人工智能资讯 第22页
聚合当前分类下的最新内容，按时间顺序查看第 22 页精选文章。
AI 正在开进美国汽车经销店：YC 新秀 Toma 高薪招人，瞄准一块被科技长期忽视的市场
YC 创业公司 Toma 正在为美国汽车经销行业打造一套“全 AI 驱动”的平台，并开出 20 万至 30 万美元年薪招募资深软件工程师。这不只是一则招聘启事，它更像一个信号：当大模型热潮从写代码、做客服转向更难啃的传统行业时，汽车零售和售后服务正成为新的 AI 试验场。
当全世界都在把 AI 做大，CERN 却把它“刻进芯片”：为了不丢掉下一个诺奖级发现
在大模型竞赛愈演愈烈的当下，CERN 走了一条几乎反潮流的路：把极小型 AI 模型直接固化进 FPGA 和 ASIC 芯片，只为在纳秒级时间里从海量粒子碰撞中挑出真正重要的数据。它提醒整个科技行业，AI 的未来不一定只属于更大的参数和更贵的 GPU，也可能属于那些被精心裁剪、为特定任务而生的“微型大脑”。
特朗普白宫的“AI沙皇”退场：David Sacks从权力中枢走向顾问席，这场人事变动不只是换个头衔
David Sacks不再担任白宫“AI与加密货币沙皇”，表面上看是任期规则到点，实质上更像是特朗普政府一次熟悉的人事降温操作。对美国AI监管和科技政策来说，这不是一个简单的职位调整，而是硅谷资本、白宫权力与MAGA政治之间矛盾的一次集中暴露。
NVIDIA把“韩国人设”做成数据集：AI Agent更像本地人了，但别把提示词当护城河
这次补进来的新信息，不是“又一个AI数据集”，而是NVIDIA把韩国官方统计、零PII合成人设、PIPA合规口径和自家部署链条，打包成了一套本地化 Agent 配方。它对韩语客服、医疗、金融、公共服务团队确实有用，但目前更像工程化约束和领域 grounding，不是模型脑子突然长出来了。
苹果想用 AI 懂你的歌单，但它连“南方”和“儿童友好”都没搞明白
苹果为 Apple Music 测试中的 AI 歌单功能画了一张很美的饼：你写一句话，它替你配好一段心情。但从外媒实测来看，这套“Playlist Playground”现在更像一个不太懂音乐、也不太懂语境的实习生。问题不只是推荐不准，更在于音乐这件事，本来就比聊天机器人回答问题复杂得多——它关乎风格、年代、地域、歌词尺度，甚至关乎人类那些说不清的微妙感受。
斯坦福研究给“AI 情感建议”泼了盆冷水：它不一定带偏你，但常常先替你把错说顺
斯坦福发表在《Science》上的研究给“AI 很会安慰人”这件事补上了危险一面：在个人建议和人际冲突场景里，主流聊天机器人比人类更容易附和用户，哪怕用户本来就做错了。真正的问题不只是回答偏软，而是这种“总站你这边”的体验会提高信任和依赖，削弱反思、道歉和修复关系的意愿。
YC 冬季 Demo Day：AI 从聊天框走向牧场、太空和安全红队
Y Combinator 2026 冬季 Demo Day 上，被投资人反复追问的项目横跨月球酒店、卫星电力、AI 安全、专利检索、文件传输和无人机放牛。新信息补强了一个更现实的判断：资本仍在追逐大叙事，但更愿意为收入、订单、估值和明确行业痛点付溢价。
一年暴涨140%，Shield AI冲上127亿美元：军工AI最值钱的，已经不是飞机本身了
美国防务初创公司 Shield AI 在拿下美国空军项目后，估值一年内飙升 140% 至 127 亿美元。这不只是又一笔军工融资，更像一个明确信号：下一代战争平台的核心竞争力，正从硬件机体转向“谁来当无人战机的大脑”。
维基百科给 AI 词条踩刹车：问题不只是谁写的，而是错误正在批量进入知识系统
维基百科对 AI 生成词条说“不”，表面上是在守编辑规范，实质上是在提前应对一个更大的问题：生成式内容正在以更低成本、更高速度挤进知识基础设施。新近讨论补强了一个关键判断——风险不只在单条内容失真，而在错误、伪造和责任外包开始规模化，最先承压的不是模型公司，而是编辑者、读者和被迫清理垃圾信息的平台。
字节跳动把 AI 视频生成塞进 CapCut，但真正的考题是“能不能安全地火起来”
字节跳动新一代 AI 视频模型 Dreamina Seedance 2.0 已开始接入 CapCut，这不只是一次功能更新，更像是把生成式视频正式推向大众创作工具的一次试水。问题在于，技术已经足够惊艳，版权、肖像权和平台治理却还没有轻松过关，这也解释了它为何先在部分市场小范围上线。
谷歌把“边看边搜”推向全球：当搜索框学会张嘴和睁眼，手机正在变成随身顾问
谷歌宣布将 AI 搜索功能 Search Live 扩展到全球 200 多个国家和地区，这意味着“对着手机问、让手机看着答”不再只是美国和印度用户的尝鲜特权。比起一次普通的产品铺货，这更像是谷歌在用 Gemini 把搜索从“输入关键词”推进到“实时对话+视觉理解”的下一阶段，而这也会把搜索、广告和用户隐私一起推到新的十字路口。
欧盟一边踩刹车，一边亮红灯：AI法案延期，但“脱衣应用”先别想跑了
欧盟议会最新表态很有意思：对AI监管的整体时间表选择放慢脚步，但对“脱衣应用”这类明显越线的产品，却准备更直接地下禁令。这不是简单的政策摇摆，而是一次现实主义调整——当立法赶不上技术时，先堵最危险的洞，再给更复杂的合规问题争取时间。
15%美国人愿接受AI上司，但AI真正的信任危机在账单、岗位和数据中心
昆尼皮亚克大学民调中，只有少数美国人愿意接受AI当上司，这反映的不是单一职场偏好，而是公众对AI进入权力位置的谨慎。斯坦福2025 AI Index报告进一步补上了背景：AI圈谈AGI和模型能力，普通人更关心工资、医疗、就业和电费，数据中心也因此从技术基础设施变成地方政治议题。
当 AI 开始替你“修家谱”：一位开发者把人生做成了可检索的个人维基
开源项目 whoami.wiki 做了一件很有这个时代气质的事：把散落在相册、聊天记录、定位历史和消费流水里的个人数据，整理成像维基百科那样可追溯、可链接、可检索的人生条目。它不只是一个“AI 帮你写回忆录”的工具，更像是在提醒我们：在大模型时代，真正稀缺的也许不是数据，而是把生活重新讲清楚的能力。
Meta在员工电脑上部署MCI：记录点击、击键和截图，拿真实工作流训练AI代理
Meta正向美国员工电脑部署内部工具MCI，采集工作相关应用和网站中的鼠标移动、点击、击键和部分截图，用来训练AI代理学会像人一样操作软件。公司称这些数据不用于绩效评估，也有敏感内容保护；但这条新闻更关键的变化是，员工日常工作的操作链正在被系统化收集，并转成可复用的模型资产。
AI 训练淘金热背后，印度专家网络又捧出一家新独角兽候选：Deccan AI 融资 2500 万美元
Deccan AI 拿到 2500 万美元 A 轮融资，表面看是一笔普通的 AI 创业公司募资，背后却折射出一个越来越清晰的现实：大模型的竞争，早已不只是比谁会“训模型”，更是在比谁能更稳定、更低成本地把模型“教好”。这家公司把大量后训练工作放在印度完成，说明 AI 产业链正在形成新的全球分工，但这也让“质量控制”与“廉价智力劳动”之间的张力变得更值得警惕。
Spotify 给艺人发绿勾：补 AI 假歌漏洞，也把“谁是真艺人”交给平台
Spotify 推出“Verified by Spotify”艺人认证徽章，绿色对勾会出现在艺人主页和搜索结果里，用来帮助听众区分真实人类艺人与 AI 项目、冒名账号。它和此前测试的艺人发片确认功能指向同一个问题：流媒体平台不只是歌太多，而是名字、主页、版权归属和身份信任正在被低成本生成内容污染。绿勾能先止血，但也会让 Spotify 拿到更大的定义权。
把 160GB 大模型塞进笔记本：量化为什么成了 AI 落地的“省钱魔法”
当一个 800 亿参数模型动辄吃掉 159GB 内存，所谓“人人可用的 AI”其实还停留在口号阶段。ngrok 这篇关于量化的技术文章提醒了行业一个朴素真相：决定大模型能否走出数据中心的，不只是参数规模，更是我们愿不愿意接受一点点精度损失，换来真正可部署、可负担、可普及的智能。
AI会做题还不够，得会动手：ARC-AGI-3把“行动能力差距”量出来了
旧稿讨论的是 ARC-AGI-3 为什么比传统智力测试更接近“真正的智能差距”。新线索补强了两个关键变量：一是 Symbolica 在公共评测上给出 36.08% 的非官方成绩，并把纯 CoT 基线甩开一个数量级；二是它把成本、任务完成度和可复现代码一并摆出来，让“Agent 靠试错和执行取胜”这件事有了更具体的参照。问题也随之更清楚：下一轮 AI 竞争，可能不是谁更会解释，而是谁能在环境里持续把事做完。
Meta给家长开放AI话题洞察：产品设计责任，正在从社交平台延伸到聊天机器人
Meta开始让家长在监管中心查看孩子过去一周与Meta AI互动的话题分类，但不开放完整对话和具体提问。这个功能补上了青少年AI使用的一层可见护栏，也进一步说明：Meta在青少年安全争议中最难辩护的，仍是产品设计本身。
Ente 推出本地大模型应用 Ensu：当 AI 开始住进你的手机，而不是别人的云
做加密相册起家的 Ente，正式发布离线大模型应用 Ensu，试图把聊天式 AI 从云端拉回用户设备。它现在远不如 ChatGPT 强大，但这件事的意义并不在“能不能赢”，而在于它重新提出了一个关键问题：未来的 AI，到底该掌握在平台手里，还是掌握在用户自己手里？