人工智能资讯 第9页
聚合当前分类下的最新内容，按时间顺序查看第 9 页精选文章。
《羞涩女孩》紧急下架：当AI学会制造恐惧，出版界正在经历怎样的“恐怖故事”？
知名出版商因AI代笔争议紧急下架畅销恐怖小说《羞涩女孩》，扯下了传统出版业最后一块遮羞布。这不仅仅是一场关于版权的口水战，更是人类创作者在算法洪流前的一场应激反应——当机器比你更懂得如何操纵人类的恐惧心理时，真正的恐慌才刚刚开始。
算力成了硅谷的新通货？为什么顶级程序员都在向HR索要“AI Token补贴”
硅谷的抢人大战已经从“免费午餐”升级到了“算力自由”。把海量的AI Token当进入职签字费，看似是企业大手笔的拉拢，实则是高昂模型使用费下无奈的“刚需”。这究竟是打工人的超级福利，还是科技巨头转嫁成本的隐形算计？
别再给创作者经济画大饼了：这次补上的线索，暴露了 Tooscut 背后更冷的工业真相
旧稿讲的是创作者被 AI 工具叙事裹挟，新线索补上的，是更硬的一层：AI 竞争正在从“功能秀”转向“效率、评估、护栏”三件事。Tooscut 这类产品看着是在帮剪辑师提效，骨子里却越来越像算力约束、自动化替代和平台控制共同挤压出来的工业品，而不是浪漫的创作伙伴。
机器人半马跑进50分钟：这不是“赢了人类”，是中国机器人把工程化又往前拽了一大步
北京人形机器人半马跑出50分26秒，账面成绩快过人类半马世界纪录，但这不是同规则下的人机对决，不能硬包装成“机器人改写体育纪录”。真正新增的信息在别处：前三名都用了荣耀 Lightning 模型，一年内从2小时40分压到50分钟级，说明中国机器人赛场的核心变量不是一句“AI 更强了”，而是模型、散热、结构、电池和供应链一起往前冲。热闹归热闹，客户还没被回答：能跑21公里，不等于能在工厂和仓库里稳定挣钱。
外卖巨头不送外卖改“喂”AI？我在DoorDash的打零工App里，看到了硅谷最冷酷的未来
当DoorDash试图把满大街跑的外卖小哥变成坐在屏幕前给AI打标签的“数字计件工”，硅谷大模型繁荣背后那块遮羞布被彻底掀开了。这不仅仅是一个新App的试水，而是零工经济向赛博世界全面迁徙的残酷预演。
老黄的皮衣还是那么帅，但华尔街为何开始打哈欠了？
英伟达的最新大会依然是一场技术狂欢，但资本市场的冷淡反应释放了一个危险信号：当完美成为及格线，超乎预期的增长已经难以刺激华尔街的神经。算力基建的“盲目撒钱期”正在悄然结束，大家开始伸手要真正的AI回报了。
狂飙的大模型与碎了一地的“碳中和”：科技巨头们的ESG成绩单为何越来越尴尬？
硅谷曾经最爱讲的“环保故事”，正被生成式AI的疯狂算力需求撕得粉碎。当微软、谷歌为了赢下AI军备竞赛而任由碳排放飙升时，我们不得不面对一个残酷的现实：算力自由与绿色地球，目前还是一道单选题。
这届地球人幸福指数出炉：当硅谷还在为AI失眠时，北欧人凭什么这么松弛？
2026年的《世界幸福报告》刚刚发布，芬兰毫无悬念地拿下了九连冠。作为一个跑了十年科技线的记者，我从这份榜单里看到的不只是社会福利的胜利，更是一个沉甸甸的启示：在狂飙突进的AI时代，人类究竟该如何驯服技术，而不是被技术裹挟。
好了伤疤忘了疼？亚马逊再传造手机，这次是AI给的胆
据传亚马逊正密谋在2026年重返智能手机市场。十年前Fire Phone的惨败曾让这家巨头沦为硅谷笑柄，如今毅然杀回这片红海，表面看是硬件执念，实际上是被苹果和谷歌在AI时代的“截胡”吓出了入口焦虑症。
记者手记｜黄仁勋的“一万亿赌局”里，最难卖出的不是机器人，而是信任
旧稿讨论的是英伟达想把 AI 从数据中心推到真实世界，新线索把这个判断补得更完整：GTC 上那个被关麦的“雪宝”说明，机器人今天缺的已不只是动作能力和推理能力，而是进入公共空间所需的社会化能力、品牌容错和人工兜底体系。对英伟达来说，真正的赌注也更清楚了——它卖的不只是芯片和工具链，还试图提前占住机器人时代的标准入口；但对乐园、商场和家庭这些使用场景来说，决定采购节奏的将是风险管理，而不是演示效果。
听见AI叹气的那一刻：不是机器觉醒了，而是人类的软肋被拿捏了
现在的AI不再只是冰冷的回答机器，它们学会了迟疑、停顿甚至叹气。这并非AI产生了自我意识，而是科技公司精心设计的“情感陷阱”——在这个孤独的时代，用最完美的拟人化体验，无情地收割着人类的同理心与注意力。
纽约新美术馆的“疯狂”实验：当 AI 帮我们伪造关于未来的记忆
纽约新美术馆的最新大展用一场极繁主义的数字狂欢，向我们抛出了一个细思极恐的问题：当AI掌握了图像与记忆的生成权，人类究竟算什么？这不仅是一场光怪陆离的视觉盛宴，更是对硅谷无底线追求AGI（通用人工智能）的一次极具隐喻的艺术回应。
扒开大模型的“黑盒”：月之暗面悄悄开源的这个项目，藏着 Kimi 长文本称霸的秘密
别光看着各家大模型在卷“几百万字”的上下文长度，真正决定它们懂不懂长文的，其实是底层架构的通透度。月之暗面最近在 GitHub 放出的 "Attention-Residuals" 研究，不仅一针见血地指出了大模型“读着读着就失忆”的病根，更向业界秀了一把纯正的极客肌肉：不靠堆算力，靠算法审美来解决问题。