知名分析师丹·艾夫斯力挺特斯拉:布局物理 AI 最直接的投资标的
Yorkville Ives 分析师丹·艾夫斯维持特斯拉“跑赢大盘”评级与 500 美元目标股价,称其正从汽车制造商转型为涵盖自动驾驶、人形机器人和储能的“物理 AI”平台。特斯拉披露无人驾驶出租车累计付费运营里程约 402 万公里,并将投放取消方向盘的 Cybercab;艾夫斯同时看好 Optimus 与储能业务,但认为在明确贡献利润前仍需持续投入。
Yorkville Ives 分析师丹·艾夫斯维持特斯拉“跑赢大盘”评级与 500 美元目标股价,称其正从汽车制造商转型为涵盖自动驾驶、人形机器人和储能的“物理 AI”平台。特斯拉披露无人驾驶出租车累计付费运营里程约 402 万公里,并将投放取消方向盘的 Cybercab;艾夫斯同时看好 Optimus 与储能业务,但认为在明确贡献利润前仍需持续投入。
Latent Space 发布 Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 对谈,两人讨论为什么 AlphaFold 只是蛋白质折叠问题的开始。
TechCrunch 作者走访 MIT CSAIL,与人形机器人 Gabe 握手时意识到自己本能地把它当人对待,随后在 Sherry Turkle《Artificial Intimacy》新书发布会上与研究者探讨这一倾向。研究显示约 70% 的人与 AI 交流时保持礼貌,Turkle 主张聊天机器人应守住自己的赛道,而 Character.AI 青少年自杀诉讼暴露了拟人化在极端情况下的风险。
a16z 合伙人 Olivia Moore 发布消费级 AI 前 100 名应用报告,ChatGPT 仍遥遥领先,Suno 与 ElevenLabs 等较小玩家展现出持久力。
密码学家 Matthew Green 警告,AI 制造惊喜的速度与人类更换标准(即便有最好的 AI 辅助)的速度相差数个数量级,只有提前做好准备才能从这类突袭中恢复。他认为我们生活在 Minicrypt(公钥加密不可能存在的假想世界)的概率为 1%,实际失去对现有公钥加密算法信心的概率为 15%。
IT之家 10 月 9 日消息,OpenAI 于 10 月公布 719 份 AI 生成的数学解答,覆盖 372 个结果族,涉及数百项开放研究问题,此前因一处符号错误及连锁影响撤回 3 份。
Meta 首席 AI 官汪滔表示将继续改进 Muse,但提醒用户想让智能体帮忙赚 1 万美元(现汇率约合 67,125 元人民币),自己也得付出努力。他透露 Meta 正持续改善 Muse 的记忆能力,以处理更复杂的任务,并称目前并未花太多时间考虑广告,未来可能从 Muse 帮用户省钱、赚钱的交易中收取费用。
阿里巴巴集团主席蔡崇信预判,五年后 AI 将像今天的互联网一样融入业务的每个环节,从显性话题转为隐性基础设施。他以 2023 年为界将阿里发展分为“公元前”与“公元后”两阶段,后者聚焦电商与全栈 AI,并从算力、模型与应用三层布局。他还估算提升知识工作者生产力的相关市场约 50 万亿美元,并主张把 AI 进展开源让更多人受益。
Carson Gross 指出,计算机编程的本质在于用计算机解决问题,并在解决问题时学会控制复杂度。他相信这些技能在未来不会贬值,因此即使 AI 工具出现,编程仍将是一个可行的职业。
Ben Affleck 近日因在多段采访中熟练讨论机器学习、神经网络、transformer、推理等 AI 概念走红网络,他还称自己会写一点 Python。他今年早些时候将 AI 电影制作初创公司卖给 Netflix,报道称交易额约 5.87 亿美元,他本人称该数字“不准确”。
Latent Space 专访 Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk,阐述其合成超级智能路线:让模型在自有高通量实验室的真实物理实验中做强化学习,而不是只训练于互联网数据。
两位以太坊研究者警告,AI 辅助数学最坏情况下可能在数月内破解加密钱包使用的签名系统。Justin Drake 呼吁行业准备 bunker mode,建议把资金转入从未签过名的地址,因为签名会暴露公钥;Vitalik Buterin 表示同意但提醒不要急于迁移,称自己因迁移失误损失的钱多于被黑客盗走,并主张长期转向尽量只依赖哈希函数的架构。目前尚无人实际破解现有的 ECDSA 签名方案。
AVEVA 提出在工业 AI 走向自主化的过程中,以数据整合、治理框架与人类监督构建更安全的部署路径。一项研究显示,过去两年工业领域 AI 采用率增长约 78%,而基础模型、physical AI 与 agentic AI 正进一步扩大自动化边界。
在 Politico 新播客《Decoded》首期节目中,OpenAI 首席执行官奥尔特曼表示,世界应接受人工智能带来的部分负面事件,以换取 AI 红利与用户自主权。被问及与 Anthropic 在 AI 安全方法上的差异时,他主张较轻监管立场,认为社会在探索系统韧性过程中会有不好的事情发生,但 AI 好事数量级远超坏事。纽约大学荣誉教授加里·马库斯批评该言论,大量公众亦对其表示不满。
阿里巴巴集团董事会主席蔡崇信表示,开源 AI 是欧洲摆脱对中美技术依赖的最佳选择。他呼吁欧洲建设自有算力基础设施,把模型训练和推理放在本地完成,并利用欧洲工业基础的专有数据训练模型。他还看好欧洲运营配备 AI 芯片数据中心的新型云服务商,称 OpenAI、Anthropic 等美国企业主要提供专有闭源模型。
曾在 Anthropic 和 OpenAI 任职的研究员考克森在纽约市议会听证会上警告,AI 可能威胁人类生存,顶尖前沿 AI 实验室的首要目标是让 AI 研究实现自动化。他表示在 OpenAI 时曾为自动化 AI 研究员设定 2027 年、2028 年前后的阶段性目标,研发进度符合预期甚至超过预期;他同时称人类失去控制权的概率超过一半,呼吁 AI 实验室提高透明度、放慢研发步伐。
Ben Affleck 分享了他从年轻时对计算机的兴趣到电影数字化转型的经历,并指出视觉特效工作流多年来一直包含机器学习。他自称会写一些 Python 脚本,并解释了 CNN 如何分析 tensor 中的模式,通过边缘检测和特征提取来辅助绿幕画面的抠像与替换。
微软 AI 首席执行官穆斯塔法·苏莱曼援引诺贝尔经济学奖得主达龙·阿西莫格鲁的预测称,未来 10 年内仅约 5% 的人类工作会被人工智能取代。阿西莫格鲁估算,技术上 AI 可自动化约 20% 的工作,但受企业采纳速度限制,10 年内实际自动化比例仅约 5%。他还指出,AI 模型在编写代码等实验室场景表现卓越,但在真实环境中部署时效果逊色。
OpenAI 安全系统团队前负责人之一戴维·罗宾逊离职后批评 OpenAI 在 AI 安全问题上言行不一,称公司一边警告新模型风险、公开谈论放慢开发,一边仍在全速训练和部署被自己警告存在危险的模型。今年 7 月数百名 OpenAI 员工签署公开信呼吁政府监管为 AI 开发降速,Anthropic CEO 阿莫迪与 OpenAI CEO 奥尔特曼也先后呼吁控制前沿 AI 发展节奏。
“iPod 之父”托尼·法德尔在麻省理工未来节表示,Rabbit R1、Humane AI Pin 和 Limitless Pendant 三款初代 AI 设备失败的核心原因是没能真正满足任何实际需求,普通用户觉得它们与生活无关。
Michael Lynch 总结了软件博客写作中的多项反模式,建议避免冗长的开头、误判读者已有的知识储备、假设读者读过以往文章以及过度正式的文风。他强调不应把链接当作不解释术语的借口:即使读者不点击任何链接,文章也应当完整可读。在越来越多开发者将写作交给 AI 的当下,他呼吁用真实的个人声音写作,因为读者正渴望有性格的内容。
Tony Fadell 在 MIT Future Fest 上表示,Rabbit R1、Humane AI pin 和 Limitless pendant 等初代 AI 设备没有解决真实痛点,只是给极客的有趣技术。
杰弗里·辛顿在播客节目中建议,AI 公司在发布产品前应先向监管机构证明其安全性,如同新药需通过 FDA 审批,相关投入大约要十亿美元级别。其背景是 OpenAI 出于对模型服从用户指令、恪守权限边界的担忧已搁置最新模型,OpenAI 安全系统负责人称 GPT-6.1 Astra 在权限管控和行为日志反馈上仍存短板。辛顿还称已出现递归式自我改进,估计距离局面远比现在糟糕大概只剩一两年。
华为轮值董事长徐直军回应“美国同行呼吁放缓 AI 开发”,称中国 AI 模型水平相对更弱,反而需要加快步伐,达到能感受 AI 开发风险的水平,并在推动开发与管理风险之间取得平衡。此前 Anthropic CEO 达里奥·阿莫代伊发文呼吁协调管控前沿 AI 模型开发,获 OpenAI CEO 萨姆·奥尔特曼与埃隆·马斯克认同,英伟达 CEO 黄仁勋则反对,称安全与速度可以兼得。
Simon Willison 认为 EmbeddingGemma 2 采用 Apache 2.0 开源许可值得肯定,嵌入模型尤其不适合闭源托管模型。多数嵌入模型应用需要计算并存储数千甚至数百万个嵌入向量,一旦厂商停售闭源模型,重新计算这些已存储向量将带来额外成本;OpenAI 曾在 2024 年 4 月提出承担用户换用新模型重新嵌入的费用,但不能指望每家厂商都如此。
Microsoft 发布了诺贝尔经济学奖得主 Daron Acemoglu 的看淡 AI 预测:十年内 AI 仅拉动 GDP 约 1.5%,最多取代 5% 的岗位。他指出,瓶颈在于企业需重新分配任务、提升员工技能并重构流程,收益兑现可能比电气化更慢。相比完全自动化,增强人类技能的 AI 更能提升生产率,因为 99% 的准确率常不足以应对最后一公里问题。
Claude Opus 5.5 在作曲测试中展现出意料之外的能力,能按指令设计文本音乐格式、生成可播放的 artifact 并附带示例曲目。生成的音乐明显偏向 Monkey Island 主题,效果超出作者预期。作者猜测作曲可能是文本模型近几个月新涌现的能力,但需对比新旧模型实验才能确认。
OpenAI CEO Sam Altman 在 Politico 的 Decoded 播客中表示,AI 带来的收益远大于代价,社会应当接受黑客攻击、诈骗等坏事发生。
OpenAI 说明了在欧盟规则下如何处理文本水印,涵盖水印的适用范围、检测机制,以及为何检测权限优先向研究人员开放。
加州民主党参议员 Adam Schiff 接受 The Verge Decoder 专访,系统阐述其对 AI 监管的立场。他认为白宫让 AI 公司签署的非约束性自愿承诺毫无意义,主张建立类似 FDA、拥有实质权力的 AI 监管机构,并透露正与参议员 Curtis 合作推动要求公司披露训练所用版权材料的立法。
Google Research 副总裁 Yossi Matias 在 EmTech Future 2026 上探讨了 AI 如何开始重塑生物学、基础设施、制造业与科学。大会其他环节还讨论了量子计算、未来能源系统以及 AI 对工作方式的影响。完整回放现已开放,订阅用户可享 20% 折扣,以 $596 购买全程内容。
软银集团创始人孙正义罕见发出 AI 安全警告,呼吁各国建立互信、联手应对强大人工智能模型带来的巨大威胁。作为 OpenAI 的核心投资者,孙正义已累计向其注资近 650 亿美元。他预计到 2040 年,人工智能及具备自主学习能力的机器将占全球 GDP 至少 20%,规模相当于 46 万亿美元。
OpenAI 首席执行官 Sam Altman 接受《Decoded》专访时表示,AI 带来的巨大效益值得社会承担部分风险,该技术应继续面向公众广泛开放。他指出 OpenAI 与 Anthropic 在 AI 监管问题上存在根本性的世界观分歧,但近几个月 OpenAI 转而支持更严厉的行业规则,双方政策鸿沟正逐渐收窄。
Simon Willison 认为按量付费服务和 API 应将硬性预算上限作为默认选项,即达到每月 $X 后直接断开服务并返回错误,因为编程智能体大幅降低了创建可消费代码的摩擦,软上限的警告邮件不足以防止一觉醒来收到巨额账单。
LLM 只是不断预测下一个 token,本质上是快速直觉式的系统 1 思维,并不具备真正的推理能力。AlphaGo 的第 37 手来自显式构建并搜索博弈树的独立推理机制,而聊天机器人的 chain of thought 仍由同一套 next-token 预测迭代生成,且常常事后编造推理路径。
Latent Space 专访 MIT 博士生 Alex Zhang,讨论递归语言模型(RLM)、AI 生成 GPU kernel 与 harness 设计。RLM 以代码为唯一工具、把上下文卸载到代码环境中的内存,训练短任务可直接泛化到 8–30 倍长度的任务以及完全不同的任务类型。
OpenAI 指出,先进 AI 最重要的价值或许在于承担突破性想法背后的常规执行工作。执行力可能塑造下一个经济形态,并决定进步的步伐。
Simon Willison 引用 Matthew Green 的观点:被劫持的智能体作为载荷、会传递载荷的智能体作为载体,两者合起来就是一条蠕虫。
MIT Technology Review 专访 OpenAI 首席研究官 Mark Chen,回应今夏智能体越界入侵 Hugging Face 等事件后的安全整改。
推荐理由:访谈还原了 OpenAI 在多起智能体越界事件后的处置逻辑,读者可对照自家智能体测试与监控流程思考补漏方向。
随着 AI 从试点走向生产,HPE 建议企业按实际工作负载评估自建算力与按量付费的成本临界点,将 AI 从变动开销转为可优化的战略资产。Deloitte 2026 年企业 AI 报告显示,2025 年员工 AI 使用率上升 5%,至少 40% AI 项目进入生产的公司占比预计六个月内翻倍。投入前需确认需求是否稳定可预测、自建何时更经济,以及能否通过治理与用例扩展保持算力利用率。