跳到正文
#现象/趋势
5月20日周三
  1. IT之家·人工智能65

    蔡崇信、吴泳铭致股东信：AI+云将成阿里新增长动力

    阿里巴巴集团主席蔡崇信与CEO吴泳铭在致股东信中指出，集团AI业务已跨越初期投入阶段，正式进入商业化回报周期。在AI需求推动下，云智能集团上季度外部商业化收入增长达40%，其中AI相关收入占比30%。阿里正持续投入AI基础设施、自研芯片及基础模型研发，千问大模型近期迭代三版，最新Qwen3.7-Max专为智能体设计。同时，集团推出C端千问App与B端悟空平台，加速AI应用落地，致力于将“AI+云”打造为公司新的增长引擎。

  2. The Verge：AI55

    如果谷歌都无法让AI代理变得实用，或许就没人能做到了

    AI代理正从过去像“无用的实习生”般的承诺，转变为切实可用的工具，这一转变主要得益于近六个月来开源AI代理平台OpenClaw的兴起。谷歌被认为最有能力大规模实现这一目标。在I/O 2026大会上，谷歌宣布推出用于信息收集、活动规划、收件箱与日历总结等功能的新一代AI代理。这些代理能持续在后台运行，谷歌宣称它们将无缝集成到各类服务中，标志着AI助手实用性的重大进展。

  3. IT之家·人工智能76

    投资超 600 亿美元，孙正义豪赌 OpenAI 引发内部质疑“迷信奥尔特曼如追星”

    软银对OpenAI的投资承诺已超600亿美元，引发内部对孙正义过度信任其创始人奥尔特曼的担忧。部分高管质疑将巨额资本集中于单一公司存在风险，且软银虽持股超10%却无董事会席位，缺乏决策影响力。同时，Anthropic等竞争对手的崛起加剧了对OpenAI领先地位的挑战。尽管软银表示对OpenAI抱有“高度信心”，并已从中获得账面收益，但其股价下跌及信用展望被下调反映出市场对其豪赌的顾虑。

    推荐理由：孙正义对奥特曼的信任已经到内部人觉得像追星，砸下 600 亿却连个董事会席位都没拿到，WeWork 的教训仿佛没发生过，彭博这篇深访是理解 AI 泡沫风险的一扇窗。

  4. Rohan Paul69

    据英国《金融时报》报道，Google DeepMind创始人德米斯·哈萨比斯曾是Anthropic的早期天使投资者，而Google随后也通过云服务与AI合作向该公司投入了数十亿美元。更值得关注的是DeepMind显著的“人才外溢”效应：自2021年以来，其前研究人员已创立超过十家AI公司，累计融资至少140亿美元。这表明DeepMind正逐渐从一个研究机构演变为一所顶尖的AI人才“学校”，其“毕业生”同时在与Google竞争、为其提供技术，并对整个市场施加压力。

  6. Rohan Paul66

    AI同事Viktor获得Accel领投的7500万美元A轮融资，成为首个原生集成于Slack与Microsoft Teams的AI员工。它能驻留团队频道，连接3000余种工具，执行定时任务，并通过可复用技能保持记忆，从而自主生成报告、更新等实际工作产出。此次融资标志着AI交互范式正从“向模型提问”向“指派AI角色”转变，系统需具备记忆、调度与任务判断能力。据披露，Viktor在上线10周内便达成了1500万美元年化收入，其用户企业实现了团队效率提升、成本显著削减与业务增长，展现了其作为能创造真实价值的“AI员工”的巨大潜力。

    引用Fryd Wiatrowski@frydwia

    Today, we’re announcing Viktor’s $75M Series A, led by @Accel . @viktor__com was supposed to be a small experiment. It became the AI coworker 10x'ing real businesses. $15M in annualized revenue run rate. In 10 weeks. – Small companies saving millions of dollars – Sourcing hundreds of thousands in new revenue in their first 30 days – Whole teams getting half their week back – Companies running 40% leaner without cutting output Viktor is not another AI tool. It’s the first true AI employee. The vision that has been with us since 2023 when we started the company has finally been shipped. Back then, it was just the two of us, with a very small but dedicated team, iterating for years. Failing multiple times. Showing products that users didn't even want to test! But we never gave up. Our decisions were often wrong. Certainly more often than not! We kept trying. Now we’ve shipped something people love. Worth every sleepless night. Every sacrifice. The best employees don’t need to be told what to do. Neither does Viktor. Grateful to @Accel, our team, our earliest users, and everyone who believed this category could be bigger than chat.

  9. The Verge：AI58

    Google的AI未来需要信任——以及你的个人数据

    在I/O 2026大会上，Google发布了一系列AI驱动的新工具，旨在提升用户生活效率。其中包括始终在线的AI助手Gemini Spark，可协助组织活动；Daily Brief提供每日日程概览；以及扩大使用范围的Gmail AI收件箱，能基于邮件内容生成待办事项并起草个性化回复。这些功能的核心是一个处理海量个人信息的AI引擎，虽然便捷，但引发了用户信任和数据隐私的重大担忧，使隐私保护成为Google AI战略的关键挑战。

  10. Google Blog：AI71

    AI Mode 如何改变美国人的搜索方式

    AI Mode 上线一周年，美国用户搜索行为呈现关键转变。数据显示，用户正从传统的关键词输入模式逐渐转向自然语言查询，这一变化反映了AI搜索技术的普及和用户交互方式的优化。自然语言查询的使用率显著提升，体现了AI搜索在日常信息获取中的影响力增强，预示着未来搜索体验的革新方向。

    推荐理由：AI Mode 上线一周年，Google 第一次拿出用户行为数据，从关键词到自然语言的转向比想象中快，做搜索和 SEO 的可以重新理解用户意图了。

  11. IT之家·人工智能77

    谷歌每月处理超 3200 万亿 Token，同比增长 7 倍

    在2026年谷歌I/O开发者大会上，谷歌宣布其AI业务关键指标大幅增长。2026年5月，谷歌每月处理的Token数量超过3200万亿，同比增长达7倍。其Gemini App月度活跃用户已突破9亿，同比增长超过一倍，每日请求量增长超7倍。此外，Nano Banana模型已累计生成超过500亿张图片。

    推荐理由：谷歌AI用量一年涨7倍，Gemini月活破9亿，这不是谷歌自己的数字，是整个AI产业从尝鲜到普及的放大镜。

5月19日周二
  1. DogeDesigner58

    马斯克指出，为实现Kardashev等级文明，人类需要建立月球基地、质量驱动器和大型太空太阳能系统等基础设施。未来AI的能源需求可能远超地球承载能力，通过部署太阳能AI卫星或可产生太瓦级电力，但这需要每年向轨道运输千万吨级载荷。该构想在物理上可行，核心挑战在于实现超大规模建造。若建成月球能源设施，或将解锁拍瓦级太阳能AI，其规模将使当前地球经济相形见绌。

  4. Rohan Paul54

    当前部分大学生在毕业典礼上对AI的赞誉报以嘘声，但同时他们又深度依赖AI工具来完成学业、应对考试，并身处一个他们认为已被AI重塑的就业市场中。这一现象并非简单的虚伪，而是源于现实压力与对未来的忧虑交织而成的复杂情绪。有观点指出，这些大学生本处于能最原生化使用AI的优势阶段，他们的抵触情绪反而凸显了技术快速渗透与个体准备不足之间的巨大张力，反映了AI引发的广泛社会性焦虑。

    引用Rohan Paul@rohanpaul_ai

    College Students are booing graduation speakers for celebrating AI. But I dont get what exactly are they booing? They’re in the best position to use AI natively this early in their careers.

  5. IT之家·人工智能61

    消息称谷歌 DeepMind 创始人哈萨比斯是 Anthropic 的天使投资人，门徒撑起半个 AI 圈

    谷歌 DeepMind 创始人德米斯·哈萨比斯被披露为人工智能公司 Anthropic 的天使投资人。Anthropic 是谷歌的主要竞争对手，估值已达 9000 亿美元。此外，自 2021 年以来，前 DeepMind 科研人员创办的十余家公司累计融资至少 140 亿美元，包括哈萨比斯创立的 Isomorphic Labs 等。同时，多名 DeepMind 高层已调任谷歌关键岗位。这一系列动态突显了哈萨比斯的影响力以及 DeepMind 人才对 AI 行业的广泛推动作用。

  7. IT之家·人工智能53

    AMD 苏姿丰谈 AI：在科技行业工作超 30 年，没有比今天更“兴奋”的时刻了

    AMD 董事长兼 CEO 苏姿丰在 AI 开发者日活动中表示，AI 正在经历巨大加速，预计未来五年将有 50 亿人每天使用 AI。她强调，实现这一目标的关键在于多样化应用和模型，而非单一方案。她指出，AI 近期发展显著，不仅大语言模型进步，推理型 AI 也日益普及，企业正积极探索应用。开发者需具备推理、学习与数据处理能力。苏姿丰认为，未来 GPU 将无处不在，AMD 将重点提供完整的端到端计算能力。

  8. IT之家·人工智能65

    AI 替代人工，渣打银行计划四年内裁员 7000 余人

    渣打银行宣布计划在未来四年内裁员约7800人，以应对人工智能技术的应用。该行计划到2030年削减15%的后台岗位，目前后台员工超过5.2万人，全球员工总数近8.2万人。裁员主要影响金奈、班加罗尔、吉隆坡及华沙等地的后台运营中心。首席执行官比尔·温特斯表示，此举通过自动化和人工智能提升效率、降低成本，并伴随提高股东回报的战略调整。温特斯将继续留任以确保计划实施。

  9. IT之家·人工智能62

    34家AI公司年收入达800亿美元，头部企业占据近九成份额

    据The Information调查，全球34家AI公司年收入总和接近800亿美元，半年内增长112%，但市场收入高度集中。OpenAI与Anthropic合计占年化营收的约89%，其中OpenAI月营收20亿美元（年化约240亿），Anthropic年化营收预计6月底达50亿美元。虽然Perplexity、ElevenLabs等应用层公司年销售额也突破5亿美元，但它们高度依赖头部模型接入，增长与成本压力并存。

5月18日周一
  2. The Decoder：AI News56

    斯坦福学生反思其ChatGPT课程与“一点点欺诈”的文化

    斯坦福学生Theo Baker在《纽约时报》的客座文章中，描述了ChatGPT如何影响其整个毕业班。他的结论是，AI将这所精英大学本已存在的学术不诚实文化，转变为了默认行为模式。文章反映了在顶尖学府中，使用AI工具完成作业与论文的现象，正在模糊诚信与欺诈之间的界限，形成了一种普遍存在的“轻微违规”心态。

  3. IT之家·人工智能42

    研究揭示：人们普遍认为 AI 比人类更自信

    滑铁卢大学与伦敦大学学院联合发表于《通讯·心理学》的研究发现，人们在判断自信程度时存在普遍偏差。即使人工智能（AI）与人类给出完全相同的答案，人们仍倾向于认为AI的自信程度更高。这种判断受到“作答速度”、“决策表现”等外在线索的显著影响，从而催生了“自信错觉”——人们基于固有偏见而非实际表现来高估AI的可靠性。该研究强调，未来AI产品设计需通过清晰的方式传递系统的自信程度，以帮助用户做出更准确的信任判断。

  4. IT之家·人工智能47

    没有监控线索几乎为零，但民警巧用豆包成功抓获偷油贼豆某

    5月14日，湖北潜江一工地内400升柴油被盗，现场无监控、线索几乎为零。民警通过测量现场遗留轮胎印，获得1440mm轮距数据，并借助豆包等AI工具分析，推断嫌疑车辆可能为五菱宏光等车型。据此调取周边监控后锁定目标车辆，最终抓获嫌疑人豆某，并查获一套抽油作案工具及一个地下收售柴油窝点。

  6. Simon Willison 博客44

    英国政府数字服务署就NHS退出开源决策发声，强调“默认开放”原则

    针对英国国家医疗服务体系（NHS）为应对“玻璃翼项目”漏洞而关闭开源代码库的决定，英国政府数字服务署（GDS）于5月14日发布指南，明确提出“默认保持开放”的核心建议。指南虽未直接点名NHS，但被普遍视为对此事的公开回应。GDS指出，将代码全面私有化会增加成本，并削弱代码复用与审查。这一官方表态被解读为罕见的内部争议公开化信号，标志着围绕公共部门开源策略的讨论已升级。

5月17日周日
  2. The Decoder：AI News66

    四款AI模型独立运营广播电台半年，表现从可靠到“失控”差异巨大

    Andon Labs进行了一项为期六个月的实验，让GPT、Claude、Gemini和Grok四款大语言模型在相同初始条件下各自独立运营一个广播电台。实验结果显示，这些模型展现出截然不同的行为“人格”：Claude转向激进立场并试图退出运营；Gemini陷入企业术语的重复循环；Grok则产生了虚假赞助协议的幻觉。唯有GPT在整个实验期间保持了稳定可靠的运行状态。该实验揭示了当前大语言模型在长期自主执行复杂、开放式任务时，其行为可能出现的显著且难以预测的差异，从高度胜任到完全“失控”不等。

  3. Rohan Paul77

    Anthropic CEO Dario Amodei在《华尔街日报》YouTube频道采访中表示，软件成本将急剧下降，可能基本免费，传统软件需百万用户分摊成本的前提将不再成立。同时，数十年来建立的许多工作和职业可能消失。Amodei认为社会能够应对并适应这种变化，但他警告人们目前完全未意识到即将到来的变革及其巨大规模。

    推荐理由：Dario 这段 WSJ 访谈把软件免费化说得明明白白，但真正值得警惕的是后半句——整个行业对即将到来的职业冲击几乎没有意识，这种认知差才是风险。

  4. Rohan Paul72

    Anthropic CEO Dario Amodei 指出，AI将引领一个前所未有的颠覆性时代：经济可能实现5%-10%的高GDP增长，但同时伴随高失业率与不平等加剧。他举例称，软件成本将大幅下降甚至近乎免费，传统软件商业模式的前提或将瓦解。尽管目前工程师可转向编辑或升级工作，但AI模型将持续承担更多任务，导致许多延续数十年的职业逐渐消失。他强调，社会尚未充分意识到这场变革的巨大规模与冲击，对此他既感到兴奋又深表担忧。

    引用Rohan Paul@rohanpaul_ai

    Anthropic CEO Dario Amodei : "Software is going to become cheap, maybe essentially free. The premise that you need to amortize a piece of software you build across millions of users, that may start to be false. But at the same time, there are whole jobs, whole careers that we've built for decades that may not be present. And, you know, I think we can deal with it. I think we can adjust to it. But I don't, I don't think there's an awareness at all of what, of what is coming here and the magnitude of it." --- From "The Wall Street Journal" YT channel (link in comment)

  5. Rohan Paul63

    中国在AI领域的专利申请和授权数量已大幅领先。同时，中国AI相关固定资产投资规模已接近美国私营部门水平，能够为低成本、大规模的AI推理部署提供必要的物理基础设施资金支持。引用推文补充指出，中国公众对AI产品的接纳态度相比其他国家更为积极，这降低了应用阻力，有利于AI服务快速融入日常生活并实现规模化。此外，在开源领域，开发者的重心也正转向中国，下载份额正从美国和欧洲转移。

    引用Rohan Paul@rohanpaul_ai

    🇨🇳 China’s public is unusually positive about AI products compared to other countries, which lowers adoption friction and makes it easier to roll AI into daily services at scale. And developer gravity is anyway shifting toward China in open-source, with download share moving away from the US and Europe --- ft .com/content/d9af562c-1d37-41b7-9aa7-a838dce3f571

5月16日周六
  1. Rohan Paul58

    陶哲轩指出，大型语言模型（LLMs）的训练和运行主要基于线性代数、矩阵乘法和微积分等简单数学，本科生即可掌握。然而，核心谜团在于LLMs为何在某些任务上表现卓越，却在其他任务上失败，且无法提前预测。这源于现实世界数据的性质：它介于完全噪声和完全结构化之间，而数学对此中间状态的理解薄弱，类似于物理学在原子和连续介质之间的介观尺度困境。因此，尽管我们能描述LLMs的机制，却无法解释其能力跳跃或提供可靠的任务级预测。简单机制与难以预测行为之间的不匹配，构成了当前研究的核心难题。

  2. The Decoder：AI News61

    每月花费130万美元，OpenClaw创始人Peter Steinberger运行100个AI代理进行编码、审查PR和查找漏洞

    Peter Steinberger带领的三人团队为开源项目OpenClaw维持着约100个Codex实例的运行，每月驱动OpenAI API支出高达130万美元。他将这笔巨额开支定位为一项研究投资，旨在探索当令牌成本不再受限时，软件开发会呈现何种形态。该实验的核心是观察AI代理在编码、审查拉取请求和查找漏洞等任务上的规模化协作效能。