美国可随时切断AI供应，欧洲须紧急追赶
自Anthropic发布最强大模型Mythos以来，全球安全局势急剧变化。该模型具备破解敏感软件的强大能力，使AI兼具国家安全威胁与防御资产双重属性。然而，欧洲的AI能力远落后于中美。美国近期首次对非美国公民封锁Mythos访问权限，这实质是按下了AI“杀毒开关”。据估算，若白宫有意，全球88%人口可能一夜之间失去美国前沿模型访问权。中国预计一年内获得类似能力，而欧洲正沦为两大AI帝国之间的数字殖民地。欧盟亟需行动：需紧急召集欧洲领军企业峰会，推动大规模私有投资，同时加速完成资本市场联盟与数字单一市场；还应联合中等强国构筑AI算力共同体，并利用ASML等独特优势，与美国建立战略平行关系。唯有主权、规模与改革并举，欧洲才能避免被边缘化。 #AI #欧洲 #美国 #科技竞争 #数字主权 #Mythos #Anthropic #欧盟 #人工智能 #网络安全
自Anthropic发布最强大模型Mythos以来，全球安全局势急剧变化。该模型具备破解敏感软件的强大能力，使AI兼具国家安全威胁与防御资产双重属性。然而，欧洲的AI能力远落后于中美。美国近期首次对非美国公民封锁Mythos访问权限，这实质是按下了AI“杀毒开关”。据估算，若白宫有意，全球88%人口可能一夜之间失去美国前沿模型访问权。中国预计一年内获得类似能力，而欧洲正沦为两大AI帝国之间的数字殖民地。欧盟亟需行动：需紧急召集欧洲领军企业峰会，推动大规模私有投资，同时加速完成资本市场联盟与数字单一市场；还应联合中等强国构筑AI算力共同体，并利用ASML等独特优势，与美国建立战略平行关系。唯有主权、规模与改革并举，欧洲才能避免被边缘化。 #AI #欧洲 #美国 #科技竞争 #数字主权 #Mythos #Anthropic #欧盟 #人工智能 #网络安全
如何避免在谈论AI时使用拟人化语言
Emily M. Bender 和 Nanna Inie 在 Tech Policy Press 发表评论文章，探讨如何避免用拟人化语言描述所谓“AI”技术。他们指出，拟人化语言模糊了技术实际功能，让人难以清晰讨论技术何时、如何使用。作者提出三步转变：分类拟人化语言、寻找替代方案、养成新表达习惯。核心原则是：用功能描述计算机系统、将行动主体归于使用者而非系统、避免夸大的认知隐喻。例如用“概率自动化”替代“人工智能”，用“非理想输出”替代“幻觉”，用“图像标注”替代“图像识别”。虽然替代表达可能稍显冗长，但有助于人们停下来思考技术真正在做什么。作者强调，对于具体技术系统，应直接命名产品名称或功能描述，而非笼统称其为AI。 #AI #科技伦理 #拟人化 #语言表达 #技术描述 #学术研究 #人工智能 #算法
Emily M. Bender 和 Nanna Inie 在 Tech Policy Press 发表评论文章，探讨如何避免用拟人化语言描述所谓“AI”技术。他们指出，拟人化语言模糊了技术实际功能，让人难以清晰讨论技术何时、如何使用。作者提出三步转变：分类拟人化语言、寻找替代方案、养成新表达习惯。核心原则是：用功能描述计算机系统、将行动主体归于使用者而非系统、避免夸大的认知隐喻。例如用“概率自动化”替代“人工智能”，用“非理想输出”替代“幻觉”，用“图像标注”替代“图像识别”。虽然替代表达可能稍显冗长，但有助于人们停下来思考技术真正在做什么。作者强调，对于具体技术系统，应直接命名产品名称或功能描述，而非笼统称其为AI。 #AI #科技伦理 #拟人化 #语言表达 #技术描述 #学术研究 #人工智能 #算法
可穿戴传感器数据存在类似LLM的扩展定律，但天花板更低
根据 Brandon Ballinger 在2026年6月30日的技术文章指出，大语言模型（LLM）的魔力很大程度上来源于其损失（loss）随模型规模、数据集大小和训练计算量可预测地缩放。类似规律是否适用于非语言基础模型，尤其是可穿戴设备中的传感器数据？答案是肯定的，但并不完全相同。 Google 发布的《Scaling Wearable Foundation Models》论文首次为生理传感器数据建立了扩展定律。该研究测试了从200万到3.28亿参数的四种模型规模，以及从数千小时到4000万小时的数据量。结果显示，更大的模型和更多数据在随机插补、时间插补、传感器插补和预测等生成任务上均有提升，微调后使插补和预测性能提升16%-23%，活动识别提升29%。 然而，一个关键差异在于：LSM（即论文中的可穿戴基础模型）的性能在约1000万小时数据和约1亿参数处开始趋于平缓，而LLM在消费级规模上尚未出现此类天花板。这表明可穿戴模型存在更早的不可约误差下限。这种差异为创业公司带来商机——小团队也能用与科技巨头同等量级的数据训练可穿戴基础模型。 #AI #可穿戴设备 #传感器 #扩展定律 #机器学习 #科技趋势 #大模型
根据 Brandon Ballinger 在2026年6月30日的技术文章指出，大语言模型（LLM）的魔力很大程度上来源于其损失（loss）随模型规模、数据集大小和训练计算量可预测地缩放。类似规律是否适用于非语言基础模型，尤其是可穿戴设备中的传感器数据？答案是肯定的，但并不完全相同。 Google 发布的《Scaling Wearable Foundation Models》论文首次为生理传感器数据建立了扩展定律。该研究测试了从200万到3.28亿参数的四种模型规模，以及从数千小时到4000万小时的数据量。结果显示，更大的模型和更多数据在随机插补、时间插补、传感器插补和预测等生成任务上均有提升，微调后使插补和预测性能提升16%-23%，活动识别提升29%。 然而，一个关键差异在于：LSM（即论文中的可穿戴基础模型）的性能在约1000万小时数据和约1亿参数处开始趋于平缓，而LLM在消费级规模上尚未出现此类天花板。这表明可穿戴模型存在更早的不可约误差下限。这种差异为创业公司带来商机——小团队也能用与科技巨头同等量级的数据训练可穿戴基础模型。 #AI #可穿戴设备 #传感器 #扩展定律 #机器学习 #科技趋势 #大模型
小米夹式耳机评测：稳定性、音质与AI集于一体的开放式耳机
当前开放式耳机市场竞相追求极小设计，但小米推出的夹式耳机另辟蹊径，放弃极致隐形美学，转而以工程优先理念打造。单耳机重5.5克，采用不对称C桥与扁平电池模块，通过增加与耳后的接触面积分散压力，长时间佩戴更舒适。这种结构设计带来了出色的稳定性，即使中等强度运动也不易移位，但电池模块在身后较为明显，侧卧或视觉要求高的场景需权衡。声学方面，内置11mm大振膜及0.6mm大振幅设计，结合角度驱动单元，使开放式结构常见的低音漂移问题得到缓解，音质表现比多数同类产品更一致。同时，产品融入AI功能，提升使用体验。总体而言，这是一款以实用性为导向的耳机，适合通勤、办公及健身用户。 #小米 #夹式耳机 #开放式耳机 #耳机评测 #音质 #稳定性 #AI #数码产品
当前开放式耳机市场竞相追求极小设计，但小米推出的夹式耳机另辟蹊径，放弃极致隐形美学，转而以工程优先理念打造。单耳机重5.5克，采用不对称C桥与扁平电池模块，通过增加与耳后的接触面积分散压力，长时间佩戴更舒适。这种结构设计带来了出色的稳定性，即使中等强度运动也不易移位，但电池模块在身后较为明显，侧卧或视觉要求高的场景需权衡。声学方面，内置11mm大振膜及0.6mm大振幅设计，结合角度驱动单元，使开放式结构常见的低音漂移问题得到缓解，音质表现比多数同类产品更一致。同时，产品融入AI功能，提升使用体验。总体而言，这是一款以实用性为导向的耳机，适合通勤、办公及健身用户。 #小米 #夹式耳机 #开放式耳机 #耳机评测 #音质 #稳定性 #AI #数码产品
Sibyl 发布：面向AI编程代理的自托管跨代理记忆系统
一位开发者于Hacker News上展示了其自建项目Sibyl，这是一个基于SurrealDB构建的高性能、可扩展、支持多用户的自托管代理记忆系统。该项目最初仅为带有爬虫与RAG（检索增强生成）功能的看板工具，后演变为能够为多个并行运行的AI编程代理提供共享记忆的底层基础设施。开发者透露，该系统解决了其在运行大量并行代理时遇到的上下文丢失与信息碎片化问题，使其能够更高效地协同多个代理完成复杂任务，而无需依赖外部服务，从而在保持高度自主性的同时极大提升了开发效率。 #Sibyl #AI #代理记忆 #自托管 #开发工具 #HackerNews #开源
一位开发者于Hacker News上展示了其自建项目Sibyl，这是一个基于SurrealDB构建的高性能、可扩展、支持多用户的自托管代理记忆系统。该项目最初仅为带有爬虫与RAG（检索增强生成）功能的看板工具，后演变为能够为多个并行运行的AI编程代理提供共享记忆的底层基础设施。开发者透露，该系统解决了其在运行大量并行代理时遇到的上下文丢失与信息碎片化问题，使其能够更高效地协同多个代理完成复杂任务，而无需依赖外部服务，从而在保持高度自主性的同时极大提升了开发效率。 #Sibyl #AI #代理记忆 #自托管 #开发工具 #HackerNews #开源
改变AI数学运算可减轻硬件负担
SEMQ（符号嵌入多量化）技术提出一种全新的机器学习效率提升方案。传统AI模型依赖浮点数向量存储语义信息，需要大量内存和存储空间。量化技术虽可压缩模型权重，但会降低精度。The SEMQ Group创始人Andrés Mac Allister认为，通过构建语义抽象层，可以将嵌入向量中的语义含义与数据表示方式分离。该方法基于“语义关系主要取决于嵌入向量的相对方向”这一原理，减少对向量绝对量级的存储需求。一个7B参数的FP32模型需要约28GB空间，而SEMQ通过符号结构替代原始向量，仅保留相对几何关系，大幅减少数据存储量。该技术对运行AI工作负载的企业具有潜在影响，尤其能降低语义状态相关的基础设施成本。目前相关论文已发表，但实际应用效果尚待验证。 #AI技术 #机器学习 #语义嵌入 #量化技术 #数据存储
SEMQ（符号嵌入多量化）技术提出一种全新的机器学习效率提升方案。传统AI模型依赖浮点数向量存储语义信息，需要大量内存和存储空间。量化技术虽可压缩模型权重，但会降低精度。The SEMQ Group创始人Andrés Mac Allister认为，通过构建语义抽象层，可以将嵌入向量中的语义含义与数据表示方式分离。该方法基于“语义关系主要取决于嵌入向量的相对方向”这一原理，减少对向量绝对量级的存储需求。一个7B参数的FP32模型需要约28GB空间，而SEMQ通过符号结构替代原始向量，仅保留相对几何关系，大幅减少数据存储量。该技术对运行AI工作负载的企业具有潜在影响，尤其能降低语义状态相关的基础设施成本。目前相关论文已发表，但实际应用效果尚待验证。 #AI技术 #机器学习 #语义嵌入 #量化技术 #数据存储