a16z 第七版《Top 100 Consumer AI Apps》新增美國消費者支出排名
a16z 第七版《Top 100 Consumer AI Apps》按網頁訪問量及手機月活躍用戶排名,並首次加入美國消費者支出排名。YipitData 美國電子收據樣本顯示,2026 年 8 月有 4.5% 合資格消費者持有 ChatGPT、Gemini 或 Claude 至少一項個人付費訂閲;前 1% 付費者佔觀察到的消費級 AI 支出 19.5%。
a16z 第七版《Top 100 Consumer AI Apps》按網頁訪問量及手機月活躍用戶排名,並首次加入美國消費者支出排名。YipitData 美國電子收據樣本顯示,2026 年 8 月有 4.5% 合資格消費者持有 ChatGPT、Gemini 或 Claude 至少一項個人付費訂閲;前 1% 付費者佔觀察到的消費級 AI 支出 19.5%。
全球經濟的電氣化轉型比最終能源數據所呈現的更深入:電力已支撐全球 GDP 的 46%,但只佔最終能源使用量的 23%。電力效率較高,每焦耳電力可完成約 2.5 倍於每焦耳石油的有用功;電動車效率為 85-90%,汽油車則約 25%。
DeepMind 研究者提出 Artificial Symbiotic Intelligence,主張把 AI 發展視為人與多個智能體共同演化的社會系統,而非單一超級智能走向奇點。他們將智能體描述為由模型、角色、記憶、倫理取向、工具與技能組成、可拆解重組的臨時組合,並認為協作需要制度、介面與治理框架。對齊也不應只是自上而下灌輸固定價值,而是在不同領域的人、智能體與制度持續互動中形成。
Thore Graepel 認為,當前 LLM 的鏈式推理仍由反覆預測下一個 token 產生,並非獨立的推理機制。AlphaGo 結合神經網絡提供的直覺與棋局樹搜尋;作者指出,聊天機械人缺少可持續檢視的信念狀態,思維鏈也可能在得出答案後才編造。Graepel 主張系統維護明確的認知狀態,僅在證據支持時更新信念,並評估每一步能否降低不確定性。
Gergely Orosz 訪問 Cockroach Labs 聯合創辦人兼 CTO Peter Mattis,討論分佈式數據庫、存儲系統設計及 AI 對軟件工程工作的影響。
Import AI 第 474 期聚焦柏拉圖式心智假説、Google 籌備將 TPU 送入太空及智譜以 GLM-5.3 加速自身推理基建。機械人研究者指出,領域仍欠缺可擴展的通用後訓練配方;他們介紹的 EXPO(-FT) 仍在早期發展,未廣泛使用。
Google 在 2023 年宣佈 RT-2,將多模態大語言模型訓練成可直接生成機械人動作的 VLA 模型,帶動以此架構為基礎的機械人研究熱潮。文章梳理 Physical Intelligence 等團隊以動作分段、強化學習、記憶和視覺推理改善機械人操作與複雜任務能力,並探討 VLA 與世界模型的關係。
Gergely Orosz 訪問 Addy Osmani,回顧他從 Chrome DevTools、Core Web Vitals 到 AI 開發者體驗的工作歷程。
Import AI 465 整理英國 AI Security Institute 的分析,指出開放權重模型在網絡安全能力上與閉源前沿模型的差距,由 2025 年多數時間的 6–10 個月縮至 4–7 個月。
Arvind Narayanan 與 Akash Kapur 認為,模型推理競爭可能把價格壓向 token 生產的邊際成本,AI 實驗室更可能透過向堆疊上層遷移來實現持續盈利。
Ethan Mollick 主張應有意識地選擇哪些認知工作交由 AI 處理,而非預設讓 AI 代做,避免削弱學習與思考所需的投入。土耳其高中數學實驗中,使用 ChatGPT 的學生作業表現較好,但測驗成績低於未使用 AI 的同學;台北高中五個月 Python 課程中,使用 AI 導師個人化題目序列的學生,在無 AI 協助的期末考高出 0.15 個標準差。
Google 宣稱一組 AI 智能體花費 $916.92 建成作業系統,但作者認為公開資料不足以獨立核實。這次執行共使用 2.6B tokens;Google 所稱的單一提示詞長達數千行,但提示詞、程式碼及執行紀錄均未公開,人工介入與重試情況亦未交代。作者將此類長時程任務視為開放世界評測,認為其可補充基準評測,但需要新的方法規範。
作者以四組相同提示詞測試 ChatGPT(GPT-4o)、Midjourney、Nano Banana Pro、Adobe Firefly 和 Manus,比較五款 AI 圖像生成器的表現。
Google DeepMind 回顧 AlphaFold 自 2020 年以來的科研影響,稱 AlphaFold 2 解決了蛋白質結構預測問題。AlphaFold Protein Database 已被超過 3 million 名研究者在 190 多個國家使用,逾 30% 的 AlphaFold 相關研究聚焦於疾病理解。
Arvind Narayanan、Benedikt Ströbl 和 Sayash Kapoor 認為,現有證據不足以判定 AI 進展放緩或模型擴展已經終結,並指出業界人士的預測會受商業利益與技術視角影響。他們認為,推理時計算擴展短期仍有不少改進空間,但能力提升可能因任務領域而不均,且難以預測。文章指出,AI 對社會和經濟的實際影響更受產品開發及採用速度制約,而非單由能力進展決定。