Rohan Paul@rohanpaul_ai

59

清华大学在人工智能和机器学习领域的专利数量已超过哈佛大学、麻省理工学院和斯坦福大学的总和。十余年来，清华的专利申请规模远超美国顶尖高校，且差距持续扩大。其运作模式如同一台高效机器，能将AI研究成果大规模转化为受法律保护、可转移的资产。日常浏览arxiv等学术平台时，也能直观感受到署名“清华”的论文数量极为庞大。

Rohan Paul@rohanpaul_ai

56

《哈佛商业评论》一项为期8个月的美国科技公司研究发现，AI应用并未减少工作量，反而加剧了工作强度与员工忙碌程度。由于AI填补了知识空白，员工开始承担原本属于其他角色或外包的任务，这增加了专家协调与审查的负担。工作边界因AI提示的便捷性而模糊，任务侵入非工作时间；同时，多线程运行AI提升了多任务处理频率，加剧了注意力切换与心智负荷。持续的加速节奏无形中提高了对工作速度的预期。尽管存在转型期，但长期来看“工作末日论”可能错误，未来人们可能更忙碌，且工作形态将显著不同。

Chubby♨️@kimmonismus

56

谷歌CEO在财报电话会上点名三家TPU客户，但其中两家实际上并未使用TPU，谷歌云发言人已确认此错误但未解释原因。更值得注意的是，被点名的Thinking Machines Lab（由前OpenAI CTO创立）实际上在谷歌云上运行的是NVIDIA GB300 NVL72 GPU。这显示NVIDIA与谷歌云的长达十年的合作伙伴关系正在取得成效，但并非体现在TPU的推广上。

阿绎 AYi@AYi_AInotes

65

针对“AI诊断超越急诊医生”的误读，作者指出相关Science论文实为概念验证，强调AI仅作为“第二意见”。实验条件苛刻：AI仅能访问纯文本病历，在此限定任务中表现优于两位资深医生。AI的核心优势在于无疲劳、无认知偏差、能快速分析海量病例统计规律，而非替代医生。人类医生在多模态感知、伦理判断和物理互动上仍不可替代。未来合理场景是人机协同——AI辅助分诊，优先筛选高危病例，让医生专注于需人类判断的环节。真正的挑战在于建立信任、明确责任及整合至现有医疗体系。