人工智能资讯 第3页
聚合当前分类下的最新内容，按时间顺序查看第 3 页精选文章。
Canva把设计软件变成了聊天窗口：AI 2.0不只是升级，更像一场工作流政变
Canva 推出的 AI 2.0，表面上是给设计平台加了一层更聪明的聊天式入口，实际瞄准的是整条内容生产链：从想法、排版到发布，尽量都交给提示词来驱动。这不只是 Canva 的一次产品更新，也说明创意软件行业正在从“工具箱竞争”转向“谁能成为你的 AI 助手”。
Canva想让AI替你做图，但真正的野心是接管你的工作流
Canva 最新升级的 AI 助手，已经不满足于“帮你生成一张图”，而是开始像一个会调度工具、能读取上下文、还能安排任务的数字同事。这件事真正重要的地方，不在于它会不会做海报，而在于设计软件正在从“工具箱”变成“执行入口”，而 Canva 正试图抢占这个入口。
1.5万份古人DNA拼出一部“进化实录”：过去一万年，西欧亚人类一直在被环境推着改写自己
哈佛医学院与多家机构的研究团队利用1.58万名西欧亚古人与现代人的基因数据，发现过去一万年里，人类基因组并非只是被迁徙和混血改写，许多变异位点还在持续受到强烈定向选择。真正让人震撼的，不只是“找到了几处进化痕迹”，而是研究者几乎在整片基因组上看到了自然选择长期、广泛、细密地工作——这让古DNA研究从“讲祖先从哪来”迈向了“解释我们为何变成今天这样”。
从翻译文字到翻译声音，DeepL 想把跨语言对话这件事做成“空气”
以文本翻译闻名的 DeepL，正在把战线推进到实时语音翻译，目标直指 Zoom 会议、跨国客服和一线团队协作。它看起来像一次顺理成章的产品延伸，但真正的看点不只是“能不能翻译”，而是 AI 是否终于开始把跨语言沟通从一种工作负担，变成几乎无感的基础设施。
当“本地大模型神器”开始变味：Ollama 为何陷入信任危机
曾经靠“让本地跑大模型变简单”走红的 Ollama，如今正因为开源归属、性能退步、模型命名误导和云端化转向而遭遇越来越多质疑。它的问题不只是一个工具做得好不好，而是一个本该代表“本地优先”的项目，是否还配得上社区曾经给它的信任。
连破折号都被AI“同化”了？Hacker News上一场微小却刺眼的语言变迁
一篇只有一句核心判断的短文，却戳中了当下互联网最微妙的变化：在 Hacker News 这样的技术社区里，长破折号“——”正被越来越多人当作 AI 写作的气味标记。它真正引人不安的地方，不是某个标点变多了，而是人类表达正在被生成式模型反向塑形，连最细小的语言习惯都开始失去“手感”。
当AI圣像遇上政治流量：特朗普又发“耶稣版自己”，这次更像一场算法时代的信仰试探
特朗普再次在社交平台发布AI生成的“特朗普-耶稣”形象，表面看是又一张政治迷因，实则暴露了AI图像、粉丝文化与政治传播正在深度缠绕。比起图片本身，更值得警惕的是：当生成式AI成为政治人物的情绪放大器，公共讨论正在被一种更廉价、也更煽动的视觉修辞重写。
让 AI 给新闻打分？这家硅谷创业公司想当“媒体陪审团”，但真正发冷的可能是举报人
一家获得彼得·蒂尔支持的创业公司，想用大模型和一套“荣誉指数”为新闻报道判定真伪与可信度，任何人花 2000 美元就能公开挑战一篇报道。听上去像是给媒体建立问责机制，但它最先可能吓退的，不是造假的记者，而是那些本就冒着风险发声的匿名举报人。
把学习做成“上头游戏”，Gizmo 靠 1300 万用户和 2200 万美元融资杀进教育科技下一局
AI 学习应用 Gizmo 在短短几年里从 30 万用户冲到 1300 万，并拿下 2200 万美元 A 轮融资，这不是一条普通的增长新闻，而是一次关于“注意力战争”如何改写教育产品的样本。它的野心很明确：既然年轻人离不开屏幕，那就别再和屏幕对抗，而是把学习本身做得像游戏一样让人停不下来。
当全世界都开始问同一个 AI：人类会不会越聊越笨？
一篇来自欧洲作者的长文，把一个很多人隐约感觉到、却很少被认真讨论的问题摆上台面：当越来越多人把思考外包给大模型，人类知识的演化会不会被“几套底模”悄悄带偏？这不只是模型幻觉或偏见的问题，更像是一场缓慢发生的“认知同质化”——它未必立刻制造灾难，却可能让那些本该出现的新想法、新判断和新道路，干脆没有机会出生。
机器人出租车跑得越来越快，乘客的心却还没跟上
最新调查再次给自动驾驶行业泼了一盆冷水：多数美国消费者依然不愿意乘坐机器人出租车。问题已经不只是技术能不能跑起来，而是企业如何让普通人真正相信，一辆没有司机的车，不会在下一个路口把自己变成社会新闻。
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”。
当资本开始犹豫：Anthropic 崛起，OpenAI 不再是唯一的“必选项”
Anthropic 的高速增长，正在把 OpenAI 从“毫无争议的王者”拉回到需要被重新估值的位置。对投资人来说，这不只是两家 AI 公司谁更强的问题，而是大模型行业终于进入了一个更残酷也更健康的阶段：估值不能只靠想象力，收入、客户结构和产品落地开始重新掌权。
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。