跳到正文
目前篩選:觀點
11月21日週六
  1. DEV Community39

    人形機械人的低延遲,代價在訓練階段支付

    預印本《Beyond Retargeting》提出一種人形機械人控制策略,將原始人體動作直接映射為機械人關節指令,省去即時動作重定向。該策略在 Unitree G1 模擬環境及硬件上測試,作者報告其延遲和穩健性均優於比較基線。省下的即時轉換工作轉移至訓練階段,控制效果取決於動作數據對不同體型、速度及感測條件的涵蓋。

  2. 新浪科技51

    機械人低質數據泛濫:低質數據如何產生

    機械人訓練數據低質的成因包括觀測未涵蓋動作決策依據、EGO 數據重複或與需求不匹配,以及仿真對流體和柔性體的精度不足。文中引用的積木拾取對照顯示,以操作員與機械人同視角觀察的數據訓練模型,手臂操作準確率由約 50% 提高至 100%。姚卯青表示,市場上有企業購入 100 萬小時數據後,最終只有 10% 至 20% 可用。

  3. 新浪科技65

    姚順雨率混元團隊在 Reddit 舉行 120 分鐘 AMA,回答開發者提問

    姚順雨與混元團隊在 Reddit 舉行 120 分鐘 AMA,回答全球開發者有關混元模型、訓練、架構、安全及開源部署等問題。團隊表示,下一代 Hy 模型規模將大幅擴大,並持續投入大規模強化學習;Hy4-mini 已列入路線圖,Hy4 的 token 效率問題亦在優化。團隊亦談到 MoE 稀疏度、數據品質須以實驗檢驗、創意寫作與可讀性改進,以及繼續開源和推進 llama.cpp 適配。

11月20日週五
  1. elsewhere:文章59

    AI4S之後,AI瞄準製造業

    5Y Research分析AI如何進入前沿工程與製造業,並探討以AI串聯設計、模擬、試製和測試的研發路徑。文中舉例,PhysicsX以AI模型加快心臟輔助泵方案搜尋,約10小時找到新結構;按PhysicsX綜合多項指標的口徑,較基準方案改善約42%。文章指出,工程數據分散、驗收依賴客戶實際場景,方案仍須經模擬、實物測試和工程師驗證。

  2. 虎嗅60

    AI4S之後,AI瞄準製造業

    AI正由前沿科學延伸至前沿工程,進入設計、模擬、試製與製造閉環,協助突破引擎、散熱及微型開關等性能瓶頸。PhysicsX 的心臟輔助泵項目按公司綜合指標口徑改善約42%,支架模擬方案減重18.5%;Atomic Machines則以 Matter Compiler 協調多種微製造工序,開發 PrimeSwitch。

  3. 新浪科技61

    從「雙頭蝦」到一萬張鳥類貼紙,AI 泔水正污染知識

    文章指出,逼真的 AI 科普內容若有細節錯誤,可能在傳播和後續訓練中放大知識污染風險。案例之一是涵蓋全球11064種鳥類、免費開源並允許商用的貼紙;開發者投入超過10億Token生成和審核,貼紙仍可能畫錯辨種特徵。文中引述的出版原則要求 AI 輔助內容標識可識別、內容可核驗、責任可追溯;物種形態等準確性至關重要的圖示,須由專家審查。

  4. 創業邦59

    馬斯克在深圳力挺黃仁勳,稱英偉達失去他是重大打擊

    馬斯克在深圳訪華期間遠程參加 TomorrowX 峯會對談,稱黃仁勳如巔峯時期的 Michael Jordan,並指英偉達失去他的掌舵是重大打擊。對談亦談及 SpaceX、xAI、Tesla 等公司的進展;馬斯克稱 xAI 正以 C/C++ 從頭重寫訓練、強化學習及推理軟件堆疊,Grok 4.8 以解決實際問題為目標,而非提高基準測試成績。

  5. Unite.AI34

    Holyvolt 創辦人兼 CEO Mathias Ingvarsson 訪談

    Holyvolt 創辦人兼 CEO Mathias Ingvarsson 討論公司如何結合機器學習與實驗,推進電池材料開發及由預測走向驗證和規模化生產。Holyvolt 收購 Wildcat Discovery Technologies,並利用其涵蓋超過 500,000 個電池、歷時 18 年及 165 million 次循環的實驗數據建立 AI 電池研發平台。

11月19日週四
  1. 虎嗅61

    中國缺不缺算力?騰訊財報反駁項立剛觀點

    虎嗅文章根據騰訊第三季財報反駁項立剛「中國不缺算力」等説法,認為算力總量與可供前沿模型訓練的高效能算力不能混為一談。騰訊第三季資本開支為814.33億元,同比增527%;「預付款、押金及其他資產」由年初245.40億元增至1629.01億元,文章將其解讀為提前向供應鏈鎖定產能。文章亦指出,推理需求受顯存容量和頻寬影響,算力供應受限亦可能令混元下一個版本延後推出。

  2. Rest of World57

    AI 沒有取代你的工作,而是把它變成低薪零工

    作者指出,AI 公司及外判平台正把醫生、律師和博士等專業人士納入數據生成、標註和模型評分等零工,工作安排及報酬由平台掌控。Outlier 為美國醫生提供最高每小時 $180 的工作,同類工作在菲律賓以他加祿語處理,最高每小時 $7.50。作者以委內瑞拉工人家庭的經歷及肯尼亞等地的平台關閉案例,説明任務消失或報酬下調會影響工人收入,並將這種價值由工人所在地轉移的模式稱為 extractivism。

  3. 新浪科技57

    Jeff Clune:通往 AGI 最快的路,是讓 AI 造出更好的 AI

    Jeff Clune 在 CoRL 2026 演講中表示,通往 AGI 最快的路是讓 AI 造出更好的 AI,並以 QD、開放式算法和 AI 生成算法推動創新。他提出三根支柱,包括可自我進化的架構、學習算法和自動生成的訓練環境,並把演講重點放在後者。演講亦介紹 AI 科學家可生成研究想法、設計和執行實驗、分析結果及撰寫論文,部分稿件通過同行評審。

  4. 創業邦76

    Anthropic IPO估值為何回落至1萬億至1.4萬億美元

    Anthropic在11月公佈IPO發行價格區間,完全攤薄估值為1萬億至1.4萬億美元,低於此前機構提出的2萬億美元估值。文章分析,估值回落不只與三季度增長放緩有關,也涉及算力開支上升、長期算力採購承諾及相關融資可持續性的疑慮。雖然Anthropic 10月ARR由9月的710億美元升至約810億美元,文章指出,收入增長仍須跟上算力擴張和償債節奏。

    推薦理由:文章將 Anthropic 估值回落放在收入增長、算力成本與融資承諾的連動中分析,呈現 AI 商業化擴張如何把增長預期傳導至資本支出與融資風險。

  5. 虎嗅59

    三星與SK海力士計劃升級中國工廠,長江存儲改變了甚麼?

    三星計劃將西安部分產線升級至286層V9 NAND,SK海力士擬在大連生產240層及以上NAND,但美國設備許可範圍仍不明;長江存儲則以2026年第二季度38.5%的份額領先中國NAND市場。同期三星和SK海力士的份額分別為33.5%和17%;文章指出,NAND競爭重點在每比特成本,而非單看堆疊層數。AI相關數據推高高容量SSD需求,但需求週期、產品耐久性和跨境許可仍影響市場及工廠升級。

11月18日週三
  1. 雷鋒網54

    紐媧機械人創辦人楊睿剛:自動駕駛踩過的數據坑,機械人還會再踩一遍

    紐媧科技創辦人楊睿剛表示,自動駕駛的真實數據難以覆蓋所有長尾情況,機械人也會遇到相似問題,因此公司重視仿真、數據生成與數據增強。紐媧選擇社區末端配送,先處理定位、導航和避障,再逐步拓展至門禁、電梯及包裹交付等物理交互任務。WorldWeaver 組織真實場景數據、三維資產和生成數據,SimWeaver 提供物理仿真,相關體系用於 WTM 訓練和評測。

  2. DEV Community71

    開放權重模型落後封閉前沿多久?Epoch 指數分析揭示差距變化

    作者以 Epoch AI 截至 2026 年 10 月 30 日的 ECI 數據追蹤開放權重與封閉前沿的差距,估算 2026 年至今平均落後 6.7 個月。中國實驗室自 2024 年 12 月起持續保持開放權重模型紀錄,而美國與歐洲的開放權重前沿落後更多。文章亦指出,Kimi K3 曾持有 93 天紀錄,但其非商業授權限制部分企業將模型用於生產部署。

11月17日週二
  1. 創業邦53

    AI4S熱潮升温,距離「ChatGPT時刻」還有多遠?

    AI4S正進入科研流程並吸引資本,但目前主要處於輔助和指導科研階段,距離AI獨立完成科學發現仍有差距。受訪者將發展分為輔助科研、指導科研和自主科研,並指出提出研究問題、設計方案、實驗驗證及取得高質素數據仍是主要難點。今年前10個月,國內AI4S賽道有超過80筆融資,已披露融資總額超過200億元;文章亦梳理醫藥、材料等行業的應用和商業化路徑。

  2. 虎嗅78

    中國不能把 AI 產業建成英偉達的海外客戶

    文章主張,中國 AI 產業不應把海外租用英偉達算力作為發展基礎,並應建立不依賴美國許可的算力體系。美國新規把第三國數據中心向中國等受管制地區提供遠程算力納入限制,符合條件且累計 TPP 超過 1200 萬的關聯集羣提供算力可能須申請許可證;新規亦要求重新審查既有相關算力服務,並設 90 日過渡安排。文章提出發展國產芯片及集羣軟件體系、以算法優化降低算力需求,並按任務把微調和推理盡可能轉向國產芯片。

    推薦理由:文章將降低海外算力依賴拆解為供給體系、算法效率與任務配置三個層面,呈現算力自主涉及芯片以外的集羣、軟件與模型能力。

11月16日週一
  1. Unite.AI40

    AI 的智能取決於背後的財務數據

    AI 在金融領域的判斷能力,取決於財務數據是否互通、及時且定義一致,而非單靠模型或應用。Xero 報告顯示,美國小型企業平均需等候 29.3 天收款,年度銷售增長 4.0%,低於長期平均。文章建議建立明確的數據合約、事件驅動數據流程及一致的財務指標定義,並以實際帳目核驗 AI 洞見。

  2. DEV Community36

    你的模型沒有問題,問題在數據:每個 AI 系統的隱性瓶頸

    AI 系統的數據品質決定輸出上限,換用更強模型無法修正有問題的數據,反而可能更有把握地重現錯誤。標籤是人的判斷,標註不一致會成為模型學習的雜訊,因此應制定清晰指引、衡量標註者之間的一致程度並處理分歧。若訓練和評估數據同樣有缺陷,評分可能看似理想,卻無法反映系統的真實表現。

  3. 虎嗅75

    華爾街:黃仁勳辭職或成中國的「夢幻劇本」

    黃仁勳離職可能令中國 AI 前沿在未來兩年更受掣肘,卻也可能為國產晶片及算力帶來更確定的需求。文章認為,美國若收緊晶片出口及海外租用英偉達算力的渠道,需求可能轉向國內;較低電價有利西部承接訓練和存儲,東部則保留推理及應用。文中亦指出,國產算力仍受單卡性能、產能和數據中心利用率限制。

  4. DEV Community58

    人形機械人為何難以回本:一小時機器工作的工程經濟學

    文章分析人形機械人難以回本的工程經濟原因,指出其經濟性取決於有效自主工作時間,以及覆蓋任務變異所需的成本。中國人形機械人2026年上半年出貨量約增至三倍,但估計只有約8%投入生產流程;每個常見任務類別的 VLA 示範資料收集,可能耗費數百萬美元及數月。文章建議按任務計算成本,並考慮以模擬訓練、經典控制流程及重新設計工序降低成本。

11月15日週日
  1. DEV Community67

    地方社區支持成為算力規劃中無法鎖定的依賴項

    文章指出,地方社區支持已納入數據中心融資評估,並透過資金成本和建設進度影響雲端算力供應。2026 年首季,美國至少 75 個、價值約 $130 billion 的項目遭阻止或延誤,反對團體增至 833 個,分佈於 49 個州。工程團隊可透過跨區備援、容量錯誤回退方案,以及可暫停和恢復的工作負載,降低對單一地點供應的依賴。

11月14日週六
  1. 虎嗅29

    黃仁勳辭職了,然後呢?

    黃仁勳辭職後,文章認為這不會加快國產算力和儲存技術成熟;訓練更大模型也會更困難,但推理晶片仍有望在2028年實現充足供應。文章預計明年的 AI 創新焦點將轉向物理 AI,包括機械人與世界模型,並指出機械人可為大模型提供真實場景數據。

  2. IT之家51

    前 Anthropic 研究員考克森:如今重新訓練 Mythos 只需最初訓練時的一小部分算力

    前 Anthropic 研究員考克森稱,隨演算法效率加速提升,如今重新訓練 Mythos 只需最初訓練時的一小部分算力。他認為,Anthropic IPO 路演中以壓縮坐標軸展示的算力需求曲線仍急劇上升,反映演算法效率正加速提升,Mythos 的性能突破並非偶然。考克森主張明年暫停前沿 AI 模型研發,讓競爭對手追上,並認為此舉可使達到人類水平的智能成為廣泛可獲取的商品。

  3. Dwarkesh Patel:Podcast & Blog63

    Dwarkesh Patel 預測 AI 研究員或於 2028 年達到頂尖人類水平

    Dwarkesh Patel 認為,數學等可驗證領域的進展預示 AI 研究可望自動化;假設實驗室不刻意減慢,他估計自動化研究員達到頂尖人類 AI 研究員水平的中位年份為 2028 年。他指出,預訓練、後訓練和推理效率都可透過可驗證指標優化;但持續學習等難題可能拖慢進程,他估計自動化頂尖研究員延至 2032 年後的機會為 25%。