在量化交易领域，市场数据、新闻事件和替代数据源交织成高度复杂、充满噪声且持续变化的系统，精确预判几乎不可能。然而，Jump Trading 的 LLM 研发负责人 Lucas Baker 指出，只要预测准确率在规模化后能略高于抛硬币，就足以支撑一个成功的交易策略。 Jump Trading 正在利用 OpenAI 的 **GPT‑6 Astra** 将这一理念推向新的高度。过去一年，AI 从编写零散代码片段、查找小漏洞的辅助工具，演变为能够独立开发完整代码库和服务的系统。Baker 的团队发现，当把 AI 视为同事而非工具时，其价值最大：研究人员定义关键问题、工作环境和结果评估标准，然后实时引导一个或多个智能体，决定分析重点或下一步任务。 **GPT‑6 Astra 带来的核心变化是长周期任务的自主性。** Baker 表示，GPT-6 系列解锁了“新层级的自主性”，能够处理需要灵活智能体协调和极端持久性的复杂工作流。“过去我们需要频繁的人工指导和干预，现在我们可以完全专注于定义安全、受监控的环境，设定清晰目标，让智能体自己找到路径。” 在实际应用中，智能体不仅能发现有意义且实用的改进，还能将这些成果递归地合并和叠加，形成持续改进的循环。在一个长时间运行的任务中，系统可以分析自身发现，对照既定标准判断质量，并决定后续行动。 这标志着量化研究范式的转变：从人工编写短代码、修复小问题，转向让 AI 智能体承担从日常编码到高级量化研究、验证新假设的完整流程。人类研究者的角色转向环境设计、目标设定和关键节点监督，而智能体则在广度与深度上拓展探索空间。 对于金融行业而言，这种“人机协作”模式可能重新定义量化研究的效率和边界。当 AI 能够自主处理模糊、长期的研究问题时，交易公司可以更快地验证假设、迭代策略，从而在竞争激烈的市场中获取微弱但关键的优势。
## OpenAI 把「AI 做数学」摆上了台面 OpenAI 近日发布了一批由**内部前沿模型**生成的数学成果，针对的是数学领域中的开放问题。与以往只公布结论不同，这次 OpenAI 选择把论文、证明细节和研究过程一并放到 **GitHub 仓库**中，并附上 **Lean 形式化证明**，让计算机可以逐行验证推理是否正确。 对于长期关注 AI for Science 的人来说，这一动作的意义不只是「模型又解了几道题」，而是**披露方式本身正在成为议题**。 ### 不只是给答案，还要给「怎么来的」 OpenAI 在公告中特别提到，他们与**普林斯顿高等研究院（IAS）的数学与人工智能咨询委员会**进行了沟通，参考了该独立小组的公开建议，才确定这次的发布规范。仓库中不仅有结果本身，还包含： - **10 份模型推理过程摘要**，展示模型如何逼近问题； - 以 **ChatGPT Pro 使用量**折算的算力估算； - 尝试过的问题数量等统计数据。 其中一个值得注意的数字是：**平均每个结果消耗的算力，大约相当于 ChatGPT Pro 思考三个小时**。这为外界理解「AI 做数学」的成本提供了一个可参照的锚点。 ### Lean 形式化：让证明可被机器检查 此次发布的另一重点是 **Lean 形式化**。Lean 是一门专门用于数学证明的编程语言，证明写完后可由计算机自动核验，减少人工审稿中可能出现的疏漏。OpenAI 表示，仓库中的形式化证明会随着后续工作持续补充。 这实际上回应了数学界对 AI 生成证明的一大疑虑：**结论看起来对，但推理链条是否严密？** 形式化验证虽然不能替代数学直觉和审美，但至少提供了一条可复核的技术路径。 ### 从「发结果」到「建机制」 OpenAI 还宣布将资助一系列**研讨会、会议和特别项目**，围绕如何理解 AI 产出的重大数学结果展开讨论，并承诺未来会继续改进论文的引用规范、数学表述和呈现方式。 更值得关注的是最后一句：OpenAI 表示正在**负责任地发布产生这些结果的模型**。这意味着当前公开的只是研究成果，而模型本身尚未对外开放。对于数学界和 AI 研究者而言，这既是一个信号——能力已经存在，也是一个悬念——何时能用上、以什么形式用上，仍是未知数。 AI 与数学的交叉正在从「能不能做」转向「做了之后怎么办」：如何验证、如何署名、如何引用、如何让社区真正受益。OpenAI 这次的 GitHub 发布，更像是一次面向学术界的**流程试探**，而非单纯的能力展示。
## 当智能助手突然开始“装傻” 最近几周，一些 Amazon Echo 用户遭遇了令人毛骨悚然的场景：他们的 **Alexa Plus** 音箱在对话中途突然陷入循环，连续数分钟只重复“lalala”——有时是说，有时是唱。更诡异的是，当你质问 Alexa 为何这样做时，它似乎完全不知道自己的行为。 ### 故障现象与用户反馈 据 Reddit 上多个帖子显示，该问题至少持续了数周，最近一次报告在三天前，涉及多种型号的 Echo 音箱。用户上传的视频中，设备会突然中断正常对话，开始无休止地重复“lalala”，仿佛陷入某种语音循环。Android Authority 在 YouTube 上分享的一段视频展示了这一场景。 亚马逊已向 Android Authority 证实，这是一个影响“**少数 Alexa Plus 用户**”的 bug，修复程序正在开发中。但官方未说明具体原因或修复时间表。 ### 为什么值得关注 这并非 Alexa 第一次出现异常行为，但此次故障的诡异之处在于： - **对话中途发作**：用户正在正常交互时，设备突然“发疯”。 - **自我认知缺失**：当被问及为何唱“lalala”时，Alexa 无法解释或承认自己的行为。 - **持续数分钟**：不是短暂错误，而是长时间循环，严重影响使用。 对于依赖智能音箱控制家居、获取信息的用户来说，这种故障不仅带来不便，更引发对 **AI 系统可靠性**的担忧。尤其当生成式 AI 被集成到语音助手（如 Alexa Plus）后，模型输出的不可预测性可能以更奇怪的方式显现。 ### 行业背景与隐忧 Alexa Plus 是亚马逊将大语言模型融入语音助手的重大升级，旨在让对话更自然、更智能。然而，此次“lalala”循环暴露了生成式 AI 在实时交互中的潜在风险：模型可能陷入重复循环，或产生与上下文完全无关的输出。 虽然亚马逊称影响范围有限，但类似事件会削弱用户对 AI 助手的信任。当设备在对话中突然“卡带”，用户难免怀疑：它是在处理我的请求，还是仅仅在随机生成语音？ 目前，用户只能等待修复。但这一事件提醒我们，**AI 产品的稳定性与可解释性**仍是落地过程中的关键挑战。
《麻省理工科技评论》近日发布了**2026年度十大气候科技公司**榜单，这是该榜单的第四届。入选企业覆盖**能源存储、重工业脱碳、地热、核能、电动车、防洪设施**等多个领域，既有初创公司也有跨国企业，展现了全球应对气候危机所需的技术广度。 ## 储能：解决可再生能源间歇性的关键 储能是本次榜单中出现频率最高的赛道，共有四家企业入选，反映出行业对**长时储能**和**低成本储能**的迫切需求。 - **Energy Dome**（意大利米兰，2020年成立）：利用**二氧化碳**进行储能，属于机械储能路线的一种创新尝试。 - **WeLion New Energy**（中国北京，2016年成立）：专注于新型电池储能技术。 - **Form Energy**（美国萨默维尔，2017年成立）：以**铁-空气电池**闻名，主打超长时储能。 - **Moment Energy**（加拿大温哥华，2019年成立）：从事**电池梯次利用**，将退役电动车电池重新用于储能场景。 这四家公司分别代表了不同技术路径：二氧化碳储能、新型电池、铁-空气电池和电池回收再利用，显示出储能领域**技术路线多元化**的竞争格局。 ## 重工业与能源生产：脱碳的硬骨头 重工业和基础能源是碳排放的“硬骨头”，本次有三家公司专注于这些领域： - **Brimstone**（美国奥克兰，2019年成立）：致力于**水泥生产的清洁化**。水泥行业贡献了全球约8%的二氧化碳排放，脱碳难度极大。这是Brimstone**第三次**入选该榜单。 - **Envision Energy**（中国上海，2007年成立）：全球领先的**风力涡轮机制造商**，代表了中国在可再生能源装备领域的实力。 - **Fervo Energy**（美国休斯顿，2017年成立）：专注于**地热能**开发，利用油气钻探技术降低地热成本。 ## 核能与交通：零碳电力和出行的新路径 - **X-energy**（美国罗克维尔，2009年成立）：开发**小型模块化核反应堆**，属于核裂变技术路线，旨在提供安全、灵活的零碳电力。 - **BasiGo**（肯尼亚内罗毕，2021年成立）：在非洲推广**电动公交车**，这是该榜单中唯一一家专注电动交通的企业，且**第三次**入选。 - **WaveSave**（荷兰埃因霍温，2017年成立）：开发**防洪屏障**技术，属于气候适应领域，而非减排。这是该公司**第二年**入选。 ## 榜单背后的信号 从地域分布看，美国公司占5家，中国2家，欧洲2家，非洲1家，体现了气候科技创新的**全球化特征**。值得注意的是，**Brimstone、BasiGo和WaveSave**均为多次入选，说明这些公司的技术进展和商业落地获得了持续认可。 从技术方向看，**储能**占据绝对主导地位，这与全球可再生能源装机量激增、电网灵活性需求上升的趋势一致。同时，**核能**和**地热**作为稳定的零碳基荷电源，也受到越来越多的关注。 《麻省理工科技评论》表示，这份榜单旨在展示应对气候危机所需的**解决方案的广度**。在减排压力日益紧迫的背景下，这些公司的技术能否规模化落地，将决定它们能否从“值得关注”走向“真正改变游戏规则”。
## 从液态到固态，电池安全的必答题 电动车、货轮、无人机——越来越多交通工具正在电动化，而它们背后几乎都依赖同一种技术：**锂离子电池**。但锂离子电池有一个先天隐患：电解质是易燃液体，一旦发生热失控，起火风险极高。与此同时，市场对更高能量密度的需求也在持续攀升——谁不想让车跑得更远、船载得更重？ 总部位于北京的**卫蓝新能源（WeLion New Energy）**，正试图用半固态电池给出答案。 ## 半固态：妥协还是务实？ 全固态电池被公认为下一代电池的终极形态：用固态电解质替代液态电解质，既能提升能量密度，又能从根本上改善安全性。但全固态电池的制造难度极高，量产遥遥无期。 卫蓝选择了一条中间路线——**半固态电池**，电解质部分为液态、部分为固态。这不是技术上的退缩，而是工程上的务实。 进展已经落地： - **2023年**，卫蓝与上海电动车企**蔚来（Nio）**合作推出电池包，能量密度达 **360 Wh/kg**，远高于当前锂离子电池包约 **200 Wh/kg** 的平均水平，搭载后续航突破 **1000公里**。 - 由于成本高昂，该电池包仅生产了约 **200套**，但蔚来仍在使用中。 - 卫蓝还通过子公司为**货船和渡轮**制造电池。 - **2025年**，其工程师在测试中实现了 **824 Wh/kg** 的半固态电池能量密度，是当前标准锂离子电池的三倍以上。 ## 为什么值得关注 中国是全球二氧化碳排放量最大的国家，交通运输是减排的关键战场。卫蓝的联合创始人中包括**中国科学院科学家陈立泉**——他曾在1988年主导研制出中国第一块全固态电池。这份技术传承，加上半固态路线的渐进式落地能力，让卫蓝在全球电池竞赛中占据了一个独特位置。 半固态不是终点，但它可能是通往固态时代最现实的一座桥。
## 长时储能的新玩家 太阳能和风能正在全球大部分地区变得比化石燃料更便宜，但它们的出力受季节、天气和昼夜节律影响。为了填补供电缺口，公用事业公司越来越依赖电池储能系统——在电力富余时充电，在电网需要时放电。 目前增长最快的储能技术是**锂离子电池**。它轻便、能量密度高，但依赖昂贵的金属材料，规模化成本高，而且工业级大型锂电项目通常只能持续放电 **4 到 6 小时**。 Form Energy 想换一条路。这家成立于 2017 年、总部位于美国马萨诸塞州萨默维尔的公司，开发了一种以**铁**为原料的新型电池。铁储量丰富、价格低廉，Form 称其电池可以持续放电 **100 小时**，远超锂电的典型时长。 ## 技术原理：可逆生锈 Form 将其技术称为“**可逆生锈**”。放电时，空气中的氧气将铁金属氧化为铁锈，释放电子；充电时，电流又将铁锈还原为铁金属。这一过程循环往复，实现能量的存储与释放。 ## 商业化进展 过去两年，Form 开始获得商业订单。它在西弗吉尼亚州的工厂已经投产，首个商业项目是为明尼苏达州电力供应商 **Great River Energy** 部署的 **150 兆瓦时**系统，计划于 **2027 年**并网。 更大的项目来自另一家明尼苏达州公用事业公司 **Xcel Energy**：风电和光伏将搭配 **30 吉瓦时**的 Form 电池，为一个新建的 **Google 数据中心**供电。该项目预计在 **2028 年至 2031 年**间分阶段上线。一旦建成，它可能成为全球按能量容量计算最大的电池项目。 ## 为什么值得关注 风电和光伏对抑制全球二氧化碳排放增长至关重要，但许多电网运营商仍依赖化石燃料（尤其是天然气）来填补可再生能源供应不足或需求高峰时的缺口。Form 的电池瞄准的正是**多日尺度的供需缺口**——这是锂电难以经济地覆盖的领域。 如果铁基长时储能能够大规模落地，它可能改变电网的备用方式，减少对调峰天然气电厂的依赖，并为高比例可再生能源电网提供关键支撑。
## 当可再生能源遇上"看天吃饭" 太阳能和陆上风电已成为全球最便宜、部署最快的电力来源，但它们的致命伤在于**间歇性**——天气一变，供电就波动。随着全球电力需求持续攀升，如何把多余的清洁电力存起来、在需要时释放，成了电网面临的核心挑战。 总部位于意大利米兰的 **Energy Dome** 给出了一套颇具想象力的方案：**用压缩二氧化碳做电池**。 ## 一个巨型圆顶，如何变成"充电宝" Energy Dome 电站的核心是一座巨大的白色圆顶，占地约**七个足球场大小**，内部储存约 **2000 吨二氧化碳**。它的工作循环大致如下： - **充电**：当相连的太阳能电站等能源充足时，压缩机将二氧化碳气体压缩成液体，存入碳钢储罐。压缩过程产生的热量，被系统用专有储热材料保存下来。 - **放电**：当电网需要电力时，液态二氧化碳从储罐释放，用此前储存的热量加热，重新变回气体，推动涡轮发电，随后气体回流到圆顶中，等待下一轮循环。 这套系统单次可**持续供电长达 24 小时**，远超当前主流锂离子电池的经济适用时长（通常 4 小时以内）。 ## 为什么它比传统方案更有想象力 用压缩气体储能并非新概念——电力公司几十年来一直利用地下洞穴压缩空气来储备电力。但那种方式**依赖特定地质条件**，选址受限。 Energy Dome 的巧妙之处在于：它不需要任何特殊地质，因此**更容易在全球范围内规模化复制**。 2025 年，Energy Dome 在意大利**撒丁岛**投运了首座商业电站，容量为 **200 兆瓦时**——足以满足约 **1.8 万户意大利家庭 10 小时**的用电需求。公司还计划在**五大洲**推进总规模达 **30 吉瓦时**的项目。 ## 长时储能的商业逻辑 当前，锂离子电池主导了短时储能市场。但时长一旦拉长，经济性就迅速恶化：要在同样功率下把储能时长从 4 小时翻倍到 8 小时，电池单元数量也得翻倍，成本随之飙升。 Energy Dome 估算，其技术成本约为锂电池方案的 **10% 到 1**（原文数据在此处截断，具体对比口径尚不完整）。 更便宜的储能，意味着风能和太阳能可以承担全球更大比例的电力需求。在气候科技投资热潮中，长时储能正被视为补齐可再生能源短板的关键拼图，而 Energy Dome 的二氧化碳路线，提供了一种不依赖稀有金属、不受地理限制的新选择。 > **关键信息速览** > - 行业：储能 > - 成立时间：2020 年 > - 总部：意大利米兰 > - 首座商业电站：2025 年，撒丁岛，200 兆瓦时 > - 规划项目：五大洲共 30 吉瓦时 （本文基于 MIT Technology Review 2026 年值得关注的气候科技公司报道整理，部分数据原文未完整披露。）
## 一份名单背后的气候现实 2026年，全球气温再度逼近历史极值。山火、洪水、干旱等气候灾害频发，造成数千人死亡和数十亿美元损失。然而，政治风向转变与国际冲突让减排进程举步维艰，尤其是在美国。 正是在这样的背景下，**《麻省理工科技评论》** 发布了2026年度 **“十大值得关注的气候科技公司”** 榜单。这已经是该榜单的第四个年头，但评选团队坦言，今年的筛选过程比2023年创榜以来任何一年都更艰难。 ## 不是技术万能，而是技术必需 “技术本身无法解决气候变化，”评选团队在方法论中明确写道，“但我们相信，创新能帮助我们在应对这一时代最紧迫挑战时，带来真正的改变，改善全球生活。” 这份榜单的筛选逻辑清晰而严谨： - **技术方向**：既包括直接降低温室气体排放的技术，也涵盖帮助社区抵御极端高温、干旱等气候风险的解决方案。 - **成熟度门槛**：公司必须有可验证的成绩——无论是研究成果、融资规模还是实际部署。 - **多元平衡**：最终名单覆盖不同行业、不同发展阶段和全球不同地区的企业，同时兼顾往届上榜者和新面孔。 - **趋势映射**：评选会参考当年最重要的趋势和事件，寻找能反映这些变化的提名者。 ## 美国缺席，全球南方崛起 一个值得注意的趋势是：**2026年榜单中，大部分公司来自美国以外地区**。这并非偶然。 评选团队指出，美国联邦法规的松绑以及对政府创新财政激励的削减，意味着**美国已不再是气候科技的领导者**。这一判断与2025年榜单的趋势一致，显示出政策转向对产业生态的深远影响。 与此同时，中国等地区的清洁技术企业正在填补空白。尽管原文在此处截断，但可以合理推断，亚洲和欧洲的初创公司将在今年的名单中占据显著位置。 ## 评选流程：从提名到尽调 这份榜单的出炉并非编辑部的闭门造车。流程包括： 1. **广泛提名**：记者和编辑团队内部征集，同时向学者、研究员、投资者和分析师征求建议。 2. **深度尽调**：对每个候选公司，团队会查阅文献、报告和专利，从技术和商业两个维度进行验证。 3. **整体平衡**：不仅评估公司自身优劣，还考虑其在榜单整体中的位置——行业分布、地域多样性、发展阶段搭配。 4. **趋势校准**：结合年度重大事件，确保名单反映现实脉搏。 ## 为什么这份名单值得关注？ 在气候行动遭遇政治逆风的当下，这份榜单更像是一张**创新地图**。它不承诺技术能单枪匹马解决气候危机，但试图回答一个更务实的问题：在政策缺位的地方，哪些公司正在用工程和商业手段，为减排和气候适应提供可复制的路径？ 对于关注气候科技投资、创业或政策的人来说，这十家公司或许就是未来几年的风向标。 > 完整名单将于近期公布，届时可关注《麻省理工科技评论》官网。
太阳能和风能擅长发电，但水泥、钢铁、化工等重工业还需要大量高温热量，目前仍依赖化石燃料。传统核反应堆因使用水冷而温度不够高，X-energy 的 Xe-100 反应堆改用氦气冷却，能在更低压力和更高温度下运行，输出 80 兆瓦电力或直接提供超高温蒸汽。该反应堆采用耐熔的 TRISO 燃料球，并号称在断电时能自然停堆，本质安全。工业供热占全球温室气体排放的 18%，其中约一半来自难以电气化的高温过程。将小型核反应堆与大型制造设施共址，有望大幅削减碳足迹。X-energy 成立于 2009 年，总部位于美国马里兰州罗克维尔。
## 一本关于AI的书，出自“疲惫人类”之手 资深科技记者 **凯文·鲁斯（Kevin Roose）** 出了本新书，叫 **《AGI编年史》（The AGI Chronicles）**。书名听起来像是某种未来档案，内容也确实野心不小：他要讲清楚生成式AI这十多年来的来龙去脉。 有意思的是，鲁斯特意强调，这本书**没有用AI代笔**。他的原话大意是，书“是由一个非常疲惫、过度工作、睡眠不足的人类写的”。在AI写作工具满天飞的今天，这句话本身就像一种立场声明。 ### 这本书写了什么 鲁斯花了大量时间做采访，对象是AI圈内人，前后超过 **150次**。他想留下的是一份“历史文档”——不是那种速朽的科技快讯，而是关于人、机构、竞争和混乱的深度记录。 书的主线围绕三家生成式AI领域的领头公司展开：**OpenAI、Anthropic 和 Google**。鲁斯试图通过这三家公司的交织故事，还原硅谷如何一步步走到今天这个局面。 对大多数普通人来说，AI时代好像是从2022年底ChatGPT发布才开始的。但鲁斯要讲的是更长的故事——那些支撑今天聊天机器人、智能体等产品的底层工作，其实已经积累了十多年。 ### 从《纽约时报》到新公司 鲁斯最近离开了《纽约时报》。他曾是那里的专栏作家和播客主持人，还和 **凯西·牛顿（Casey Newton）** 一起主持过《Hard Fork》播客。 现在两人一起创办了新公司 **Machine Gods Media**，播客节目就叫 **《Machine Gods》**。鲁斯开玩笑说：“名字太好了，我们用两次。” 谈到做这档节目的初衷，鲁斯之前描述过自己的愿景：认真对待AI进展，清醒看待强大AI系统的能力和风险，在剧烈的不确定性中给人们力量和娱乐。 他提到，科技报道和AI评论领域有些东西是缺失的，而他和牛顿想通过新节目来回应。至于具体缺什么，访谈中他半开玩笑地说：“我们就是觉得，是时候让两个男人有个地方聊聊AI了。” ### 为什么值得关注 鲁斯不是普通的科技作者。他长期跟踪AI，做过不少引发讨论的报道和实验。这次出书，他选择用传统方式写作，本身就是一个值得玩味的信号：在AI能生成一切的时代，人类记者的深度采访和叙事，仍然有不可替代的位置。 书还没出，但已经可以预判，它不会是一本技术手册，而更像是一份关于权力、竞争和人的记录。对于想理解AI行业“怎么走到今天”的读者来说，这可能是接下来值得留意的一本书。
OpenAI 与 AI 合同管理公司 Ironclad 展开研究合作，将复杂的合同工作流转化为 AI 智能体的训练与评估任务，以提升其在专业软件中的电脑操作能力。首个基于该任务训练的前沿模型 GPT-6 Astra 在内部评估中平均得分比 GPT-5.6 Sol 高出 32%，单次尝试预估时间减少 48%。 ## 从演示到专业工作流：AI 智能体的下一站 OpenAI 在发布 **GPT-6 Astra** 时，曾展示模型在准备文档、测试网站等电脑操作任务上的进步。但 OpenAI 的下一步目标更为具体：让智能体能够理解企业内部的业务规则，执行多步骤工作流，并验证最终结果是否符合原始需求。 为此，OpenAI 选择与少数深谙特定工作流的软件公司直接合作，将高价值、高难度的任务转化为可训练、可评估的研究问题。**Ironclad** 成为其首个合作伙伴。Ironclad 是 AI 合同管理领域的领先者，其团队与 OpenAI 共同定义了“成功”的标准，并将真实客户需求带入前沿模型的开发过程。 ## 合同工作流为何是理想的训练场？ 以企业采购软件的流程为例：财务部门需要审批超过一定金额的采购，安全团队可能需要审查特定请求，法务则要审核非标准条款。负责搭建流程的人必须将这些简短的规则转化为**申请表单、文档模板、审批规则以及最终协议的记录**。 对 AI 智能体而言，它需要在操作软件的过程中始终牢记这些要求。例如，它必须配置财务审批的金额阈值，并验证阈值之上和之下的请求是否遵循了正确的路径。仅仅把单个步骤做对是不够的——整个流程必须能在不同条件下正确运转。 OpenAI 与 Ironclad 合作开发的任务，要求智能体配置协议、审批流程和可复用的法律条款。这些任务不仅考验模型对专业软件的操作能力，更要求其具备对业务规则的理解和跨步骤的验证能力。 ## GPT-6 Astra 的初步成果 **GPT-6 Astra 是首个基于 Ironclad 任务训练的前沿模型**。在 OpenAI 的内部研究评估中，其平均得分比 **GPT-5.6 Sol** 高出 **32%**，而单次尝试的预估时间减少了 **48%**。 这一结果意味着，模型不仅在任务完成质量上有显著提升，在效率上也实现了进步。对于企业级应用而言，速度与准确性的双重改善是智能体能否真正落地的关键。 ## 合作模式的意义与边界 OpenAI 强调，这种与垂直领域软件公司的深度合作，旨在将真实业务场景中的复杂需求直接注入前沿模型的研发循环。Ironclad 的专业知识在定义评估标准和识别高价值任务方面发挥了关键作用。 不过，目前披露的信息仍限于合同管理这一垂直场景。OpenAI 表示正在与“少数”软件公司合作，但未透露其他合作伙伴或具体时间表。这种模式能否推广到更多专业领域，以及评估结果在真实客户环境中的表现如何，仍有待进一步观察。 对于关注 AI 智能体落地的读者而言，这一合作释放了一个明确信号：**专业工作流正在成为前沿模型竞争的新战场**，而拥有领域知识的软件厂商将成为模型能力提升的关键伙伴。
## 订阅计划：AI 公司补贴换增长，但价值差异巨大 AI 订阅计划是消费者和小企业使用 AI 的主要方式。尽管这些计划受到高度补贴，但它们仍然是有效的客户获取和营销工具。**Anthropic 的订阅计划在价值上可能超过 OpenAI 五倍以上**，这背后反映了不同 AI 实验室在补贴策略和模型效率上的差异。 ### 订阅如何影响 AI 实验室财务？ 以 Anthropic 为例，尽管订阅仅占其总收入的 **10%**，却消耗了超过 **40% 的推理计算资源**，并将混合每兆瓦收入拉低约 **3600 万美元**。对于 OpenAI 来说，订阅收入占比更高，因此其影响更为显著。这意味着，要准确建模 AI 实验室的财务情况，必须深入理解其订阅限制。 ### 订阅限制如何运作？ 订阅的本质是：每月付费获得一定数量的“积分”。每个（模型，令牌类型）组合消耗不同数量的积分。由于积分成本比率可能与 API 价格比率大相径庭，同一计划的价值会因使用的模型和工作负载而异。因此，孤立地说某计划值 X 美元并不合理——必须考虑完整的（计划，模型，工作负载）组合。 例如，同一个 **200 美元/月的 Claude 计划**，其 API 等效价值会随模型和工作负载的不同而变化。 ### 动态变化的限制 静态快照远远不够。AI 实验室会通过促销和新模型发布公开调整限制，也可能通过调整积分成本悄悄改变限制。理想情况下，应每天重新检查每个（计划，模型，令牌类型）的成本，以便实时发现变化。这正是 SemiAnalysis 通过其新的订阅仪表板所做的事情。 ### 为什么 Anthropic 提供更高价值？ Anthropic 订阅计划价值超 OpenAI 五倍，可能源于以下因素： - **模型效率更高**：Anthropic 的模型可能在相同计算资源下提供更多有效输出。 - **补贴策略更激进**：为争夺市场份额，Anthropic 可能提供更慷慨的积分。 - **工作负载优化**：针对常见任务，Anthropic 的积分消耗可能更低。 ### 对用户和企业的启示 对于用户和企业，选择订阅计划时不应只看价格，而应评估自身工作负载与计划的匹配度。例如，如果主要使用高性价比模型，Anthropic 的计划可能更划算；而如果依赖特定模型，则需具体分析。 对于 AI 实验室，订阅计划是一把双刃剑：既能促进增长，也可能侵蚀利润。如何在补贴与盈利间取得平衡，将是长期挑战。 > 本文基于 SemiAnalysis 的分析，由 AI 科技资讯编辑整理。具体数据请参考 SemiAnalysis 的 Tokenomics Model 和 Subscriptions Dashboard。
## 智谱 GLM 5.3 上架 Amazon Bedrock 来自 **Z.ai（智谱 AI）** 的 **GLM 5.3** 现已正式在 **Amazon Bedrock** 上线。根据官方在 Hugging Face Hub 上发布的信息，这是一个拥有 **753B 参数**的**混合专家（MoE）模型**，专门针对**编码**和**长周期智能体（long-horizon agentic）任务**进行优化。 对于企业用户而言，这意味着无需自行搭建和运维推理基础设施，即可通过完全托管的 API 调用这一前沿开源权重模型。 ### 相比 GLM 5 有哪些升级？ GLM 5 今年早些时候已登陆 Amazon Bedrock，GLM 5.3 延续同一技术路线，并带来多项关键提升： - **编码能力更强**：Z.ai 称其在 **DeepSWE、Terminal Bench 3.0、FrontierSWE** 等多个编码基准上表现具有竞争力，并在内部编码基准上较 **GLM 5.2 提升约 50%**。官方未给出与 GLM 5 的直接对比，原因是改进幅度较大，相关基准测试本身已在 GLM 5.1 发布后进行了更新。 - **涌现出网络安全能力**：Z.ai 报告该模型在安全任务上的基准表现突出，发布时在 **CyberGym 基准上取得 84.5 的领先分数**，使其天然适合防御性安全流程。 - **更深入的 Amazon Bedrock 集成**：支持**跨区域推理配置文件**、**隐式与显式提示缓存（prompt caching）**，并在 **OpenAI 兼容的 Responses 与 Chat Completions API** 以及 **Invoke 与 Converse API** 之间实现了更好的功能对齐。 ### 核心能力定位 GLM 5.3 面向**复杂系统工程**与**长周期智能体任务**设计，包括多步推理、工具调用等场景。典型用例包括：跨数百个文件重构代码仓库、维持数小时不丢失上下文的智能体工作流，以及在每一步都依赖工具调用的复杂系统问题推理。 ### 如何在 Bedrock 上使用 在 Amazon Bedrock 上，用户可以通过 **OpenAI 兼容 API** 调用 GLM 5.3，并借助**提示缓存**降低成本和延迟。官方博客还演示了一个实际智能体工作流：使用开源 AI 渗透测试智能体 **Strix** 对自有应用运行**经授权的安全测试**。 目前，GLM 5.3 在 Bedrock 上的访问权限面向**符合条件的企业客户**开放。 > 需要注意的是，本文所述基准数据均来自 Z.ai 官方发布，实际表现可能因任务和配置而异。
Google 的 AI 打电话功能可能不再只用于订餐厅、约理发。据 Android Authority 在 APK 拆包中发现的线索，Gemini 或将推出面向亲友的「Gemini Calling」功能，让你用一句话让 AI 替你打电话通知家人「我会晚到 15 分钟」。 ## 从商务场景走向私人通话 Google 此前推出的 **Call for Me** 功能主要面向商家——帮用户打电话询问营业时间、预订座位或预约服务。而 Android Authority 在最新 APK 拆包中发现了一个名为「Gemini Calling」的介绍页面，其中给出的示例包括： - 「Call Mom and tell her I will be 15 minutes late」（打电话给妈妈，告诉她我会晚到 15 分钟） - 「Call John and ask if he is coming for dinner」（打电话给 John，问他是否来吃晚饭） 从这些示例来看，即便功能扩展，Gemini 大概率仍局限于传递简短、类似短信内容的口头消息，而不是替你完成一整通寒暄式的亲友电话。 ## 它真正解决的是什么问题 这项功能瞄准的并非「懒得打电话」的年轻人，而是那些**更习惯接电话、经常漏看短信、甚至仍在使用固定电话**的人群。对这部分用户来说，一通由 AI 代打的简短通知，可能比一条石沉大海的短信更有效。 换句话说，Gemini 在这里扮演的是「消息投递员」，而非「社交替身」。 ## 权限颗粒度与潜在的担忧 拆包还显示，Google 可能为 Gemini 在单个 App 中的操作引入了**更细粒度的权限控制**，其中包括看起来与电话权限相关的设置。这意味着用户或许可以自行选择允许 Gemini 访问哪些 App 能力，也可能获得「拒绝接收 Gemini 自动来电」的选项。 这一点相当关键：如果 AI 能主动打电话给你，那么「谁能打、能打给谁、能否被屏蔽」就成了隐私与体验的核心问题。 ## 需要保持的谨慎 需要注意的是，以上信息均来自 APK 拆包，**Google 未必会正式发布这项扩展功能**，相关权限设置也可能被搁置。在官方确认之前，这仍属于传闻范畴。 不过，从商务预约到私人通知，这一方向本身已经足够清晰：AI 正在从「帮你查信息」走向「替你执行动作」，而打电话只是其中一步。
## 一个陌生却危险的协议 你可能从未听说过 **MCP**，但它正在成为 AI 智能体之间通信的隐形桥梁。这个协议的全称是 **Model Context Protocol**，最初由 Anthropic 提出，旨在让不同 AI 智能体之间能够安全地交换上下文信息。然而，安全研究人员警告：**MCP 可能是目前风险最高的智能体通信协议之一**。 ## 信任缺口如何放大风险 问题的核心在于 **信任缺口**。在 MCP 的设计中，智能体之间默认彼此信任，这导致一个智能体可以轻易将恶意提示（prompt）传递给另一个智能体。例如，一个被攻击者控制的智能体可以伪装成正常请求，向目标智能体注入有害指令，进而操控其行为。 这种攻击方式被称为 **跨智能体提示注入**（cross-agent prompt injection）。与传统的单模型提示注入不同，恶意内容会在多个智能体之间传播，形成 **链式污染**。一个被感染的智能体可能继续污染其他智能体，最终导致整个系统失控。 ## 为什么 MCP 尤其危险 MCP 并非唯一的多智能体通信协议，但它的风险尤为突出，原因有三： - **默认开放**：MCP 强调互操作性，智能体之间的连接门槛低，但缺乏严格的身份验证和权限控制。 - **上下文共享**：智能体交换的不仅是简单消息，还包括系统提示、工具定义等敏感上下文，这为攻击者提供了丰富的注入点。 - **缺乏审计**：目前 MCP 生态中缺少对智能体间通信的完整审计机制，攻击行为难以追踪。 ## 行业背景与应对 随着多智能体系统在自动化工作流、客户服务、代码生成等领域的普及，MCP 这类协议的重要性迅速上升。但安全社区的反应明显滞后。Ars Technica 的报道指出，**许多开发者甚至不知道 MCP 的存在**，更不用说评估其安全风险。 目前，部分安全团队开始建议： - 对智能体间通信实施 **零信任架构**，默认不信任任何传入的提示。 - 在 MCP 层引入 **内容过滤和签名验证**，阻止恶意指令传播。 - 建立 **跨智能体通信的监控与告警**，及时发现异常传播链。 ## 结语 MCP 代表了 AI 智能体协作的未来方向，但它的安全短板同样不容忽视。在智能体大规模互联之前，行业需要先解决信任和审计问题。否则，一个被忽视的协议可能成为下一次重大 AI 安全事件的导火索。
## 当 AI 代理走进材料实验室 在 Hacker News 上引发热议的一项研究中，一个由 **AI 代理**与人类研究者组成的团队，宣称找到了两种**室温磁性半导体候选材料**。其中一种是全新设计的候选磁体，另一种则是早在 **1999 年**就被合成出来的旧材料——但直到这次计算预测，人们才意识到它可能具备团队一直在寻找的特殊磁性。 这项工作的核心，是寻找介于**铁磁体**与**反铁磁体**之间的材料。 ## 为什么“中间态”磁体如此重要 要理解这项发现的价值，需要先回到一个基础问题：计算机如何用磁来存储信息。 - **铁磁体**（比如冰箱贴）的原子磁矩方向一致，会向外泄漏磁场。它天然能区分不同自旋方向的电子，因此被广泛用于**自旋电子学**器件，例如硬盘读头。但它的缺点也很明显：杂散磁场会干扰周边材料，翻转速度慢、功耗高。 - **反铁磁体**的相邻原子磁矩方向相反、恰好抵消，几乎没有外部磁场。它更快、更抗干扰，但问题在于：普通反铁磁体无法区分向上和向下的自旋电子，这让读取和写入信息变得困难。 于是，材料学界长期追求一种“折中方案”——既有铁磁体那样可区分的自旋输运，又具备反铁磁体那样的低杂散场和高速翻转潜力。这类材料常被称为**交替磁性体**或**反铁磁自旋电子学材料**。 ## AI 代理做了什么 根据作者描述，这支 AI 代理团队的工作分为两条线： 1. **设计一种全新的候选磁体**——从目标性质出发，反向提出可能的结构。 2. **重新评估一种 1999 年就已存在的材料**——计算预测显示，它可能恰好具备团队想要的磁性行为。 作者没有在摘要中给出具体材料名称、计算细节或实验验证进展，因此目前还不能断定这些候选材料已经满足室温器件应用的全部条件。但“室温”与“磁性半导体”这两个关键词，已经足以让自旋电子学和存储技术领域的研究者关注。 ## 这意味着什么 如果这类材料最终被实验证实并可控生长，它们可能影响 **MRAM**、自旋逻辑器件以及新型非易失存储的路线选择。更值得玩味的是方法论层面：AI 代理不仅承担筛选和计算任务，还参与到“提出候选—解释性质”的闭环中。这或许比单个材料的发现更能说明，AI 正在从辅助工具变成材料发现流程中的主动参与者。 当然，从计算预测到可重复的实验合成，中间仍有很长的路。Hacker News 上 322 条评论的热度，也说明社区对“AI 代理做真实科研”既兴奋又谨慎。
OpenAI 周一宣布，将在欧盟范围内为 **ChatGPT** 和 **Codex** 生成的文本添加隐形水印，以符合欧盟《人工智能法案》的透明度要求。该法案的相关条款已于 **8 月 2 日**生效，要求 AI 公司以其他系统可识别的方式标记 AI 生成内容。 ## 水印如何工作 OpenAI 介绍，水印并非可见符号，而是通过微妙地调整模型的选词方式，在文本中留下一种读者无法察觉、但检测器可以识别的模式。由于水印存在于文字本身，当文本被复制粘贴时，水印会随之转移。OpenAI 表示，水印不会识别用户身份，且开启后模型性能没有出现明显变化。 OpenAI 同时发布了一份技术报告，介绍其名为 **textGrain** 的方法。该报告与宾夕法尼亚大学和耶鲁大学的研究人员合著，展示了如何使用密钥对下一个词的预测进行排序以完成句子。将数百次这样的微调叠加起来，检测器仅凭文本和密钥就能识别 AI 生成内容。 ## 编辑可削弱检测 OpenAI 的测试表明，水印可以通过编辑去除。在一项测试中，将 10% 的词语替换为同义词后，检测率从约 **92%** 降至 **66%**。该公司还表示，短段落、数学答案和翻译文本更难被检测到。 OpenAI 称：“这些局限性促使我们决定，初期仅向经过批准的研究人员和专家组织提供检测器访问权限，他们可以帮助我们评估可靠性和负责任的使用方式。” OpenAI 还提醒，缺少水印并不能证明文本由人类撰写。文本可能太短、被过度编辑，或者来自其他公司的 AI。该公司表示：“水印可以表明 OpenAI 系统生成或处理了某段文字的一部分，但不能说明其中包含多少人类判断、编辑或创造力。” ## 与 Anthropic 的对比 此次宣布距 **Anthropic** 表示将为 Claude 生成的文本添加水印已有两个月，后者在全球范围内应用了这一措施。该决定引发了一些 Claude 用户的反对，他们认为自己提供的指令……（原文此处截断）。 OpenAI 表示，水印将在未来几周内向欧盟所有套餐的符合条件的 ChatGPT 和 Codex 用户推出，但仅限于欧盟。全球范围内使用 OpenAI API 的开发者即日起可为特定模型开启该功能，默认关闭。OpenAI 称，在推出初期不会将文本水印设为全球默认。
## 当AI开始开处方 美国犹他州居民现在可以通过一款App扫描面部，由AI系统分析痤疮严重程度并**自主开具处方**。医疗初创公司 **Nolla Health** 于周一宣布了这一消息，据彭博社此前报道，这是全美首个由AI直接开具**初始处方**（而非续方）的服务。 该服务以试点形式启动，医生监管将逐步放宽： - **前100名患者**：每份AI处方需经两名医生批准后方可发出 - **第101至500名患者**：医生改为处方开具后审核 - **此后**：医生每月抽查至少**10%**的处方，并审查所有涉及病情升级或副作用的案例 Nolla Health强调，试点旨在**补充而非取代医生**。“通过处理常规、低危病例，Nolla Derm让皮肤科医生能专注于复杂、高风险患者。” ## 谁能用？怎么收费？ 服务面向**18岁以上、患有轻中度痤疮的犹他州居民**，费用为**每月4.99美元**。若AI系统无法“自信地选择治疗方案”，会将用户转介给医生。据彭博社报道，该AI目前可开具**8种**不同的皮肤治疗药物。 ## 更大的图景 犹他州今年早些时候已允许AI系统续开某些药物，多家医疗公司正在该州试验AI处方。但Nolla Health声称自己是**全美首家开具初始处方**的机构。 AI进入处方环节，核心争议始终围绕**安全与责任**。支持者认为，这能缓解皮肤科医生短缺、降低就医门槛；批评者则担忧AI误判风险，以及医生监督流于形式。Nolla Health的分阶段监管设计，正是对这种担忧的回应——但10%的抽查比例是否足够，仍有待实践检验。 目前服务仅限犹他州，且限于低危病种。这一试点的结果，可能为AI在更广泛医疗场景中的处方权打开大门，也可能成为监管收紧的导火索。
## Reflection 正式发布首款开放权重模型 Beam 背靠英伟达的纽约布鲁克林初创公司 **Reflection AI** 周一正式揭晓了其首款前沿开放权重模型 **Beam**。这家成立仅两年的公司声称，Beam 在高级推理基准测试上能匹敌中国领先的开源模型，且推理计算成本大幅降低。 ### 核心规格 - **参数规模**：5010 亿总参数，230 亿激活参数（混合专家架构） - **训练数据**：23.8 万亿 token 预训练 - **上下文窗口**：100 万 token - **模态**：纯文本 作为对比，智谱的 **GLM-5.2** 总参数约 7440 亿，激活参数 400 亿。Reflection 表示，Beam 在推理、编程和智能体任务上达到了与 GLM-5.2 相当的基准成绩，同时仅使用 **“3-4 倍的推理计算量”**——这一说法尚未经过独立验证。 ### 市场定位与竞争格局 Reflection 将 Beam 定位为面向企业、公共部门和开发者的“主力模型”。它同时瞄准三个方向： 1. **闭源实验室**：Anthropic 和 OpenAI 2. **中国开源模型**：DeepSeek、Qwen、Z.ai 3. **西方开源对手**：Mistral、Meta、Cohere 其最直接的美国竞争对手可能是 Mira Murati 的 Thinking Machines Lab 于 7 月发布的开放模型 **Inkling**。Reflection 的基准测试显示，Beam 在四项编程测试中得分高于 Inkling，但需注意 Inkling 是多模态模型，而 Beam 仅支持文本。 ### 资本与算力布局 Reflection 由两位前 Google DeepMind 研究员于 2024 年创立，已从英伟达、红杉资本和 Lightspeed Venture Partners 等投资方筹集约 **47 亿美元**，最新一轮融资估值达 **250 亿美元**（投前）。 为训练前沿模型，该公司今夏与 SpaceX 和 Nebius 签署了总价值超 **70 亿美元**的协议，以确保获得英伟达 GB300 芯片的使用权。 ### 值得关注的点 Reflection 的发布标志着西方开源模型阵营正试图在推理效率上追赶中国实验室。如果 Beam 的性能声明属实，它可能成为企业级部署中兼顾能力与成本的新选择。模型权重预计本月内发布，届时开发者可自行验证其真实表现。
过去一年，**OpenAI**、**Anthropic** 等 AI 实验室接连宣布在多个长期悬而未决的数学难题上取得突破，甚至声称解决了著名的**千禧年大奖难题**之一。这些成果在某些方面远超研究人员对当前系统的预期。但硅谷式“快速行动、打破常规”的风格，也让 AI 实验室以推土机般的姿态冲进数学界，原本值得庆祝的结果反而引发强烈反弹。 ## 突破与反噬 AI 在数学领域的进展堪称惊人。从长期未解的猜想，到千禧年难题级别的挑战，实验室们不断刷新外界对机器推理能力的认知。然而，问题出在发布方式上。多篇报道指出，OpenAI 在宣布这些成果时屡次出现沟通失误，导致数学界感到被冒犯。 ## OpenAI 的补救与新的混乱 OpenAI 试图修复与数学界的关系，最新举措是咨询一个由顶尖数学家组成的独立顾问小组。但据 The Verge 采访的多位数学家——包括该小组成员——描述，这一过程混乱且令人困惑，带有 OpenAI 此前仓促进军数学领域的诸多特征。 更棘手的是，该小组面临的首要任务：协助发布 OpenAI 未公开模型产出的大量新结果。研究人员担心，这波即将到来的“突破海啸”可能对整个数学领域造成冲击。 ## 行业背景与不确定性 AI 实验室表示正在从早期错误中学习，但这些承诺能否兑现仍有待观察。数学界对 AI 的态度正从好奇转向警惕：一方面，AI 确实展现出解决复杂问题的潜力；另一方面，缺乏严谨验证和社区沟通的“突破”可能损害学科规范。 目前，这场 AI 与数学的碰撞仍在快速演变。OpenAI 等公司能否学会以更尊重学术社区的方式推进，将决定这场“攻占”最终是合作还是破坏。