/
Arbor：为AI编程智能体构建持久性假设树
来自中国人民大学高岭人工智能学院与微软研究院的研究人员联合提出了一种名为Arbor的"持久化假设树"系统，旨在解决AI编程智能体因上下文窗口重置而导致研究成果丢失、重复试错的问题。Arbor通过长生命周期协调器管理整体研究策略，短生命周期执行器并行测试不同假设，实验结果持续更新树结构。测试显示，Arbor在相同资源预算下，性能表现比标准AI编程智能体提升2.5倍。
"智能体AI PC"真有那么革命性？分析师：言过其实
英伟达CEO黄仁勋在Computex展会上高调推介"智能体AI PC"概念，发布首款AI芯片N1X及RTX Spark PC，并称其为"40年来最大PC变革"。然而，多位分析师对此持怀疑态度，认为这类设备本质上是现有AI PC的重新包装。分析师指出，现有多代PC已具备运行AI智能体的能力，苹果Mac Mini等设备早已支持本地AI代理。对于企业而言，RTX Spark PC基于Arm架构，可能与现有x86应用存在兼容性问题，短期内大规模升级意义有限。
英伟达液冷新系统能否真正解决AI耗水问题？
英伟达宣布Rubin代AI基础设施实现100%液冷，部分媒体误读为"零耗水"。实际上，该封闭循环液冷系统使用75%水与25%丙二醇混合液，通过干式散热器散热，无需蒸发冷却塔，可减少数据中心内部直接用水。但外部供电电厂仍消耗大量水资源——天然气发电每度耗水1.17升，煤电达2.2升。在气温较高的地区，系统仍需额外冷却设备。该方案有所改善，但并未从根本上解决AI的整体耗水问题。
Unconventional AI：振荡器架构将AI能耗降低1000倍
前Databricks AI负责人Naveen Rao创立的Unconventional AI公司，致力于通过全新振荡器计算架构大幅提升AI推理能效。该公司近日发布首个模型Un0——一款图像生成工具，验证了新架构复现传统AI系统的可行性。研究论文显示，该模型性能媲美主流扩散模型，且理论上可将能耗降低多达1000倍。公司目前不足50人，计划近期发布实体芯片设计图，并逐步构建完整推理堆栈。Rao认为，能源将成为AI发展的核心瓶颈。
General Intuition融资23亿美元：用游戏数据训练现实世界AI智能体
AI初创公司General Intuition完成3.2亿美元融资，估值达23亿美元，累计融资4.54亿美元。该公司利用旗下游戏平台Medal积累的数亿小时游戏数据及玩家操作标签，训练能够跨游戏、仿真环境与真实世界通用的AI智能体模型。演示中，同一AI模型既可操控四足机器人在办公室自主探索，也能在模拟世界中理解物理规则。本轮由Khosla Ventures领投，贝索斯、施密特等参与投资。
谷歌正式推出 Google Finance 安卓应用，iOS 版本预计 2026 年上线
谷歌旗下金融资讯工具Google Finance近日正式发布首款独立移动应用，目前仅支持安卓平台，iOS版本计划于2026年内推出。该应用支持创建自选股列表、实时行情监控及财经资讯浏览，并集成AI功能，可自动生成股价波动的"关键时刻"解析。用户还可通过悬浮"Ask"按钮与AI助手对话，查询历史聊天记录。与此同时，Google Finance网页版也同步升级，新增AI投资组合分析及周期性研究报告推送功能。
甲骨文基于AI的裁员行动或许尚未结束
Oracle在最新年报中确认，过去一年已裁减约2.1万名员工，占总人力的13%，主要原因是加大AI投资并推进整体重组。年报还警告，AI技术的持续部署可能导致进一步裁员。分析师指出，IT专业人员需积极提升AI技能以应对变局。与此同时，Oracle在云基础设施和AI服务上的资本支出大幅推高运营成本，2026财年运营费用同比增加约70亿美元，削减人员成本成为企业平衡财务压力的直接手段。
Anthropic旗下Claude正在抢占付费用户市场
根据信用卡交易分析公司Indagari的数据，付费AI用户正越来越多地选择Anthropic的Claude。数据显示，自2026年1月以来，Claude付费用户数量增长约75%。DataCamp平台也证实，"Claude"已成为其网站搜索量最高的词汇，消费者对Claude课程的需求是ChatGPT的三倍。尽管ChatGPT仍是最受欢迎的AI产品，但Claude正在持续缩小差距，在付费用户和企业市场均保持增长态势。
Notion宣布关闭Notion Mail，转向AI智能体处理邮件
Notion于2024年2月收购加密邮件初创公司Skiff后，相继关闭其邮件服务并推出基于Gmail的Notion Mail。如今，Notion宣布将于2025年9月22日正式关闭Notion Mail。Notion表示，超过半数用户已通过AI代理处理邮件，无需打开收件箱。用户邮件数据将保留在Gmail中，但草稿和定时邮件需在9月21日前手动导出。依赖HIPAA合规的用户须在2026年6月30日前完成迁移。
SiMa.ai与Mistral Solutions携手合作，加速自主无人机智能化部署
SiMa.ai与AXISCADES旗下子公司Mistral Solutions宣布建立战略合作伙伴关系，联合推出工业级无人机参考设计方案。该方案结合Mistral在嵌入式系统与无人机硬件设计领域的深厚积累，以及SiMa.ai的Physical AI平台与Modalix MLSoC芯片，在严格的尺寸、重量和功耗约束下，实现传感器融合、GPS拒止导航、障碍物检测及自主任务规划等全栈无人机自主功能，功耗低于10W且无需依赖云端。参考设计预计于2026年第三季度向合格OEM厂商开放。
OpenAI推出Jalapeno芯片：自研芯片如何重塑AI基础设施格局
OpenAI联合Broadcom推出代号"Jalapeno"的定制推理芯片，专为AI推理工作负载优化。该芯片被描述为可与英伟达Blackwell及谷歌TPU媲美，功耗控制在700W-800W，无需液冷。此举旨在降低对微软、AWS、英伟达等第三方基础设施的依赖，大幅压缩每次推理的运营成本。分析师预测，定制ASIC芯片将于2027年起大规模抢占市场份额，并最终惠及企业客户，带来更低延迟与更具竞争力的AI服务定价。
加州起诉加油站利用AI算法操控油价
加州一起拟议中的集体诉讼指控多家主要加油站运营商使用Kalibrate Fuel Systems的AI定价软件操控油价，涉及全州逾1700家加油站，包括BP、沃尔玛、Marathon等。原告称该软件使油价每加仑上涨约30美分。此案依据今年生效的加州AB 325法案提起，该法案专门针对算法价格操控行为。与此同时，动态定价与监控定价的监管争议也在全美持续升温。
AI浪潮下，初级技术岗位正在加速消失
据SignalFire最新报告，主要科技公司（如微软、谷歌母公司Alphabet、亚马逊）对入职不足一年员工的招聘量，相较2019年基准下降了65%，远超同期整体25%的招聘收缩幅度。随着AI工具普及推动组织架构扁平化，这一趋势自2022年起明显加速。企业越来越青睐具备业务判断力与经验的成熟人才，但专家警告，若忽视对初级人才的培养，将威胁未来技术人才的供给。
菲律宾政府联手谷歌云，部署AI智能体推动数字政务转型
菲律宾信息通信技术部（DICT）与谷歌云合作，推进公共服务数字化现代化改革。超过5万名一线公务员将使用Gemini企业版应用，通过对话界面查询数据库、处理市民咨询。未来18个月内，部署规模将扩展至20万名公务员。此外，双方还在国家安全运营中心部署了谷歌云网络防护系统，已有56个政府机构接入。在基础设施方面，台菲美海底光缆升级将缓解网络瓶颈，助力"全民免费Wi-Fi"计划扩展覆盖范围。
零基础流程重设计：释放智能体AI的全部潜能
智能体AI到2028年有望创造近4500亿美元价值，但目前仅2%的企业实现了规模化部署。关键在于方法论：多数企业只是将AI智能体叠加于现有流程，而非从零重构。零基础流程重设计（ZBPR）要求以智能体能力为基础重塑工作流，消除无效步骤，实现端到端自动化。相比增量式改造，ZBPR能显著提升ROI，降低运营成本，并支持全天候、低人工干预的柔性流程。
OpenAI推迟GPT-5.6发布，接受政府审查，IPO计划或推至2027年
OpenAI将按特朗普政府要求，先向少数合作伙伴定向发布GPT-5.6，而非公开上线，政府将逐客户审批访问权限，审查通过后数周内再广泛推出。此举与Anthropic此前处理Mythos模型的方式类似。与此同时，OpenAI IPO计划也出现变化，受市场波动影响，首席财务官Sarah Friar主张推迟至2027年上市，而非今年提交申请。该公司此前完成企业重组并以8520亿美元估值完成1220亿美元融资。
MIT举办青年科学家专题：好奇心驱动的科学研究为何是美国成功的关键
《科学美国人》发布特别专栏"美国青年科学家"，邀请MIT教授、学生及校友分享他们对基础科学研究的热忱。MIT校长Sally Kornbluth强调，投资基础科学并非赌注，而是有历史数据支撑的必要举措。文章涵盖脑芯片开发、AI语言模型优化、核聚变商业化等前沿研究，多位学者呼吁加强跨学科合作，并对联邦科研经费削减及移民政策不确定性表达担忧。
Patronus AI融资5000万美元，打造智能体压力测试"数字世界"
Patronus AI完成5000万美元B轮融资，由Greenfield Partners领投，Notable Capital、Lightspeed、Datadog及三星参与，累计融资达7000万美元。该公司由前Meta AI研究员于2023年创立，通过构建模拟数字环境对AI智能体进行压力测试，结合强化学习评估其在软件工程和金融等领域的真实表现。过去一年营收增长15倍，几乎所有前沿AI实验室均已成为其客户。
自动化诊断实验室无法弥补薄弱验证流程的缺陷
实验室自动化显著提升了诊断效率，但它解决的是操作层面的问题，而非验证层面的问题。自动化设备能让一个已经可靠的检测运行得更快、更稳定，却无法证明该检测本身是否有效。分析验证需要对灵敏度、特异性、检测下限等指标进行系统性研究，这些与机器人如何装载样本无关。将自动化引入一个存在缺陷的流程，只会更快地产出不可靠结果。诊断团队应优先确保检测方法和验证策略的稳健性，再借助自动化放大已经值得信赖的流程。
京公网安备 11010802021500号
