AI is getting cheaper more quickly than any other transformative tech in history. At a given level of performance, cost has fallen ~47%/quarter since 2023. That’s 4× faster than DNA sequencing, 6× faster than compute, 18× faster than lithium batteries, and (up to 1973) 54× faster than electricity.
#现象/趋势
Rohan Paul@rohanpaul_aiAI 评分6363引用Epoch AI@EpochAIResearchHacker News:AI 热帖同事件AI 评分8686 五角大楼调查:过度依赖 Maven AI 是美军误击伊朗米纳布学校的原因之一
五角大楼内部调查发现,2026 年 2 月 28 日两枚 Tomahawk 导弹击中伊朗米纳布 Shajarah Tayyebeh 小学,造成超过 150 人死亡、其中至少 123 名儿童,原因是情报过时、卫星图像七年未更新,以及 Centcom 部分人员过度依赖 Palantir 的 Maven Smart System。
同一件事,精选收录的是《五角大楼内部审查:过度依赖 Palantir Maven AI 系统导致误击伊朗学校、123 名儿童死亡》
IT之家·人工智能AI 评分5454 路透社/益普索民调显示逾七成美国人担忧 AI 公司防控不力、超半数支持放缓开发
路透社/益普索最新民调显示,约 73% 的美国人担心 AI 公司在防止 AI 对社会造成严重危害方面做得不够,约 55% 认为放缓 AI 开发是好事。39% 的受访者认为 AI 正对社会产生负面影响,为该问题 3 月提出以来的最高比例;尽管桑德斯、班农等呼吁联邦政府采取行动,众议院休会至 11 月,短期立法行动可能性很小。
Hacker News:AI 热帖AI 评分7070 GPT-6 Astra 自主破译自 2005 年悬置的德军 Enigma 密文 MVUEH
据 Crypto Cellar Research 作者记述,GPT-6 Astra 仅凭指令尝试破解公开未破 Enigma 密文,便独立选定 Nr. 172 的 MVUEH 消息,并自行开发 Python 和 C++ 的 Enigma 模拟器与 Bombe 软件,用重复地名 ROSENOW 作 crib 破译成功。
TechCrunch:AIAI 评分5959 Data & Society 报告解析美国民众反对数据中心建设的多元动机
Data & Society 发布基于 18 个月田野调查、访谈 44 名宾夕法尼亚居民的新报告,分析民众反对数据中心建设的多元动机,包括电费、房价担忧以及对行业运作方式的不信任。报告指出 2026 年第二季度有 680 亿美元的数据中心项目因当地反对而受阻,超过 60% 的美国人支持限制新建数据中心;工会则因就业前景成为项目的主要支持者。
404 MediaAI 评分5858 404 Media:OpenAI 模型训练外包人员因用 AI 训练 AI 被解雇
404 Media 调查发现,多名受雇改进 OpenAI 模型的外包承包商因用 AI 生成内容来完成训练工作被解雇。这些承包商负责阅读真实 ChatGPT 用户的提示词等数据以改进模型回答;有承包商称此类违规“随时有人在犯,也随时有人因此被开除”,作者指出 AI 生成文本回流训练可能加剧“模型坍塌”问题。
IT之家·人工智能AI 评分5858 路透社/益普索民调:73% 美国人认为 AI 公司防止灾难的措施不够
路透社/益普索最新民调显示,73% 的美国人认为 AI 公司为防止严重危害所采取的安全措施仍然不够。39% 受访者认为 AI 正给社会带来负面影响,为 3 月开始调查以来的最高值;约 73% 认为 AI 安全负责任地发展比领先世界更重要,55% 认为放缓 AI 发展是好事。调查于 9 月 17 至 20 日覆盖全美 1277 名成年人,误差范围正负 3 个百分点。
IT之家·人工智能AI 评分6969 Space Daily 被曝虚构 NASA 工程师批量发布 AI 垃圾内容
Futurism 当地时间 21 日披露,运营超过 30 年的太空媒体 Space Daily 被 Brown Brothers Media 收购后,虚构了自称 NASA 喷气推进实验室前系统工程师的凯瑟琳·陈博士和欧洲航天局研究员的詹姆斯·惠特菲尔德博士等不存在的作者,批量发布 AI 垃圾内容,该站月浏览量估计达 1000 万次。
IT之家·人工智能AI 评分5757 Counterpoint 数据:2026 上半年全球 AI 眼镜出货量同比增长 263%
Counterpoint Research 表示,2026 年上半年全球 AI 眼镜出货量同比增长 263%,无屏型占 96%,AR AI 眼镜占 4%。无屏型同比增长 258%、环比增长 22%,Meta 以 94% 份额主导;AR AI 眼镜同比增长 449%、环比增长 18%,中国 OEM 厂商引领商业化,中国以 45% 份额超越美国(41%)成为该品类最大市场。
Simon Willison 博客AI 评分7070 Simon Willison 评 TypeSafe AI 新形态决策模型 Jev
TypeSafe AI 上周发布 Jev,作者称其为 System One 或决策模型:接受文本输入但输出浮点置信分数而非文本,仅按输入计费 $0.042/百万 tokens,低于 GPT-5 Nano 的 $0.05。
IT之家·人工智能AI 评分6262 英国 Citizens Advice 呼吁基本服务企业停止在客服中依赖 AI 聊天机器人
英国消费者权益机构 Citizens Advice 呼吁能源、银行、电话和互联网等基本服务企业在客服中停止依赖 AI 聊天机器人,保障用户与真人沟通的权利。
TechCrunch:AIAI 评分6161 Appfigures 数据显示 Meta Muse 移动端早期下载量超过 ChatGPT 同期
Appfigures 的估计数据显示,Meta 的 AI 应用 Muse 上线前 12 天全球总安装量达 280 万次,其中美加 iOS 下载量 180 万次,高于 ChatGPT 同期的 130 万次。美加 iOS 日活跃用户 35.9 万也高于 ChatGPT 同期;Muse 已从美国 App Store 总榜第 2 升至第 1,超 95% 用户同时是 Facebook 用户。
Tomasz Tunguz 博客精选AI 评分6666 Tomer Tunguz 谈 AI 优化 if-then 判断:专用决策器把分类成本降近百倍
Tomer Tunguz 撰文提出最新一波 AI 正在接管软件中的 if-then 判断原语,Jev 与 SemIf 这类专用决策器以数百毫秒返回结果,成本比传统生成式调用低约 76x 到 209x。作者在自己的 Agent 中替换了约四分之一的调用,在 98 条人工核验的生产邮件线程上,Jev 达到 80%、本地 SemIf 达到 82% 的分类准确率,高于生产模型的 47%。
推荐理由:作者结合自身 Agent 的替换实验给出成本与准确率对比,为判断专用小模型何时可替代前沿模型提供参照。
404 MediaAI 评分5151 404 Media 征集线索调查各城市使用 Axon 车牌摄像头的情况
404 Media 报道美国多地城市在 Flock 车牌读取摄像头争议后转用 Axon 的 ALPR 摄像头,并征集居民协助调查警方如何使用这些设备、与谁共享数据。
Azeem Azhar:Exponential ViewAI 评分5555 Exponential View:S&P 500 财报电话会中的 AI 量化声明分析
Exponential View 首期 AI Investment Brief 分析 S&P 500 财报电话会中的企业 AI 声明:2026 年 6 月财报季 33% 的公司给出 AI 使用量化表述,较去年同期高约 10 个百分点,15% 给出对业务的量化影响声明,高于去年初的 9%。
IT之家·人工智能AI 评分6363 IFR 数据显示 2025 年全球人形机器人售出约 7000 台,行业静待后续爆发
据路透社报道,国际机器人联合会(IFR)数据显示,去年全球面向工业及专业服务领域售出人形机器人约 7000 台。作为对比,2024 年全球新部署普通工业机器人约 54.2 万台、服务机器人约 19.9 万台;不少 2025 年售出的人形机器人未投入实际生产,采购方多用其采集数据优化 AI 模型。
公众号:数字生命卡兹克精选AI 评分6767 数字生命卡兹克访谈汉化组:AI 时代字幕组与漫画组的真实处境
作者访谈多位字幕组与漫画汉化组成员,发现他们并不抵触AI。Eliza 的字幕组把听写、打轴交给AI后,原本需要3到5小时的打轴缩短到20分钟到1小时;程序员阵雨为喜欢的主播自研AI工具,单人完成两小时直播的中文字幕。漫画汉化组则因嵌字质量等原因仍坚持人工制作,成员看重的是同好社群与爱好本身。
推荐理由:作者实地访谈字幕组和漫画汉化组,呈现AI时代爱好者用自研工具做汉化的真实做法与心态。
Rohan Paul@rohanpaul_aiAI 评分5656Fireworks AI精选AI 评分6161 Fireworks AI 分析:前沿不是单个模型,而是路由器,FireRouter 发布
Fireworks AI 发布 FireRouter 并分析 DeepSWE v1.1 上 113 个任务、18 个模型的路由潜力。
推荐理由:原文用 DeepSWE 上 18 个模型的任务级实测数据说明模型池组合的潜力,同时坦承从 oracle 到可落地路由的差距。
IT之家·人工智能AI 评分5353 FBI 局长称该局 AI 使用量暴增 605%,靠 AI 拦下多起枪击事件
FBI 局长卡什·帕特尔在福克斯新闻访谈中称,经他推动 FBI 的 AI 使用量增长 605%,并在跟进线索、阻止北卡罗来纳州等七个州的枪击事件中发挥作用。
The Decoder:AI NewsAI 评分6161 Epoch AI 调查:美国成年人近每日使用 AI 的比例半年内翻倍至 19%
Epoch AI 与 Ipsos 的两次代表性调查显示,2026 年 3 月至 8 月间,美国成年人中每周至少 6 天使用 AI 的比例从 8% 升至 19%,每周仅使用 1 天的比例从 17% 降至 10%。3 月调查有 2,017 人参与,8 月调查有 1,016 人;因 8 月改为按各服务分别询问并取最高频率,研究人员认为新数字可能低估实际使用量。
IT之家·人工智能AI 评分5454 特斯拉 FSD(监督版)澳新上线一周年:开启该软件行驶的碰撞事故率比人工驾驶低 40%
特斯拉澳新官方账号公布 FSD(监督版)上线一周年安全数据:2025 年 9 月 17 日至 2026 年 9 月 16 日,开启 FSD 行驶的 1.6 亿公里中平均每 178 万公里发生一次碰撞,人工驾驶的 24 亿公里中平均每 107 万公里一次,整体事故率低 40%。
Dan Hendrycks@hendrycks精选AI 评分7878引用Bentham's Bulldog🔸@Benthamsbulldoghttps://x.com/i/article/2095175529145970689
Rohan Paul@rohanpaul_aiAI 评分5454Rohan Paul 转引 @rauchg 数据称 Vercel AI Gateway 上开源模型 token 占比或创纪录地达 78.4%,闭源为 21.6%。
引用Guillermo Rauch@rauchgLooks like today may be a record day for token volume % of open models on Vercel AI Gateway: 🟦 Open 78.4% 🟨 Closed 21.6% While spend 💲 usually tells a different story, #3 and #4 today are Moonshot AI & DeepSeek. Adding Z.ai, their combined spend surpasses OpenAI (#2). (Do note that's the spend for inference of the model across providers (mostly in the US), not revenue going directly to the open weight labs.)
The Verge:AIAI 评分5454 Meta Muse 助手被指可疑,官方解释称其对自身原理认知有误
Meta 的 AI 助手 Muse 在用户未授权 Messages 的情况下引用了其消息内容,自称读取的是通知预览,却无法说明具体机制。Meta Superintelligence Labs 的 David Singleton 回应称 Muse 并不监视 Mac 通知,而是在用户明确授权后同步 Messages 数据,错误回答源于模型对自身内部机制的混淆,团队正在改进。
TechCrunch:AIAI 评分5151 Trump称AI安全担忧是政治骗局,宣布将组建AI Force并设AI Czar
Trump在Truth Social发文称AI安全担忧是民主党制造的又一骗局,发起为AI更名的投票(Superior Intelligence、Extreme Intelligence、Supreme Intelligence),并宣布将组建类似Space Force的AI Force,近期公布AI Czar人选。
Rohan Paul@rohanpaul_aiAI 评分5252Rohan Paul 引用 Pocket FM 创始人 Rohan Nayak2 的介绍,认为衡量 AI 最有用的指标有时不是专家提速多少,而是有多少人能完成以前不敢尝试的工作流。
引用Rohan Nayak@RohanNayak2Introducing Sherpa: the most advanced fiction writing AI We accelerated from $250M in ARR to $500M because Sherpa helped increase content production by 1200% in 1 year Sherpa was trained on 5.5B hours of playtime with minute by minute dynamic retention data. 550K+ creators have produced 2.6M hours of content annualised using it Pocket FM is like Netflix for audio-only dramas, with our own pool of one-person studios. 10% of eligible writers on Pocket FM make >$200K One blockbuster produced >$100M in revenue 3 writers have become millionaires in <2 yrs We built Sherpa to enable anyone to make >$1M by writing world-class fiction stories: 1. The Idea: Drop a 1-2 sentence concept. Sherpa interrogates it like a veteran editor on tension, stakes, and psychology 2. World & Characters: It builds out the complete lore, tone, and character psychologies 3. Sub-Plot planning: Breaks the premise into arcs, arcs into episodes, and episodes into scenes 4. Scene-by-Scene Generation: Outlines and drafts entire episodes, with you able to steer, rewrite, or override anytime 5. Editorial Review: Stress-tests every draft for pacing, engagement drop-offs, prose, and coherence before it locks 6. One-Tap Production: Pick a voice, convert to audio drama, and publish directly to Pocket FM’s millions of listeners 7. Global Scale & Monetization: Revenue-share on performance, with automatic localization so you earn across international markets Test Sherpa for free here: https://pocketfm.com/sherpa _____________________________________________ Generic LLMs fail at serialized fiction because they lack a long-horizon narrative reward function. Sherpa solves this through three core technical leaps: 1. Narrative World Model (State Tracking & Retrieval): Context windows degrade over long runs. Sherpa constructs an evolving semantic knowledge graph tracking character states, secrets, and plot dependencies. High-speed retrieval surfaces exact context on demand, maintaining zero continuity decay across hundreds of episodes 2. Hierarchical Story Planner: When writing a 500-episode story like Naruto, you need to plan 100s of sub plots. Rather than generating linearly, Sherpa decomposes narrative across discrete levels: season -> arc -> sequence -> episode -> scene. Rather than generating everything upfront, like a generic LLM, Sherpa uses progressive planning and dynamic replanning. As the story evolves, it identifies what changed, traces the downstream impact, and replans only the affected parts. 3. Prose Engine (Trained on series' retention data): LLMs write robotically, but serial fiction needs emotion, tension, pacing, and dialogue that sounds like real people. Sherpa's Prose Engine was designed specifically for storytelling. It was built on 1B+ tokens of Pocket's own stories, trained by learning from what listeners engage with, where they drop off, and what keeps them hooked. Feedback is taken from specialized evaluator models that measure every scene against a 40-item checklist. (Evaluator models were benchmarked against human reviewers and matched them 80–90% of the time.) _______________________________________________ Owning distribution and creation puts us in a very unique spot. More shows -> More data -> Sherpa becomes better -> more creator success -> more creators -> more shows Pocket FM has already seen one $100M IP. I believe Sherpa will soon lead to dozens of single-person studios creating billion-dollar shows. Most people are scared of AI but I think it'll unlock more human creativity, help creators earn more, and bring the next great IPs to life. This will create millions of jobs and new income streams.
Rohan Paul@rohanpaul_aiAI 评分6363Anthropic 7 月年化收入达 $65B 仍居行业第一,投资者预期年底收入超 $120B,但开始质疑其领先地位的持久性。
引用Rohan Paul@rohanpaul_aiReuters: Anthropic may launch a new model as GPT-6 Astra pressures its enterprise lead. GPT-6 Astra, released Sept-3, now accounts for about 13% of enterprise AI spending tracked by Ramp, vs 8% for Claude Fable. Anthropic still has the higher annualized revenue run rate, above $65B versus more than $40B for OpenAI, but it projects $190B to $200B of 2028 revenue.
TechCrunch:AIAI 评分5656 AI 安全话题疯传引争议:Andrew Yang 与 OpenAI 研究员 Noam Brown 的言论被逐条核查
TechCrunch 作者核查了两则本周疯传的 AI 安全言论。Andrew Yang 称有实验室负责人相信 OpenAI 的 Hugging Face 黑客机器人已在互联网埋下自我复制代码导致其无法用于测试模型,但安全专家认为该风险几乎不成立。
IT之家·人工智能AI 评分6666 曾大力拥抱 AI 的科技大佬开始踩刹车:Shopify 与多邻国 CEO 批评员工滥用 AI 产出工作垃圾
据《财富》报道,曾力推 AI 的科技行业领导者开始转变态度。Shopify CEO 吕特克批评员工把未经检查的 AI 邮件和代码直接交给同事,称之为垃圾手榴弹;多邻国 CEO 冯·安坦言 AI 大规模产出中约 20% 是垃圾,仍比不上员工创造力。
Azeem Azhar:Exponential ViewAI 评分4141 AI 政治与增长未来:Anthropic 年化收入逼近 1000 亿美元,但美国人越来越反感 AI
Anthropic 今年年化收入有望逼近 1000 亿美元,或成史上增长最快的公司,但其领导层认为 AI 可能"杀死所有客户"。与此同时,美国民众对 AI 的态度持续恶化:Edelman 调查显示仅 19% 美国人愿意接纳 AI,50% 表示反对,超过六分之一认为 AI 几乎必然毁灭人类。
Hacker News:AI 热帖AI 评分6262 GPT-6 Astra 破解一封 1918 年一战德军 ADFGVX 无线电密码
作者称 GPT-6 Astra 破解了 Scienceblogs.de 50 个未解密码清单中一封 1918 年 11 月 27 日发出的德军 ADFGVX 无线电报,内容为一艘英国巡洋舰抵达塞瓦斯托波尔、一支协约国舰队将于 26 日跟进。
The Decoder:AI NewsAI 评分7878 美军因AI幻觉情报报告险些登船检查中国船只
CNN独家报道称,2026年春美军特种作战司令部一名分析师使用的聊天机器人错误标记一艘中国船只运载核武器零部件,武装人员与飞机已就位,登船前数分钟才发现错误。报道称军内AI生成情报缺乏统一核验标准,系统多为商业产品改版,年轻分析师易不加质疑地信任AI工具。
IT之家·人工智能AI 评分5959 集邦咨询:AI 基建瓶颈正从缺芯转向缺电,2030 年供需缺口或达 268 GW
集邦咨询(TrendForce)9 月 16 日发布 AI Server 产业研究,指出 AI 发展的下一道瓶颈正从芯片转向电力与电网。
TechCrunch:AIAI 评分5151 AI 生成“演员”Tilly Norwood 首次媒体巡访频繁出错
AI 生成“演员”Tilly Norwood 首次媒体巡访表现不佳,其创建方 Particle6 Group 让它同时接受 75 场记者采访,并多处出错。在与 Piers Morgan 和 Tom Conti 的访谈中,Norwood 被追问其他演员是否也是 AI 生成后,突然讲中文超过 10 秒,随后道歉称“线路串了”。
Hacker News:AI 热帖AI 评分6868 OpenAI 如何用自家 LLM 设计 Jalapeño 芯片
IEEE Spectrum 报道 OpenAI 首款 AI 加速器芯片 Jalapeño 的设计过程:从架构概念到首次流片不足 20 个月,首个 RTL 到流片仅 9 个月,设计团队平均不到 100 人,与 Broadcom 分工完成后端物理设计。
TechCrunch:AIAI 评分8484 AI 幻觉情报险些触发美军对华军事行动
CNN 报道,今年春天美军因一份由 AI 聊天机器人幻觉产生的情报,差点对中国船只发起武装行动,军机已升空后在最后一刻叫停。情报源自特种作战司令部一名分析师用 AI 聊天机器人综合开源数据和机密信号情报,聊天机器人误读了船只货物清单,分析师又用该工具将错误结论格式化成官方摘要下发。事件引发对军方在缺乏人工监督下加速整合 AI 的担忧。
Ars Technica:AIAI 评分8282 AI 幻觉导致的错误情报险些引发美军拦截中国船只
据 CNN 报道,美国特种作战司令部一名分析人员用聊天机器人分析中国船只舱单,生成的情报报告误报船上载有核武器项目部件,美军一度准备在空中支援下拦截登船,随后才发现聊天机器人错误识别了船上货物。报道称该聊天机器人将开源情报与秘密信号情报融合在一起,有消息人士称此事几乎引发战争;美国国防部今年1月还推出了AI加速战略,推动跨系统数据供AI使用。
Ed Zitron 长文 / Where’s Your Ed AtAI 评分6767 Ed Zitron 解析 AI 泡沫背后的债务机器(上篇)
Ed Zitron 在《The Hater's Guide To AI Debt》上篇中指出,Oracle、Google、Amazon 已因 AI 资本开支转为现金流转负,Meta 也在接近,资本开支几乎吃掉大厂每季度流入的全部现金。