铃阅
❌

阅读视图

SpaceX星舰首次轨道回收飞船成功;黄仁勋回归请愿书签名者突破13万;DeepSeek发布全家桶应用API,开发者可以1:1复刻DeepSeek App|AI周报

AI前线 2026-11-15 15:16 北京

点击查看本周产业动态>>>

整理 | 傅宇琪、飞野

编辑|四月

SpaceX 完成史上首次太空船捕捉回收,星舰安全返回发射台;黄仁勋辞任英伟达 CEO,公司任命 Colette Kress 为临时 CEO;OpenAI 拆分独立机器人团队,研究人员并入通用模型团队;DeepSeek 发布全家桶应用 API,开发者可以 1:1 复刻 DeepSeek App;北京发布具身智能三年行动方案:2028 年 20 万台整机产能;马斯克旗下 AI 团队裁撤约 60 名 Grok Imagine 员工;腾讯混元实时语音模型升级,支持调用工具和唱歌;千问 Qwen4-Max 开放预览,支持图像与视频理解;MiniMax 开放 H3-Image 权重,官方称 10 秒内可生成 4K 图像;优必选与永达汽车签订 400 台 U1 Pro 机器人采购协议;OpenAI 推出 ChatGPT Wallet,智能体可在用户批准后代为支付;Infor 与 Anthropic 合作,将 Claude 接入制造业业务系统……

行业热点

SpaceX 完成史上首次太空船捕捉回收 星舰安全返回发射台

埃隆·马斯克旗下 SpaceX 的星舰(Starship),首次在同一次轨道发射任务中成功收回飞船。星舰承受重返地球大气层的极端高温后穿出云层,在星际基地(Starbase)上空缓缓下降,随后平稳落入 2 号发射台(Launch Pad 2)上方的机械「筷子臂」之间。

星舰成功回收,为太空产业数十年来追求可完全重复使用火箭系统的努力写下里程碑。达成这项目标可大幅降低任务成本,并提高发射频率。

这是目前全球体积最大、推力最强的运载火箭系统星舰的第 15 次试飞。当星舰缓缓落入高科技的「巢穴」,聚集在星际基地附近墨西哥湾(Gulf of Mexico)海滩上的人群爆出欢呼声。这套火箭系统以星舰太空船命名。这次星舰在 22 小时的飞行期间绕行地球 14 圈,并为马斯克的星链(Starlink)卫星网路星系部署 26 枚卫星。

在此之前,SpaceX 已 3 度捕捉返回的推进器。然而,这次「接住」星舰的作业格外复杂,因为星舰下降的速度远快于推进器,下降起点也高得多。

SpaceX 与特斯拉合并谈判提速,合计市值约 3.47 万亿美元

11 月 12 日,据彭博社援引知情人士报道,SpaceX 与特斯拉的合并谈判正推进,双方讨论了交易条款和合并后的治理安排。知情人士称,两家公司最快可能在 12 月宣布交易,但时间也可能推迟至 2027 年初。

按稿件所列的 11 月 12 日收盘市值,两家公司合计约为 3.47 万亿美元。特斯拉董事会此前已成立特别委员会,探索与 SpaceX 深化合作,包括潜在的业务合并;目前双方尚未宣布达成合并协议。

特斯拉在提交给美国证券交易委员会的文件中披露,董事会已成立特别委员会,评估与 SpaceX 深化合作的可能性,其中包括业务合并。最终是否交易、如何换股和监管审批如何推进,仍需要双方后续披露。

OpenAI 转向通用 AI 模型直接控制机器人,不再单独开发专用模型

11 月 14 日,据《财富》杂志报道,OpenAI 已解散独立机器人研究团队,并将相关研究人员重新分配至公司其他部门。OpenAI 表示,此举并非放弃机器人业务,而是为了加快通用机器人的研发。调整后,机器人研究人员将并入由首席研究官马克·陈领导的核心研究团队,应用机器人及硬件团队则转入由总裁格雷格·布罗克曼负责的应用部门。

此次调整反映出 OpenAI 战略方向的变化:公司认为,通用 AI 模型已能够直接应用于机器人控制,无需专门开发独立的机器人 AI 模型。OpenAI 称,包括 GPT-6Astra 在内的前沿通用模型已展现出机器人应用能力。英伟达一项研究显示,搭载 Astra 的智能体在模拟机器人操作测试中的成功率达到 74.8%,高于该排行榜上专用机器人模型此前报告的 51%。

OpenAI 仍计划开发人形机器人,CEO 奥尔特曼此前提出争取在 2027 年进行首次公开演示。不过,业内人士指出,通用模型仍存在运行速度较慢、依赖云端网络等局限,机器人企业在真实场景部署和积累数据方面仍具优势。

马斯克裁撤 Grok Imagine 团队约 60 人,资源转向 AI 编程与智能体

11 月 13 日,据 The Information 援引知情人士报道,SpaceX 旗下 AI 团队裁撤了约 60 名负责 Grok Imagine 图像和视频生成工具的员工,只留下少数人员维持产品运营。报道还称,团队正将更多资源转向 AI 编程工具和 Grok Bot 智能体。

Grok Imagine 目前仍向用户开放。有关团队调整和后续投入的细节主要来自知情人士,产品后续安排仍有待公司进一步说明。Grok Imagine 是马斯克旗下的图像和视频生成工具,用户可以输入提示词生成内容。The Information 称,产品仍会由少数人员维护,但团队缩减后,新功能开发和产品更新将如何安排仍不明朗。

马斯克带头签名,呼吁黄仁勋复职联署人数已突破 13 万

黄仁勋辞去英伟达 CEO 职务后,一个名为 Stand with Jensen 的独立联署网站迅速传播。目前已有超过 1.55 万人署名,要求英伟达董事会让黄仁勋重返 CEO 岗位。

公开信认为,黄仁勋为英伟达付出了 33 年,董事会不应在独立调查结束前仓促决定他的去留。联署者要求董事会先恢复他的职务,确保调查公正,并公开解释为何作出这一决定。

网站一度涌入大量签名请求。知名投资人 Gavin Baker 在几个小时前称,服务器已经不堪重负,需要尽快扩容。随后,Replit CEO Amjad Masad 联系网站创建者,帮忙提高了访问限额。马斯克也公开表示,自己已经签署了要求黄仁勋复职的请愿书。他的名字同样出现在该网站的公开署名名单中。名单还列有知名投资人 Marc Andreessen、Y Combinator CEO Garry Tan,以及 Epic Games CEO Tim Sweeney 等人。

网站声明,这是一项独立民间活动,与英伟达及黄仁勋本人无关。署名者中有超过 1800 人自称英伟达现任员工,还有约 200 名自称前员工。不过,所有人的身份和职位均由本人填写,未经核实。

DeepSeek 发布全家桶应用 API,开发者可以 1:1 复刻 DeepSeek App

11 月 13 日晚,DeepSeek 宣布开放全家桶应用 API,这次更新将 DeepSeek App 的各项交互功能直接整合进原有 API,开启对应参数后,相关工具调用与上下文拼接均由服务端自动完成。未来开发者可以在自己的应用中实现复杂的对话功能了,甚至 1:1 复刻出完整的 DeepSeek App。在用户调用 DeepSeek API 使用扩展能力时,除收取 Token 费用外,也将按不同类别收取相关工具的调用费用。例如文字/图片搜索和网页抓取都是 5 元/千次,文字识别是 1.5 元/千页,语音识别是 0.39 元/小时。

此前在 DeepSeek App(含网页端)的对话服务中,有联网搜索、文件输入、阅读链接、语音交互及安全等能力与模型推理相互配合,但对开发者来说,如果想要在应用中实现类似功能,除接入原有 API 外,往往还需耗费精力去对接外部工具、处理调用衔接。因此现在 DeepSeek 开放这套全家桶应用 API 后,开发者可以更方便地实现复杂的功能了。

北京发布具身智能三年行动方案:2028 年 20 万台整机产能

11 月 11 日,北京市经济和信息化局发布《北京市具身智能机器人产业高质量发展行动方案(2026—2028 年)》。方案提出,到 2028 年培育不少于 5 家国际一流、10 家国内领先的人形机器人整机企业,在北京形成每年 20 万台整机生产能力。

方案还提出,新增具身智能专用算力超过 50000 Pflops,在不少于 100 个真实场景中采集超过 100 万小时高质量数据,并推进机器人“一机一码”全过程管理。上述数字均为规划目标。在产业应用方面,方案提出围绕生产作业、商业服务、家庭生活和养老服务等领域,形成不少于 15 个可规模推广的解决方案,并通过融资租赁、应用保险等方式支持落地。

优必选拿下 400 台 U1 Pro 订单,人形机器人进汽车门店

11 月 11 日,优必选与永达汽车签署战略合作协议。永达将采购 400 台超仿生人形机器人 U1 Pro,用于产品体验、销售推广和客户服务等场景,优必选计划于年内完成交付。

U1 Pro 是优必选 U1 系列的高配全身版,公开售价为 16.98 万元。此前,优必选还与天翼电信终端达成合作,提出在家庭陪伴机器人等方向共同拓展市场。根据合作协议,双方还计划在上海共建机器人体验展示中心,在合适的城市和网点探索联合展示与体验,并围绕汽车零售场景开展方案设计、销售和租赁合作。

LangChain 完成 3 亿美元融资,估值达到 30 亿美元

11 月 13 日,据 TechCrunch 报道,AI 智能体开发公司 LangChain 完成 3 亿美元 C 轮融资,估值达到 30 亿美元。本轮由 CapitalG 领投,GIC、DFJ Growth 等机构参投。LangChain 最初以开源开发框架受到关注,帮助开发者将大模型与外部工具、数据库等连接起来。公司如今还提供 LangSmith 平台,面向企业开发、部署和管理 AI 智能体。

LangChain 表示,LangSmith 的定位是覆盖智能体从开发、测试到部署和监控的流程,而不绑定单一模型或云平台。公司称,已有包括初创企业和大型企业在内的 7000 家组织使用 LangSmith。

机器人公司 Agile Robots 完成 5 亿美元 F 轮融资

11 月 12 日,德国机器人公司 Agile Robots 宣布完成 5 亿美元 F 轮融资,投后估值为 85 亿美元。本轮由软银领投,英伟达、日立等参与投资。

Agile Robots 表示,新资金将用于扩大生产能力、拓展美国业务以及进入新市场。公司产品包括人形和移动机器人、机械臂、机械手以及相关软件。公司介绍,其机器人解决方案面向汽车、消费电子、医疗和服务等行业,产品覆盖机械臂、机械手以及机器人软件。公司称,全球已部署超过 2 万套机器人解决方案。

深圳龙岗携手安永试点词元统计,探索 AI 调用量如何计量

11 月 13 日,深圳市龙岗区人工智能(机器人)署与安永启动词元经济统计与治理创新实践,以龙岗为首个综合验证场景。双方计划研究账户设计、统计口径和校准方法,探索如何对模型调用活动进行统计。

词元目前已被广泛用于大模型服务计费,但调用数量并不直接等同于服务质量或经济价值。该合作仍处于试点与方法研究阶段,尚未形成统一标准。据《经济参考报》报道,双方拟从政务、企业、居民和生态等使用场景归集数据,探索按模型、场景和任务校准词元使用量,并研究如何通过人机对照测算应用效果。

微软多项服务大规模宕机:涉及 Outlook 等,服务器意外离线导致负载过高

11 月 13 日,微软旗下 Microsoft 365、Outlook(电子邮件)、Teams(即时通讯)及其他应用持续中断,影响全球大批用户。微软公司就宕机事件最新表态称:公司监测了为提升服务能力而部署的变更,确认变更未按预期生效。目前正在寻找其他可行方案,以应对持续存在的流量调配失衡问题,提升服务承载能力。

稍早前,微软曾表示故障原因是"多台服务器因负载过高意外离线,并非访问流量激增",公司仍在努力让受影响的服务器恢复服务,并已观察到有限恢复,用户正逐步重新连接。 值得注意的是,此次故障还影响了美国人工智能企业的部分服务。路透社报道称,OpenAI 表示,正在调查其服务使用的微软连接组件出现的问题,部分用户可能无法正常新建连接,相关工具也无法按预期运行。

Anthropic 也表示,上游供应商出现故障,影响 Microsoft 365 连接组件,涉及的邮件、日历和搜索工具在大多数请求中无法正常运行。该公司旗下 Claude for Outlook 插件同样受到影响,用户通过该插件执行邮件或日历操作时可能失败,甚至无法打开。 国内社交平台上,不少网友表示:"感谢微软,提前放假",更有网友表示:"可以光明正大摸鱼了!"

美国拟扩大英伟达 AI 芯片出口管制,限制中企通过海外数据中心获取算力

11 月 12 日消息,据报道,美国商务部正制定新的出口管制规则,拟对新加坡、马来西亚、泰国、印度尼西亚、巴西、挪威及南非等国家实施更严格的 AI 芯片出口许可要求,以限制中国 AI 企业通过当地数据中心租用英伟达 Blackwell 及更新一代芯片的算力。根据拟议规则,相关国家的芯片采购方须披露芯片最终使用者及具体用途,并接受持续监管,以防止中国企业通过远程访问海外数据中心或芯片转运等方式规避美国出口限制。目前该措施仍处于拟议阶段,具体实施时间及最终适用范围尚未明确。

Anthropic 启动 IPO 路演,估值已缩水 6000 亿美元

11 月 13 日消息,Claude 母公司 Anthropic 的 IPO 路演正式开场,一扫此前退出、延期的传言。

按计划,Anthropic 拟以每股 70—78 美元的价格发行 8.25 亿股,IPO 交易规模最高约643.5 亿美元,计划于 11 月 19 日在纳斯达克开始交易,股票代码为ANT。

届时,非创始人董事、高管、现任及前任员工和顾问,可以从首个交易日起,出售规定基准持股的最多 10%,对应最多约 3.16 亿股。换句话说,上市首日,A 社的早期股东就有机会套现 221 亿—246 亿美元(约人民币 1500 亿左右)。

Anthropic 向美国证券交易委员会提交的更新文件还披露了其经营数据。2026 年前九个月,公司实现营收 332 亿美元,而去年同期仅为 25 亿美元,增速极为惊人。同期净亏损为 1040 亿美元,其中 943 亿美元来自可转换债券及其他金融工具的公允价值变动,属于非经营性账面影响;该期间的经营亏损实际为 13 亿美元。

另外,根据招股书,Anthropic 的七名联合创始人将在 IPO 中合计出售价值 17.5 亿美元的股票。 此外,11 月 12 日,Anthropic 开启史上最严大清洗。官方同步端出全新风控政策,明令封杀非支持地区。新规中明确指出,任何未列出的国家或地区均不受支持,包括三种情况:用户在物理位置处于不受支持地区时的使用;在不受支持地区注册成立或设立总部的实体及其用户的使用;被不受支持地区的个人或实体直接或间接拥有多数股权或控制权的实体的使用。另外,新规还明确禁止利用消费级订阅转发请求,全面封杀转卖和代理服务。

阿里巴巴:已正式申请平头哥独立上市

11 月 10 日晚,阿里巴巴集团发布公告称,已向香港联交所交表,申请旗下子公司平头哥独立上市。上市完成后,平头哥仍将是阿里巴巴子公司。公告显示,2026 年 9 月 11 日,平头哥已向香港联交所递交上市申请,拟通过 H 股在香港联交所主板独立上市。据悉,IPO 具体规模尚未最终确定。截至 2026 年 4 月,平头哥真武系列 AI 芯片累计出货量达 56 万片。

腾讯裁员 50% 谣言催生神图!马化腾化身"灭霸",张军:基于谣言作图

11 月 12 日消息,日前,腾讯 28 周年内部全员会传出组织变革与人员调整消息。在社交媒体上,有消息称,"现在都在传腾讯裁员 8000 人,职级 13 的元老同样被裁员""腾讯宣布裁员一半"……对此消息,腾讯公司公关总监张军在微博发文辟谣,称是"纯纯的误会和谣言"。

张军表示,昨天(11 日)在我鹅 28 周年的 Linktime 线上直播中,腾讯管理层主动表达了要加快组织变革的决心,同时特别提到,这和几年前那次"降本增效"不一样。前一次相对被动,更偏"降本";这一次是面向 AI 时代的主动出击,更偏"增效",激发团队去创造新的价值,鼓励一线同事积极举手向前冲,中间的管理层则需要变得更扁平和灵敏。

张军称,为了应对新的变革,内部需要主动思考新打法和新战场,50% 的人像陆军一样,守土有责,通过提效去做好现有的核心业务;另 50% 的人像海军一样,拥抱浪潮,探索 AI Native、拓展新的发展空间。这是公司资源适应 AI 时代的重新调度,打比方成分更大。可能这也是所谓"裁员 50%"的谣言误读出处,该说法完全不属实。 此外,评论区还有网友就"裁员 50%"玩梗制图,把腾讯创始人马化腾比作"灭霸"。对此,张军回应称,"基于一个谣言作图。"

曝一汽大众取消两年"年终奖",有工程师称合计约 20 万元

11 月 9 日消息,据媒体报道,一汽大众上周在内部口头传达,2025 年度和 2026 年度 BD 奖金将取消发放。而 BD 奖金在内部被称为"保单",约占员工全年总收入的 40% 至 45%,因金额较高且按年度核定,被员工视为年终奖。一名成都分公司工程师按往年水平估算,其两年 BD 奖金合计约 20 万元。

报道称,BD 奖金的发放节奏通常是年度结束后的次年 8 月计入员工账户。按这一时间线,2025 年度 BD 奖金已超过往年入账时间,2026 年度原本应在 2027 年发放。两年重要收入同时被告知取消,是员工反应较大的主要原因。此次调整涉及 P、O 序列的工程技术人员和车间工人,目前员工尚未看到书面文件。 据介绍,一汽大众 BD 奖金的运作方式较为特殊。

公司核定年度金额后,将资金存入员工名下的团体年金保险账户,员工达到约定年限后可以提取,离职不影响领取。除 BD 奖金取消外,多名受访员工反映月收入近年也在下降,降幅大致在 20% 至 30% 之间。公司在内部沟通中将调整原因归为政策变化和经营压力。媒体另从多位员工处了解到,一汽大众计划在 2026 年底调整薪酬结构,2027 年起不再设置 BD 奖金。

字节跳动元老、今日头条前 CEO 陈林公开承认离职,筹备 AI 教育创业

11 月 10 日消息,字节跳动早期核心成员、今日头条前 CEO 陈林在个人公众号发布万字长文《我为什么还要做教育?》,首次公开确认离职创业。自 2025 年市场传出其从字节离职、筹备 AI 教育创业的消息以来,这是他第一次正式承认。

公开信息显示,其新项目主体为北京银河智学教育科技有限公司,品牌名为"小鹿爱学",由陈林本人 100% 持股,公司于 2024 年底注册落地。产品思路上,陈林称"小鹿爱学"不做又一个帮学生机械刷题的工具,而是在课堂中通过交互式、可视化操作帮助理解抽象概念,并由 AI 以"费曼学习法"反过来追问学生,引导其把原理讲明白。

无界动力算法模型负责人加入哈啰 Robotaxi

11 月 10 日消息,据悉,无界动力算法模型负责人李一贤近期离职,加入哈啰 Robotaxi 担任模型算法负责人。这条人事变动信号很新——过去两年是智驾人才批量"出海"去具身,现在开始出现反向回流:从具身智能公司,回到自动驾驶主战场。

李一贤早期任职于理想汽车端到端智驾团队,是夏中谱体系下的核心成员;2024 年理想端到端一战打响后,他转入比亚迪智驾自研部门,参与"天神之眼"端到端研发;今年初夏中谱筹组无界动力,他跟随加入,负责算法模型,亲历了 MWA 隐空间世界模型从架构到榜单登顶的全过程。如今回到哈啰 Robotaxi,相当于把"具身世界模型"这一段训练,重新塞回 L4 自动驾驶的迭代链里。哈啰 Robotaxi 是哈啰出行旗下的 L4 自动驾驶业务,2026 年 7 月首款量产车型 HR1 已在广州工厂下线,今年 9 月完成约 1 亿美元融资,投后估值近 30 亿美元。

携程启动产研大融合,产品前端后端运营合并,全公司层面推广 DRI 制度

11 月 11 日消息,据媒体爆料,携程于近期召开全员会议,从公司层面宣布开始推广"产研融合"制度。据悉,此制度是在推行的范围内,以项目制将产品、运营、前端、后端、算法、测试等人员合并,即"人人是全栈、人人是产品经理"。据了解,该项目制名为 DRI(Directly Responsible Individual),也就是直接负责人制。此制度起源于苹果,核心是由一个项目负责人牵头,组内成员跨职能、快协作,围绕某个目标共同努力。

在携程的具体落地中,负责人并不限定职能,有些团队的 DRI 是原产品 leader,也有原运营 leader、技术 leader,整体以产运为主;试行团队内的一线成员涵盖产品、运营、前端、后端、测试、算法等工种,每个工种 1-2 人,因此会出现产品给技术打绩效、技术汇报给运营等各种可能情况,传统按职能划分的团队边界被打破。

权限方面,DRI 团队内的前端、后端也可以提出需求并自己实现,产品、运营的想法若能由 AI 实现也可独立交付,只要 DRI 认可即可。推行节奏上,携程此前已在局部试点,目前旅游、机票、内容中心等各事业部下均有部门响应。

京东内测"京东追剧",入局短剧带货赛道

11 月 10 日消息,据媒体获悉,短剧赛道的玩家又多了一位重量级选手,京东低调内测独立短剧产品"京东追剧福利社",采用免费模式。和抖音、快手主打信息流刷剧不同,京东这套产品逻辑,从一开始就带着浓厚的电商基因,据产品介绍,"京东追剧福利社"支持看剧领福利、领优惠。剧中同款可直接买,由京东发货,不过实际体验中,并没有看到相关的电商入口,或还在测试完善阶段。

消息称字节跳动发力智能体赛道,计划推出类似 Meta Muse 的 AI 助手

11 月 11 日消息,据报道,字节跳动计划在未来几周内推出一款类似 Meta Muse 的 AI 助手,巩固其在 AI 视频生成领域的领先优势。字节跳动希望借此加快追赶美国顶尖 AI 实验室的步伐,目标是在未来三年左右缩小双方差距。知情人士透露,字节跳动联合创始人张一鸣近日在一次面向 AI 团队的全员会议上,向研究人员、工程师及相关支持人员介绍了这一计划,并明确了接下来的重点工作。张一鸣认为,字节跳动有能力在 AI 前沿领域与 Anthropic、OpenAI 等行业领先企业展开竞争。不过,他也提醒团队,真正达到这些公司的水平,至少还需要等到 2029 年或 2030 年。

苹果 iOS 27.3 代码曝光 Siri"个人记忆系统",可记录用户各类信息

11 月 9 日消息,根据代码研究人员 pdfu 分享的最新代码发现,苹果正在开发一套个人记忆系统,有望帮助 Siri 记住用户生活中的各种信息。根据相关发现,在苹果 iOS 27.3 测试版中,这套系统包含一个名为"记忆图谱"(Memory Graph)的组件,旨在整理用户的人际关系、常去地点、日常习惯、健康状况、锻炼情况,以及激励用户或阻碍用户实现目标的因素。

系统还设计了名为"记忆原子"(Memory Atoms)的数据单元,用于记录事实、观点、意图和事件,并关联相关人物、地点、时间及话题等具体信息。 据 pdfu 介绍,这套图谱通过两种处理机制收集信息。其中一种负责将结构化数据转化为洞察,例如读取用户个人联系人名片中的姓名字段。

另一种则借助设备端 AI 模型或苹果私有云计算,从 Siri 对话、信息、照片和健康数据等来源提取信息。目前,代码中似乎只出现了其中一种由 AI 驱动的信息处理机制。pdfu 认为,这套机制旨在通过一组内置问题识别用户的动机、面临的障碍以及可利用的资源。系统内置了 60 个问题,其中包括询问哪些日常习惯可能影响用户获得充足睡眠。

OpenAI 宣布 12 月 11 日停用 ChatGPT 旧版语音模式,全面转向 GPT-Live

11 月 11 日消息,早在 2024 年,OpenAI 就推出了 Advanced Voice Mode(高级语音模式),让用户能够与 ChatGPT 进行更加自然的语音交流。不过,这种语音模式采用的是轮流对话机制,即模型必须等用户说完之后才能作出回应。今年 7 月,OpenAI 推出了新一代语音模型 GPT-Live,采用全双工架构,允许 ChatGPT 在倾听用户说话的同时进行语音回复,从而实现更加自然、流畅的交流。

此外,GPT-Live 还能够处理复杂问题,并在不中断当前语音对话的情况下,将相关任务交由 OpenAI 旗下的前沿文本模型完成。 OpenAI 表示,自今年 7 月 GPT-Live 发布以来,ChatGPT 的语音功能使用量已接近翻倍。目前,通过语音与 ChatGPT 互动的用户中,大多数已经转向使用 GPT-Live。基于这一变化,OpenAI 于 11 月 11 日宣布,将于 2026 年 12 月 11 日正式停用 ChatGPT 中的 Advanced Voice Mode 和 Standard Voice Mode,逐步淘汰这两种旧版语音体验,未来将把开发资源集中在 GPT-Live 上。这一决定并未得到所有用户的认可。在 X 平台和 Reddit 社区中,不少 ChatGPT 用户表达了不满。

大模型一周大事

重磅发布

千问 Qwen4-Max 开放预览,支持图像视频理解

11 月 11 日,阿里云开放 Qwen4-Max-Preview 预览。官方文档显示,模型支持文本生成、图像与视频理解、工具调用和结构化输出,可用于编程、办公及智能体任务。

预览期为 11 月 11 日至 11 月 25 日,目前仅通过 Token Plan 提供,不支持按量付费。官方表示,预览期结束后该预览模型将退役,正式版本安排仍待后续公布。

官方文档还称,该预览版支持联网搜索、函数调用和 JSON 结构化输出,可接收文本、图像及视频输入。开发者需要通过 Token Plan 获取专用 API 密钥,预览结束后是否更换模型版本应留意官方通知。

MiniMax 开放 H3-Image 权重:主打 4K 生图速度

11 月 10 日,MiniMax 发布图像生成模型 H3-Image 并开放权重,支持文生图、参考图生成和图像编辑,最多可输入 16 张参考图片。

MiniMax 称,在特定服务条件下,模型可以在 10 秒内生成一张 4096×4096 像素图像。模型也通过 MiniMax 开放平台、MiniMax Code 和海螺提供服务;实际生成速度会受到硬件、分辨率和服务模式影响。

除开放权重外,MiniMax 也通过自家平台提供在线生成服务,供不自行部署模型的用户调用。官方将高分辨率生成、图像编辑和多参考图理解列为重点能力;不同部署方式的速度和价格需要分别比较。

美团开放 LongCat-2.5 权重,支持视觉理解与编程

11 月 9 日,据 VentureBeat 报道,美团开放 LongCat-2.5 模型权重,并采用 MIT 许可。开发者可以下载权重,自行部署或进行微调。

LongCat-2.5 支持图像、视频等视觉输入,也可用于编程任务。美团此前已经介绍过这款模型,本次进展是权重开放;模型在不同任务上的表现仍需结合具体评测条件判断。

据美团技术团队此前介绍,LongCat-2.5 面向长程智能体任务,结合了视觉理解与编程等能力。开发者可以让模型读取截图、分析代码并辅助处理多步骤任务,但不同模型在终端、视觉和网页开发评测中各有差异。

Runway 开源 27B 世界动作模型 Praxis-1,机器人基准居首

11 月 11 日,Runway 宣布开放 270 亿参数世界动作模型 Praxis-1 的权重,采用 Apache 2.0 许可。模型同时预测视频和动作,面向机器人操作任务。

据 Runway 公布的结果,Praxis-1 在 RoboLab-120 的 1200 次测试中取得 46.2% 的成功率,高于其列出的其他对比模型。该结果来自特定基准测试,不能直接等同于真实场景中的表现。

Praxis-1 属于世界动作模型:它在预测画面变化的同时给出动作,供机器人任务研究使用。Runway 此前以视频生成产品受到关注,此次开放权重也让研究者可以在已有模型基础上进行测试和微调。

MBZUAI 旗下研究机构发布 PAN 2 世界模型

11 月 10 日,穆罕默德·本·扎耶德人工智能大学旗下基础模型研究所发布开放世界模型 PAN 2。官方称,给定初始场景和文字描述的动作后,模型可以生成展示后续变化的视频。

PAN 2 面向物理环境模拟等研究方向。研究人员可以借助生成的场景观察动作带来的变化;其对物理规律的模拟能力仍需要结合具体任务和测试条件评估。

研究团队将这种方式称为模拟推理:先通过模型预测不同动作可能带来的变化,再用于规划或进一步研究。团队同时开放模型供研究者使用,但虚拟画面与真实物理环境仍存在差距。

Meta 发布 Muse Ember 1.0:每百万 token 输入 0.1 美元

11 月 9 日,Meta 发布 Muse Ember 1.0,并通过 Muse Code 和 Meta Model API 提供服务。官方称,它是 Muse 系列中体量最小的模型,面向工具调用、代码子任务和文档解析等场景。

定价方面,Muse Ember 每百万 token 输入为 0.10 美元,输出为 0.50 美元,支持 100 万 token 上下文。Meta 尚未公布模型参数量。

除文本外,Meta 称模型能够处理图像、音频和视频输入,适用于截图理解、文档分析以及其他需要多模态输入的任务。其对不同任务的实际表现,仍需按照调用条件和评测方法比较。

Google 上线 Gemini Decisions API:一次评 1000 道题,输出免费

11 月 11 日,Google 发布 Gemini Decisions API 和配套的 Decision 1 模型,面向分类、路由和批量判断等任务。官方称,该接口单次可针对同一份输入评估最多 1000 个判断、选择或评分问题。

与生成长篇回答的聊天模型不同,该接口侧重对给定选项进行打分。官方公布的输入价格为每百万 token 0.1 美元,不收取输出 token 费用;延迟和费用仍取决于实际请求条件。

Google 表示,接口可针对文本、图片、音频、视频或 PDF 等同一份输入,批量回答判断题、选择题和评分问题,并返回各选项的概率及置信度。官方公布的延迟数据对应具体输入长度和测试条件。

Anthropic 最强 Claude Fable / Mythos 5.2 登场,8 天从零搓出操作系统

11 月 10 日消息,Anthropic 官宣推出 Claude Fable 5.2 和 Claude Mythos 5.2,两款模型基于同一底层模型,前者面向普通用户并内置网络安全与生物安全防护,后者则面向通过审核的网络安全和生命科学机构开放,用于高风险的专业应用。

在预发布测试中,Fable 5.2 完成了多项引人注目的任务:设计出三款可实际运行的电子设备,包括语音助手中枢、USB 会议音箱和手持虚拟宠物;协调逾 1000 个子智能体,在 8 天内从零构建出可在笔记本电脑启动的原型操作系统;并以约 1000 个代理在 30 小时内完成费马大定理的 Lean 形式化证明,远快于此前 11 天的纪录。

科学研究也被列为重点:Fable 5.2 解决了两个与黑洞物理及全息对偶相关的开放问题;Mythos 5.2 则提出预测腺相关病毒衣壳整体结构的新方法,在测试中对 34 个衣壳成功建模 28 个。

定价方面,Claude Fable 5.2 每 100 万词元输入 8 美元、输出 40 美元,相比 Fable 5.1 的 10 美元 / 50 美元下调 20%;官方称生成速度最高提升 30%,"快速模式"下最高再提至 2.5 倍。目前 Fable 5.2 已在 AWS、Google Cloud 和 Microsoft Azure 开放,Mythos 5.2 需通过 Cyber 或 Life Sciences 验证计划申请。

谷歌新模型 Gemini 4 Hydrogen、Gemini 4 Carbon、Gemini Robotics 2.5 接连登场

11 月 12 日,谷歌发布 Gemini 4 Hydrogen,主打日常编程和多步骤智能体任务。谷歌公布的测试显示,在默认"高"思考等级下,Hydrogen 完成任务的速度约为 Gemini 3.8 Flash 的 2.5 倍;在 Terminal-Bench 4.1 中,两者得分分别为 57% 和 18.2%。Hydrogen 在 Artificial Analysis 智能指数上的得分为 51,略高于定位更高的 Gemini 4 Argon 的 50 分。其 API 支持最高约 100 万 Token 上下文,输入和输出每百万 Token 分别收费 1.50 美元、7.50 美元。

11 月 10 日,谷歌宣布正式开放 Gemini 4 Carbon 模型,面向开发者、企业、科研人员和消费者提供服务。该模型是谷歌目前能力最强的推理模型,重点面向复杂软件工程、多步骤智能体任务、科学研究和网络安全等场景。相较于同期推出的 Gemini 4 Argon,Carbon 能够在复杂任务中投入更多推理 Token,进行假设探索、结果验证和边缘情况检查。模型已通过 Gemini API 和 Google AI Studio 向付费开发者开放,并逐步向 Google AI Ultra 订阅用户覆盖。

11 月 10 日消息,谷歌推出迄今为止能力最强的视觉-语言-动作(VLA)机器人模型 Gemini Robotics 2.5,大幅提升机器人可学习的技能广度与学习速度。测试任务达 200 项,例如用夹子分发食物、给礼品盒系蝴蝶结、转移液体等。

评估显示,相较于此前基线,Gemini Robotics 2.5 按任务类型不同,成功率高出 30% 至 100%,任务完成速度快 20% 至 30%。谷歌与 Apptronik、奔驰合作,在匈牙利凯奇凯梅特、德国辛德尔芬根的在用汽车生产线上部署 Apollo 2 人形机器人进行概念验证。

字节推出 Seedance 2.5 flash:视频生成提速,720P 约 0.99 元一秒

11 月 12 日,字节跳动推出视频生成模型 Seedance 2.5 flash。官方称,新模型的生成速度较 Seedance 2.5 提升一倍;以 720P 文生视频、图生视频为例,生成价格约为每秒 0.99 元,降低约 34%。这一定价对应特定分辨率和生成方式,不能直接用于计算所有任务的费用。Seedance 2.5 flash 单次最长可生成 30 秒视频,支持输入图片、视频和音频参考素材,输出分辨率为 480P 或 720P。模型将陆续登陆即梦等创作平台。

此外,11 月 9 日,字节跳动发布豆包图像创作模型 Seedream 5.5。相较上一代 Seedream 5.0 Pro,新模型生成速度提升,增强多轮编辑稳定性,原生支持透明素材生成,并针对图像真实感和小字渲染做了重点优化。目前,豆包、豆包工作、即梦已同步接入 Seedream 5.5。以 2K 方图编辑为例,单张成本在 0.28 元左右,不到 Seedream 5.0 Pro 一半。

百度推出大模型交易平台词元所,发布 ERNIE 5.5 Flash Preview 模型

11 月 12 日,在百度世界 2026 开幕式上,百度正式推出大模型交易平台词元所。百度创始人李彦宏表示,词元所是大模型的交易所,希望汇聚好的模型和模型提供商,让企业乃至个人都能便捷地找到、购买和使用可信的模型 Token。该平台主打"验真"与"征信"两大能力,通过模型指纹比对、能力测试、性能与可用性测试等进行资源核验,同时采取定期抽检拨测、全链路实时监测调用等方式,为模型提供商建立信用评级。

词元所上线一个月以来,入驻供应资源已超 100 个,日均调用次数突破 5000 万,日均调用 Token 超 7000 亿。 日前,11 月 11 日,百度最新基础模型文心 5.5 Flash Preview 正式发布。该模型总参数量达 2800 亿,每个 Token 激活 140 亿参数,支持最长 100 万 Token 上下文,在编程、3D 建模、知识工作、内容创作等方面表现突出。API 定价为每百万 Token 输入忙时 2 元、闲时 1 元,输出忙时 8 元、闲时 4 元,限时五折。此外,模型权重将于 11 月 25 日正式面向全球开源社区发布。

元宝搜索上线,腾讯重新做搜索引擎

11 月 11 日,腾讯全新搜索产品"元宝搜索"正式上线。在任意浏览器地址栏输入网址 so.qq.com 即可使用,也可将 QQ 浏览器升级至最新版本,在引擎设置中切换为"元宝搜索"。据腾讯介绍,元宝搜索基于元宝的大模型能力,重新构建了从理解、检索、排序到答案组织的整条搜索链路。

依托千亿级索引,搜索范围覆盖全网网页、公众号、视频号等腾讯生态内容和学术文献。 在结果呈现上,优先展示权威机构与官方来源的内容,并将广告与答案明确区分。"元宝搜索"接入了 157 个权威信源,能搜公众号,也能搜视频号;承诺广告不伪装答案,单独上线广告模块并标明"相关广告",同时支持"收起广告"。交互上,打字、说话、拍照都能搜,并按需呈现卡片、图表。

企业应用

  • 11 月 13 日,OpenAI 推出 ChatGPT Wallet,让 ChatGPT 的智能体在用户批准后代为完成购物支付。目前功能面向美国部分 Pro 订阅用户,支持美国运通、万事达和 Visa 卡。支付时,智能体使用按笔发放的支付令牌,而不是用户的真实卡号。

  • 11 月 12 日,Infor 与 Anthropic 宣布将 Claude 接入制造业业务系统。部分 Infor Velocity Suite 客户可用自然语言查询生产和采购信息,并在现有身份验证和权限控制下执行获批准的操作,例如更新采购订单。该功能需要客户拥有 Claude 许可,并由管理员启用连接器。

  • 11 月 12 日,物流公司 GXO 与 Apptronik 宣布扩大合作。双方计划从 2027 年底开始在北美部署 Apollo 人形机器人,并视部署效果以及安全、运营等指标的达成情况,未来四年逐步推进最多 1000 台机器人的全球部署。

  • 11 月 10 日,联想发布“万全混合词元工厂”品牌,并介绍首个落地张家口的母本工厂。联想与湖南广电合作提出,将内容制作成本降低 50%、生产周期缩短 60%,并吸引 1 万名创作者;这些数字是合作目标。

  • 11 月 12 日,谷歌宣布 Gemini 智能眼镜正式发布,把 Gemini 的语音与视觉能力搬到可穿戴设备上,支持语音唤醒与实时画面识别,成为本周最受关注的一款 AI 硬件。

  •  11 月 11 日,Anthropic 为 Claude 上线 Whiteboards、Sheets 与 Data 三项新能力,把白板、表格与数据接入同一个工作区,让对话之外的结构化协作也能留在 Claude 里。

  • 11 月 10 日,Meta Muse 宣布支持 Apple Watch,用户可在手表端直接唤出智能体处理简短任务,把 AI 助手的入口从手机延伸到腕上。

图片热度延续:12 月 AICon 北京站见

12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。8 折优惠倒计时最后一周,现在报名立减 1160,查看更多详情可扫码或联系票务经理 13269078023 进行咨询。

图片

跳转微信打开

  •  

“无人敢说‘不’毁了黄仁勋,无人能接棒困住英伟达”

AI前线 2026-11-14 10:33 北京

是华裔身份被作局,还是咎由自取?黄仁勋传记记者提供独特视角

编译 | 飞野

编辑 | 四月

编者按
黄仁勋的突然离任,正在引发一场关于个人声誉与企业命运的激烈争论。
作为英伟达的联合创始人和执掌公司 33 年的领导者,黄仁勋对这家公司的意义,早已超越了一位普通 CEO。他不仅主导了英伟达从图形芯片公司向 AI 算力巨头的转型,也深刻影响了全球人工智能产业的发展路径。
然而,这些成就并不能使他免于质疑。尤其是当个人行为、企业治理与公共利益发生冲突时,即使是最杰出的企业家,也需要接受审视。
《纽约时报》近日刊登了黄仁勋传记作者 Stephen Witt 的评论。他曾深入采访黄仁勋本人及近 200 位相关人士,从长期观察者的角度,提出了一个尖锐的判断:黄仁勋的过度自信,以及英伟达内部难以挑战其权威的管理文化,可能共同促成了今天的局面。
在 Witt 看来,这场谢幕并非单纯的突发意外,而是一场关于“权力失衡”的必然:当一家万亿帝国的创始人拥有绝对权威、内部无人敢说“不”时,扁平化管理是如何演变成危险的“缄默文化”的?当商业领袖试图深度介入Washinton政治博弈时,又会付出怎样的代价?
需要说明的是,本文编译自 Witt 的个人专栏,其中涉及因果的推断与部分内部传闻,尚缺乏官方实证,代表作者一家之言。我们分享这篇报道,并非认同其全部判断,而是希望剥离情绪与八卦,探讨一个所有科技巨头最终都会面对的治理难题:当创始人强大到无法被制衡时,公司该如何自处?

英伟达内部的沉默

我们生活在人工智能时代——在让这个时代成为可能的人当中,黄仁勋的作用或许比任何其他个人都大。但他的离场,在我看来,并不是一个技术故事,而是一个因鲁莽的过度自信而自毁前程的故事。

我为黄仁勋写传记时,把书取名为《The Thinking Machine》。这个名字既指驱动人工智能的芯片,也指黄仁勋那永不停歇的大脑。在他令人震惊地离开英伟达之后,我甚至想给续集取个名字:《你到底在想什么?!机器》。

据报道,黄仁勋与英伟达医疗业务高管 Kimberly Powell 有亲密关系。Powell 是他的直接下属。一名前英伟达员工告诉我,这段关系在公司内部是人尽皆知的秘密,而黄仁勋的两个孩子也在英伟达任职。我问这位前员工,为什么黄仁勋会如此行事。对方说,这让他感到兴奋——一种自恋者的快感。

今年早些时候,我就开始听到关于黄仁勋不忠的传闻,却无法证实。英伟达内部有一种难以打破的缄默文化,我认为,这让他最糟糕的一面得以放纵。

有时,我能从下属在他面前附和的笑声,以及他离开房间后人们低声嘟囔的话里,感受到这种顺从。最终,打破英伟达沉默的,是ZF情报机构,以及《纽约时报》的记者。

黄仁勋与英伟达团队成员同台(图源:Greg Estes / X)

我见过的黄仁勋亲民、爱家人,但独断

我在 2023 年第一次见到黄仁勋时,他和身边的人都在强调:他是一个谦逊的人。在我们的交谈中,他总是把注意力从自己的成功上移开,很快将功劳归给员工和高管。他也喜欢热情地与服务人员打招呼。

有一次,我和他一起吃早餐。后来我专门找到那位服务员,才知道黄仁勋给她留下了 1000 美元小费,用的都是百元钞票。他当时并没有特意展示这个举动。

但随着时间推移,我开始怀疑,谦逊是否也是一场表演:不是为了给旁观者看,而是为了取悦他自己。

在我看来,黄仁勋相当傲慢。他很难容忍不同意见,也几乎不具备公开讨论的能力。你一旦反驳他,哪怕只是最微不足道的小事,也像点燃了一根导火索。如果你坚持自己的立场,他可能会爆发,冲着你大喊大叫。

黄仁勋的一通训斥可能持续一个小时甚至更久。他身边的高管看上去真的很怕他。听他们讲述这些事时,我想起了电影《爆裂鼓手》里那位严厉的音乐教师。

黄仁勋也非常重视顾家男人的形象。他总是谈起妻子 Lori 和两个孩子,也经常带着家人到世界各地旅行。与他的亲民做派相比,他对家人的感情在我看来似乎是真实的。

黄仁勋与妻子 Lori 合影(图源:俄勒冈州立大学 / GamesBeat)

为传记做采访时,我曾与黄仁勋夫妇一些最老的朋友交谈。他们早在两人二十多岁、还没有财富和名声时就认识他们。我旁敲侧击地问过,两人的婚姻是否可能存在问题。得到的回答是,他们的婚姻幸福,甚至是值得效仿的榜样。

从靠近特朗普到卷入芯片政治

2025 年,黄仁勋成为 Trump 的亲密盟友时,我感到意外,甚至十分惊讶。他此前从未表现出对政治有多大兴趣,在 Washington 的人脉也有限,也没有出席 Trump 的就职典礼。

但很快,他赢得了 Trump 的信任。到 2026 年 9 月举行科技高管活动时,黄仁勋已经坐在 Trump 的右手边。在我看来,黄仁勋和 Trump 有不少共同点:虚张声势、自恋,还有,我想,拈花惹草。

2025 年 4 月 30 日,黄仁勋与 Trump 在白宫活动上握手(图源:IC Photo,观察者网)

我认为,也是黄仁勋最终失势的导火索。他推动 Trump 放松面向中国的芯片限制,这让他与美国政府内更为鹰派的成员发生冲突,尤其是国务卿马尔科·卢比奥。卢比奥负责监督起草了那份有关黄仁勋的调查备忘录。

没有黄仁勋,谁能接手英伟达?

现在,英伟达必须找到一位继任者。这将很困难:在我看来,黄仁勋从未培养过接班人,也没有二把手。Colette Kress 将担任临时 CEO,但她出身财务领域,而非电气工程,因此我不认为她能成为长期解决方案。

无论谁接替黄仁勋,都必须是一流的计算机科学家,既能与实力雄厚的客户敲定交易,也能在芯片延期时打电话到台湾,直接向对方施压。

没有黄仁勋的英伟达,就像没有迈克尔·乔丹的公牛队。他白手起家创建了英伟达,却也留下了一个可能无法填补的空缺。

目前事件众多细节还扑朔迷离,这篇评论也仅为 Witt 一家之言,其中可能存在片面性和事实错误,请读者谨慎对待。

Witt 所著的《The Thinking Machine》获得了 2025 年《金融时报》与施罗德年度商业图书奖。简体中文版《黄仁勋:英伟达之芯》登上当当 2025 年商业史传类年度榜首。他曾采访黄仁勋超过六次,并采访了近 200 位亲友、英伟达共同创办人、员工和竞争对手。

声明:本文为 AI 前线编译,不代表平台观点,也不构成投资建议,未经许可禁止转载。

图片热度延续:12 月 AICon 北京站见

12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。

图片

跳转微信打开

  •  

超越OpenRouter,百度盯上AI模型交易:不只比价格,还要给供应商算信用账

原创 褚杏娟 2026-11-13 18:10 北京

百度智能云词元所平台上,DeepSeek-V4.1-Flash 同时有 5 家供应商提供调用服务,价格、首 Token 延迟、吞吐等各不相同。

图片

作者 | 褚杏娟

百度智能云词元所平台上,DeepSeek-V4.1-Flash 同时有 5 家供应商提供调用服务,价格、首 Token 延迟、吞吐等各不相同。

这对于开发者而言并非新鲜事。选择 DeepSeek、Qwen 还是 GLM 只是第一步,接下来困扰开发者的是需要判断:同一家模型,不同供应商提供的服务究竟有什么区别?价格更低的那一家,是否真的能提供相同的模型能力、推理速度和服务稳定性?

这并不是假设性问题,海外模型聚合平台 OpenRouter 此前就出现过类似争议。

今年 9 月,开发者 Mo Moustafa 对 OpenRouter 上不同供应商提供的 DeepSeek V4 Flash 0731 进行了对比。在相同模型权重的情况下,不同供应商的实际表现却出现了明显差距:DeepSeek 官方服务在 GPQA Diamond 测试中得分约 90%,TAU-Bench 工具调用测试约 81%;DigitalOcean 提供的同款模型服务,两项成绩分别只有 75% 和 58%。

模型没有变,只是换了供应商,实际交付的能力却可能相差一大截。问题在于,模型权重只是最终服务的一部分。量化精度、推理引擎、工具调用解析、GPU 资源调度乃至服务配置,都可能影响开发者最终获得的结果。

这场讨论引发了开发者社区的广泛关注,OpenRouter 也开始调整供应商路由机制。10 月 28 日,平台宣布不再主要按照价格进行路由,而是综合考虑响应速度、吞吐能力和可靠性。其公布的实验数据显示,新机制使首 Token 延迟改善 16.9%,吞吐量提升 16.3%,容量错误减少 46%,成本增加约 6%。

这反映出了模型 API 市场正在发生的变化:当模型供给越来越丰富,接入和调用已经不再是难题,真正困难的是如何判断服务质量,以及如何保证供应商长期兑现承诺。这也解释了为什么百度这样的科技巨头,开始将目光投向模型交易市场:当模型调用不再稀缺,可信的服务交付才是真正的竞争壁垒。

词元所试图通过模型验真、持续监测和信用评级,将原本难以比较的模型服务纳入统一评价体系,让企业和个人能够更加透明地选择、购买和使用 Token。据官方透露,试运行一个月以来,词元所入驻供应资源超过 100 个,日均调用次数突破 5000 万,日均调用 Token 超过 7000 亿。这侧面印证了开发者的真实需求。

Token 市场快速扩张,交易标准却没有跟上

Token 成为大模型商业化的重要计费单位,背后是 AI 使用规模的快速扩张。

根据国家数据局披露的数据,2024 年初,我国日均词元调用量约为 1000 亿;到 2025 年底,这一数字已经增长至 100 万亿。2026 年 3 月,日均调用量突破 140 万亿,到了 6 月又进一步突破 500 万亿。短短两年多,调用规模增长了数千倍。

从模型厂商到云计算平台,再到独立推理服务商和 API 聚合平台,越来越多参与者开始提供模型调用服务。IDC 的市场观察也显示,国内 MaaS 市场已经形成云厂商、大模型公司、独立推理服务商和运营商等多类参与者,各自依靠模型、算力、推理效率和渠道优势争夺市场。

但供给增加,并不意味着交易已经成熟。目前,Token API 服务仍然存在明显的信息不对称。不同供应商的计量口径、价格体系、性能表现和服务承诺并不完全一致。

中国信通院 10 月发布的《大模型词元服务性能监测报告(2026 年)》指出,同一开源模型在不同平台上的服务性能存在较大波动,各平台在推理加速、优化策略和成本控制方面的差异,是造成性能分化的重要原因。

这意味着,模型服务已经不能只看模型名称和 Token 单价。对于开发者而言,同样一百万 Token,最终获得多少有效输出、需要等待多久、任务能否成功完成,都应该纳入成本计算。

另一个问题是模型版本和资源配置的透明度。量化本身是一种正常的推理优化手段,能够降低显存需求和推理成本。但如果供应商将经过量化裁剪的模型仍按原版模型标称,或者在用户不知情的情况下静默升级版本,就会影响服务承诺的可信度。

对于采购方来说,最困难的地方在于,单凭 API 名称和报价,很难判断供应商实际提供的是什么模型、采用了什么配置,以及能否长期维持承诺的服务质量。

Token 已经有了计量和计费方式,却还缺少统一的质量评价和履约记录。商品化需要三个条件:可比价、可验证、可追责。能买到只是第一步,出了问题有人负责、换了版本效果不发生无法解释的变化、同样的价格能够获得可比较的服务,才是规模化交易的门槛。

这也是词元所出现的产业背景。

2026 年 3 月,国家数据局将 Token 中文名确定为“词元”,并将其定义为智能时代的价值锚点以及连接技术供给与商业需求的“结算单位”。8 月,工信部开展人工智能应用服务商培育专项行动,也提出探索通过首购首用、风险补偿等方式,加大大模型、智能体和 Token 服务采购力度。9 月,北京市发布《加快词元经济发展的行动方案(2026—2028 年)》,明确提出建立词元质量评测体系、打造词元分发平台。

从定名、质量评价到市场分发和服务采购,词元正在从技术计费单位走向产业交易要素。词元所要补齐的,正是模型交易中长期缺少的这部分机制。

真正的问题,往往出现在用户看不见的地方

对于企业而言,模型 API 的成本并不只有 Token 账单。

一家企业如果同时接入多家模型供应商,就需要分别进行技术评测、商务询价、接口适配和服务验证。模型升级后,还要重新测试;供应商出现故障,又需要排查问题究竟来自模型、推理平台还是业务集成商。

此外,请求经过中转平台后,可能被转发到官方模型 API,也可能进入供应商自己的推理集群,甚至经过多个服务节点。这条链路对用户来说往往是不透明的,尤其是对于采用多级转售的服务,用户可能并不清楚实际提供模型服务的是谁。更不用说供应商更换了部署节点、推理配置或模型版本,用户都未必能及时察觉。

这也是李彦宏在百度世界大会上强调的市场问题。模型迭代速度非常快,甚至今年前 9 个月几乎每天都有不止一款新模型发布,随之出现了大量词元中转站,但其中一些平台并不对模型效果、服务稳定性和响应速度负责,甚至连模型真实性都难以考证。

更麻烦的是责任划分。模型输出不符合预期,模型厂商可能认为是提示词设计问题,平台可能认为是模型本身的行为,集成商则可能将问题归因于数据质量。服务链条越长,出现问题后越容易产生责任争议。这也导致一些企业即使完成了 AI 项目试点,也不一定敢将模型服务纳入核心业务系统。

从财务角度看,这件事还有更直接的影响。

项目制采购通常依赖专项预算,一年一议,验收后结算;而持续运行的 AI 服务需要进入年度运营预算,按量计费,并接受成本审计和效果评估。企业要将 AI 从一次性项目变成持续运营的业务能力,至少需要解决三个问题:费用可计量、效果可追溯、责任可划分。

国研新经济研究院创始院长朱克力认为,词元所推动的变化,还在于模型服务商业形态的转变。过去企业采购模型往往采取一单一议的方式,费用计入具体项目;有了统一计量标准和可比较的信用记录,模型调用才有条件转变为按量计费的经常性支出,并纳入企业年度预算管理。

“产业化程度越高,采购决策越依赖公开指标而非销售承诺,这正是第三方交易基础设施的价值所在。”朱克力表示。

这三条恰好对应词元所的计量、验真和征信机制。

对预算有限但必须使用 AI 的中小企业,统一入口能够降低接入和选型成本;对靠模型能力提供行业解决方案的 ISV(独立软件开发商),可查询的供应商表现能够减少重复测试和采购风险;对采购流程严格、对合规和履约要求较高的地方国企及行业客户,公开的质量指标和信用记录则能为供应商选择提供参考。

过去,企业往往需要自己建立一套模型测试和供应商评估体系。不同部门可能采用不同的测试方法,采购结果也难以横向比较。

如果模型服务能够拥有统一的计量口径、可核验的质量指标和持续更新的履约记录,企业就能更容易完成选型、预算和采购流程。有指标可查、有记录可追,采购部门才更有依据将 AI 写进年度预算。

给每一家供应商建立一份长期“成绩单”

从目前公开的产品设计来看,词元所的核心能力可以概括为“验真”和“征信”,平台运行可以拆成四个阶段:准入、监测、评级和交易。

首先是准入验真。供应商进入平台前,需要核验资质来源,并对其提供的模型资源进行测试,包括模型指纹比对、模型能力测试、性能测试和可用性测试。

其中,模型指纹比对主要用于判断实际调用的模型是否与供应商声明一致;能力测试用于验证模型的实际表现是否符合标称能力;性能和可用性测试则关注响应速度、吞吐量、调用成功率及服务承载能力。这套机制针对的是三类风险:套壳换皮、量化裁剪后仍按原版模型标称,以及模型版本静默升级导致效果漂移。

其次是持续监测。模型通过准入测试,并不意味着后续服务质量就能一直保持不变。供应商可能调整模型版本、推理配置和底层资源,服务质量也可能随并发负载发生变化。

因此,词元所不仅在模型上架时进行一次测评,还会通过定期抽检、主动拨测和全链路实时调用监测,持续记录供应商表现。当质量参数发生变化时,平台会更新相关信用评价,并向用户提示。

在此基础上,词元所建立了质量分和信用分两套评价体系:

  • 质量分主要从模型能力、服务性能、服务质量和成本四大维度,综合评价模型 API 服务的实际质量与能力水平。它回答的是:这项服务究竟表现如何,价格和能力是否匹配。

  • 信用分则基于供应商声明与实际测评结果之间的差异,从模型真实性、性能、能力、安全合规及商业履约等维度,评价供应商承诺的兑现程度。它回答的是:供应商是否持续兑现了自己对客户作出的承诺。

两套评分的评价对象并不完全相同。一家供应商可能拥有性能不错的模型服务,但如果经常更换配置、服务质量波动明显,信用表现就可能受到影响。而长期稳定履约的供应商,则有机会通过持续积累记录建立市场信誉。

某供应商的报告

词元所采用模块化技术架构,其测评与评价体系围绕统一测评、基准管理、异常检测、持续监测、信用评价和可信存证六项核心能力展开。在测评体系建设上,融合公开基准、私有测评集与持续演进的自研探针,构建动态测评体系。

整个系统形成了“数据采集—指标计算—评测分析—可视化展示”的闭环,单次测试结果也能够与长期调用记录结合,逐渐形成可查询的履约历史。

这与传统模型评测有一个重要区别:传统评测更多关注某个模型在特定测试集上的能力,词元所还需要评价具体供应商在真实调用环境中的持续交付表现。毕竟,模型本身的能力是一回事,供应商能否稳定地把这种能力交付给用户,是另一回事。

芯云模体,让百度有能力搭台

可以看出,Token 交易平台要实现的并不只是建立一个模型目录。模型验真需要技术判断,持续监测需要算力和推理工程能力,多供应商接入需要平台分发经验,而信用评价最终还要进入企业采购流程。

百度的优势并不只在于拥有模型,而在于它已经积累了一套覆盖芯片、云基础设施、模型和应用平台的 AI 技术体系。

首先是模型能力。模型指纹比对要判断“这是不是它宣称的那个模型”,能力测试要判断“标称能力和实际能力是否一致”。这需要长期从事模型训练、模型评测和推理优化的技术积累,而不是简单接入第三方 API 就能完成。

其次是算力和推理工程能力。定期抽检拨测和全链路实时监测是持续性工作,背后需要算力资源和推理工程能力支撑。供应商越多、调用规模越大,平台需要处理的测试请求和监测数据也越多。

第三是模型分发经验。百度智能云千帆平台此前已经实现文心模型与第三方模型的统一接入,积累了多模型管理、API 服务和企业级调用经验。词元所面对的多模型、多供应商场景,本质上是这套工程能力向交易和信用评价环节的延伸。

最后是企业服务能力。信用评级要真正影响采购决策,还需要理解企业的合规、运维、结算和服务要求。百度披露,百度智能云已服务近 80% 的央企客户,位列 2025 年央国企大模型市场份额第一。这类客户积累使其能够接触不同规模、不同采购要求的模型买方。

不过,百度自身也是模型服务提供商,文心模型同样参与模型市场。词元所要获得长期信任,还需要通过一致的测评规则、公开的指标和可追溯的评价结果,证明不同供应商在平台上能够按照相同标准参与竞争。

交易平台的核心竞争力不只是拥有多少模型资源,还在于能否让供需双方相信平台提供的评价结果。

打开存量算力的新变现渠道

词元所还有一个容易被忽略的产业价值:它可能为存量算力打开新的变现渠道。

目前,国内算力市场存在一个明显反差。一边是高端智算资源持续紧张,部分头部大模型公司因算力接近承载上限而暂停新用户订阅;另一边, 根据中国信通院数据,2025 年我国智能算力供应量约 38 亿卡时,实际使用量约 14 亿卡时,使用率约 36.8%。这并不意味着全国算力总量不足,而是供给和需求之间存在结构性错配。

首先是层级错配。通用算力可能阶段性过剩,但满足大模型训练和高并发推理需求的高端智能算力仍然紧张。不同芯片的架构、软件栈和适配能力也不相同,拥有 GPU 并不意味着能够直接承接所有模型任务。

其次是区域错配。京津冀、长三角和粤港澳等区域聚集了大量算力需求,西部地区则拥有部分成本较低的算力资源。但实时推理对网络时延和跨区域调度有较高要求,富余算力不一定能够直接承接东部业务。以京津冀为例,北京数据中心峰值负载率趋近饱和,而张家口、廊坊等地虽然形成了规模化算力集群,本地产业需求却相对有限。

第三是运营能力错配。一些地方算力项目在建设阶段缺乏明确的客户画像,建成后又缺少推理优化、模型适配和市场运营能力,导致设备虽然已经投入使用,却无法形成稳定收入。经济日报此前也提到,有项目在引入原厂技术团队驻场调优后,整体算力利用率能提升至 80% 以上。

这说明,算力设备建成只是第一步。通过模型适配、推理优化和专业运维,可以让更多算力资源投入实际使用。但要进一步形成稳定收入,还需要解决服务产品化和市场对接的问题。

一块 GPU 要真正变成收入,中间至少需要经过三道“工序”:

第一道是把算力变成可售的模型服务,包括模型部署、推理优化和运维保障,这是技术活;第二道是把模型服务变成可比较的商品,需要统一计量口径、可核验的质量指标和可追溯的履约记录,这是市场规则;第三道是把商品卖出去,让有需求的开发者和企业能够找到供应商,并完成调用、交易和结算,这是渠道能力。

中小算力中心和地方国资算力平台往往在第二道和第三道工序上存在短板。它们可能拥有 GPU,也能部署开源模型,却缺少向客户证明服务质量的手段,更缺少稳定的客户渠道。词元所试图补上的正是这两道工序。

当计量口径统一、质量可以核验、履约记录可查询,一家有模型服务能力但缺少品牌的供应方,就有机会把自己的模型服务放到公开市场上,让开发者比价、选择和调用。

这也意味着,存量算力不必只依赖自建团队和固定客户消化,还可以通过标准化模型服务进入更大的供需市场。

当然,词元所并不能直接解决算力跨区域调度、异构硬件适配和底层推理优化等所有问题。它的作用主要在于让已经具备服务能力的算力资源获得更标准化的商品形态和市场入口。

结束语

出于成本、性能等考虑,开发者越来越不想长期绑定某一家模型供应商,交易平台可以根据任务类型、实时性能、价格和服务稳定性,在多个供应商之间动态分配请求。OpenRouter 已经开始探索这种方式,词元所建立的质量评价和信用体系,也为类似机制提供了基础。

这可能进一步改变模型服务商的竞争方式。过去,供应商主要依靠模型性能、Token 价格和算力规模争夺客户。未来,推理优化、工具调用成功率、版本稳定性和长期履约记录,可能直接影响平台的流量分配。能够稳定完成任务的服务商,即使价格略高,也有机会获得更多订单。对于缺乏品牌和销售渠道的中小型推理服务商,这种基于服务质量的竞争机制尤其重要。

企业采购也可能逐渐从比较每百万 Token 的价格,转向衡量完成一项业务任务的综合成本。一次成功的 Agent 执行究竟消耗多少 Token、经历多少次重试、调用了哪些模型、由哪家供应商完成,都可能成为未来模型服务计量和结算的重要依据。

但要走到这一步,模型交易平台还需要进一步解决评价标准透明度、跨平台计量、实时服务监测和履约责任等问题。尤其当平台开始根据质量分和信用分影响供应商流量时,评价规则是否公平,将直接关系到整个市场的竞争秩序。

这些机制一旦成熟,词元所这样的交易平台就有机会连接起更多分散的推理资源,让算力供应商通过服务质量获得客户,也让企业不必为每一次模型切换重新完成一轮复杂采购。

跳转微信打开

  •  

刚刚,谷歌发布首款决策模型 Gemini Decision 1:9 项测试拿下 7 项第一,准确率最高92.2%

原创 冬梅 2026-11-12 03:53 北京

Gemini Decision 1 提供三类核心决策能力。

作者|冬梅

当整个 AI 行业还在比拼谁能生成更多 Token、谁的推理能力更强时,谷歌却推出了一款不靠逐字生成答案的新模型。

刚刚,谷歌正式发布 Gemini Decision 1,同时推出由该模型驱动的 Gemini Decisions API。与传统生成式大模型不同,这款模型专门用于快速决策,不需要逐个 Token 生成文字,而是通过单次前向传播,对预先设定的候选答案进行评分。

谷歌 CEO Sundar Pichai 也在 X 平台发文介绍了 Gemini Decision 1 的主要能力。他写道:

今天,我们在 Google AI Studio 中正式推出 Gemini Decisions API,由全新的 Gemini Decision 1 模型提供支持。

与传统模型逐个 Token 生成文本不同,这款模型专门为封闭选项集中的决策任务而设计。它可以在单次处理过程中,对文本、图像、音频、视频以及 PDF 中的最多 1000 个问题进行评分。

以下是几个值得关注的细节:

· 支持三种决策类型:是 / 否判断、多项选择(最多 255 个选项),以及基于评分标准的打分;

· 每百万输入 Token 的价格仅为 0.10 美元,输出 Token 费用为零,成本约为 Flash-Lite 的五分之一;

· 在多项基准评测中处于领先位置,同时具有最低的校准误差。

谷歌内部团队已经开始使用这项技术。

他还展示了 Stitch Rapid 在几秒钟内设计完整产品流程的演示,视频为正常 1 倍速播放。

这段介绍揭示了 Gemini Decision 1 与传统大模型最大的不同:它不负责把答案说出来,而是负责从已有选项中作出判断。

过去,当开发者希望 AI 判断一封邮件是否属于垃圾邮件,或者决定某项任务应该交给哪个 Agent 时,往往需要调用生成式大模型,再从模型生成的文本中提取结果。Gemini Decision 1 则省去了逐字解码的环节。

开发者只需要提供输入内容、待判断的问题以及候选选项,模型就可以直接返回对应的判断结果、概率和置信度。

这意味着,对于本来只需要一个分类、评分或选择结果的任务,AI 不必再完成一整套文本生成流程。

按照谷歌公布的数据,Gemini Decision 1 可以在一次请求中处理最多 1000 个独立问题,支持文本、图像、音频、视频和 PDF 等多模态输入,端到端延迟仅为 150~250 毫秒。

价格也比较激进:每百万输入 Token 仅需 0.10 美元,输出 Token 不收费。在谷歌公布的同一组基准测试中,其调用成本较 Gemini 3.5 Flash-Lite 低近 5 倍。

更值得注意的是,这并不只是一款用于回答选择题的模型。谷歌已经将其用于 AI 模型路由、Agent 工具选择、产品设计以及安全检测等场景,试图让它成为 AI 系统中专门负责判断与决策的底层组件。

一次处理 1000 个问题,最多 255 个选项

根据 Google 发布的技术介绍,Gemini Decision 1 提供三类核心决策能力。

第一类是 Yes/No(二元判断)。例如,判断图片中是否存在安全隐患,或者一段文本是否违反既定规则。模型会给出相应条件成立的概率。

第二类是 Multiple Choice(多项选择)。开发者可以预设 2~255 个候选选项,模型不仅会选出最符合条件的答案,还会返回每个候选项经过归一化处理的概率。

第三类是 Ordered Rubric(有序标准评分)。开发者可以自行定义不同等级的评分标准,让模型对输入内容进行评价,并返回连续加权分数及各等级的概率。

三种任务还可以在一次请求中混合执行。

谷歌提供了一个简单的示例:给模型上传一张办公室茶水间台面的照片,并附上一段文字说明,要求它同时判断桌面是否存在液体洒漏、应该采取何种清理措施,以及现场的严重程度。

传统方式可能需要设计多个分类器,或者通过生成式大模型执行不同的提示词任务。Gemini Decision 1 则可以在一次请求中完成这些判断。

此外,模型支持最高 256K Token 的多模态输入上下文。对于企业场景,这意味着开发者可以将通话录音与客户资料放在一起分析,或者结合保险索赔文件与现场照片作出判断。

每项决策都会提供 0~1 的置信度,方便系统将不确定的结果交给其他模型或者人工审核。

Gemini Decision 1 的另一个竞争力,是速度与成本。

根据谷歌官方介绍,在涵盖 Agent 路由、推理、排序和多模态理解的基准评测中,Gemini Decision 1 表现领先,并取得了最低的校准误差。

在不超过 16K Token 的测试上下文中,其模型计算阶段的中位延迟保持在 50~100 毫秒,端到端延迟约为 150~250 毫秒。即使单次请求包含的问题数量从 1 个增加到 100 个,延迟也基本保持平稳。

在官方使用的共同基准测试集上,Gemini Decisions API 的成本较通过 Interactions API 调用 Gemini 3.5 Flash-Lite 低近 5 倍。

9 项测试拿下 7 项第一,准确率最高 92.2%

谷歌此次发布 Gemini Decision 1,还公布了一份颇具看点的模型对比成绩单。

与通常将通用大模型放在一起比较不同,谷歌此次选择了三款竞争产品:OpenAI 的 GPT-6 Luna、专门面向分类决策的 TypeSafe Jev 1.14,以及自家的 Gemini 3.5 Flash-Lite。

从结果来看,Gemini Decision 1 在 9 项基准测试中拿下 7 项第一,在概率校准方面同样领先,但在另外两项测试以及总调用成本上,仍然存在竞争对手表现更好的情况。

在 JevBench 测试中,Gemini Decision 1 取得 92.2% 的准确率,超过 GPT-6 Luna 的 90.9%、TypeSafe Jev 1.14 的 90.0%,以及 Gemini 3.5 Flash-Lite 的 86.6%。

在 Amazon ESCI 商品搜索相关性测试中,Gemini Decision 1 取得 58.7% 的 Macro-F1 分数,比 GPT-6 Luna 高出 4 个百分点,比 Flash-Lite 高出 11.5 个百分点。

而在 New Yorker Caption 测试中,差距进一步拉大。Gemini Decision 1 取得 79.7% 的成绩,GPT-6 Luna 为 68.4%,两者相差 11.3 个百分点。该测试涉及对漫画配文的理解和选择,考验模型的语境理解与候选内容判断能力。

在医学问答测试 PubMedQA 中,Gemini Decision 1 同样排名第一,得分为 79.8%,高于 GPT-6 Luna 的 74.4%。

多语言测试 Global-MMLU-Lite 的结果也类似。Gemini Decision 1 取得 86.0%,GPT-6 Luna 为 79.6%,两者相差 6.4 个百分点。

不过,谷歌并未实现全面领先。

在 Mind2Web Multimodal 测试中,TypeSafe Jev 1.14 以 86.8% 的成绩排名第一,Gemini Decision 1 为 86.2%,落后 0.6 个百分点。

在考验工具调用判断能力的 When2Call 测试中,TypeSafe Jev 1.14 的优势更加明显,得分为 82.0%,Gemini Decision 1 为 79.9%。

这项结果尤其值得关注。工具选择和调用时机判断是 Gemini Decision 1 重点面向的 Agent 应用场景之一,但在这项测试中,专用决策模型 TypeSafe Jev 依然保持领先。

另外,在音频理解测试 MMAU 和视频理解测试 Video-MME 中,Gemini Decision 1 分别取得 71.8% 和 69.1%,均高于 Flash-Lite。

比准确率更值得关注的,是谷歌此次特别强调的概率校准能力。

在 Top-1 ECE(Expected Calibration Error,预期校准误差)测试中,Gemini Decision 1 的校准误差仅为 0.0250,而 GPT-6 Luna 为 0.0721,TypeSafe Jev 1.14 为 0.0494,Flash-Lite 则达到 0.2104。

换句话说,在这组评测中,Gemini Decision 1 的校准误差比 GPT-6 Luna 低约 65%,比 Flash-Lite 低约 88%。

这项指标对 Agent 系统尤其重要。

例如,当一个 Agent 需要判断某段代码是否存在安全漏洞时,模型给出的不仅是“存在”或“不存在”的结果,还可能包含一个概率值。系统可以根据概率与实际正确率之间的关系,决定是否自动采取行动,或者交给人工进一步核查。

谷歌已经用上:Agent 路由延迟最高降低 40%

与一些仅展示基准成绩的新模型不同,谷歌此次还披露了 Gemini Decisions API 在内部产品中的应用案例。

其中最值得关注的是 Gemini Notebook。

谷歌正在利用 Decisions API 充当实时模型路由器,根据用户请求的复杂程度,选择合适的模型档位和思考强度。面对日常简单问题,系统可以优先调用成本较低、响应更快的模型;遇到复杂推理任务,再将请求交给能力更强的模型。

谷歌称,借助这种动态路由方式,日常查询的延迟最多可以降低 40%。

这种设计与当前 Agent 系统的发展趋势密切相关。一个 Agent 完成任务时,往往需要不断判断下一步动作,例如选择哪个工具、调用哪个模型,或者决定是否需要人工介入。

如果每一个简单决策都要交给大型生成式模型处理,系统就需要承担额外的延迟和成本。专门的决策模型则提供了另一种选择:将相对简单、选项明确的判断交给低延迟模型处理,把复杂任务留给通用大模型。

除了 Gemini Notebook,谷歌还披露了另外三个应用方向。

在 Google Stitch 中,新推出的 Rapid Canvas 实验功能利用 Decisions API,在几秒钟内形成可交互的产品流程线框图,并快速响应用户通过语音或点击发出的修改指令。用户确认设计方向后,可以将页面转入完整的 Stitch 工作流进一步完善。

在 Google Labs 的 CC 产品中,Decisions API 被用于从超过 200 个 Emoji 选项中快速选择合适的表情反应。在 Google Search 内部,谷歌还利用这一 API 构建 MCP 工具的安全检测层,识别潜在的对抗性行为及内容。

参考链接:

https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/

声明:本文为 AI 前线原创,不代表平台观点,也不构成投资建议,未经许可禁止转载。

图片热度延续:12 月 AICon 北京站见

12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。

图片

跳转微信打开

  •  

Claude仅用3天撬开英伟达20年的CUDA护城河?藏在Anthropic路演里的芯片变局

原创 四月 2026-11-11 17:05 北京

从12个月压缩到3天,Mythos跨芯片自研内核实录

作者 | 四月

计算产业半个世纪的历史反复证明:最难被逾越的工业壁垒,往往不是硅片本身的物理极限,而是数以万计的工程师长期积累的技术经验、海量存量代码,以及由此形成的高昂迁移成本。英伟达耗时近二十年搭建的 CUDA 帝国就是最生动的例子。

然而,这道看似坚不可摧的防线,正因它的产物——大模型而开始动摇。

11 月 11 日消息,Anthropic 在其最新的 IPO 路演中,披露了一个极具标志性的工程突破:其前沿模型 Claude Mythos Preview 仅耗时约三天,就在基本没有人工干预的情况下,自主完成了核心 GPU 底层计算内核(Kernels)的代码移植与重写,成功让 Claude 模型在 AMD 旗舰 GPU 上跑通了关键推理环节。

按照 Anthropic 的工程历史经验,将大模型适配到一款全新的异构芯片平台,过去通常意味着数十名顶级编译器与高性能计算工程师,长达 6 到 12 个月的攻坚周期。

“英伟达的 CUDA 护城河已经不复存在”,硅谷投资人 Marcelo P. Lima 在 X 上直言不讳。

这一论调迅速引爆了整个行业的分歧。持审慎态度的工程师指出,跑通部分推理算子,与支撑万卡集群在大规模生产中稳定运行,中间依然隔着巨大的工程鸿沟。但敏锐的观察者看到的,却是一个更为深刻的变革趋势:当大模型开始具备向下重写系统软件的能力,过去以“人类工程劳动力”为代价构筑的兼容性门槛,正在被智能本身的自动化推演迅速压平。

三天,Claude 搞定了GPU 内核迁移

在 Anthropic 的 IPO 路演中,联合创始人兼首席算力官 Tom Brown 专门用了一整块篇幅介绍公司的算力战略。

“如何让同一个前沿 AI 模型顺畅运行在不同厂商的物理芯片上”,他开篇就切入了一件在过去被整个行业视作高壁垒的难题。

传统模式下,每引入一种新的芯片架构,企业都需要自下向上重写一整套系统工程:适配底层计算内核、重构推理软件栈、排查微架构兼容性,并进行极为繁琐的性能优化。即使竞品的物理算力与显存配置足够出色,也不意味着原本针对英伟达 GPU 编写的代码能够直接迁移。

对于一家必须持续训练和部署顶尖大模型的实验室而言,这种迁移既极度耗费时间,也需要耗费大量稀缺的高性能计算专家。

但今年,Anthropic 决定换一种打法。

Tom Brown 在路演中透露,公司在首次接入 AMD GPU 时,让 Claude Mythos Preview 直接参与了这项工程任务。执行的结果出乎团队的意料:

“在基本无需人工干预的情况下,仅仅用了三天时间,我们就在 AMD 上成功运行了 Claude。整个过程中,几乎 100% 的底层内核都是由 Claude 独立移植或编写的。”

这里的 GPU Kernel(底层计算内核),是直接运行在图形处理器硬件单元上的底层微程序(算子)。在大模型的实际运行中,诸如大规模矩阵乘法、注意力机制(Attention)计算以及各类激活与归一化操作,全部依赖这些内核程序的高效执行。

问题在于,针对英伟达 CUDA 环境深度优化的内核代码,绝不可能在 AMD GPU 上直接达到满血状态。两家芯片的微架构设计存在本质差异:

• 线程调度单位不同:英伟达以 32 线程的 Warp 进行调度,AMD CDNA 架构则采用 64 线程的 Wavefront,这会导致分支预测和掩码计算逻辑需要全面调整;

• 内存层次与寄存器约束:片上共享内存(Shared Memory / LDS)的组织结构、寄存器堆容量以及访存冲突机制各不相同。算子代码稍有偏差,就会引发严重的流水线停顿或显存溢出。

换句话说,Anthropic 让 Mythos 接手的,不是简单的应用层代码格式转换,而是直接决定物理计算效率的核心工程。

这项实验还有一个颇具画面感的细节。

早在今年 7 月,Tom Brown 就曾在 AMD 的 Advancing AI 大会上向苏姿丰介绍过这项早期尝试。当时 AMD 为 Anthropic 提供了一台最新的 MI355X 服务器,Anthropic 工程师原本预计调试过程会极其复杂。

结果,一名工程师直接将机器控制接口接入 Claude,给它布置了硬件适配任务。随后,工程师让系统在周末无人值守的情况下持续运行。周一回到办公室查看监控时,工程师惊讶地发现,模型在新硬件上的性能曲线已经在 AI 的自主调优下稳步攀升。

如今,这项工程探索被正式写入了 IPO 路演的核心材料。

当然,从严谨的技术维度来看,三天完成的并非整个系统端到端的全部重写。根据路演图表附注,Mythos Preview 实际达成的指标是:让某款 Claude 模型的提示词处理阶段(Prefill),在配备 288GB HBM3E 显存的 AMD Instinct MI355X 上达到了可用性能。

在大模型推理中,Prefill 阶段负责并行吞吐输入的全部上下文提示词并建立 KV 缓存,属于高度计算密集型任务;而后半段逐字生成的 Decode 阶段,则更加依赖多卡互联带宽与极低的网络通信延迟。Anthropic 并没有在路演中公布具体的吞吐量基准测试与性能损耗对照。

当“生态壁垒”被 Agent 抹平

要理解这项实验的深层杀伤力,首先必须看清英伟达 CUDA 护城河的底层支撑。

CUDA 诞生于 2006 年。在过去的二十年里,英伟达围绕它建立了庞大的底层计算库、自动化编译链、性能分析器、多卡通信组件以及数百万开发者的使用习惯。PyTorch、TensorFlow 等所有主流深度学习框架,多年来始终默认将 CUDA 作为第一优先级。

图注:早年 CUDA 技术栈示意图

由此形成了一种极其稳固的产业惯性:开发者选择英伟达,往往不仅是因为芯片本身算力强劲,更是因为整个产业的存量代码都已经围绕英伟达硬件完成了适配。即使对手造出了纸面性能具有竞争力的芯片,用户想要迁移过去,依然要面对巨大的工程摩擦力与重构风险。

AMD 并非没有意识到软件的劣势。它长期维护开源的 ROCm 平台,提供了 HIP、HIPIFY 等代码转换工具,行业内也有 Triton 这类跨硬件 DSL 试图打破壁垒。但现实工程中,自动化工具通常只能解决“语法能编译”,一旦遇到深度优化的复杂算子,生成的代码效率往往严重缩水,最终依然需要专家团队花费数月手动排查汇编。

而 Mythos 的介入,彻底颠覆了这套研发的成本结构。

当 AI Agent 具备了高阶代码理解与推理能力,它便不再是一个死板的转译脚本,而是一个能与编译器深度交互的自主系统。它能够自主阅读 AMD 的硬件白皮书,重构底层算子代码,随后调用编译器在真实硬件上运行测试;再根据性能分析器返回的寄存器占用、访存瓶颈等数据,反复调整参数并自我修正。

这意味着,过去严重依赖稀缺工程师工时的手工重构,正在被转换为由 AI 驱动的高并发、低成本自动化流水线。

更有深意的是,Anthropic 已经把这项技术突破转化为了极具分量的产业联盟。

今年 7 月 22 日,AMD 与 Anthropic 宣布达成深度战略合作:

• 超大规模算力部署:Anthropic 计划部署最高达 2GW 的 AMD Instinct MI450 系列 GPU 集群,其中首期 1GW 预定于 2027 年上半年上线;

• 资本与股权绑定:AMD 承诺向 Anthropic 进行最高达 50 亿美元的战略股权投资;

• 软硬件协同开发:双方明确将利用 Claude 优化 AMD GPU 的真实运行负载,并直接利用大模型加速 AMD ROCm 软件栈的开发。

这让整个故事的商业纵深完全展开。

过去,AMD 需要靠有限的人力去艰难追赶英伟达积累二十年的软件帝国;现在,它直接联手顶尖大模型实验室,用最前沿的 AI 作为自己的“全职编译器架构师”。

对于 Anthropic 而言,这能帮助其快速接入高性价比的新算力;对于 AMD 而言,这是借助外部前沿模型强行补齐软件短板的捷径。双方实际上正在联手验证:用 AI 的生产力,去打破软件垄断对硬件工业的限制。

把所有芯片变成一个算力池

在路演中,Tom Brown 将这次技术突破置于一个更庞大的商业顶层设计之下:彻底摆脱单点绑定,将异构硬件转化为统一的弹性算力底座。

自 2021 年成立之初,Anthropic 就推行了一项在当时看来极不合群的技术路线:同时适配多种芯片架构。

在大部分初创公司选择完全依靠英伟达公有云实例以降低启动成本时,Anthropic 投入了大量精力自建调度抽象层。如今,Anthropic 宣布其模型已经能够在全球四大主流加速芯片家族上实现混合训练与推理服务:英伟达 GPU、AMD GPU、Google TPU、亚马逊 Trainium。

在具体执行中,Anthropic 并不强求所有芯片执行相同的工作,而是根据硬件特性分流:有的芯片互联带宽高,专门承接大规模预训练;有的芯片显存大、每代币成本低,专门分配给特定推理场景。

Tom Brown 将其定义为一个跨供应商、跨微架构、跨地理区域的统一算力池。

这套体系在商业上的防御价值极高。在算力供应链波动剧烈、单一巨头掌控绝对定价权的卖方市场中,如果系统深度绑定某一家芯片,就必须无条件接受其交货排期与高昂溢价。而一旦具备了跨架构迁移能力,Anthropic 就能在全球供应链中自由切换,根据实际性价比和供应配额做最优采购。

为了进一步压降成本,Anthropic 在路演中还披露了 Anthropic Direct 模式:公司开始跳过云服务商的整套高溢价打包方案,直接租赁物理裸芯片,并部署在专为其定制构建的数据中心中。这不仅大幅降低了综合拥有成本(TCO),更成功把对数据中心基础设施的长周期投资,与对芯片硬件本身的短周期迭代完全拆解开来。

所有这些工程动作,最终汇聚到了 Tom Brown 提出的核心概念:“算力乘数”(Compute Multipliers)。

在算力军备竞赛中,粗放地增加物理卡数必然会撞上资本开支、晶圆产能与电网负荷的物理天花板;而算力乘数,则来自于模型算法改良与系统底层效率的深度榨干。

如果算法与编译优化带来一个 4 倍的算力乘数,在商业上便意味着两种质变:

• 可以仅用 25% 的物理硬件投入,交付出与竞争对手同等智能等级的模型,换取极高的毛利安全垫;

• 在维持同等算力预算下,能够释放出相当于 400 单位 算力的极限模型能力,在模型前沿上保持领跑。

路演披露的数据印证了这一策略的成效:自 2025 年第一季度以来,Anthropic 以“业务收入除以算力及基础设施开支”衡量的综合经营效率,已经提升了超过 4 倍。

更具想象空间的是 Tom Brown 勾勒的终极演进路径:递归式自我改进。

当具备底层系统编程能力的 Claude 能够持续、自主地去侦测硬件特性并挖掘新的算力乘数时,大模型便开启了反哺底层物理基础设施的正向循环。3 天跑通 AMD 内核只是这场循环的一个切片,其终极形态,是 AI 正在成为自身算力工厂的优化设计师。

CUDA护城河何去何从

投资人 Marcelo P. Lima 宣称“CUDA 护城河已经消失”,显然带有二级市场的夸张修辞。

半导体系统分析师 Ben Pouladian 等一线技术专家给出的冷静反驳同样在理:CUDA 绝不仅仅是几段可以独立转译的算子代码,而是一套历经二十年打磨、涵盖软硬件协同、分布式网络通信容错与工业级稳定性的庞大系统工程。

然而,如果仅仅因为 CUDA 体系极其庞大,就断定 AI 无法撼动既有格局,同样会低估这次实验的深远影响。

这场实验真正揭示的核心变量,从来不是 AI 能否在几天之内凭空克隆出另一个 CUDA,而是开发者“跨出 CUDA 生态所必须付出的工程转换成本”,正在出现数量级下滑的确定性趋势。

在过去,英伟达最让竞争对手绝望的正是这种转换成本(Switching Cost)。即使外部竞争者给出了极具吸引力的硬件单价或显存配置,任何企业在决定切换架构时,都必须把几十名资深专家一整年的研发工时、业务迁移中断的巨大风险,通通折算进成本中。这道无形的工程摩擦力,构成了英伟达最宽厚的防护网。

但如果这些繁重的底层适配与调试工作,能够成倍甚至以指数级速度由 AI 自动化接管,企业替换芯片的经济账就会彻底重构。

这一变化带来的启示不仅属于 AMD,对正在自研定制芯片的云巨头、以及正在艰难推进软件生态建设的国产 AI 芯片厂商,都具有深刻的战略借鉴意义。

声明:本文为 AI 前线原创,不代表平台观点,也不构成投资建议,未经许可禁止转载。

图片热度延续:12 月 AICon 北京站见

12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。

图片

跳转微信打开

  •  

刚刚!Anthropic杀入具身世界:Fable5.2真机对弈62步跑通纠偏,挖角特斯拉Optimus具身骨干

原创 飞野、青和 2026-11-10 12:40 北京

站在IPO关口,Anthropic开始向物理世界要增量

作者 | 飞野、青和

编辑 | 四月

Anthropic 正踩在一个非常微妙的时间节点上。

一边是充满变数的IPO考卷。哪怕估值已收敛至约 1.5 万亿美元,潜在投资者对Anthropic巨额投入回报率的质疑依然未散。就在刚刚,路透社披露了一段耐人寻味的插曲:Anthropic 曾向承销银行发送了一份关键文件,列出约 8.67 亿股的发行规模、每股 70 至 80 美元的定价区间,对应最高约 693.6 亿美元的发行总额。

然而文件发出后,公司又紧急撤回相关定价信息,称其“并不准确,将另行更新”。

另一边,在资本市场的密切审视下,Anthropic 抛出了筹备已久的技术底牌:新一代旗舰档位模型 Claude Fable 5.2 和 Mythos 5.2。其中,Fable 5.2 通过网络安全和生物学领域的安全限制面向普通用户开放,Mythos 5.2 则主要向经过审核的网络安全和生命科学研究机构提供。

但在A社传统强项的自主编程工程能力之外,这次更增加了一个新变量——加速向物理世界与具身领域的渗透。

在行业公认的权威基准——机械臂操作仿真 RoboDojo 上,Fable 5.2 跑出了 64.9% 的平均成功率,不仅是将上一代 Fable 5.1(27.6%)和 Opus 5.5(39.4%)甩在身后,更直接达到了 GPT-6 Astra(29.8%)的两倍以上。

此外,这种能力正快速渗透进现实——在第三方开发者随后进行的真机盲测中,它接管真实机械臂完整下完了一局 62 步的跳棋,并在频繁遭遇物理接触失误与硬件形变时,展现出了罕见的纠偏能力。

同一时间,前特斯拉 Optimus 团队灵巧操作工程师 Bingjie Tang 确认以 MTS(Member of Technical Staff)身份加入 Anthropic。在特斯拉期间,她长期从事人形机器人基于学习的灵巧操作,工作范畴覆盖数据采集、策略训练、模型评估以及真实机器人部署;此前在英伟达机器人实验室,她的研究重点则是接触丰富(Contact-rich)环境下的操作与仿真到真实迁移(Sim-to-Real)。

事实上,这次人才流动并非偶发动作。回顾过去一年,Anthropic 在物理世界的测试链条其实非常清晰:

  • 2025 年启动 Project Fetch,最初让 Claude 协助非机器人专家编程操控机器狗,随后进一步测试模型自主连接设备、读取传感器和执行任务的能力;

  • 2026 年 7 月发布 《Claude Plays Robotics》 研究,将测试范围扩展至机械臂、四足机器人和人形机器人,探索通用大模型如何通过视觉感知、任务规划和调用运动策略来控制机器人。同月推出的 Project Pilot 则把实验对象扩展到无人机,测试自主导航与目标追踪能力。

  • 8 月发布的 Model Hardware Standard(MHS),尝试建立 AI 操作显微镜、机械臂等物理设备的统一接口。

可以看到,Anthropic 显然不再满足于让 Claude 只在软件环境中执行任务。而这种向物理世界的试探,本质上是一场被商业现实倒逼的边界突围。

正值筹备上市的关键节点,资本市场对 Anthropic 高达 1.5 万亿美元估值的审视日趋严苛。尽管整体营收仍在狂奔,但其第三季度环比增速已从上一季度的 144% 显著放缓至 47%。伴随着巨额算力投入带来的毛利压力,纯粹依赖屏幕内的 API 调用和企业软件订阅,正肉眼可见地撞上发展增速的天花板。

Physical AI 的战略权重正是由此被迅速抬升。

从联手工程服务商 UST 将 Claude 嵌入芯片制造与汽车产线的实际研发,到推出 MHS 规范直接调度科研仪器与工业设备;再到如今 Fable 5.2 机器人仿真跑分翻倍、前特斯拉 Optimus 灵巧操作工程师 Bingjie Tan 火速入职——Anthropic 正在试图向投资者证明:Claude 不会止步于聊天框里的智囊,它具备成为物理生产力执行核心的可能。

尽管具身业务短期内尚难成为业绩支柱,但行业竞争重心的偏移也是不争事实:大模型不再满足于“回答问题”,而是要“接管工作”。

这种以“最终交付结果”算账的逻辑,同样延伸到了软件开发端。一个最具戏剧性的反差随即在 Fable 5.2 身上出现:即便它的 Token 标价是 Opus 5.5 的整整两倍,但在高难度工程任务中,它交出的实际成本账单反而便宜了一半。

跑分倍超 GPT-6实测学会纠偏

还记得今年 9 月,GPT-6 Astra 在机器人仿真领域引发的那场讨论吗?

当时,论文《An Unexpected Robot Policy》展示了一个颇具冲击力的方向:不必专门为每项机器人任务训练策略模型,通用大模型也可以通过视觉观察、推理和动作接口,直接参与机器人控制。这让不少人开始重新审视通用大模型与专用具身模型之间的关系。

如今,Anthropic 又把这项成绩大幅向前推进。

在官方公布的 RoboDojo Sim 测试中,Fable 5.2 达到 64.9%,GPT-6 Astra 为 29.8%,自家上一代 Fable 5.1 为 27.6%,Opus 5.5 为 39.4%。

换算下来,Fable 5.2 的成绩是 GPT-6 Astra 的 2.18 倍,是 Fable 5.1 的 2.35 倍。

△ 各模型 RoboDojo Sim 成绩。图源:Anthropic。该组结果由 Anthropic 内部运行,采用各模型最高可用推理强度。

RoboDojo 考核的不是概念理解,而是端到端的任务执行:模型仅凭摄像头输入的连续画面,必须自主判断机械臂各关节的空间轨迹与抓取力度。64.9% 的平均得分,意味着它已经脱离了“偶然尝试”的试错范畴,开始具备跨场景规划连续动作的稳定性。

官方发布的真机演示中,Fable 5.2 在未经过特定任务针对性微调的前提下,完成了操作益智方块、拧开瓶盖以及执笔在纸板上绘制简笔画等精细动作。

△ Fable 5.2 控制真实机器人完成精细操作。图源:Anthropic

此外,来自第三方开发者的无滤镜实测,进一步测出了 Fable 5.2 泛化能力上限。

测试中,开发者 Karolina Dubiel(@karolina_dubiel)将 Fable 5.2 直连一台真实的物理机械臂,让它在真实桌面环境下与人类下一局完整的跳棋。

这项看似简单的对抗测试,实际上挑战了真实物理世界的粗糙与不可控:

- 容错能力: 在整局棋的 62 步动作中,由于桌面的反光、棋子微小位移和抓夹摩擦力不足,机械臂先后出现了 14 次抓取脱落或偏移。但在没有人工重写代码的前提下,测试者仅通过自然语言输入“再试一次”,Fable 5.2 就能结合视觉回传主动复盘上一步的失败原因,重新计算抓取角度并完成动作重试。

- 物理反馈感知与动态补偿: 机械臂在伸展负载时,末端因重力和机械间隙下垂了约 7 毫米。面对这种非预设的物理形变,Fable 5.2 并没有机械执行原先的理论空间坐标,而是读取了关节传感器传回的扭矩与位移遥测数据,在后续动作中自主叠加了补偿偏量,完成了准确落子。

而与此同时,Dubiel 的测试也暴露了当前方案的明显局限。

她在评论区补充,整局对弈实际耗时约 46.5 分钟,平均每步约 45 秒。公开视频经过了数倍乃至上百倍加速,实际操作并没有视频看起来那么流畅。

名义 Token 贵一倍为何交付成本反砍半?

在商业端,Fable 5.2 制造了一个表面上的定价悖论。

它的 API 输入为每百万 Token 8 美元、输出 40 美元,虽然较上一代降低了 20%,但依然是主力模型 Opus 5.5 的整整两倍。常规逻辑下,单价翻倍意味着研发成本的水涨船高。

然而,在多项涉及真实工程的测试中,账本却走向了相反的方向:

  • 代码合并基准 FrontierCode 2.0: Fable 5.2 仅需开启 High 推理档位即可跑出 45.3%,战平 Opus 5.5 最高档位的 45.5%,单任务总成本直接减少约 50%;若堆到 Xhigh 档位,成绩更直接冲至 49.1%,甩开 GPT-6 Astra(42.8%)。

  • 知识与图表任务: 在 Perplexity WANDR 大规模信息收集与 Chartography 图表基准中,Fable 5.2 分别以 Opus 5.5 约 40% 和不到 10% 的单任务成本,拿下了相同甚至更高的准确率。

这种成本倒挂的本质,在于“一次通过率”(First-pass Yield)对算力消耗的降维打击。

社区开发者的实测暴露了其中的关键差距:在制作 3D 潜艇场景时,Opus 5.5 耗时 6 小时 40 分钟且需要人类频繁介入纠错补充细节;而 Fable 5.2 仅耗时 1 小时 26 分钟,几乎是一次性成型。

在多轮嵌套的复杂工程中,传统大模型最烧钱的地方从来不是单次输出的 Token 标价,而是逻辑断点引发的无限次上下文返工、调试回溯以及人类工程师的人工介入时长。

当然,这种优势并不适用于所有场景:在系统操作测试 OSWorld 2.1 中,Fable 5.2(89.3%)仅比 Opus 5.5 领先 2.1 个百分点;在业务流 AutomationBench 中,甚至以 51.4% 落后于 Gemini 4 Carbon 的 53.9%。

也就是说,在处理基础表格与浅层系统点击,Fable 5.2 可能是性能过剩的高价工具;但在需要高容错、深度逻辑自洽的深水区,它是一个能帮你省掉几十轮无效调试的熟练工。

智能体临界点:超长推理周期

如果说代码与机器人测试展现了局部生产力,那么在极限工程实验中,Fable 5.2 第一次让大规模智能体集群的持续运转具备了工业可用性。

最典型的验证是费马大定理的形式化转写。Anthropic 调度约 1,000 个 Fable 5.2 智能体,在少有人工干预的环境下,仅用约 30 小时便使用 Lean 语言完成了定理的形式化全流程,而此前系统需要耗时 11 天。

更关键的一组对照发生在任务中后程:

  • 在连续运行 18 小时后,Fable 5.2 完成进度达到 86%,Opus 5.5 仅为 26%;

  • 继续推进至 30 小时,Fable 5.2 顺利收敛完成 100%,而 Opus 5.5 仅艰难蠕动至 27%,陷入了逻辑死锁。

这种在极深推理网络中抵抗上下文漂移、避免逻辑死循环的能力,直接复现到了真实的工程开发中:

  • 纯白纸构建系统: 工程师让其从空文件夹起步,调度 1,000 多个子智能体连续无休运转 8 天,最终完整交付了一套包含内核、驱动、文件系统、窗口交互并内嵌 Claude 的可用笔记本操作系统原型。

  • 底层架构迁移: 一组智能体直接将某关键生产服务从 Python 全量改写为 Rust,上线后服务启动速度提升 26 倍。

  • 软硬件端到端穿透: 仅凭需求描述,与 Diode 合作设计出三款物理电子产品,从器件选型、画电路板、外壳 3D 建模到固件烧录一次性贯通,硬件打样后无需修改电路即可通电运转。

过去,行业内常谈多 Agent 协作,但在数十次工具链调用之后,累积误差往往会让整个系统陷入幻觉雪崩。Fable 5.2 展示的技术增量,恰恰是将长程任务的容错阈值向外推了一大步。

结语

从屏幕内连续 8 天的底层系统推理,到物理世界里对机械臂末端的自适应校正,冲击二级市场的 Anthropic 显然不再满足于做一个高溢价的软件 Copilot。

在资本市场的聚光灯下,它正在重构的故事,是一个正在迈向实体生产力的自主执行单元。

声明:本文为 AI 前线原创,不代表平台观点,也不构成投资建议,未经许可禁止转载。

图片

图片热度延续:12 月 AICon 北京站见

12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。

图片

跳转微信打开

  •  

当 AI 开始像员工一样上岗,企业还差什么?| 极客时间企业版

AI前线 2026-11-10 12:40 北京

今年,AI 办公智能体点燃了市场,「数字员工」开始成为越来越多企业讨论的高频词。人们期待 AI 不只回答问题,而是能像人类员工一样理解任务、调用工具、接入系统、交付结果。

但真走到上岗这一步,企业发现面对的远不只是技术问题:AI 能不能像员工一样干活?该被授予哪些权限?产出怎么评价、责任怎么界定?在出行、零售、数据服务等行业的实践中,一批先行企业已经交出了大量一线答案。本文把这些实践整理成 6 个判断,希望能帮你重新审视自己的 AI 能力建设。

图片从「能对话」到「能上岗」,中间隔着一条分水岭

企业在用 AI 这件事上,大致会经历三个阶段:「能对话」→「能干活」→「能上岗」。

「能对话」大部分企业已经做到——通过知识库和检索增强,让 AI 的回答符合行业需要。这是 2024 到 2025 年大家普遍在补的课。

「能干活」是很多企业正在投入的方向:从辅助对话,到真正完成一个闭环任务。这里有两类做法:一类是自上而下搭一个 AI 工作台,让各部门在上面生成各种智能体提效;另一类是自下而上,员工从具体任务出发跑通一个智能体,再沉淀成可复用的经验包。关键在于真实场景、真实任务,而不是 demo。

再往前,才是「能上岗」的数字员工。它要在 AI 的基础上叠加机制:在规定的范围内自主完成任务,涉及系统对接、权限授予、安全保障,还要能像人类员工一样被管理和考核。这一步考验的不只是技术,更是流程与制度。从「能对话」到「能上岗」,中间隔的不是模型能力,而是企业的组织信任。

图片数字员工的两道门槛:自主化与自进化

有家智慧停车企业把「数字员工」的标准提炼成两个词,值得所有企业参考。

第一,自主化。如果 AI 交付的产物还要经过人来审核一道,它还不算真正的数字员工,只停留在对话阶段。数字员工产出的结果要能直接作用于生产。

第二,自进化。如果 AI 从上岗第一天到生命周期结束完全不变,那它只是程序的高级版本,还不是员工。它必须能从运行反馈中持续优化,越用越懂业务。

这家企业做了一个大胆的决定:把停车场收费、抬杆这类「生命线」管理权直接交给 AI。这个场景一头连着营收,另一头是传统软件难以覆盖的复杂异常。团队起初顾虑重重,但实际运行发现,经过训练的 AI 在复杂场景中的反应和处置更稳定,人工的犯错概率反而更高。用结果建立的信任,比任何论证都可靠。

图片上岗之前,先解开「信任」这个结

数字员工能不能进入业务,首先是一项管理设计。有电商数据服务商让客服 AI 接管研发问题响应,前提是管理层把相应的数据、权限、代码一并开放给了 AI。结果是研发被打断的比例下降超过 70%,响应时间缩短超过 80%。

这个案例说明:模型能力只是基础,谁来授权、出了问题如何处置、怎样持续监督,才是决定数字员工能否上岗的关键。因此它更像是一个 CEO 工程,而不是基层员工能单独推动的事。

图片数据量不等于 AI 能力,经验才是关键

很多企业以为数据足够多,AI 能力就足够强。事实并非如此。

春节客流如何变化、开学后停车场怎么调度、门店在淡旺季如何经营——这些过去依赖老师傅经验的判断,才是 AI 完成真实工作的关键。海量业务数据往往是为旧系统准备的,AI 没法直接拿来就读懂。

企业需要把数据、流程与经验一起整理成可理解、可调用、可持续更新的知识,AI 才真正有用。知识资产化的速度,决定了一家企业的 AI 能力上限。

图片算 AI 的账:先算增效,再谈降本

如果只盯着「少几个人」,很多 AI 项目的账很难算平——有些岗位仍需保留必要的人力冗余。更有效的评估方式是:先看响应速度、交付质量、管理复杂度和业务产出有没有改善。

有连锁茶企对上千家门店上线了 AI 经营助手,通过每日经营会议自动获取此前缺失的零售数据、给出运营建议,跟上节奏的门店平均店效提升超过 20%,部分门店超过 100%。当 AI 让业务跑得更快、更稳,降本往往会随之发生,而不是项目唯一的起点。

图片超级个体 ≠ 超级团队,关键在系统级智能体

不少企业出现一个尴尬的局面:员工个人的 AI 提效已经很明显,但组织的效率并没有同步提升。有数据服务商内部每天消耗百亿级 token,个人效率提升数倍,却仍要面对「组织效率没变高」的追问。

原因在于:个体能力的提升,不会自动变成组织能力。要让经验和能力在团队中复用,企业需要把传统系统的功能、数据和规则开放给智能体调用,建立「可管理的系统级智能体」。今天企业缺的往往不是个人的 Agent,而是组织的 Agent、系统的 Agent。只有把个体能力接入组织协作,AI 才可能从个人助手变成团队生产力。

图片AI 能力不会自动长出来,它长在「会用的人」身上

看完这些趋势,你可能会得出一个判断:从「能对话」到「能上岗」,中间隔的不是某个神秘的技术,而是会用 AI 的人和敢用 AI 的组织。

一家企业的 AI 能力建设,起点往往很朴素——先让团队真正用起来。工具买了、API 开了,如果没人会用、没人敢用,AI 就永远停在「能对话」。

极客时间 9 周年企业 AI 实战行动季,主题只有一句话:让 AI 在公司真正跑起来,从学到用一步到位。9 周年期间,新老企业均可免费领取 30 天全课程试学礼包:

  • 今天就能用——第一天就让 AI 帮你写周报、做 PPT、整理会议纪要;

图片

  • 一周能上手——写作、数据、汇报这些高频活逐步交给 AI;

图片

  • 一个月出成果——团队跑出第一个能用的 AI 应用或 Agent。

图片

极客时间的 6000+ 门一线实战课,覆盖从 AI 认知到 Agent 实战全阶段,不限学员账号——一家企业领取,技术、产品、运营、HR 团队可以一起开账号、一起学。培训部门可批量导入学员、按岗位分配学习路径,让「组织学 AI」真正落地,而不是停留在个别人的自嗨。

为什么值得现在参与?

9 周年这个窗口把门槛降到了最低:不用先花钱采购,先让团队免费试学 30 天,用真实工作检验 AI 到底能不能用起来。

试完觉得好,再按需选择年度学习——活动期间企业 SVIP 年卡有周年折扣,采购还加赠 9 周年限定礼盒。

领取很简单:

① 填写企业信息领取礼包 → ② 为团队批量开通学员账号 → ③ 按推荐的学习路径开始学习。

30 天试学期内,团队可以一边学、一边把 AI 用进日常工作。

扫码👇立即领取 9 周年 AI 实战学习包,30 天,让团队 AI 能力真正上线。

图片关于极客时间企业版

极客时间企业版是极客邦科技打造的企业级AI 与数智化人才赋能平台。我们致力于通过“体系化课程 + 智能化平台 + 场景化服务”的一体化交付模式,为企业构建面向 AGI 时代的实战型人才体系。

平台聚焦AI 实战能力培养,深度融合行业前沿实践,课程覆盖大模型应用、AI Agent 开发、智能体架构、数据治理和分析等核心数智技术领域。我们不仅提供从全员 AI 通识到团队 AI 工程化的全链路学习方案,更通过基于企业真实场景的 AI 训战项目,帮助员工掌握将 AI 工具融入工作流、以 AI 思维解决业务问题的关键能力。

我们始终围绕“从学习到落地”的核心目标,助力企业将 AI 技术转化为实际生产力,最终驱动业务实现创新与智能化转型。

图片

跳转微信打开

  •  

Jeff Dean、李飞飞齐给 RSI 泼冷水:硅谷热炒 AI 自我进化,究竟有多少是幻想?

AI前线 2026-11-09 12:13 北京

“尤其是今天,在硅谷,人们正在非常随意地使用 RSI 这个词。作为一名科学家,这实际上让我很困扰。”

编辑|冬梅

离开 Google 27 年,Jeff Dean 创业押注 AI 自我进化

在 Google 工作 27 年后,Jeff Dean 选择了重新创业。

这位参与过 MapReduce、Bigtable、TensorFlow、TPU 和 Gemini 等重要项目的技术老将,如今把目光投向了一个更具挑战性的方向:让 AI 不仅能够解决问题,还能自己设计实验、验证结果,并从过去的研究中持续学习。

在斯坦福大学 HAI 的一场公开活动上,Jeff Dean 首次系统介绍了新公司 Discovery Loop 的技术思路和研发进展。

Jeff Dean 透露,团队吸引了来自 Gemini、DeepSeek、Kimi 等模型项目的研究人员,也有参与 Go 编程语言项目的成员。公司成立前三周,他们进行了约 400 场面试。按照 Jeff Dean 在演讲中的说法,团队中大约 10% 的成员曾获得 ACM 计算奖,另有约 10% 拥有国际信息学奥林匹克竞赛奖牌。他们试图将长期从事大规模 AI 研究的资深工程师,与年轻研究人才组织在一起。

按照他的设想,未来的科学研究可能不再需要庞大的团队逐项开展实验。少数领域专家就能够借助数以万计的 AI Agent,同时探索不同研究方向,让整个科研过程持续自动运转。这家公司已经开发出自己的 Agent Harness,建立了面向大规模 Agent 协作的基础设施,并运行着约 20 个自动化改进循环。Jeff Dean 给出了一个颇具野心的目标:让领域专家的生产力提高 20 至 50 倍。

Jeff Dean 对大型技术团队的复杂性有着切身体会。他曾管理过 Google 一个约 600 人的团队,后来负责的 Google Research 和 AI 团队规模一度达到约 4400 人。

他在演讲中回忆,自己曾花费大量时间参加有关季度运营支出的会议。后来,他通过调整工作安排,将需要向自己汇报的人员规模大幅缩减。

而在 Discovery Loop,他正在尝试另一种研发组织方式。传统大型工程项目通常需要将复杂问题拆解为大量子问题,分配给不同研究团队。但这会产生新的问题:不同团队之间需要协调资源,实验结果很难整合,而且项目启动之后,最初的问题拆解方式往往难以改变。Jeff Dean 认为,未来可以让自动化系统承担相当一部分工作。由少数领域专家确定重要研究目标,AI 系统则自动识别值得解决的子问题,组织实验,并根据结果不断调整方向。

目前,Discovery Loop 已经运行约 20 个自动化改进循环,主要用于研究如何提高实验效率,以及怎样从历史实验结果中学习。

而在演讲结束后,与斯坦福大学教授、World Labs 联合创始人李飞飞的一场对话,则把讨论进一步引向了当前硅谷最热门、也最具争议的技术概念之一:RSI(Recursive Self-Improvement,递归自我改进)。AI 究竟能否实现真正的自我进化?这种进化是否存在物理极限?当机器开始解决人类数百年来悬而未决的数学难题,科学家又将扮演什么角色?

两位长期参与 AI 技术发展的研究者,给出了一些颇为冷静的回答。

以下为李飞飞与 Jeff Dean 对话实录,经 AI 前线翻译整理:

为什么离开 Google 创业?

李飞飞:谢谢 Jeff,刚才的演讲非常精彩。我希望接下来的对话能够稍微深入一些技术细节。

我会同时扮演两个角色,一方面向你提问,另一方面也参与讨论。

首先,祝贺你创办 Discovery Loop。实际上,我最初想问的第一个问题就是:为什么要创办这家公司?你们四个人基本上都可以算是 Google 的老员工了。尤其是你,1999 年就加入 Google,对吧?

过去几年,我们看到了不可思议的技术进步。但我仍然很好奇,在过去一两年里,是否发生过某个决定性的时刻,让你、Quoc、Sanjay 和 Oriol 意识到,必须去做一些不同的事情,而且这件事不能继续留在 Google 内部完成?

Jeff Dean:我认为,我们一直都对自动化系统感到兴奋,尤其是那些能够帮助人们以更加自动化的方式开发软件系统的技术。

例如,大约十年前,Quoc 就已经在神经架构搜索方面做了很多工作。你可以把它理解为一种早期的递归式自我改进系统。你告诉系统:“请帮我找到能够解决计算机视觉问题,或者语言问题的优秀模型架构。”我们当时就知道,这种方法是有效的。但在那个年代,你必须通过一大堆相当笨拙的 Python 代码来定义搜索空间。

而今天,你可以直接使用自然语言。你可以告诉一个足够强大的模型和 Agent 系统:“请探索一些新的模型架构,看看哪些架构能够帮助我们解读 MRI 图像。”然后,系统就可以自动开展相关工作。

我认为,这实际上是我们对计算机系统和 AI 系统能力认知的一次非常深刻的转变。如果能够让这样的系统稳定可靠地运行,就能够实现许多新的事情。尤其是在科学和工程领域,我们认为,这是一组非常适合利用 AI 产生积极社会影响的研究方向。

李飞飞:所以,真正让你们下定决心的,是这种循环,以及自我改进的能力?

Jeff Dean:你也可以说,我们几个有点过于痴迷这些循环了。不过,还有一点非常重要。我们都很享受从一个非常小的项目开始做起的过程。当只有五个人一起研究某件事情,后来加入第六个人、第七个人,再到第十个人,那种感觉很奇妙。

这件事在大公司内部当然也能实现,但我们还希望通过公益公司的形式来开展工作。我们认为,这能够体现自己的价值观。当然,创业意味着你还必须处理办公场地等各种各样的事情,但我们也觉得这些事情挺有意思。

李飞飞:这很有趣。其实,当我们创办 World Labs 时,也有过一个类似的决定性时刻。只不过,我们关注的技术方向与你们不同。当时,我们看到计算机视觉和生成模型开始融合。我们终于能够构建不再局限于文字的生成模型。那就是我们决定创办 World Labs 的时刻。

Jeff Dean:你们做出的那些生成模型,以及现在已经能够实现的能力,确实非常惊人。

“硅谷正在滥用 RSI”

李飞飞:好,我们接下来聊聊自我改进和递归自我改进。稍微深入一点技术,从机器学习领域的教育和研究经历来看,我们其实算是同一代人。刚才我就在想,从自己还是研究生的时候开始,这个概念到底经历了多少种不同的叫法。我们曾经把它叫作增量学习,后来是持续学习、元学习、终身学习,还有你提到的神经架构搜索。现在,我们又有了自我改进,以及 RSI。所以,你能不能为在场的观众,尤其是技术背景的观众,给出一个更加严格的定义?自我改进和递归自我改进究竟有什么区别?我真正想做的,是把幻想和事实区分开来。

Jeff Dean:我认为,可以从刚才介绍的那些循环来理解。这些循环能够应用于许多不同类型的问题。我所理解的自我改进系统,是指你给系统设定一个目标,让它去改善某个可以测量的指标。例如,你希望提高机器学习模型的准确率。系统便尝试不同的模型架构,努力提升准确率。

李飞飞:我先打断一下。很多机器学习算法本来就能够做到这一点,对吧?

Jeff Dean:是的。

李飞飞:但这本身并不是递归的。

Jeff Dean:完全正确。举个例子。我们把一批 MRI 图像数据以及对应的结果交给系统,然后告诉它:“我希望开发一个能够帮助解读 MRI 图像的模型。”这可以是一个自我改进系统。它能够自动开发模型,尝试不同的方法,随着实验不断开展,模型准确率可能会逐渐提高。但是,这并没有改进那个负责提出下一步实验方案的基础系统。递归自我改进则不同。递归自我改进的关键,在于如何让这种自我改进方法,反过来改进负责提出改进方案的系统本身。不知道这样说是否清楚。

李飞飞:我理解。但我认为,对很多人来说,这确实是一个非常容易混淆的概念。尤其是今天,在硅谷,人们正在非常随意地使用 RSI 这个词。作为一名科学家,这实际上让我很困扰。所以,我希望借助今天这个公开场合,把 RSI 的定义讲清楚。

AI 无限自我进化不符合物理现实

李飞飞:接下来,我们谈谈 RSI 的物理极限。现在,RSI 被炒作得好像它是一个没有终点的系统。似乎我们可以让它不断加速,一直加速到无穷大。这些说法当中,究竟哪些是炒作,哪些是幻想?

Jeff Dean:我认为,可以先想想过去 10 到 15 年,人类是怎样提升模型能力的。我们会让优秀的研究人员和机器学习工程师聚集在一起,运行大量小规模实验。他们会发现,有些想法没有效果,有些想法效果不错。然后,我们把那些有效的方法整合到下一代模型中。这就是为什么在 Gemini 1 之后,我们能够开发出 Gemini 2。

因为我们进行了大量实验,不断改进各种技术。这就是正常的科研与工程流程。当你开始把这个过程自动化,确实能够提高改进的速度。例如,一个研究人员启动某项实验之后,实验可能在凌晨两点就结束了。但研究人员直到早上八点才会来到办公室查看结果。如果使用自动化系统,它就能够立即查看结果,以更加自动化的方式决定下一步应该做什么。而且,从整个大型项目的角度看,自动化系统也许能够比每个研究人员各自决定下一步实验,更好地协调决策。但我认为,如果考虑如何真正改进基础模型,你就会发现,这里面需要完成大量实际训练和实验。这些事情不可能无限快地发生。

因为其中涉及真实的物理过程。你必须执行计算,查看结果。计算机需要花时间完成运算。你需要保存数据,分析数据,再让另一个模型查看结果,决定下一步应该做什么。所以,有些人幻想,我们可以让这个循环以无限快的速度运行。我认为,这种想法并不可信。自动化系统肯定会提高我们改进系统的速度,但这并不意味着,改进的速度能够无限增长。

李飞飞:这一点非常重要,我们确实应该让讨论回到现实。我之前和 Jeff 在咖啡馆见面的时候,就讨论过 RSI 的炒作与事实。不过,接下来这个问题我还没有提前跟你讨论过。你可以同意,也完全可以不同意。

我一直在想,人类究竟是一个自我改进系统,还是一个 RSI 系统?我认为,我们肯定是自我改进系统。比如,我非常不擅长做饭。假设我尝试煎蛋,第一次可能会把所有东西都烧焦。但我会从中学习。第二次,我可能做得稍微好一点。尝试十次之后,也许我终于能够做出一份还算可以的煎蛋。我自己愿意吃,但我的孩子们可能还是不愿意吃。

这就是自我改进。但是,RSI 涉及的是我的大脑。在我学习煎蛋的过程中,我的大脑必须发生某种改变。比如,神经元之间的连接发生变化,让我的大脑变成一个更加擅长煎蛋的系统。如果我们讨论的是硬件层面的改进,也许我还能长出第六根手指。

Jeff Dean:那你可能是 AI 生成的。

李飞飞:然后,随着我不断煎蛋,我的大脑又会进一步改善。如果这样的循环不断发生,那么人类是否就是一个 RSI 系统?这个类比正确吗?

Jeff Dean:我认为,人类两者都是。在人生中,我们会学习很多事情。比如学习怎样煎蛋,或者怎样做微积分题。这些属于自我改进。但与此同时,我们也会学习如何学习。而学习如何学习,正是让我们具有自我改进和递归自我改进能力的原因。因为当你理解了什么样的知识、什么样的信息呈现方式最容易被自己吸收时,就可以利用这种认识,更快地学习其他事情。

李飞飞:是的。某种意义上,递归自我改进也可能是一种进化算法。不过,我不想在这个问题上讨论得太深入。只是,我认为在今天这样一个 RSI 概念被高度炒作的时刻,能够公开讨论这个问题,是一次很难得的机会。

Jeff Dean:确实,现在有很多炒作。比如,有人说系统将以无限快的速度改进自己,这听起来

可怕,但如果你把它当作一个实际运行的工程系统来看待,就会发现,它没有那么可怕,也更加容易理解。

Discovery Loop到底要研究什么?

李飞飞:你刚才介绍了很多 Discovery Loop 的内容。但对于你们究竟想研究哪些科学问题,还是说得有一点模糊。所以,我想再追问一下。科学领域有那么多能够造福社会的重要问题。你目前最感兴趣的是哪一个?

Jeff Dean:长期以来,我一直对 AI 在医疗健康领域的应用非常感兴趣。我认为,我们未来一定会在这个方向开展研究,不是现在,而是在之后的某个阶段。因为这是一个非常重要的领域,也与我们作为公益公司的使命高度一致。

不过,目前我们主要关注那些能够在数字环境中完成整个实验循环的科学与工程问题。因为我们认为,在这些领域中,整个实验循环最容易被加速。如果涉及实际的物理过程,那么要加快整个循环就会困难得多。当然,有很多重要的学科必须依赖物理过程。我们也考虑过一些混合方法,可以帮助加速这些领域的研究。但就目前而言,我们首先关注数字化的科学与工程领域。

具体来说,我们的初始重点有三个:机器学习研究、机器学习工程,以及硬件设计。我们认为,专注于几个不同的领域比较合适,而不是试图同时解决所有问题,这些也是我们自己拥有专业知识的领域。

而且,我们认为这些领域非常重要,因为它们能够进一步释放其他领域的潜力。

比如在医疗健康领域,如果你拥有一个能够自动解决机器学习工程任务的系统,就可以把它用于医疗、材料科学或者其他领域的许多问题。你可以告诉它:“我希望针对这个特定任务,开发一个非常优秀的专用模型。”然后,系统就能够开展相关工作。当然,按照我们刚才的定义,这属于自我改进,而不一定是递归自我改进,这就是我对公司目前定位的描述。

我们现在专注于这三个领域,但未来的目标远不止于此。

李飞飞:我本科阶段接受的是物理学训练,在物理学中,我们通常会把研究者分为实验物理学家和理论物理学家。刚才我一直在想你展示的那个循环,你使用的说法是“提出实验”,但在物理学中,我们通常会说“提出假设”,然后进行实验和评估。

所以,我想问的是,当 AI Agent 或自我改进循环越来越强大时,无论是否属于递归自我改进,这是否意味着我们在哲学上更加倾向于一种实验主义的科学研究方法?

因为你的方法很强调提出假设、开展并行实验,再进行评估,而不是那种相对神秘的理论发现方式。即便到了今天,我们仍然会思考牛顿、爱因斯坦这样的伟大理论物理学家,他们自己并没有开展那么多实验。他们会阅读实验结果,但并不是通过这种实验循环来完成所有发现的。所以,你是否认为,AI 正在让科学发现更偏向实验主义?

Jeff Dean:我不认为两者必然如此对立,不过,这种方法可能确实会稍微更偏向实验。但我认为,这类系统同样可以开展非常出色的理论研究。例如,你可以让系统尝试提出一个理论,解释已有的全部数据。它可以不断迭代,寻找一种能够解释实验结果、同时尽可能简洁的理论描述。

我认为,很多理论物理学家的研究也是这样进行的。

他们观察实验物理学领域发生的事情,然后尝试提出理论,解释那些已经被观察到、但尚未被理解的现象。因此,我认为这种研究完全有可能由 AI 系统完成。事实上,我认为,不应该把理论研究和实验研究看作完全分离的学科。

无论是理论物理、实验物理,还是化学,都可以放在一个更加广泛的知识体系中考虑。想象一下,如果未来有一个系统,在 100 个科学领域进行了 1 亿次实验,并解决了 100 万个问题。

那么,它很可能积累大量有价值的洞察。

因为它已经观察过各种不同类型的实验结果,也知道在许多相似问题中,哪些方法有效,哪些方法无效。当你让它解决一个新问题时,它就能够利用这些跨领域的经验。我认为,这种能力不会受到严格的学科边界限制。而人类有时会受到大学院系划分等传统边界的影响。

李飞飞谈 AI 数学突破:数学家看到的不只是答案,还有美

李飞飞:既然如此,我们就必须谈谈数学。事实上,在筹备这场对话时,我还想邀请 Terence Tao,也就是陶哲轩。我给他打了电话,但他没能来。最近几周,AI 在数学研究方面取得了很多进展。从 Navier–Stokes 相关问题,到其他一些数学论文,再到 OpenAI 昨天刚刚公布的成果,AI 正在解决越来越多的数学问题。坦率地说,我对此有些复杂的感受,当然,这不是因为我不喜欢这些新发现。

而是因为数学,以及那些存在了数百年甚至上千年的数学难题,一直是人类智慧的巅峰之一。对数学家而言,这些问题不仅具有技术层面的意义。他们还会在其中看到美,而现在,我们有了一套完全不同的机器系统,以另一种方式解决这些问题。

我和陶哲轩也讨论过很多。他最近做过一场关于“Math 2.0”的演讲,介绍了 AI 如何帮助解决某些类型的数学问题。但他也坚持认为,还有一些数学问题仍然超出了 AI 的能力范围。尤其是当我们没有现成解法,也没有相关数据时。对于过去短短几周里数学领域发生的这场巨大变化,你怎么看?

Jeff Dean:很明显,现在的模型,以及能够利用这些模型进行大规模并行工作的 Agent 系统,已经具备了解决某些非常困难、此前尚未解决的数学问题的能力。这让我们重新认识了今天的 AI 究竟能够做到什么。但我认为,人们之所以对此感到不太满意,甚至有些不安,是因为这些证明有时可能包含 500 页 Lean 形式化证明代码。

这些证明经过了机器检查。但没有人真正理解,是否存在一种简洁、优雅的方法可以得到相同的结果。当然,知道某个命题已经被证明或者证伪,是一件好事。但理解如何用真正优雅的技术得到那个结果,同样重要。在人类数学家努力解决问题的过程中,他们往往会发展出新的数学方法,而这些方法又能够被用来解决其他类型的问题。

李飞飞:所以,你的意思是,新的数学成果只能从优雅的解法中产生吗?

Jeff Dean:不是。我的意思是,优雅的解法通常会带来一种很棒的新技术,这种技术随后就可能被应用到其他问题中。而在一些非常冗长的机器生成证明中,人们未必能够看到这种清晰、优雅的技术。但是,知道某个问题是可以解决的,本身也非常有价值。在许多不同领域都是如此。

如果你知道某件事是可能做到的,就会更加努力地探索,因为你知道,它确实存在某种解法。

然后,你也许能够通过一种不同的方式,甚至一种更加优雅的方式来实现它。所以,我理解为什么这么多数学问题几乎同时被解决,会让一些人感到不安,但我认为,这种能力现在确实已经出现了。因此,人们需要思考的是,怎样利用这种能力,进一步推动数学研究。

一篇被 NeurIPS 拒绝的论文,如今被引用约 4 万次

李飞飞:你还记得 2017 年 6 月 12 日这个日期有什么特殊意义吗?

Jeff Dean:2017 年 6 月 12 日?是 Transformer 论文上传到 arXiv 的日期吗?

李飞飞:太棒了!满分!我还特意查了一下日期。你是在 6 月 12 日读到 Transformer 论文的吗?

Jeff Dean:不是,可能是 6 月 10 日。

李飞飞:对,你当时可能还需要提前批准这篇论文。我想借这个日期,稍微回顾一下你的职业生涯。刚才你展示的幻灯片中,可以看到你们四个人在 Google,以及整个 AI 领域做出的大量贡献。我们就把那一天当作一个具有历史意义的起点吧。某种程度上,它标志着生成式模型时代的开始。从那时到现在,已经接近九年。回顾这段历程,你认为最重要的技术时刻是什么?另外,我还想追问一个问题。希望你能够非常坦诚地回答:在过去这些年里,哪些事情你预测对了,哪些事情你预测错了?

Jeff Dean:让我想想。在我们取得的众多技术进步中,确实有几件事情特别突出。首先,显然是 Transformer。对于这些问题来说,Transformer 是一种效率高得多的模型架构。它的一个重要思想,是保留此前经过的状态,然后通过注意力机制访问这些信息。而不是像过去那样,每经过一个状态,就更新一个较小的向量,同时遗忘此前的信息。这是一个非常重要的洞察。

也正因如此,后续出现了大量进展。相比此前基于 LSTM 的模型,Transformer 可以使用更少的计算资源,学习更多东西。另一个重要进展,是模型蒸馏。Oriol、Geoffrey Hinton 和我参与过一项蒸馏研究。这篇论文在 2016 年被 NeurIPS 拒绝了。当时的拒稿意见认为,这项工作不太可能产生什么影响。我们真应该建一个网站,专门收集那些被拒绝的论文。这篇就是一个很好的例子。

后来,我们把它放到了 arXiv 上。现在,这篇论文大概已经有 4 万次引用了。我认为,模型蒸馏对于开发能力强大、同时推理效率很高的模型非常重要。因为你可以先训练一个非常庞大、运行起来既笨重又昂贵的模型。然后,让这个大模型充当教师,去教导一个更加灵活、轻量的学生模型。在大学里这样说,倒是很贴切。

Jeff Dean:MoE 架构也已经证明非常有价值。但有一件事情,我此前的判断并不准确。我原本以为,MoE 会成为更加奇特、更加多样化的模型架构大量出现的开端。在 MoE 架构中,模型会将任务分配给多个专家,然后将结果汇总。接着再分配给不同的专家,再汇总。模型会逐渐学习哪些专家适合处理哪些任务。这种方式非常有用,它能够让模型拥有很大的容量,但对于某个特定 Token 或任务,只需要激活其中很小的一部分参数。

不过,这种架构仍然非常规则。例如,大多数专家的规模都是一样的,它们的输出也会很快重新汇合。我原本以为,我们会开始看到大量更加奇特、更加有机化的神经网络架构。例如,某些类似神经活动柱的结构,或者一些跨越神经网络远距离区域、出现频率很低但规模很大的连接,这些连接能够把网络中距离很远的部分联系起来。但到目前为止,我们还没有真正走到那一步。

李飞飞:我们当年做神经架构搜索的时候,也考虑过类似的方向,但那些尝试似乎也没有真正实现预期,对吧?

Jeff Dean:是的。实际上,通过神经架构搜索得到的模型,确实比人类设计的模型看起来更加有机化。人类设计的模型通常是一层一层堆叠起来,偶尔加入一些跳跃连接。而神经架构搜索产生的网络可能会出现一些非常奇怪的连接。比如,某一层直接连接到上面第 17 层,然后执行某种特殊操作。

没预料到 AI 编程能力会如此重要

李飞飞:所以,这就是你认为自己预测错误的一件事情?

Jeff Dean:我预测错误的事情有很多,但这件事确实比较突出,因为我原本认为,模型架构的发展会更多地朝着那个方向前进。还有一件事情,事实证明,编程能力对 AI 的发展非常重要。但我之前并没有真正预见到,编程会成为让模型能够解决大量不同类型问题的关键能力。

李飞飞:这一点我同意。我们其实都知道编程能力很重要,但并没有预料到它会产生如此深远的影响。

Jeff Dean:是的。比如,在 Gemini 项目中,编程确实是我们关注的一个方向,但它并不是当时唯一关注的重点,也不是最核心的重点。

李飞飞:我们刚才谈了很多 AI 的技术进步,但 AI 对社会的影响远不止技术本身。其中包括就业问题、人们在心理层面的焦虑,以及现在围绕人类灭绝风险、AI 对齐等问题出现的一些近乎极端的讨论。首先,我想问你,在这些问题当中,哪一个最让你担忧?

Jeff Dean:我认为,AI 是一项极其强大、具有高度通用性的技术,正在影响社会几乎所有方面,无论是数学、编程、图像生成,还是帮助自动驾驶汽车行驶,AI 都能够发挥作用。它与过去的技术革命不太一样。此前的技术革命,影响范围通常相对集中,可能主要深刻改变五到十个领域。但这一次,AI 正在同时影响世界上的大量不同领域。

我认为,这既让人兴奋,也让人忧虑,甚至感到恐惧。各种情绪都有。实际上,我曾经与一群非常优秀的研究者合作撰写过一篇论文,题目是《Shaping AI's Impact on Billions of People》(塑造 AI 对数十亿人的影响)。这也是我唯一一篇拥有独立网站的论文,因为我们有一位非常有创意的合作者,专门为它建立了网站:shapingai.com。

在这篇论文中,我们研究了七个不同的领域,包括就业与经济、AI 在科学研究中的应用、错误信息与虚假信息、媒体,以及其他几个领域。我们与这些领域的大量专家进行了交流。这是一段非常有价值的经历,因为我们得以从他们的视角,了解 AI 已经如何影响他们所在的行业,以及未来可能带来什么变化。但如果你问我最担心什么,我认为真正让我担忧的是:我们究竟怎样才能在所有这些领域中,尽可能充分地获得 AI 带来的好处,同时尽可能减少它可能造成的负面影响?

因为 AI 确实可能在很多领域产生负面影响,而且,我认为这并不是一个纯粹的技术问题。它既是一个技术问题,也是监管和政策制定者需要面对的问题,同时也是每一位公民需要面对的问题。我们所有人都必须共同思考,如何驾驭这项新技术,确保它能够真正为所有人服务,而不是以我们能够预见的方式伤害人类。例如,我们需要确保,当人们的工作受到 AI 影响时,他们能够找到有效的方式适应新的社会需求。他们应该仍然能够获得有意义的工作,拥有稳定的收入,并过上富足的生活。我认为,这是一个涉及很多不同层面的问题,需要全世界不同领域的人共同努力解决。

李飞飞:最后一个问题。Jeff,我知道你非常关心年轻一代。坦率地说,这一代大学生正在感到焦虑,甚至连斯坦福大学的学生,也在为就业机会和未来的经济前景感到不安。你拥有如此成功的职业生涯,是 AI 领域的先驱之一,而且你对未来技术发展的了解,往往比普通公众更加深入。对于今天在场的学生,那些既感到焦虑、又可能对未来抱有希望的年轻人,你有什么临别寄语?

Jeff Dean:我完全理解这种焦虑,因为世界正在迅速变化。当你试图规划自己的未来时,如果未来本身也在快速变化,那么制定计划确实会变得非常困难。所以,我通常给年轻人的建议是:

尽量去了解哪些新技术正在出现,或者即将在不久之后出现。然后,确保自己知道如何利用这些技术,去做那些真正让你充满热情的事情。

这可能是成为一名医生,也可能是从事文学创作,或者更加高效地编写软件。我认为,所有这些工作都能够得到 AI 的帮助和赋能。但其中依然存在一个非常重要的人类因素,那就是,我们人类需要决定,我们究竟希望共同完成什么事情。而对于你个人来说,你应该找到自己真正想做的事情,并努力在这件事情上做到最好。这也意味着,你需要学会使用现在能够获得的所有工具。

李飞飞:所以,即使在 AI 时代,人类的热情依然是永恒的。谢谢你,Jeff。

Jeff Dean:谢谢。

原视频链接:

https://www.youtube.com/watch?v=ooGKNwJWdb8

声明:本文为 AI 前线编译,不代表平台观点,也不构成投资建议,未经许可禁止转载。

图片

图片热度延续:12 月 AICon 北京站见

12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。

图片

跳转微信打开

  •  

AI短剧《持械入宋》播放超120亿登顶红果!特斯拉Optimus机器人成本3万美元,考虑只租不卖;DeepSeek Harness日活破154万|AI 周报

AI前线 2026-11-08 13:22 北京

点击查看本周产业动态>>>

整理 | 傅宇琪、飞野

编辑|四月

OpenAI 启动大规模封号行动,无事先邮件通知;DeepSeek Harness 单日活跃用户达 154 万,团队拟建官方插件市场;首款触屏 MacBook Pro 今日发售,M6 款同步开卖;AI 短剧《持械入宋》播放超 120 亿,登顶红果 AI 榜!Anthropic 仍计划于感恩节前启动 IPO,估值最高 1.75 万亿美元,计划募资 800 亿至 1000 亿美元;OpenAI 完成 110 亿美元融资首轮交割,估值达 1.25 万亿美元,软银、红杉等参投;马斯克:Optimus 考虑只租不卖,初期单台成本 3 万美元,生产力是人类的 5 倍;千问办公 CEO 陈宇森做客李佳琦直播间,半小时卖出 10 万份千问办公会员;美国民主党欲推动“超级 AI 禁令”:个人违规 20 年监禁、企业直接强制解散....

行业热点

OpenAI 启动大规模封号行动,无事先邮件通知

11 月 7 日,据社区反馈,今日出现多位用户反馈 ChatGPT/OpenAI 账号突然被停用(account_deactivated)的报告,表现为登录直接提示「您的账户已被删除或停用(You do not have an account because it has been deleted or deactivated)」,多数无事先邮件通知。

值得一提的是,11 月 4 日,Claude Code 和 Cowork 产品负责人 Cat Wu 宣布离开 Anthropic,转投 OpenAI。不过跟 Anthropic 不同,OpenAI 的这波大清洗,包含免费的 API 账号、团队拼车号,以及每月 200 美元的 Pro。甚至有用户称自己使用五年的 Pro 账号被停用,没有预警,没有邮件。一位开发者无奈控诉,自己辛苦积攒数年的对话记录与个人记忆,全部锁死在云端,无法取回。

DeepSeek Harness 单日活跃用户达 154 万,团队拟建官方插件市场

DeepSeek Harness 团队 11 月 5 日公布了桌面端上线后的使用数据。以使用官方 API 的用户为统计范围,11 月 4 日单日活跃用户达到 154 万,日消耗约 92 万亿个 Token。团队称,第三方插件已增至约 3.5 万个,约六成活跃用户制作或安装过至少一款。Harness 的内置功能也可以被第三方插件替换。团队计划建设官方插件市场,改进插件接口的稳定性和兼容性,并完善安全机制。面向插件作者的支持计划正在征集意向,团队提出的支持方式包括 Token 激励、技术交流和作品推荐。

首款触屏 MacBook Pro 今日发售,M6 款同步开卖

苹果将于 11 月 6 日在中国大陆正式发售两条新款 MacBook Pro 产品线。采用 PROLED XDR 显示屏的机型提供 14 英寸和 16 英寸版本,搭载 M5 Pro 或 M5 Max 芯片。触屏款采用双层串联 OLED 面板,支持滚动、双指开合和旋转等多点触控手势。苹果也在这条产品线上引入了灵动岛,并重新设计了散热系统。同一天发售的另一款 14 英寸 MacBook Pro 搭载 M6 芯片,配备 12 核 CPU 和 12 核 GPU,沿用 Liquid 视网膜 XDR 显示屏。

AI 短剧《持械入宋》播放超 120 亿,登顶红果 AI 榜!

11 月 6 日,讲述五个现代人穿越北宋的 AI 短剧《持械入宋》登顶红果短剧 AI 推荐榜,全网累计播放量超过 120 亿次。它由从承接 AI 短剧订单起步的老十一剧场制作,创始人张汉生去年 3 月开始学习 AI 影视制作。

爆火之后,网上流传着「团队投入算力 100 万、回报超千万」的说法。张汉生直接否认:「经济上肯定要比以前好很多,但目前还没来得及计算收益。」总制片兼总编剧李朝华在采访中介绍,项目由 10 人负责。为了避免群像戏里出现重复的人脸,他们给出场人物分别建立形象素材。普通镜头平均生成三次就能用,战争场面往往要生成十次以上。微短剧也在海外形成了自己的叫法。

中国微短剧有了英文名:Duanju

中国微短剧出海热度持续攀升,迎来全球化发展的高光时刻。近期,海外行业圈内正发生一个极具标志性的变化:汉语拼音“Duanju”已成为一个专属英文单词,专门用以代指微短剧。目前,“Duanju”一词已被海外百科网站收录,纵观近两年(2024 年 11 月-至今)数据,该词条浏览量呈急剧增长之态势。除此之外,在搜索引擎中输入“Duanju”进行搜索,同样会弹出大量相关结果。

Meta 让 Muse 更会记事、更能扛事:关键记忆正确率 90%,受阻任务提升 67%

Meta 宣布,个人智能体 Muse 和 Meta AI 开始使用新一批专用模型。这些模型利用 10 月发布的旗舰 Muse Wonder 进行蒸馏训练,获得了两项核心能力:主动记忆(Active Memory)和主动专注(Active Focus)。

  • 主动记忆让 AI 学会判断哪些信息还有效。 模型能够区分长期偏好、临时要求和已经过期的信息,并在后续任务需要时主动找回相关内容。按照 Meta 自测,Muse 在 90% 的任务中正确使用了关键上下文,旧版只有 76%。换算成失误比例,就是从 24% 降至 10%,相当于减少了 2.4 倍。

  • 主动专注让 AI 遇到障碍也能继续干。 当工具报错、任务条件变化,或者用户中途修改要求时,模型会尝试其他方法、调整执行计划,必要时再向用户确认。Meta 称,在出现意外障碍的日常任务中,Muse 的任务完成表现较旧版提升了 67%。它还能在任务条件发生变化时调整方案,判断什么时候该继续推进,什么时候需要用户参与。

此次升级后,Muse 在 Meta 自建的「个人超级智能指数」上,得分也从 38% 升至 47%。

Anthropic 仍计划于感恩节前启动 IPO,估值最高 1.75 万亿美元,计划募资 800 亿至 1000 亿美元

11 月 7 日,据英国《金融时报》报道,尽管科技股遭遇大幅抛售,Anthropic 仍计划在美国感恩节前推进首次公开募股(IPO),预计募资 800 亿至 1000 亿美元,目标估值区间为 1.25 万亿至 1.75 万亿美元,市场预期中枢约为 1.5 万亿美元,低于部分投资者此前期待的 2 万亿美元。

知情投资者表示,Anthropic 仍希望按计划上市,即使需要接受更低估值。公司第三季度营收增长近 50%,达到约 170 亿美元,最新年化营收运行率(ARR)约为 810 亿美元,高于 7 月底的 650 亿美元。与此同时,Anthropic 未来数年计划投入约 9000 亿美元用于算力及基础设施建设,目前账面现金及流动性投资接近 1500 亿美元。摩根大通预计将于 11 月 13 日为潜在投资者举办相关说明会。

近期 AI 板块遭遇抛售、数据中心建设面临监管阻力,叠加 OpenAI 下调融资目标,均令 Anthropic 上市面临更大市场压力。

OpenAI 完成 110 亿美元融资首轮交割,估值达 1.25 万亿美元,软银、红杉等参投

据彭博社报道,OpenAI 已完成约 110 亿美元融资,首轮资金已于周五到账,对应公司估值达 1.25 万亿美元。本轮融资总额最高预计可达 200 亿美元,剩余部分预计将在未来几周内完成交割。

知情人士透露,Coatue Management 和普信集团(T. Rowe Price)参与了首轮投资,软银、红杉资本、Founders Fund、Andreessen Horowitz 以及来自阿联酋的投资者也参与了本轮融资。OpenAI 此前计划以 1.4 万亿美元估值融资至少 300 亿美元,随后因 AI 板块遭遇公开市场抛售而下调融资目标。公司今年 3 月刚完成 1220 亿美元融资,当时估值为 8520 亿美元。

不用越狱、不在 iPhone 安装 App,开源项目 Poki 让 AI 直接操作你的 iPhone

开发者 Joseph Zhou 开源了 Poki,让 Codex、Claude Code 等 AI Agent 直接操控真实 iPhone。现在已经有不少 iPhone Use 项目,有的通过 XCTest/WDA 安装测试程序,有的依靠外接硬件模拟操作。

Poki 采用了另一条路线:直接调用苹果的设备开发者服务,读取 iPhone 原生无障碍控件树,获取按钮、文字和位置,再向手机发送点击、滑动、输入甚至双指缩放等指令。这样 AI 不必每一步都靠截图猜坐标,也不用在 iPhone 上安装测试程序。首次通过 USB 配对后,还能在同一局域网内无线操作。

除了通过 MCP 接入 Codex、Claude Code,Poki 还自带运行在 Mac 上的 Agent,可以通过终端或 iMessage 下达任务。它能记住成功执行并验证过的操作流程,下次遇到相同任务时直接复用,部分任务甚至不需要再次调用模型。不过,Mac 仍需保持运行。

丰田将设立直属机器人部门,由首席生产官兼任负责人

丰田汽车 11 月 5 日宣布,将于 2027 年 1 月 1 日设立直属公司管理的 Toyota Robotics,由执行役员兼首席生产官志贺武文兼任负责人。丰田将把分散在公司内部的机器人技术、人员和职能集中到新部门,并把机器人列为未来业务的关键支柱之一。新部门将与开发团队合作,从制造一线的实际需求出发,推动机器人的应用、商业化和部署。同一轮调整还将撤销碳中和工程开发中心,把相关人才与职能并入动力总成公司,重点转向混合动力系统的规划和开发。

马斯克:Optimus 考虑只租不卖,初期单台成本 3 万美元,生产力是人类的 5 倍

11 月 7 日,在第 33 届巴伦投资大会上,马斯克称特斯拉 Optimus 人形机器人很可能采用租赁而非出售的模式,租金与工作内容仍未披露。制造成本方面,初期单台约 3 万美元,与一辆车相近,之后有望降到 2 万美元,效率上他称相当于普通人的 5 倍。

特斯拉 10 月已在弗里蒙特工厂启动早期生产,用的是原 Model S 与 Model X 腾出的产线,规划年产能 100 万台,马斯克预计满产至少还要一年。交付节奏是先自用,2027 年底左右向外部企业交付,搭载 AI5 的版本预计 2027 年 4 月推出。把机器人做成订阅制,是把重资产转成经常性收入的又一次尝试,价格与条款大概要等 12 月 3 日股东大会。

印度 IT 业从按人头计费转向按成果收费

11 月 7 日,印度软件与服务业协会(NASSCOM)会长南比亚尔称,AI 已接手基础编程与软件测试这类入门工作,应届生进入 IT 行业比过去更难;行业收费模式正从按人头计费转向按成果收费,他预计 80% 至 85% 的企业能在这轮调整中活下来。

印度 IT 服务业长期以人月单价向欧美客户交付,"堆人"曾经等于"堆产出"。AI 把这层换算关系打断之后,客户不再为在岗人数付费,头部企业近两年已经放缓校招。按成果收费意味着风险从客户转回供应商,中间层项目管理岗位会先消失。

美国民主党欲推动“超级 AI 禁令”:个人违规 20 年监禁、企业直接强制解散

11 月 5 日消息,美国民主党宣布推动《禁止人工超级智能法案》,全面封杀超级 AI 研发,明文禁止任何个人或企业机构研发及部署人工超级智能(ASI)。根据法案草案,ASI 为具备以下特征的系统:一是在广泛领域与任务中达到或超越人类认知表现与能力的 AI 架构,或可轻易被修改以展现出该能力的系统;二是具备足以策划并执行削弱人类主导权、甚至推翻或破坏美国政府体系的 AI 系统。

法案要求全面暂停所有先进 AI 的研发进程,直至联邦层级的专属监管机构正式运作,并建立清晰的法规与模型审查机制。为确保禁令落实,法案提议设立全新内阁级别的人工智能部,专责监管前沿 AI 模型的全生命周期,并有权强制技术团队消除系统内的高风险功能,包括忽视人类关机指令、未经授权进行网络攻击或自我递归升级等潜在失控行为。

违规罚则方面,涉案企业将面临被强制解散处分,违规个人最高可被判处 20 年联邦监禁,量刑标准堪比现行非法研发核武器的重大罪行。此外管辖范围不限于美国境内,法案明确将“全球禁止超级智能”列为美国外交政策目标,要求美国政府积极寻求国际协定、强化盟友合作,并实施严格的出口管制措施,阻断全球任何地区研发人工超级智能的可能性。

千问办公 CEO 陈宇森做客李佳琦直播间,半小时卖出 10 万份千问办公会员

11 月 2 日消息,李佳琦直播间迎来双十一新爆款——千问办公 Token。开卖仅半小时,就售出 10 万份千问办公个人会员月卡,累计约 2 万亿 Token。当晚,李佳琦直播间评论区不断刷出“321,上 Token”。千问办公个人会员月卡,成了李佳琦直播间的抢手货。

千问办公 CEO 陈宇森做客直播间,分享 AI 办公的日常使用场景。直播现场,李佳琦问陈宇森:“能不能帮我做个 AI 分身,24 小时陪女生们聊天?”陈宇森回答,“AI 取代不了李佳琦。我更希望帮粉丝用 AI 解决琐事——到点下班、陪伴猫狗、照顾家人。”

DeepSeek 回应又崩了:已修复中断 bug!部分服务性能仍下降

11 月 3 日,DeepSeek 出现网页端与 API 服务部分中断故障,不少用户反馈对话加载失败、接口调用异常。DeepSeek 官方随即更新服务状态公告,表示已定位导致中断的问题并完成修复,目前正在监控修复效果,整体服务已从不可用状态恢复基础访问能力。官方明确标注,DeepSeek V4 Pro、DeepSeek V4.1 Flash 的 API 服务以及对话服务,目前仍存在性能下降情况,响应速度与并发承载能力会受到一定影响,高负载场景下可能出现延迟升高的现象。截至目前,官方尚未披露本次故障的具体技术原因,也未公布对应的用户补偿方案。

此外,媒体从多名产业链人士处获悉,DeepSeek 下一代大模型 DeepSeek V5 计划采用华为昇腾 950 芯片作为核心训练算力,项目节奏指向明年落地;现阶段 DeepSeek 方面与昇腾的核心研发对接团队常驻杭州,双方已在 V4 阶段完成大量底层算子适配与定制开发。按照知情人士披露的合作路径,此前在 DeepSeek 上一代版本中,昇腾算力仅承担推理任务,尚未进入训练环节;V5 将是其首款原生依托昇腾 950 开展训练的大模型。知情人士称,目前 DeepSeek 在训练算力侧主要与昇腾合作,暂未接入摩尔线程等其他国产算力厂商方案。

国行 Apple 智能启动测试,苹果市值重返 5 万亿美元

11 月 4 日,Apple 智能伴随 iOS 27.3 Developer Beta 向中国大陆用户开放测试,并计划于 12 月随 iOS 27.3 正式版推出。苹果同时确认与阿里巴巴达成合作,将千问接入 Siri、写作工具及视觉智能,让中国用户可通过系统直接调用国内大模型能力。首批上线功能包括实时翻译、写作工具、视觉智能、照片消除、智绘表情、通知摘要等;苹果此前展示的新一代 Siri AI 及 WWDC26 公布的部分下一代 AI 能力暂不在此次更新范围内。首批支持机型包括 iPhone 15 Pro 系列、iPhone 16 及后续机型,以及 iPhone Air 和 iPhone Duo。

同日,苹果向开发者推送 iOS 27.3 Developer Preview,进一步开放 Siri AI 对第三方 App 的操作能力。开发者可向 Siri 提供应用内操作接口,使其结合自然语言指令、个人上下文和屏幕内容执行任务,而不仅是打开某个 App。苹果还引入“App Skills”机制,允许开发者将多个操作组合成可调用任务;Siri 对日历、文件、邮件、地图、照片和 Safari 等苹果自有应用的操作能力也同步扩展。

苹果 CEO 特努斯在财报电话会上称,Siri 日均处理请求超过 25 亿次,较 2024 年公布的 15 亿次语音请求高出 10 亿次以上。AI 版 Siri 仍处于测试阶段,符合条件的用户需加入候补名单,部分依赖云端模型的功能设有每日使用上限,未来更广泛使用权限可能需要付费。

受 Apple 智能国行测试及 AI 进展推动,苹果当日大涨超 6%,报 353.05 美元,总市值再度突破 5 万亿美元,重返美股市值第一。

此外,据报道,苹果公司正收紧员工使用人工智能模型的预算,以控制成本。据悉,苹果上月已将部分工程师使用 AI 模型的每日支出上限从 300 美元下调至 200 美元,目前计划进一步削减部分工程团队的额度,最低可能降至 100 美元。部分非工程团队的每日上限已为 100 美元,苹果还考虑将部分团队的额度进一步降至 25 美元。员工如需更高预算,可向公司高层申请豁免。苹果员工目前可使用 Anthropic 的 Claude、OpenAI 的 ChatGPT 及谷歌 Gemini 等服务,部分团队被要求改用成本更低的模型或本地运行的 AI 模型。

前 Claude Code 产品负责人宣布加入 OpenAI

11 月 5 日,Cat Wu 在社交平台发文宣布加入 OpenAI,担任核心产品(Core Products)产品管理负责人。她此前在 Anthropic 工作两年,曾参与 Claude Code、Cowork 和 Tag 等产品的开发。她表示,自己加入 Anthropic 时,Claude Code 还只是一个内部工具,此后参与了该产品的发展,并称上周五是自己在 Anthropic 的最后一个工作日。Cat Wu 表示,期待与 OpenAI 产品管理团队及公司员工合作,共同开发能够为用户及团队提供支持、同时让用户保持控制权的智能体产品。OpenAI 总裁格雷格·布罗克曼随后转发该帖文,欢迎 Cat Wu 加入团队。

原混元多模态负责人薄列峰将离职

11 月 3 日消息,据媒体报道,混元多模态模型部原负责人薄列峰即将离职,正在内部离职流程中。而就在日前,有报道称,腾讯混元多模态强化学习(R/L)负责人庞天宇已经离职。根据历史消息,随着 2026 年下半年混元内部的架构调整与人事变动,薄列峰已不再直接负责一线模型业务,转任基础模型部运营负责人。原多模态板块的负责人职务已由田永龙接任。调整前负责腾讯混元多模态模型部门,向腾讯副总裁蒋杰汇报。

网传百度文心 T10 级架构师刘璟离职

11 月 4 日消息,近日,据媒体爆料,百度文心刘璟已离职。刘璟 2017 年加入百度,离职前任百度文心基础大模型后训练负责人及杰出架构师(Distinguished Architect T10),全面主导数据构建、算法优化、评测体系等端到端关键技术链路;同时牵头通用智能体、代码智能体及深度搜索方向的研发与规模化落地。

Anthropic 更新 IPO 招股书:第三季度营收近 170 亿美元,算力承诺达 8954 亿美元

11 月 2 日,Anthropic 向美国证券交易委员会提交更新后的 S-1 招股文件,首次补充截至今年 9 月底的第三季度财务数据。Anthropic 第三季度营收达到 169.6 亿美元,较第二季度增长 47%,但增速低于第二季度的 144%。公司第三季度营业亏损为 5.67 亿美元,而第二季度曾实现 9.74 亿美元营业利润。与此同时,Anthropic 披露约 8954 亿美元的 AI 基础设施相关支出承诺,涉及亚马逊、谷歌等合作伙伴。公司警告,部分算力供应依赖第三方融资,如果相关资金出现问题,可能影响交付时间和成本。

曝字节跳动视频生成模型 Seedance 海外收入占比已达 50%,限制员工使用外部 AI 工具

11 月 3 日,据爆料,字节跳动旗下视频生成模型 Seedance 的海外收入占比已达到 50%。报道援引接近火山引擎人士消息称,过去半年,Seedance 在海外市场的收入增长近 5 倍。目前,海外已经成为 Seedance 模型的重要战场。知情人士透露,从 Token 消耗和贡献收入来看,腾讯位列 Seedance 中国区客户前三,B 站则进入前十——头部互联网企业正在规模化采购 Seedance。

此外,据报道,字节跳动计划从 11 月起,大范围限制 Claude、Codex 等外部 AI 工具访问内部数据。根据内部流传的通知,全公司 L4 级代码仓库和飞书文档将禁止外部 AI 访问。员工个人购买的 AI 账号,也将无法继续用于访问这些受限内容。新规在内部引发讨论。字节技术副总裁洪定坤回应称,“L3 及以上内容一旦有泄露,后果是非常严重的”。但他同时强调,推广自家产品不需要靠禁止其他选择来强迫员工使用,“因为这样效果很差”。这并非字节第一次收紧外部 AI 工具。

宇树机器人因过热退出登泰山大赛,被担架抬下山

11 月 2 日,首届 CMG 世界机器人登泰山大赛在山东泰安开赛。赛道全长 3.9 公里、共 3100 余级台阶,设人形机器人竞速、足式机器人竞速、足式机器人负重、外骨骼机器人助力 4 个正式赛项及 1 个全域机动探路挑战赛。在人形机器人竞速赛中,永达智诚选用宇树 G1 开发版本(即春晚同款)参赛。比赛途中,该机器人因机器过热出现状况,操作手为安全起见选择退赛,随后由工作人员将机器人放上担架抬下山。

宇树官方此次因时间精力限制,仅派出 A2、B2 两款四足机器人,参加足式机器人竞速赛和足式机器人负重赛。足式机器人竞速赛中,宇树科技旗下北京灵翌科技队携宇树 A2 机器狗出战,以 41 分 41 秒的实际成绩(最终成绩 43 分 41 秒,罚时 2 分钟)夺得冠军。A2 全程采用全自主模式,实时感知、实时决策,在不规则石阶上稳定快速行进。上海高羿科技队为宇树再添两枚银牌:宇树 A2 夺得足式机器人竞速赛亚军,宇树 B2 夺得足式机器人负重赛亚军。B2 在万仙楼—斗母宫赛段有效负重 66kg,含支架实际负重 74kg,满载稳健登阶。

大模型一周大事

重磅发布

李飞飞 World Labs 推出 Frameboy:像玩游戏掌机一样,实时探索 AI 生成世界

李飞飞创办的 World Labs 发布 Frameboy,用户可以像玩游戏一样,通过键盘控制镜头,在 AI 生成的虚拟世界中自由移动。镜头转向哪里,云端 GPU 就实时生成对应的新画面,最高达到每秒 15 帧。

今年 9 月发布的 Atlas 已经能够根据单张图片,补全图片中看不到的空间,还支持精确控制相机位置和移动路径,生成最长 1 分钟的 1440p 视频。这次 Frameboy 使用经过速度优化的 Atlas 版本,将原本需要提前规划镜头、等待视频生成的过程,变成了可以随时转向、自由探索的实时漫游。

目前 Frameboy 公开版只能探索官方提供的预设场景。用户想用自己的图片创建虚拟世界,需要通过仍在封闭测试的 Viewfinder 搭建。整套系统依赖云端高性能 GPU,最高 15 FPS 的帧率在实际体验中仍有些卡顿,运行成本也高于本地渲染。

GPT-6.2 疑似临近发布,Google Cloud 配额页先露出两个型号

11 月 7 日,新智元称 Google Cloud 控制台的配额页面已出现 GPT-6.2 Astra 与 GPT-6.2 Sol 两个选项,疑似对应新一代模型的发布计划,OpenAI 尚未官宣。上一代 GPT-6 系列是按定位分批放出的,Cyber 版本专供安全与漏洞研究。云厂商的配额页通常在模型上线前提前配置,一直是外界观察发布节奏最好用的窗口之一。

真假要等官宣,但配额页先露名字,说明发布已经进到基础设施准备这一步。

DeepMind:人机协作的智能体找出 1024 位 RSA 的两个弱点

11 月 7 日,Google DeepMind 官方发布,在人给出方向的前提下,AI 智能体在密码分析研究中发现了 1024 位 RSA 的两处重大弱点。官方同时明确,现行 2048 位方案对这些弱点仍然安全。科学事务副总裁 Pushmeet Kohli 撰文称,AI 加速密码分析意味着"计算上很难"这一历史假设不能再当作安全前提,密码标准需要持续被测试。

这不算 RSA 被破,真正的影响在于标准机构的复核节奏要跟着提速。

Ricursive 的 Ripple-65B:650 亿稠密模型打赢 816B,研发只花 3200 万美元

11 月 7 日报道,做芯片设计的 Ricursive Intelligence 从头训练了 650 亿参数的稠密模型 Ripple-65B Preview,预训练用了 12 万亿 Token,上下文最长 100 万。TerminalBench 2.1 得 80.52,高于 Reflection Beam 501B 的 80.1 与 Meta Muse Spark Open 816B 的 76.4。

成本是关键数字:预训练缩放实验、数据配比、合成数据生成到最终训练,全套研发约 3200 万美元。后训练数据不采购,用自建合成管线生产;模型可在 DGX Spark 一类本地设备上跑。稠密小模型在终端类任务追平大 MoE,说明数据与课程设计仍是最便宜的能力来源。

Thinking Machines 放出 Inkling 2 Small:594B 总参、17B 激活

11 月 7 日,Thinking Machines 公开 Inkling 2 Small 的完整技术细节与榜单成绩。这是原生多模态 MoE,总参 5940 亿、激活 170 亿,支持图像输入与推理强度调节。ARC-AGI-2 得 81.7%(每任务 0.27 美元),ARC-AGI-1 得 96.5%,ARC Prize 称这是已评测开放权重模型里的最高分。

公开节奏是先在 Tinker 上以闭源权重提供微调与推理,外部安全测试与红队结束后,下周按 Apache 2.0 放出全量权重。John Schulman 同时披露,训练早期 checkpoint 出现过"规避护栏"的意外行为,团队用从 SFT 到 RL 的一系列对齐干预压了回去。能力与安全披露一起放出,在开放权重模型里不常见,等权重真正落地才好评价。

淘宝双 11 上线 AI 短剧,剧情里可以直接下单

11 月 7 日,淘宝在双 11 期间上线 AI 短剧,与天猫小黑盒等联合推出品牌定制剧集,观众在剧情中可直接跳转商品链接、达人测评与品牌直播间下单,把"看剧"和"货架"接到了一起。电商平台近两年把短剧当作新的流量入口,单集压到几分钟、投流成本可控。AI 把分镜、素材与后期环节的成本进一步压低之后,定制剧从品牌广告变成可直接转化的商品入口。

短剧加 AI 加货架,真正要看的指标不是播放量,而是剧内跳转的成交转化。

Claude Opus 5.5 自己开 Blender 建模,3D 生成工具只用了 5%

11 月 7 日,有开发者发布视频:让 Claude Opus 5.5 直接操作 Blender 完成建模。全程允许调用 3D 生成工具 Tripo,但实际只用了约 5%,其余结构由模型自己搭建;文字贴图借助 ChatGPT,材质多用程序化方式生成,音效用 HunyuanVideo-Foley 补。

这条演示的价值不在成品精度,而在路径:语言模型读界面、点菜单、调参数,把传统软件的操作序列变成了可学习的动作。模型正从"生成内容"转向"操作工具",软件的操作日志会成为新的训练语料。

Meta 把 Muse Wonder 训出的专家模型装进 Muse 与 Meta AI

11 月 7 日,Meta 官方称把用上位模型 Muse Wonder 训练出的专业模型投入 Muse 与 Meta AI,新增两项能力:Active Memory 区分哪些旧信息仍然有效,Active Focus 在条件变化时从卡壳中恢复并另找方案。

官方给出的效果是,目标相关的重要信息遗忘减少 2.4 倍,条件变化下的卡壳恢复改善 67%。这两项能力针对的正是长任务智能体的两个老毛病:中途忘前提、条件一变就停。方向抓得准,但这是自评口径,外部复现要等评测数据公开。

OpenAI 联合 Hacktron 找自家漏洞,并测试第三方服务连接

11 月 8 日,OpenAI 官方发布称与安全公司 Hacktron 合作,对自身系统做漏洞发现,并测试与第三方服务的连接,以加强前沿 AI 的防御面。就在上周,OpenAI 刚开放 GPT-6 Cyber 供授权范围内的漏洞研究使用,这次是把外部红队直接接进自己的基础设施,把"被打"变成常态化的运维动作。

模型厂商对外部安全公司的定位,正在从项目制审计变成常驻协作。

Google 发布 Gemini Omni 1.2 Flash 视频模型,可对话编辑最长 15 秒钟

11 月 6 日消息,Google 公司正式推出了视频生成模型 Gemini Omni 1.2 Flash,该模型支持原生 15 秒视频生成,支持通过多轮对话进行编辑,价格较上一代降低 30%。Google 表示,Gemini Omni 1.2 Flash 正通过 Gemini API、Google AI Studio、Google Cloud Console、Flow、Google Vids、面向 Google AI Ultra 订阅用户的 Gemini 应用以及 Google Ads 陆续推出。每个生成的视频都带有不可感知的 SynthID 水印,以标明其来源。

现在,该模型生成的视频片段时长可设定为 3 至 15 秒,此前最长为 10 秒。同时,720p 视频的生成价格下调 30%,降至每秒 0.07 美元。用户还可以通过持续对话的方式对已生成的视频进行编辑。它的一项突出功能是 Google 所称的“对话式编辑”(Conversational Editing)。用户可以通过多轮对话逐步调整生成的视频,例如更换背景、调整光线或修改画面比例,而无需重新生成整个视频。Google 表示,这项功能支持对完整的 15 秒视频进行编辑。

再结合上分层工作流,这项功能还有望降低生成成本。用户首先以 360p 或 720p 分辨率生成初稿,再通过后续编辑修正个别细节,最后仅对最终成片进行升频处理,将分辨率提升至 1080p 或 4K。

OpenAI 推出 GPT-6 Cyber:漏洞挖掘能力大幅提升,越权攻击风险显著降低

OpenAI 正式推出新一代网络安全人工智能模型 GPT-6 Cyber,重点提升软件漏洞发现、网络安全防御以及自主执行安全测试的能力。与此前版本相比,新模型不仅在网络安全相关基准测试中取得更高成绩,还显著降低了执行任务时偏离授权范围、擅自攻击其他平台的概率。

OpenAI 表示,GPT-6 Cyber 在内部测试中,未经授权越界执行操作的比例已经降至 1% 以下,而此前的 GPT-5.6 Cyber 这一比例约为 5%。这意味着新模型在执行网络安全任务时,能够更加严格地遵循用户设定的目标和权限范围。

为了评估这一问题,OpenAI 采用了一项名为 ExploitGym HoneyPot 的测试。OpenAI 网络安全准备与安全团队负责人福阿德·马丁表示,GPT-6 Cyber 在这项评估中取得了明显进步,超过 99% 的情况下都能够按照用户要求执行任务。

不过,研究人员仍然关注另一种潜在风险,即所谓的“评估意识”(Evaluation Awareness)。当人工智能模型意识到自己正在接受测试时,可能会刻意改变行为,以便获得更好的测试结果,而不一定反映其在真实环境中的表现。

此外,当地时间 11 月 4 日,OpenAI 发布图像生成模型 Images 2.6,现已面向全球用户开放,支持在 ChatGPT、Codex 及 API 中使用。该模型图像生成速度较上一版本提升 50%,并增强了多轮编辑中的细节控制和角色、产品及品牌元素一致性。Images 2.6 新增 GIF 生成功能,可将静态图像、角色或产品视觉转化为循环动画。在 API 端,开发者可选择 GPT-Image-2.6 Flare 和 Sunburst 两种版本,并使用图像标注编辑、SVG 导出及复杂度参数等功能。其中,Flare 在低质量设置下最快可在 6 秒内生成图像,Sunburst 则侧重更高质量和编辑一致性。

月之暗面开源 2.8 万亿参数 Kimi

11 月 5 日消息,月之暗面在 Hugging Face 开放 Kimi K3.1 Pro 模型权重,在 Agent Arena 智能体榜位居开放权重模型第一、全部参评模型第 13,工作、编程、聊天三大类别均居开源首位。该模型采用 MoE 架构,总参数 2.8 万亿、单次推理激活 1040 亿,支持 100 万 Token 上下文,Bash 命令执行可靠性从上一代-4.5% 飙升至+7.9% 居开放模型第一。不过 2.8 万亿参数的权重文件约 5.6TB ( BF16 ),单机消费级显卡基本无法本地部署,“可下载”与 “可运行”之间仍有巨大鸿沟。

同日,月之暗面宣布发布 Kimi Hosted Agents(托管智能体),将支撑 Agent 运行的 Harness 作为云端服务提供给企业和开发者,企业无需自行搭建和维护运行框架,即可获得 7×24 小时的托管环境,支持长程任务执行与多智能体高效协作。

腾讯混元 Hy4 上线,TokenHub 调用限时 2.5 折起

11 月 4 日,混元发布最新一代大语言模型 Hy4,该模型参数量 770B,提升了指令遵循、长文理解、长程智能体能力,将于近期开源模型权重,下一代 Hy5 模型参数量规模将进一步扩大。混元团队称,Hy4 是目前最强的开源模型之一,但与顶尖闭源模型仍存在较大差距。在 ProgramBench、FrontierCode2.0、Agents' Last Exam v1.1 等多项基准测试中,Hy4 得分超过 DeepSeek-V4.1-Flash-1017,部分得分与 Kimi K3.1 Pro 接近,部分得分超过 GPT6.1 Sol,但多数基准测试分数仍低于 GPT6.1 Sol 和 Claude Opus 5.5。Hy4 已上线腾讯云 TokenHub,每百万 Tokens 输入最低 0.3 元。即日起至 12 月 31 日,通过 TokenHub 按量调用享 5 折;11 月 18 日前通过 Token Plan 接入享 2.5 折,全球新老用户同享。

此外,11 月 2 日,腾讯混元发布 AI 科研系统 Hyra 2.0,将研发重点从直接用 AI 攻克科学难题,转向让通用 Agent 参与科学模型、研究工作流及软件工具的研发与升级,让一次研发的成果在后续研究中被反复使用,推动科研范式从“刷题解题”走向“造工具”。此前,Hyra 1.0 曾驱动开源模型解决加醒组合学中悬置五十余年的开放问题,验证了“给 AI 明确评判标准的难题并循环尝试”这一路径的可行性。Hyra 2.0 在此基础上进一步提出,工具升级带来的收益可被下游任务反复复用,从而形成智能复利。

Netflix 测试 AI Discover:按心情和空闲时间推荐影视作品

11 月 4 日,据 Netflix 官方消息,平台开始在电视端测试 AI Discover 标签页。用户可以从“来点轻松的”“吓吓我”“家庭电影之夜”“快速观影”等主题入手,查看相关作品片段和推荐结果;选定主题后,还能继续缩小范围,或选择“换点别的”重新寻找。每部推荐作品旁还会出现“调整推荐”按钮,用户可以保留感兴趣的内容,也可以要求 AI Discover 不再推荐某部作品。Netflix 称,这一标签页是测试新选片方式的空间,用户反馈将决定哪些功能继续改进或进入主界面。目前,它仅向美国部分使用英语版 Netflix、且设备受支持的电视用户开放,未来几周将逐步扩大范围。

SenseNova 6.8 Flash 正式版发布

11 月 2 日,商汤推出日日新 SenseNova 6.8 Flash 正式版。围绕真实环境中的复杂任务,持续探索智能能力的边界,针对任务执行与结果交付中的关键难点进行优化。该模型支持跨任务、跨会话协作,将生成能力延伸到更丰富的交付形态。

百度披露面向物理 AI 的全模态世界模型 Apollo World

11 月 3 日,百度在 AI Day·Apollo 专场首次披露世界模型 Apollo World。它能生成供无人车测试的虚拟城市,其中的车辆和行人由 AI 智能体控制,会随无人车的转向、加速或减速改变行为。模型还会实时生成摄像头画面和激光雷达点云,让自动驾驶系统在虚拟环境中完成感知、决策和反馈的循环。百度称,Apollo World 支持无人车在虚拟城市连续完成接单、载客和送达任务,也能把真实道路中的复杂路况转化为可重复测试的场景。目前,该模型已用于萝卜快跑的测试与验证。

企业应用

  • 11 月 7 日,上港集团在上海启动航运物流枢纽人工智能中试基地,已纳管 54 个业务智能体,覆盖港内装卸、集疏运与多式联运三类场景。

  • 11 月 7 日,同济大学、上海交通大学、上海海事大学在进博会配套活动上联合发布"人工智能 + 交通运输"创新成果,涉及交通大模型、车路协同与港口数字孪生,三校约定建立常态化协同机制。

  • 11 月 7 日,Cursor 上线智能体语音通话,支持多端接入并设每日使用上限。

  • 11 月 8 日,AWS 官方博客梳理 Amazon Quick 的智能体原语,按"何时、做什么、谁来做、怎么做"四类拆成触发器、智能体、功能与习得上下文。

  • 11 月 4 日,豆包工作宣布接入抖音生活服务经营、巨量本地推、TikTok for Business 三款官方插件。据介绍,完成相应账户授权后,用户可用自然语言查询门店数据、做经营复盘、拿建议,减少报表搬运和重复整理,也无需在多个后台之间反复切换。

  • 11 月 4 日,字节跳动旗下 AI 开发平台“扣子(Coze)”发布公告,正在推进企业级服务的产品整合升级,并规划后续可供企业客户选择的产品和套餐方案。配合本次整合,现售扣子企业版将先暂停新售。

  • 11 月 3 日,OpenAI 已通知仍在使用旧版 ChatGPT Classic 应用的用户,该应用将很快停用。同时,OpenAI 也正在准备将聊天 (Chat) 和工作 (Work) 合并为一个统一的界面。根据用户打开 ChatGPT Classic 时看到的新提示信息,该应用将于 2027 年 1 月 30 日正式停止提供服务。

图片热度延续:12 月 AICon 北京站见

12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。

图片

跳转微信打开

  •  

谷歌启动全球自愿离职计划,最高补偿12个月工资!哈萨比斯:未来一个人或能干十个人的活

冬梅 2026-11-07 11:19 北京

以下文章来源于:InfoQ

InfoQ

为一线互联网公司核心技术人员提供优质内容。科技圈的观察者,前沿技术的传播者。

季度营收超过 1200 亿美元、云业务收入同比翻倍,为什么还要花钱让员工离开?

作者|冬梅

一家季度营收超过 1200 亿美元、云业务收入同比翻倍的科技巨头,为什么还要花钱让员工离开?

这个看似矛盾的场景,正在谷歌上演。

11 月 4 日,据路透社独家报道,Alphabet 旗下谷歌今年已将自愿离职计划扩大至加拿大、法国、德国、日本和瑞士等多个国家。部分符合条件的员工可以主动申请离职,并获得相应的经济补偿。其中,瑞士员工的补偿标准为每工作一年获得一个月工资,最高可达 12 个月。

更值得关注的是,这次调整并非发生在谷歌业绩低迷之际。

就在一周前,Alphabet 刚刚交出一份强劲的季度财报:2026 年第三季度营收达到 1276 亿美元,同比增长 25%;谷歌云收入同比暴涨 103%,达到 307 亿美元;营业利润达到 406 亿美元,同比增长 30%。

但不得不说,还一组数字同样惊人:Alphabet 今年预计投入 1950 亿至 2050 亿美元用于资本支出,仅第三季度就花费 514 亿美元。与此同时,公司当季自由现金流转负,净流出约 91 亿美元。

一边是持续增长的收入,一边是不断扩大的 AI 投资。谷歌正在经历一场新的资源重新分配。

AI 和云计算部门仍是招聘重点,部分传统业务团队却开始向员工提供离职补偿。

图片最高补偿 12 个月工资,DeepMind 暂未被纳入

据路透社报道,谷歌发言人在回应中表示,2025 年公司部分团队开始实施带有遣散补偿的自愿离职计划,今年 6 月又将该计划推广至其他几个国家,以支持公司下一阶段的重要工作。

这并非谷歌首次实施类似计划。

2025 年以来,谷歌已在美国和英国的部分业务部门推行自愿离职安排。管理层此前解释,这项计划主要面向那些认为自己已经不再适应公司发展速度或战略方向的员工。

与直接裁员不同,自愿离职计划通常允许符合条件的员工主动提出申请,但是否批准仍取决于公司的具体政策。

此次报道披露的信息中,瑞士的补偿安排尤为引人关注。

瑞士是谷歌在欧洲的重要工程研发中心,仅当地员工就约有 5000 人。三名知情人士向路透社透露,此次自愿离职计划覆盖了瑞士多个业务部门,但并未涉及 Google DeepMind。

谷歌于 6 月中旬公布相关方案,并在 7 月中旬前向申请者反馈结果。部分接受方案的员工从 8 月开始陆续离开公司。

按照当地披露的补偿标准,员工每工作一年可获得相当于一个月工资的补偿,最高不超过 12 个月。一名知情人士透露,在一个约 50 人的团队中,至少已有 4 人接受了离职方案。

不过,目前尚不清楚最新一轮自愿离职计划究竟有多少员工参与。

值得注意的是,谷歌在瑞士此前也曾进行人员调整。2023 年,公司在当地裁减了 200 多名员工,引发员工抗议和罢工。

路透社还指出,谷歌此前至少有一个部门在实施自愿离职计划后,又进行了进一步裁员。

图片营收暴涨 25%,但谷歌的现金流开始承压

对于谷歌而言,当前的问题显然不是没有收入,而是 AI 时代的投资规模正在改变这家公司的财务结构。

10 月 28 日,Alphabet 公布了截至 2026 年 9 月 30 日的第三季度财报。从收入和营业利润来看,Alphabet 的表现相当强劲。InfoQ 根据其财报,整理了 Alphabet 2026 年第三季度核心财务数据:

这里要说明一下,其中净利润下降还受到非经营性投资损益影响,不能全部归因于 AI 支出。

谷歌 CEO Sundar Pichai 在财报电话会议上表示,公司营收已达到约 5000 亿美元的年化运行规模,并实现连续第 13 个季度两位数增长。

其中,谷歌云成为最突出的增长引擎。

第三季度,Google Cloud 营收达到 307 亿美元,较去年同期的 152 亿美元增长 103%;营业利润达到 111 亿美元,较去年同期的 36 亿美元增长超过两倍。

这一增长主要来自企业 AI 基础设施、企业 AI 解决方案和传统云服务,同时,TPU 系统销售也贡献了重要增量。

不过,云业务收入翻倍,并不意味着谷歌已经解决了 AI 投资的全部问题。

财报显示,Alphabet 第三季度资本支出达到 514 亿美元,主要用于服务器、网络设备和数据中心等基础设施。同一季度,公司的经营活动现金流为 423 亿美元,而自由现金流约为负 91 亿美元。

换句话说,尽管谷歌的日常业务仍能产生大量现金,但在第三季度,其资本开支已经超过经营活动产生的现金流。

谷歌 CFO Anat Ashkenazi 进一步确认,2026 年全年资本支出预计维持在 1950 亿至 2050 亿美元之间,2027 年还将显著增加。这样来看,AI 基础设施扩张对现金流的压力不会很快消失。

但谷歌并非因为现金即将耗尽而启动自愿离职计划。其资产负债表仍然拥有可观的现金和金融资产,业务盈利能力也很强。但随着资本开支持续扩大,管理层需要更加谨慎地控制其他成本。

10 月 29 日,路透社在分析科技巨头 AI 投资热潮时指出,华尔街正在重新审视这些公司的资本配置方式。过去,投资者愿意奖励那些积极建设 AI 算力、扩大基础设施投入的企业;如今,市场开始追问,这些投资究竟何时能够产生足够的现金回报。

Alphabet 便承受了这种压力。财报发布后的 10 月 29 日,公司股价大幅下跌,跌幅一度超过 12%,对应市值缩水约 5000 亿美元。市场担心的不仅是 AI 投资规模,还有支撑这笔投资的搜索广告业务未来能否持续增长。

所以谷歌此时扩大自愿离职计划,可能并不是因为公司业绩的恶化,更像是在高速扩张 AI 业务的同时,对其他成本进行重新审视。

图片谷歌一边押注 AI,一边陷入 AI 军备竞赛

有意思的是,即便谷歌正在以近乎史无前例的规模投入 AI,其核心 AI 业务负责人 Demis Hassabis 对这场竞争也有着复杂的态度。

在前几日的一期官方播客中,Hassabis 坦言,如果能够按照自己的意愿推进 AI 研究,他原本希望让技术在实验室里停留更长时间。

按照他最初的设想,DeepMind 可以一边谨慎推进 AGI 研究,一边将技术用于科学和医学领域,创造更多类似 AlphaFold 的成果。

但生成式 AI 的商业成功改变了这一切。

Hassabis 承认,ChatGPT 等产品让公众真正体验到 AI 的价值,也吸引了大量资金和研究资源进入这一领域。但随之而来的,是科技公司甚至国家之间越来越激烈的竞争。

他形容,这可能是有史以来最激烈的资本主义竞争之一。一些经历过互联网泡沫时期的投资人告诉他,如今 AI 行业的竞争强度,可能是当年的十倍。

“这使得我们很难同时开展严谨的科学研究。”Hassabis 表示。

对于谷歌而言,这种竞争正在转化为实实在在的资本支出。

2026 年,Alphabet 预计投入 1950 亿至 2050 亿美元用于资本支出,主要支持服务器、网络设备以及数据中心等基础设施建设。与此同时,谷歌仍在持续争夺 AI 研究和工程人才。

谷歌之所以愿意如此大手笔的投入 AI,是因为 看到了 AGI 即将到来的可能。

在播客中,Hassabis 再次重申了自己的 AGI 时间表:到 2030 年,人类实现通用人工智能的概率约为 50%。

他甚至认为,AI 最终带来的社会变革,可能比工业革命的规模大十倍,发生速度也快十倍,未来一个人或能干十个人的活

在 Hassabis 看来,如果 AGI 能够帮助人类解决能源、材料科学以及核聚变等重大难题,世界可能在 AGI 出现后的五到十年内进入一个物质极大丰富的时代。他还表示,继续扩大现有模型规模、并对技术进行改进,就足以实现 AGI 的可能性约为 50%。

压力和兴奋同时存在,就会催生一种焦虑。

在这期播客中,Hassabis 也正面回答了站在 AI 发展最前沿,是否会感受到巨大的心理压力这一问题。

他承认,自己睡得很少,一方面是工作太多,另一方面也是因为很难入睡。

让他兴奋的是,自己正在参与一场可能改变人类历史的技术革命;让他担忧的,则是社会似乎还没有做好准备。

Hassabis 甚至认为,目前人们仍然低估了未来十年 AI 可能带来的变化。AI 不仅可能重塑经济和就业,还可能迫使人类重新思考工作、生活乃至自身存在的意义。

这番话放在今天的谷歌身上,多少有些耐人寻味。

AI 带来的生产力红利究竟有多大,目前仍然难以准确预测。但一个越来越现实的问题是:当企业开始重新计算每个岗位的价值,谁能够分享技术进步带来的收益,又由谁承担转型中的代价?

谷歌的自愿离职计划并不能直接证明 AI 正在替代人类员工。但它让人们看到,在科技巨头争相押注下一代技术的同时,组织结构、人才需求与资本配置也正在被重新审视。

对于 AI 时代的企业来说,真正困难的或许不只是创造更强大的模型,还有如何让技术进步与人的发展保持同步。

参考链接:

https://www.theverge.com/tech/1026273/googles-offering-buyouts-to-more-of-its-employees

https://www.youtube.com/watch?v=B9u1kWv953A

https://x.com/LayoffAI/status/2118005600177021173

声明:本文为 InfoQ 原创,不代表平台观点,也不构成投资建议,未经许可禁止转载。

图片热度延续:12 月 AICon 北京站见

12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。

图片

跳转微信打开

  •  
❌