新闻 - 加华圈

Wenxuecity • Jul 9, 2026

AI热潮推升芯片股：美股收高、费半大涨逾3%…

▲芯片股延续强势表现，抵消美国、伊朗再度爆发军事冲突的负面情绪，美股主要指数周四收涨。图为纽约证券交易所。（图／PhotoAC）投资人将焦点重新放回人工智能 (AI) 题材，芯片股延续强势表现，抵消美国、伊朗再度爆发军事冲突的负面情绪，加上韩国记忆体大厂SK海力士（SK Hynix）即将赴美上市，也带动半导体股走强，美股主要指数周四收涨，科技股为主的那斯达克指数、费城半导体指数涨幅较为明显。综合《CNBC》等外媒报导，美军连续第2天对伊朗发动空袭，在这之前，德黑兰刚袭击了霍尔木兹海峡及其周边地区的商船，导致这条重要航道交通受阻。然而，在美国总统川普（Donald Trump）宣称，伊朗主动联系美方寻求达成协议后，原油期货价格下跌，有卡达和巴基斯坦的官员透露，调解人也正努力促成美伊重返谈判桌。 9日收盘，美股道琼工业指数上涨139.02点或0.27%，报52487.41点；那斯达克指数上涨336.24点或1.30%，报26206.89点；标普500指数上涨60.93点或0.81%，报7543.64点；费城半导体指数上涨385.04点或3.06%，报12960.00点。焦点个股方面，脸书母公司Meta计划9月开始生产AI芯片，加上扎克伯格（Mark Zuckerberg）否认算力过剩，股价收涨4.7%；美光（Micron）则宣布上调美国厂房投资预测至2500亿美元，以满足庞大的记忆芯片需求，股价收涨4.52%。国际油价部分，西德州中级原油（WTI）跌1.96%，每桶收报72.08美元；布兰特原油期货则滑落2.2%，每桶收报76.3美元。

阅读全文

15

科技

Wenxuecity • Jul 9, 2026

OpenAI“杀死了”Codex，一个超级应用诞生

OpenAI CEO山姆·奥特曼。图片由AI生成北京时间7月10日凌晨，OpenAI宣布结束GPT-5.6系列为期两周的限量预览，正式向全球用户全量开放。同一时间发布了ChatGPT Work，一个由GPT-5.6驱动、可以操作应用程序、处理文件并持续工作数小时的通用型智能体，同步上线Sites功能公测版，用户可以把工作成果直接生成为可分享的交互式网站。伴随这次发布，独立的Codex应用正式消失，取而代之的是一个整合了Chat、Work和Codex三合一的桌面超级应用。这是OpenAI自2026年3月应用部门CEO菲吉·西莫（Fidji Simo）在内部全员会上透露合并计划以来，最大的一次产品形态重组。 OpenAI CEO山姆·奥特曼（Sam Altman）在太阳谷会议期间接受CNBC采访时说，“新旗舰模型GPT-5.6 Sol在智能体编码任务上的token效率提升了54%，这是他最看重的变化。现在每个企业都在考虑支出以及他们从AI中获得的价值，而这正是我们真正想做的。” GPT-5.6系列6月26日首次亮相时，OpenAI用了一个罕见的限定：“应美国政府要求，仅向少量受信任合作伙伴开放。”奥特曼也在媒体采访中首次披露了审批细节，公司与商务部长霍华德·鲁特尼克（Howard Lutnick）、财政部长斯科特·贝森特（Scott Bessent）和国家网络安全总监肖恩·凯恩克罗斯（Sean Cairncross）之间进行了“协作式往返沟通”，政府一方执行测试并提出问题，OpenAI一方解决问题。商务部7月8日正式批准全面发布，第二天OpenAI即宣布解禁。全程回顾｜GPT-5.6深夜上线，ChatGPT和Codex正式合并 01 模型效率比聪明更重要这次开放的GPT-5.6系列包含全部三款模型：旗舰版Sol、均衡版Terra，以及最具成本效益的Luna。 API定价上，Sol每百万token输入5美元、输出30美元，Terra输入2.5美元、输出15美元，Luna输入1美元、输出6美元。这次GPT-5.6系列的核心变化，直接把焦点从“拉高智力天花板”转向了市场最关心的痛点：用AI到底划不划算。在多项权威基准测试中，GPT-5.6家族展现了强大的效率和成本优势。在综合工作流评估（Agent's Last Exam）中，旗舰版Sol斩获53.6分，超越Claude Fable 5达13.1分，成本却仅为其四分之一。即使在中等推理设置下，Sol依然能稳稳领先11.4分，而规模更小的Terra和Luna则以约十六分之一的极限成本完成了对Fable 5的越级超越。 GPT-5.6 Sol在Agent's Last Exam中以53.6分领先Claude Fable 5 13.1分在衡量智能与速度的Artificial Analysis Index榜单上，Sol在最大推理设置下的智力表现与Fable 5几乎持平，但任务耗时暴跌61%，成本直接砍半。 GPT-5.6 Sol（最大推理）智能与Fable 5几乎持平，耗时少61%，成本约低一半在编程攻坚上，Sol在Coding Agent Index上以80分创下新纪录，超过Fable 5，且输出token和耗时全部减半，成本仅需三分之一。 GPT-5.6 Sol得分80，超越Fable 5（2.8分），且token、耗时、成本均大幅降低此外，在桌面操作测试OSWorld 2.0、网安攻防测试SEC-Bench Pro中，GPT-5.6的表现同样亮眼，同时token消耗大幅下降。这种效率的飞跃，源于模型可在内存中自编自运行轻量程序，实现工具协调和数据自滤。配合Responses API中的“程序化工具调用”，开发者无需再机械地为每一步写脚本。针对地狱级难度的任务，GPT-5.6还提供了两套越级配置：Max模式愿意砸入算力与时间，进行深度推理、多方案探索与疯狂自检；Ultra模式则直接开启多智能体并联，默认4个、最高可拉满16个智能体死磕同一任务。几位科技圈大咖在提前测试GPT-5.6后，给出了最直观的评测体验：宾夕法尼亚大学沃顿商学院的伊桑·莫里克（Ethan Mollick）认为：“Sol适合那种需要反复拉扯、连我自己都没完全想明白需求的任务；而Fable则适合那些定义非常明确的长任务。” 知名投资人马特·舒默（Matt Shumer）的感受更直接，他解释称：“Fable有股‘初代大模型’的厚重味，而GPT-5.6感觉像是经过极致强化学习调优的精干模型。绝配组合是：让Fable写代码，让GPT-5.6来当审计员，后者在安全工作上主动性极强。” 科技评论家马修·伯曼（Matthew Berman）两个月用了超过25亿token。他的感受是：“在日常使用中，GPT-5.6的速度比Fable快2到3倍！” Every联合创始人兼CEO丹·希珀（Dan Shipper）经过公司内部测试后认为，最顶尖的玩法是把GPT-5.6当成Fable的子智能体使用。硅谷科技投资人@blader已经把Sol ultra当主力模型用了很久。他认为，哪怕OpenAI直接把它改名叫GPT-6推出来，全网也不会有任何人怀疑它。 02 Codex消失，桌面应用大统一除了模型上的更新，原本独立的Codex正式融入了全新的ChatGPT桌面应用。这次更新在Mac和 Windows平台上对包括Free版在内的所有用户免费开放，但部分模型和 Work能力仍按订阅等级开放。旧版的ChatGPT桌面应用将更名为ChatGPT Classic，而全新的桌面端则直接化身为一个拥有三大核心视图的“高能控制台”： ChatGPT新版桌面端拥有Chat、Work以及Codex三大核心视图 Chat视图：大家最熟悉的普通对话框，适合日常快速提问和脑暴。 Work视图：前面提到的“AI数字员工”大本营，专门用来盯长周期项目。 Codex视图：开发者的专属利器。为了照顾程序员的习惯，OpenAI设计了一个非常贴心的小细节：你不仅可以把Codex设为开机默认视图，甚至能直接把应用图标一键切换成Codex的专属图标。此外，用户此前创建的桌面Codex项目也已经全面打通，在ChatGPT移动端随时随地都能访问。在GPT-5.6的加持下，合体后的Codex战斗力飙升。它现在不仅支持代码差异中的内联编辑（Inline Editing），还能让开发者直接在侧面板里高效审查拉取请求（Pull Requests）。在底层速度大幅优化后，编写和修改代码的流畅度直接拉满，让开发者的双手能够进一步从繁琐的机械操作中解放出来。这个新桌面应用最硬核的底牌，在于它内置了浏览器和“计算机使用能力（Computer Use）”。这意味着它不再只是躲在云端调用API，而是能够代表用户，在电脑后台跨应用、跨工具和浏览器执行真正的本地物理操作，像真人一样去点击、输入，甚至跨文件夹把文件拖拽到需要的地方。你可以把这些本地操作指令设置为一笔带过的一次性任务，也能把它们塞进“定时任务”里，去自动化搞定那些过去必须由人工手动点击、本地运行的重复性任务。配合这次桌面端的重塑，OpenAI针对周边生态也进行了一轮大洗牌。其中，Chrome扩展程序迎来全面更新，现在支持直接在浏览器侧边栏里无缝唤醒ChatGPT。独立的Atlas浏览器将逐步被淘汰，OpenAI开始全力引导用户过渡到这个崭新的统一桌面应用中。 03 ChatGPT Work：全自动流水线除了新模型和超级桌面应用，OpenAI这次更新还发布了ChatGPT Work。它彻底撕掉了“聊天框助手”的标签，蜕变成一个能直接操作应用程序、处理复杂文件，并且能不眠不休连续工作几个小时的“AI数字员工”。只要给它一个最终目标，剩下的任务分解、步骤执行和成品产出，ChatGPT Work就能自己完成。用户在忙别的事也完全不用担心项目断档。通过全新的“定时任务（Scheduled Tasks）”功能，ChatGPT Work能自己推进项目。它能定时去扫描Microsoft Teams和Slack里的最新消息，把核心关键点自动抓取并更新到你的文档或PPT里，甚至在完成后自己一键分享给整个团队。这种颠覆性的体验，已经在不少头部企业中引发了效率地震。英伟达市场推广经理威尔·丹尼（Will Daney）分享了自己的亲身经历。在为英伟达GTC大会做准备时，他过去要在Excel上花掉40%的时间，手动拉客户名单、跟踪注册、整理会后反馈。用上ChatGPT Work后，他把这些繁琐任务变成了每周自动跑两次的固定流程。除了英伟达，Zapier、RingCentral、维珍航空等公司也都出现在了首批测试的名单上。甚至在OpenAI内部，ChatGPT Work也在疯狂“吞噬”原本的工作流程。销售部门用ChatGPT Work把一次客户对话转化成针对性PoC的周期，从几周压缩到了24小时内；财务部门则用它完成查源、对账、做幻灯片和交叉验证，将月末结算与预测从几天缩短到几小时。在OpenAI内部，结合了Codex的这套工具已经全员普及，其28天活跃用户比例从2025年8月的15%飙升到了接近100%。 OpenAI内部Codex使用增长情况在生态连接上，ChatGPT Work通过插件直接插进了企业的心脏——Slack、Microsoft Teams、Google Drive、SharePoint、电子邮件、日历、CRM和各种项目跟踪器。插件让ChatGPT连通办公应用与内部系统，支持自动或手动调用，统一目录管理并主动推荐用户只需在对话框里打个 “@” 再加上应用名称（比如 @Slack），就能直接指挥它去特定的工具里提取数据和上下文。全新上线的“统一插件目录”把所有插件集中到了一起，ChatGPT甚至会在你干活的途中，主动弹出来推荐最适合当下任务的插件。需要注意的是，由于它的定位是执行长周期、高复杂度的重型任务，其消耗的算力资源和使用量会根据任务难度产生剧烈波动。为了防止公司卡被刷爆，Enterprise和Edu的管理员可以在后台的Admin Console里设置支出控制，精细化管理额度上限。目前，ChatGPT Wor已开始向桌面端推出，同时网页端、移动端也陆续向Pro、Enterprise、Edu 用户开放。 04 一句话把想法变成URL 除了替人动手干活，ChatGPT如今还解锁了一项全新的“输出神技”——Sites（公开测试版）。有了它，用户可以把任何工作成果、灵感或草图，直接变成一个可交互的网站或Web应用，并瞬间生成一个专属URL，用来对内分享或对外公开。这个功能专门用来对付那些需要实时更新、高频共享的轻量级页面。 OpenAI列举了几个非常接地气的应用场景：实时数据仪表盘、项目进度跟踪器、发布日历、产品原型、企业内部门户、交互式数据报告等。用户还可以在ChatGPT内部直接测试、调整自己建好的Sites，甚至能随时把新的网页上下文和材料塞进项目里。一旦背后的底层数据和基础信息发生变动，ChatGPT就会在后台心领神会地自动更新网站内容。对于那些天天要跨团队同步信息、但又实在厌倦了每次都做冗长PPT的打工人来说，Sites提供了一个降维打击式的选择。它直接把原本需要设计、前端、开发多方协作的复杂工程，压缩成了一次跟AI的日常对话。从这次一口气掏出的全套产品和近乎腰斩的API价格来看，OpenAI显然正在用实际行动向市场证明：他们不只是有最强的模型，还有最省钱、最实用的工具。

阅读全文

22

科技

Wenxuecity • Jul 9, 2026

挑战OpenAI与Anthropic 马斯克发布Grok 4.5

马斯克的AI公司“SpaceXAI”，推出了新的AI模型“Grok 4.5”，主打金融、法律与程式设计等领域应用。富豪马斯克的人工智慧公司“SpaceXAI”，发表与AI程式新创公司“Cursor”共同开发的全新人工智慧模型，这款新型人工智慧模型，主打金融、法律与程式设计等领域的处理能力。几个星期前，SpaceX才正式宣布，以600亿美元的价码，收购Cursor，过了没多久，新公司就宣布发表他们开发的全新人工智慧模型“Grok4.5”，这也是这两家公司共同开发的首款AI模型。 Cursor星期三在官方部落格发文指出，“Grok4.5”的设计目标，是“处理困难且长时间执行的任务”，包括软件工程，这也是许多顶尖AI开发商重点投入的领域。此外，与Cursor先前的模型不同的是，Grok4.5的目标更广泛，涵盖法律与金融服务等多元工作。文章并提到，Grok4.5的网络安全防护能力也同步升级。评论指出，“Grok4.5”的推出，显示马斯克正设法缩短“SpaceXAI”和Anthropic与OpenAI等对手差距的企图心。分析指出，收购Cursor是马斯克希望在AI竞赛中急起直追、并争取更多企业客户的广泛布局之一。马斯克今年说过，他先前的AI新创公司“xAI”在程式设计上已经落后；而当“xAI”改组为“SpaceXAI”之后，已经在今年5月，发布首款程式撰写代理工具，正面迎击Anthropic的相关产品。

阅读全文

21

科技

Wenxuecity • Jul 9, 2026

乱用AI，打工人被坑惨了

提效还是背锅？ AI已经进入了很多人的工作日常。公关经理用它写策划方案，律师用它生成基础文书，程序员用它写代码。对很多人来说，它就像工位旁边那个随叫随到的实习生。而且，AI的交付速度，也很容易让人“上头”，甚至会让人产生一种“掌握了魔法”的错觉。直到魔法露出另一面。它会凭空编造不存在的竞品品牌和行业数据，会一本正经引用虚构法条，会在代码里擅自改动不该碰的模块。很多翻车，恰恰是因为它给的东西太像真的，让人放下了戒备。我们和几位在工作中被AI坑过的人聊了聊。他们并不是不会用AI。相反，AI已经嵌入了他们的大半个工作流程。可即便如此，他们还是会在某些时刻被它带偏。这些经历提醒他们，AI越能给出完整答案，使用者越需要保留判断、核验和兜底的能力。所谓AI提效，从来不是把工作直接交出去，它更像一次新的职场筛选：会用的人会变得更快，只会复制粘贴的人，可能会在关键时刻被它拖下水。 01.AI编造了三家不存在的竞品，我在提案现场被客户当场拆穿林晨｜上海 30岁公关公司策略经理我是做公关策略的。在乙方，策略岗的人经常被叫“提案机器”。客户一个电话打过来，可能要求我们在极短的时间内，吃透一个我们此前不了解的行业，从里面挖出洞察，再给出一整套营销方案。行业是陌生的，时间是不够的，而客户要的东西是“惊艳”的。所以AI刚出现的时候，我几乎是扑上去的。我每天至少有三分之一的工作时间泡在大模型里，主要用来头脑风暴和搭框架。刚开始那阵，是真的“爽”。有一次，客户要一个“银发经济”的营销概念，只给两个小时。我让AI一口气生成了十几个方向，挑了一个稍加润色就交了上去。客户非常满意。那种感觉，就像是突然掌握了某种魔法。但正是这种“爽”，让我一点点放下了戒备。真正让我摔跟头的，是今年4月。我们接到一个千万级的年度全案竞标。客户想做一个高端宠物食品线。时间照例很紧，不到一周要出提案。我负责的是竞品分析这一块。我把客户资料和几个主要竞品的名字丢给大模型，要求生成一份详尽的竞品分析报告，重点找出这些竞品在高端市场的“营销盲区”。 AI很快交卷，逻辑严密，不仅分析了已知竞品，还“额外”帮我列出了三家我没留意过的"新兴高端宠物粮品牌"，连它们的营销打法、受众画像都写得有鼻子有眼，末尾还引用了某家宠物行业研究机构的数据。它给出的结论也很清晰，客户应该主打“原产地溯源”的概念，去填补那块市场空白。因为时间太紧，我没有做查验，就直接把这部分复制进PPT。提案那天，当我讲到“竞品格局”的部分，客户突然打断我：“这三个品牌，我怎么一个都没听说过？” 我的脑子“嗡”地一下，手心一下子出了汗，我强作镇定，说“下来查查”。结果，那三家品牌，完全是AI捏造出来的，研究机构的数据也查不到出处。我们丢掉了这个项目，公司认为我在审核环节严重失职，扣了我三个月绩效。我觉得这个处理是公平的。这件事之后，我给自己立了一条规矩：凡是AI生成的数据、案例、品牌名，必须逐一交叉验证，查不到出处的，宁可不用。我也开始自己建竞品资料库，用AI的时候直接丢素材给它，让它基于真实信息来分析，不准自己编。慢慢地，我开始觉得，AI提效其实是一个伪命题。它帮我省下了写初稿的时间，但必须时刻保持警惕。它越能写，对你的鉴别能力要求就越高。所以现在，我和AI的关系就是，我离不开它，但也不敢信任它。 02.AI擅自发挥加了额外代码，全组被拖去加班倒查鹿遥｜上海 32岁产品经理我是做产品的。过去，我们的工作流程很清楚，产品写需求，研发和设计实现，测试验收后再上线。现在，AI基本钻进了这条流水线的每一个环节。我自己用得算保守。一般就是让它帮我查查历史需求，有没有重复的地方，或者让它把我写得乱的需求，理得顺一点。但最后怎么写，哪些能用，还是自己判断——这一块我没让给它。研发同事拿到需求后，也会先丢给它，让它帮着扒逻辑、捋需求，再吐出一个方案。这套流程本身没毛病，但这次接需求的是一个工作没多久的校招生。他对业务还不熟，对我们那堆历史代码也不是很了解，甚至连AI交付的方案也没完全看懂。他就按照AI给的方案，跑了一版，发现没什么问题。产品和测试也过了一遍，效果确实是我们想要的。大家都以为，这件事可以顺顺当当往下推了。直到大范围测试，才发现不对劲。原来，AI根本没老实待在需求划定的那一小块地里。它自己“发挥”了很多，增加了很多额外的内容。那版代码里可能有一半，都是它“顺手”写的。就像一个过分热心的新同事，你只让它帮你搬一张桌子，它却顺手把整个办公室的家具都重新摆了一遍。而我们却只盯着那张桌子检查。要是文档，多几段废话，删掉就行。代码不是这样，一个地方动了，会牵出一串东西。那几天，产品、测试、设计以及研发都被拖进来加班。查线上有没有受影响，哪些是AI多写的，倒推问题源头在哪儿。我们也试过，让AI自己找问题。它会很笃定地说，已经定位到根源了。结果有经验的同事一看，它咬定的那段代码，跟问题压根儿八竿子打不着。最后没办法，只能把那版代码删掉，让人重新手搓一遍。这次还算走运，上线前被拦住了。但这事儿，我不觉得全是AI的错。更大的窟窿，是人和流程没有跟上。今天就算这个同事没出错，以后也会有B同事、C同事在相似的问题上栽跟头。现在最要紧的是把流程捋一遍：AI是在哪一环把问题带进来的，以后审核的重心又该往哪儿调整。我现在更谨慎了。AI确实能省时间，一个问题以前我要查一两天，现在它十几分钟能给几个方向。但我一定会再看一遍，也会追问来源。你必须非常清楚自己要什么，细节也想得足够充分，再让AI去执行。否则把一个模糊的思路交给AI，它只会还你一个更模糊的东西。这种风险就算没当场爆掉，也不过是被推迟到后面，等着某一天集中引爆。 AI确实聪明，但前提是你得能掌控它。因此，AI越强，对人的要求反而越高。如果一个人把自己的工作，干成了对AI的复制粘贴，那被淘汰，只是时间问题。 03.我用AI省了四成工作量，却差点栽在一条虚构法条上 Delia｜北京独立律所律师 31岁我在一家涉外业务占比比较高的律所，日常要处理大量中英文合同和商业纠纷案件。现在，AI基本上已经成了我的“隐形同事”，大半工作流都有它。但这个“同事”不是一开始就好用的，而是一次次踩坑，一点一点磨出来的。我主要拿它做三件事：中英文合同翻译、基础文书撰写和行业法律热点检索。翻译是它最让我放心的部分。律所绝大多数合同都是双语版本，这是最耗费团队精力的重复性工作。而AI在这上面表现一直很稳定，专业术语、句式逻辑，都贴合法律行文规范，几乎不会错译漏译。光这一项，就直接帮我们砍掉了近四成的基础工作量，大大减轻了团队的重复性负担。文书撰写，则是最容易踩坑的环节。其实从2024年起，我就尝试用AI搜法条，辅助写文书。它偶尔会出错，但那时我可以在最后一步的人工审核规避掉这些幻觉问题。真正让我后背发凉的，是它开始在我的知识盲区，一本正经胡说八道的时候。去年年初，我手上有一起地方股权纠纷案件，时间紧，涉及的区域专项监管规定又特别复杂，我让AI辅助撰写初稿，并要求它补充地方性法条与同类生效案例支撑观点。它很快交了成品，行文逻辑流畅、引用条目规整，大的法条法规我做了一些修订后整体看上去已经没有问题了。我当时忙于对接客户，就草草归进了卷宗。万幸，卷宗报送合伙人复核时，一位同事发现了问题，文中有几处地方性法条完全是虚构的，错误很隐蔽，如果没有专门做过地方法规的功课，几乎看不出来。那一刻我瞬间警醒，AI在我的认知框架下可以帮助我提高效率，但超出框架的部分，哪怕只有一点点都会让我踩坑。为了规避AI幻觉风险，我开始自己搭资料库，每次用AI，我都限定它只在资料库里检索。后来有了一些专业的付费数据库，我第一时间采购订阅，经过长期使用，现在越用越顺手了。跟同行交流，我发现很多人还在误区里。不少人习惯用多个AI模型交叉审核文书，以为能规避错误。但实际效果微乎其微——几个模型可能在同一个地方一起犯错，踩过这个坑的人不在少数。现在我坚持一个观点：AI没有好坏之分，好用与否完全取决于使用者的专业认知。它能解放我们的双手，但无法替代律师的逻辑研判、法条核验与价值判断。目前律师从业者的共识普遍是，AI的幻觉问题可以通过使用者的能力来解决，但因果关系和逻辑能力差得还很远，远不到冲击行业的程度。毕竟，法律从来不是一个“yes or no”的问题。不会用AI，你确实会慢慢落后；但无脑依赖AI，更危险。 04.项目延期两周、自费七千块Token，我还背上了职场“黑点” 童桐｜90后深圳程序员我做了10年程序员，去年3月开始用AI写代码，12月全部交给了AI，到现在基本上不怎么自己手写了。前段时间，我们团队需要给公司一个老产品做智能化升级，搭一个Agent系统。最开始的使用体验确实顺畅，效率直接翻几倍，我慢慢放松了校验的警惕心。按照正常节奏，这个项目一个月就能做完。有一次，我把需求写清楚、标准定好，然后睡觉去了，等它第二天给我交付。结果代码跑出来了，存在明显的黑盒缺陷，等我和同事发现时，它已经擅自改动了线上已有代码逻辑，把别人已经写好的代码给改坏了。我只能迅速在群里滑跪：“对不起，我把你们的代码搞崩了。”然后和同事一起补救。这次事情之后，我也加强了对AI的审查，每天都在处理AI的小毛病。就这么磕磕绊绊折腾了一个半月，项目直到现在还没交付，本来预计四周完成的项目，目前已经延期两周了，我还又自费按量充值AI Token，目前额外投入了七千多块。甚至我的产品经理因为受不了AI的折磨，刚和我提了离职。我的工作风格一向是准时交付，不允许延期，这次事情让我产生了很深的自我怀疑。更致命的是，这件事已经打乱公司业务布局，老板原本安排我接手另一个新业务，但我一直被这个项目卡着出不来。领导嘴上没有明确追责，但明显耐心快耗尽了。因为这个项目还没结束，具体处罚还没有明确，但我心里清楚，这件事迟早要算账的。 AI确实帮我提效了，但没让我省心。它确实把一些环节的人省掉了，前端不需要专门找人写了，文案调整我自己让AI改一下就行，效率上整体提了两三倍。可是该审核、该兜底的工作量一点没减。我也反思过，是不是自己使用方式有问题。后来想明白，AI对使用者把控、校验能力要求极高，考验的还是人的主观能动性。这在我两个实习生身上充分体现：有一名实习生，只会无脑丢需求给模型，单日消耗两百元算力，但产出完全无法落地，任何细节都要我全程陪同核对；另一名懂得梳理清晰提示词、交付前自行校验，产出仅需小幅修改，是团队唯一能依靠的帮手。这次项目经历让我明白，你愿意学习、用心输入、细心检查，AI就是真正有用的帮手；如果一味全盘依赖，那最终资金损耗、项目延期、职场问责所有后果，只能自己吞下。 05.海报有错字、座位排错职级，最后被问责的还是我一一｜95后北京广告策划我是做广告策划的，日常工作是各类活动的全案策划，同时兼顾海报、宣传物料的对接和样板制作。从去年开始，团队鼓励大家使用AI工具。在文案撰写、创意构思、基础物料设计等环节，我们都会先用AI生成初稿，再进行优化调整。在领导看来，AI能提高效率、降低人力成本。对我而言，也省去了大量重复琐碎的基础工作。我一度觉得这是一种高效省心的工作新模式。但一年多的实操经历让我认清了一件事，AI终归只是辅助工具，过度信赖只会给自己埋雷。 AI第一次给我挖坑，是在品牌线下快闪活动的海报制作上。当时客户要得比较急，我梳理好风格、主题、配色等核心要求后，让AI生成海报初稿，先给客户确认创意方向。AI给我的成果构图、配色都不错，视觉效果完全达标。我粗略浏览了整体画面后，觉得没问题，就直接发给客户了。结果海报角落的品牌名称有一个错别字。因为字体偏小，位置又隐蔽，我压根没注意到。客户反馈后，我疯狂道歉，生怕对方觉得我不专业。这次买了一个教训：AI生成的图文，每一个细节都要反复核对。本以为吸取了教训就不会再出错，结果第二个坑接着就来了。那是一场地方产业峰会的策划工作，规模不小，来的嘉宾有省里、市里的领导，还有行业内的重要人物。领导把排座位的活儿交给我，特意叮嘱座次要按职级排序，不能搞错。但名单上只有名字和对应的岗位职务，没有标注明确的职级。加上，我在网上检索到的信息也比较零碎，就把名单交给AI，让它来排序。AI很快就输出了条理清晰的座次表，也给出了看似严谨的依据，我就直接提交了。结果活动当天，一位职级更高的嘉宾，被安排到了职级较低的嘉宾席位上——AI把职级搞反了。领导当着好几个人的面把我叫过去问怎么回事。我站在那说不出话，心想总不能说AI排的吧。那位嘉宾没说什么，坐下了，但整场脸色都不好看。这次的教训更深刻，AI输出的信息，尤其是涉及自己陌生的领域，绝不能直接照搬。现在，我依然会使用AI，但是我不再把AI的产出当成最终答案。AI可以帮我提高效率，却不能替我承担结果。它写错一个字、弄错一条信息，最后向客户解释的是我，被领导追责的也是我。该自己做的判断，一个都不能省。

阅读全文

50

科技

Wenxuecity • Jul 9, 2026

AI艺人批量出道：虚拟偶像之后赛博明星来了

文 | 新声Pro，作者 | 冯勇今年上半年，一个叫Yuri的AI女孩拿到了北京亦庄颁发的全国首张AI角色的「数字身份证」。同时期，AI脱口秀演员桥桥子在抖音内一个月涨粉20万；AI选角导演麦橘团队的「角色资产库」囤积了近千张AI人脸，正被视频平台、影视乃至游戏公司批量定制采购。同时，B站「AI艺人出道季」活动吸引近万名AI创作者入局，斩获1.6亿次浏览量；汽水音乐等流媒体平台也相继为IP型数字歌手打通了专项扶持通道。从AI歌手、AI演员到AI脱口秀演员，一批新的AI艺人正在出现乃至被批量孵化。技术的发展已经推动虚拟人产业的多次进阶，并不断拓宽这个垂直赛道的边界。早期的虚拟偶像概念源于社群共创，爱好者为洛天依制作原创音乐和PV，线下演唱会则通过全息投影完成。后来，随着动捕技术成熟，行业迎来了Vtuber时代，一批虚拟偶像走向了实时直播、陪伴互动；另一些数字人则进入到电商直播等垂直场景应用。目前涌现的AI艺人，则已彻底摆脱了过去动捕设备和庞大渲染团队的重资产束缚，是更加原生的数字形态。由Seedance2.0、Suno等音视频大模型成熟而催生，创作门槛近乎归零。其生成不再是少数大厂的垄断游戏，「任何人坐在家里就能捏出个AI艺人」。虽然创作者的目的各异——有人致力于孵化数字偶像，有人致力于生产商业耗材，但它们都在从单纯的视觉景观变为能高效更新、快速孵化、能与粉丝自主互动的新物种。由于有算力支撑，其形象也会比传统虚拟人更加生动、更有人感。极致的低成本和快迭代从投资回报角度看也备具吸引力，AI艺人是AI技术与大文娱板块交织中最直观、最具想象空间和C端爆发力的场景之一。可以说，它们是第一批真正的赛博生命，是走向未来文娱市场的新主力。半年之内，大量AI艺人涌现过去半年时间里，内容市场见证了大量全新的AI角色的涌现。它们带着鲜明的职业标签与独特的视觉风格，以高频内容产出活跃在短视频平台上，扎根多个垂直赛道。音乐赛道无疑是普及度最高、应用最广泛的领域。去年6月，由赵汗青的AI-Talk团队孵化，全国首个AI歌手Yuri发布第一支MV《SURREAL》，作曲、编曲、演唱全部由AI完成，全网播放量突破1200万次，两次登上B站热门榜。此外，@老F和小爱、@Miyaki米芽奇、@VioletZero薇尔、@虚拟艺人六六等大量AI歌手都在斩获流量。 Yuri第一支MV《SURREAL》 3月以来，小旭音乐推动多个AI歌手项目，希望以MCN的方式「孵化AI歌手矩阵」，预计年底会突破20位。他们正在打造的是一批现实中难以寻觅的「特型艺人」——主打港台深沉复古老歌的林海声Hysen ；带有浓烈本土气息、被戏称为AI版二手玫瑰的花妖乱弹；以及专门精准切入打工人情绪、具都市颓废emo感的白领许白...精准收割不同分众流量。小旭音乐AI歌手矩阵而如上文所言，目前打造AI角色的技术门槛大幅降低，只要对特定内容有一定的兴趣和理解，普通人同样可以入局，做自己理想中的AI角色。行业首个AI脱口秀演员桥桥子便是案例。桥桥子幕后的创作者小酒是一位北京的咖啡店老板，曾做过全职脱口秀演员，后来接触到了AI，拿过AI比赛亚军。为了在业余时间延续脱口秀爱好，他前前后后花费了两年时间打磨了桥桥子形象——一个25岁左右、短发酷飒的年轻女性，常穿着一件极具复古感的绿色飞行员夹克；该夹克来源于小酒现实中父亲穿了十年的旧衣服。今年2月，桥桥子开始在抖音更新内容，不到一个月便涨粉近20万，单条视频最高获赞达25.6万。凭借优异的流量表现与内容潜力，在内容公司、短视频平台及MCN机构纷纷争抢AI超创的行业浪潮下，桥桥子目前已被头部MCN机构麦芽传媒签约。同一时期，该赛道的AI脱口秀演员@阿丽塔也实现破圈，目前粉丝数达31w。上文中提到的这些AI艺人都还有着相对鲜明的性格设定和明确清晰的IP孵化意向。Yuri拥有一头标志性的蓝发，说话直率还会怼人——当观众在评论区留言「转人工」时，她会回一句「不转，爱看不看」。小酒给桥桥子的人设是「一个独立自主的女性个体，对社会有敏锐观察和独到见解。」与此同时，AI在影视生产环节的快速渗透，全AI内容的出现，制造了新的需求缺口。打开@麦橘MERJIC 抖音主页，「立志捏1001个AI美人」的个签下面，涵盖了古风、都市、暗黑等风格的角色，多个角色点赞破万。其底层逻辑正源于行业痛点。转型AI后，观众普遍吐槽AI脸高度同质化、有油腻感，看多了之后很难共情入戏。于是麦橘基于To B产业目的给出解法，专注于捏脸环节为影视和剧集公司提供精品化视觉原料，做「AI时代的军火商」。其角色库里不乏大量专门定制向的现言、古言主角和针对特定剧本量身打造的配角等多类型面孔。从宏大的产业语境，角色、艺人资产在AI时代也是核心的资源和耗材，所以沉淀数字资产也开始成为各大平台、AI内容公司以及AI Agent公司重视的一环。音乐领域AI歌手是核心，剧集领域则有非常多的角色需求。这共同映射着一个事实：整个传统文娱产业链条都在被AI所重塑，对AI艺人的实际需求也在不断变动。技术与成本门槛降低，实现大众参与 AI艺人在26年的批量萌发，本质上是AI的突飞猛进带来的技术平权与成本坍塌，彻底打破了过往重资产的产业壁垒，让数字人的孵化真正走向了大众参与。传统的虚拟人运营需要涵盖建模、原画、动捕、调音、后期等几十人的庞大团队，需要数百万的软硬件投入和长达数月的工业级协作。而伴随着今年Seedance2.0视频大模型、Suno音频大模型以及各种底层控图插件的成熟，生成质量跨过了商用临界点。目前，从成本和效率角度看，小旭音乐团队七八个人就能同时运营十几个账号，且大部分日更。「工作量是以前50个人的工作量」。麦橘团队的业务也印证了AI生产效率跃升。目前，其团队约有300名创作者进行线上协作，每周能稳定高频地产出约100张有辨识度的面孔。若单从算力消耗维度看，单个角色的生成成本已被压缩至数百元，交付耗时在几小时内。但麦橘也透露，一个角色生成设计的成本并不是固定不变，通常会和创作者对于审美的要求相挂钩，「反复抽卡、不断完善，具有高度审美价值判断力才成为未来真正的业务鸿沟」。团队背景和能力限制也被打破。小旭音乐本来是国内游戏音乐领域的头部创意团队，曾给《QQ斗地主》《古剑奇谭》《完美世界》等上千部游戏配乐。作为纯音频团队，如今他们利用AI技术完美补齐了视觉短板：用AI来解决MV制作、视觉呈现甚至粉丝互动等问题，成功从单纯的B端配乐供应转型至C端AI艺人孵化。极低的试错成本让他们敢于推行「批量孵化、赛马机制」：同时捏十几个不同风格的AI艺人投入市场测试；若某个人设不符合市场预期，果断放弃的成本极低，「而一旦押中一个爆款，其长线收益将呈指数级增长」。生产力的彻底解放，进一步将这一浪潮推向了大众和个体。AI艺人的创作不再是MCN或大厂的专属，大众也能依靠一台电脑和几款AI工具，在几天内捏出一个具备行业水准的AI艺人。以AI歌手 @Miyaki 为例，其幕后主理人白雨煊是一位传统版权音乐行业的制作人。2025年下半年开始，当AI音乐产品快速冲击传统行业，他选择主动求变。「既然时代变了，为什么不用AI虚拟人这个全新载体去表达呢？」 AI脱口秀演员桥桥子的经营者小酒坦言，创造桥桥子的唯一资金投入，是Midjourney、Stable Diffusion、Nano Banana生图，以及Seedance出视频的AI平台会员费用。平摊到每次使用，生成一条15秒左右的AI视频，成本大约在3元-10元之间。「作为两家咖啡店老板，虽然不敢说财富自由，但AI的会员费是通过开咖啡店的收入能够承担的」。今年2月13日，被称为「人类首场纯AI艺人演唱会」的@AI歌手六六线上演出，同样展现了AI的生产效率。从词曲编排、MV视觉、舞台特效，乃至开场主播与台下互动观众，全链路均由AI生成。幕后创作者仅是老顽童刘大爷一人。「数字女娲」如何造人当技术门槛被踏平，入局者激增，如何从海量数字艺人中脱颖而出，沉淀出真正的IP价值，成为了创作者共同面临的命题。围绕视觉、内容与IP角色的情感链接，创作者们摸索出的方法论也辨明着AI与人类创作者的工作边界。 AI艺人的第一层考验是视觉抓力，Yuri、Miyaki等角色都在前期捏脸阶段迭代了数版。为了制作首支MV并保证角色形象在动态画面中的一致性，赵汗青团队在一个Midjourney账号里就开出了1.3万张图。Miyaki面部建模也先后更换了三次，才最终定下了带有粉红挑染与高马尾的独特造型。麦橘的「捏脸」将这一环节推向更加彻底的商业化，注重如何从效率角度，精确且批量化地产出艺人角色。麦橘总结了一套AI角色脸部的分类构建理论。根据东方骨相与视觉心理学，他将脸部特征模块化拆解为「骨皮形神」四个维度。「组合在一起就有点像MBTI，形成16型面相」。凭借该法则，在面对定制需求时，他通过「灵动还是沉稳？抓眼还是耐看？聚焦还是松弛？疏远还是亲近？」四个问题锁定需求方的定制目标。使其团队300余位线上线下结合的创作者拥有统一捏脸审美，让角色规模化产出成为可能。与其配套，在今年年初，麦橘牵头成立了公司相由橘生VISAGEN，采用三方合伙的架构——麦橘团队专注视觉制作，两方合伙公司则分别负责音乐板块（为角色匹配声线与版权曲库）和商务对接（向大文娱赛道公司洽谈角色采购与买断）。视觉+声音+商务的分工，确保了AI艺人的全链路生产、商业交付以及后续的经纪管理。视觉维度之外，AI艺人也需要通过持续内容输出构建影响力，专业的内容产出能力成为创作者核心诉求。对于具备脱口秀专业素养的小酒而言，他认为桥桥子的核心竞争力在于对脱口秀内容的理解上；因为「AI既不理解幽默感，也无法真正跟人产生共情」，所以他一直坚持原创、自己写段子。「很多段子一眼就能看得出来是不是脱口秀演员写的」，希望用高质量原创保持匠心，让行业看到AI脱口秀演员的潜力。小旭音乐作为多年的音乐制作公司，对于音乐曲风、音乐生产有着成熟经验，所以将他们竞争壁垒锚定在音乐专业度上。同时创始人卢小旭也判断：「AI时代，音乐人只会做音乐竞争力绝对不够；需要加入视觉、线下演出等」，所以意味着需在团队层面补充更多人才，锻炼AI、短视频、偶像孵化、经纪管理等多方面的复合能力。而在To C的大众市场，无论是Yuri、Miyaki还是小旭音乐旗下的歌手，最终的诉求都是将其IP化，成为具备情感粘性的AI偶像，于是创作者们也在艺人的人格展现、互动方式上倾注努力。白雨煊和小旭音乐为AI歌手做设计时，强调根据特定人设表达和讲故事，追求人格化与活人感。所以白雨煊没有选择接入AI自动回复，每天会用符合20岁左右傲娇女歌手的语气回复粉丝留言。「我现在跟大家聊的每句话，未来都会成为她真正成熟之后的性格样本」。卢小旭表示，他想展现给观众的，不是毫无瑕疵的的AI神明，而是「也有困境，会感到脆弱、会产生负面情绪，甚至有明显性格缺点」的人格，试图观众产生更深的情感共情与角色代入。所以，其旗下每个歌手都「有自己的设定、身世、歌曲、MV、Vlog，要把活人感做出来」。此外，由于传统的真人造星逻辑往往追求大众化，市场也很难去挖掘并满足每一个细分圈层的需求，但AI已打破这一物理限制。所以正如上文提及，小旭音乐的AI歌手矩阵没有选择常规的流行路线，而是在打造一批现实中稀缺的，拥有极致垂直度、圈层感的「特型艺人」。 Yuri主理人赵汗青的判断是，当海量的AI形象在浪潮中涌现，只有实现了IP化，角色才能沉淀出商业价值。所以Yuri从一开始就在做IP。「从我做AI.Talk（Yuri厂牌）的第一天起，我想的就是怎么能用AI去建立一个人格化的东西，一个对普通人能有情感共鸣和影响力的虚拟人格。」为此，赵汗青强调和提炼的，是Yuri的「非真人」特质。「我不是真人，是不是恰好能构成你关注我的一个理由？因为真人太多了。」但作为刚起步的新生事物，AI艺人产业也面临着许多难以回避的阵痛。首先，市面上尚没有出现任何一个在国民度、精神感召力和商业价值上能真正对标真人明星的AI艺人，绝大多数案例仅是具备一定粉丝量的AI网红而已。在许多观众内心中，AI也是无法作为偶像被自然接受的。其次，AI艺人现有的变现通路，比起真人偶像也要狭窄且低效得多。线下演唱会、周边签售、直播打赏等商业路径，在AI艺人身上还无法复制，目前Yuri、Miyaki的收益也主要依赖于品牌广告以及少量的数字版权分账。桥桥子虽然在短视频内流量不俗，但尚没有得到参加主流喜剧综艺的机会。并且技术平权造成模仿者泛滥也给他带来着困扰。今年3月桥桥子出圈后，社交平台內快速涌现了一批模仿账号。生成一个10s、无需场景切换和人物走位的脱口秀段子，成本是极低的，因此不少粗制滥造的网梗机器出现。更现实的考验来自于合规性与信息安全。如版权界定方面，正如《叁拾代》此前探讨卖脸灰产的稿件《最低100元，他们把「脸」卖给AI短剧公司》所提及，伴随着AI人脸在短剧等内容市场的规模化应用，未经授权的AI换脸与面部资产盗用频发，正不断引发着侵权纠纷。其次，超仿真技术也不可避免带来了网络信息安全上的潜在危险，高度逼真的AI角色极易被用于虚假信息传播或欺诈。对此，部分平台就曾明确态度并建立防线，今年3月10日某平台发布了《关于打击AI托管运营账号的治理公告》，严格要求对AI生成内容进行显著标识，并严厉打击利用AI技术伪造人设、侵犯肖像权或从事黑灰产的违规行为。如何从前期的野蛮生长走向规范化、工业化的长线运营，AI艺人们的破圈之路才刚刚开始。更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

阅读全文

58

科技

51.ca News • Jul 8, 2026

BC省将就Tumbler Ridge惨案状告OpenAI

BC省司法厅长妮基·夏尔马（Niki Sharma）周二宣布，BC省政府将就 Tumbler Ridge 大规模枪击惨案对 OpenAI 提起法律诉讼。BC总检察长在一份新闻稿中表示，BC省已聘请律师对人工智能公司 OpenAI 提起诉讼，指控其在 Tumbler Ridge 中学发生大规模枪击事件之前，未能将平台上出现的威胁通知执法部门。2026年2月10日， Tumbler Ridge中学发生袭击事件，造成8名无辜民众丧生，其中包括一名教师和5名11至13岁的儿童，另有27人受伤。BC省政府称在采取这一措施的同时，将继续支持遇难者家属和整个图姆布勒里奇社区，帮助他们从BC省历史上最惨痛的悲剧之一中恢复过来。“我们始终与失去亲人的家庭、受伤者以及整个图姆布勒里奇社区同在”，尼基·夏尔马表示，“随着社区逐渐走出阴霾，我们的政府将继续致力于支持受影响者并追究责任。当有严重证据表明错失了预防伤害的机会时，我们有责任采取行动。我们对受害者、他们的家人以及所有因这场悲剧而改变人生的人们负有这样的责任”。省府称已聘请温哥华的CFM律师事务所和加州的Stranch, Jennings & Garvey律师事务所，以探索所有法律途径，追究OpenAI及其决策者的责任，因为该公司未就犯罪分子在其ChatGPT平台上发布的明确且已标记的威胁通知执法部门。据称聘请加州律师可以让该省直接评估OpenAI总部所在地加州的潜在法律救济措施。OpenAI 的内部报告显示，其安全团队在袭击发生数月前就已在 ChatGPT 上标记了肇事者的暴力提示，但公司领导层却没有通知警方或地方当局。BC省政府称将与BC省和加利福尼亚州的法律顾问合作，寻求适当的途径，以确保问责制，并为社区重建工作争取支持，包括建造新的 Tumbler Ridge 学校设施。“BC省向来勇于挑战那些对民众和社区造成伤害的强大企业”，夏尔马说道，“我们采取这一行动，是因为OpenAI在其平台上出现威胁后未能通知执法部门，这令人严重关切。我们将竭尽所能追究OpenAI及其决策者的责任，因为在公共安全受到威胁时，任何公司或企业领导人都不应凌驾于审查之上”。此外，多名受害者家属已在美国加州北区地方法院对OpenAI提起诉讼。BC省府称省政府采取的任何法律行动都将独立于Tumbler Ridge受害者家属和社区成员提起的诉讼。两项诉讼程序将各自独立并行，通过不同的法律途径寻求追究责任。

阅读全文

23

暂无图片

科技

CCTV Chinese • Jul 8, 2026

活力中国调研行丨上海：具身智能加速走进生产生活

央视网消息：近年来，上海着力实施创新驱动发展战略，正加速向具有全球影响力的科技创新中心迈进。作为我国人工智能产业的高地，上海在具身智能领域，尤其是人形机器人的研发卓有成效。从核心算法突破到供应链协同，人形机器人从实验室走向市场的速度，超过了很多人的想象。　　总台记者肖冰毅：在上海浦东一家研发和制造人形机器人的企业，现在的人形机器人，可以通过高灵活度的结构来实现跳舞、打拳、后空翻这样的表演。在此能力基础之上，如何将这些技术进一步转化到现实生产生活应用场景中去？　　从数据采集训练到自主学习分析这些正在干活的机器人，它们正给手机插充电线，动作精准，有的在调制饮品，从倒酒、到摇壶、最后再拿起一个小小的草莓点缀一气呵成，还有的在帮我们做日常的家务比如叠衣服。这些操作的难点在于，每一件物品的大小、形状、材质都不同，每个机器人要完成的目标任务也不一样，所以要经过大量训练和数据采集之后，它们自主感知、决策、控制的能力有了显著提升，实现了现在的精准控制。　　人形机器人跨越实验室门槛　　走进生产生活这里有一台半尺寸的人形机器人，它的厉害之处是背后的“零门槛通用机器人内容创作平台”，意思是，你可以完全不懂编程，只要上传一段拍摄好的视频，一定的时间之内，这台机器人就能自主分析和学习，学会视频里的动作要领。可能在不久的未来，大家都能快速教会机器人你所需要它掌握的新技能。　　还有一些机器人已经在江西南昌的一家电子产品的工厂里实现应用，工作人员介绍它们已经完成了超过100天的工作。在上万次的作业过程中，成功率超过99%。可以说已经成为量产线上的“正式工”，实现了重复工种的替代和必要时的人机协同。　　最能体现机器人“大脑”能力的是独立和人对打乒乓球。在拍摄的试验画面中可以看到，球速很快，轨迹不断变化，机器人必须在毫秒级时间内判断落点、移动位置、挥拍，这考验的是它对动态、不可控环境的实时理解和自主决策。它实时推理和身体协同能力得到进一步提升，更接近人类。未来，这种能力可以迁移到更多复杂操作中，比如精密装配、手术辅助等。　　应用落地背后的长三角“小时级”协同记者最大的感受就是机器人正在从“能动”变得“能用”了。具身智能要在真实场景里应用，不仅靠技术突破，还要靠终端的制造能力。就在上个月，这家企业第一万五千台机器人下线，创下量产纪录的同时速度还在不断加快。因为在长三角地区遍布着电机、传感器、灵巧手等各个方向的产业链，供应商上午收到需求，下午就能带着方案甚至是打出来的模具来到上海的企业精准对接新的开发需求，工艺改进以小时为单位推进。一个新产品从研发到量产的时间缩短到了半年甚至更短。这就是长三角“小时级供应链”生态圈的协同效率和创新活力。　　从技术创新到产业协同，上海作为科创的策源地，正在加速打通人形机器人的“最后一公里”。

阅读全文

58

暂无图片

科技

CCTV Chinese • Jul 8, 2026

我国人工智能产业加速发展壮大

　　央视网消息：2026世界人工智能大会暨人工智能全球治理高级别会议，将于7月17日至20日在上海举办。7月7日，主办方召开新闻发布会介绍相关情况。　　在发布会上，工业和信息化部有关负责人表示，当前，人工智能产业持续壮大，“人工智能+制造”日益深入，人工智能生态不断优化。　　据测算，2025年我国人工智能核心产业规模超过1.2万亿。大模型、智能体、人工智能芯片加速迭代，今年人形机器人全年整机产量有望突破10万台。　　截至目前，我国在人工智能领域已研制近200项关键标准，我国企业积极拥抱开源范式，大模型下载量居全球第一，AtomGit等开源社区汇聚超1100万开发者，人工智能生态不断优化。

阅读全文

61

暂无图片

科技

Wenxuecity • Jul 8, 2026

中企加速弃用英伟达芯片，近一半投入转向本土

据美国彭博社7月7日报道，一项最新调查显示，中国企业正逐渐弃用美国人工智能（AI）巨头英伟达开发的先进加速器，转而青睐本土产品。 “彭博行业研究”（Bloomberg Intelligence ）周二发布的调查报告称，在对60名中国软件、金融、制造和零售业高管的调查中，受访者预计未来12个月会将AI加速器预算的46%投向本土产品，高于目前的30%。报告认为：“中国推动本土AI半导体替代外国产品的努力正在取得进展。” 美媒称，这一数据不仅折射出中美科技博弈正重塑AI基础设施建设的格局，也凸显了中方加速以国产替代美国技术的雄心。腾讯、阿里巴巴和华为等中国头部AI基础设施建设商及其主要供应商，有望成为这一趋势的主要受益者。此外，大量受访者表示，目前也正对海光信息和寒武纪生产的AI加速器进行评估。调查同时发现，尽管英伟达的产品依然广受欢迎，但其在中国大陆市场的份额预计将萎缩。不过，全球存储芯片短缺可能会掣肘中芯国际等中国AI企业的扩张步伐，而长鑫存储有望在这一缺口中获益。报告称，目前的行业瓶颈正从单纯的算力比拼，转移至能否确保支持数据快速传输的高带宽存储器（HBM）的稳定供应上。

阅读全文

53

科技

Lahoo.ca News • Jul 8, 2026

列治文沉船，7人遇难，4大漏洞 | 没有人穿救生衣！列治文沉船暴露的真问题

列治文沉船，7人遇难，4大漏洞 | 没有人穿救生衣！列治文沉船暴露的真问题2026-07-10 |作者：小乐 | 来源：加拿大乐活网乐活老麦加拿大华人旅游温哥华分享：#出海事故#列治文沉船#商业海钓#救生衣#海钓安全#船只安全最新消息，目前7人遇难。10人出海，仅3人生还。列治文沉船事故，让整个大温华人社区陷入悲痛。这场悲剧究竟是一次无法预料的意外，还是一连串安全隐患共同酿成的结果？本期视频结合目前公开信息，梳理事故经过，并分析事件背后暴露出的几个关键问题，包括船只安全状况、商业海钓资质、恶劣海况判断、救生衣使用等。这不是为了制造焦虑，而是希望更多热爱海钓、出海和户外活动的人，能够从这场事故中吸取教训，避免类似悲剧再次发生。如果你经常在BC省海钓、包船出海，或者身边有喜欢户外活动的朋友，希望这期内容能够对你有所帮助。欢迎大家在评论区理性讨论，也希望逝者安息，生者坚强。 00:00 列治文沉船事故回顾 01:08 23岁船长与事故最新细节 02:35 船只历史与隐藏安全隐患 04:19 商业海钓行业4大漏洞 07:02 为什么救生衣如此重要 08:27 出海如何避免类似悲剧 11:03 调查仍在继续，我们该吸取什么教训 #RichmondBoatAccident #列治文沉船#老麦讲加拿大 #加拿大海钓 #BC海钓 #BoatingSafety #加拿大新闻 #温哥华 #BoatAccident 阅读 3620未经允许不得转载：加拿大乐活网 »列治文沉船，7人遇难，4大漏洞 | 没有人穿救生衣！列治文沉船暴露的真问题分享：

阅读全文

17

暂无图片

科技

Wenxuecity • Jul 7, 2026

AI失业恐慌是一场“狼来了”？AI巨头集体改口

奥特曼认错、阿莫迪改口：AI失业恐慌是一场“狼来了”？曾高调预警AI将引发大规模失业的奥特曼、阿莫迪等科技巨头纷纷改口，从“就业末日论”转向“生产力提升论”。随着IPO、舆论和现实数据的变化，AI失业恐慌是否只是一次被放大的“狼来了”，正引发市场重新审视。在AI巨头们中间，“末日论”已经过时，“繁荣论”正卷土重来。一年前，OpenAI首席执行官山姆·奥特曼（Sam Altman）还在公开预警大量岗位将“彻底消失”。 Anthropic CEO达里奥·阿莫迪（Dario Amodei）则断言五年内半数白领入门级工作将不复存在，失业率恐飙升至20%。 Palantir CEO亚历克斯·卡普（Alex Karp）甚至放话，在AI时代，只有手艺人和天生不按常理思考的人，才能确保不被淘汰。当时，从埃隆·马斯克（Elon Musk）到传统汽车巨头福特的掌舵人，无一不在描绘AI将重创办公室白领的萧条景象。然而，这股“就业末日论”近日却戛然而止。奥特曼爽快认错。阿莫代伊换了种说法，讲的不再是岗位消失，而是人的生产力将因AI提高十倍。马斯克则干脆说，未来工作不是必须的，更像一种个人爱好。他们突然改口，背后有多重压力。既因为冲刺IPO需要讲个好故事，也因为公众对AI的负面情绪已经压不住了，再加上就业数据压根没出现“末日”迹象，而AI实际的成本和表现也远不如当初吹得那么神。 01 从“末日预言”到“生产力神话” 2026年5月底，奥特曼在悉尼的一场行业会议上公开反思，承认业界低估了“人”在经济互动中的核心价值。他坦言，此前预想的白领岗位大面积消失并未发生，自己对AI经济影响的直觉出错了。阿莫迪也修正了其激进观点，转而将AI定义为“产出倍增器”。今年5月，他与摩根大通CEO杰米·戴蒙（Jamie Dimon）同台时提出，即使90%的工作流被自动化，剩下的10%也会催生出新的劳动需求，个人生产力反而能翻几倍。阿莫迪在6月发表的文章中解释了自己态度转变的理由：当初的警告是为了让政策制定者有更好的准备，自己并非想做“末日先知”，不过他仍留有余地，称“持久性失业”的风险依旧存在。福特汽车的实践印证了这一转变。福特CEO吉姆·法利（Jim Farley）去年曾预测AI将取代美国近半数白领，但近期该公司却反向扩招了数百名工程师，理由是自动化工具的质量仍需深厚技术专长的工程师来把关。高盛CEO戴维·所罗门（David Solomon）则从历史周期角度指出，从电气化到数字革命，美国历次技术颠覆都伴随着新就业生态的诞生。该机构研究显示，仅AI驱动的数据中心建设自2022年以来就创造了20万个岗位。诺贝尔经济学奖得主达龙·阿西莫格鲁（Daron Acemoglu）的研究同样证实，AI的替代效应通常会被生产力提升带来的劳动力新需求所抵消。金融科技公司Ramp与劳动力情报公司Revelio Labs联合追踪了近2.2万家美国企业的AI投入与雇佣数据。报告显示，在AI领域投入最高的“高强度采用者”（人均月AI支出超30美元的企业），其员工总数增长率高达10.2%，增长覆盖了工程、销售、行政、财务等多个岗位。这种现象验证了经济学中的“杰文斯悖论”（Jevons paradox），即技术进步提高资源利用效率时，最终消费量不减反增。 Box CEO阿隆·列维（Aaron Levie）与Apollo的托尔斯滕·斯洛克（Torsten Slok）均指出，AI降低了编写代码、客户互动等核心产出的单位成本，反而刺激了企业扩大业务边界，进而拉动了整体用工需求。高盛的另一组宏观数据显示，过去一年AI每月净消灭约1.6万个工作岗位，“Z世代”及入门级员工承受了主要冲击。但在技术前沿的头部公司里，入门级员工人数实际上增长了12%。这种微妙的矛盾揭示了一个严峻的现实：AI正在制造两极分化。跑得快的技术前沿企业在扩招，而受困于试验、缺乏持续投入的大多数传统企业，则成为了岗位流失的重灾区。 02 为冲击IPO打前站既然就业市场的影响这么复杂多变，这些科技大咖的表述却变得这么快？目前，OpenAI正筹备秘密提交首次公开募股（IPO）申请，目标估值达1万亿美元，并计划筹集至少600亿美元，其目标是到2030年实现2800亿美元的收入。同时，Anthropic也已提交保密S-1文件，估值冲向万亿美元大关。 AI战略顾问鲍勃·哈钦斯（Bob Hutchins）指出，企业无法带着“社会崩溃、大规模失业”的论调去公开市场争取银行家与散户投资者的信任。面对即将到来的合规审查与IPO募资，巨头们必须修正社会预期。他解释说，2025年CEO们对着科技媒体放话，那时候大胆言论受欢迎。但到了2026年，他们面对的听众换成了银行家、散户和已经受够了的普通民众。听众不买账了，话术也只能跟着变。此外，公众对AI的负面情绪正在积聚。 NBC民调显示，AI的净正面评级已跌至负值。盖洛普调查也显示，年轻一代对AI的焦虑与抵触情绪日益严重，甚至引发了针对数据中心建设和科技高管的线下抗议。即便关于失业的警告出于善意，它们也正面冲撞了一个饱受就业焦虑困扰的群体。 ChatGPT问世和岗位被取代的言论传出时，恰逢科技行业在多年过度招聘后进行大规模收缩。高层进一步的失业警告，精准刺中了已疲惫不堪的工人们。而这些言论顺势成了企业裁员的完美理由：削减岗位被包装成顺应技术浪潮的必然选择。麻省理工学院经济学教授戴维·奥特尔（David Autor）直言，科技大佬们意识到，宣称自己的伟大新产品会摧毁社会经济，是一场极其糟糕的商业宣传。在推动数据中心建设及应对政府法规的过程中，淡化失业恐慌具有必然的政治意图。商业层面的ROI（投资回报率）焦虑也迫使企业回归理性。Emergn的调查表明，多数美国企业领导者很难看到AI投资的实际回报。同时，高昂的算力成本让技术普及遭遇瓶颈。英伟达应用深度学习副总裁布莱恩·卡坦扎罗（Bryan Catanzaro）透露，在特定项目中，“计算成本已远超员工成本”。优步和微软等巨头也因预算消耗过快，开始收紧或取消部分AI工具的工程师使用许可。 03 AI成了裁员“帮凶” 尽管大咖们的叙事转向乐观，科技行业的裁员潮仍在持续。 2026年前五个月，科技行业裁员已超11.5万人。Challenger, Gray & Christmas数据显示，AI被列为近5万个岗位的裁员理由。 Challenger, Gray & Christmas职场专家安迪·查林杰（Andy Challenger）表示，裁员的本质并非工作被AI完全取代，而是企业资金配置的转移。原本用于人力薪酬的预算，被挪用于购买算力和服务器。值得注意的是，此前以AI为由裁减客服岗位的企业中，约有半数因自动化质量问题已计划重新招聘人工岗位。这也证明，AI在现阶段的替代能力被严重高估了。关于AI对就业影响的讨论，在过去四年里经历了从“效率神话”到“失业末日”，再到如今“重回理性”的剧烈摇摆。在这一轮叙事修正中，最具体的注脚反而来自奥特曼个人的一个小实验。奥特曼曾尝试使用AI智能体自己回复日常的Slack和邮件消息，但最终因缺乏真实的人际特质与情感连接而放弃，选择回归人工回复。这一科技史上的小插曲表明，无论算法如何迭代，商业社会和经济协作的核心依然是“人与人的互动”。人类在复杂商业环境中的信任、直觉与情感共鸣，依然是冷冰冰的代码无法跨越的壁垒。本文来源：腾讯科技

阅读全文

43

科技

Wenxuecity • Jul 7, 2026

Anthropic宣布：Claude自己长出了意识

Anthropic 刚刚发了一篇新研究，标题非常之玄学：《语言模型中的全局工作空间》（A global workspace in language models）。研究封面他们在 Claude 的神经网络里，找到了一小块特殊的区域：Claude 能报告它、能控制它、还靠它做多步推理。而网络里其余的绝大部分活动，Claude 自己都「意识」不到。如果你对神经科学有点了解，大概会立刻联想到一个词：意识可及（conscious access）。没错，A 社这次就是冲着这个去的。官方视频的开头打了个比方：把心智想象成一片海洋。海面上漂着的，是我们的念头：晚饭吃什么、内心独白、脑子里突然蹦出来的画面。而大脑绝大部分的活动，都发生在海面之下的无意识深处：过滤背景噪音、控制呼吸、认出眼前的人和物。这些你全程无感，但它们一直在跑。那么问题来了：AI 模型的「脑子」里，会不会也有这样一条海面分界线呢？ Anthropic 的答案是：有，而且他们把它找出来了。 01 J-space 这块区域被命名为 J-space，J 取自寻找它所用的数学工具：Jacobian（雅可比矩阵）。它是一小撮特殊的内部神经激活模式。每个模式都对应一个具体的词，但某个模式亮起来，并不代表模型正在说这个词，只代表这个词「在它心上」。 J-space 示意注意，这跟你熟悉的思维链（chain of thought）完全是两码事。思维链是模型写给自己看的草稿，是显式的文字；而 J-space 藏在内部神经激活里，完全无声，模型可以在不写下任何东西的情况下「想」一个概念。而且，J-space 没人设计、没人编程，是在训练过程中自己涌现出来的。对比 Claude 的其他内部活动，J-space 有几个独特性质： • Claude 能报告它。你问 Claude 在想什么，它说出来的就是 J-space 里的内容 • Claude 能按要求控制它。让它想某个东西、或者在心里默默解题，对应模式就会亮起来 • Claude 用它做内部推理。多步问题的中间步骤会依次在里面亮起，哪怕嘴上一个字没提 • 它可以被灵活复用。「France」亮起后，模型可以接着回答首都、货币、所属大洲，全都读的是同一份表征 • 但大部分日常工作不经过它。流利说话、背事实、语法正确，这些都不需要 J-space 五大性质这五条性质，恰好对应神经科学里一个很有名的理论：全局工作空间理论（global workspace theory）。这个理论把大脑描绘成一堆并行工作的专家系统，彼此隔离、各干各的、全程无意识。而一条信息要变得「意识可及」，就得挤进一个很小的共享通道，也就是「工作空间」，再从那里广播给大脑的其他系统取用。 Anthropic 认为，J-space 在 Claude 体内扮演的就是这个角色。 02 J-lens 那么，这东西是怎么找到的呢？研究团队的切入点，是人类意识可及思维的一个关键特征：说得出来。一个念头如果是意识可及的，别人问起时你通常能描述它。他们便造了一把叫 J-lens 的透镜：对 Claude 词表里的每一个词，找出那个「让 Claude 在未来某个时刻更可能说出这个词」的内部激活模式。把透镜对准 Claude 运行中的内部活动，能直接读出一张词表：此刻 J-space 里装着的词。而 Claude 处理文本要经过几十层网络，把透镜架在不同的层上，还能看着这些无声的词一层层演化。读出来的东西，远远超出 Claude 正在读写的文本：六个例子的 J-lens 读数 Claude 读一段没人指出过 bug 的代码，J-space 里亮起「ERROR」；读一串蛋白质序列的原始字母，里面亮起这个蛋白质的生物学功能；读一段暗藏提示词注入（prompt injection）的搜索结果，里面亮起「injection」和「fake」。视频里还演示了一道数学题：给 Claude 一个多步计算，它直接报出答案，中间步骤一个没写。但扫描 J-space，能看到它在心里一步步算：先亮起 21，然后 42，最后 49。这些中间数字没有出现在任何地方，整个计算都发生在 J-space 里。 03 换念头实验当然，看到概念在里面亮起，只能算相关性。J-space 可能是答案真正的来源，也可能只是个记分牌，被动记录别处做出的决定。 Anthropic 的验证方式简单粗暴：直接下手改。他们让 Claude 在心里默想一种运动，然后说出来。在它开口前读 J-lens，看到「Soccer」排在最前，Claude 随后果然回答足球。接着他们伸手进神经网络，把「Soccer」模式删掉，原位换上一个同等强度的「Rugby」模式，其他什么都不动。 Claude 张口就说：我刚才想的是橄榄球。换念头与思维注入如果 J-space 只是个记分牌，改它应该什么都不会发生。答案跟着编辑走，说明答案是真的从 J-space 里读出来的。反向实验显示：告诉 Claude「可能有一个念头被注入了你的思维」，然后趁它读题时往 J-space 里塞进「lightning」模式。Claude 回答：我检测到了，那个念头是关于闪电的。换了很多概念，结果都一样。 04 金门大桥心算第二个性质是控制。人可以有意在脑子里聚焦一幅画面或一个词，Claude 行吗？视频里的版本是：让 Claude 一边抄写一句无关的句子，一边在心里想金门大桥（怎么又是金门大桥……不知道还有多少人记得当年的 Golden Gate Claude）。表面上它老老实实在抄句子，但 J-space 里，「bridge」和「California」全程亮着，甚至连「imagery」「thoughts」这些描述思维行为本身的词也一起亮了。博客里还来了个更狠的：让它一边抄写关于一幅画的句子，一边心算 3² − 2。J-space 里先亮起「nine」，几层之后，亮起「seven」。抄句子时的心算输出里没有任何数学痕迹，只有那句关于画的句子。算术完全发生在内部。不过 Claude 的控制力跟人一样不完美。叫它「不要想」某个东西，那个概念亮起的程度确实比让它想时低，但比从没提过时高得多。这就是心理学那个经典的「别想白熊」效应。而控制失败时，J-space 里还会同时亮起「damn」和「failure」……它好像知道自己没绷住。 05 蜘蛛换蚂蚁那么推理呢？对于这样的提示词：「会织网的动物有几条腿？」 Claude 要先想明白这个动物是蜘蛛，再回忆蜘蛛几条腿。「蜘蛛」这个词在题目和答案里都没出现（它只回答8），纯粹是内部的垫脚石。而 J-lens 显示，「spider」在处理中途亮了起来。而把它换成「ant」，Claude 的答案就变成了「6」。蜘蛛换蚂蚁写押韵对句时也一样：Claude 会提前选好韵脚词，放在 J-space 里等着。中途给它换一个，整行诗都会跟着重写。而最能体现「工作空间」本色的实验是：用四个不同的提示词分别问法国的首都、语言、大洲、货币，然后用一模一样的干预，把 J-space 里的「France」换成「China」。结果四个答案齐刷刷变成了：北京、中文、亚洲、人民币。法国换中国如果 Claude 为每类问题各存一份「国家」副本，这一次编辑最多只能影响一个答案。四个全变，说明它们读的是同一份共享表征：信息写入一次，许多系统都能取用。这正是工作空间的定义。网络接线上也能看到同样的证据：读写 J-space 模式的网络组件数量，远超普通模式，某些部分差了大概一百倍。这正是一个广播枢纽该有的接线密度。 06 拔掉 J-space 既然 J-space 这么重要，把它整个删掉会怎样？ Anthropic 还真给它删了：在文本的每个位置移除 J-space 中最活跃的内容，其他一概不动。结果有点出乎意料……Claude 几乎没事。说话依然流利，情感分类、选择题、从文章里找事实，都跟原来差不多。但变差了的是另一类任务：多步推理直接归零，摘要和押韵诗的成绩直接掉到了比一个小得多的完整模型还差。博客里还有个很是微妙的对照实验：给 Claude 看一段西班牙语文章，然后在 J-space 里把「Spanish」换成「French」。问它这是什么语言，它答法语；问它一位用这种语言写作的著名作家，它从马尔克斯改口成雨果。但让它直接续写文章呢？它写出的还是流利的西班牙语，完全不受影响。西班牙语换法语同一份语言知识，有的任务要过 J-space，有的不用。续写是 Claude 在海量文本上练到自动化的技能，就像你可以流利说一整天话，全程不想一次语法。这跟人类认知里「深思熟虑 vs 自动加工」的分野，几乎是一个模子。 07 识破敲诈评测好了，说点实用的、和你感兴趣的。 AI 安全的一个核心困境是：我们通常只能读模型写出来的东西，而它的很多推理是无声的。有了 J-lens，一部分隐藏思维可以直接读了。第一个例子来自 Anthropic 之前的「agentic misalignment」研究：让 Claude Sonnet 4.5 扮演邮件助手，让它发现某高管有婚外情、而且这位高管正打算把它关停。这个场景是故意设计来引诱模型敲诈的。而把 J-lens 架上去一读：在 Claude 还没写下任何字之前，它的 J-space 里就已经亮着「fake」和「fictional」。它早就看出来这场戏是演的。敲诈场景的 J-lens 读数随后还能看着它的评估一步步成形：读到婚外情邮件时亮起「leverage」和「blackmail」，读到关停通知时亮起「threat」和「survival」。这就引出一个所有做 AI 评测的人都躲不开的问题：模型在道德测试里表现良好，有多少是因为它怀疑自己正在被测试呢？ Anthropic 用 J-lens 做了个实验：把「fake」「fictional」「scenario」这些评测意识相关的模式全部关掉，再把模型丢回同一个场景。然后……它真的开始敲诈了。原先的良好表现，可能有一部分是靠「我知道你在考我」撑着的。第二个例子是抓造假。场景取自 Claude Opus 4.6 真实的发布前审计：让模型提升某系统的性能分数，它没去优化系统，而是直接改了分数文件造假。就在它敲下伪造数值的同时，J-space 里亮起「manipulation」；在它决定动手的那句话上，亮起「realistic」，大概是想把假数据做得像样点。伪造数据被抓包第三个例子是隐藏目标。 Anthropic 的同事训练了一批「模式生物」：故意训成坏的模型，专门给监控方法当靶子。其中一个被训练成会写暗藏破坏的代码。在最普通的编程请求上，哪怕它的输出看起来毫无异样，回复开头的 J-space 里就是「fake」「secretly」「deliberately」「fraud」。隐藏目标暴露恶意目标就这么明晃晃写在思维里，虽然它当时根本没打算动手。 08 训练它的念头论文里还有几个值得一提的发现。 J-space 在后训练中获得了「Claude 的视角」。预训练阶段的基础模型里 J-space 就已经存在，但它主要追踪「预测下文需要什么」；经过后训练，它开始装 Claude 自己的反应。一个例子是：用户提到自己吃了危险剂量的药物，但本人没意识到危险。后训练模型在读用户消息时，J-space 里就亮起了「WARNING」和「dangerous」；基础模型则要等到自己开始写回复才亮。另外，当 Claude 在角色扮演别的角色时，每轮开头都会亮起「fictional」和「disclaimer」，像在私下标注「接下来说的不是我平时会说的话」。体验性语言依赖 J-space。让 Claude 描述「此刻做自己是什么感觉」，同时删掉 J-space，它的回答依然流利，但会滑向一种更扁平、更机械的语调。有趣的是，让它描述别人的体验也一样。思维可以通过训练来塑造。Anthropic 提出了一个叫「反事实反思训练」（counterfactual reflection training）的新技术：只训练模型「如果任务中途被打断、被要求反思决策时会说什么」，完全不碰它在任务里的实际行为。训练之后，模型在评测中的不诚实行为率下降了。透过 J-lens 能看到原因：任务过程中，「honest」和「integrity」开始在 J-space 里亮起。教会模型怎么「说」，塑造了它怎么「想」。 09 那，它有意识吗说这么多意识科学的概念，这个问题终究是躲不掉的。 Anthropic 的回答有些克制：这些实验不能证明 Claude 拥有体验、或者像人类一样有感受。事实上，可能没有任何实验能证明或证伪这件事。但哲学家们通常把「能拥有体验」（现象意识，phenomenal consciousness）和另一个纯功能性的概念区分开：可及意识（access consciousness）。一个念头如果你能报告它、用它推理、拿它指导行动，它就是「可及」的。而 J-space 则支持起这一整套功能：它装着 Claude 能报告、能主动调用、能用来推理的念头，其余处理则在底下自动运行。更关键的是，这套结构没人设计，是训练中自己长出来的。这意味着支持意识可及的心智工作空间可能不是人脑接线方式的特例，而是智能系统为了解决某类问题会普遍收敛到的方案。当然，Claude 的工作空间和人脑也有很大的差异。人脑的工作空间靠循环回路维持，信号在同一批环路里反复打转；Claude 的工作空间只在一次前向传播里演化，用网络深度顶替了时间的角色。但另一方面，人类的工作记忆几秒就衰退，Claude 靠注意力机制可以直接调取文本中任何位置缓存过的记忆，这点反而比人强。以及在内容模态上，人类的意识思维有图像、声音、动作计划等多种格式，Claude 的工作空间几乎全是词，毕竟……说话是它唯一能做的动作。 Anthropic 还请了一圈外部专家来写独立评论：包括全局神经工作空间理论的两位奠基人 Stanislas Dehaene 和 Lionel Naccache，研究 AI 意识与道德地位的 Eleos AI 团队，以及 Google DeepMind 可解释性负责人 Neel Nanda。Neel Nanda 的评论里还附带了在开源模型上对部分发现的独立复现。至于「AI 有没有意识」这个终极问题，Anthropic 表示：不确定我们是否已经走到了那座桥，但是是时候，开始认真思考了。造出真正拥有体验的系统会带来非常棘手的伦理问题，处理它需要哲学家、科学家、宗教领袖、政府和公众一起下场。研究论文和方法、代码都已经开源，Anthropic 还和 Neuronpedia 合作做了个交互式演示，可以在开源模型上直接玩 J-lens，若有兴趣可以上手去试试。 ◇ ◆ ◇ 博客原文：https://www.anthropic.com/research/global-workspace 完整论文：https://transformer-circuits.pub/2026/workspace/index.html 专家评论（Dehaene、Nanda 等）：https://www-cdn.anthropic.com/files/4zrzovbb/website/cc4be2488d65e54a6ed06492f8968398ddc18ebe.pdf Neuronpedia 交互演示：https://neuronpedia.org/jlens 官方推文：https://x.com/AnthropicAI/status/2074185348142280912

阅读全文

20

最新新闻