全部 AI 动态

一位博主对 Hacker News 头条的 AI 内容占比做了两次抽样调查：2026 年 2 月，每日 Top 5 中多数日子有 4-5 条与 AI 相关；6 月更新数据显示，AI 相关或 AI 生成内容约占每日头条的 50%-60%，高于 2 月的 40%。作者还借助 AI 文本检测工具 Pangram 识别疑似 AI 撰写的文章，并人工复核了标记结果。

一位开发者分享，若回到17岁，会选择从零开始学习构建大型语言模型（LLM）。文章以推特帖子形式呈现，获得426个Hacker News点赞，强调通过亲手搭建理解LLM底层原理的价值。

医疗 AI 面临“预言机问题”：临床决策主观、底层数据不透明、评测易沦为营销，导致医院难以客观评估模型优劣。OpenAI 报告每周超 3 亿人用 ChatGPT 咨询健康问题，2026 年每百万条病历中约 1,686 条记录患者对模型回答的追问。a16z 正与 Protege 合作，试图通过追踪患者长期结局来解决这一评估难题。

elvis@omarsar0

AI 评分 34/100

Paul Graham: Someone asked what I'd do if I were 17. I'd learn how to build LLMs from scratch, and then train ones as powerful as I c...

Ethan Mollick@emollick

AI 评分 48/100

Ethan Mollick指出，用GPT-4等旧模型做AI影响研究并非不可，但需谨慎讨论。若结论是AI已具备某能力或达到人类水平，这类正面结论依然成立；但若结论是AI在某任务上表现差或有偏见，则不能断言AI不行，因为新模型可能已解决。他建议可明确限定“GPT-4不能做X”、对比多代模型趋势、论证AI固有缺陷、聚焦调节因素或人类反应等替代框架。

用受版权保护的书籍训练AI模型是否合法，美国法律尚无定论。法官William Alsup裁定Anthropic因从非法影子图书馆获取书籍而需支付15亿美元和解金，但认定其AI训练本身合法，类比为“阅读”而非“复制”。现行版权法自1976年未更新，案件多围绕“合理使用”展开，Thomson Reuters诉Ross Intelligence案则因直接竞争用途被判不构成合理使用。

Chubby♨️@kimmonismus

AI 评分 29/100

Chubby♨️: No way! @synthwavedd says that the secret Model "Ox Alpha" on OpenRouter is the upcoming GLM 5.3 Flash A Flash model (!!...

swyx@swyx

AI 评分 35/100

swyx在访谈中坦言，自己迟了两年才真正理解为何Karpathy、李飞飞等人支持Simile团队，并称“模拟是新的扩展定律”并非营销话术。他认为，当模型自动化大部分ML研究和AI工程后，最后壁垒是模拟人类行为与反馈。Simile已实现85%准确率的数字孪生，并在财富100强企业中找到PMF。

Latent.Space: Simulating Humanity: 85% accurate digital twins, behavioral foundation models, social physics, & 8 billion agents https:...

Runway 业务今年增长超一倍，NRR 超 300%，一家 Fortune 20 客户对其使用量增长超 17 倍。欧洲占其企业客户超 20%，订阅销量过去十二个月增长 50%。公司推出模型许可模式，提供闭源权重与专有训练，并强调不基于客户数据训练、提供 Day 0 第三方模型接入及 Runway Agent 自主执行能力。

2026年ETF主题榜单与2020年截然不同，AI、核能、太空、国防和基础设施占据主导，取代了此前的清洁能源、新兴市场科技和医疗健康。数据方面，据Citadel数据，ETF净流入正迈向史上最强年份，7月创下历史纪录。与此同时，数据中心建设成为美国多州非住宅建筑支出的重要部分，新墨西哥州和怀俄明州占比约60%，宾夕法尼亚州近30%。

Rohan Paul@rohanpaul_ai

AI 评分 36/100

皮尤研究中心对比2023年至今的网页快照发现，AI写作风格痕迹显著增多：破折号出现频率翻倍，牛津逗号使用增加63%，“delve”“interplay”等AI偏好词汇使用量翻番以上。到2026年，9.4%的.com网页呈现明显AI编辑或创作痕迹，而.edu和.gov网页仅约1%。商业网站因流量激励更倾向采用AI工具。

Rohan Paul: AI-associated writing is spreading very unevenly across the web By 2026, 9.4% of .com webpages showed significant signs ...

Rohan Paul@rohanpaul_ai

AI 评分 41/100

皮尤研究中心数据显示，AI辅助写作在网络上的分布极不均衡：到2026年，9.4%的.com网页呈现明显AI编辑或创作痕迹，而.edu和.gov网页仅分别为1%和0.8%。商业出版商可从更快草拟中直接获益以产出更多页面，公共机构则因流程较慢且缺乏数量激励而使用较少。

Chubby♨️@kimmonismus

AI 评分 37/100

社区猜测一周内新出现的模型疑为GLM-5.4/5.5，基于相同tokenizer等证据，@davis7称99%确信其为GLM-5.x。该模型在初步测试中表现优于GPT和Fable，被视为新SOTA。若属实，将证明RL驱动的模型进化速度远超预期，并迫使OpenAI和Anthropic加速发布新模型。

Ben Davis: 99% sure it's GLM-5.x, all the evidence points to it (same video encoder, same tokenizer, style matches, same audio reje...

jietang@jietang

AI 评分 31/100

Liam Fedus: An excellent history of scaling laws from @jietang. In 2020, we explored the limits of sparsity in Switch Transformers b...

美光 CEO 桑杰·梅赫罗特拉称，AI 已彻底改变内存行业的周期性格局，AI 系统需要更多高性能内存，正在创造更持久的需求。他认为这种需求不仅来自数据中心，未来自动驾驶汽车、机器人和 AI 消费电子设备也将需要更多内存。美光位于爱达荷州博伊西的基地正建设两座晶圆厂，预计 2027 年中投产，目前数据中心客户希望获得的供应量比美光能承诺的高出一半。

多家 AI 公司通过中间商大量收购二手书，扫描后销毁，以获取 2022 年前“未经机器触碰”的训练数据。Anthropic 的“Project Panama”在 15 亿美元版权和解中被曝光，该公司耗资数千万美元购买数百万册纸质书，用于训练 Claude 后全部销毁。Anna’s Archive 正呼吁全球志愿者扫描上传书籍，以对抗知识被私有服务器垄断。

404 Media 调查披露，亚马逊大量购入珍稀书籍，切断装订后快速扫描用于训练其 Nova 系列AI模型，书籍在过程中被销毁。调查人员通过追踪器发现书籍最终抵达拉斯维加斯亚马逊仓库 VGT3，员工称该团队只负责接收大批量书籍并切毁扫描。与此同时，互联网档案馆以逐页扫描方式数字化书籍，不破坏实体书，与亚马逊形成鲜明对比。

反AI字体试图通过混淆或打乱文本来阻止AI抓取，但这类方案既损害可访问性，又注定失败。屏幕阅读器等辅助工具解析的正是被打乱的文本，这直接切断了部分残障用户的访问路径。作者认为，任何人类可读的信息都必然能被解析，这类字体只会沦为新的抓取障碍，并最终推动网站走向集中式身份验证和内容封锁，与万维网自由开放的精神背道而驰。

亚伦·斯沃茨因从 JSTOR 下载约 70GB 学术文章被过度起诉，面临 35 年监禁和 100 万美元罚款，最终自杀；而 Meta 抓取 80TB 图书训练 AI 模型却几乎未受惩罚。作者认为这暴露了司法双标，并附上自家猫咪 Lilith 的照片表达不满。

Pangram CTO Bradley Emi 发文称，ChatGPT、Claude、Gemini 等系统经后训练与安全护栏约束后，表达范围大幅收窄，产生“模式坍缩”效应，使其文本可被检测。未经后训练的基座模型写作更多样，Pangram 检测不会标记；针对特定文本微调的模型及乱码输出同样不被标记。但该结论仅适用于无水印 AI 文本，水印检测预计始终有效。

Jim Fan@DrJimFan

AI 评分 47/100

Jim Fan 称赞 GEN-1.5 的成功，认为关键在于人类数据中自然的重复动作，包括对称模式与失误后的恢复行为。他强调 UMI 直接采集人类数据优于遥操作，能保留物理直觉。他持谨慎乐观态度，认为当前演示仍过于简单，尚不能断言上下文学习已真正奏效。

Kimi K3、GLM-5.3等中国开源模型已逼近美国顶尖模型，在多数综合评测中跻身前列，西方实验室归咎于知识蒸馏与benchmaxxing，但模型领先已难守。西方剩余优势集中在三个领域：抽象专项测试（ARC-AGI-2上K3为60.4%对Opus 5的89.2%）、可靠性（AA-AnalystAgent的pass^5指标Opus 5以54%领先，K3为39%）和网络安全。

Rohan Paul@rohanpaul_ai

AI 评分 42/100

智谱创始人唐杰发文称，模型缩放已不止参数增长，参数量只是多个独立旋钮之一，数据、单次前向计算与后训练同样关键。他提出，将推理纳入优化目标后，最优解转向训练更久的小模型。作为验证，GLM-5.3 与 GLM-5.2 基础、架构、总参和激活参数完全相同，仅多花一个月扩展长时程环境与 RL，收益显著。

jietang: Thoughts About Scaling Law Scaling, but not only of parameters. Every model release now ends with the same question: how...

图灵奖得主、强化学习奠基人Richard Sutton在访谈中批评合成数据路线，称其“就是一个大错误”，无法解决大语言模型的扩展瓶颈。他基于“大世界假说”指出，真实世界远比互联网存储的数据庞大，任何模拟都只是“微观”且不匹配现实。Sutton主张让智能体从自身经验中持续学习，并批评现有模型训练后权重不再更新。

Thomas Wolf@Thom_Wolf

AI 评分 39/100

jietang: Thoughts About Scaling Law Scaling, but not only of parameters. Every model release now ends with the same question: how...

皮尤研究中心调查显示，自 2021 年开始调查以来，首次有超过半数的美国 30 岁以下成年人对 AI 的担忧多于期待，近四分之三认为 AI 会减少就业机会，高于两年前的 61%。最年轻群体过去最看好 AI，如今却成为最怀疑的人群之一。超过一半美国人对 AI 感到担忧，而经验越丰富的劳动者越可能从 AI 中获益。

Chubby♨️@kimmonismus

AI 评分 40/100

智谱（GLM）创始人指出，AI 缩放并未结束，只是行业过度聚焦模型参数量。GLM-5.3 与 GLM-5.2 采用相同基础模型、架构和参数量，仅通过一个月额外强化学习（RL）训练便获得显著性能提升。缩放的关键在于训练数据、推理算力与后训练等多维度潜力，而非单一参数规模。

jietang: Thoughts About Scaling Law Scaling, but not only of parameters. Every model release now ends with the same question: how...

图灵奖得主里奇·萨顿在红杉资本播客中警告，AI 行业越来越依赖合成训练数据“绝对是个大错误”，人工制造的数据无法充分替代真实数据。他更倾向于让 AI 智能体通过与真实环境互动学习，并已与前学生创办初创公司 Oak Lab，开发持续从自身经历学习的智能体。谷歌本周同意支付 1,000 万美元收购 Spirit Airlines 内部数据，凸显专有真实数据价值上升。

比亚迪海洋网总经理张卓在2027款海豹06上市后受访时坦言，说比亚迪辅助驾驶比华为强没人相信，并认为端到端大模型的核心逻辑在于数据量。他表示，比亚迪数百万辆车的积累是“天神之眼B”今年体验大幅提升的原因。官方数据显示，截至2026年7月31日，搭载天神之眼和华为乾崑智能的车型累计销量达352万辆，天神之眼日均生成数据里程2.2亿公里。

智谱创始人唐杰发帖阐述对Scaling Law的理解，称Scaling不只有参数量，还需结合数据量、算力分配与运行条件。GLM-5.3在AA指数拿到60分，较上代GLM-5.2的53分提升，基座相同，总参数753B、激活40B。唐杰认为，总参数量决定知识容量，激活参数与有效深度决定长程推理，Scaling正从追求更大数字转向寻找最优解。

欧洲央行发布博客文章警告，当前“AI 热潮”很可能为金融市场大幅调整埋下伏笔，美国股市估值已接近历史高位。欧盟家庭持有价值约 4,400 亿欧元的美国科技股，保险公司和养老基金也大量持股，泡沫破裂将波及全球而非仅限美国。欧洲央行将当前狂热与互联网泡沫等历史技术投资热潮类比，并预计可能经历类似的“繁荣与破灭”周期。

elvis@omarsar0

AI 评分 29/100

anton: I tried using Fable to train a model (LFM 2.6B) because I didn’t want to spend time on the data. Turns out neither did F...

Ethan Mollick@emollick

AI 评分 41/100

tom cunningham: New post with Nate Rush: Have we seen an acceleration in discoveries? Many plots & some tentative conclusions: 1. Cyber:...

零售商正进入 AI 采用的新阶段，治理成为关键挑战。Databricks 认为，零售企业需要一个控制平面来管理 AI 系统的上下文，确保数据访问、合规性和模型行为的一致性。该方案旨在帮助零售商在部署 AI 时平衡创新与风险控制，避免碎片化治理带来的安全漏洞。