人工智能资讯 第4页
聚合当前分类下的最新内容，按时间顺序查看第 4 页精选文章。
1MHz 的 C64 都能跑 Transformer：这项目没颠覆 AI，却把“大模型神话”拆得很干净
开发者把一个约 2.5 万参数、两层的 decoder-only Transformer 真跑在 1982 年的 Commodore 64 上了：1MHz 处理器，未改装原机，模型和程序还能塞进一张软盘。它当然不是“古董机版 ChatGPT”——60 秒才出 1 个 token、上下文只有 20 token、词表只有 128 个——但也正因为限制写得这么明白，这件事反而更有价值：架构没有神秘到不可触碰，真正贵的是把它做大、做快、做成平台控制力。
Snap大裁员背后：当AI开始“提效”，社交媒体员工先感到了寒意
Snap宣布裁掉约1000名员工，占全球员工总数的16%，理由之一是AI正在帮助团队减少重复劳动、提高效率。这不只是又一家科技公司缩编，而是一个更刺眼的信号：在AI被包装成增长引擎的同时，它也越来越直接地改写科技行业的用工逻辑。
AI不会只抢饭碗，它还会发明一批新工种：从“提示咒术师”到“背锅侠”
程序员兼作家 Aphyr 对大模型时代的新职业做了一次辛辣想象：未来最吃香的，未必是写代码的人，而可能是会“哄模型”、查错、训练、追责和解释模型失控的人。这篇文章真正刺中的问题是，AI并没有消灭劳动，而是在把人类重新塞进机器流程的缝隙里——有些岗位更专业了，有些则更像体面的“背锅位”。
OpenAI给 Responses API 接上 WebSocket：模型更快之后，真正拖后腿的成了接口层
OpenAI 这次更新 Responses API，重点不是新模型，而是给 agent 工作流加了 WebSocket 持久连接和连接级缓存。官方给出的结果很务实：在 Codex 一类多轮工具调用场景里，端到端速度最高可快约 40%。这件事真正说明的，不是“协议升级”四个字，而是 AI 产品的瓶颈已经从模型本身，挪到了 API 编排、状态复用和系统空转上。
当 AI 开始上班：它像同事，更像一个会道歉的“危险实习生”
技术作家 Aphyr 在新文章里给当下火热的“AI 员工”叙事泼了一盆冷水：大模型也许能写代码、做报告、接管部分白领工作，但它带来的并不只是效率，还有失真、失能和更脆弱的系统。真正值得警惕的，不是 AI 会不会立刻取代所有人，而是企业在“先裁员、后验证”的冲动中，把组织能力和人的判断力一起外包了。
扩散模型终于学会“回头看自己”：I-DLM 想把大模型生成速度和质量一起拉上去
长期以来，扩散语言模型总在“更快生成”这件事上吊人胃口，却始终过不了“质量不如自回归模型”这一关。I-DLM 的新意，不只是把扩散模型做快了，而是试图补上它最缺的一块能力：像人写作时那样，边往前写，边检查自己前一句有没有跑偏。
让 Claude 开塞斯纳：一场没飞成的 AI 试航，反而暴露了智能体最真实的短板
有人把 Claude 接进飞行模拟器 X-Plane 12，让它自己查 API、写控制脚本、尝试驾驶一架塞斯纳从海口起飞。结果很戏剧化：它能顺利起飞、能稳定巡航、也能一边飞一边改代码，但最后还是两次坠地。这件事好玩的地方不只是“AI 会不会开飞机”，而是它把当下智能体系统最关键的问题——实时控制、闭环执行和延迟——几乎原封不动地摊在了跑道上。
当科切拉被“假人”占领：AI 网红正在改写社交媒体的真实感
今年科切拉音乐节上，最抢镜的未必是真人网红，而是大量以假乱真的 AI 生成“数字博主”。这不只是一次社交媒体上的审美游戏，更是在提醒我们：当“到场”都能被生成，互联网赖以生存的真实感正在变得越来越廉价。
斯坦福敲响警钟：AI 圈越兴奋，普通人越焦虑，这道裂缝正在变深
斯坦福最新 AI Index 报告揭开了一个越来越刺眼的现实：AI 从业者谈论的是 AGI、超级智能和技术跃迁，普通人担心的却是工资、医疗和电费。问题不在于公众“不懂技术”，而在于 AI 行业长期用自己的语言讨论一场本该属于全社会的变革。
扎克伯格想让“AI分身”替自己开会：这不只是偷懒，而是Meta在测试下一个社交入口
据《金融时报》报道，Meta 正在训练一个“扎克伯格AI分身”，让它在公司内部与员工互动、提供反馈，甚至可能替创始人出席部分会议。这件事表面看像 CEO 的效率工具，往深了看，其实是 Meta 在拿自己老板做一次高风险产品内测：如果连“老板本人”都能被数字化复制，那么社交平台上的创作者、企业高管乃至普通用户，都可能成为下一个 AI 化身的样板。
当老师开始兼职“AI侦探”：ChatGPT 正把大学课堂拖进一场消耗战
一位美国大学教师的自述，道出了生成式 AI 进入教育现场后最真实、也最难堪的一面：它没有先“提升学习效率”，反而先瓦解了作业、反馈和训练思维的基本秩序。比作弊更麻烦的是，教师和学生都知道这条捷径存在，于是课堂从“如何学”悄悄变成了“如何防”。
AI也许不是新工业革命，而是数字时代的“收官之战”
当整个行业都在把AI包装成“下一次技术大爆炸”时，也有一种更冷静、甚至更刺耳的判断浮出水面：AI未必开启了新周期，反而更像是在替持续半个多世纪的数字浪潮做最后一轮深度渗透。这个视角的意义不在于唱衰AI，而在于提醒市场——如果AI本质上是效率工具，而不是新世界的底座，那么今天的估值、叙事和中美竞争逻辑，都可能需要重写。
Neuralink押错注了吗？当脑机接口从“意念鼠标”转向“意念说话”
Neuralink曾把脑机接口的未来讲成一部“人类与AI合体”的科幻大片，但现实正把这个行业拉回更朴素、也更迫切的方向：先让失语的人重新开口。相比控制光标，语音恢复型脑机接口近几年进展更快、临床价值也更直接，这或许说明马斯克并非完全走错路，但至少押注的优先级出了偏差。
一台“科学计算器”，也许真的能只靠一个运算符：数学家把 sin、log 和 π 都塞进了同一棵树
一篇新 arXiv 论文提出，一个看似古怪的二元运算 eml(x,y)=exp(x)-ln(y)，配合常数 1，竟能构造出科学计算器上的几乎整套基础函数。这不只是一个漂亮的数学把戏，它还可能改写符号回归和表达式搜索的方式：当所有公式都能压缩成同一种节点，机器寻找“正确公式”这件事，就突然变得更像训练神经网络了。
当 AI 一天能写 3.7 万行代码，程序员最珍贵的美德反而更稀缺了
知名工程师 Bryan Cantrill 最近抛出一个颇有火药味的观点：大模型最危险的地方，不是它会不会写代码，而是它根本不懂“程序员的懒惰”这项美德。表面上看，AI 把写软件的速度推到了夸张的新高度；但如果没有人类对抽象、简化和长期维护的坚持，代码产量越高，系统反而可能越臃肿、越难收拾。
别再把 AI 黑话当魔法了：从大模型到“幻觉”，一份看懂行业真问题的词典
TechCrunch做了一份AI术语表，看似是在“扫盲”，其实暴露了一个更现实的问题：今天的AI行业跑得太快，连最基础的概念都还没有统一语言。比起追逐AGI这类宏大叙事，普通人和企业更该关心的是，哪些词在定义产品能力，哪些词又只是包装融资故事的烟雾弹。
当乐高画风变成战争武器：伊朗如何用 AI 短视频改写舆论战
一边是看起来像玩具电影的鲜艳画面，一边是战机、伤亡与阴谋论，这种反差正是新一代 AI 宣传最危险的地方。BBC 的采访揭开了一层窗户纸：所谓“独立创作”的爆款账号，背后承认伊朗政府是客户，而这也说明，战争中的舆论战已经从电视台和新闻稿，迁移到算法推荐和 meme 叙事。
OpenAI 把 workspace agents 开给团队后，再看 Cirrus Labs 并入：它要抢的是企业流程入口，不是聊天窗口
OpenAI 已把云端 workspace agents 开放给 Business、Enterprise、Edu 和 Teachers 套餐，团队可以制作并共享能跨 Slack、Gmail 执行任务的自定义代理。这让 Cirrus Labs 并入一事更清楚了：OpenAI 要补的不是“再会聊一点”，而是进入企业日常流程的执行层；真正决定成败的，也不是演示里的顺滑，而是权限、审批、可靠性和组织信任。
当“乐高特朗普”刷屏：AI短视频正在把国际宣传战拍成一场互联网综艺
一个亲伊朗媒体团队用 AI 生成的“乐高特朗普”短视频，在 X、TikTok、Instagram 上收割了数百万播放。这不只是一次政治恶搞，更像是一堂关于新型宣传战的公开课：谁更懂平台语言、梗文化和算法，谁就更可能在舆论场里抢到麦克风。
一边骂一边用：Z 世代正在重新审判 AI
盖洛普最新调查给 AI 热潮泼了一盆冷水：美国 Z 世代对 AI 的兴奋感明显下降，愤怒情绪却在上升。可吊诡的是，他们并没有离开 AI，反而在学校和职场里越用越多——这不是喜欢，而更像一种带着防备的依赖。
中国团队把基因编辑又拧紧了一圈：β-地中海贫血患者，终于等到“不再输血”的曙光
首个CRISPR疗法获批不过两年多，基因编辑已经开始从“能不能做”走向“能不能做得更准、更稳”。这项来自中国团队的小规模临床试验显示，一种更克制、更少脱靶的编辑系统，已经让5名β-地中海贫血患者实现了至少半年脱离输血，这不只是技术进步，更像是基因治疗开始进入实用阶段的信号。