跳到正文
#现象/趋势
6月2日周二
  1. IT之家·人工智能64

    OpenAI 奥尔特曼：最积极拥抱 AI 的公司，其实也是招人最多的公司

    OpenAI CEO 萨姆·奥尔特曼反驳了“企业采用AI后就会裁员”的观点。他指出，采用AI最多的公司实际上招聘也最多，而宣称因AI裁员的公司反而采用AI较少。奥尔特曼认为AI可能被用作裁员的“方便说法”，但在看到公司使用OpenAI编程工具后，他对就业前景的判断变得更加乐观。他同时承认，OpenAI过去发布的某些新闻稿可能加剧了公众焦虑，并澄清了GPT-5.2在44个职业中超过专业人士的说法。

  2. 公众号：面壁智能57

    对话刘知远：中国AI要“向外卷”，大模型密度定律登上《自然·机器智能》封面

    面壁智能首席科学家刘知远提出“大模型密度定律”，该研究登上《自然·机器智能》封面，发现智能密度每3.5个月翻倍。他认为中国AI需“向外卷”，深入产业场景，而非重复OpenAI路径。刘知远指出中国模型与顶尖仍有差距，DeepSeek-V4尚未超越Claude Opus，原始创新是最大短板，但DeepSeek-R1在未公开路线下的创新值得肯定。他还强调智源研究院作为“中间地带”对原始创新的支持作用。

  3. IT之家·人工智能60

    经济学家称 AI 未造成失业，科技行业裁员潮却愈演愈烈

    阿波罗全球管理首席经济学家托尔斯滕·斯洛克撰文称，没有证据表明人工智能造成失业，OpenAI创始人山姆·奥尔特曼也承认此前的相关预言落空。然而，数据显示2026年至今科技行业裁员总数已近11.6万人，接近2025年全年12.4万的规模。Wix、Block、Meta、亚马逊等多家公司近期因AI替代或调整方向而进行大规模裁员。一项调研显示，99%的受访高管预计未来两年内将因AI减少员工数量。

  4. Rohan Paul61

    高通CEO Cristiano Amon指出，AI智能体（Agentic AI）因其执行规划、工具调用、验证等自主任务，单次请求的token消耗可能达普通回答的10至50倍以上，因此AI将需要“海量”token。高盛预测，到2030年AI智能体的token使用量将增长24倍，每月可能达120千万亿。同时，推理成本预计年降60%-70%。这标志着软件计量方式可能从按席位/点击转向主要按机器推理/token消耗量计算，Uber和Microsoft等公司已在重新评估高昂的智能体使用成本。

    引用Rohan Paul@rohanpaul_ai

    Goldman Sachs: "Token use by AI agents is expected to multiply 24 times by 2030" AI agents are now creating the first serious cost test for the AI boom. As was reported this week, Uber and Microsoft are already rethinking expensive agent usage. A chatbot may answer once, but an agent plans, calls tools, checks results, edits mistakes, and repeats the loop. That loop can make one user request consume 10x, 50x, or even far more tokens than a normal answer. Goldman’s bullish case is that monthly token use could reach 120 quadrillion by 2030, while inference cost per token keeps falling 60%-70% per year. The fight is now between agent productivity and token waste. Earlier this month, Microsoft began revoking developer access to Claude Code, with plans to move them to its in-house Copilot Command Line Interface tool by June 30. The company has framed this as consolidating teams around its own tools, but the timing at the fiscal year’s end hints it may also be about lowering costs.

  5. Tomasz Tunguz 博客62

    AI看跌情绪地图

    金融市场对AI的看跌情绪正从整体上升转向板块分化。上季度，软件、半导体、云及超大规模公司的空头比例中位数上升约24%。GPU数据中心业务空头股份在过去一年激增60%。AI云与新型云公司的当前空头比例中位数最高，达16.8%，SaaS与开发工具领域随后，分别为9.5%和8.9%。相比之下，超大规模公司和NVIDIA的空头比例极低，仅为1.1%和1.2%。市场怀疑主要针对那些AI业务仍依赖未来资本、需求或运营杠杆的中小型公司。

    推荐理由：这份AI做空地图把市场怀疑论的矛头指向了谁说得明明白白，GPU云和AI SaaS被看空得最狠，但NVIDIA和超大规模云商几乎没被碰，做投资或者关心谁在裸泳的可以认真看看。

6月1日周一
  1. Hugging Face 社区博客60

    超越LLM：为何可扩展的企业AI采用取决于智能体逻辑

    可扩展的企业AI采用需超越大语言模型，依靠智能体逻辑来引导模型执行动态、长周期且受约束的企业工作流，从而提升质量、降低成本并建立信任。文中以IBM watsonx Code Assistant for Z为例，展示了智能体逻辑如何通过程序分析等技术，在理解大型遗留代码库时，相比纯LLM基线方法，能以约30倍更低的token消耗达到更优性能。在加速测试生成任务中，该方法亦能使代码覆盖度提升20%-45%，同时token消耗降低最高达15倍。

    推荐理由：不是又一篇炒作 agent 的文章，IBM 拿真实项目数据说清楚了‘agent logic’怎么让大模型在企业落地时既降本又增效。

  2. Nathan Lambert：Interconnects67

    开源与闭源模型在不同的增长曲线上

    当模型智能的微小提升能直接转化为实际价值时，开源与闭源模型正沿着不同的增长路径发展。闭源模型通过在特定场景下提供更高的边际智能来创造价值，而开源模型则在其他维度寻找增长点，两者形成了差异化的竞争格局。

    推荐理由：Lambert 用「不同指数级」框架理解开放与封闭模型的未来分化，观点鲜明且有推演，是近期较值得读的行业判断，投资人、产品人都该看一眼。

  6. Rohan Paul57

    一位自称电影明星的哈佛毕业典礼演讲者在演讲中激烈抨击AI，称其“愚蠢且总是错误的”。他举例称AI曾建议他乘FlixBus往返纽约与哈佛，并质疑AI所称的哈佛569亿美元捐赠基金及研究生工会罢工信息的真实性，称之为“AI幻觉”。他号召学生，这一代人的使命是“摧毁AI”，并以电影《终结者2》作类比，提出需捕获、重编程AI并利用其时间旅行技术回到过去击败它。他的言论引发了现场学生的欢呼。

  10. Rohan Paul60

    陶哲轩指出，AI工具和Lean等技术正在改变数学研究的参与门槛。过去需要多年博士训练才能触及前沿，而现在高中生也有可能参与项目并做出实质贡献。他强调，研究时间大多消耗在核查、验证等重复性工作上，AI降低了这类循环的成本，使研究者更敢于尝试“更疯狂”的想法。许多非常规思路并非因错误被否，而是因验证成本过高而被放弃；AI让犹豫变得廉价，这往往是科学发现的起点。

    引用Rohan Paul@rohanpaul_ai

    Terence Tao: "We lived in a world with cognitive friction until very recently, where every task required us to use our brain. So we didn't really think about it, we just thought this was the cost of doing something intellectual. But now we have AI and the other technologies that can bring these frictions down to zero." Most research time is not spent having cinematic insights. It is spent checking cases, chasing references, translating intuition into computation, testing a path, finding it false, and deciding whether the failure taught you anything. AI changes the cost of that loop. Terence Tao says that now he can try “crazier things,” and that makes so much difference. Because unconventional ideas are often not rejected by proof, but by inconvenience. A mathematician may avoid a strange direction not because it is foolish, but because the bookkeeping, coding, or literature search needed to test it is too expensive for a hunch. This is where cognitive friction becomes scientific friction. Lowering it does not make taste, judgment, or proof disappear; it makes more weak signals cheap enough to inspect before they are abandoned. AI is making hesitation less expensive, and that is often where discovery begins.

  12. Simon Willison 博客65

    或许该取消我的AI订阅了

    作者引用David Wilson的观察指出，AI编码工具（如Claude）能将模糊想法在不到一小时内转化为带测试和文档的完整项目，但用户往往因此创建超过16个难以维护的项目。这些工具输入门槛低、反馈即时，却像“热核级ADHD放大器”，导致注意力严重分散和项目废弃。文章质疑这种“廉价奖励”模式的可持续性，认为当前缺乏有效管理方式，关键可能在于培养使用纪律。

5月31日周日
  1. Rohan Paul64

    Chamath认为，当各大实验室能构建相似模型时，真正的竞争优势将来自独特的“私有数据输入”。他以厨师比喻：若给三位厨师相同食材，其中一位若多一味独特食材，便能做出非凡菜品。当前大家都依赖公开网络数据，但未来数据所有者可能将独家数据用于训练自己的模型，从而建立优势。这将引发一场围绕私有数据的“军备竞赛”，并可能改变大型科技公司的收购逻辑——未来的并购可能旨在获取能提升其大语言模型性能的独特数据流，而非仅仅购买收入或品牌。

  3. Baidu Inc.59

    在百度Create 2026大会上，CEO李彦宏提出了DAA（每日活跃智能体）新指标，用于衡量AI智能体的实际任务完成情况。该指标旨在解决现有DAU（仅反映用户规模）和token消耗量（仅反映模型投入）的局限性。据Goldman Sachs Research预测，智能体AI将驱动token消耗量到2030年增长24倍，但投入不等于产出。DAA则直接计数成功完成工作循环的智能体，衡量的是交付成果而非活动量。李彦宏预测，全球DAA最终可能超过100亿。

  5. The Decoder：AI News61

    Anthropic研究发现：在社会科学研究中，男性使用AI编程智能体的频率是女性的两倍以上

    Anthropic的一项研究发现，在社会科学领域，通常男性名字的研究者使用AI编程智能体的频率，超过通常女性名字研究者的两倍。数据显示，经济学家中有39%使用编程智能体，而教育研究者中这一比例仅为4%。这一性别差距在编程智能体的使用上，远比在一般AI使用中更为显著。

  6. Simon Willison 博客61

    我将从科技行业退休，回归线下生活

    Chad Whitacre 宣布从科技行业退休，包括退出开源社区。他将AI的发展视为促使他离开的最后一根稻草，并称自己要过一种“新阿米什人”的生活，即停留在没有AI和“信息流刷屏”的1980年。此前，他曾深度体验 Claude Code（模型为 Opus 4.5）进行编程，虽然沉浸其中，但事后感到不安，认为这就像一个大公司的计算机系统侵入了思维。他由此决心彻底脱离技术加速主义的浪潮。

5月30日周六
  2. The Verge：AI73

    AI 骗子正在创建虚假的黑人形象来销售 Shein 劣质商品

    有卖家利用 AI 生成虚假的黑人形象，在 TikTok、Facebook 和 Instagram 上扮演手工制品创作者进行销售。例如一个名为 Aliyah 的 AI 生成形象，以带泪诉说的方式售卖所谓手工皮带扣，但该形象及其产品均为虚构。此类 AI 虚拟网红被用于推广通过代发货模式销售的批量生产品。

    推荐理由：AI生成的虚拟黑人卖家在TikTok上哭着卖假货，The Verge这篇调查把AI黑产里最脏的那面扒给你看，做社交电商的尤其该点开读。

  3. Rohan Paul69

    一项对6000名高管的调查显示，尽管投入巨大，超过80%的公司尚未从AI中获得生产力提升。仅1/3的领导者使用AI，且平均每周使用时间仅约90分钟。不过，多数受访者预期AI未来三年内将提升生产力。与此同时，Goldman Sachs预测AI智能体的Token使用量到2030年将增长24倍，因其任务循环消耗的Token可能远高于普通对话。智能体生产力与Token消耗之间的平衡，正成为企业新的成本考验，微软近期收紧了对Claude Code的访问即是一例。

    引用Rohan Paul@rohanpaul_ai

    Goldman Sachs: "Token use by AI agents is expected to multiply 24 times by 2030" AI agents are now creating the first serious cost test for the AI boom. As was reported this week, Uber and Microsoft are already rethinking expensive agent usage. A chatbot may answer once, but an agent plans, calls tools, checks results, edits mistakes, and repeats the loop. That loop can make one user request consume 10x, 50x, or even far more tokens than a normal answer. Goldman’s bullish case is that monthly token use could reach 120 quadrillion by 2030, while inference cost per token keeps falling 60%-70% per year. The fight is now between agent productivity and token waste. Earlier this month, Microsoft began revoking developer access to Claude Code, with plans to move them to its in-house Copilot Command Line Interface tool by June 30. The company has framed this as consolidating teams around its own tools, but the timing at the fiscal year’s end hints it may also be about lowering costs.

  4. Rohan Paul54

    高盛预测，到 2030 年，由 AI 智能体驱动的模型 token 月度消耗量将激增至 120 quadrillion，较当前增长约 24 倍。核心原因是智能体在完成单次用户请求时，需要进行多轮工具调用、结果检查与修正，导致其 token 消耗量可能达到普通问答的 10 倍甚至 50 倍以上。这一趋势引发了成本担忧，Uber 和 Microsoft 等公司已开始重新评估昂贵的智能体使用方案。报告同时指出，推理成本正以每年 60%-70% 的速度下降，智能体带来的生产力提升与潜在的 token 浪费正成为新的博弈焦点。

  5. The Decoder：AI News56

    Salesforce声称AI代理将231天的迁移缩短至13天，且事故更少

    Salesforce宣布已将整个开发组织迁移至Anthropic的Claude Code，并取消了token限制。其2026年4月报告显示，每位开发者的pull request数量增加了79%，生产事故减少了5%。这些数字未经独立验证。此次迁移突显了编码领域对智能体化转型的巨大分歧：这究竟是真正的革命，还是前所未有的技术债务积累？

  6. IT之家·人工智能67

    AI 开始给人类打分：Claude 评分标准曝光，优秀人类得 7.5 分

    Anthropic 正在测试 Claude 的一项新功能，它能基于 11 项行为指标分析用户与 AI 的历史对话，为用户生成“AI 流利度”评分（满分 11 分）。该功能源于其《AI 流利度指数报告》，该研究分析了 9830 段匿名对话，提出了包含“描述”、“委托”和“辨别”维度的 4D 框架。有用户分享自己获得了 7.5 分，报告还会指出弱点并提供优化建议。该功能目前处于灰度测试阶段。

  7. Rohan Paul47

    日本AI数据中心热潮正推动企业从传统空气冷却转向液冷技术，主要原因是AI GPU机架的散热需求激增。当前冷却已占数据中心用电量的30%至40%，且GPU发热量在5年内翻了一倍多。传统风冷因空气载热能力有限，面临噪声大、能耗高及物理空间限制。液冷技术通过将金属冷板直接贴合芯片，利用液体流道高效导热，能更高效地移除热量并提升芯片温度稳定性。其主要挑战在于安装成本较高且需专门的服务器机架设计。日本的Fuji Electric、Nidec、Mitsubishi Heavy等公司正积极开发相关系统。

  9. TechCrunch：AI72

    当公司过于"AI上瘾"时会发生什么？

    Box创始人Aaron Levie指出，决定用AI替代员工的人往往最不了解工作的实际内容，他将此称为“AI psychosis”。ClickUp近期为部署AI智能体裁员22%即是一例。2026年的科技行业裁员规模已接近2025年全年。

    推荐理由：Aaron Levie 造了个好词“AI psychosis”，用来形容那些并不懂你工作却要裁掉你的管理层，这两年科技公司裁员潮背后的荒诞逻辑被点透了。

  11. Steve Yegge：Medium66

    技术面试的终结

    作者基于超过35年的技术面试经验指出，该流程存在根本性缺陷。面试结果极不可靠，面试官意见高度不一致，且评分无法有效预测候选人实际表现。亚马逊的“Bar Raiser”和谷歌的“Hiring Committee”等补救机制并未从本质上解决问题。作者认为，当前的人才评估方式亟需一场根本性的变革。

  12. The Verge：AI62

    科技公司迫切希望拍摄你做家务的画面

    AI训练数据初创公司Shift宣布将为纽约人提供免费家庭清洁服务，并计划扩展至伦敦等城市。作为交换，Shift要求拍摄其清洁人员工作的视频，记录洗碗、擦柜台、扫地、拖地等所有家务劳动。这些视频数据正被机器人公司竞相收集，用于训练机器完成家务，最终目的是销售家用服务机器人。

5月29日周五
  1. X.PIN65

    由于美国出口管制，华为在芯片先进制程竞赛中面临困难。为此，华为于2026年5月提出“τ（Tau）定律”，旨在为后摩尔时代的芯片性能提升提供新框架。该定律的核心是优化有效RC时间常数（τ）以提升信号传播速度。其方法是不完全依赖制程微缩，而是从晶体管、电路、芯片互连及系统架构四个层次进行优化，以压缩τ值。华为将其描述为中国公司首次提出具有全球影响力的后摩尔扩展框架。

  2. Rohan Paul52

    这是一场关于AI架构的辩论。Transformer阵营指出，其凭借简单、硬件友好、可扩展的优势主导当下，核心是基于键值存储的记忆与注意力机制，并强调任何替代架构必须能在扩展性上与之匹敌，且需达到约10倍优势才能颠覆现有技术栈。Post-Transformer阵营则认为，当前大语言模型的推理更像是后置的文本步骤，真正的突破在于实现模型内部的“潜在推理”与持续学习能力，并指出长上下文不等于真正记忆，未来可能是混合架构。辩论还提到，当前公开基准测试易被优化，而困惑度（Perplexity）仍是评估前沿模型的有效指标。最后指出，尽管Transformer仍占主导，但前沿正在拓宽，并列举了Pathway的BDH、Sakana AI的CTMs和Liquid AI的LFMs等新兴架构作为例证。

  3. IT之家·人工智能51

    TrendForce：预估 2027 年全球存储器产值将扩大至 1.28 万亿美元

    TrendForce 预估 2027 年全球存储器产值将增至逾 1.28 万亿美元，同比增长 44%。2026 年产值预估也被大幅上调至 8893 亿美元。增长主要受智能体AI对服务器CPU及内存需求增加的驱动，例如新一代AI服务器CPU与GPU配置比已从1:8提升至1:4或更高。同时，HBM产能挤占通用DRAM产能，加上供应商合约价话语权强化，推动DRAM产值预期大幅增长。

  4. IT之家·人工智能50

    赛力斯张正萍回应特斯拉 FSD 入华：优劣交给市场评判

    在未来汽车先行者大会上，赛力斯董事长张正萍就华为乾崑智驾与特斯拉 FSD 的对比表示，两者孰优孰劣应交由市场评判。他以全新一代问界 M9 为例，指出其搭载 6 颗激光雷达及 40 个传感器，在硬件方面“不输给 FSD”。技术上，他认为 FSD 模拟人类视觉逻辑，而华为乾崑智驾则能超越人眼视觉范围。此外，张正萍透露问界品牌用 46 个月达成第 100 万辆交付，其辅助驾驶累计里程已超 77 亿公里。

  5. IT之家·人工智能55

    英伟达黄仁勋谈 AI 应用、Token 消耗：浪费一点钱没关系，千万别浪费时间

    英伟达CEO黄仁勋在员工大会回应AI消耗Token的担忧，称“浪费一点钱没关系，但千万不要浪费时间”。他要求同事积极拥抱AI，指出不使用AI才会被裁员，“你不会被AI取代，但会被懂得使用AI的人取代”。黄仁勋强调AI绝非裁员借口，而是避免裁员的良方，并认为这是缩小科技鸿沟的最佳时机。