人工智能资讯 第63页
聚合当前分类下的最新内容，按时间顺序查看第 63 页精选文章。
Gemini 关键研究员再投 Anthropic，Google 的 AI 人才压力还在加码
据 Bloomberg 报道，参与 Gemini 开发的 Jonas Adler 和 Alexander Pritzel 将从 Google 加入 Anthropic；Google 尚未在原文中回应。单次离职不能证明 Google AI 业务失利，但与 Noam Shazeer、John Jumper 的去向连起来看，顶尖 AI 人才正在从 Google 流向 OpenAI、Anthropic。更现实的变量是股权激励和上市预期，它们正在改变研究员、企业客户和开发者对 AI 平台稳定性的判断。
从“不会用 AI 影响晋升”到“别拿 AI 转 PPT”：企业 AI 开始配给 token 了
埃森哲等企业正从鼓励员工多用 AI，转向限制基础小任务的 token 消耗。核心变化不是员工突然不会用 AI，而是 CFO、COO、CIO 开始追问：这些调用到底换来了什么。企业 AI 正从“用量崇拜”进入“成本核算”，采购、团队管理和员工使用方式都会被迫改。
国会摘要里残留“Claude responded”：AI 没写法案，也暴露了更硬的问题
美国众议员 Anna Paulina Luna 的国防授权法修正案摘要截图中，残留了“Claude responded”字样。她解释称，工作人员只把 AI 用于摘要的拼写和语法检查，正式法案文本并非 AI 起草。更该盯住的不是“AI 有没有写法案”，而是公共权力文本一旦接入生成式工具，留痕、审查和责任怎么落地。
OpenClaw 被 3400 个 PR 淹没：AI 写代码后，开源先缺信用层
Greptile 统计显示，OpenClaw 的每周 PR 从去年 12 月的 2 个涨到今年 2 月的 3400 个，合并率从约 48% 跌到不足 9.3%。这不是开源贡献突然繁荣，而是 AI 编程代理把提交成本打到接近零后，维护者开始为筛选成本买单。真正受影响的是维护者、核心贡献者，以及那些用代理批量发 PR 的开发者。
Gemini 3.5 Flash 内置 computer use：Google 的 Agent 进了一步，但还没到交给它办事
Google 在 The Keyword 官方博客发布《Introducing computer use in Gemini 3.5 Flash》，时间是 2026 年 6 月 24 日。computer use 是 Gemini 3.5 Flash 的内置工具，不是独立应用，核心能力是让模型理解并操作电脑或网页界面。我的判断是：这是一次实用型 Agent 能力升级，但官方没有给出性能、价格和开放范围，开发者可以预研，企业不宜直接按成熟产品采购。
FFASR 远场语音榜单：语音识别该接受现实世界的审判了
Hugging Face 与 Treble Technologies 发布 FFASR Leaderboard，开放评测 ASR 模型在远场、噪声、混响和房间声学下的表现。它的重点不是制造新冠军，而是把“干净录音听得懂”和“真实场景能用”之间的裂缝量化出来。对语音 Agent、会议转写、车载、机器人和智能眼镜团队来说，选型不能只看近场 WER 了。
AI 把简历写完美，也把人写没了
Tom MacWright 观察到，一些技术求职材料从简历、作品集网站、GitHub 项目到 commit message 都带着 LLM 生成痕迹。真正的问题不是 AI 能不能帮人求职，而是全链路生成会抹掉候选人的个人判断和可信证据。技术求职者要保留真实痕迹，招聘者也该把筛选重点从“材料完整”转向“证据可追问”。
AI监管打进纽约初选：2741万美元放大了议题，没改写基本盘
纽约第12选区民主党初选，支持AI监管的Alex Bores以35%对39.1%输给Micah Lasher。围绕这场地方选举，AI相关超级PAC合计花费2741万美元：支持Bores一方1926万美元，反对一方815万美元。我的判断是：硅谷把AI监管分歧搬进了地方选举，但钱目前只能放大议题，还不能直接替代选区基本盘。
NSA失去Anthropic最强模型访问权：美国AI管制撞上网络战现实
2026年6月，特朗普政府以国家安全为由对Anthropic实施出口管制，Anthropic随即撤回或中断Mythos 5、Fable 5等先进模型发布，NSA网络安全分析员也失去正在受控测试的Mythos工具访问权。真正重要的不是“AI黑进了NSA”，而是美国政府一边把顶尖AI公司列为供应链风险，一边又在网络攻防中依赖其最强能力。
Deezer 在法国试水 Remix Lab：AI 音乐越快，版权这道慢门越重要
Deezer 在法国上线 Remix Lab，只覆盖部分艺人页面，用户可在 App 内混音歌曲；前提是艺术家和权利方同意。它承诺 remix 每次播放也会让原作者获得收入，但没有公开具体分成比例。看点不在混音功能多新，而在 Deezer 选择了一条更慢、更贵、但更重视版权和创作者激励的路线。
LeCun在联合国谈开源AI：真正的问题是AI主权和账单
Yann LeCun 在联合国 Open Source Week 上把开源 AI 直接放到 AI 主权、语言文化多样性、民主与人权的位置上。Project Tapestry 的关键设想是：各方保留数据主权，通过交换参数向量协作训练全球模型，目标在 2027 年早期生产化。真正的争议不在“开源是否天然正确”，而在闭源大模型成为基础设施后，多数国家、企业和公共部门还剩多少议价能力。
NVIDIA NeMo AutoModel：一行 import 背后，是 CUDA 栈在收口
NVIDIA 在 Hugging Face Transformers v5 之上推出 NeMo AutoModel，官方称部分 MoE 微调场景下，几乎只改一行 import，就能把吞吐提升到 3.4-3.7 倍，显存下降约三成。数字来自 NVIDIA 官方博客，不能当第三方评测；但它说明一件事：开源入口还在 Hugging Face，规模化训练的关键红利正在回到 NVIDIA 栈内。
Gemini 3.5 Flash 加上 computer use：AI Agent 开始拼执行了
Google DeepMind 官方发布 Gemini 3.5 Flash 的内置 computer use 工具，让模型能通过电脑界面执行任务，而不只是生成文本。真正的变化不在聊天能力，而在执行链路：点按钮、填表、跨应用走流程。接下来最该看的不是演示多顺，而是权限、安全、日志、人工确认和出错责任怎么设计。
Facebook 给创作者塞进一个 AI 助手，真正想留住的是内容生产权
Facebook 正在把 Creator Studio 改造成独立的 AI companion app，目前只面向部分创作者测试。它能给内容建议、回答数据问题、筛选评论并拟回复，但创作者仍需编辑确认。我的判断是，Meta 不是单纯加一个效率工具，而是在用 AI 把创作者从 TikTok、YouTube 和 ChatGPT 们那里往回拽。
Haystack 的算盘：企业 AI 缺的不是 RAG，而是可控编排层
Haystack 把自己定位为开源 AI 编排框架，主打生产级 Agent、RAG 和上下文工程；GitHub 25.7k stars 是目前最清楚的热度锚点。它真正押注的不是又一个 RAG 工具，而是企业把大模型应用上线后急需的可观测、可替换、可部署的控制层。对正在做企业 RAG/Agent 的团队来说，选型问题正在从“接哪个模型”变成“谁来管住整条链路”。
AI 被 CFO 按住计算器：企业开始给 token 对账
404 Media 获得的埃森哲内部录音显示，企业 AI token 支出正在快速上升，消耗来源不只工程师，也包括非技术员工用 AI 做 PDF 转 Markdown、转幻灯片等办公小活。更关键的变化是：企业 AI 从订阅制、鼓励使用，进入按用量、按项目、按产出算账的阶段。AI 热潮没有破裂，但 CFO 逻辑已经开始给它限速。
Krea 2 技术报告发布：它赌的不是默认更好看，而是风格探索更宽
Krea 发布 Krea 2 技术报告，重点是图像生成基础模型的数据、训练和控制系统，不是一次产品商业化公告。它的差异化不在宣称单点画质碾压，而在用更宽的数据覆盖、分阶段训练和风格控制，减少模型滑向同一种“精修默认审美”。对 AI 从业者和设计内容团队来说，最该看的不是榜单名次，而是这条路线能不能在真实工作流里稳定交付。
AI 创投的难题：增长是真的，护城河正在变窄
TechCrunch 在洛杉矶 StrictlyVC 活动中采访了 Carter Reum 和 Chang Xu，聊的是 AI 创投最现实的几个问题：怎么定价、怎么避开 OpenAI、Anthropic、Google 这类巨头、哪些赛道还可能有防御性。我的判断是：AI 不是简单泡沫，而是增长曲线、估值假设和竞争边界一起失真。早期创业者和投资人接下来要少看故事，多看摩擦、分发、监管、数据和巨头会不会亲自下场。
Qwen-AgentWorld：阿里争的不是参数，是 Agent 的训练场
阿里 Qwen 团队在 arXiv 发布 Qwen-AgentWorld：两款语言世界模型，用 1000 万条以上真实环境交互轨迹训练，目标是模拟 Agent 交互环境。重点不在“又一个模型”，而在 Agent 训练开始争夺低成本、可控、可扩展的试错场。开发者可以关注，但不宜立刻把真实环境训练全部替换掉，最大风险是评测闭环和环境偏差。
AI 代写不是原罪，把阅读成本甩给同事才是
Josh Moody 批评的不是用不用 AI，而是“自私式 LLM 使用”：用模型省自己的时间，却让同事花更多时间阅读、审阅和追问。最典型的场景是 Slack 长列表、AI 味博客句式、PR 描述和代码评论里的冗长文本。对软件团队来说，真正该管的不是谁用了 AI，而是信息能不能更短、更准、更可审阅。
MoEngage 全现金收购 Aampe：营销 AI 开始盯上“单个用户”
MoEngage 全现金收购旧金山 AI 营销初创公司 Aampe，官方未披露金额，TechCrunch 消息源称为数千万美元级别。Aampe 的核心不是生成文案，而是给单个客户分配 AI agent，动态决定发什么、发给谁、何时发。真正的看点是营销软件的权力中心后移：企业拿效率，用户让出一部分选择透明度。