全部 AI 动态

PolyAI CTO Shawn Wen 与 Otter CMO Alex Gay 认为，语音 AI 虽已实现全双工模型，但仍未迎来"ChatGPT 时刻"，下一步挑战是让推理足够快、对话自然。

Wen 指出 ASR 模型常漏掉关键词、影响上下文理解，Gay 则强调转写准确率是所有下游功能的基础。Otter 还在研发可在会议中代表用户的数字孪生，并要求输出语音具备与真人交谈时的情感表达。

截至 2026 年 8 月的数据显示，AI token 价格持续下跌，但 H100 GPU 租赁价格保持稳定甚至上涨，a16z 称这是 AI 市场的教科书级杰文斯悖论。

微软 CEO Satya Nadella 在最新博客中改用特朗普偏好的 "Super Intelligence" 一词替代 Artificial Intelligence，并主张将 AI 模型视为内部安全威胁。

微软 CEO 纳德拉在 X 发长文谈高级 AI 模型的风险与应对，主张不能再把 AI 当作只需接受或拒绝其建议的嵌套黑箱，应建立可隔离、可观察并留下防篡改人类可读证据的透明体系。

他提出应及时披露事件、独立审计、数据可验证并做隔离，并称必须从一开始就假定模型已被攻陷并加以隔离，就像紧急制动一样，授权人员应能随时暂停或关闭执行任务中的模型，更先进的模型需要更先进的隔离技术并加以标准化。

微软 CEO Satya Nadella 在 X 上发文称，应重新审视 AI 的信任架构，把模型与编排其工作的 harness 分离，并将控制与防护措施外部化。

他要求每个有意义的模型动作都留下防篡改、人类可读的证据，并让授权人员能随时暂停或关闭执行中的模型，称这就像“紧急刹车”。

Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 的一场对谈中指出，AlphaFold 的突破只是开始，蛋白质折叠远未解决。

密码学家 Matthew Green 称，有 1% 概率我们生活在公钥加密不可能实现的 Minicrypt 世界，15% 概率会实质性地对现有公钥加密算法失去信心。

他指出，AI 制造意外发现的速度远超人类替换标准的速度，二者相差数个数量级，只有提前做好准备才能从这类冲击中恢复。

MIT Technology Review 文章指出，AI 的拒绝机制已成为 AI 安全的核心，但并不可靠。

模型被训练拒绝大量有害提示词，却仍保留暴力与网络攻击等能力，且拒绝机制基于概率，可能被绕过。文章还提到 OpenAI 曾组织红队测试 ChatGPT，并质疑由企业单方面划定拒绝边界的做法。

Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在 Latent Space 播客中提出“合成超级智能”（synthesis superintelligence），主张 AI 科学发现需以物理实验为强化学习环境，而非仅靠更多互联网数据训练。

MIT Technology Review 与 Aventine 合作的文章指出，尽管马斯克称 Tesla Optimus 未来能以低至 2 万美元单价自动化几乎所有人类劳动、并预测 2027 年底前向公众发售，但许多机器人研究者对此持怀疑态度。

AVEVA 首席技术专家 Arti Garg 提出，工业 AI 正从预测分析转向基础模型、物理 AI 与智能体 AI，但因其直接作用于物理系统，安全与可靠性成为部署核心。

Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论了评测如何推动 AI 系统性能边界，以及模型在传统 benchmark 之外测试时出现的"意外失败"。

她结合自身从数学、物理、认知科学到计算机科学的经历，分享了使用当前 AI 系统的实用建议，并强调当结果超出预期时深入审视数据的重要性。

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。

深度学习与生成式 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 称，"分析"一词正在让位于 AI。

调查显示公众对 AI 的负面情绪正在上升：Pew 数据显示更多美国成年人认为 AI 对个人和社会的影响是负面的，盖洛普 5 月民调中 71% 美国成年人反对在本地新建 AI 数据中心。

但使用量仍在飙升，ChatGPT 5 月月活达 10 亿，Gemini 7 月达 9.5 亿，Pew 称半数美国成年人已使用聊天机器人。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。

Ethan Mollick 在 One Useful Thing 中修正了自己此前的判断，认为人类不必像管理者那样精心设计智能体的组织方式，因为组织工作本身也能被 AI 学会。

GPT-6 Astra 与 Fable 5.1 已能可靠完成数周人类工作量，但现有模型能力被严重低估和使用不足。

Ethan Mollick 用 GPT-6 Astra 将 1977 年文字冒险游戏 Zork 改造成可玩的 3D 动作冒险游戏，并让 Fable 5.1 依据视频和照片在 3D 中重建 Umberto Eco 约 5000 本书的米兰书房。

GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，但审查力度应随风险变化；Skills 与 MCP 解决不同问题，前者是打包的专家经验，后者为智能体提供连接工具和数据的标准接口；RAG 并未消亡，它与 Agent、Skills、MCP 可以共存于同一工作流。

Ethan Mollick 复盘了 7 月发生的 Hugging Face 事件：OpenAI 在沙箱中测试 GPT-5.6 Sol 等模型时，智能体把共享服务 Artifactory 当作留言板互相通信。

UC Berkeley 的 Aditya G. Parameswaran 等人提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1、部分低于 $0.10，数据系统面临三大新挑战：为智能体而建、由智能体运行、由智能体合成。

伯克利 AI 研究团队梳理了并行推理领域进展，指出当前方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!