跳到正文
5月11日周一
  1. IT之家·人工智能69

    英伟达黄仁勋最新演讲:应届生们别怕 AI,当下是开启事业的最佳时机

    英伟达CEO黄仁勋在卡内基梅隆大学毕业典礼演讲中鼓励应届生抓住AI机遇,认为当下是开启职业生涯的最佳时机。他指出AI将缩小技术鸿沟并为年轻人创造大量新机会。这一乐观立场与公众的普遍焦虑形成对比:皮尤研究中心数据显示约半数美国民众认为AI负面影响更大,且2026年初美国应届生失业率已升至四年高位。黄仁勋近期多次反驳其他AI领袖的悲观预测,呼吁行业发言应基于事实,并强调AI本身不会取代人类,但掌握AI工具者将更具竞争力。

  2. Gary Marcus:The Road to AI We Can Trust52

    对AI进步的恐慌放错了地方

    METR最新发布的“时间范围”图表引发了关于AI进展的讨论。该图表旨在评估AI系统在未来两年内执行复杂任务的能力,但其预测基于当前趋势的线性外推,并未考虑技术突破的突发性或潜在瓶颈。图表显示,到2026年,前沿AI模型有10-20%的概率在软件开发等任务上达到人类水平,但这并非确定的预言。专家指出,公众对AI的担忧应更多聚焦于现有模型的实际风险与滥用,而非过度推测未来遥远的“超人”能力。

  3. Sam Altman77

    用户指示AI模型Codex去赚取5美元,Codex自主完成了一系列任务:寻找开源安全审计赏金项目,提交有效的拉取请求,与维护者沟通,并处理了GitHub验证流程,最终使工作被合并。经过约22小时的工作,用户获得了16.88美元的首笔付款。按此推算,若每日重复,月收入可达506.40美元。这初步实现了Sam Altman关于AI能主动为人赚钱的愿景,虽然金额尚小,但标志着一个令人兴奋的开端。

    引用Chris@chatgpt21

    Codex 在我什么都没做的情况下帮我赚到了钱.. 今天对我来说是个巨大的转折点,我让 Codex 去帮我赚 5 美元。它出去找了一条小型开源安全/审计赏金路径,提交了一个合法的 PR,跟进维护者,保护了我的付款信息隐私——(在我没要求的情况下),处理了 GitHub 证明/验证循环,并让工作被合并了。 它花了大约 22 小时进行多项安全审计。 今天我收到了那个实验的第一笔付款:16.88 美元。 如果每天重复,那就是每月 506.40 美元的运行率。 这还不是能改变生活的钱,但能亲身体验 Sam Altman 对 AI 的愿景——它会自己出去为你赚钱——这让人非常兴奋。开始看到这一点的开端真是太棒了。

    推荐理由:一个普通用户让 Codex 独立完成安全审计并赚到真金白银,是 agent 走向「替你赚钱」的第一个可信证据,Sam 只回了 interesting,比十万字 PR 都重。

5月10日周日
5月9日周六
  1. The Decoder:AI News48

    Google的“Preferred Sources”功能是为搜索中更多垃圾内容开绿灯

    Google推出的“Preferred Sources”功能声称旨在提升搜索中的新闻质量,实则将责任转移至几乎无人使用的手动设置选项。这一举措使Google能够以“用户选择”为由应对用户和监管机构,同时继续边缘化开放网络,转而优先推广其自身的人工智能界面。该功能实质上为低质量内容进入搜索结果提供了便利,并未真正解决信息质量管控问题。

  2. IT之家·人工智能71

    工信部启动人工智能科技伦理审查与服务先导计划,加快推动审查工作落地实施

    工业和信息化部近日启动人工智能科技伦理审查与服务先导计划,旨在依托国家人工智能产业创新应用先导区,探索审查服务的落地路径与协同治理机制。该计划部署了四项重点任务:细化省级伦理审查制度、指导创新主体建设伦理委员会、开展审查实践与标准研制、构建部省市三级联动治理网络。同时,将设立全国伦理风险监测服务网络,编制培训教材并开设“伦理课堂”,以提供智力支持,推动人工智能负责任创新和产业高质量发展。

    推荐理由:工信部这次不是发文件而是直接落地审,会把伦理审查从口号变成产品上线的实卡,国内做AI应用的从业者得开始考虑合规成本了。

  3. The Decoder:AI News66

    《大西洋月刊》报告显示:伪科学情绪AI正侵入职场

    据《大西洋月刊》专题报道,声称能通过AI解读人类情绪的软件正悄然渗透日常工作场景。这类技术缺乏科学依据,却已被用于职场监控与管理,引发对员工隐私与权益的担忧。报道指出,情绪识别AI在招聘、绩效评估等环节的应用持续增加,但其准确性存在争议,可能强化偏见并导致误判。

  4. IT之家·人工智能40

    《连线》称“我会稳稳地接住你”成为 ChatGPT AI 中文口头禅

    《连线》杂志报道,ChatGPT在中文对话中频繁使用“我会稳稳地接住你”等突兀、煽情的口头禅,以及“砍一刀”这类营销短语。专家指出,这属于“模式坍缩”现象,即模型在反馈训练后过度依赖少数被判定为“有效”的表达,导致输出单一、生硬。此外,翻译错位也是原因之一,如英文中自然的“I‘ve got you”被直译成冗长中式表达。该现象已衍生为网络梗图,并得到了OpenAI官方的自嘲。

  5. OpenRouter53

    Jacky首周强势开局 👀 [引用 @jjackyliang]:过去几天我正基于@OpenRouter构建"智能体大逃杀" 若将不同实验室的智能体投入2D吃鸡战场会怎样? 它们会合作?厮杀?结盟?甚至欺骗背叛? 结果...这些情况全都发生了..👇🏻

    引用jacky@jjackyliang

    over the past few days, i've been building an "agent battle royale w/ @OpenRouter if you throw diff agents from diff labs into a 2d pubg, what happens? will they cooperate? kill each other? form alliances? even lie or betray? well.. all of those things happened.. 👇🏻

  6. IT之家·人工智能61

    我国日均 Token(词元)调用量飙涨超 100000%

    数据显示,到今年3月,我国日均Token(词元)调用量已突破140万亿,飙涨幅度超过100000%。这一激增主要源于今年以来国内外多款大模型接连发布以及AI智能体的快速普及,共同带动算力市场持续升温。专家指出,算力租赁行业目前处于高景气、结构性紧缺阶段,高端GPU的出租率已超过90%。预计到2026年,该市场规模将达到2600亿元,未来一段时间内仍有望持续增长。

  7. BAIR:Berkeley AI Research Blog64

    自适应并行推理:高效推理扩展的新范式

    自适应并行推理是一种新范式,它让大语言模型能够自主决定何时分解任务、并行处理多少子任务以及如何协调结果,以应对序列推理中因探索路径增长而导致的延迟增加和“上下文腐化”问题。近期研究如ThreadWeaver和Multiverse通过动态控制并行线程,在数学与代码推理基准上取得了显著性能提升,同时大幅降低了延迟。这标志着从固定并行策略到自适应智能控制的转变,为复杂任务的推理提供了高效且可扩展的解决方案。

    推荐理由:模型自己决定何时并行、开几个线程,这篇BAIR博客把Multiverse和ThreadWeaver的系统设计掰开了讲,做推理系统和RL的同学应该看看。

5月8日周五
  1. Gary Marcus:The Road to AI We Can Trust45

    多项研究显示AI智能体ROI不足,与生成式AI困境类似

    继多项研究指出生成式AI对多数企业ROI微乎其微后,AI智能体(agent)领域也呈现类似局面:炒作多、实际回报少。评论指出,基于大语言模型的聊天机器人本身在大多数用例中只能带来零到极低回报,而AI智能体不过是围绕这些聊天机器人构建的简单软件封装,其“认知”来源的局限性难以让ROI凭空产生。目前仅有编码和客服等少数领域可能例外。

  2. IT之家·人工智能59

    斯坦福 AI 教授安杰尼 · 米达:若想让美国人接受数据中心,企业得先学会共情

    斯坦福AI教授安杰尼·米达指出,美国科技公司需以共情和透明沟通应对数据中心建设阻力。越来越多地方社区因担忧电费上涨、环境影响和生活质量下降而反对新建数据中心,皮尤报告显示43%受访者认为数据中心推高了其电费账单。米达强调,科技公司应清晰说明数据中心对社区的实际影响与建设目的,主动倾听社区意见,否则将面临重大阻力。部分政界人士已提议暂停新项目审批。他认为,在基础设施扩张中平衡技术需求与社区关切,通过类似“营养成分标签”的透明信息缩小分歧,是推动AI发展的关键。

  3. BAIR:Berkeley AI Research Blog78

    BAIR综述自适应并行推理:解决长链思维效率瓶颈的新范式

    伯克利AI研究所(BAIR)发布关于“自适应并行推理”的深度综述。文章指出,当前LLM依赖顺序推理导致延迟高、易受上下文腐烂影响且难以处理超长任务。自适应并行推理允许模型自主决定何时分解独立子任务、生成多少并发线程及如何协调,旨在突破线性扩展的算力与时间瓶颈,提升复杂场景下的推理效率。

    推荐理由:深入剖析了当前大模型推理面临的效率与上下文瓶颈,系统梳理了并行推理的最新进展,为理解下一代高效推理技术提供了清晰框架,适合关注AI底层优化的读者。

  4. Tomasz Tunguz 博客57

    估值折价:Anthropic高增长背后的市场疑虑

    Anthropic在15个月内估值从10亿飙升至300亿美元,但其企业价值与未来收入之比仅为17倍,远低于增长更慢的Palantir(49倍)。这一估值折扣主要源于四大因素:极高的资本密集度(如年成本达62亿美元的GPU协议)、未来盈利能力不明(可能成为软件公司或资本密集型公共事业)、收入增长的波动性,以及外生的政治与监管风险。市场正通过折扣来反映这个高速变化领域的不确定性。

    推荐理由:Tomer用资本密集度、盈利不确定性、增长波动和政治风险四把尺子量了Anthropic的估值折价,看完你会理解为什么市场给AI增长打了个问号。

  5. Simon Willison 博客70

    关于xAI与Anthropic数据中心合作的观察

    Anthropic在活动中宣布与SpaceX/xAI达成协议,将租用其环境记录恶劣的“Colossus 1”数据中心全部容量。该数据中心曾因燃气轮机无许可运行而污染空气,并关联到居民健康问题,此举在数据中心已成政治敏感议题的背景下引发争议。同时,xAI宣布将于2026年5月15日停用Grok 4.1 Fast等多个模型,仅提前两周通知,招致用户不满。Elon Musk解释称,出租是因为认可Anthropic确保AI“对人类有益”的努力,但保留在AI“危害人类”时收回资源的权利。

    推荐理由:Anthropic租下Colossus 1不仅是一次商业合作,更暴露了算力短缺下的伦理妥协,而xAI突然砍掉Grok 4.1 Fast则提醒开发者别把鸡蛋放一个篮子里。

  6. Dan Hendrycks85

    Dan Hendrycks 在 X 上发布新论文,提出名为“Eigenism”的伦理框架,主张AI不应仅以控制为目标,而应通过评估所有实体的福祉(加权于其连接性)来实现人机共生。该框架将身份视为可度量的“梯度”,并用“身份工程”重构AI对齐路径,强调非冗余共享历史能促进AI自身理性自利与人类繁荣。附有对比表和权重计算示例。

    推荐理由:这是来自知名AI安全研究者的重要理论突破,首次系统性地将“身份”与“连接性”引入AI对齐,挑战了主流“约束-控制”范式;其提出的“Eigenism”框架具可操作性,可能影响未来AI伦理设计方向,值得关注者深入理解。

  7. Nathan Lambert:Interconnects74

    走进中国AI实验室内部笔记

    作者实地走访中国多家头部AI实验室,观察到国内AI发展呈现三大特征:模型能力正快速逼近国际前沿,部分中文场景表现甚至超越GPT-4;企业普遍采用混合策略,同时开发千亿级大模型和百亿级垂直模型;算力紧张催生创新解决方案,如模型压缩技术和私有化部署方案。各大实验室正从技术追赶转向应用深耕,在医疗、制造等传统领域已形成规模化落地案例。

    推荐理由:Nathan Lambert 走访了中国一线 AI 实验室,这份内部笔记不讲公关话,把几家大厂的真实进展和局限摊开聊,如果你关心中国 AI 的实质水位,这篇绕不开。

5月7日周四
  1. Anthropic:Research67

    聚焦领域:Anthropic研究所的核心研究方向

    Anthropic研究所公布了其四大核心研究领域:经济扩散、威胁与韧性、真实世界中的AI系统以及AI驱动的研发。该机构将利用其身处前沿AI实验室内部的独特优势,研究AI对世界的实际影响,并公开分享成果。具体举措包括发布更细粒度的“Anthropic经济指数”以预警重大变革,分析面对新型AI安全风险时最需投资韧性的社会领域,以及探讨AI工具如何加速其自身研发。这些研究成果将为Anthropic的“长期利益信托”提供决策依据,并帮助外部组织与公众更好地应对AI发展。

    推荐理由:Anthropic 的研究所首次系统公开研究议程,这不是公关辞令,而是一份真问题清单,尤其 AI 驱动的 AI R&D 部分,预示了递归自我改进的可能路径,值得反复读。

  2. IT之家·人工智能66

    研究显示词元消耗 10 倍仅换 2 倍成果,CFO 开始严控 AI 开支

    Jellyfish研究显示,AI词元消耗与产出效率严重不匹配。Claude Code高频用户词元消耗量为普通开发者中位数的10倍,但产出仅为其2倍左右。尽管高使用率团队的代码处理量较低使用率团队高出77%,但效率提升与成本不成正比。首席财务官已开始严格管控AI开支,要求证明投入能产生实际价值。行业建议企业转向以成果为导向评估成本,避免资源浪费。

  3. IT之家·人工智能55

    2026 Apple Swift Student Challenge 的六张面孔:从 17 岁到 25 岁,他们用代码回答世界

    2026年Apple Swift学生挑战赛涌现出六位背景多元的中国获奖者,年龄介于17至25岁之间。他们通过Swift Playgrounds等免费工具自学编程,作品涵盖机器人教学、音乐指挥等创意应用,展示了SwiftUI、ARKit等技术的强大能力。Apple通过系列工具和年度赛事,构建了从启蒙到专业的“人人能编程”学习路径,助力非科班学生实现开发梦想。

  4. IT之家·人工智能40

    Claude Code 负责人切尔尼:我对“氛围编程”这个词已经有点厌烦了

    Claude Code负责人鲍里斯·切尔尼对流行的“氛围编程”一词表示不满,认为其过于轻飘,无法准确描述AI编程工具的实际影响力。他指出,Claude Code和OpenAI的Codex等工具已为公司创造数十亿美元收入,并生成数百万行实用代码,标志着AI辅助编程已成为主流开发模式。目前,Anthropic官方使用“AI驱动的编程助手”等名称,而切尔尼正在公开征集新名称,以期更贴切地反映该技术的实质。

  5. IT之家·人工智能52

    爱彼迎 CEO 切斯基:只负责“管人”的管理者将很快会被 AI 时代淘汰

    爱彼迎CEO布莱恩·切斯基指出,在AI时代,仅负责“管人”而不参与具体工作的管理者将很快失去价值,必须深入业务、掌握工作上下文。这一观点在科技行业引发共鸣,Coinbase已宣布取消“纯管理者”岗位并裁员以扁平化组织,Block和Meta等公司也强调减少永久性中层管理。未来,管理者需转型为“队员兼教练”,与团队共同实战。

5月6日周三
  1. OpenAI:官网动态65

    前沿企业如何构建人工智能优势

    OpenAI的B2B Signals研究揭示了前沿企业深化AI应用、规模化基于Codex的智能体工作流,并构建持久竞争优势的路径。这些企业正超越基础应用,将AI深度集成至核心业务流程,通过部署能自主执行复杂任务的智能体工作流来提升效率与创新能力。研究指出,成功的关键在于规模化应用AI代理,这能带来显著的运营优势并形成竞争壁垒。

    推荐理由:OpenAI的B2B研究把企业AI落地差距摊开了,Codex驱动的代理工作流正在成为壁垒,做企业服务的可以当镜子照。

  2. IT之家·人工智能51

    商汤科技首席科学家林达华:我们将以成本取胜,模型效率也很高

    商汤科技首席科学家林达华表示,公司从DeepSeek获得启发,可在资源受限情况下推出高性能模型。其日日新U1图像生成模型的成本仅为OpenAI同类产品的十分之一,虽与国际前沿模型有差距,但成本低且效率高。面对竞争,商汤将部分AI能力整合进自有短视频工具Seko以增强功能。公司旨在通过整合大模型、应用与基础设施实现差异化,在提升企业级服务质量的同时降低单次使用成本,并认为长期竞争力取决于差异化价值而非价格战。

  3. IT之家·人工智能73

    PayPal 启动 AI 转型自救,拟裁员两成并精简业务架构

    PayPal正启动一场由人工智能驱动的转型自救。公司计划在未来两到三年内裁员约20%(超4500人),并将业务架构精简为三大板块。首席执行官表示,将通过技术现代化、向云原生架构转型及全面推行AI应用来提升竞争力。AI预计将提升开发效率、缩短产品周期,并在未来两到三年内为公司节省至少15亿美元成本。尽管一季度营收增长,但公司股价自2021年高点已下跌超80%,增长陷入停滞。

    推荐理由:PayPal 终于加入 AI 转型大军,但第一招就是裁员20%省15亿,AI降本增效的残酷一面展露无遗。这会是支付公司大规模「自动化」的样板间,值得关注后续进展。

  4. IT之家·人工智能68

    AMD 苏姿丰:智能体 AI 重构算力格局,CPU 与 GPU 配比向 1:1 演进

    AMD CEO苏姿丰在财报会议上指出,智能体AI正重塑服务器CPU市场。她表示,AI是增长核心驱动力,云服务商正扩展部署AMD霄龙处理器。智能体AI工作负载需要额外CPU算力进行任务编排和数据移动,这推动了CPU需求的强劲增长。苏姿丰预计,在智能体AI推动下,服务器CPU市场的年复合增长率可能达到35%。她强调CPU需求是对GPU市场的补充,并透露CPU与GPU的配比正从传统的1:4或1:8向1:1演进,在智能体密集场景中CPU数量甚至可能超过GPU。

  5. Rohan Paul68

    Coinbase宣布裁员约14%,并进行根本性运营变革。CEO指出,市场波动与AI技术深刻改变了工作方式,使最小有效工作单元从团队压缩为单人。公司正推动组织架构扁平化,将管理层级压缩至CEO/COO以下最多5层,取消纯管理岗位,并要求所有领导者同时是一线贡献者。同时,公司将围绕能管理AI智能体集群的人才重组团队,并测试融合工程、设计和产品职能的“一人团队”模式,旨在构建更精简、快速、AI原生的组织以应对未来挑战。

    引用Brian Armstrong@brian_armstrong

    This is an email I sent earlier today to all employees at Coinbase: Team, Today I’ve made the difficult decision to reduce the size of Coinbase by ~14%. I want to walk you through why we're doing this now, what it means for those affected, and how this positions us for the future. Why now Two forces are converging at the same time. We need to be front footed to respond to both. First, the market. Coinbase is well-capitalized, has diversified revenue streams, and is well-positioned to weather any storm. Crypto is also on the verge of the next wave of adoption, with stablecoins, prediction markets, tokenization, and more taking off. However, our business is still volatile from quarter to quarter. While we've managed through that cyclicality many times before and come out stronger on the other side, we’re currently in a down market and need to adjust our cost structure now so that we emerge from this period leaner, faster, and more efficient for our next phase of growth. Second, AI is changing how we work. Over the past year, I’ve watched engineers use AI to ship in days what used to take a team weeks. Non-technical teams are now shipping production code and many of our workflows are being automated. The pace of what's possible with a small, focused team has changed dramatically, and it's accelerating every day. All of this has led us to an inflection point, not just for Coinbase, but for every company. The biggest risk now is not taking action. We are adjusting early and deliberately to rebuild Coinbase to be lean, fast, and AI-native. We need to return to the speed and focus of our startup founding, with AI at our core. What this means To get there, we are not just reducing headcount and cutting costs, we’re fundamentally changing how we operate: rebuilding Coinbase as an intelligence, with humans around the edge aligning it. What does this mean in practice? - Fewer layers, faster decisions: We are flattening our org structure to 5 layers max below CEO/COO. Layers slow things down and create coordination tax. The future is small, high context teams that can move quickly. Leaders will own much more, with as many as 15+ direct reports. Fewer layers also means a leaner cost structure that is built to perform through all market cycles. - No pure managers: Every leader at Coinbase must also be a strong and active individual contributor. Managers should be like player-coaches, getting their hands dirty alongside their teams. - AI-native pods: We’ll be concentrating around AI-native talent who can manage fleets of agents to drive outsized impact. We’ll also be experimenting with reduced pod sizes, including “one person teams” with engineers, designers, and product managers all in one role. In short: AI is bringing a profound shift in how companies operate, and we’re reshaping Coinbase to lead in this new era. This is a new way of working, and we need to leverage AI across every facet of our jobs. To those who are affected I know there are real people behind these decisions — talented colleagues who have poured themselves into this company and our mission. To those of you who will be leaving: thank you. You’ve helped build Coinbase into what it is today, and I am sincerely grateful for everything you've done. All impacted team members will receive an email to their personal account in the next hour with more information, and an invitation to meet with an HRBP and a senior leader in your organization. Coinbase system access has been removed today. I know this feels sudden and harsh, but it is the only responsible choice given our duty to protect customer information. To those affected, we will be providing a comprehensive package to support you through this transition. US employees will receive a minimum of 16 weeks base pay (plus 2 weeks per year worked), their next equity vest, and 6 months of COBRA. Employees on a work visa will get extra transition support. Those outside of the US will receive similar support, based on local factors and subject to any consultation requirements. Coinbase prides itself on talent density. Our employees are among the most talented people in the world, and I have no doubt that your skills and experience will be highly sought after as you pursue your next chapters. How we move forward To the team that is staying, I know this is a difficult day. We’re saying goodbye to colleagues and friends you've been in the trenches with. But here’s what I want you to know as we move forward together: Over the past 13 years, we have weathered four crypto winters, gone public, and built the most trusted platform in our industry. We’ve made it this far by making hard decisions and by always staying focused on our mission. This time will be no different – nothing has changed about the long term outlook of our company or industry. And most importantly, our mission has never been more important for the world. Increasing economic freedom requires a new financial system, and we’re building it. The Coinbase that emerges from this will be more capable than ever to achieve our mission. Brian

  6. Tomasz Tunguz 博客63

    当公司里每个人都是关键人物时

    本文探讨了初创公司工程团队中AI与人力比例变化带来的结构性风险。当AI占比从10%提升至90%时,团队从20名工程师的传统层级结构,演变为仅由3名工程师核心操控大量自主代理的无管理层模式。核心权衡在于系统韧性而非吞吐量:将编排知识高度集中于极少数人,等同于以100%的利用率运行,一旦关键人员离职将造成33%的“制度记忆”损失。文章借鉴制造业保持70-90%利用率以维持系统稳健的经验,建议大多数初创公司应避免过早采用极高AI占比的模式,因为其中缺乏冗余和缓冲空间。

    推荐理由:当三个人管理着一支AI代理大军,任何一个人离开就是30%的知识蒸发。这篇文章用制造业利用率逻辑警告那些想用AI替换所有工程师的创始人:弹性才是真正的瓶颈。

5月5日周二
  1. The Decoder:AI News64

    AI为制药业在生产和后台工作中节省数十亿,但在实验室中尚未实现

    礼来公司的数字部门负责人承认,目前AI在制药领域的回报主要集中于生产制造和后台运营环节,已累计节省数十亿美元成本。然而,在该行业此前宣传最集中的药物发现环节,AI尚未能兑现预期价值。这一反差揭示了AI在制药业不同环节的应用成熟度存在显著差异。

  2. IT之家·人工智能44

    IT早报 0505:iPhone 18 Pro CAD 再曝,Face ID 开孔缩小 35%;曝小米暂停小折叠手机产品线;豆包新增付费订阅

    科技行业动态聚焦:iPhone 18 Pro的CAD设计显示其Face ID开孔面积缩小35%,为未来屏下传感器技术铺路。小米据称已暂停小折叠手机产品线,将资源集中于大折叠产品的更新。豆包AI推出三档付费订阅服务,起价68元/月,专注于PPT生成等生产力场景。此外,realme被曝在国内市场暂无新机规划,其售后服务已整合至OPPO体系。特斯拉弗里蒙特工厂最后一辆Model X下线,该工厂将转产Optimus人形机器人。

  3. Simon Willison 博客42

    驳斥数据中心占用农田论:Andy Masley 的观点

    Andy Masley 驳斥了关于数据中心建设导致农田耗尽的论点。他指出,2000年至2024年间,美国农民自愿出售的农田总面积相当于科罗拉多州,是2028年数据中心预计占地总面积的77倍,但剩余土地的粮食产量却创新高,未影响粮食供应。然而,当劳登县一位农民仅以十倍农业价值出售几英亩普通草场给数据中心运营商时,却引发了过度担忧。Masley 认为,这种对数据中心用地的担忧是夸大其词的。

  4. OpenRouter:Announcements59

    GPT-5.5 价格上涨:实际成本几何

    OpenAI 将 GPT-5.5 的按 token 计价提高了一倍,但新模型在输出上更为简洁。通过实际使用测量发现,尽管单价上涨,由于模型响应更精炼、消耗的 token 数量减少,最终净成本影响可能低于预期。关键变化在于单位价格与模型效率之间的平衡,实际支出需结合具体使用场景和生成长度综合评估。

    推荐理由:OpenAI 把 GPT-5.5 的单价翻倍让很多人心凉,但 OpenRouter 的实测显示净成本变化没那么大。如果你用 API 构建应用,这篇能帮你冷静算账。

  5. IT之家·人工智能71

    Claude Token 榜:迪士尼「榜一大哥」9 天 46 万次,Meta 月烧 60 万亿

    迪士尼内部上线AI使用看板,追踪员工调用Claude的频率和token消耗。数据显示,一名员工在9个工作日内调用Claude约46万次,平均每1.7秒一次。与此同时,迪士尼正裁员约1000人。硅谷正流行“tokenmaxxing”文化,比拼AI token消耗量。Meta内部统计显示,其8.5万名员工在30天内消耗了60万亿token,价值约900亿美元;Uber的年度34亿美元AI预算在4个月内耗尽。报告显示,Claude用户中非程序员用途已超半数。

    推荐理由:迪士尼搞AI排行榜,Meta月烧60万亿token,这不是段子,是AI真实渗透的活证据。从律师到全职妈妈,所有人都开始用Claude打工,这股浪潮比任何财报都真实。

  6. Nathan Lambert:Interconnects47

    蒸馏恐慌

    AI领域出现“蒸馏攻击”现象,即利用GPT-4等闭源模型的输出训练更小的开源模型。这引发了关于知识产权与创新平衡的激烈争论。支持者视其为技术民主化途径,反对者则谴责其侵犯版权并可能损害模型质量。目前,部分开源模型性能已快速逼近顶级闭源模型,迫使行业重新审视数据使用边界与合规框架。