人工智能资讯
聚合当前分类下的最新内容，按时间顺序查看第 1 页精选文章。
John Jumper 离开 DeepMind：诺奖光环留不住所有 AI 人才
John Jumper 将离开 Google DeepMind，加入 Anthropic；同一周，Noam Shazeer 也确认转投 OpenAI。真正刺眼的不是跳槽本身，而是 DeepMind 的科学高光人物和生成式 AI 关键人物连续流向竞争对手。接下来要看的，不是 Google 是否失败，而是顶级人才更愿意把下一注押在哪种组织里。
重启 174 次后，他删掉了 12 个大模型参数：本地推理不是念咒
一台 2016 年 Xeon E5-2620 v4、无 GPU 的老服务器，跑 Gemma 4 26B Q8_0，作者对 25 个推理参数做了 174 次逐项消融。结论很冷：真正稳定的收益主要来自 flash attention、物理核心线程数和按任务配置的 drafter。对本地部署用户来说，问题不是命令行不够长，而是有没有量到瓶颈、识别任务差异、看清引擎到底执行了什么。
英国想用AI给庇护者判年龄，最危险的是它明知会偏
英国计划从2027年起，用面部年龄估算AI辅助判断入境寻求庇护者是否未成年，但项目仍在测试和采购阶段，并非已经全面部署。泄露的英国内政部测试显示，7个算法里表现最好的系统，仍对撒哈拉以南非洲群体误差更大；女性撒哈拉以南非洲人平均误差达4.6岁。真正的问题不是AI会不会估年龄，而是政府打算把一个已知有偏差的概率工具，放进可能改变儿童处境的边境流程里。
GLM-5.2把一个老问题摆上台面：大模型更大，真的更可靠吗？
一篇技术分析用 GLM-5.2、GPT-5.5、DeepSeek V4 Pro 等模型的 AA 指标和幻觉率做对比，质疑“模型越大越好”的选型惯性。关键不在于谁赢了榜单，而在于纸面能力提升，是否被幻觉率、不确定性校准和推理成本吃掉。对产品负责人和开发者来说，模型评估该从参数规模转向能力、真实性、效率三本账。
一名垂体瘤患者用AI整理病程：改变的不是诊断，而是就医协作
一名垂体泌乳素瘤患者在两次脑手术、药物控制肿瘤后，出现疲劳、脑雾、头晕和恶心，用ChatGPT、Claude辅助整理病程，并在医生配合下找到可干预方向。 这个个案不能证明AI会确诊或治病，但说明大模型已能把长期、模糊、多系统症状变成更可讨论的数据问题。 真正的边界也很清楚：AI适合做记录、归纳和就诊准备，不适合绕开医生调整药物或做高风险干预。
VLC 核心开发者做 Kyber：机器人时代，先有人去修毫秒级延迟
VLC 核心开发者 Jean-Baptiste Kempf 创办巴黎初创 Kyber，拿到 Lightspeed 领投的 500 万美元融资，做远程设备实时控制 SDK。它不是机器人公司，而是在押注物理 AI 普及后更稀缺的控制、观测和部署层。真正要看的不是融资额，而是 Kyber 能否把低延迟流媒体能力做成可复制的企业基础设施。
白宫叫停 Anthropic 两款模型：AI 出口管制会重演加密战争吗
白宫以国家安全为由要求 Anthropic 限制 Fable 和 Mythos 向美国境外用户及在美外国人提供，Anthropic 随后在短时间内暂停两款模型访问。真正关键不在 Mythos 是否已经失控，而在美国是否能用出口管制约束网络安全类 AI 的扩散；加密和间谍软件的历史说明，这条路能增加成本，却很难封住能力本身。
挪威几乎禁了小学 AI：真正被保护的不是课堂秩序
挪威将从2026年8月底新学年起，原则上不让1-7年级学生使用生成式AI，初中只能在教师监督下谨慎使用，高中则转向学习如何正确使用AI。我的判断是，这不是反AI，而是在教育成绩下滑、屏幕化过度之后，挪威重新给儿童基础学习划线。
医生和工程师也会被 AI“带懒”：真正的风险是关键能力外包
Nature 报道的早期研究显示，医生和软件工程师在依赖 AI 工具后，部分核心能力出现退化迹象。问题不是 AI 有没有用，而是专业人士把关键判断交给 AI 后，离开工具还能不能独立完成任务。现在证据还不足以得出长期结论，但已经足够提醒医院、科研团队和软件团队调整使用方式。
Linear A 被业余 AI 工程师声称破译：别急着给 Claude 戴王冠
Tom Di Mino 声称破解了 120 多年未解的米诺斯文字 Linear A，方案正在 Rutgers 和 Cambridge 专家那里审查，尚未通过同行评审。Claude Code 在这件事里更像研究脚手架，不是自动破译者。更大的问题是：AI 把业余研究者推到专业问题门口后，谁来验货、怎么验货。
美国禁用 Anthropic 新模型：安全监管，还是给“安全品牌”做了广告？
美国政府以国家安全为由，要求 Anthropic 下架 Fable 5 和 Mythos 5，触发点是亚马逊研究人员据称绕过了 Fable 5 的安全护栏。这起禁令真正重要的不是一次“越狱”本身，而是政府如何界定 AI 风险、以及监管动作会不会反向强化 Anthropic 的安全叙事。
Jio 把 AI 塞进电话、App 和客厅，5 亿用户成了 Ambani 的关键筹码
Reliance 在年度股东大会上发布 Jio Call Agent、AI 版 MyJio 和 TeleFrame，准备把 AI 放进电话、运营商 App 和家庭终端。真正的看点是：Jio 能否用 5 亿级通信入口，把 AI 从独立应用变成印度本土基础服务。风险也很具体：通话和家庭数据怎么用、外部模型和芯片依赖怎么降、IPO 叙事能不能变成收入。
华盛顿管 AI，别顺手把开源这块地铲了
华盛顿正在加速推进 AI 监管，模型审查、国会草案、前沿模型访问限制都在升温；开源 AI 还没有被封禁，但已经站到政策误伤的边缘。开源模型的价值不只是便宜，而是给学校、创业公司和企业本地部署留下教育、创新和竞争空间。真正该防的不是“开放”本身，而是安全叙事被闭源巨头用来集中价格、访问权限和能力控制。
Android 17来了：Google要把App改造成AI能调用的零件
Android 17 已推送到多数受支持 Pixel 设备，并开放 AOSP 源码；核心变化不是功能变多，而是平台规则变硬。AI 代理可通过 AppFunctions 调用应用能力，大屏设备将强制适配多窗口，Android 开发也转向 Compose-first。开发者拿到 AI 和大屏入口，同时要交出更多架构选择权。
Flexport 把亚洲招聘写成 AI 物流故事，但货代的硬活还在
Flexport 的招聘页正在强化“AI agents + 全球物流自动化”叙事，并在印度、印尼、泰国等亚洲市场招人。它有真实货物流、约 1.3 万客户和复杂合规流程，这比纯 AI demo 更接近落地现场。我的判断是：这不是简单蹭 AI，但也不能把招聘话术当成自动化成果；接下来要看系统接入、异常处理和人工运营成本有没有真下降。
Elastic据称最高8500万美元收购DeductiveAI：AI SRE正在被可观测性平台吸收
据知情人士称，Elastic 已同意以最高 8500 万美元收购 AI SRE 初创公司 DeductiveAI，但双方尚未公开确认。更关键的不是价格上限，而是故障定位、根因分析和部分处置能力，正在被传统可观测性平台吸收。对可观测性团队和企业软件采购者来说，现在要看的不是换不换工具，而是 Elastic 能否把 AI SRE 做进现有工作流。
白宫要求撤销 SK Telecom 的 Claude Mythos 访问权：前沿 AI 开始按出口管制逻辑运行
据 WIRED 报道，特朗普政府曾在 Anthropic 下线其最先进 Claude Mythos 模型前数日，要求撤销韩国 SK Telecom 的访问权限。 美方理由是担忧所谓“中国关联”，但公开材料只写到 alleged ties to China，尚无具体交易、股权或数据流向细节。 这件事更像一个信号：美国前沿 AI 模型的访问权，正在被纳入出口管制和国家安全审查的灰色地带。
Baseten 据称融资 15 亿美元：推理层是真需求，估值已经抢跑
据《华尔街日报》报道，AI 推理创业公司 Baseten 接近完成 15 亿美元融资，估值约 130 亿美元，尚非官方确认。 它 5 个月前刚以 50 亿美元估值完成 3 亿美元 E 轮；若按新估值计算，不到半年涨约 160%。 推理成本优化是真需求，但 split-priced round 和估值跳升也说明，资本正在把实际降本能力和账面叙事压到同一张报价单上。
Snap 拆出 AI 视频团队 Dotmo：省下成本，但没放弃这张牌
Snap 将内部生成式 AI 视频团队拆成新公司 Dotmo，方向转向游戏和互动娱乐的 AI 模型。 这不是出售团队，也不是退出 AI：Snap 不直接出资，但通过技术授权和股权保留收益入口。 对开发者和投资者来说，关键不是“又一家 AI 公司”，而是 Dotmo 能否证明游戏互动场景真的值得单独养。
OpenAI上市前补人：一边拉来Transformer作者，一边补政策治理
OpenAI在筹备公开上市的阶段，同周引入Noam Shazeer和Dean Ball，分别补技术权威与政策治理能力。更关键的信号是，前沿AI公司的上市风险不只来自模型竞争，也来自监管、出口管制和内部治理。投资者和企业客户接下来要看的，不是“明星加盟”，而是这些人是否进入核心决策链。
Noam Shazeer 确认加入 OpenAI：别急着脑补职位，先看人才信号
Noam Shazeer 在 X 上公开确认将加入 OpenAI，并称离开 Google 是一个艰难决定。他同时肯定了 Google 团队和过去共同完成的成果。我的判断是：这件事更像顶级模型人才流动的信号，不足以证明 OpenAI 已经发生明确组织转向。