跳到正文
今天11月12日周四6 条
  1. Hacker News:AI 热帖64

    美国押注 AI 智能体,中国押注机器人:20 天 446 笔融资对比

    作者统计 2026 年 10 月 22 日至 11 月 11 日中美 446 笔公开融资:美国 310 轮共 1333 亿美元,中国 136 轮披露 55 亿美元;去掉 Anthropic 650 亿美元 Series H 和 SpaceX 400 亿美元债务后美国为 283 亿美元,约是中国的 5 倍,但两侧中位融资额接近(2120 万美元对 2400 万美元)。

11月11日周三
  1. Hacker News:AI 热帖56

    Rutger Bregman 撰文呼吁警惕 AI 风险并主张暂停训练更强模型

    Rutger Bregman 在 Substack 撰文称应当对 AI 感到恐慌,指出怀疑派预测屡屡落空,而 Daniel Kokotajlo 等警告者的预测接连应验。他引用 METR 对 Anthropic 的调查,称其模型改进约 80% 的提速来自 AI 本身、进度比 AI 2027 情景快五个月,并提出禁止 AI 研发 AI、暂停训练更强模型、派独立检查员核查芯片等建议。

  2. Hacker News:AI 热帖47

    观点:AI 的许多进步其实只是“不偷懒”的持久力

    一篇 Hacker News 热帖提出观点:大部分 AI 热度并非源于超常智能,而是模型快速、勤奋且不偷懒。例如 Claude 帮人找回价值 400,000 美元的比特币靠的是穷举搜索文件而非高深密码学技术;OpenAI 解 Millennium 问题用了 10,000 个智能体协调 88 小时,且有其他研究者已接近解决。

  3. IT之家·人工智能40

    彭博测算:AI 贡献英国今年约四分之一经济增长

    彭博经济研究测算,2026 年 AI 相关经济活动为英国经济增长贡献了 0.45 个百分点,在英国约 1.8% 的整体增幅中占约四分之一。经济学家安娜·安德拉德表示,随着 AI 得到更广泛应用,收益将逐步体现为各行业生产率提升。报告同时提示,若全球 AI 资产估值大幅回调,英国经济或面临风险。

  4. Hacker News:AI 热帖52

    Sean Goedecke 谈 AI 时代胶水工作为何依然有害

    作者认为 LLM 写代码并未让工程师转向更多胶水工作,反而让其更不重要,并给出四个理由:AI agent 降低协调需求、ZIRP 结束淘汰了难缠的守门人、初级工程师招聘减少、走形式的报告可用 LLM 自动生成。但他强调工程师间的真实沟通不能外包给 LLM,建议多数时间仍应花在驱动 AI agent 上,只做少量战术性胶水工作。

  5. Hacker News:AI 热帖63

    AI Purgatory:交互模型测算 AI 曝露工人的收入恢复路径

    作者发布名为 AI Purgatory 的交互模型,追踪一名 AI 曝露岗位工人相对无 AI 情景的收入差距,测算其回到原有轨道所需时间。模型围绕 AI 到来速度、新工作创造、再就业、政府再分配和 AI 利润归属五个问题建模,假设基准下 30% 的曝露岗位被直接消灭,数据依据 IMF、ILO、OECD、BLS 等来源,结果截止至 2100 年且仅为示意而非预测。

  6. Hacker News:AI 热帖62

    澳大利亚 STEM 视频游戏挑战赛因学生用 AI 全程生成作品而停办

    澳大利亚教育研究委员会(ACER)确认,2026 年将是澳大利亚 STEM 视频游戏挑战赛的最后一届,停办原因是生成式 AI 在游戏开发中的迅速兴起,使评委更难判断学生自己完成了多少作品,偏离了项目初衷。ACER 的 Cathy Zemaitis 表示没有调整赛制以适配 AI 的计划,此前有自称评委的人指出部分学生完全用 AI 生成游戏、难以评分,但也提到政府预算削减可能同样有影响。

  7. Hacker News:AI 热帖72

    作者用 48 个 AI 智能体分析 NASA lidar 数据,72 小时内发现疑似未登记玛雅遗址

    作者记录了用 AI 智能体分析 NASA lidar 数据、在墨西哥发现一处此前无人报告的玛雅遗址的完整过程,从产生想法到收到墨西哥 INAH 回复不到 72 小时。48 个智能体以看图方式筛查约 1,200 km² 丛林 lidar 影像,发现山顶有广场、至少 8–12 m 高的椭圆形金字塔和疑似蓄水池,INAH 查询后确认该地点无登记考古遗址,尚待实地核查。

  8. The Decoder76

    英国 OfS 威胁制裁不采用防 AI 考试形式的高校

    英格兰高等教育监管机构 OfS 称 AI 让公平评改课程作业几乎不可能,敦促高校恢复传统考试和现场展示,并警告可能制裁未开发可靠评估形式的院校。OfS 与 Advance HE 对 127 所机构 300 多名受访者的调查显示,学生大量用 AI 写论文且常未被察觉,成绩与不用 AI 者相近,有学生用 ChatGPT 写完整篇论文后记不起基本内容。

    推荐理由:英国监管机构把 AI 算作学位公信力的代际风险并威胁制裁,读者可借此了解高校考试形式可能面临的调整方向。

  9. AI as Normal Technology49

    STABL 成立非营利研究组织:填补 AI 应对讨论中缺失的象限

    新非营利研究组织 STABL 宣布成立,主张同时认真对待 AI 的变革潜力与下游瓶颈,以填补当前讨论中缺失的“右上象限”。该组织提出递归自我改进(RSI)测度、AI 扩散节奏、劳动力市场冲击等四个研究方向,并认为韧性是当前最被忽视的风险防御组成部分,机构改革是 AI 落地的关键瓶颈。

  10. Ed Zitron 长文 / Where’s Your Ed At82

    Ed Zitron 长文分析 Jensen Huang 与 Megaspeed 丑闻:NVIDIA 疑借对华走私 GPU 注水营收

    Ed Zitron 撰文分析 NVIDIA CEO Jensen Huang 与 Megaspeed CEO Alice Huang 的婚外情及其背后的芯片走私问题。

    推荐理由:作者把丑闻与 Culper 等已有报道串联,指认 NVIDIA 营收疑经走私渠道注水,帮助读者看清财务披露与出口管制之间的漏洞。

11月10日周二
  1. Ars Technica · AI56

    AI 数据中心需求挤压乌克兰光纤无人机供应链

    Ukraine 的光纤无人机因抗电子战干扰而在战场上普及,但其依赖的中国光纤原料因 AI 数据中心需求上升而涨价,乌克兰无人机制造商被迫调整。光纤线轴通常支持数十英里作战距离,极端情况下可达 100 公里;俄军 2024 年在库尔斯克方向率先部署此类无人机,乌方随后跟进。

11月9日周一
11月8日周日
11月7日周六
  1. Charlie O’Neill 研究写作40

    为什么 AI 进步的瓶颈可能是人的尊严

    作者提出,AI 发展的真正瓶颈可能既不是湿实验室的物理速度限制,也不是数据、算法或电力,而是人的尊严。文章分析,以智力贡献定义自我价值的 AI 研究者和企业家,若被“准全知的机器智能”全面替代,其成就感将归零,而正是这群人在决定 AI 的走向。作者猜测,他们可能因此人为限制 AI,保留人类在资源分配、法律和伦理等不可验证问题上的参与权。

  2. a16z:News61

    a16z:当漏洞利用以小时计,网络安全如何为机器速度重建纵深防御

    a16z 作者 Asaf Ezra 论证 AI 让漏洞利用成本骤降而补丁速度未变,防护必须不依赖及时补丁。文中列举 PHP 漏洞周、Verizon 报告中位修复 43 天等数据,提出下线暴露、网络分段、虚拟补丁、消除整类漏洞四条路径,以及备份恢复验证、AI SOC 等六类创业机会。

  3. Ed Zitron 长文 / Where’s Your Ed At62

    Ed Zitron 分析美国选举结果对 AI 数据中心扩建的政治阻力

    Ed Zitron 撰文称周二美国中期选举结果带来变数,蓝潮可能冲击 AI 数据中心扩建。他引用 UBS、Bloomberg 和 The Information 的数据,指出 33 项限制数据中心的投票案通过或领先,12 个州的州长胜选者呼吁暂停数据中心建设,34/36 位胜选者支持电费保护措施。

11月6日周五
  1. Newcomer 新闻长文59

    Newcomer 分析民主党中期选举胜利对硅谷与 AI 数据中心的政治冲击

    Newcomer 分析中期选举民主党大胜对硅谷的冲击,认为押注 Trump 的科技公司面临新政治环境。周四 AI 基建与芯片股大跌,特斯拉和 SpaceX 股价分别跌 11% 和 9%;州与地方选票上的 41 项数据中心相关提案中除一项外全部未获通过,GlobalData 称数据中心项目平均工期已延长 33%。

  2. Platformer57

    Platformer 专栏:AI 反弹浪潮需要一份立法计划

    Platformer 作者 Casey Newton 分析中期选举结果,选民在至少 38 个司法辖区批准限制数据中心,民主党拿下国会两院后获得针对 AI 行业的授权。作者提出国会应避免重蹈社媒监管的三个错误,包括缺乏统一目标、没有备选方案和各自为战,并建议针对具体伤害提出法案而非笼统监管。