人工智能资讯 第34页
聚合当前分类下的最新内容，按时间顺序查看第 34 页精选文章。
AI 没一刀切掉初级岗位，但公司分层已经开始
Ramp 与 Revelio Labs 基于近 2.2 万家公司数据称，高强度 AI 采用者员工数增长 10.2%，初级岗位增长 12%。这不能证明 AI 创造就业，只能说明“AI 必然消灭年轻岗位”的说法太粗。更关键的变化是：会把 AI 嵌进业务的公司在扩张，只会买订阅和做试点的公司还在原地打转。
Base44自研Base1：vibe coding不只拼体验，开始拼成本账本
Wix旗下vibe coding平台Base44开始推出自研模型Base1，目标是用平台上的真实用户交互数据，改善延迟、推理成本和应用生成效果。它不等于Base44已经追上Claude、OpenAI或xAI，但说明AI应用公司只做模型调用层，长期议价权会很薄。接下来最该看三件事：Base1的实际效果、单位推理成本下降幅度，以及用户是否愿意为更便宜但可能不总是最强的模型买单。
美团开源 LongCat-2.0：1.6T MoE 之外，AI ASIC 集群才是关键看点
美团 LongCat 团队开源 LongCat-2.0：1.6T 总参数、约 48B 每 token 激活参数，已提供 GitHub、HuggingFace、在线试用和 API Access。我的判断是，模型能力当然要看，但这次更硬的看点是：官方公开展示了用 AI ASIC 超级集群完成大规模训练和部署。它还不能被写成“替代英伟达”，但会让基础模型团队和技术采购方重新评估非 NVIDIA 路线。
OutYet.ai 做了一个 AI 模型“等发布”面板，价值不在爆料而在验真
OutYet.ai 上线等待面板，追踪 OpenAI、Anthropic、Google DeepMind、Meta 等机构的主流 AI 模型是否已开放公共访问。它的真正价值不是预测发布时间，而是用官方接口、仓库或消费端入口的两次验证，替代传闻和新闻标题带来的不确定性。
AI分出了“两种水”，但水之谜还没结案
《Nature Physics》新研究用无监督深度学习分析约7400万个局部水分子构型，在分子动力学模拟中分出两类液态水局部结构。它支持水的两态模型，但不是直接实验看见“两种水”，也不能等同于证明液-液相变。真正的分水岭在两件事：把AI找到的隐藏特征翻译成物理语言，并让实验验证跟上。
韩国押上1万亿美元做AI：真正要抢的是内存、电、水和机器人
韩国政府联手三星、SK海力士、现代、Naver等企业，承诺约1万亿美元AI投资，重点放在存储芯片、AI数据中心和人形机器人。它不是单纯撒钱刺激产业，而是把AI时代最硬的资源重新打包成国家工程。方向押得准，但成本会先压到电网、水资源、采购价格和工人谈判桌上。
8090 Labs 融资 1.35 亿美元：AI 写代码开始过企业审计关
Chamath Palihapitiya 创办的 8090 Labs 完成 1.35 亿美元 A 轮融资，Salesforce Ventures 领投，他本人也从董事转为 CEO 全职运营。 这件事的看点不只是 AI coding 继续吸金，而是企业开始把问题从“能不能写代码”推到“能不能审计、控制、交付、追责”。 对 CIO、采购和开发负责人来说，接下来别急着看 demo，要看这类工具能不能进真实流程。
Gemini 个性化生图免费给美国用户：Google 真正推的是账户语境
Google 将 Gemini 基于 Nano Banana 的个性化 AI 生图开放给美国符合条件的免费用户，原本只面向 Plus、Pro、Ultra 订阅用户。关键不在“免费”，而在 Gemini 可以在用户授权后调用 Gmail、Google Photos、YouTube、Search 等账户语境。普通用户得到的是少写提示词，真正要掂量的是哪些私人数据值得交给默认体验。
Tidal 不禁 AI 音乐，但 100% AI 曲目先拿不到版税
Tidal 的新规不是全面下架 AI 音乐，而是把“上架、标识、分账”拆开处理。识别为 100% AI 生成的曲目，从政策发布当天起不再可变现；7 月 15 日起会加图标标签。真正要看的是：平台怎么识别、发行方怎么标注、被误判的创作者怎么申诉。
Tidal拒给纯AI音乐分版税：不是下架，是切断变现
Tidal新规针对“完全由AI生成”的音乐：不支付版税，也不允许通过direct-to-fan销售变现。它没有全面下架AI音乐，而是选择识别、标注并收紧内容完整性标准。真正的难题不在态度，而在平台怎么证明一首歌是纯AI生成。
Ornith-1.0 开源：Coding Agent 的分水岭，不是参数量
DeepReinforce 在 GitHub 发布 Ornith-1.0，覆盖 9B Dense、35B MoE、397B MoE，MIT 许可，支持 256K 上下文、工具调用和 OpenAI-compatible API。它的看点不是“开源又刷榜”，而是把 coding agent 的竞争推向任务闭环：搜索、调用工具、执行、修复、验证。对开发者和企业来说，真正要算的是部署成本、agent harness 和可复现成功率，不是只看 397B 这个数字。
AI 写完前 80%，工程能力被挤到了更贵的最后 20%
Jonathan Beard 在《The 80% Problem》中提醒：AI 编程很擅长生成 demo、脚手架和 happy path，但生产级系统最费钱的部分仍在后面。真正受影响的不是“会不会写代码”，而是团队有没有人能处理幂等、限流、迁移锁、部分故障和凌晨 3 点的线上诊断。接下来要看的变量，是团队有没有重新设计代码审查、on-call、故障训练和新人学徒制，而不是只统计 AI 省了多少工时。
DiScoFormer：真正要挑战的不是 KDE，而是“每个分布重训一次”
Ai2 发布 DiScoFormer，用一个 Transformer 在单次前向传播里同时估计 density 和 score。它在 100 维评测中相较手调 KDE 明显占优，但更关键的是尝试把“每个分布重训一个估计器”改成“一个预训练估计器跨分布复用”。目前证据主要来自技术报告和合成/受控评测，KDE 在小数据和速度上还没到退场的时候。
Claude 半价进加州：Anthropic 没拿下五角大楼，先去州政府证明安全叙事
加州州长纽森与 Anthropic 达成协议，州级机构和地方政府可半价使用 Claude，并获得培训与支持。协议不是全面部署，只是打开访问入口；用途集中在起草文件、分析信息和提升公共服务效率。真正的看点是，Anthropic 在联邦合同边界受阻后，转向加州证明：带安全限制的 AI，也能进入政府流程。
Arena 年化收入冲到 1 亿美元：AI 排行榜最值钱的不是排名
Arena 商业化服务上线 8 个月后，年化 run-rate revenue 达到 1 亿美元；但它按用量收费，不能直接当成传统可续约 ARR。更关键的变化是：AI 竞争正在把评测、偏好数据和后训练服务推成基础设施生意。模型能力越接近，掌握评测入口和反馈循环的人，议价权越高。
Qwen 3.6 27B：本地大模型摸到日用门槛，但门票很贵
一位开发者实测认为，Qwen 3.6 27B 是当前本地开发的甜点模型：速度不如 35B A3B MoE，但代码、写作和通用任务更稳。它还不是普通电脑上的本地 ChatGPT，更像给本地 LLM 开发者、AI coding 用户和隐私敏感团队的一次现实提醒：质量开始够用，硬件账还很硬。我的判断是，本地模型真正的分水岭不是能跑，而是跑完以后你愿不愿意继续用。
Cursor 上手机：AI 编程开始变成远程管工
Cursor 推出 iOS 应用，开发者可以在手机上启动、提示和监督 coding agent，也能接续桌面端已运行的代理任务。 重点不是在手机上写大型代码库，而是 AI 编程工具正在把开发者推向任务分配、验收和纠偏。 对个人开发者和工程团队来说，真正要看的不是新鲜感，而是 agent 的可控性、审查成本和工作边界。
TIDAL 2026 年起切断全 AI 音乐收益：平台治理不再只靠贴标签
TIDAL 将从 2026 年 7 月 15 日起标注完全由 AI 生成的音乐，并取消其变现、版税和 direct-to-fan 销售资格。 这不是全面封杀 AI 工具，受影响最大的是全 AI 批量上传、冒充艺人和靠平台分账套利的内容。 关键变化在于，流媒体平台开始动收益规则；比起贴标签，断开收入链更可能改变上传者行为。
Ornith-1.0 开放权重：本地代码代理用户可以试，但别急着押注
DeepReinforce 发布首个开放权重模型 Ornith-1.0，MIT 许可，面向 agentic coding，覆盖 9B、31B、35B MoE、397B MoE 等版本。 它对本地代码代理用户的价值，不在一句“同规模领先”，而在许可链条、本地运行和多工具调用是否够用。 目前能看到的是一个不错的试用信号，不是稳定替代现有代码代理的结论。
AI竞赛换了分水岭：模型之外，闭环和万卡工程开始定胜负
Import AI 463 把几个前沿信号放在一起：NVIDIA 用 ENPIRE 测试真实机器人自我改进，腾讯披露万卡训练诊断系统 ARGUS。更硬的竞争点正在浮出水面：物理试错闭环、训练工程、系统可见性，以及人类还留不留在决策链里。对 AI 团队来说，接下来不能只看模型榜单，还要看谁能把系统跑稳、看清、持续改。
一天 AI 账单超过整月服务器：LLM 重试风暴真正烧掉了什么
一次 SaaS 事故里，同一租户的一批重型 LLM 批处理被重复执行 21 次，单日 AI 费用约占当月 LLM 账单一半，并高于整月服务器成本。问题不在用户多用了 AI，而在 LLM 调用已经成功计费，数据库写入却失败，队列又把整批任务重跑。对 LLM 后端团队来说，接下来最该盯的是重试边界、幂等记录和按任务拆分的成本告警。