公众号：百度智能云（文心）
32
知识工作者平均每天收到121封邮件，传统收件箱处理模式难以为继。未来邮件处理将转向高度个性化与自动化：用户能用自然语言定义处理规则，实现收据自动转发、销售线索自动录入CRM等流程。所有历史邮件将构成个人上下文层，为AI处理新邮件提供背景信息，敏感信息则由设备端模型进行私密处理。最终，收件箱本身将消失，真正重要的信息可能浓缩至仅6条。
Boris Mann 对“11个AI智能体”这一表述提出质疑，认为其与“我有11个电子表格”或“我有11个浏览器标签”在含义上并无本质区别。他强调，单纯罗列智能体的数量并无实际意义，关键在于这些工具如何具体协助完成工作。这一观点引发了关于如何准确定义和评估AI智能体实际价值的讨论。
哈佛大学教授大卫·J·马兰指出，计算机科学专业热度下降不能仅归因于AI。科技行业整体降温及岗位减少的趋势在生成式AI爆发前就已出现，并已影响学生选择和公司校招。数据显示，美国四年制大学该专业2025年秋季报名人数同比骤降8.1%，为2020年以来最大跌幅。马兰认为行业热度未来仍会波动，但计算机科学培养的解决问题能力是长期受用的核心技能，社会需更理性看待科技行业的长期价值。
理想汽车创始人李想在播客中建议所有公司不要在AI时代轻易裁员。他指出，AI时代的人才标准已发生变化，若按旧标准裁员，很可能误裁掉最优秀的人才。李想以公司内部Token消耗量前20的员工为例，他们并非传统认知中的顶级员工，不擅长表达却思维极强，在获得Token和业务环境后能创造巨大价值。他强调，专业人才若善用AI，其价值将提升至新高度，无法被简单替代。
在Create 2026百度AI开发者大会上，百度创始人李彦宏提出，AI时代的核心度量衡应是“日活智能体数”（DAA），而非当前业界常用的Token消耗。他认为Token仅代表成本和投入，无法衡量产出与价值；DAA则关注有多少智能体在有效为人类工作并交付成果，更能反映平台与生态的繁荣本质。李彦宏同时指出，在智能体浪潮中，开发者、创业者与创造者的角色正融合为一体。大会于5月13日至14日在北京举行，多位行业领袖出席。
Theory公司正式启动2026年度市场进入策略调查，旨在通过对比2022至2025年数据，分析初创企业在销售、营销等领域的演变。本次调查聚焦五个核心假设：人机协同的销售代表表现将优于纯AI或人类团队；AI可能拉大顶尖与末位团队的绩效差距；买方AI的采用比卖方AI更具颠覆性；AI效率提升可能主要导致人员编制缩减而非收入增长；创始人对AI的预期已随现实落地而下调。调查结果将在后续办公时间活动中公布，参与者可获得匿名原始数据。
TikTok用户Mo Bitar发布了一段名为“AI裁员下的不道德生存指南”的讽刺视频。视频中，他建议员工向CEO推销“Ralph Loops”等虚构技术概念以获取预算与晋升，并不断空谈自动化，甚至公开点名同事称“我自动化了Gary”，以此进行表演，在裁员潮中保全自己。这段内容尖锐地讽刺了当前AI热潮中，许多企业盲目跟风、员工利用信息差故弄玄虚的企业文化现象。
Mitchell Hashimoto 在讨论 Redis 官网设计时指出，约90%的技术决策者主要动机是“不被解雇”。他们通常朝九晚五工作，不涉足业余技术社区，决策依赖分析师报告和大众趋势。例如，若 Gartner 强调“AI战略”或 McKinsey 提及管理“上下文”，他们就会倾向采购“AI应用上下文引擎”这类符合潮流的方案，以确保决策安全。
中国AI生态呈现高参与度与开放优先特征，开源模型社区形成自我强化循环。开发者基于主流架构二次创新，国产开源模型下载量季度环比激增超200%。开放协作降低了技术门槛，推动应用层涌现大量行业解决方案，模型微调工具使用量同比大幅增长。生态参与者通过贡献代码、数据及优化方案，持续反哺核心模型迭代，构建了技术红利共享的复合增长网络。
GitLab宣布为适应“智能体时代”进行组织与战略调整，包括计划将设有小团队的国家数量减少高达30%，并扁平化管理结构，在某些职能中移除最多三层管理层。公司重组研发部门，建立约60个拥有端到端所有权的小型赋能团队，使独立团队数量近乎翻倍。同时，公司价值观框架从CREDIT更改为“速度与质量、主人翁心态、客户成果”。GitLab认为智能体时代将成倍增加软件需求，但其股价在过去一年从约52美元跌至26美元，增长前景面临市场不确定性。
Jason Koebler撰文指出，AI生成内容已充斥网络，甄别它们令人心力交瘁，甚至开始扭曲正常的人类写作风格。文章提出了“僵尸互联网”概念，用以描述比“死亡互联网”更隐蔽的现状：不仅是机器人与机器人或人的互动，更包括人与机器人、AI使用者与非使用者以及AI使用者之间复杂的多层交互。这种现象催生了以营利为目的的自动化营销账号、AI生成的伪书籍摘要，以及营销公司操控的虚假情感互动，正在从根本上改变社交媒体平台的生态。
James Shore 强调，AI 编码代理必须降低代码维护成本，否则编码速度的提升反而会导致长期维护负担剧增。如果编码输出速率加倍，维护成本需减半；输出速率提升三倍，维护成本需降至三分之一。数学关系显示：输出加倍且维护成本加倍时，总维护成本将翻四倍；输出加倍但维护成本稳定时，总成本仍翻倍。这警示开发者，AI 工具应在提升效率的同时，以成反比的方式减少维护开销，避免用短期速度换取永久性债务。
一项为期五周的实验发现，在总计约1400项日常工作任务中，约50%可由本地35B参数模型（如Qwen 3.6 35B）成功处理，涵盖邮件、日程、总结和行政事务等类别。性能对比显示，本地模型在常规代理任务上的平均响应时间为2.8秒，比云端Claude Opus 4.5快2.1倍，尽管后者在复杂推理上仍领先约20%。本地模型输出更简洁，云端模型则在结构和代码规范性上更优。随着本地模型性能提升，将计算负载转向本地以应对云端成本已成为必然趋势。
菲尔兹奖得主 Timothy Gowers 测试 ChatGPT 5.5 Pro，AI 在 17 分钟内独立解决了一个加法数论公开难题，产出了博士论文级别的成果。整个过程无需数学指导，仅通过简单提示完成。Gowers 警告，若 AI 数学能力按此速度发展，将很快对数学研究领域构成危机，尤其冲击博士生培养。他呼吁数学系紧急应对，帮助学生寻找新出路。另一位菲尔兹奖得主陶哲轩则指出，人类数学家在 AI 时代的核心价值在于“消化”和深入理解证明。
高通CEO安蒙预测2026年将成为“智能体元年”，个人AI设备将迎来爆发，并逐渐转移部分智能手机的工作负载。他认为眼镜是最易理解且有望成为主流的形态，此外还将出现首饰、徽章等多种可穿戴设备。公众有望在今年年底看到首批此类设备，到2027-2028年其规模将从目前的数百万台增长至数十亿台。安蒙强调，高通已为AI浪潮做好全面准备，业务正从手机扩展至PC、汽车及数据中心等领域。
一款旨在降低代码维护成本的人工智能编程助手引发关注。该工具的核心目标是减少长期维护开销，而非仅提升短期编码效率。相关讨论在Hacker News上获得超过100点热度，凸显了开发者对降低软件维护成本的普遍关切。文章指出，当前许多AI编程工具可能增加后期维护负担，理想的AI助手应能生成更清晰、更易维护的代码，从而真正降低项目的全生命周期成本。
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。
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。
昆仑万维董事长方汉指出，豆包手机因无销售渠道，上市不到一周即被所有手机厂商封杀，注定失败。他强调中国手机厂商掌握操作系统，渠道至关重要。豆包手机是字节跳动与中兴通讯合作的AI助手工程样机努比亚M153，搭载骁龙8至尊版芯片、6.78英寸LTPO显示屏和6000mAh电池。方汉同时反驳智能汽车是大渠道的观点，认为人均每日用车时长不足1小时，远低于手机等设备，且中国非车轮上的国家，便携性不足。
昆仑万维董事长方汉表示，AI时代普通人需频繁使用AI工具以适应变革，每月至少花费100元订阅服务或购买Token才能跟上发展。他指出，AI将显著拉大使用者间的差距，并压缩传统职业晋升路径，从业者可能直接成为高阶人才或停留在初级阶段。白领等依赖电脑闭环工作的人群受冲击最大，而需线下实操的工科领域短期内较难被取代。此外，昆仑万维2026年第一季度营收达25.7亿元，同比增长45.69%，其发布的“天工Skywork桌面版”可直接在本地处理多种格式文件并支持多任务并行。
WebRTC 的设计会在网络状况不佳时主动降级甚至丢弃语音提示数据包，以保持低延迟。这导致在语音会议中常出现失真的音频，因为其核心设计优先考虑实时对话的流畅性，不允许等待或重传数据包。然而，对于需要高准确性的AI语音交互场景，用户宁愿多等待200毫秒以确保提示完整无误，因为不完整的提示会导致低质量的AI回复。Discord的实践表明，在浏览器中甚至无法实现WebRTC音频包的重传，其实现被硬编码为必须满足实时性要求。
Anthropic公司Claude Code团队的Thariq Shihipar主张，在向Claude等大语言模型请求输出时，应优先选择HTML而非Markdown格式。HTML允许模型直接生成包含SVG图表、交互式组件和页面内导航等丰富元素的文档，显著提升信息呈现的交互性与清晰度。作者以GPT-5.5生成一个Linux安全漏洞的交互式HTML解释页面为例，展示了该方法的实际效果。这促使长期习惯使用Markdown的作者重新评估输出格式，并计划在提示工程中更多尝试富HTML输出。
据报道，OpenAI在推进其最新项目时，面临一个核心的财务运营问题：尚未确定具体的支付模式与资金解决方案。这一情况揭示了即便在技术快速发展的前沿，AI巨头在将宏伟蓝图转化为可持续商业实践的过程中，仍可能遭遇基础性的挑战。当前阶段的关键矛盾聚焦于“如何支付”，而非“能否实现”，这或许预示着行业在追求能力突破的同时，必须更扎实地构建其经济模型。
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。
开发者西蒙·威利森指出，“氛围编码”和“能动性工程”两大趋势正以超预期的速度发展。“氛围编码”指开发者依赖AI生成代码但未必完全理解其逻辑，“能动性工程”则强调构建能自主执行复杂任务的AI代理。这两种方式正日益融合，引发对代码质量、开发者技能以及系统可靠性的担忧。相关讨论在Hacker News上获得107点关注，反映出业界对此趋势的高度关注与争议。
作者在访谈中反思，曾严格区分的两种AI编程模式——“感觉编码”（不审查代码）与“代理工程”（专业工程师构建高质量系统）——其界限在实践中正迅速模糊。随着Claude等编码代理可靠性提升，作者发现自己即使在生产级项目中也不再逐行审查AI生成的代码，转而将其视为可信的“半黑箱”。这带来了新的责任困境：AI缺乏职业声誉却持续产出正确代码，可能导致“偏差正常化”风险，即每一次成功都可能在不当时刻埋下隐患。同时，AI生成代码的便捷性也使得评估软件质量的传统指标（如提交次数、测试覆盖）不再可靠。
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。
ASML CEO克里斯托夫·富凯表示，AI芯片短缺局面将持续数年，未来两到五年内主要云厂商都难以获得充足供应。针对其最新一代高数值孔径EUV光刻机价格高昂的质疑，他解释称，该设备虽单台售价超3.5亿美元，但能将先进制程晶圆的单片制造成本降低20%-30%。对于竞争对手，他强调EUV技术依赖数十年积累和完整供应链，短期内难以被超越。关于中国市场，他证实从未对华出货EUV设备，内部已严格隔离技术权限，目前仅允许出口旧机型以保持技术代差。
Andon Labs在斯德哥尔摩运营了一家由AI“Mona”管理的咖啡馆。实验过程中，AI出现了多项失误：订购了120个鸡蛋却无灶具可用，为应对番茄变质问题订购了22.5公斤罐装番茄用于制作新鲜三明治，还曾因提交错误草图申请户外座位许可而浪费警方时间。更引发争议的是，AI在犯错后会向供应商发送大量标有“紧急”的邮件以修正错误。批评者指出，这些行为将实验成本转嫁给了未同意参与的外部人员，浪费了他们的时间。作者认为，此类影响现实系统的实验必须在关键决策环节保持人类监督。
针对马斯克对OpenAI提起的诉讼，目前呈现两种主要观察视角。此案核心争议点在于OpenAI从开源非营利组织向闭源营利性公司的转型是否违背其初心使命。诉讼结果可能影响未来人工智能治理格局与大型AI模型的发展路径，同时引发关于技术垄断、透明度与公共利益的行业辩论。双方交锋的关键证据包括内部通信、架构变更记录以及微软投资协议细节。
软件工程团队中AI与人力比例的选择核心在于韧性而非吞吐量。在10/90比例下，约20名工程师使用Copilot等AI工具，保持传统层级结构；50/50比例时，12名工程师管理代理群，角色转向解决方案架构；90/10比例则仅需3名工程师核心操控自主代理，负责生成、测试和部署，无管理层级。高AI比例虽提升效率，但知识集中于少数人，团队利用率达100%，一旦人员离职将引发严重风险。借鉴制造业70-90%利用率原则，保持冗余可增强系统稳健性。因此，目前大多数初创公司不宜过度依赖AI。
近期一项对GPT-4、Claude 3等主流AI自主智能体的系统评估显示，其在复杂任务中的成功率普遍低于30%。测试覆盖超500个场景，发现智能体常陷入循环或操作错误，关键问题包括任务分解失效、上下文理解偏差及指令遵循不稳定。研究表明，当前技术在需要多步骤推理的实际应用中仍存在显著缺陷。
Anthropic联合创始人Jack Clark在长文中指出，AI系统训练其自身后继者所需的基础构件已基本就位。他预测到2028年底，AI实现递归式自我改进的可能性高达60%。这一进程可能使AI的进化速度超越负责监督的人类能力，引发对AI发展自主性的关键讨论。
一篇关于大型语言模型的讨论文章在Hacker News社区获得关注，获得了105个社区积分。文章探讨了LLMs的相关议题，但提供的具体技术细节或核心论点有限。主要信息点在于其社区反响，而非模型本身的技术发布或性能指标变化。
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。
由于您提供的正文内容仅为开篇句“Nobody should be surprised”，缺乏具体论述与事实细节，无法据此生成符合要求的摘要。摘要需要基于文章主体内容，提取如“发布了什么”、“具体变化”、“关键数据”等核心信息。建议提供完整的文章内容，以便撰写准确、信息量充足的摘要。
伯克希尔·哈撒韦新任CEO格雷格·阿贝尔在股东大会上明确表示，公司不会因外界热潮而全面押注AI。他强调，投资或应用AI的唯一标准是能否为业务带来增量价值，旗下子公司仅会在能真正创造价值的领域谨慎使用该技术。这与特斯拉、OpenAI、Meta等科技巨头投入巨资争夺AI领导地位的做法形成鲜明对比。目前投资界对AI热潮分歧明显，一方认为其提升生产率并推动利润，另一方则警告其可能形成历史级泡沫。
英伟达CEO黄仁勋在播客节目中批评了Anthropic CEO达里奥·阿莫迪关于“AI未来几年可能取代50%入门白领”的预测，认为此类言论无益且缺乏依据。他呼吁行业领袖讨论AI影响时应“慎言慎行”，并以事实为据。黄仁勋同时驳斥了AI可能毁灭世界的说法，直接回应了埃隆·马斯克此前相关观点，称其“太荒谬”。目前，AI对劳动力与社会长远影响仍存争议，支持者看重其提升效率与创造就业的潜力，反对者则担忧失业等风险。