英伟达CEO黄仁勋批评用AI当裁员借口
英伟达CEO黄仁勋近日接受亚洲新闻台采访时，批评一些企业高管将裁员归咎于人工智能的做法。他指出，AI近期才真正变得大规模实用，用其解释多年前的裁员在时间线上说不通。黄仁勋认为这种说法“太懒惰”，裁员更可能源于过度招聘和建设AI的巨大成本。此前，Block CEO杰克·多西曾以“智能工具加速变革”为由计划裁减近半数员工，但前员工指出疫情期间过度招聘才是主因。谷歌DeepMind CEO哈萨比斯也批评同行将裁员归咎于AI是“缺乏想象力”。黄仁勋强调，真正有雄心的公司应利用AI实现增长和提效，而非单纯缩减人力。他警告，如果高管用AI掩盖财务问题，员工和投资者将看到扭曲的公司现状。AI可以自动化重复任务并提升生产力，但通常不会让整个岗位一夜消失，而是角色转变或催生新岗位。黄仁勋直言：“他们只是想显得聪明，我讨厌这样……我们在吓唬人，这是不负责任的。” #英伟达 #黄仁勋 #AI #裁员 #科技新闻 #人工智能 #企业管理
英伟达CEO黄仁勋近日接受亚洲新闻台采访时，批评一些企业高管将裁员归咎于人工智能的做法。他指出，AI近期才真正变得大规模实用，用其解释多年前的裁员在时间线上说不通。黄仁勋认为这种说法“太懒惰”，裁员更可能源于过度招聘和建设AI的巨大成本。此前，Block CEO杰克·多西曾以“智能工具加速变革”为由计划裁减近半数员工，但前员工指出疫情期间过度招聘才是主因。谷歌DeepMind CEO哈萨比斯也批评同行将裁员归咎于AI是“缺乏想象力”。黄仁勋强调，真正有雄心的公司应利用AI实现增长和提效，而非单纯缩减人力。他警告，如果高管用AI掩盖财务问题，员工和投资者将看到扭曲的公司现状。AI可以自动化重复任务并提升生产力，但通常不会让整个岗位一夜消失，而是角色转变或催生新岗位。黄仁勋直言：“他们只是想显得聪明，我讨厌这样……我们在吓唬人，这是不负责任的。” #英伟达 #黄仁勋 #AI #裁员 #科技新闻 #人工智能 #企业管理
AI热潮背后的二阶导数陷阱
一位分析师通过重述2008年次贷危机的根源，揭示了市场对AI热潮的普遍误解。他提出，次贷危机并非由房价下跌直接引发，而是源于房价涨幅放缓——即二阶导数（加速度）的变化。当房价仍处历史高位但增长减速时，贷款违约率已开始上升，而大众的因果叙事却错误地将危机归咎于后来的价格暴跌。类似地，当前AI市场过度关注技术水平的“量级”（S）和增长速度（S′），却忽略了对加速度（S″）的观察。当融资结构内嵌了对持续加速增长的假设（如AI投资回报预期），一旦二阶导数转负，系统将面临内生性风险。作者呼吁市场重新审视这一盲点，避免重蹈覆辙。 #AI热潮 #金融危机 #二阶导数 #市场误判 #经济分析 #投资思维 #系统风险
一位分析师通过重述2008年次贷危机的根源，揭示了市场对AI热潮的普遍误解。他提出，次贷危机并非由房价下跌直接引发，而是源于房价涨幅放缓——即二阶导数（加速度）的变化。当房价仍处历史高位但增长减速时，贷款违约率已开始上升，而大众的因果叙事却错误地将危机归咎于后来的价格暴跌。类似地，当前AI市场过度关注技术水平的“量级”（S）和增长速度（S′），却忽略了对加速度（S″）的观察。当融资结构内嵌了对持续加速增长的假设（如AI投资回报预期），一旦二阶导数转负，系统将面临内生性风险。作者呼吁市场重新审视这一盲点，避免重蹈覆辙。 #AI热潮 #金融危机 #二阶导数 #市场误判 #经济分析 #投资思维 #系统风险
利用SKA搜寻地外文明
一篇题为《利用平方公里阵列（SKA）搜寻地外智能》的学术论文近日在arXiv预印本平台发布。该论文由Chenoa D. Tremblay等22位作者共同完成，系统探讨了SKA这一全球最大射电望远镜阵列在搜寻地外文明（SETI）领域的应用前景。SKA凭借其极高的灵敏度和广阔的观测范围，有望大幅提升对地外技术信号的探测能力。论文分析了SKA在窄带信号搜索、瞬态信号识别以及星际通信特征检测等方面的技术优势，并提出了相应的观测策略。研究指出，SKA将开启SETI研究的新纪元，使人类能够以前所未有的精度扫描银河系内数十亿颗恒星系统，寻找可能存在的智慧生命迹象。该工作为未来利用SKA进行地外文明搜索提供了理论框架和操作指南。 #SKA #SETI #地外文明 #射电天文学 #科学 #天文 #外星生命 #平方公里阵列
一篇题为《利用平方公里阵列（SKA）搜寻地外智能》的学术论文近日在arXiv预印本平台发布。该论文由Chenoa D. Tremblay等22位作者共同完成，系统探讨了SKA这一全球最大射电望远镜阵列在搜寻地外文明（SETI）领域的应用前景。SKA凭借其极高的灵敏度和广阔的观测范围，有望大幅提升对地外技术信号的探测能力。论文分析了SKA在窄带信号搜索、瞬态信号识别以及星际通信特征检测等方面的技术优势，并提出了相应的观测策略。研究指出，SKA将开启SETI研究的新纪元，使人类能够以前所未有的精度扫描银河系内数十亿颗恒星系统，寻找可能存在的智慧生命迹象。该工作为未来利用SKA进行地外文明搜索提供了理论框架和操作指南。 #SKA #SETI #地外文明 #射电天文学 #科学 #天文 #外星生命 #平方公里阵列
微软在部分应用中用自家AI取代OpenAI与Anthropic
据彭博社报道，微软已开始在部分应用程序中移除OpenAI和Anthropic的AI模型，转而使用自研AI技术。此举标志着微软在AI战略上进一步转向自主可控，减少对外部合作伙伴的依赖。此前，微软已向OpenAI投资超百亿美元，并深度整合其模型至Office、Azure等产品。此次调整可能涉及某些特定功能或测试场景，但目前尚不清楚哪些应用受到影响。分析认为，微软自主研发的AI模型在成本、定制化及数据安全方面具有优势，但也可能引发与OpenAI等合作伙伴关系的微妙变化。 #微软 #AI #OpenAI #Anthropic #自研模型 #科技新闻 #彭博社
据彭博社报道，微软已开始在部分应用程序中移除OpenAI和Anthropic的AI模型，转而使用自研AI技术。此举标志着微软在AI战略上进一步转向自主可控，减少对外部合作伙伴的依赖。此前，微软已向OpenAI投资超百亿美元，并深度整合其模型至Office、Azure等产品。此次调整可能涉及某些特定功能或测试场景，但目前尚不清楚哪些应用受到影响。分析认为，微软自主研发的AI模型在成本、定制化及数据安全方面具有优势，但也可能引发与OpenAI等合作伙伴关系的微妙变化。 #微软 #AI #OpenAI #Anthropic #自研模型 #科技新闻 #彭博社
中国AI智能体成本优势令硅谷侧目
美国企业界正对AI智能体的高昂成本望而却步。中国AI实验室推出的GLM-5.2模型，因性能媲美OpenAI、Anthropic等美国顶级模型且价格低廉数倍，引发硅谷热议。风投家马克·安德森称其为“首个可与美国顶尖模型匹敌的中国AI模型”，Vercel CEO吉列尔莫·劳赫惊叹其编码能力。GLM-5.2的出现正值美国AI公司面临盈利压力：Uber据报道数月内花光全年Anthropic预算，Meta、亚马逊等公司也限制员工AI使用。尽管美国将AI发展视为与中国的技术竞赛，但企业仍可使用中国模型。GLM-5.2为硅谷带来商业困境，也可能引发国家安全考量。此前DeepSeek的成功已证明中国模型可抢夺市场份额，GLM-5.2或进一步加剧竞争。 #AI #中国AI #GLM5.2 #硅谷 #成本竞争 #科技新闻 #人工智能
美国企业界正对AI智能体的高昂成本望而却步。中国AI实验室推出的GLM-5.2模型，因性能媲美OpenAI、Anthropic等美国顶级模型且价格低廉数倍，引发硅谷热议。风投家马克·安德森称其为“首个可与美国顶尖模型匹敌的中国AI模型”，Vercel CEO吉列尔莫·劳赫惊叹其编码能力。GLM-5.2的出现正值美国AI公司面临盈利压力：Uber据报道数月内花光全年Anthropic预算，Meta、亚马逊等公司也限制员工AI使用。尽管美国将AI发展视为与中国的技术竞赛，但企业仍可使用中国模型。GLM-5.2为硅谷带来商业困境，也可能引发国家安全考量。此前DeepSeek的成功已证明中国模型可抢夺市场份额，GLM-5.2或进一步加剧竞争。 #AI #中国AI #GLM5.2 #硅谷 #成本竞争 #科技新闻 #人工智能
LLM联网搜索Agent开源项目详解
近日，一个名为 mamei16/LLM_Web_search 的开源项目引发关注，该方案为大语言模型（LLM）注入了联网搜索能力，有效突破了模型“知识截止日期”的限制。项目基于“规划-执行-反思”的智能体范式，构建了一套严谨的Agent系统：首先由LLM判断用户问题是否需要实时信息，若需要则生成精准的搜索查询词；随后并行调用搜索API获取结果，并通过爬虫抓取网页正文；最后将清理后的上下文与原始问题结合，由LLM生成去重、比对后的准确回答。整个过程实现了意图识别、工具调用、信息检索增强生成（RAG）和上下文窗口管理的闭环。该项目特别适合AI应用开发者用于增加实时查询功能，也适合技术研究者深入理解Agent工作流与RAG的实战结合。作者还分享了在搭建过程中遇到的爬虫拦截、Token限制、搜索结果质量调优等经验，为同类项目提供了参考。 #LLM #Agents #RAG #联网搜索 #开源项目 #AI应用 #知识截止 #工程实践
近日，一个名为 mamei16/LLM_Web_search 的开源项目引发关注，该方案为大语言模型（LLM）注入了联网搜索能力，有效突破了模型“知识截止日期”的限制。项目基于“规划-执行-反思”的智能体范式，构建了一套严谨的Agent系统：首先由LLM判断用户问题是否需要实时信息，若需要则生成精准的搜索查询词；随后并行调用搜索API获取结果，并通过爬虫抓取网页正文；最后将清理后的上下文与原始问题结合，由LLM生成去重、比对后的准确回答。整个过程实现了意图识别、工具调用、信息检索增强生成（RAG）和上下文窗口管理的闭环。该项目特别适合AI应用开发者用于增加实时查询功能，也适合技术研究者深入理解Agent工作流与RAG的实战结合。作者还分享了在搭建过程中遇到的爬虫拦截、Token限制、搜索结果质量调优等经验，为同类项目提供了参考。 #LLM #Agents #RAG #联网搜索 #开源项目 #AI应用 #知识截止 #工程实践