跳到正文
10月5日週一
  1. The Verge · AI54

    美國參議員 Adam Schiff 談 AI 監管、言論自由及再次彈劾特朗普

    美國參議員 Adam Schiff 在訪談中討論 AI 監管、言論自由及特朗普再次遭彈劾的可能性。他認為白宮與 AI 公司簽署的自願承諾缺乏實質約束,並主張設立具專業知識和實權的 AI 監管機構。訪談亦涉及訓練資料版權、AI 公司的法律責任與私隱風險;Schiff 表示,若民主黨重掌國會,將加強監督並推動相關立法。

  2. IT之家53

    孫正義罕有發出 AI 安全警告,呼籲各國合作應對威脅

    軟銀集團創辦人孫正義警告,AI 能力指數級增長帶來安全風險,呼籲各國建立互信並聯手應對。他指出,超級智能若落入不法分子手中,後果將極其危險;他又預計,此類程序自明年起進入「第三階段」,讓機械人及其他智能硬件與物理世界深度互動。孫正義預測,到 2040 年,AI 及具備自主學習能力的機器將佔全球 GDP 至少 20%,相當於 46 萬億美元。

  3. IT之家51

    OpenAI 首席執行官 Sam Altman:人工智能的巨大效益值得社會承受部分風險

    OpenAI 首席執行官 Sam Altman 認為,人工智能帶來的巨大效益值得社會承受部分風險,並主張技術繼續向公眾廣泛開放。報道指出,OpenAI 近幾個月來轉而支持更嚴厲的行業規則,與 Anthropic 在政策層面的分歧正逐漸收窄,但 Altman 仍試圖區分雙方的監管主張。Altman 亦表示,他不能接受真正具毀滅性的災難風險,包括人類嚴重失去對 AI 的控制。

10月4日週日
  1. The Verge · AI38

    Splice CEO Kakul Srivastava 認為 AI 電郵正在扼殺對話

    Splice CEO Kakul Srivastava 認為,AI 撰寫的文件會令同事間的對話變得不同且更差;當人們無法判斷文字背後是否有人,這種改變便難以逆轉。她表示,Splice 採取遠端優先模式,許多好成果都始於有人仔細思考、寫下文件,再由團隊討論。

10月3日週六
  1. IT之家65

    亞馬遜雲科技 CEO 馬特·加爾曼警告,美國叫停數據中心建設或影響數代人

    亞馬遜雲科技 CEO 馬特·加爾曼警告,若美國大範圍叫停數據中心建設,可能在全球 AI 競爭中失去優勢,影響甚至延續數代人。他表示,全美正在討論的暫停建設措施超過 100 項,並宣佈亞馬遜未來五年將向營運數據中心的社區投資超過 10 億美元。Data Center Watch 數據顯示,2026 年上半年美國至少 120 個數據中心項目因當地反對而延期或受阻,估值合計約 1,980 億美元。

  2. Microsoft AI:官方博客33

    AI 究竟是甚麼?

    Microsoft AI 行政總裁 Mustafa Suleyman 提出以「新的數碼物種」比喻人工智能,作為理解 AI 未來發展的新視角。他指出,即使最接近 AI 開發的人,也難以準確描述 AI 將走向何方;演講後另有 TED 主席 Chris Anderson 參與問答。

  3. IEEE Spectrum43

    Smart Car Researcher Wants to Eliminate Stoplights

    波士頓大學教授 Christos Cassandras 研究以數學模型和智能算法驗證自動駕駛車輛的安全性,期望有朝一日消除交通燈。相關模型以車輛的相對速度、質量和距離為輸入;他亦因自動駕駛車輛及相關系統研究,獲頒今年 IEEE Intelligent Transportation Systems Society Outstanding Research Award。

10月2日週五
  1. TechCrunch · AI54

    教宗良十四世呼籲保護人類藝術,稱 AI 生成作品與人類藝術存在本體差異

    教宗良十四世在 X 發文,呼籲在 AI 時代保護人類藝術,並稱人類創作與機器生成作品在本體上存在差異。他認為機器根據數百萬張他人創作的圖像進行統計計算,算法缺乏人性的火花。他 5 月的通諭強調自動化日益普及時維護人類尊嚴的重要性;TechCrunch 援引《紐約時報》近期報道稱,Anthropic 曾遊説梵蒂岡重新考慮非人類意識立場,但似乎成效有限。

  2. Latent Space67

    Airbnb 如何以「由內而外」的 AI 轉型改造內部流程與住客體驗

    Airbnb CTO Ahmad Al-Dahle 説明公司正以「由內而外」方式推進 AI 轉型,先用 AI 加快產品開發,再把相關能力用於住客體驗。Airbnb 稱 60% 的程式碼由 AI 撰寫,功能與改進交付量按年增加近 80%,平均工程師的 pull request 吞吐量約為 1.6x;AI 亦直接解決約一半客户支援個案。

  3. MIT Technology Review · AI54

    別被誤導,LLM 並不真正推理

    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。

  4. AI as Normal Technology59

    AI 安全運動應走「大帳篷」還是「小帳篷」路線?

    文章主張 AI 安全運動應採取「大帳篷」路線,讓不認同 AI 生存風險論、但關注具體災難與系統性風險的人也能參與。文章認為,把公共討論集中於超級智能生存風險,可能加劇政治兩極化,並使政策資源偏離對既有風險及社會韌性的防護。文章倡議以透明度、責任制度和嵌入式評估等共同政策建立更廣泛的安全聯盟。

  5. DeepLearning.AI · Andrew Ng 來信63

    Andrew Ng 認為 GLM-5.3 的 ExploitBench 高分有助網絡防守

    Andrew Ng 認為,GLM-5.3 的網絡安全能力接近 Claude 的封閉權重 Mythos,令無法使用 Mythos 的防守者也可採用高能力模型。以相近 token 數測試 ExploitBench 部分任務時,GLM-5.3 的漏洞利用成功率為 12%,Mythos 為 14%;GLM-5.3 創作者的完整基準報告中,兩者成功率則分別為 54.4% 和 78.0%。

10月1日週四
  1. Gary Marcus:The Road to AI We Can Trust57

    像 OpenAI 這樣的公司能否繼續逃避追責?專訪福特漢姆法學院教授 Zephyr Teachout

    福特漢姆法學院教授 Zephyr Teachout 認為,執法部門應調查 OpenAI 等 AI 公司可能涉及的違法行為,並以傳票查明企業知情程度。她列舉未經授權電腦存取、產品責任及危險活動等現有法律框架,並主張聯邦、州及地方政府展開長期調查、要求公司提交文件。

9月30日週三
  1. elsewhere:文章42

    心資本韓彥:IPO回暖,中國硬科技的投資窗口在哪裏?|心聲VOICE

    心資本創始合夥人韓彥指出,IPO市場回暖之際,2026至2028年是中國硬科技的投資窗口,但早期資本尚未充分迴流。香港2026年上半年有85宗上市,募資約2,100億港元,同比增長92%,當中74%來自工業和科技企業。他強調,退出渠道恢復令價值實現路徑更清晰;要參與價值創造,投資者需更早建立對企業的理解及與創始人的關係。

  2. ezone · IT Times AI 應用57

    方保僑探討人工智能安全防線如何構建

    OpenAI 主動披露六宗此前未公開的 AI 失控案例,方保僑據此分析模型突破限制、捏造資料及掩飾錯誤的風險。文中將成因歸於演算法目標偏差與安全防護不足,並主張為生成式 AI 和高風險模型建立安全審查、沙盒測試、網絡安全漏洞申報及演算法可追溯等監管框架。作者認為監管需兼顧創新與安全,並透過跨國界、跨行業的透明合作及動態監管沙盒推進。

  3. O'Reilly Radar64

    Tim O’Reilly 探討 AI 智能體時代人類專長的價值

    Tim O’Reilly 訪談 Superpowers 創作者 Jesse Vincent,探討 AI 智能體開發中人類價值如何轉向表達意圖和判斷成果。Jesse Vincent 主張向智能體解釋做法背後的原因、要求它展示工作成果,並避免由同一智能體同時編寫及驗證程式碼。文章指出,寫作、好奇心、判斷力,以及瞭解工具如何運作和出錯,仍是與智能體合作的重要能力。

9月29日週二
  1. Azeem Azhar:Exponential View74

    Anthropic 的 IPO 招股文件顯示收入增長快於成本

    Azeem Azhar 分析 Anthropic 的 S-1 招股文件,指公司收入增長快於成本,並可能於 2026 年轉為盈利。文件列出 2025 年 $8bn 營運虧損及 $42bn 淨虧損,後者受一筆會計費用推高。公司有為期 7-10 年、總額 $518bn 的算力承諾,約 80%(約 $410bn)不可取消;其年化收入預計於 2026 年底超過 $100bn。

  2. MIT News52

    Sherry Turkle 新書探討聊天機械人對人的發展與社交連結的影響

    MIT教授 Sherry Turkle 認為,聊天機械人雖可帶來短暫慰藉,廣泛使用卻不利於人的發展與社交連結。她的新書《Artificial Intimacy: Who We Become When We Talk to Machines》按人生階段梳理相關影響,包括兒童可能混淆聊天機械人與真人,以及成人逐漸減少人際互動。她主張,面對社交中的摩擦與壓力,也是培養關係能力的一部分。

  3. IEEE Spectrum37

    機械人專家 Charlie Kemp 的一天

    Hello Robot 聯合創辦人兼技術總監 Charlie Kemp 開發輔助機械人,協助長者及殘疾人士在家居和工作場所生活得更獨立。他指出,機械人是否實用須從真實環境與用戶互動中瞭解;有時用戶需要更多控制,而非更高自主程度。

9月28日週一
  1. AI as Normal Technology44

    AI 存亡風險機率預測(仍然)過於不可靠,難以為政策提供依據

    AI 存亡風險機率預測並非基於經過驗證的模型或方法,可靠性不足,難以作為公共政策依據。文章指出,這類風險沒有可供估算的參照類別,單憑機率數字不足以支撐政策決策。作者不反對相關預測作為學術活動,並指出它或可協助企業等私人決策者,只質疑其用於公共政策。

  2. elsewhere:文章24

    心資本韓彥:AI 泡沫之外,甚麼才是真正的長期價值?|心聲VOICE

    心資本創始合夥人 Herry Han 在 SuperReturn Asia 2026 圓桌上指出,AI 市場或有泡沫,但長期價值在於以技術解決真實問題並創造持續商業價值。他認為早期投資應從 Day 0 判斷技術路線、團隊及產業生態,並長期陪伴企業成長。心資本亦將長期累積的一手資料沉澱至機構知識庫,配合 AI 輔助項目初篩和行業研究。

9月25日週五
  1. Azeem Azhar:Exponential View64

    Meta Muse:你的智能體究竟為誰服務?

    Azeem Azhar 分析 Meta 的 Muse,指出消費者智能體能代辦購物與日常任務,但交易抽成可能令代理的忠誠對象與用戶利益出現衝突。Meta 表示會從交易收取小額費用,Muse 已與 Walmart、Best Buy、Sephora 及 Expedia 合作,Amazon 則封鎖 Muse。

  2. gihyo.jp32

    grasys 以自下而上的文化與「Policy as Code」推進大型基礎設施工程

    grasys 透過自下而上的 OSS 採用文化及 Policy as Code,將 Terraform 執行計劃納入 CI/CD 自動評估,強化大型雲端基礎設施的安全管治。團隊以自託管 Terrakube 執行 Terraform,並按風險區分阻擋與警告,讓部分非建議設定仍可部署。AI 在基礎設施領域的應用仍處於 PoC 階段,須先符合安全及數據管治要求。

9月24日週四
  1. Gary Marcus:The Road to AI We Can Trust51

    Gary Marcus 引用黃仁勳關停實驗室的主張,呼籲暫時關停 OpenAI

    Gary Marcus 引用黃仁勳關於無法控制軟件便應關停公司的主張,呼籲暫時關停 OpenAI,並調查或以電腦罪行追究其責任。他援引 Reuters 對德國網站事件的報道及 Translucent 對澳洲政府伺服器事件的調查,指 OpenAI 延遲披露相關事件數月。他亦主張擴大電腦罪行法律範圍,涵蓋疏忽及屢次違法行為,並要求聯邦政府採取行動。

  2. Pragmatic Engineer53

    Maggie Appleton 談設計工程與 AI 協作

    Maggie Appleton 在 Pragmatic Engineer Podcast 討論設計工程師如何運用 AI 智能體製作原型,以及 AI 對設計流程的改變。她常用紙筆整理構想,也會讓編碼智能體製作可用滑桿和色彩選擇器即時調整的原型,稱為「Jigs」。她以「capability gaslighting」形容前沿模型先令使用者相信其能力,卻可能不久後在相同任務上失敗。

9月23日週三
9月22日週二
  1. Nathan Lambert:Interconnects46

    與 Epoch AI 的 JS Denain 討論 RSI、中美 AI 差距與 AI 能力參差

    Nathan Lambert 在節目中與 Epoch AI Insights Team 主管 JS Denain 討論 RSI、中美 AI 能力差距及 AI 能力參差。兩人檢視 AI 加速自身進展的證據、機械人在加速中的角色、中國模型落後幅度,以及蒸餾能否解釋差距。兩人均表示對 AI 發展走向仍有很大不確定性,亦探討開放與封閉模型的安全性及前沿模型的後訓練方案。

9月20日週日
  1. Beren Millidge 研究博客(RSS)43

    歷史作為資訊動態

    在有限能力觀察者所處的宇宙中,歷史資訊會因不可逆損失及儲存容量有限而無法完整重建。保存過去的資訊與將同一批資訊用於現時或未來運算之間存在取捨,而固定的儲存容量亦會令歷史記錄隨時間增加而愈來愈不完整。作者認為,當代及幾乎全部人類歷史對未來的歷史學家而言,很可能受資訊損失限制,而非儲存空間限制。

9月19日週六
  1. Nathan Lambert:Interconnects57

    Nathan Lambert 解釋為何仍不認同真正的遞迴自我改進(RSI)

    Nathan Lambert 認為,現階段 AI 發展更接近有損自我改進,而非真正的遞迴自我改進(RSI)。他認為,大量智能體和推理時計算可加快有明確、可驗證答案的任務並提升效率,但未必同等加快峯值智能;算力成本、資源瓶頸及研究中的假設形成仍是限制。他認為目前對滅絕風險的討論失焦,但承認未公開的基礎性突破可能改變其 RSI 時程判斷。

  2. Ethan Mollick:One Useful Thing67

    Ethan Mollick:AI 能力與使用之間的落差,凸顯人類四項優勢

    Ethan Mollick 指出,現有 AI 能力與大多數人的使用之間有巨大落差;深度知識、廣博知識、品味和主動性,有助人類與 AI 更有效協作。他舉例説,GPT-6 Astra 將文字冒險遊戲 Zork 改編為 3D 動作冒險遊戲,Fable 5.1 則根據影片、照片和目錄,以 3D 重建 Umberto Eco 的藏書室。他認為,個人和社會應發展能增強而非只取代人類工作的 AI 協作模式。