OpenAI 分析:欧盟企业智能体 AI 采用正在加速
OpenAI 的新分析显示,欧盟企业与小型企业的智能体 AI 采用正在增长,但更深入的使用仍可释放更多价值。分析同时指出了采用现状与潜在价值空间。
OpenAI 的新分析显示,欧盟企业与小型企业的智能体 AI 采用正在增长,但更深入的使用仍可释放更多价值。分析同时指出了采用现状与潜在价值空间。
MIT 统计与数据科学中心主任 Sasha Rakhlin 在一篇新文章中,围绕研究生科研与教育提出 AI 进入学术界后的关键问题。他指出验证速度决定各学科 AI 进展快慢,去年已有模型在国际数学奥林匹克达到金牌水平,一年后模型开始产出新研究成果。他建议院系重新界定学术贡献与署名责任,并建设共享 AI 科研基础设施、加大算力与安全数据系统投入。
MIT 统计与数据科学中心主任 Sasha Rakhlin 发表文章,讨论 AI 如何改变学术界,尤其是数学、统计、机器学习和工程领域的研究生科研与培养。他指出,去年有模型在国际数学奥林匹克达到金牌水平,一年后模型已能产出新研究结果,验证速度与可靠性是决定各学科 AI 进展快慢的关键。他建议院系重新思考学术贡献认定,并建设共享 AI 研究基础设施,以捕捉假设、干预、失败与解读等隐性知识。
OpenAI 阻断了两起 AI 赋能的影响行动,这些行动利用假媒体人和一家智库来传播地缘政治信息。
MIT 一年级学习社区 Concourse 每年招收 50 名学生,提供古典名著阅读与辩论式人文课程,该项目自 1970 年成立,被称为"MIT 内的迷你文理学院"。
MIT 电子工程与计算机科学系副教授 Christina Delimitrou 用机器学习提升大规模数据中心的效率、安全性与可靠性,通过重新设计云计算系统、管理共享硬件资源、精简服务器架构,让运营方在现有硬件上获得更多算力。她与团队发现多数大型系统利用率仅约 15%,开发出用深度学习预测并预防 Web 应用故障的工具 Seer,并借助 AI 帮助程序员定位云端应用问题、减少停机。
MIT 副教授 Cathy Wu 的研究聚焦用机器学习与强化学习(RL)改进交通等复杂系统。她的团队开发出一种算法挑选适合训练的问题,将训练效率提升最多 30 倍——原本需要 100 个训练模型的场景如今只需 3 个;其生态驾驶研究显示智能控制车速可减少 11% 至 22% 的车辆排放。
MIT 博士生 JS Tan 与前科技业同事 Clarissa Redwine 合著《Against Tech Oligarchy: Worker Resistance in the World's Most Powerful Industry》(Haymarket Books,2026),记录过去十年科技员工的组织方式、有效策略及其对硅谷劳工政治的影响。
MIT 博士生 JS Tan 与前 Kickstarter 组织者 Clarissa Redwine 出版《Against Tech Oligarchy》,记录过去十年科技业劳工运动的兴起与退潮。
NVIDIA 提出 AI 工厂回报由三要素决定:每兆瓦盈利能力、硬件使用寿命和 token 需求。SemiAnalysis AgentX 数据显示,Vera Rubin NVL72 每兆瓦吞吐量超 GB300 NVL72 的 30 倍,在 DeepSeek V4 Pro 上每百万 token 成本低至 45 倍;2020 年发布的 A100 六年后仍在商用,CUDA 跨代兼容让已部署硬件持续创收。
MIT 教授 Sherry Turkle 在新书《Artificial Intimacy: Who We Become When We Talk to Machines》中得出结论:聊天机器人提供的只是"假装共情",长期使用对人类发展与社会联结整体有害。
在 GitHub Copilot 应用中,canvas 是运行于应用内的全栈小程序,可与 Copilot agent 双向通信,也能调用第三方 API 并在本地执行代码,例如用 Winget 界面管理本地包或直接操作 SQLite 数据库,无需每次都消耗 token 让 agent 代劳。基于 canvas 可以把研究、原型、实现等开发流程自动化,让自己按需退出循环,而不是被聊天输入框限制。
MIT Senseable City Lab 团队出版新书《How AI Sees the City: Urban Visual Intelligence》,系统梳理视觉 AI 用于城市研究的可能与隐患。
NVIDIA 发布开源安全运行时 OpenShell,在模型智能体之外强制执行策略,并提供沙箱化执行,管控智能体对数据、网络和系统资源的访问。Cisco DefenseClaw 为其增加治理层,JFrog 则集成 OpenShell 扫描和验证智能体技能并限制可访问的技能范围。NVIDIA 同时通过 Open Secure AI Alliance 共享安全研究成果与工具。
MIT Libraries 旗下阅读项目 MIT Reads 在十周年之际转向小说与回忆录,以共读促进人际连接,并回应 MIT 对 AI 影响教育与校园社群的探索。校长 Sally Kornbluth 选定 Ted Chiang 的 2019 年短篇集《Exhalation》为 2026 年秋季书目,其探讨人类与 AI 关系等议题,相关作者活动多向公众开放并在线直播。
GitHub Podcast 最新一期拆解了五个 AI 热门观点,结论是:AI 生成的代码仍然要读、要审,但审查力度应随风险变化;Skills 与 MCP 解决的是不同问题,MCP 提供连接工具和数据的标准接口,Skills 更像打包好的 Markdown 经验,两者可组合使用。RAG 也没有死,它为模型提供训练数据之外的信息,可以减少 token 浪费、加快速度并降低不完整回答的概率。
随着 AI 智能体能力增强、运行时间跨度变长,为其应用构建安全与信任愈发重要。NVIDIA 的 AI 安全团队结合在 NVIDIA OpenShell 上与智能体开发者、开源项目及生态伙伴的合作经验,分享了对新兴智能体栈的看法,包括各层所扮演的角色。
MIT 材料科学与工程系教授 Eugene Fitzgerald 在新书《The Invisible Engine: Why Innovation Evades Control》中指出,创新是被误解的概念,其本质是市场应用、技术与实施的整合。
今年春季,25 名 MIT 学生和博士后前往华盛顿,两天内与代表 32 个州的 62 个国会办公室会面,呼吁联邦持续投资科学研究。此行由 MIT Science Policy Initiative 组织的 Congressional Visit Days 项目安排,参与者就 AI 隐私与安全、深海采矿等议题与两党幕僚交流,并主张为下一财年科研经费及具体法案提供支持。
Hugging Face 发文指出,AI 的下一道真实约束是利用率而非智能,闲置 GPU 如同停飞客机——成本按日历小时计提,产出只按算力小时累积。
MIT 与波士顿 Beth Israel 医院的研究者 1975 年起收集并数字化心电图记录,1980 年完成逾 10 万条标注,最初预计只有十几个机构使用,十年间邮寄出约 100 份拷贝。
MIT 城市研究与规划系的网络安全诊所课程由 Jungwoo Chun 和 Lawrence Susskind 于 2019 年创办,学生通过认证考试后组队为市政和医疗机构做免费漏洞评估,迄今已完成 40 多次评估。课程提出"防御性社会工程"思路,强调网络安全不只是技术问题,最大攻击入口仍是人。2025 年 FBI 互联网犯罪投诉中心记录美国每天平均遭受 2,765 次网络攻击。
UC Berkeley 团队提出近零推理成本将带来三类数据系统挑战:为智能体(Data Systems For Agents)、由智能体运行(Of Agents)、由智能体合成(By Agents)。文中举例指出,GPT-4 级能力在 2023 年初约 $30/百万 token,如今已降至 1 美元以下,部分厂商低于 $0.10,推理价格年降幅在 9 倍到 900 倍之间,中位数约 50 倍。
MIT 校长 Sally Kornbluth 在《华盛顿邮报》活动上警告,缺乏联邦对好奇心驱动研究的支持可能让美国创新与人才管道枯竭。她表示 MIT 新课程在强化 STEM 基础的同时,重新重视道德、公民与伦理教育,并强调学生应把 AI 当作增强工具、学会写正确的提示词。她还提到 MIT 已衍生出超 3 万家公司,并推出面向父母收入低于 20 万美元学生的免学费项目。
MIT News 专访 MIT EECS 副教授、CSAIL 成员 Phillip Isola,解析智能体 AI 与 ChatGPT、Claude 等生成式 AI 的区别。
一份由 Goldfeder、Wyder、LeCun 和 Shwartz-Ziv 于 2026 年发表的论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》提出,优化理论、进化生物学、竞争市场与机器学习都指向同一结论:在有限算力、数据和开发时间下,专业化系统优于追求通用性的系统。
企业 AI 试点普遍失败,症结在于智能体缺乏引导逻辑。IBM 用 Agent 逻辑(知识图谱、程序分析库等)在智能体层缩小上下文,测试显示:watsonx Code Assistant for Z 在百万行代码级遗留系统上保持略优理解性能,token 消耗降低约 30 倍;Aster 在 75+ Java 应用中使行、分支、方法覆盖率提升 20%-45%,token 消耗最多降低 15 倍。
Google DeepMind 的 Co-Scientist 帮助 MIT 机械工程师 Ritu Raman 快速梳理 ALS 领域互相矛盾的文献,将想法转为可检验假设并按可行性、风险收益排序,其最佳线索指向细胞表面分子互作。
Google DeepMind 发布 AlphaEvolve 一年进展报告,这款由 Gemini 驱动的编码智能体已从数学和计算机科学的开放问题探索,扩展到 Google 内部基础设施与外部商业场景。
推荐理由:汇总 AlphaEvolve 一年来的落地场景与量化收益,可据此判断算法智能体在科研与基础设施中的真实渗透程度。
在 Mythos 与 Project Glasswing 发布后,Hugging Face 发文讨论 AI 网络安全格局,指出真正起作用的是"大算力模型 + 软件相关数据训练 + 漏洞探测与修补脚手架 + 一定程度的系统自主性"这套系统配方,而非单个模型。文章认为开源代码与工具能让防御方获得与攻击方同级的 AI 能力,缩小双方的能力不对称。
Google DeepMind 回顾 AlphaGo 击败围棋世界冠军十周年,称其标志现代 AI 时代的开端。此后其搜索与强化学习方法衍生出 AlphaGo Zero、AlphaZero,并推动 AlphaFold 2 破解蛋白质折叠难题,AlphaFold 数据库已被超 300 万研究人员使用,相关成果于 2024 年获得诺贝尔化学奖。
Hugging Face 博客指出开源已成为中国 AI 组织近未来的主流路径,其平台上关注度最高的机构是 DeepSeek,第四为 Qwen。截至 2025 年中,Hugging Face 上有超 113k 模型以 Qwen 为基础、超 200k 仓库标注 Qwen,远超 Llama 的 27k 和 DeepSeek 的 6k。
继 2025 年 1 月「DeepSeek 时刻」后,中国开源社区在架构与硬件上集体转向 MoE,Kimi K2、MiniMax M2、Qwen3 等均采用该架构。
DeepSeek 发布 R-1 模型一年后,其开源权重成为 Hugging Face 史上获赞最多的模型。R1 以 MIT 许可开放推理路径与后训练方法,降低了技术、采用与心理三重门槛。百度 2024 年在 Hugging Face 零发布,2025 年增至 100 余个,字节跳动与腾讯发布量增长八到九倍。
Google DeepMind 与 Google Research 的 2025 年度回顾显示,其在推理、多模态、模型效率与生成能力上取得突破,3 月发布 Gemini 2.5,11 月推出 Gemini 3、12 月推出 Gemini 3 Flash。
AlphaFold 2 在 2020 年 CASP 14 上仅凭氨基酸序列高精度预测蛋白质结构,解决了困扰生物学界 50 年的难题,并于 2024 年获诺贝尔化学奖。
Hugging Face 发文分析全球 AI 算力格局的迁移:中国国产芯片已开始承载 Qwen、DeepSeek、GLM、Kimi 等开源权重模型的推理,部分模型开始用国产芯片训练。文章指出,美国出口管制与华为 Ascend、寒武纪等国产芯片产能的加速高度相关,芯片受限也倒逼出 MLA、GRPO 等算力效率创新。
Hugging Face 的 Open-R1 项目启动一周后发布首份更新,称已能复现 DeepSeek 在 MATH-500 上报告的评测分数,并公开了评测排行榜。
推荐理由:Open-R1 团队复现 DeepSeek-R1 评测并公开数据生成与 GRPO 训练的工程细节,可供复现者参考。
Hugging Face 推出首期 AI 艺术工具通讯《The AI tools for Art Newsletter》,回顾 2024 年创意 AI 的关键进展,并预告 2025 年新动向及将启动月度汇总。
2024 年中国 AI 公司加速出海,全球 1500 家活跃 AI 公司中有 751 家位于中国,其中 103 家已拓展海外市场。华为、腾讯、阿里聚焦云计算与 AI 基础设施,主攻东南亚和中东;字节跳动七个月内推出 11 款海外应用,CapCut 月活超 3 亿。