Amazon 设备主管 Panos Panay 谈 AI 设备取代 App 的未来
Amazon 设备、Alexa 与 Leo 高级副总裁 Panos Panay 在 TechCrunch Disrupt 上表示,个人计算的未来是环境计算而非 App,设备将通过传感器和 AI 在后台主动理解需求,而不是由用户逐条下达指令。
Amazon 设备、Alexa 与 Leo 高级副总裁 Panos Panay 在 TechCrunch Disrupt 上表示,个人计算的未来是环境计算而非 App,设备将通过传感器和 AI 在后台主动理解需求,而不是由用户逐条下达指令。
The Verge刊文讨论Meta的AI个人助理Muse引发的隐私争议:该应用上月发布后下载量达数百万并登上Apple App Store榜首,鼓励用户授权银行账户、密码、联系人、聊天记录等敏感数据。
AWS 发布 Trust in Depth 框架,把智能体信任拆成 Scope(运行前界定范围)、Know(部署时确认身份)、Bound(运行中强制边界)、Observe(运行后复盘)四层,用可验证的分层控制替代人工逐条审批。
The Verge 播客 Decoder 主持人 Nilay Patel 采访音乐人、YouTuber、研究者兼调查记者 Benn Jordan,讨论 Flock Safety 的自动车牌识别(ALPR)系统引发的隐私争议与两党反弹。
Cerebras Systems CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上反驳 AI 末日论,认为 AI 领袖不应在公开场合渲染 AI 危险,而应多讲 AI 带来的潜力,比如让孙辈不再有人死于癌症。
Cerebras CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上表示,人人都将拥有家庭 AI 助手的未来并不遥远,这类个人 AI 助手将本地运行、部分任务在设备端完成、部分回传云端,并会深度了解用户、设有安全边界且可访问信用卡代为购物。
一封由 406 名科学家联署的公开信要求加强 AI 安全研究,并通过气隙隔离(airgapping)将 AI 模型与外部网络完全切断,签署者包括 Geoffrey Hinton、Yoshua Bengio、Stuart Russell、Yejin Choi 和 Bernhard Schölkopf。
The Verge 评测了 $349 的 Ray-Ban Meta Audio 无摄像头智能眼镜,给出 7 分。作者认为去掉摄像头让人佩戴时不再有被旁人视为偷拍的不适感,隐私披露也更突出,且 43-47g 机身轻便、续航可达两个工作日、支持 -12 到 +6 的处方范围。
机器学习先驱、UC Berkeley 荣休教授 Michael I. Jordan 在接受 Libération 采访中批评 AI 末日论是不服务于其宣称目标的宏大道德表演。
文章梳理了围绕开放模型的争论:Anthropic 报告称 Z.ai 于 8 月发布的 GLM-5.3 可被自由下载修改、构成重大网络攻击风险,而 Jensen Huang 主张美国多开发开放模型,Dario Amodei 则持谨慎态度。
Microsoft 总裁 Brad Smith 在 BBC 播客中呼吁尽快为 AI 制定全球安全规则,认为 AI 既是武器也是工具,并称英国而非美国或欧盟最适合主导这一规则制定。
Anthropic 的 Andrej Karpathy 把 LLM 用户分为四层:约 60 亿人几乎没接触过 LLM,10 到 20 亿人把免费版 ChatGPT 当作更好的 Google 搜索或写作辅助。
PolyAI CTO Shawn Wen 认为语音 AI 尚未迎来自己的"ChatGPT moment",全双工模型已是里程碑,下一步挑战是让推理足够快、对话更自然。Otter CMO Alex Gay 指出说话人识别、意图捕捉与组织知识结合是自动化的关键,且 ASR 转写精度不足会让下游动作出错、失去用户信任。两家高管均强调工具需向用户明确告知正在录音或与 AI 对话。
The Decoder 撰文分析 Microsoft CEO Satya Nadella 最新博客:他改用 Trump 偏好的 Super Intelligence 一词取代 Artificial Intelligence,并主张企业应把 AI 模型当作内部安全威胁来对待,呼吁模型多样性、完整日志、独立审计和随时关停能力。
Microsoft CEO Satya Nadella 在 X 上发文,呼吁为 AI 装上紧急刹车,主张不再把 AI 当作只能接受或拒绝建议的嵌套黑箱,而应构建可容纳、可观测并留下防篡改人类可读证据的透明系统。
微软 CEO Satya Nadella 在 X 上发文,呼吁重新评估 AI 的信任架构,主张把模型与其编排工作的 harness 分离、将控制与安全措施外部化,并要求每个重要的模型动作都留下防篡改且人类可读的证据,同时保证授权人员随时能在任务中途暂停或关闭模型。
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在一场对谈中指出,AlphaFold 的突破只是起点,蛋白质折叠远未解决,仅靠扩大算力和数据规模不足以解决生物学问题。
TechCrunch 采访了 a16z 合伙人 Olivia Moore,围绕她发布的消费 AI 应用 Top 100 报告讨论该领域经济模式。Moore 认为 OpenAI 转向企业市场更像扩张而非转向,几乎所有 AI 收入仍来自订阅和 token 用量;她更希望消费端以广告等非自掏腰包方式变现,而非单纯提高付费用户比例。
特朗普签署行政命令要求尽可能避免使用 AI 一词,改称 super intelligence,并宣布仍使用 Artificial Intelligence 者为敌人。
Matthew Green 在 Twitter 上提出,AI 有 1% 的概率让我们处于 Minicrypt(公钥加密不可能的世界),15% 的概率让我们实质上失去对现有公钥加密算法的信心。
文章指出,AI 拒绝机制已成为行业安全的承重墙,但其原理尚未被真正理解,且漏洞难以穷尽。文中提到,Anthropic 曾表示某类分类器使其聊天机器人算力成本增加 24%,而越狱攻击不断出现,例如 Fable 5 发布后 Amazon 研究人员不到三天就解锁了其部分黑客能力。作者认为,随着拒绝机制收紧,它既可能失效酿成灾难,也可能被各国政府用于审查合法言论。
Carson Gross 认为,计算机编程的本质是用计算机解决问题并学会控制复杂度,即便 AI 工具出现,掌握这两项能力的价值也不会降低,编程仍将是可行的职业。这段引言由 Simon Willison 于 10 月 8 日发布。
OpenAI 本周发布了数百个数学难题的证明,但普林斯顿高等研究院托管的 AGMAI 数学与人工智能顾问组指出其未完全遵循建议:719 篇稿件中仅 10 篇公开了模型的思维链,42% 的证明未经形式化处理,也未提供关联自然语言与形式化产物的机器可读元数据。
Ben Affleck 在 GQ "One More Question" 等多个采访视频中熟练讲解 neural networks、transformers、tensors、GPUs、inference 等 AI 概念,引发网络热议。
部分数学家在Terence Tao牵头的声明中呼吁抵制OpenAI,称其一次性发布700多份AI证明文件是力量展示而非学术贡献,并质疑训练数据来源。Tao提出Math 2.0时代应停止以解题为主要进步衡量标准,转而重视解释与社区建设;Scott Aaronson则对比了OpenAI批量发布与Anthropic合作研究者两种模式的利弊。
Latent Space 播客邀请 Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk,阐述其以物理实验为强化学习环境、追求合成超智能的路线。
The Verge 播客 Decoder 中,主持人 Nilay Patel 与资深 AI 记者 Hayden Field 对谈 Meta 的 Muse、OpenAI 的 Dots 以及 xAI 的 Grok Bot 等消费级 AI 智能体。
AVEVA 首席技术官 Arti Garg 在 MIT Technology Review 的 Business Lab 播客中探讨了工业 AI 如何在保障安全的前提下走向自主化。
Ben Affleck 讲述自己从年轻时就喜欢计算机,电影从胶片转向数字化后更关注技术层面,并提到视觉特效工作流多年使用机器学习。他称自己能写一些不太好的 Python 脚本,解释卷积神经网络作为 Transformer 的前身,通过分析张量(图像的数值表示,含批次号、帧号、像素 RGB 值)做边缘检测和特征提取,从而识别窗台等图案,便于抠掉绿幕并替换背景。
Michael Lynch 总结了软件博客的常见反模式:冗长跑题的开场、误判读者已有知识、默认读者读过前文、行文过度正式,以及用堆链接代替解释术语。Simon Willison 认同"文章即使读者不点任何链接也应能读懂"这条经验,并指出在开发者普遍把写作交给 AI 的当下,软件博客正变得平淡同质,读者渴望有个性的表达。
Tony Fadell 在首届 MIT Future Fest 上指出 Rabbit R1、Humane AI pin、Limitless pendant 等第一代 AI 设备失败是因为没有解决真实需求,只是给极客看的有趣技术。
Jake Boggan 在 Hacker News 上评论称,他钻研 24 年的 Barnette 猜想据称已被证明(problem 180),令他感慨万千。他曾在布达佩斯研究图论,为该问题投入数千小时,去年夏天一度以为自己解开了它。
EmbeddingGemma 2 采用 Apache 2.0 许可证发布,作者认为嵌入向量模型不应使用闭源、仅托管的专有模型,因为厂商停用模型后需重新计算已存储的数百万向量。开放权重让作者可以付费使用托管服务,同时保留厂商停服后自行运行或换供应商的退路。
微软在其企业博客 The Humanist Review of AI 上发布了诺贝尔经济学奖得主 Daron Acemoglu 对 AI 的悲观预测:十年内 AI 将使 GDP 提升约 1.5%,最多取代 5% 的岗位,远低于部分 AI 实验室的预测。
Microsoft Research Podcast 采访了 Microsoft 合作研究经理、Purdue 计算机科学与统计学 Samuel D. Conte 讲席教授 Jennifer Neville,探讨评测如何推动 AI 系统性能边界,以及模型在传统 benchmark 之外测试时出现的"意外失败"。
Simon Willison 让 Claude Opus 5.5 为电脑游戏作曲,要求其设计简单的文本音乐格式并构建可播放的 artifact,附带示例曲目,结果出乎意料地好,风格偏向 Monkey Island 主题。他猜测文本模型作曲能力可能像 3D 图形一样是近几个月新出现的能力,但需对其他新旧模型做实验才能确认。
OpenAI CEO Sam Altman 在 Politico 新播客 Decoded 中表示,AI 带来的收益之大,以至于世界应接受一些坏事发生,包括黑客攻击、诈骗等代价,因为人们会用 AI 做出数量级更多的好事。
参议员 Adam Schiff 在 Decoder 播客中批评 Trump 政府召集 AI CEO 签署非约束性 AI 安全承诺的做法,认为科技公司私下公开呼吁监管、当面却只说总统想听的话。Schiff 支持设立专门机构监管 AI,并指出最高法院推翻 Chevron 先例后,新监管可能立即陷入诉讼;他还提到 Anthropic 因拒绝将 AI 用于国内大规模监控和全自主武器而遭政府打压。
Benjamin Riley 在 The Verge 撰文提出,把大脑视为计算机的计算模型是扭曲的,蒙特利尔大学神经科学家 Paul Cisek 主张大脑更应被理解为反馈控制系统,能更好地对应神经科学结构。
TechCrunch Equity 播客主持人讨论特朗普本周召集 AI 高管签署《前沿责任联合承诺》并以行政令将 artificial intelligence 改称 super intelligence。