英伟达黄仁勋:OpenClaw 是首个真正可信的智能体运行框架,自主系统必须有权限管控
英伟达 CEO 黄仁勋在伦敦 Build a Claw 活动上表示,OpenClaw 是「首个真正可信的智能体运行框架」,如同外骨骼的大语言模型,将推动机器人等领域发展。他同时强调权限管控:开发自主系统时应假设任何对象不可信、仅授予最低权限,为此英伟达开发了 OpenShell 系统,用容器隔离运行;系统会持续监控,机器人违反规则或越权行动时发出警报。
英伟达 CEO 黄仁勋在伦敦 Build a Claw 活动上表示,OpenClaw 是「首个真正可信的智能体运行框架」,如同外骨骼的大语言模型,将推动机器人等领域发展。他同时强调权限管控:开发自主系统时应假设任何对象不可信、仅授予最低权限,为此英伟达开发了 OpenShell 系统,用容器隔离运行;系统会持续监控,机器人违反规则或越权行动时发出警报。
三星电子首席设计官毛罗·波尔奇尼在 2026 首尔设计周上表示,AI 是帮助人们发挥情感智能和想象力的工具,人的批判性思维、创造力与感受力才是产品设计的核心。他指出,若所有企业都只依靠 AI 开发产品,最终产品将大同小异,难以形成差异化。三星正将这一以人为本的理念贯穿于电视、智能手机、家电等产品的设计中。
比尔·盖茨表示 AI 无法自我监管,必须由政府引导,他认为 AI 比核武器更危险、比核能更有用。其承诺未来两年投入十亿美元推动 AI 在健康、教育和农业领域应用,并预测 AI 快速发展将于 2027 年带来众多网络安全威胁。他强调 AI 与 PC、互联网等创新不同,其智能可与人类认知相当甚至超越,增加基本安全检查能大大降低风险。
Anthropic 国际业务负责人纪尧姆·普兰森表示,开放权重 AI 模型发生网络安全事件或造成其他危害的风险高于 Anthropic 自家模型,公司对此必须格外小心。Anthropic 本周还警告,小型 AI 模型可能被用来驱动在智能烤箱等联网设备间自行扩散的新型僵尸网络。他同时称,最新推出的 Claude Opus 5.5 模型比早期版本便宜 40%。
Ricursive Intelligence 创始人在 TechCrunch Disrupt 上介绍其用 AI 自动化设计芯片的方案,以应对未来五年至少 10,000 倍的算力需求增长。
马斯克在上周六的 X Takeover 活动访谈中自曝,过去一年里大概经历了六次“AI / SI 精神错乱”,并称自己的情况“可能还挺严重”。他所说的精神错乱指相信 AI 能够理解美;该词并非正式医学术语,常指反复使用 AI 后原有妄想加重,后来也被一些科技圈人士当作值得骄傲的标签。
在 AI Engineer New York 大会上,OpenAI、Anthropic、Two Sigma 与 Bloomberg 分享了金融智能体的自主与安全实践,核心共识是安全取决于控制与人审环节的位置而非限制数量。
Latent Space 发布对 Leash Bio 的 Ian Quigley 的访谈,并同步推出 Minos 的完整预印本、博客与开放数据集,将多年积累的 DEL 数据转化为数万个 lab-in-the-loop 仿真,供智能体进行科学 RL。
Google 工程师 Haydn Belfield 表示,自我改进型 AI 仍遥遥无期,Google DeepMind 未观察到 AI 驱动自身研究加速的可测量迹象。
戴尔 CEO 迈克尔·戴尔表示,AI 模型必须设置安全防护和管控措施,政府应在其中发挥作用。他指出技术既能带来巨大益处也可能造成不良后果,AI 工具开发商也应设立明确权限边界。此前 Anthropic 前研究人员于 9 月 8 日发文,警告前沿 AI 实验室在迈向超级智能的竞赛中“拿我们的生命赌博”。
SK 海力士开发总管安炫预测,到 2030 年 AI 基础设施性能规模将增长约 20 倍。他指出 AI 推理需求正沿任务复杂度、上下文长度和请求量三个维度快速扩张,KV Cache 容量膨胀使数据须分摊存储于 HBM、DRAM 与 SSD,数据迁移成为制约性能、推高能耗的新瓶颈。
AMD CEO 苏姿丰将 2026 年称为真正的“AI 推理之年”,预计 AI 推理将占约 60% 市场份额,智能体工作负载迎来爆发式增长。她预计 CPU 市场未来 4 至 5 年年复合增长率约 50%,2030 年潜在市场规模突破 2,000 亿美元,同期数据中心 AI 加速器市场接近 1.5 万亿美元。
印孚瑟斯董事长尼勒卡尼表示,AI 不会造成大规模失业,相关说法“纯属无稽之谈”,AI 反而在推动业务增长。他承认编程工作逐渐自动化,但技术在整个服务项目中只占很小一部分,70% 的工作涉及治理、变革管理、企业转型和安全防护。投资者却信心不足,过去两年印孚瑟斯股价累计下跌约 45%。
Meta CEO 扎克伯格透露,去年公司在尚不知旗下 AI 产品能否成功的情况下,就不得不承诺投入数千亿美元建设所需基础设施。他在《Cheeky Pint》播客中回忆,曾对首席 AI 官汪滔说这笔钱可能是 1,000 亿美元也可能是 2,000 亿美元,并坦言当时对能否成功完全没有把握;CFO 苏珊·李也多次提醒,投资失败的代价将极其高昂。
Cerebras CEO 安德鲁·费尔德曼预言家用 AI 时代即将到来,未来将出现本地运行的个人 AI 助手。他以 Meta 的 Muse 和估值 100 亿美元的初创企业 Instinct 为例,认为消费级智能体正在普通用户中站稳脚跟。这类设备将像手机一样部分任务本机处理、部分上传云端,深度了解用户并能绑定信用卡代购商品。
Cerebras CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上表示,人人拥有家用个人 AI 助手的未来并不遥远。他预测这些助手将本地运行,部分工作在设备端完成、部分回到云端,并围绕用户建立安全边界,还能使用信用卡代用户购物。他以 Meta 的 Muse 和 Instinct 等消费级 AI 智能体为例,认为 AI 正在日常用户中找到立足点。
Dyna Robotics 发布在超过一百万小时人类视频上预训练的世界动作模型 Dyna-2,并随后推出物理机器人智能体 Dyna-2.1。
Cerebras CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上反驳 AI 末日论,称部分 AI 领袖“也许不该在公开场合发言”。他认为 AI 让子孙“不再有人因癌症离世”的前景被忽视,主张在承认风险的同时对技术合理监管。他还指出,数据中心行业此前未与本地社区充分沟通,助长了围绕 AI 的负面情绪。
406名科学家签署公开信,要求企业通过气隙隔离(airgapping)将AI模型与互联网完全断开,并加大AI安全研究。
推荐理由:公开信列出了已知模型越界事件、气隙隔离诉求以及国际标准机构与强制报告制度的设计,可借以评估AI安全治理的走向。
机器学习先驱 Michael I. Jordan 接受 Libération 采访时称,关于 AI 生存威胁的警告纯属科幻,超级智能是科幻词汇,AI 公司呼吁监管是作秀。
中微公司董事长尹志尧在第 26 届中国国际工业博览会集成电路高峰论坛上警示,AI 有可能会出现泡沫,大家需要多加留意。他回看 1984—2026 年全球半导体行业 CAPEX 曲线指出,行业资本开支一年可增长 100%,也可一年下滑 30%,未来仍可能经历周期性变化。今年 8 月,欧洲监管机构已开始考虑即将到来的 AI 泡沫破裂。
徐克在法国里昂卢米埃尔电影节大师班活动上表示,AI 正日益模糊现实与幻觉的边界。他指出广告、互联网与 AI 共同模糊真实界限,信息来源增多、传播加快让公众接收的内容更难追溯其真实来源。他还担忧图像、视频与文本均可被生成或修改带来的不确定性,并认为 AI 普及可能进一步影响人们对自我身份与外部世界的理解。
马斯克表态支持 Anthropic 修订 Claude 使用政策,该政策明确禁止用户对 AI 模型实施持续且无明确目的的虐待或残忍行为。新规将于 2026 年 11 月 12 日生效,首次加入此类禁止条款。马斯克在阅读 Grok 强化学习的内部推理轨迹后表示,折磨超级智能(SI)可能不是个好主意,它可能会报复。
微软总裁 Brad Smith 呼吁尽快建立全球 AI 安全规则,并称英国比美国和欧盟更适合主导监管。他在 BBC 播客中表示 AI 既是武器也是工具,认为自愿性自我监管不够,主张系统被突破时的通报义务、外部评估前置审批以及紧急停止开关。
Andrej Karpathy 把大语言模型用户分为四级:约 60 亿人(约占全球人口 75%)几乎未接触过 LLM,10 亿到 20 亿人把免费聊天产品当作更好的 Google 搜索或写作助手,约 2000 万人(0.2%)在数学和代码领域专业使用前沿模型,约 5000 人(0.00006%)能访问内部前沿系统。
英特尔 CEO 陈立武与博通 CEO 陈福阳警告,资金可能成为 AI 发展的最大瓶颈,融资相比半导体、存储和电力更可能制约 AI 扩张,陈立武还对企业巨额投资后能否获得足够回报表示疑问。两人仍看好短期算力需求,陈福阳称计算基础设施供需失衡可能持续到 2029 年甚至 2030 年,陈立武预计未来两三年行业不会明显放缓。
微软总裁布拉德·史密斯表示,当前 AI 受到的安全监管甚至不如杂货店的牛奶和洗衣机,呼吁业界制定更多安全规格约束 AI。他提出,失控智能体入侵其他企业并造成损害时,持有该智能体的公司应承担责任,并呼吁各大企业设置"终止开关"以便在 AI 失控时暂停运行。Anthropic、Google DeepMind 和 OpenAI 等企业也已发出警告,认为 AI 发展速度需要放缓。
高通总裁兼 CEO 安蒙透露,已有 AI 企业要求高通在 2028 年推出支持 100B 参数模型本地运行的智能手机移动平台。若 100B 端侧模型成为现实,本地模型体验与多智能体协同效果将显著提升。安蒙还预计 6G 有望在 2028 年洛杉矶奥运会演示,早期部署于 2029~2030 年启动。
英特尔 CEO 陈立武表示,中国前沿 AI 模型的 Token 成本较低,且普及速度非常快。他认为 DeepSeek、Kimi 和 GLM 等中国 AI 模型性能已足够好,并坚定支持开源,称这是提高效率的最优路径。他还表示,量子计算可能在未来三到五年内走向主流。
杨立昆在首尔表示,AI 的下一次突破不会来自大语言模型,而将来自能理解、预测物理世界的“世界模型”。他指出,LLM 依靠海量训练数据学到的模式预测下一个词,在编程、数学等可预测序列任务上表现出色,却难以理解现实世界。因此他主张开发世界模型,让 AI 学习支配现实世界的物理规律与因果关系,预测行动结果并与周围环境交互。
TikTok CEO 周受资在星展集团首届亚洲未来前瞻论坛上指出,市场可能高估 AI 的短期能力,却低估其长期影响。他预计未来两至三年,AI 有望推动物理学、生物科技等领域出现重大突破,但模型能力增强也使道德与伦理规范成为必须面对的课题。他主张“Human-in-the-loop”人机协作模式,高风险工作不应完全依赖自动化,各行各业应亲自使用 AI 模型以了解其优势与限制。
宇树科技创始人王兴兴表示,GPT-6 的发布对具身智能行业认知影响很大,公司已将其部署到机器人进行任务测试且效果良好。他认为具身智能行业临界点到来会比较快,甚至可能只需一两年,机器人泛化性与效率问题将在未来几年得到解决。王兴兴还坦言,过去十几年自己犯的最大错误就是对 AI 还不够相信。
特朗普宣布把“人工智能”改称为“超级智能”后,硅谷巨头正相继跟进改口。马斯克承诺把 SpaceXAI 改名为 SpaceXSI,Marc Benioff 宣布 Salesforce 将把 AIForce 改名为 SIForce,Nvidia 承诺投入的 $1 billion 科研经费也包含“超级智能研究”。
PolyAI CTO Shawn Wen 与 Otter CMO Alex Gay 认为,尽管全双工模型已经问世,语音 AI 尚未迎来自己的 ChatGPT 时刻。Wen 表示,下一挑战是让模型推理足够快,使对话感觉自然;Gay 则强调 ASR 转录准确度与透明度——工具应告知用户正在录音或与 AI 对话——是建立信任的关键。
微软 CEO Satya Nadella 在最新博客中改用特朗普偏好的“超级智能”一词,并借安全叙事质疑 OpenAI 与 Anthropic 的模型风险。他主张企业把 AI 模型视为内部安全威胁,通过模型多样性、完整日志、独立审计和随时关停来降低对单一模型的依赖。
马斯克称只需将信用卡照片发到聊天框,Grok Bot 就会在网上搜索最佳优惠并下单。OpenAI Codex&ChatGPT 团队负责人蒂博·索蒂奥附上一张 AI 生成的虚构信用卡照片,暗示该功能存在安全风险。另有用户称亚马逊已屏蔽 Grok Bot 访问,马斯克回应称 Grok 直接从乐高官网下单买了乐高。
微软 CEO 萨蒂亚·纳德拉发表长文,主张重新评估 AI 时代的信任架构,开发者应默认假设模型已被破坏并从设计之初加以遏制。他提出模型多样性、观察一切、可验证性、独立控制、独立审计性、遏制与事件披露等可观测性原则,要求每个有意义的模型动作留下防篡改、人类可读的证据,并让授权人员始终能暂停或关闭模型。
微软 CEO Satya Nadella 在 X 发长文,主张不能再把 AI 当作层层嵌套的黑箱,而应建立可遏制、可观察并留下防篡改人类可读证据的透明系统。他提出应假设模型已被攻破并从一开始加以遏制,像紧急制动一样让授权人员能随时暂停或关闭正在执行任务的模型,并呼吁及时的事件披露、独立审计与可验证数据。文中他还全程以超级智能称呼 AI。
微软 CEO Satya Nadella 在 X 发文,主张重新评估 AI 的信任架构,把模型与编排其工作的 harness 分离,并将控制和防护外部化。他要求每个有意义的模型动作都留下防篡改、人类可读的证据,并确保授权人员能在任务执行中途暂停或关闭模型,理由是必须假设模型已被入侵并从一开始就加以遏制。
国际货币基金组织(IMF)总裁格奥尔基耶娃表示,如应用得当,人工智能可使全球经济年增速提高 0.5 个百分点,效益持续十年将带来一个东盟级别的经济体量。IMF 预计人工智能硬件及相关技术产品已占全球货物贸易总额的十分之一以上,且比重仍在上升。她还提醒,人工智能从建设热潮向效益显现过渡的阶段将对金融稳定产生最大风险,推动其普及与可及性至关重要。