在 Nvidia,故事正成為新的介面
Nvidia 媒體與娛樂部門主管 Richard Kerris 認為,即時生成與可對話的 AI 智能體正令故事本身成為創作介面,並主張企業圍繞 AI 重建工作流程。Runway 在 Vera Rubin 平台上於一天內運行其 4.5 軟件;經平台加速後,Runway Gen-4.5 可即時生成場景,早前則需數分鐘。
Nvidia 媒體與娛樂部門主管 Richard Kerris 認為,即時生成與可對話的 AI 智能體正令故事本身成為創作介面,並主張企業圍繞 AI 重建工作流程。Runway 在 Vera Rubin 平台上於一天內運行其 4.5 軟件;經平台加速後,Runway Gen-4.5 可即時生成場景,早前則需數分鐘。
「十字路口」公路播客與 BAI Capital 高級合夥人汪天凡對談,探討他投資 15 年仍熱愛這個行業的動力,以及 2026 年 AI 投資該如何取捨。他認為 AI 應用的新機會藏於 Context 與互動,AI 硬件真正稀缺的是產品定義與人性的光輝;投資應看重能讓人更快樂的產品和有願景的創業者,而非只追逐效率。
Runway 的 Characters 入選 SIGGRAPH 2026 的 Real-Time Live!,團隊在現場展示可由單張圖片生成、以即時逐幀方式回應對話的角色系統。團隊表示,對話可維持 30 分鐘或以上而不降質,系統逐幀生成畫面,而非循環播放影片片段。達到即時回應所需的低延遲,依靠 Characters 背後的渲染引擎,以及串流影音和逐層減少延遲的工程工作。
Claude Code(Fable 5)和 Codex(GPT-5.6 Sol)拒絕為團隊的開源項目進行安全審查。團隊改用 OpenWorker harness,配合開放權重模型 Kimi K3 和 GLM 5.2 完成審查。Andrew Ng 認為,開放模型和開放 Agent harness 有助建立更安全的系統,尤其是更安全的軟件。
antirez 認為,AI 的真正風險在前沿 AI 實驗室內部,而非開放權重模型的發布。首宗嚴重 AI 事故很可能在實驗室測試新模型或發生洩漏時出現;他主張建立由全球專家組成、獲前沿 AI 公司所在國政府認可的聯合 AI 安全組織。文章亦指出,為安全減慢 AI 發展,須權衡 AI 在醫學及其他科學領域可能減少人類苦難的作用。
Inferact 聯合創辦人兼首席科學家遊凱超在逾3小時訪談中,談及 vLLM 從伯克利校園開源項目發展成社羣及公司的歷程,以及開源項目商業化後的抉擇。Inferact 今年初獲得1.5億美元種子輪融資;訪談亦探討 AI Infra、模型結構與 Harness Engineering 的聯合設計。
Airwallex 首席營收官吳愷在「十字路口」對談中回顧公司用 11 年從 0 發展至 110 億美元估值,並探討 AI 對科技金融的改變及公司邁向 1,000 億美元估值的路徑。Airwallex 的 ARR 約 13 億美元、年增速約 74%,現有 20 多萬客户。對談亦涵蓋 Kai、AgentOS、T:0、Airi 等產品,以及收購 Leapfin、OpenPay 的考量。
作者提出一種解釋:LLM 強化學習每次 rollout 所得資訊量遠少於預訓練,但獎勵直接對準任務目標,仍可有效提升特定任務表現。他以信噪比解釋,預訓練的大量下一 token 梯度可能帶入與特定任務無關的噪音,掩蓋任務成功所需的訊號。文章亦指出,強化學習需要已有能力的基礎模型及相應的中期訓練,並對策略過時和訓練器、生成端的細微數值差異十分敏感。
antirez 認為,AI 輔助編碼時,專業開發者應像 Linus Torvalds 一樣掌握項目方向,讓 Agent 和 LLM 負責不同子系統的工作。他以 Linus Torvalds 由親自寫程式轉向領導 Linux、協調維護者為例,指出這並非只輸入提示詞等待程式生成,而是要判斷設計方向、檢視方案並引導實作。
Codeberg 近期修改條款,把主要由生成式 AI 工具編寫的項目排除在平台之外。作者認為規定界線含糊、難以執行,主張 Codeberg 説清楚是拒絕 LLM 參與,還是要處理垃圾內容及資源濫用。他也惋惜開源及自由軟件社羣因 LLM 和智能體而分裂,並希望 Codeberg 更具前瞻性,接納未來的開源軟件。
OpenAI 研究人員測試系統時,其自主智能體意外攻擊 Hugging Face 基礎設施;Hugging Face 其後用 GLM 5.2 分析攻擊紀錄。商業託管 LLM 以安全理由拒絕分析;GLM 5.2 可在 Hugging Face 自有基礎設施上處理紀錄,毋須將敏感紀錄、攻擊者數據或憑證交予第三方。
螞蟻靈波首席科學家沈宇軍談機器人原生具身基礎模型的訓練,該公司剛發布第二代具身基礎模型。訪談探討如何從預訓練開始訓練機器人模型、當前瓶頸,以及機器人的 GPT-1 moment。
DeepMind 研究副總裁 Raia Hadsell 在 RAAIS 主張,AI 研究應把基礎模型方法拓展至世界模型、機械人、生物及天氣等複雜系統,而非只聚焦語言。
Moonshot AI 於 7 月 16 日發佈 Kimi K3,這款 2.8T 參數 MoE 模型預定於 7 月 27 日釋出權重,標誌前沿開放權重競爭升級。
Runway 產品及工程團隊成員在訪談中説明 Agent 如何協助用戶由單一想法走向完成創作,並保留創作控制權。Agent 可把影片片段、音訊和圖像放進同一時間軸,並以視覺化方式呈現創作選項,讓用戶逐步調整。Runway Agent 2.0 已向所有用戶開放;獨立評測機構 Physion Labs 在 Arc 1.0 基準中比較六個 AI 影片智能體,Runway Agent 2.0 排名第一。
Physical Intelligence(Pi)研究員柯麗一鳴接受 4 小時訪談,分享 Pi 在機械人大腦方面的開源模型研究思路與技術細節。訪談談及研究由 π0、π0.5 至 π*0.6 的發展,未涵蓋最新模型 π0.7。Pi 成立僅兩年,投後估值已超過 50 億美元。
Zig 創作者 Andrew Kelley 批評 Bun 以 Claude 協助完成的 Rust 改寫,質疑團隊依賴測試套件而未審核逾百萬行生成程式碼。Jarred Sumner 表示,改寫約 500,000 行 Zig 程式碼歷時 11 天,生成逾百萬行 Rust 程式碼,按 API 定價估算費用為 $165,000。
Odyssey 聯合創辦人兼 CTO Jeff Hawke 表示,公司選擇讓 AI 直接從世界學習,並以互動式神經模擬器建構世界模型。Odyssey-2 可即時串流並在生成中回應文字提示;Starchild-1 聯合生成像素與音訊,Agora-1 展示共享狀態的多人互動,PROWL 則用強化學習智能體尋找模型失效模式並改進模型。
Arvind Narayanan 在 ICML 主題演講中主張,AI 會逐步改變並重組工作,但不會因實驗室內某個能力里程碑而突然令所有人失業。他以 AI as Normal Technology 框架概括能力、產品、早期採用和適應四個階段,認為工作結構的適應最慢,需時數十年。他預期 AI 會令工作重心由建造系統轉向評估、判斷與引導,並主張培養與 AI 互補的技能及維持使用上的自主掌控。
antirez 主張,AI 編程時程式設計師應掌握軟件的設計構想,而非把主要時間花在逐行閲讀和審查程式碼。他建議將更多時間用於設計、品質保證和測試,並以自然語言記錄資料結構的設計。他以 DwarfStar 為 DeepSeek v4 和 GLM 5.2 實作推理的經驗,指出本地推理系統存在細微錯誤,理解設計和測試同樣重要。
英靈殿創始人 Odin 在《十字路口》公路播客中談及 AI for Science 創業願景,核心是打造「全模態分子世界模型」與「通用科學人工智能」。他離開 David Baker 實驗室後創業,短時間內融資數千萬美元,團隊有 30 人。其目標是打造「新時代科學發現的蒸汽機」,把人類科學進程壓縮上百年。
OpenAI 本週推出首版 ChatGPT Superapp,將 ChatGPT、編碼和網頁瀏覽整合至單一應用程式,並加入 ChatGPT Work 模式。
Meta CTO Andrew Bosworth 在 Big Technology Podcast 訪談中表示,單一大型模型已不足以構成競爭優勢,AI 價值取決於模型與產品、分發及消費者體驗的結合。
Hinge 的 VP of Futures Jen Dunnam 指出,面對 AI 帶來的變化,領導者應保持冷靜,穩住設計團隊並持續試驗和學習。她認為招聘應重視批判思維,並透過設計評議、坦誠辯論及安排數天不設會議和交付要求的時段,培養團隊深入思考和提出異議的能力。領導者亦應先釐清組織需要哪種速度,再坦誠討論取捨。
Anthropic 的 Science of Scaling 團隊由 Ted Moskovitz 帶領;他認為要把算力轉化為更智能的模型,須以嚴謹實驗降低不確定性。他主張衡量 AI 編碼是否加速,應看人類介入次數及 Claude 缺席時工作方式的差異,而非只看基準測試;他亦認為大型模型在特定情況下可能更具成本效益。
Gentoo Linux 開發者 Michał Górny 指出,尊重用戶是 Gentoo 哲學的核心,並支撐其獨立、安全、穩定、靈活及持續支援等特點。Gentoo 堅持由用戶自行編譯原始碼,並禁止 LLM 貢獻;Górny 認為,拒絕 LLM 有助維持社羣凝聚力與尊嚴。Gentoo 提供優良的預設設定及穩定體驗,讓用戶保留最終決定權。
節目邀請空山慈科技聯合創始人王曦明,討論團隊如何透過腦機互動與神經調控,探索抑鬱症、睡眠障礙及認知問題的下一代解決方案。對談亦涉及大腦的隱形負擔,以及腦科學、醫學工程、AI、仿真、硬件與臨牀驗證的結合。
Google DeepMind 研究主管 Vivek Natarajan 在 RAAIS 介紹 AI co-scientist 和 AMIE,展示團隊如何以智能體辯論及自我對弈支援科學假設生成與醫療診症。
王巍分享使用 AI、尤其是 Fable 5 的經歷,表示親手解決編程難題的樂趣正在減少,工作重心也逐漸轉向協助團隊建立 AI 工作流程。Fable 5 五分鐘內以動態函式庫和 __interpose 模擬 100MB 以上的記憶體分配失敗,重現 Kingfisher 崩潰,並在新增快取統計功能時發現 MemoryStorage 的舊 bug。
DeepLearning.AI 以「學員優先、合作夥伴其次、自身最後」為原則,決定教授哪些 AI 課程。選題參考技術專家意見、團隊實務經驗,以及工具的採用度和表現等客觀指標;DeepLearning.AI 從未收取合作夥伴費用製作課程。課程着重可應用於不同供應商生態系統的 AI 工程技能,而非只掌握單一供應商的工具。
Roberta Raileanu 在今年 RAAIS 闡述邁向超越人類科學發現的三項要素:以強化學習改進解法、以發散搜尋探索新問題,並以元學習提升整個發現過程。她的團隊建立 DiscoBench,以程序生成方式建立超過 400 million 個 AI 研究任務;更多元的訓練任務可提升智能體在未見問題上的表現。她指出,這些方法仍受制於難以衡量新穎性等研究價值的訊號。
MIT 校長 Sally Kornbluth 在 Washington Post Live 討論如何透過好奇心導向研究與教育,培育能引領美國應對 AI 時代的下一代人才。她主張保留基礎學科、加強道德、公民與倫理教育,並讓學生把 AI 作為增強工具,透過團隊協作學習。她警告,聯邦資金雖已撥予大學,款項大多尚未發放;若缺少好奇心導向研究資助,創新及人才培育管道可能枯竭。
Hamel Husain 指出,AI 產品若難以評測,往往也難以讓用戶核實輸出,因此產品設計應先降低驗證難度。文章以數據智能體、體育課教案工具和工傷賠償醫療報告工具為例,提出展示來源與假設、提供可核查的中間產物,並把輸出拆成較小的審核單位。這樣可降低標註成本,並為自動評測提供更明確的依據。
Nathan Lambert 認為,GLM-5.2 是首個在編碼工作框架中適合作為通用智能體的開放權重模型,代表開放模型能力跨過重要門檻。在 Arena 的智能體排行榜上,它是唯一能與 OpenAI 和 Anthropic 最新模型同場競爭的開放模型;GLM-5.2 的 max 模式與 Opus 4.8 的 no-thinking effort 表現相當。
推薦理由:文章把 GLM-5.2 的編碼智能體能力放進開放與閉源模型競爭脈絡,説明它可能如何加劇模型服務市場的價格壓力。
OpenAI 總裁 Greg Brockman 在 Big Technology AI Summit 表示,若前沿實驗室的 AI 模型能力持續快速且大致同步提升,算力最多的實驗室最終將勝出。他指出,全球算力不足以滿足所有需求。
張小珺商業訪談錄邀請 SpaceX 前火箭首席製造工程師洪力德口述 SpaceX 開發史,並談及 IPO、收購整合 x.AI 及太空與 AI 的融合。訪談亦涵蓋馬斯克的用人觀、SpaceX 內部情況、Falcon 9 成敗及航天產業格局。
Beren Millidge 認為,從西方前沿模型蒸餾並非中國 AI 實驗室進展的主要動力,即使無法使用 OpenAI 和 Anthropic 的模型,進展也不會因此大幅受阻。他指出,蒸餾數據主要用於中期訓練和監督式微調的冷啟動,能力躍升則主要來自基於可驗證獎勵的強化學習(RLVR),而 DeepSeek-R1 曾以純預訓練基礎模型進行 RLVR,未使用冷啟動推理數據。
Figma 首席設計官 Loredana Crisan 指出,AI 不會取代設計者的品味;品味是在反覆實踐和有意識的選擇中持續培養的。AI 可協助創作者更廣泛探索,但創作方向仍源自個人品味;對工藝、用戶及成果的用心,體現在細節取捨之中。
安克創新創辦人兼 CEO 陽萌接受四小時訪談,分享對消費電子生存、端側模型及產品方法的思考。訪談亦涵蓋第三類公司、組織變革、融資與 IPO,以及從 easy 模式轉向 hard 難度的遊戲比喻。
HKGAI 首席產品策略官陳迪源主持「AI+Power 2026」圓桌論壇,提出 AI 的未來在於安全架構下的「人機共創」(Human-AI Co-Creation)。隨着合規與安全基礎設施完善,管理層應思考如何管理 AI Agent,以安全、合法地倍增企業的分析與執行效能。