美国执法部门警告AI仇恨催生“反科技极端主义”威胁
据《连线》杂志获取的文件显示，美国国土安全部、联邦调查局等机构正将新兴的“反科技极端主义”列为国内威胁进行监控。随着数据中心遭受攻击、AI技术引发就业替代担忧等事件增多，超过1000页的未公开报告表明，国内执法部门已转向监视这一宽泛类别的人和活动。这一动向源于特朗普政府的国家安全指令，其要求司法部针对持有“反美”、“反基督教”和“反资本主义”信念者，并将左翼极端分子列为反恐重点。纽约情报机构的报告特别警告，未来五年AI技术采用可能导致大规模抗议乃至暴力极端活动，并首次提出“反科技暴力极端主义”这一新术语，将多种意识形态归为单一极端类别。这些措施可能使挑战白宫意识形态的言论和集会被刑事化，反映出政府在推动AI和数据中心扩张的同时，强化了相关监控力度。 #美国执法 #人工智能 #反科技极端主义 #国内监控 #国家安全 #特朗普政府 #数据安全
据《连线》杂志获取的文件显示，美国国土安全部、联邦调查局等机构正将新兴的“反科技极端主义”列为国内威胁进行监控。随着数据中心遭受攻击、AI技术引发就业替代担忧等事件增多，超过1000页的未公开报告表明，国内执法部门已转向监视这一宽泛类别的人和活动。这一动向源于特朗普政府的国家安全指令，其要求司法部针对持有“反美”、“反基督教”和“反资本主义”信念者，并将左翼极端分子列为反恐重点。纽约情报机构的报告特别警告，未来五年AI技术采用可能导致大规模抗议乃至暴力极端活动，并首次提出“反科技暴力极端主义”这一新术语，将多种意识形态归为单一极端类别。这些措施可能使挑战白宫意识形态的言论和集会被刑事化，反映出政府在推动AI和数据中心扩张的同时，强化了相关监控力度。 #美国执法 #人工智能 #反科技极端主义 #国内监控 #国家安全 #特朗普政府 #数据安全
黄仁勋批评
在人工智能技术迅猛发展的当下，企业裁员现象频发，部分高管公开将裁员归因于AI自动化取代人力。对此，英伟达CEO黄仁勋在近期发言中直接批评，称这是一种“懒惰”的借口。黄仁勋指出，AI固然会重塑就业市场，但裁员背后往往涉及更深层的商业因素，如管理层决策失误、经济环境变化或战略调整。他呼吁企业更负责任地处理人事变动，避免将AI作为简单化归咎对象，并强调技术创新应与社会责任相结合。黄仁勋的言论突出了科技行业中的一个核心争议，引发了对AI伦理、企业治理及就业保障的广泛讨论，可能推动业界重新审视裁员理由的合理性。 #黄仁勋 #英伟达 #AI裁员 #企业管理 #科技新闻 #就业 #人工智能 #企业责任 #技术创新
在人工智能技术迅猛发展的当下，企业裁员现象频发，部分高管公开将裁员归因于AI自动化取代人力。对此，英伟达CEO黄仁勋在近期发言中直接批评，称这是一种“懒惰”的借口。黄仁勋指出，AI固然会重塑就业市场，但裁员背后往往涉及更深层的商业因素，如管理层决策失误、经济环境变化或战略调整。他呼吁企业更负责任地处理人事变动，避免将AI作为简单化归咎对象，并强调技术创新应与社会责任相结合。黄仁勋的言论突出了科技行业中的一个核心争议，引发了对AI伦理、企业治理及就业保障的广泛讨论，可能推动业界重新审视裁员理由的合理性。 #黄仁勋 #英伟达 #AI裁员 #企业管理 #科技新闻 #就业 #人工智能 #企业责任 #技术创新
OS厂商竞争重心转向底层能力，AI非核心决胜因素
在智能操作系统（OS）的端侧Agent化浪潮中，OS厂商的竞争焦点已从表面的AI技术转向更深层的基础能力构建。关键不在于AI算法本身，而在于三层能力底盘的深度整合：系统级AI运行时确保高效计算、可控芯片提供硬件支撑、端云模型矩阵实现协同优化。这些底层能力的咬合程度直接决定了厂商的差异化空间和护城河深度，成为长期竞争优势的核心。业界分析认为，这是一场以技术代际衡量的工程长跑，没有捷径可走，强调基础研发和持续投入的重要性，预示着操作系统领域将进入更注重底层架构的硬核竞争阶段。 #操作系统 #AI #Agent #芯片 #云计算 #科技新闻 #工程竞争 #端侧计算 #智能OS
在智能操作系统（OS）的端侧Agent化浪潮中，OS厂商的竞争焦点已从表面的AI技术转向更深层的基础能力构建。关键不在于AI算法本身，而在于三层能力底盘的深度整合：系统级AI运行时确保高效计算、可控芯片提供硬件支撑、端云模型矩阵实现协同优化。这些底层能力的咬合程度直接决定了厂商的差异化空间和护城河深度，成为长期竞争优势的核心。业界分析认为，这是一场以技术代际衡量的工程长跑，没有捷径可走，强调基础研发和持续投入的重要性，预示着操作系统领域将进入更注重底层架构的硬核竞争阶段。 #操作系统 #AI #Agent #芯片 #云计算 #科技新闻 #工程竞争 #端侧计算 #智能OS
AWS发布全栈方案，量化Agentic AI应用的Token消耗成本
在企业部署Agentic AI应用时，Token消耗的“黑盒”问题导致成本难以监控与优化。针对这一挑战，亚马逊云科技（AWS）结合其全栈能力，提出了一套完整的可观测性解决方案。该方案旨在帮助企业明确Token消耗的去向与原因，实现从成本失控到精准管理的转变。 方案首先分析了现有开源工具（如OpenClaw）在成本可视化上的不足，指出其无法满足生产环境对费用估算、异常告警和归因分析的需求。为此，AWS验证并推出了四种落地路径：基于OTel与托管Grafana的标准化监控、结合ClawProbe的细粒度费用分析、利用Skill解析本地日志生成自动报告，以及通过S3、Athena与Amazon Q in QuickSight实现的自然语言交互式深挖分析。这些方案覆盖了从开发调试到企业级生产的多样场景，帮助团队实现Token成本的可量化、可归因与主动管理，从而有效控制AI应用的运营开支。 #AWS #AgenticAI #Token监控 #可观测性 #成本优化 #亚马逊云科技 #AI开发 #云服务
在企业部署Agentic AI应用时，Token消耗的“黑盒”问题导致成本难以监控与优化。针对这一挑战，亚马逊云科技（AWS）结合其全栈能力，提出了一套完整的可观测性解决方案。该方案旨在帮助企业明确Token消耗的去向与原因，实现从成本失控到精准管理的转变。 方案首先分析了现有开源工具（如OpenClaw）在成本可视化上的不足，指出其无法满足生产环境对费用估算、异常告警和归因分析的需求。为此，AWS验证并推出了四种落地路径：基于OTel与托管Grafana的标准化监控、结合ClawProbe的细粒度费用分析、利用Skill解析本地日志生成自动报告，以及通过S3、Athena与Amazon Q in QuickSight实现的自然语言交互式深挖分析。这些方案覆盖了从开发调试到企业级生产的多样场景，帮助团队实现Token成本的可量化、可归因与主动管理，从而有效控制AI应用的运营开支。 #AWS #AgenticAI #Token监控 #可观测性 #成本优化 #亚马逊云科技 #AI开发 #云服务
CodeArena榜单放榜
据智东西5月26日报道，全球权威三方编程榜单Code Arena于今日凌晨发布最新排名。阿里旗下旗舰大模型Qwen3.7-Max在此次评测中获得1541分，超越了GPT-5.5、Gemini-3.5-Flash、GLM-5.1、Kimi-K2.6等多个国际知名模型，仅次于Claude系列，位列全球大模型厂商第二名。Code Arena作为国际公认的第三方编程评测平台，其榜单结果对行业具有重要参考价值。阿里千问3.7的这一成绩标志着在代码理解与生成等专业任务上表现出色，成功跻身全球编程模型第一梯队，凸显了国产大模型在AI技术领域的突破与竞争力，为开发者提供了更强大的工具选择。 #CodeArena #阿里千问 #大模型 #编程 #AI #科技新闻 #榜单 #代码生成
据智东西5月26日报道，全球权威三方编程榜单Code Arena于今日凌晨发布最新排名。阿里旗下旗舰大模型Qwen3.7-Max在此次评测中获得1541分，超越了GPT-5.5、Gemini-3.5-Flash、GLM-5.1、Kimi-K2.6等多个国际知名模型，仅次于Claude系列，位列全球大模型厂商第二名。Code Arena作为国际公认的第三方编程评测平台，其榜单结果对行业具有重要参考价值。阿里千问3.7的这一成绩标志着在代码理解与生成等专业任务上表现出色，成功跻身全球编程模型第一梯队，凸显了国产大模型在AI技术领域的突破与竞争力，为开发者提供了更强大的工具选择。 #CodeArena #阿里千问 #大模型 #编程 #AI #科技新闻 #榜单 #代码生成
昆仑万维天工AI发布SkyClaw-v1.0 Agent模型，百万级上下文赋能复杂任务
昆仑万维旗下天工AI正式推出高性能Agent模型SkyClaw-v1.0及其轻量化版本。该模型核心亮点在于支持百万token级上下文窗口，并针对智能体工作场景进行了深度优化，旨在强化复杂工具调用、多轮任务执行及代码生成等能力。官方评测显示，其性能已超越Minimax 2.7、DeepSeek V4 Flash等多个主流开源模型，在特定任务上接近更大规模的顶级闭源模型。 SkyClaw-v1.0的设计理念从“问答”转向“执行”，强调在长上下文和真实工具环境中持续完成完整工作流。它可兼容OpenClaw、Hermes等多种主流Agent框架，适用于开发交互式应用、游戏或研究报告等完整产品。凭借低于部分竞品一半的定价，该模型旨在降低高性能Agent能力的规模化应用门槛，推动AI从生成答案向交付成果的范式转变。 #昆仑万维 #天工AI #SkyClaw #大模型 #AI #Agent #科技新闻 #开源模型
昆仑万维旗下天工AI正式推出高性能Agent模型SkyClaw-v1.0及其轻量化版本。该模型核心亮点在于支持百万token级上下文窗口，并针对智能体工作场景进行了深度优化，旨在强化复杂工具调用、多轮任务执行及代码生成等能力。官方评测显示，其性能已超越Minimax 2.7、DeepSeek V4 Flash等多个主流开源模型，在特定任务上接近更大规模的顶级闭源模型。 SkyClaw-v1.0的设计理念从“问答”转向“执行”，强调在长上下文和真实工具环境中持续完成完整工作流。它可兼容OpenClaw、Hermes等多种主流Agent框架，适用于开发交互式应用、游戏或研究报告等完整产品。凭借低于部分竞品一半的定价，该模型旨在降低高性能Agent能力的规模化应用门槛，推动AI从生成答案向交付成果的范式转变。 #昆仑万维 #天工AI #SkyClaw #大模型 #AI #Agent #科技新闻 #开源模型
医学AI智能体通过主动视觉推理实现突破，性能超越GPT
上海创智学院LeapQuest团队联合浙江大学、上海交通大学、复旦大学，在医学AI领域首次系统化提出“Think with Images/Videos”新范式，并开发了Ophiuchus和MedScope智能体。该范式解决了传统医学多模态模型被动接收视觉信息、易漏看病灶或误判的问题。通过让模型在推理过程中主动调用外部视觉工具（如精细分割、关键区域定位或视频截取），智能体能实时观察、验证并修正判断，使视觉证据成为思考的一部分。实验显示，其7B参数模型Ophiuchus在多个视觉问答基准测试中平均得分达68.0，超越了OpenAI o3、GPT-5等更大模型。MedScope则进一步将这一范式扩展到长视频分析，通过模拟临床医生的观察方式，增强了证据链的可审查性。这项研究为医学AI提供了更可靠、可解释的推理机制，推动了从“生成解释”到“证据驱动推理”的范式转向。 #医学AI #人工智能 #多模态模型 #视觉推理 #ICML #机器学习 #科技新闻 #智能体 #计算机视觉
上海创智学院LeapQuest团队联合浙江大学、上海交通大学、复旦大学，在医学AI领域首次系统化提出“Think with Images/Videos”新范式，并开发了Ophiuchus和MedScope智能体。该范式解决了传统医学多模态模型被动接收视觉信息、易漏看病灶或误判的问题。通过让模型在推理过程中主动调用外部视觉工具（如精细分割、关键区域定位或视频截取），智能体能实时观察、验证并修正判断，使视觉证据成为思考的一部分。实验显示，其7B参数模型Ophiuchus在多个视觉问答基准测试中平均得分达68.0，超越了OpenAI o3、GPT-5等更大模型。MedScope则进一步将这一范式扩展到长视频分析，通过模拟临床医生的观察方式，增强了证据链的可审查性。这项研究为医学AI提供了更可靠、可解释的推理机制，推动了从“生成解释”到“证据驱动推理”的范式转向。 #医学AI #人工智能 #多模态模型 #视觉推理 #ICML #机器学习 #科技新闻 #智能体 #计算机视觉
代理式 AI 飞轮
开发者 Aurimas Griciūnas 提出了代理式 AI 系统的“飞轮”生命周期模型，强调系统优化应从预生产阶段转向利用真实生产数据进行持续迭代。他指出，传统的初始评估集往往无法覆盖所有生产中的故障模式，有效的做法是将用户反馈、流量数据、错误信号转化为系统的输入，形成一个“发布、观察、诊断、改进、再发布”的循环飞轮，从而让模型在实战中不断学习并修复问题。 该模型将系统生命周期分为两阶段。预生产阶段包括问题定义、概念验证和设定性能指标，目标是构建一个可初步上线的原型。此后进入核心的持续循环阶段，每一次循环都通过分析实际生产流量来发现新的故障，并针对这些故障编写新的评估测试，最终发布一个能通过所有历史评估的新版本。作者认为，这种基于生产反馈的飞轮机制，是代理式 AI 系统实现长期可靠性的关键。 #AI #机器学习 #LLM #AI工程 #数据工程 #技术观点 #人工智能
开发者 Aurimas Griciūnas 提出了代理式 AI 系统的“飞轮”生命周期模型，强调系统优化应从预生产阶段转向利用真实生产数据进行持续迭代。他指出，传统的初始评估集往往无法覆盖所有生产中的故障模式，有效的做法是将用户反馈、流量数据、错误信号转化为系统的输入，形成一个“发布、观察、诊断、改进、再发布”的循环飞轮，从而让模型在实战中不断学习并修复问题。 该模型将系统生命周期分为两阶段。预生产阶段包括问题定义、概念验证和设定性能指标，目标是构建一个可初步上线的原型。此后进入核心的持续循环阶段，每一次循环都通过分析实际生产流量来发现新的故障，并针对这些故障编写新的评估测试，最终发布一个能通过所有历史评估的新版本。作者认为，这种基于生产反馈的飞轮机制，是代理式 AI 系统实现长期可靠性的关键。 #AI #机器学习 #LLM #AI工程 #数据工程 #技术观点 #人工智能