人工智能资讯 第16页
聚合当前分类下的最新内容，按时间顺序查看第 16 页精选文章。
Sierra 连买三家公司：AI 客服代理的窗口期，正在被资本硬抢
Bret Taylor 与 Clay Bavor 创办的 Sierra 收购法国 AI 创业公司 Fragment，交易金额未披露，这是其近期公开的第三笔收购。真正重要的不是这笔小交易，而是 Sierra 正在用并购补齐 AI Agent 进入企业工作流的能力。我的判断是：Sierra 的节奏像在抢窗口期，买团队容易，难的是把 Agent 嵌进企业流程并跑出可重复交付。
密歇根小镇给核武 AI 数据中心断水：算力竞赛第一次撞上地方水龙头
密歇根 Ypsilanti Township 董事会通过 365 天暂停令，暂停向超大规模数据中心、AI 计算设施和高性能计算中心提供供水与污水容量协议，直接卡住一座拟供洛斯阿拉莫斯国家实验室使用的 12 亿美元 AI 数据中心。真正重要的不是“社区反数据中心”，而是地方公共资源开始审视：国家安全项目能不能把水、土地和风险留给小镇买单。
Codex 会定时干活了，但 OpenAI 真正要卖的是“可控的主动性”
OpenAI Academy 在 2026 年 4 月 23 日发布 Codex Automations 指南，说明 Codex 可通过计划和触发器自动运行重复任务，并把结果送回给用户审阅。它重要的地方不在“能写周报”，而在 Codex 开始从被动问答工具，挪向主动进入工作流的代理形态。真正的分水岭不是自动化有多聪明，而是它能否可靠、可审计、可控。
AIE World’s Fair 2026 讲者征集：AI 工程下半场，开始从模型榜单转向工作流账本
AIE World’s Fair 2026 第二波讲者征集，把 AI 工程圈的重心写得很直白：Autoresearch、Memory、World Models、Tokenmaxxing、Agentic Commerce 和垂直 AI。相比此前 AIE Europe 后的趋势对谈，这份征集补强了一个信号：编码代理外溢之后，真正要竞争的是长期记忆、运行时、成本控制、行业接口和可结算工作流。
Noscroll想替你刷X：AI能省时间，也会拿走过滤权
Noscroll推出AI代理，连接用户X账号，并监控新闻站、博客、Reddit、Hacker News、Substack等来源，把信息流压缩成短信摘要和突发提醒，每月9.99美元。它卖的不是治愈doomscrolling，而是把刷屏外包给新的信息中介。价值在过滤，风险也在过滤。
Claude Code 变差不是错觉：底模没退，外层框架把重度用户坑了
Anthropic 承认，过去两个月 Claude Code 的质量投诉有真实工程原因：问题主要出在模型外层的 harness，而不是 Claude 底模退化。最新复盘把关键影响对象说得更清楚——长会话、隔夜会话、并行任务用户最容易中招；对 coding agent 团队来说，真正危险的不是模型偶尔抽风，而是状态管理悄悄改写模型看到的世界。
Era Computer 累计融资 1100 万美元：不做 AI 硬件，先做 AI 设备的软件底层
Era Computer 累计融资 1100 万美元，其中最新一轮是 900 万美元种子轮，另有此前 200 万美元 pre-seed。它不做眼镜、戒指或吊坠这类 AI 设备本身，而是想给这些新终端提供多模态输入、模型路由和连接管理的软件编排层。方向比再造一个爆款硬件更务实，但前提没变：前端设备得先证明有人会长期使用，平台故事才站得住。
Claude Code 的麻烦不只是拒答：当 commit 里的 OpenClaw 也可能影响账单
一名开发者称，Claude Code 可能因为近期 commit 中出现“OpenClaw”而拒绝请求或额外收费；目前这只是个案，缺少完整复现和官方回应。它真正补强的问题是：AI 编程代理到底读取了哪些仓库上下文，又如何把这些上下文用于安全拦截、模型路由和计费。开发者可以接受门禁，但很难接受一个看不见规则的终端同事。
AI 越普及越惹人烦，不是营销差，是科技业总想把人压成数据库
The Verge《Decoder》把一个越来越清楚的矛盾说透了：美国用户接触 AI 越多，净观感却越差，尤其是最常用 AI 的 Gen Z，使用高、反感也高。科技公司把问题说成“社会许可”或“营销不足”，但更像是产品体验、就业预期和数据索取一起出了问题。企业流程自动化会继续推进，可一旦要求普通人交出更多生活可读性，反弹就不是公关能摆平的。
天文学也在抢 GPU：被卡住的不是 AI 热度，而是科研算力
Roman、JWST 和 Rubin 把天文数据推到新量级，天文学家越来越依赖 GPU 和 AI 做识别、分类和图像增强。问题不在“科学家也用 AI”，而在算力已经变成科研基础设施，大学预算、商业芯片供给和政策提案开始一起决定谁还能跟上。基础科学不是这轮 GPU 紧缺的主因，却很可能是最先被挤压的一群。
Copilot 不只会写草稿了：2000 万付费席位背后，微软把 AI 推进 Office 执行层
微软称 Microsoft 365 Copilot 已超过 2000 万个付费企业席位，人均查询量环比增长近 20%，周参与度接近 Outlook。这个数字不能直接等同于真实活跃，但它补上了一个关键信息：Copilot 不只是被塞进 Office，已经开始被企业员工反复打开。真正的考题也因此变了，Agent mode 能不能少产半成品、在企业流程里承担结果责任，才是下一阶段胜负手。
geohot质疑“美国赢AI”：国家口号赢了，不等于用户真的拥有AI
geohot最新博客反对的不是美国做强AI，也不是模型变强本身，而是“美国赢AI”这套说法把真正的问题藏了起来：AI最后是落到普通人手里，还是继续锁在少数公司的算力、API和安全叙事里。文中他明显偏向开源、可本地运行、不可随时撤销的AI持有方式，并把DeepSeek当正例、Anthropic当反例。我的判断是，若所谓胜利只让基础设施和控制权更集中，普通用户、开发者和知识工作者拿到的就不是未来，只是更贵、更脆弱的租赁关系。
NVIDIA把Gemma 4塞进8GB Jetson：边缘多模态 Agent能跑了，但离好用还差三道坎
NVIDIA 工程师在 Hugging Face 放出一个可复现的 Gemma 4 本地 VLA 演示：8GB 的 Jetson Orin Nano Super 上，用 Parakeet 做语音识别、Gemma 4 决定是否调用摄像头，再用 Kokoro 语音回复，代码和部署步骤全部公开。真正重要的不是“它能跑”，而是边缘端多模态 agent 已经从炫技视频走到可复现原型；但 8GB 能跑不等于轻松跑，更不等于能直接做成稳定产品。
阿里、OpenAI、小米、谷歌同日发新：AI开始比整条落地链，而不只是模型分数
同一天里，阿里发开源编码模型，OpenAI放出隐私过滤工具模型，小米押注长程 agent，谷歌则把 TPU、模型和企业代理平台打包推进。几条新闻看着分散，实际都在抢同一个入口：谁能把模型、部署、治理和成本更快接进真实业务。对开发者和企业决策者来说，今年更该看的不是榜单高低，而是谁的链路更短、生态更快、锁定更深。
特斯拉把2026年资本开支上调至250亿美元：钱不是花更多了，而是押注公司要换轨
特斯拉把2026年资本开支计划上调到250亿美元，较1月“超过200亿美元”的指引再加50亿美元，也远高于2025年的85亿、2024年的113亿和2023年的89亿美元。公司同时表态，受这轮投入影响，2026年余下时间将转入负自由现金流；但一季度末账上仍有447亿美元现金、现金等价物和短期投资，问题不在缺钱，而在回收期和执行力。钱主要投向AI训练、芯片、数据中心、robotaxi、Optimus和制造扩张，这更像一次商业身份切换，而不只是汽车公司的常规扩产。
Google把Gemini塞进Workspace：真正该争的，是默认值和退出成本
Google把Gemini深度接入Gmail、Drive和Workspace，表面是办公效率升级，实质是把AI变成办公室里的默认工作层。新问题不只在功能好不好用，而在隐私开关、训练授权和Smart Features被绑在一起，用户看似能选择，实际退出成本被抬高了。
OpenAI把 ChatGPT 推进临床：美国医护免费用，真正要抢的是工作流入口
OpenAI推出 ChatGPT for Clinicians，先向经验证的美国医生、执业护士、助理医师和药师免费开放，覆盖临床问答、文书、医学检索、文献综述和继续教育。关键点不在“AI进医疗”这句旧话，而在它开始正面切临床工作流，并试图用免费、评测和合规选项一起占住医生入口。现在还不能把它写成“可替代医生”：产品定位仍是辅助判断，HIPAA/BAA 也只对符合条件的账户开放。
Ars Technica公开AI编辑政策：工具可以进流程，责任不能退出新闻
Ars Technica公布面向读者的生成式AI编辑政策：新闻、评论、分析由人类撰写，AI只能用于受监督的编辑辅助、研究检索和部分视觉制作流程，且不能冒充真实报道材料。真正有价值的，不是它写了多少正确原则，而是把“谁写、谁核验、谁担责”公开成了规则。对科技读者和新闻从业者来说，这提供了一个很实用的判断尺子：看一家媒体谈AI，别只看效率口号，要看署名、核验和责任有没有写清。
X 上线 Grok 自定义时间线：75+ 个频道、第二位广告，以及 Communities 的退场
X 开始向 iOS 端 Premium 用户推出由 Grok 驱动的 75+ 个自定义时间线，用户最多可把 10 个主题置顶到首页，与“For You”“Following”并列。更关键的是，Communities 同步退出，每条新 feed 的第二个位置直接放广告，说明 X 正把社区讨论让位给 AI 分类、平台分发和新增广告库存。
Shopify把AI推到接近全员使用，但真正难的已经不是生成代码
Shopify CTO Mikhail Parakhin披露，内部AI工具日活占比已逼近全员覆盖，2025年12月模型能力出现明显拐点后，使用继续加速，公司也基本放开了高端模型的token预算。更值得看的是，Shopify公开的不是单个助手，而是Tangle、Tangent、SimGym这套把数据、实验、仿真和上线流程连起来的内部基础设施。问题同样清楚：token烧得快，不等于工程产出就稳，瓶颈正从生成转向review、测试、发布和回滚。
AI 修 bug 为何总想多改几行：400 个样本显示，问题不在能不能修，在会不会收手
一项基于 400 个 BigCodeBench 程序化造错样本的评测发现，主流 AI 编程模型普遍存在“过度编辑”：bug 能修对，但常常顺手重写更多代码。评测不只看 Pass@1，还看 token-level Levenshtein distance 和 Added Cognitive Complexity，核心问题是“修对了之外，多改了多少”。Claude Opus 4.6 在正确率和最小改动上都领先；GPT-5.4 过度编辑最明显，且正确率并不突出，而一句“尽量保留原代码逻辑”的提示，几乎就能让多数模型明显收敛。