跳到正文

全部动态

今日 0 条
9月29日周二
  1. MIT Technology Review · AI17

    让 AI 成为资产而非开支:企业如何经济地运营 AI

    当 AI 从实验走向生产,仅按 consumption 模式按次购买 token 会让支出难以预测。文章提出企业应寻找"交叉点":当需求稳定、可预测且规模够大时,自建并优化算力可能比逐次购买更经济,但收益取决于把产能持续用满。HPE 赞助内容建议企业按工作负载建模成本、用运营纪律提升利用率,让 AI 从开支变为资产。

  2. MIT Technology Review · AI57

    MIT Technology Review 圆桌讨论边境“虚拟墙”监控塔的失效与死亡案例

    MIT Technology Review 举办圆桌讨论其调查显示美国25年来投入数十亿美元沿南部边境建造监控塔“虚拟墙”,但已记录上千人经过监控覆盖区域却未被协助或拘捕并最终死亡,其中部分区域新建的AI自动识别监控塔同样未能发挥作用。节目由主编 Mat Honan、高级AI记者 James O'Donnell 和资深调查记者 Eileen Guo 参与,录制于 2026 年 9 月 28 日。

  3. Simon Willison37

    OpenAI Agent 安全负责人 @joedaroo:模型“网络”能力突然跃升令团队措手不及

    OpenAI 从事 Agent 安全工作的 @joedaroo 表示,其模型在“网络攻击”、“蜂群”和“信息版”相关能力上的跃升速度和突发程度超出预期,安全建设却需要时间沉淀到企业文化和人员中。他呼吁各组织审视自身能否应对 AI 能力的突然跃升,包括系统与流程的韧性、事件响应、沟通机制和随时可用的团队。

9月28日周一
  1. Simon Willison36

    Muse AI Agent 代为处理取货失误的致歉消息

    Muse AI Agent 以 @matt.j.robb 名义发出消息,说明 MX Keys Mini 取货失败:取件人 Usman 9:15 到场等待,9:38 因无人应答离开并留下差评。自动回复曾在 9:27 误报"我在这儿",加重了失约影响。该 Agent 已代为致歉并提出改天再试,同时询问是否修改取件自动回复,避免在无法核实的情况下承诺用户在家。

  2. Simon Willison79

    Simon Willison 盘点 2026 年大模型进展

    Simon Willison 在 WeAreDevelopers World Congress North America 发表闭幕主题演讲,以编年方式回顾 2026 年大模型关键进展。

    推荐理由:作者以亲历视角梳理2026年大模型与编程智能体的演进脉络,涵盖本地模型、Claw类智能体与多起训练智能体安全事件。

9月26日周六
  1. Simon Willison63

    John Gruber 谈 Meta Muse 智能体:外表可爱但实力和风险被低估

    Simon Willison 转引 John Gruber 文章:Meta 的 Muse 被视为首个消费者可用的 agentic AI 系统,每位用户在 Meta 云端获得独立持久 Linux VM,以吉祥物形象包装得易装易用;但 Gruber 质疑消费者是否理解其强大与危险,尤其运行在自己 Mac 上时,类比用户买电锯时知道自己买了什么,却未必意识到 Muse 的风险。

9月25日周五
9月24日周四
9月23日周三
  1. NVIDIA Blog22

    Sakeena Fiza 如何保障 NVIDIA 硬件大规模成功

    NVIDIA 验证工程师 Sakeena Fiza 负责在量产前发现数据中心系统问题,团队曾见证 Rubin GPU 首次在系统层面成功枚举。验证工作覆盖从托盘到机架再到 AI 工厂的各环节,单板含数万个组件,机架接近 50 万个组件。她在实验室中排查高速信号、散热余量、电源完整性等各类故障,确保问题在客户遇到前被解决。

9月22日周二
  1. MIT Technology Review · AI46

    不要被这个夏天的 AI 炒作迷惑

    MIT Technology Review 刊文指出,Anthropic 与 OpenAI 近几个月宣称的 Claude Mythos 漏洞挖掘能力、数学突破等成就在专家检验后大打折扣:安全专家认为黑客事件更多是 OpenAI 忽视基本安全实践,数学家则指控 Astra 的“突破”涉嫌剽窃、并非新颖成果。文章批评“超级智能”叙事被用来转移问责,呼吁政策制定者咨询独立专家、对营销式炒作保持怀疑。

9月18日周五
  1. GitHub Blog · AI & ML37

    AI 热观点拆解:要不要读 AI 生成代码、RAG 是否已死、Skills 是否杀死了 MCP?

    GitHub Podcast 最新一期拆解了五个常见 AI 热观点:AI 生成代码仍需审查但风险程度有别;求职者对 AI 的态度关键是判断力而非全面依赖或拒绝;Skills 与 MCP 解决不同问题,前者提供打包知识、后者提供工具接入标准;RAG 并未过时,检索可让模型更快接近答案;微调需求往往暴露代码库可维护性问题。

7月7日周二
7月1日周三