OpenAI 奥尔特曼：主动式 AI 将是聊天机器人与智能体之后的下一阶段
OpenAI CEO 萨姆·奥尔特曼提出 AI 三阶段：聊天机器人、AI 智能体（如 Codex）和“主动式 AI”——一种在后台持续运行并主动提供帮助的系统，他称这是未来一年最看好的方向。OpenAI 正研发整合 Codex 与 ChatGPT 的超级应用。成本问题已成企业第二重要话题，Uber 一季度耗尽全年 AI 预算。主动式 AI 旨在降低用户学习门槛，但对企业数据安全与 IT 架构提出新挑战。
#大佬观点
IT之家·人工智能AI 评分6767 
Rohan Paul@rohanpaul_aiAI 评分5858引用Fei-Fei Li@drfeifeihttp://x.com/i/article/2062244283940544512
The Decoder：AI NewsAI 评分4444 OpenAI CEO Sam Altman 认为“主动式 AI”是聊天机器人和 AI 智能体之后的下一个阶段
OpenAI CEO Sam Altman 提出“主动式 AI”（proactive AI）概念，这种 AI 在后台持续运行、自主采取行动，而非等待用户提示。Altman 同时指出企业正面临 AI 成本飙升以及多数员工不知道如何向 AI 提问的根本问题，并承诺“帮助人们用更少的花费获得更多价值”。
Fei-Fei Li@drfeifei精选AI 评分7878推荐理由：李飞飞亲手给纷乱的「世界模型」下了个三分类——渲染、模拟、规划，而且点破模拟才是根基。做机器人、空间智能的人，这篇是今年的坐标系。
IT之家·人工智能AI 评分4545 何小鹏：小鹏GX未定价已获中东千辆盲订，全球L3自动驾驶明年Q1实施
小鹏集团董事长何小鹏在GX智造工厂直播中透露，小鹏GX未公布海外定价即获中东等海外市场1000笔盲订。国内上市12小时大定超2.4万辆，限时起售价26.98万元，提供纯电和超级增程动力。何小鹏判断全球L3级自动驾驶将于明年Q1实施，小鹏第二代VLA正海外测试。针对热销致提车周期延长，他否认“加价2万插队”传言，并称已成立专项督战小组加速提产。
公众号：昆仑万维AI 评分5353 昆仑万维方汉：智力与能源是中国AI底层逻辑，香港可做数据合规沙盒与学术桥梁
近日，昆仑万维董事长兼CEO方汉在2026年香港科创主题研讨会上指出，中国AI的底层逻辑是智力与能源，中国具备明显优势，全球最好的开源大模型DeepSeek已能在多个垂直领域与美国产品竞争。公司2026年第一季度营收25.70亿元，同比增长45.69%；海外收入24.87亿元，同比增长49.29%；短剧及AI短剧平台月流水超4800万美元，ARR超5.7亿美元。方汉认为香港可扮演数据合规“沙盒”与学术交流桥梁角色，并呼吁长期资本重视AI应用层，称生成式AI将内容制作成本压低至几万分之一，传统渠道将被重做，订阅制将被免费模式取代。
IT之家·人工智能AI 评分4545 黄仁勋喊话亿万富豪家族：AI 投资或带来“疯狂”回报，“疯子”才会质疑
英伟达CEO黄仁勋在闭门活动中对数百名金融机构和富裕家族代表称，AI已创造数万亿美元价值，押注AI的投资者有望获“疯狂”回报，质疑者才是“疯子”。他表示过去六个月AI的ROI已完全重置，盈利能力极高。他还点名美光科技、SK海力士、台积电等合作伙伴，并预测美满电子将加入万亿美元估值俱乐部。黄仁勋强调AI投资需土地、电力和能源，富裕家族正成为全球财富新板块。
Sam Altman@samaAI 评分5959美国应通过持续开发最优秀的模型、确保其安全、并将网络工具交到可信的防御者手中来引领AI发展。 新的行政令取得了正确的平衡。
IT之家·人工智能AI 评分5353 郭明錤：黄仁勋“重新发明 PC”口号与英伟达 RTX Spark 端侧 AI 智能体蓝图
天风国际分析师郭明錤评论称，英伟达 RTX Spark 的核心看点在于黄仁勋提出的“重新发明 PC”口号及端侧 AI 智能体工作流概念。该概念涵盖操作系统、云端与本地大语言模型切换等要素，但并非英伟达原创。他指出，RTX Spark 在未来 2 年内仍是笔记本电脑中的利基市场产品，目标人群是对端侧 AI 算力有需求的重度用户。要真正实现智能体工作流，需依赖 CUDA Toolkit 公开支持 Windows Arm64 及微软 Windows 本机 AI 智能体架构正式商用等软件生态支持。苹果在 WWDC 上对设备端 AI 智能体工作流的回应也将是另一观察重点。
Simon Willison 博客AI 评分6161 微软发布新MAI模型
微软发布了MAI-Thinking-1与MAI-Code-1-Flash两款新大语言模型。MAI-Thinking-1为35B参数的推理模型，目前向部分早期合作伙伴开放，官方称其在盲测中优于Sonnet 4.6。MAI-Code-1-Flash为5B参数模型，专为GitHub Copilot和VS Code优化，将逐步向VS Code的Copilot个人用户推出。两款模型均强调使用清洁、商业授权的数据从零开始进行端到端训练，未使用第三方模型进行蒸馏。
Gary Marcus：The Road to AI We Can Trust精选AI 评分6060 突发：AI理智的梦想成真时刻
Gary Marcus在其个人专栏中分享了一个真实的瞬间，以此反映了他对于人工智能实现稳定、可靠（即“理智”）发展的思考与期许。
推荐理由：Gary Marcus 三年前的参议院建议如今变成总统行政命令，AI 预检制度从呼吁走向落地，是美国 AI 监管的一个标志性转折点。
jason@jxnlcoAI 评分4141Claude：Blog精选AI 评分7474 Claude Code团队实践：智能体编程如何重塑工程组织与流程
在Code w/ Claude SF 2026活动上，Claude Code工程团队分享了将智能体编程设为默认工作方式后带来的流程与结构变革。核心变化包括：规划转向即时（JIT）模式，强调快速原型与反馈；上下文收集变为“先问Claude”；代码审查中Claude处理风格与测试，人工专注于法律、安全等专业判断。新范式下，工程瓶颈从编写代码转向验证、审查与安全维护。
推荐理由：Anthropic 工程总监把 Claude Code 团队流程全晒了出来，从抛弃半年路线图到代码审查只留专家复审，每一步都反直觉但实战有效，工程领导者直接抄作业。
Gary Marcus：The Road to AI We Can Trust精选AI 评分5555 Gary Marcus：为什么事情终将崩塌
知名人工智能批评者Gary Marcus在其关于可信赖AI的专栏中，探讨了人工智能发展面临的根本性挑战。文章开篇即指向问题的核心，指出相关数学理论的局限性与人类心理的复杂性，是导致AI系统最终可能出现问题的根源。
推荐理由：Gary Marcus 把 AI 行业缺乏护城河、价格战、ROI 存疑的经济死结讲得很直白，金融圈越来越认同。虽然观点不新，但这回时机恰好卡在 Google 融资和 Anthropic 取消无限 API 的时候，信号意义很强。
Nathan Lambert：InterconnectsAI 评分5454 告别 Ai2
Nathan Lambert 离开 Allen Institute for AI (Ai2)，回顾了他在该机构最后一周的工作，特别是参与 Olmo 模型的开发，并强调了个人成长和产生广泛持久影响的机会。
Microsoft AI：官方博客精选AI 评分6060 Microsoft AI 阐述健康领域价值观实践，将与 Mayo Clinic 共建医疗前沿模型
Microsoft AI 发文阐述其在健康领域的价值观如何落实为产品与工程实践，称其消费级产品每天处理数千万条健康问题。
推荐理由：官方阐述微软 AI 在健康领域的价值落地，交代 Mayo Clinic 医疗模型合作与 Copilot Health 预览的进展。
IT之家·人工智能AI 评分5353 投资者质疑巨额支出能否回本，OpenAI 奥尔特曼称“这是对 AI 最公平的批评”
OpenAI CEO 奥尔特曼回应了外界对 AI 领域巨额投入能否收回成本的质疑，称这是“目前对 AI 最公平的批评”。投资者正日益关注 AI 热潮能否创造足够收入。数据显示，许多公司购买的 AI 算力远超实际需求，GPU 平均利用率仅 5%，大量资源处于闲置状态。有学者批评，科技巨头每月合计投入的资金已超过曼哈顿计划的总成本，这可能是“历史上最大的资本错配”。
IT之家·人工智能AI 评分6969 软银 CEO 孙正义：AI 革命规模将是互联网泡沫时期的 50 倍
软银CEO孙正义称，AI革命的规模是互联网泡沫时期的50倍，是“人类有史以来规模最大的科技变革”。软银宣布在法国投资750亿欧元建设AI基建项目，规划总装机容量5吉瓦的数据中心，其中至2031年将在法国北部上法兰西大区落地3.1吉瓦。该项目是软银在欧洲单笔最大AI基建投入，资金主要依靠项目融资。孙正义同时表示，OpenAI仅占软银净资产两成多，Arm占比超50%。
IT之家·人工智能AI 评分6464 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。
IT之家·人工智能AI 评分4848 OpenAI 研究员彼得森：职场新人不要有“跳槽焦虑”
OpenAI AI 研究员加布里埃尔·彼得森认为，年轻科技从业者在职业生涯早期不必害怕“跳槽”，应通过尝试不同团队来积累关于研究项目质量、团队文化及个人市场价值的信息。他直言“年轻人应长期留在一家公司”的传统建议是“愚蠢透顶”，并建议以实习、短期合作等方式快速探索职业道路。彼得森本人在 23 岁加入 OpenAI 前，就曾在 Dataland 和 Midjourney 等公司多次更换工作，每段经历不足两年。他指出，许多顶尖工程师曾将多年时间投入“事后看来并不值得的岗位”，而早早获得巨额财富的案例则极其罕见。
IT之家·人工智能AI 评分4545 OpenAI奥尔特曼：AI行业竞争重点不在上市时间，而在技术与业务
针对竞争对手Anthropic已秘密提交IPO文件，OpenAI CEO萨姆·奥尔特曼表示，AI行业最激烈的竞争并不在于谁先上市。他认为，竞争的核心是“谁能拿出最好的技术、打造最好的业务”。他同时指出，AI将成为许多领域的关键基础设施，世界应要求其拥有多个提供方以保证稳健性，不会由单一公司主导。目前，OpenAI也在冲刺IPO，目标是今年晚些时候，而Anthropic近期估值直冲1万亿美元。
IT之家·人工智能AI 评分4848 黄仁勋：Vera CPU 将比 GPU 更受欢迎，为 AI 智能体开辟全新市场
英伟达CEO黄仁勋在台北电脑展表示，未来Vera CPU将比自家GPU更受欢迎。Vera CPU已内置在所有英伟达AI机器中，上市即具备软件生态优势。其能效相比现有CPU高3-6倍，速度比x86处理器快1.8倍，专为AI智能体打造。黄仁勋强调，Vera CPU并非为争夺传统CPU市场，而是旨在开辟一个此前规模为零的全新AI智能体市场。
IT之家·人工智能AI 评分5353 黄仁勋回应AI威胁论，称现在是软件公司的“绝佳时代”
黄仁勋在2026台北国际电脑展主题演讲中表示，智能体AI时代并非软件公司的末日，反而将带来“绝佳时代”。他指出，智能体AI会调用更多工具，软件需求不会消失。未来软件竞争将转向“智能体如何使用软件”，软件公司必须调整产品形态以适应这一变化。
公众号：面壁智能AI 评分5757 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。
IT之家·人工智能AI 评分6060 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。
IT之家·人工智能AI 评分6060 图灵奖得主萨顿：普通生成式AI难当科学发现重任
图灵奖得主理查德·萨顿认为，普通生成式AI（如大语言模型）缺乏完成真正科学发现的关键能力。他指出，这类模型生成的内容中，“好的部分不新，新颖的部分不好”，且自身缺少测试与评估机制来筛选有效方案。真正的科学发现需要包含变异、评估和选择性保留的闭环，而生成式AI恰恰缺少评估环节。相比之下，萨顿列举了AlphaGo、AlphaProof、Claude Code等系统，认为这类具备评估反馈机制的AI智能体更有潜力实现突破。
- Rohan Paul@rohanpaul_ai精选AI 评分7676
推荐理由：Sam Altman罕见正面回应“AI夺走工作”的恐惧，明确说人类必须始终有否决权，这是OpenAI领导层少有的、直接谈及普通人经济未来的表态。
- Rohan Paul@rohanpaul_aiAI 评分6868
引用Rohan Paul@rohanpaul_aiNew video of Qualcomm CEO Cristiano Amon: AI will require “gazillions” of tokens. Because, Agentic AI will consume dramatically more tokens because it performs autonomous tasks, uses multiple systems, and interacts with tools. AI demand will grow hugely when software starts letting agents act, not just answer. A chatbot spends tokens on language; an agent spends tokens on deciding, checking, calling tools, reading outputs, revising plans, and coordinating with other software. Today a single human-AI exchange may be large, a reasoning task may be much larger, but we are already entering the agentic era, where an autonomous workflow can become exponentially larger still because the model is no longer producing one response. It is running a process. When a SaaS product redesigns itself around human-agent interaction, every task can become a chain of hidden micro-decisions, and each micro-decision consumes context, memory, tool calls, verification, and output tokens. Another point is people hear “more tokens” and think only of bigger data centers, when the deeper change is economic: software usage may stop being measured mainly by clicks, seats, or sessions. It will be measured by how much machine reasoning/tokens gets spent on behalf of each user. ---- From "Reuters" YouTube channel, (link in comment)
The Decoder：AI NewsAI 评分6363 图灵奖得主理查德·萨顿表示纯生成式AI无法实现真正的科学发现
图灵奖得主理查德·萨顿指出，传统生成式AI存在核心缺陷：无法评估自身输出。若缺乏这一能力，真正的科学发现便难以实现，因为新想法只会短暂闪现随后消散。萨顿认为，AlphaGo和AlphaProof等系统表明，只有内置评估循环才能让AI具备真正的创造力。
The Verge：AIAI 评分6666 人工智能正在颠覆音乐。格莱美奖该如何应对？
录音学院 CEO Harvey Mason Jr. 指出，人工智能在音乐制作中已“无处不在”。流媒体平台 Deezer 报告，每天有超过 5 万首 AI 生成歌曲被上传，这类内容越来越难以识别和过滤。Suno 等工具已成为各类音乐家主流创作流程的一部分。尽管如此，录音学院的规则规定，AI 音乐不具备获得格莱美奖这一行业最高荣誉的资格。
Nathan Lambert：Interconnects精选AI 评分6767 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。
IT之家·人工智能AI 评分4444 英伟达黄仁勋：从产业的角度来看，Token 就是资产
英伟达 CEO 黄仁勋在 2026 台北国际电脑展主题演讲中提出，从产业角度看 Token 是资产，已成为获取利润的营收单位。他强调 AI 公司将致力于制造并生成更多 Token。同时，英伟达宣布推出 NVIDIA DSX 平台，这是一个整合了开源软件库、加速计算及合作伙伴技术的完整方案，用于人工智能工厂的设计、部署和运营。
公众号：数字生命卡兹克AI 评分5353 英伟达发布RTX Spark：消费级芯片，统一内存生态支持本地AI与Agent
英伟达在GTC Taipei 2026发布全新消费级芯片RTX Spark，基于与DGX Spark相同的GB10芯片，最高1 PFLOP FP4 AI性能、20个CPU核心、6144个GPU核心和128GB LPDDR5X统一内存，可本地运行120B参数大模型。RTX Spark在消费级PC上首次将统一内存与完整CUDA生态结合，让GPU直接访问共享内存池，突破传统显存限制。微软将与其全面重构Windows系统，原生支持本地Agent运行；Adobe等应用已针对RTX Spark优化，Photoshop和Premiere性能提升两倍，并原生支持Agent调用。
- Rohan Paul@rohanpaul_aiAI 评分6565
- Rohan Paul@rohanpaul_aiAI 评分7272
引用Rohan Paul@rohanpaul_aiChamath: AI advantage may come less from models than from private inputs. "When labs can build similar models, the real win comes from one unique ingredient in order to monetize it well. Here is a basic thing about machine learning that is worth knowing: if you take 1,000 of the same inputs and give them to Facebook, Microsoft, Google, and Amazon, they will all come up with the same machine learning model. But if you have one extra thing, one little ingredient that all of those other companies do not have, your output can be markedly different. It is like giving two great chefs three ingredients, but giving the third chef one extra ingredient. That person has the ability to do something very special. Right now, we are in a world where everybody is crawling the open web. We are going to move to a world where, as everybody gets sophisticated enough and information is widely available, somebody is going to say, “You know what? This site, I am not going to allow anybody else to access. It is only for me, only for my models.” Those models will become better. So we have to let that play out a little bit. It is going to be a really interesting arms race. The next wave of M&A, for example, could be companies like Google, Microsoft, and Facebook looking at these companies and saying, “Can they be viable inputs to my large language models or to my other machine learning and AI models?” --- A company with unique workflows, transactions, medical records, industrial logs, legal archives, design files, or user behavior can turn boring private data into a compounding advantage. Some startups may never become great public companies on their own, yet still become valuable because they own a data stream that makes a larger AI system sharper, more differentiated, or harder to copy. That turns acquisition strategy upside down: the buyer may not be purchasing revenue, brand, or even software, but a private ingredient for intelligence. ---- From "iConnections" YouTube channel, (link in comment)
