人工智能资讯 第44页
聚合当前分类下的最新内容，按时间顺序查看第 44 页精选文章。
代码变便宜之后，程序员真正贵在什么
David Breunig 总结了面向 Codex、Claude Code 等编程 Agent 的 10 条经验，重点不是模型能不能写代码，而是代码变便宜后，工程流程该怎么改。 真正没有变便宜的是反馈、判断、责任、维护和安全。开发者要把价值放到边界定义和行为验证上，技术负责人要先补测试、规格和评审，再谈提效。
Chrome 塞进 4GB Gemini Nano：本地 AI 可以默认开，账不能默认藏
Chrome 被发现可能在本地下载约 4GB 的 Gemini Nano 模型权重，用来支撑诈骗检测、写作辅助、自动填充等端侧 AI 功能。The Verge 补强了几个关键细节：这不是所有用户都会遇到，通常和某些 On-Device AI 功能有关；删掉文件不等于解决，关掉对应开关才可能阻止它回来。我的判断很简单：本地 AI 方向没错，但平台不能把用户硬盘当成 AI 战略的免告知配额。
一小时手写小 GPT：llm-from-scratch 教的不是造 ChatGPT
angelos-p/llm-from-scratch 把 GPT 训练拆成一个可跑通的教学工作坊：手写 tokenizer、模型、训练循环和生成脚本。默认模型约 1000 万参数，作者称 M3 Pro 上约 45 分钟完成训练，目标只是生成 Shakespeare-like text。它适合想补 Transformer 训练原理的 Python 开发者和技术讲师，不适合拿来做聊天机器人或企业应用原型。
OpenAI 把 AI agent 推进 CFO 办公室，真正难的不是自动化
OpenAI 与 PwC 合作，把 AI agents 引入 CFO 办公室，目标覆盖采购、预测、报表、税务、资金、关账等核心财务流程。更关键的是，OpenAI 先把自己财务团队当“customer zero”验证：Codex 支撑同等团队处理 5 倍合同，IR-GPT 支撑近期融资中 200 多次投资者互动。这事的分水岭不在模型多会聊天，而在 AI 能不能进入强控制、可追责、要算账的企业生产环境。
黄仁勋说 AI 在创造岗位，但这还回答不了就业焦虑
黄仁勋在 Milken Institute 对话中称“AI creates jobs”，并把 AI 视为美国再工业化的最佳机会。这个判断抓住了算力和制造扩张带来的新需求，但还不能证明被替代的人能拿到新岗位。真正要看的不是 AI 会不会笼统地“消灭工作”，而是哪类任务被降价，哪些岗位被重估。
AI 写代码越快，团队越容易欠下认知债
Margaret Storey 汇总开发者、Simon Willison、Martin Fowler 等人的反馈后，把一个问题摆到台面上：生成式 AI 和 Agentic AI 正在让系统变化速度超过团队理解速度。认知债务不是代码质量差，而是系统演化与团队共享理解之间的缺口。真正受压的会是 review、调试、onboarding，以及技术负责人对系统风险的判断。
Claude 像会反驳的人，GPT 像逻辑义肢：AI 助手开始分两条路
Latent Space 借 Roon 对 Claude 与 GPT 的讨论，把问题拉回产品选择：用户要的是会推回来的 AI 伙伴，还是低摩擦的执行工具。Claude 更容易被感知为有边界的“他者”，GPT 更常被当作能力放大器，但这不是人格高低之分。对产品经理和 agent 团队来说，下一轮竞争不只在模型，也在 harness、上下文管线和多模型编排。
AI Agent 开始拼系统工程：模型、编排和账单一起决定成败
AINews 对 5 月 1 日至 4 日 AI 社区的回顾显示，讨论重心从单个模型能力转向上下文管线、Agent harness、多模型编排和编码代理成本。几个 benchmark 提升更像是在提醒开发者：Agent 表现不能只看模型权重，还要看 prompt、middleware 和 harness 怎么组织任务。对应用团队和技术管理者来说，下一步不是盲目换模型，而是重新评估编排框架、上下文策略和 token 成本。
2026 普利策新闻奖：权力扩张、Meta 和保险算法一起被点名
2026 年普利策新闻奖公布，新闻类大奖的共同指向很清楚：特朗普政府权力扩张、地方执法冲突、Meta 平台风险、保险算法理赔黑箱。最该看的不是谁拿奖，而是这些报道怎样把“系统决定”重新拆回到具体责任人。对科技行业来说，Meta 是平台激励问题，保险算法是自动化责任转移问题，不能混成同一种风险。
Simon Willison 5 月月报：AI 变贵之后，10 美元买的是判断口味
Simon Willison 发布了 2026 年 5 月 GitHub Sponsors 专属月报，10 美元/月，赞助者可提前一个月阅读，4 月版已作为免费预览放出。和 4 月相比，5 月公开目录给出了更清楚的行业气压：AI 成本变刺眼、Anthropic 进入强势月份、模型发布开始让人失望。独立技术作者卖的不是独家新闻，而是长期试用、写代码、筛选之后留下的可信判断。
图像模型带火 AI App 下载，但真正难的是让用户付钱
Appfigures 报告称，图像/视觉模型发布带来的 AI 移动应用下载增量，约是传统模型更新的 6.5 倍。Gemini Nano Banana 拉来 2200 万以上新增下载，但估算消费支出仅 18.1 万美元；ChatGPT 4o 图像模型新增约 1200 万安装，却带来约 7000 万美元估算消费支出。图像模型已经成了最强拉新入口，分水岭不在下载峰值，而在留存、转订阅和付费路径。
Nature撤回ChatGPT教育论文：AI进课堂，最贵的不是工具，是证据
Springer Nature旗下期刊撤回一篇关于ChatGPT教育效果的元分析论文，理由是分析存在差异和不一致，结论可信度被削弱。更麻烦的是，这篇论文撤回前已被引用约504次，说明AI教育研究的传播速度正在压过纠错速度。AI进课堂不该靠热情冲锋，学校、教师和产品公司最该补上的，是可复核、可限定、可落地的证据。
OpenAI 语音 AI 的低延迟麻烦：WebRTC 快了，提示词可能碎了
OpenAI 强调用 WebRTC 交付低延迟语音 AI，但 Luke Curley 的批评把问题推到更底层：WebRTC 为了实时性，可能在差网络下主动丢弃音频包。对视频会议来说，这是合理取舍；对 LLM 语音提示来说，丢掉的可能就是用户意图。语音 AI 不能只卷“像真人一样快”，还得给高价值任务留出“慢一点但听准”的通道。
Sierra 融资 9.5 亿美元：企业 AI Agent 开始进入预算战
Sierra 完成 9.5 亿美元融资，由 Tiger Global 和 GV 领投，投后估值超过 150 亿美元，账上可动用资金超过 10 亿美元。 这轮融资的重点不是单家公司估值抬升，而是企业 AI Agent 正从试点走向更重的采购、集成和成本核算。 公司披露的 ARR、客户覆盖和交互量很亮眼，但仍是自报口径；盈利能力、毛利和大规模部署成本还看不清。
Roomba 之父做毛绒陪伴机器人：家庭机器人不扫地，开始盯上情绪价值
Colin Angle 带着新公司 Familiar Machines & Magic 回到家庭机器人赛道，首款产品 Familiar 是一只狗大小、毛绒外观、可自主移动的陪伴机器人。它主打本地生成式 AI、独特人格和家庭互动，但目前公开信息仍停留在发布与演示阶段，价格、上市时间和真实体验都还看不清。真正的分水岭不是可不可爱，而是用户愿不愿意把隐私、注意力和情绪关系交给一台会走动的机器。
OpenAI、Anthropic 同时找上资管巨头：企业 AI 开始拼“谁能进现场”
OpenAI 和 Anthropic 几乎同时把企业 AI 服务推向资管、私募渠道：Anthropic 已宣布合资公司，OpenAI 的 The Development Company 则来自 Bloomberg 报道。重点不在模型升级，而在销售入口、工程实施和资本收益被绑到一起。对企业客户和 AI 创业公司来说，接下来要看采购是否被资本关系影响，以及 FDE 模式能不能真的跑出可复制交付。
别把“蒸馏”打成脏词：AI监管最容易误伤自己人
Anthropic 等公司把部分中国实验室绕过 API 限制、获取模型信号的行为称为“蒸馏攻击”，美国政策层面也开始关注 API 滥用和中国开源权重模型。问题在于，蒸馏本身是大模型产业的基础技术，把它污名化，最先受伤的可能不是中国大厂，而是美国自己的学术界、小团队和开放生态。
马斯克告 OpenAI 新进展：旧邮件把“AI 安全”打回了控制权之争
马斯克起诉 OpenAI 的案子，原本看起来是在追问非营利使命和 AI 安全；最新庭审材料把问题推得更近：2017 到 2018 年，马斯克曾讨论把 OpenAI 核心团队带进特斯拉，或让 OpenAI 与特斯拉绑定。OpenAI 一方要证明的不是马斯克是否支持商业化，而是他可以接受商业化，前提是自己控盘。
OpenAI、Google、Microsoft力挺美国AI素养法案：学校该教会孩子用AI，还是先防AI滥用
美国参议员 Adam Schiff 与 Mike Rounds 提出跨党派 LIFT AI Act，拟通过 NSF 资助 K-12 阶段 AI 素养课程、教材、教师培训和评估工具。法案还只是授权资助的提案，不是已经拨款，也没有改写全美课程。真正的分歧在于：学校需要补上 AI 教育短板，但大 AI 公司集体背书，也会推动 AI 更深进入课堂制度。
特斯拉FSD跑过100亿英里，但无人驾驶还没过责任关
特斯拉安全页面显示，使用 FSD（Supervised）的车队累计行驶里程已超过 100 亿英里，跨过马斯克今年 1 月提过的“安全无监督自动驾驶”数据门槛。车主没有因此获得 FSD Unsupervised：当前 FSD 仍是 Level 2，需要驾驶员全程注意并随时接管。真正要看的不是里程数字，而是特斯拉何时敢把驾驶责任从车主身上移走，并让监管、保险和法律系统承认这一点。
AI 会在 2028 年前接手 AI 研发吗？Import AI 给出一个激进但有边界的判断
Jack Clark 在 Import AI 455 中判断，到 2028 年底前出现无需人类参与、可自主推进下一代模型研发的 AI R&D 系统，概率已超过 60%。这不是行业共识，也不是说 AI 已能训练前沿模型；真正值得看的是编码、复现、训练优化和多代理管理能力是否正在拼成研发闭环。