感做成了流水线
部分 K-pop 粉丝用生成式 AI 制作偶像被拥抱、亲吻乃至性化的深伪图像和视频，Reddit 等社区已有粉丝公开点名并呼吁举报。争议最刺眼的地方，是相关内容还涉及未成年偶像，边界从饭圈二创滑向非自愿数字占用。我的判断是：这不是普通二创升级，而是 AI 把偶像工业长期售卖的拟亲密关系推到了失控边界。
Ladybird 不再接受公开 PR：AI 编程时代，开源项目开始重算信任成本
Ladybird 创始人 Andreas Kling 表示，项目将不再接受公开 Pull Request，核心原因不是反对 AI 写代码，而是大补丁已不能再可靠代表贡献者的善意和投入。这个决定把开源协作里长期默认的信任机制摆到台面：代码进了真实用户使用的浏览器，谁来负责，比代码是不是手写更重要。
Sidewinder 把 AI 写出的 DNA 造快了，但别急着叫它人工基因组打印机
加州理工团队提出 DNA 组装方法 Sidewinder：用分子条形码引导寡核苷酸按顺序连接，在单管内并行合成长 DNA，报告错误率约为每 1000 万次连接 1 次。团队已用 Evo 2 设计并无错构建 1.25 万碱基的大肠杆菌基因组片段，类似项目过去可能要一个多月，现在有望压到几天。关键不在“AI 又会写基因”，而在实验室制造开始追上模型；收益会先给 AI 生物设计团队和药企，风险也会更早落到准入、审查和平台控制上。
50 美元微调出 90 年代微软文档腔：小模型会摹形，不会负责
一名技术写作者用 Bitsavers/Internet Archive 上的微软旧手册语料，对 Llama 3.1 8B 和 Qwen 2.5 7B 做了本地 QLoRA 微调，训练支出约 50 美元。实验表明，小模型已经能低成本学习技术文档腔调，尤其是 Qwen 微调版本更像 90 年代微软手册。它的边界也很清楚：适合风格迁移和草稿辅助，不适合替代技术写作者做事实判断。
Mira Murati 重新露面：Thinking Machines 不能只靠前 OpenAI 光环了
Mira Murati 在沉寂约 18 个月后，现身 Bloomberg 旧金山访谈，为 Thinking Machines Lab 的 interaction models 预热，但没有给出发布日期。Thinking Machines 已有 Tinker 这个开源模型微调 API，新方向则瞄准音频、文本、视频连续流交互，约 200 毫秒一轮处理。更关键的是，她这次不是发布产品，而是在向市场证明：这家公司有方向、有组织能力，也有一套关于 AI 治理的说法。
微软Scout“让人上瘾”文件风波：纳德拉否认目标，但责任链没说清
404 Media披露，微软Scout内部策略文件把第一阶段目标写进了“make people addicted”。纳德拉随后在内部否认这是公司目标，并称不确定文件来源。 这件事目前不能证明Scout造成用户成瘾，也不能把内部文件等同于微软公开战略。真正的问题是：带负责人署名的AI产品策略文件出现高风险措辞后，微软如何解释、追责和留痕。
NVIDIA 4B 安全模型上架 Hugging Face：重点不是拦截，而是谁能写规则
NVIDIA 在 Hugging Face 发布 Nemotron 3.5 Content Safety：4B 参数，基于 Google Gemma 3 4B IT，支持多模态、多语言、自定义 policy 和可审计输出。它的重点不是再做一个内容审核分类器，而是把企业 AI 安全推进到“可定制、可解释、可留痕”的治理层。真正要看的不是模型口号，而是 policy 怎么写、延迟能不能扛住、审计责任最后由谁承担。
AI 编程争论的要害：速度和可信度要接上同一条反馈回路
1. Simon Willison 转引 Charity Majors 的观点：AI 拥护者和怀疑者面对的都是现实风险，只是风险方向不同。 2. 拥护者怕错过能力跃迁，怀疑者怕代码产出超过可审查能力，拖垮可靠性、知识传承和运维。 3. 对工程负责人来说，关键不是站队，而是把 AI 使用、代码审查、测试、事故反馈和责任边界接成闭环。
大模型开始被测试“政治免疫力”了
爱沙尼亚语言研究所 ELI 和 Propastop 推出“宣传抵抗力”基准，测试数十个大模型在英、爱沙尼亚语、俄语中抵抗俄罗斯战略叙事的能力。Claude 系列在该基准中领先，Claude Opus 4.7 总分 94.9；但更关键的变量是：部分模型换成俄语提问后防线明显变薄。这不是全球通用安全排名，而是一张提醒牌：大模型正在被拉进国家叙事竞争。
人形机器人越像人，越要先问三件事
人形机器人跳舞、后空翻、倒酒、搬箱子的视频正在走红，但这些画面只能说明局部能力，不等于稳定、自主、可泛化的工作能力。真正该看的不是它像不像人，而是是否完全自主、换环境能否重复完成、失败和人工介入有没有被展示。对投资、采购和产品团队来说，短视频可以看热闹，决策要看量化测试。
Chesky想另起AI实验室：Airbnb CEO不是离场创业，而是在试探新的AI入口
Airbnb CEO Brian Chesky计划支持成立一家新的AI实验室，消息最早由Bloomberg披露，TechCrunch随后获知情人士确认。关键不在于Airbnb要全面转型AI，而在于Chesky这位OpenAI早期盟友，开始试探把AI能力掌握在自己更熟悉的交互和设计层面。
Anthropic秘密递表IPO：收入跑得很快，算力账单也追得很紧
Anthropic已秘密提交IPO申请，按报道，此前它以约9650亿美元估值融资650亿美元，且需求超额。公司5月年化收入超过470亿美元，较2025年底约90亿美元大幅增长，但这不是全年确认收入，也不是利润。真正的考题是：企业AI回报还在验证，算力成本又很重，公开市场会要求Anthropic证明增长能留下来。
QKV 不是圣物，KV Cache 才是账本
ICML 2026 一篇论文系统测试 Transformer 的 Q/K/V 投影共享，发现共享 Key-Value 能把语言模型 KV cache 减半，只带来 3.1% 困惑度退化。它没有推翻三投影结构，但把注意力里的默认冗余量化了：端侧推理正在逼架构为内存账单让路。
Project Stratos削地近半，但犹他州AI数据中心的水电账还没算清
Kevin O’Leary承诺把犹他州Project Stratos数据中心用地从约4万英亩削减近半，移除约1.943万英亩，并再削减东北部近公路区域620英亩。这个让步没有达到犹他州参议院议长J. Stuart Adams提出的削减75%要求；即使缩到约2万英亩，项目仍大于曼哈顿。真正的争议还在后面：AI数据中心的土地、水、电、生态和社区成本，谁来承担、怎么约束。
ChatGPT 新记忆上线：AI 开始整理你没让它记住的事
OpenAI 开始向美国 Plus 和 Pro 用户推出基于 Dreaming 的新版 ChatGPT 记忆系统，之后会扩展到更多国家及 Free、Go 用户。 这次变化的关键，不是多存几条偏好，而是 ChatGPT 会在后台综合聊天历史，让长期上下文更连续、更及时。 对重度用户是效率红利；对平台权力来说，这是新的入口。谁掌握长期语境，谁就更容易留住工作流。
Google删掉“人在回路”：AI公司最怕写下责任
404 Media 报道 Google 员工内部分享吐槽其 AI 表现的 meme 后，Google 要求替换声明；新版本删掉了“维持人在回路中至关重要”。这不能证明 Google 取消人工审核，但说明“人工监督”这类话正在从安全承诺变成责任把手。对用户、企业客户和监管者来说，接下来该看的不是宣传里的“可信 AI”，而是企业是否愿意写清监督、申诉和追责机制。
Windows 重回 Build 开场：微软想把 AI PC 从口号拉回本地算力
微软在 Build 2026 开场把 Windows 放回核心位置，纳德拉用 Surface RTX Spark Dev Kit 吸引开发者，并称它为“dream machine”。 英伟达以 RTX Spark 芯片重返 Windows on Arm，微软和英伟达把它包装成 PC 的新起点，但现在还缺价格、性能、出货和采用度这些硬指标。 我更在意的是：Windows 是否正在从传统操作系统，转向承载本地 AI agent 和企业自有算力的平台。
Waymo载客去偷瑜伽服，真正暴露的是无人车影像取证边界
今年1月，旧金山一名窃贼乘坐Waymo无人出租车前往Hot 8 Yoga盗走瑜伽服后离开，警方至今未抓获嫌疑人。案件重点不在于“无人车帮助犯罪”，而在于车载影像保存、隐私模糊处理与执法调取之间的现实落差。它提醒城市管理者：robotaxi既不是天然的监控车，也不是完全脱离公共安全体系的普通交通工具。
WWDC 2026：Siri 要从语音按钮变成办事入口，苹果最难的一关还没过
WWDC 2026 将于太平洋时间周一上午 10 点开幕，重点预计落在 Siri 大改版、Apple Intelligence 扩展和多系统 AI 功能上。最关键的看点不是苹果补了多少模型能力，而是 Siri 能否从问答工具变成跨 App 办事入口。普通用户可以观望，开发者要盯紧代理权限、调用规则和 App Store 分成逻辑。
Meta 在 Facebook 推 AI 创作者助手：效率工具背后，是平台编辑权
Meta 在 Facebook 推出面向创作者的 AI 助手，先在美国、加拿大、印度上线，可基于账号表现、社区和目标，回答发帖时机、评论反馈、受众变化和趋势选题等问题。它不是自动写稿工具，更像把后台数据、选题建议和发布节奏做成对话入口。对创作者来说，这是省时间；对 Meta 来说，这是把内容供给更紧地留在自家生态里。
华为开源 KVarN：长上下文推理，账单卡在 KV-cache
华为 CSL 开源 KVarN，一个基于 vLLM v0.22.0 的 KV-cache 量化后端，Apache 2.0 协议，README 宣称 one flag 启用、无需校准，可把 KV-cache 容量提升 3-5 倍。更关键的是，它在披露测试中给出最高约 1.3 倍 FP16 吞吐、FP16 级准确率，并声称最高约 2.4 倍 TurboQuant 吞吐。我的判断：这不是模型能力新闻，而是长上下文和 Agent 服务开始认真清算 KV-cache 成本。