白宫在经历一年的放松监管后，正讨论一项可能要求新AI模型在发布前接受政府审查的行政命令。此举的直接导火索是Anthropic的“Mythos”模型。政府已向Anthropic、Google和OpenAI三家领先的AI公司通报了相关计划，标志着美国AI监管政策可能从宽松转向事前审查。该审查流程旨在在模型公开发布前进行安全评估。

特斯拉在得克萨斯州奥斯汀的Robotaxi服务取得重要进展，于5月4日首次开启夜间无安全员运营，突破了此前仅限日间的限制。此举使奥斯汀与达拉斯、休斯顿的运营模式同步，并扩大了运行设计域。面对夜间低能见度、车灯眩光等挑战，特斯拉依靠其纯视觉方案和端到端AI技术栈应对。拓展至晚间出行高峰期有助于提升车辆利用率和营收，并收集更多关键数据。此次突破为未来在凤凰城、迈阿密等更多城市推广服务，以及实现全天候、更复杂路况的运营奠定了基础。

英伟达生产成本中亚洲供应商占比已升至90%，其新发布的Jetson Thor机器人平台等实体AI产品，与数据中心GPU共同争夺台积电3纳米晶圆产能，并消耗由三星、SK海力士供应的紧缺LPDDR5X内存，导致旧款模组因LPDDR4断供提前停产。尽管英伟达承诺在美投资，但亚洲供应链的依赖与产能争夺仍在加剧，美国本土产能尚无法承接快速增长的需求。

OpenAI正加速首款AI Agent手机开发，目标最快2027年上半年量产。该手机预计采用联发科天玑9600定制处理器，2026年下半年由台积电N2P工艺生产，强化ISP以提升视觉感知。2027与2028年预计总出货量约3000万部。关键规格包括双NPU架构、LPDDR6内存和UFS 5.0存储。AI Agent将重新定义手机交互，用户可直接通过手机执行任务，而非打开应用。

在SID Display Week 2026上，LG Display展示了其第三代Tandem OLED技术。该技术功耗降低18%，耐久性倍增，首款车用面板亮度达1200尼特，使用寿命突破15000小时，并计划年内量产。同时展出的还有一款5K RGB OLED显示器面板，像素密度达220 PPI，显示效果更细腻。此外，专为AI PC优化的16英寸Tandem OLED面板更薄更轻，可提升笔记本离电续航2.3小时。其他展品包括人形机器人P-OLED解决方案、57英寸车用面板及32英寸可滑动OLED面板。

美国白宫正考虑成立新的工作组，以加强对新型AI模型的监管。该工作组可能在AI模型公开发布前进行联邦审查，确保其符合安全标准。此举标志着白宫监管态度的重大转变，从先前“不干预”计划转向更严格的监督，可能参考英国的多层监督模式。具体实施方案尚未最终确定。

英伟达CEO黄仁勋驳斥了AI将导致大规模失业的“末日论”，强调人工智能是工业规模的就业机会生成器。他指出，AI产业由生产关键硬件的工厂驱动，这些工厂及其相关行业必然需要工人。黄仁勋认为，AI自动化的是特定任务，而非取代人的整份工作，员工在组织中的更广泛职能很可能保留。他担忧过度渲染AI威胁会阻碍人们参与，并指出未来人们更可能被会使用AI的人取代，因此掌握AI工具是关键。

人工智能客户体验平台Sierra完成9.5亿美元融资，公司估值达到150亿美元。本轮融资将用于加速其AI代理技术的开发与部署，帮助企业构建更智能的自动化客户交互体验。该融资额和估值凸显了市场对专用企业级AI解决方案的强劲需求与投资热度。

据报道，OpenAI CEO奥尔特曼去年曾讨论将机器人和消费硬件部门分拆，使其能独立融资运营，以避免拖累核心AI业务，但该计划已被否决。公司未来可能效仿Alphabet设立控股公司结构，以区隔核心与探索性业务的财务表现。OpenAI近期完成了1220亿美元融资，但未能实现2025年ChatGPT的部分业绩目标。目前，公司已秘密建立人形机器人实验室，并于2025年收购了AI硬件初创公司io，持续从苹果等公司招募硬件人才。

中国移动将在5月7日至9日于苏州举办的2026移动云大会上发布AI-eSIM产品。该产品具备“智能大脑”，可实时调度云端模型，使AI玩具、智能穿戴等终端实现自主思考与即时响应。同时，AI-eSIM内置“安全底座”，将安全能力植入芯片内核，为机器人、无人机等设备提供专属数字身份证和唯一身份信息，以加强安全监管。此外，中国移动还预告了名为“移动云 MobileClaw”的相关产品。

据 daringfireball.net 披露，硅谷知名创业加速器 Y Combinator 持有 OpenAI 0.6% 的股份。这一投资体现了 Y Combinator 对人工智能前沿领域的持续布局。该消息在 Hacker News 上获得124点讨论热度，反映出科技社区对 OpenAI 股权结构的关注。尽管持股比例较小，但此类风险资本的参与通常涉及公司战略决策与估值影响，凸显了资本在塑造AI巨头发展中的角色。

Meta于5月1日完成了对物理AI初创公司Assured Robot Intelligence的收购，具体金额未披露。这家成立仅一年的公司专注于开发能在动态环境中理解、预测和适应人类行为的机器人智能。Meta表示，ARI团队在模型设计、机器人控制及自主学习方面拥有深厚专业知识，其技术将应用于全身人型机器人控制领域。ARI联合创始人称，公司创立目标是实现物理通用人工智能，未来团队将加入Meta Superintelligence Labs，共同推动具有类人形态的智能体从人类经验中学习并进入物理世界。

AI芯片企业Cerebras Systems宣布启动IPO路演，计划发行2800万股A类普通股，并授予承销商额外认购最多420万股的选择权。预计发行价格为每股115至125美元，此次IPO将至少筹集32.2亿美元。Cerebras是少数专注于“晶圆级芯片”的制造商，近期还与OpenAI签署了一份为期三年、金额超200亿美元的芯片供应合同。

英特尔宣布重大人事与组织架构调整，任命前高通高管 Alex Katouzian 为执行副总裁兼新成立的客户端计算和物理 AI 事业部总经理。该部门由原客户端计算业务与物理AI业务合并而成，旨在整合资源，抓住边缘计算与物理AI（如机器人、自主机器）的发展机遇。同时，公司正式任命 Pushkar Ranade 为企业首席技术官，负责推进量子计算等新兴技术战略。两位高管均直接向首席执行官陈立武汇报，此举旨在推动AI PC、边缘AI推理及下一代计算体验的创新。

在庭审中，OpenAI总裁格雷格·布罗克曼透露其持股价值近300亿美元。马斯克的律师史蒂文·莫洛就此盘问，质疑他为何不将大部分收益捐给公司的非营利基金会，并援引其2017年日记中“如何达到10亿美元财富”的记载，以证明布罗克曼与CEO奥尔特曼更关注个人致富而非造福人类。布罗克曼辩称当时是在权衡公司发展路径，且OpenAI的成就靠团队拼搏而来。法官指出他未直接回答捐款质疑。

Google工程总监Addy Osmani提出“特工技能”框架，界定AI智能体所需的核心能力。该框架将技能分为基础与高阶两类：基础技能涵盖规划、工具使用、记忆及多模态理解；高阶技能包括团队协作、个性化、创造力与长期目标达成。Osmani指出，拥有这些综合能力的智能体可更自主地处理复杂任务，例如仅凭一句“规划假期”指令即能完成全流程安排。这标志着AI智能体正从简单指令执行者向能解决复杂问题的“数字员工”演进。

北京大学在建校128周年之际，发布了首部AI生成的校庆宣传片《举火》。该片回顾了学校自1898年创办以来的重要历史事件、知名校友及科研成果，例如在23位“两弹一星”元勋中，有12位是北大校友。视频以“举火”为主题，展现了从历史传承到当代青年接续奋斗的脉络，标志着北大在利用人工智能技术进行形象传播方面迈出新的一步。

知名科技博主 John Gruber 披露了 Y Combinator 在 OpenAI 的具体持股比例。根据其从知情人士处获得的信息，Y Combinator 持有 OpenAI 约 0.6% 的股份。以 OpenAI 当前 8520 亿美元的估值计算，这部分股权的价值超过 50 亿美元。这一具体数字此前难以获知，揭示了这家知名孵化器在人工智能巨头中的财务利益规模。

Anthropic宣布与黑石、赫尔曼与弗里德曼及高盛共同成立一家新的AI服务公司，旨在面向各行业的中型企业落地其AI模型Claude。该公司将通过Anthropic的应用AI工程师与客户团队协作，为中型企业构建定制化的Claude解决方案并提供长期支持。此外，据彭博社报道，Anthropic正考虑新一轮融资，估值有望达到9000亿美元（约合6.15万亿元人民币），或将超越OpenAI成为全球最具价值的AI初创企业。

评估人的动作完成质量（熟练度）对教学、康复等领域至关重要，但其挑战在于细微的时空差异分布于多视角视频中。本文针对Ego-Exo4D数据集提出三种创新方法：SkillFormer采用参数高效的判别式架构实现选择性多视角融合；PATS通过保留基础动作的局部密集片段来改进时序采样；ProfVLM则将任务重构为条件语言生成，通过门控跨视角投影器和紧凑语言模型，同时输出熟练度标签与专家风格反馈。这些方法仅需比视频Transformer基线少20倍的可训练参数和少3倍的训练周期，即达到最优准确率，推动了该任务从封闭集分类向可解释反馈生成的范式转变。

APEX是首个面向AI生成音乐的大规模多任务学习框架，旨在联合预测流行度与美学质量。该框架基于Suno和Udio平台的21.1万首歌曲（约1万小时音频）训练，利用自监督音乐理解模型MERT提取音频嵌入，同时预测基于参与度的流行度指标（播放量与点赞数）以及五个感知美学维度。在包含11个未见生成系统的Music Arena数据集上进行分布外评估发现，加入美学特征能持续提升人类偏好预测准确性，表明所学表征在不同生成架构间具备强泛化能力。美学质量与流行度共同揭示了AI生成音乐的互补价值。

推理密集型检索旨在为下游推理提供证据支持，而非仅匹配主题相似性，这对需要迭代搜索与证据合成的智能体搜索系统至关重要。针对现有评估与训练的不足，研究发布了BRIGHT-Pro专家标注基准，为每个查询扩展了多维度黄金证据，并在静态与智能体搜索两种协议下评估检索器。同时，研究构建了RTriever-Synth合成语料库，通过生成互补正例和正例条件硬负例，对Qwen3-Embedding-4B进行LoRA微调得到RTriever-4B。实验表明，维度感知与智能体评估能揭示标准指标所掩盖的检索行为，而RTriever-4B相比其基础模型取得了显著提升。

针对流式视频扩散模型的分布匹配蒸馏方法普遍均等对待所有输出，限制了质量提升。Stream-R1框架提出统一的奖励引导机制，从两个层面自适应重加权蒸馏目标：在序列间，依据预训练奖励分数对损失进行重缩放，让高可靠性序列主导优化；在序列内，利用同一奖励模型的反向传播生成像素级时空权重，将优化集中于预期增益最大的区域和帧。该方法在标准基准测试中，于视觉质量、运动质量和文本对齐方面均持续优于基线，且无需改变架构或增加推理开销。

JoyAI-Image是一个统一的多模态基础模型，集成了视觉理解、文本生成图像和指令引导的图像编辑功能。它通过空间增强的多模态大语言模型与多模态扩散变换器的耦合架构，实现了感知与生成的交互。其可扩展的训练方案融合了统一指令调优、长文本渲染监督及空间编辑信号，增强了模型的几何感知推理与可控视觉合成能力。实验表明，该模型在多项基准测试中达到领先或极具竞争力的性能。其核心在于通过增强理解、可控空间编辑和新视角推理之间的双向循环，推动模型向更强的空间智能演进，为下游应用提供了新路径。

针对现有基准将专利审查简化为分类或静态抽取的局限，本文提出了PatRe，首个模拟完整专利审查生命周期（包括审查意见生成与申请人答复）的基准。它包含480个真实案例，支持基于标准答案和检索模拟两种评估设置。研究通过多类大语言模型的实验发现，专有与开源模型性能存在差异，且审查员分析与申请人答复任务间存在不对称性。这些结果揭示了LLMs在模拟专利审查中复杂的法律推理与技术新颖性判断时，兼具潜力与当前局限。相关代码与数据集已开源。

研究通过Fitbit应用向13,917名参与者随机部署SymptomAI对话代理进行症状访谈与鉴别诊断。在1,228名报告临床诊断的参与者中，SymptomAI的诊断准确性显著高于独立临床医生（OR = 2.47）。采用专用症状访谈策略（在诊断前获取额外信息）的代理表现优于用户引导对话。基于1,509个普通人群对话的辅助分析验证了结果的普适性。此外，利用SymptomAI诊断标签分析超50万天可穿戴数据发现，急性感染（如流感）与生理指标变化存在强关联（OR > 7）。

本文提出了Workspace-Bench 1.0基准，用于评估AI智能体在需要处理大规模异构文件依赖的真实工作空间任务中的能力。该基准构建了包含5类工作者档案、74种文件类型、超2万个文件（最大20GB）的模拟工作空间，并设计了388项附带文件依赖图的任务，总计7399个评分项，要求智能体进行跨文件检索、上下文推理与自适应决策。同时提供的精简版Workspace-Bench-Lite（100项任务）可将评估成本降低约70%。对4种主流智能体框架和7个基础模型的测试表明，最佳智能体得分仅为68.7%，远低于人类表现的80.7%，平均表现仅47.4%，揭示出现有AI在此类任务上仍远未达到可靠水平。

为系统评估交互式世界模型的物理交互能力，研究团队提出了iWorld-Bench基准测试。该基准包含一个33万视频片段的数据集，并精选了2100个涵盖多视角、天气与场景的高质量样本。针对现有模型交互模态不统一的问题，研究设计了一个统一的动作生成框架，构建了六类任务共4900个测试样本，以综合评估模型在视觉生成、轨迹跟随和记忆等方面的性能。通过对14个代表性模型的评估，研究揭示了当前关键局限，为未来方向提供了见解。相关排行榜已公开。

IBM近日发布了采用Apache 2.0许可证的Granite 4.1大语言模型系列。随后，Unsloth提供了该系列3B模型的21个GGUF量化变体。作者利用这些大小从1.2GB到6.34GB不等的量化模型，尝试生成“鹈鹕骑自行车”的SVG图像以测试其能力。实验结果显示，所有模型生成的图像质量均较差，且未观察到模型大小与输出质量之间存在明显关联。基于此次不理想的尝试，作者表示未来将选用更擅长图像生成的模型重新进行此类实验。

机器人租赁公司Elite Event Robotics近日携带一台重约31.8公斤的宇树人形机器人Bebop，乘坐美国西南航空从奥克兰飞往圣地亚哥的航班。由于机器人包装箱超重，团队为其购买了一个人类座位。但西南航空以电池尺寸超标为由没收了机器人的动力电池，导致航班延误超过一小时。此次事件展示了人形机器人实际乘坐民航客机的尝试，也凸显了航空运输对大型机器人电池的严格限制。

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。

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。

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。