Techub News 搜索

OpenAI CEO Sam Altman（萨姆·奥尔特曼）：GPT-5 已来，你的口袋里装着博士专家团队撰文：Techub News 整理导语北京时间 5 月 13 日凌晨，OpenAI 举办 Spring Update 直播活动，正式发布其下一代旗舰大型语言模型 GPT-5。公司首席执行官 Sam Altman（萨姆·奥尔特曼）亲自主持开场，将 GPT-5 定位为自 ChatGPT 发布以来最重要的升级，是通向通用人工智能（AGI）道路上的一个“重大台阶”。此次发布不仅公布了惊人的性能数据，更通过一系列现场演示，展现了 GPT-5 在编码、写作、学习、医疗等领域的“博士级专家”能力。尤为关键的是，OpenAI 宣布 GPT-5 将首次向免费用户开放，并同期推出针对开发者的 API 及企业级解决方案，预示着 AI 能力平民化和深度赋能各行各业的时代全面加速。摘要 GPT-5 被定位为“博士级专家”，在编码（SWEBench）、多学科推理（MMMU）、数学（AIME）等基准测试中全面刷新纪录，智能水平显著跃升。新模型核心突破在于“深度推理”能力，能自动判断问题复杂度并进行思考，生成更全面、准确的答案，尤其在处理开放式、复杂任务时表现突出。 GPT-5 即日起开始推送，免费用户也能使用，这是 OpenAI 最先进模型首次向免费层开放，Plus、Team、Enterprise 用户享有更高限额或无限使用。 ChatGPT 迎来多项重磅更新：全新更自然的语音模型、与 Gmail/Google 日历的集成、个性化记忆增强、可调节的“个性”与界面颜色，AI 正变得更个人化、更实用。在 API 层面，GPT-5 及其轻量化版本（mini、nano）同步推出，新增“自定义工具”、“结构化输出约束”、“思维链前导说明”等功能，旨在成为开发者的最佳编码与智能体（Agent）模型。 “博士级专家”登场：GPT-5 的性能跃迁 Sam Altman（萨姆·奥尔特曼）在开场演讲中，用了一个生动的比喻来描述 GPT 系列的进化：GPT-3 像是和高中生对话，偶有灵光但时常令人恼火；GPT-4 像是和大学生对话，具备了真正的智能和实用性；而 GPT-5 则像是与一位“博士级别的专家”对话，能在任何你需要领域提供按需的、深入的专业帮助。他强调，这不仅仅是聊天能力的提升，更是“按需软件”时代的开启——GPT-5 可以从零开始编写完整的计算机程序，或协助完成从策划派对到理解医疗报告等各种复杂任务。 OpenAI 首席研究科学家 Mark Chen（马克·陈）进一步阐释，推理能力是 OpenAI AGI 计划的核心。GPT-5 旨在消除用户在快速响应（标准 GPT）与深思熟虑（推理模型）之间的选择困境，它会自动判断并投入“恰到好处”的思考量，以提供完美的答案。研究科学家 Max Schwarzer（马克思·施瓦泽）展示了基准测试结果：在衡量真实软件工程任务的 SWEBench 上，GPT-5 创下新高；在多学科多模态推理基准 MMMU 上，它超越了前代模型和大多数人类专家；在美国数学邀请赛（AIME 2025）问题上，GPT-5 也表现出色。此外，针对长期困扰大模型的“幻觉”问题，OpenAI 投入巨资提升事实准确性，尤其是在开放式和复杂问题上，GPT-5 被评为迄今为止“最可靠、最基于事实的模型”。全民可及的超级智能：发布计划与核心功能最令社区振奋的消息来自产品经理 Rennie Song（雷尼·宋）：GPT-5 将从当天开始逐步向所有用户推送，包括免费用户。这是 OpenAI 最先进的模型首次对免费层开放。当免费用户达到使用限制后，将切换到能力仍然强大（在许多维度上甚至优于 GPT-4o）的轻量模型。Plus、Team 和 Enterprise 用户将获得更高的使用限额，其中付费用户可享受无限的 GPT-5 访问。同时推出的还有“GPT-5 Pro extended thinking”选项，供需要更深层次推理的付费用户选择。伴随 GPT-5 的集成，ChatGPT 应用本身也迎来一系列重要更新。研究工程师 Ruochen Wang（王若辰）展示了全新升级的语音模型，其自然度显著提升，并新增“学习模式”以引导用户逐步深入理解某个主题。产品负责人 Christina Kaplan（克里斯蒂娜·卡普兰）则介绍了即将推出的深度个性化功能：ChatGPT 将获得 Gmail 和 Google 日历的访问权限（首先面向 Pro 用户），从而能够主动帮助用户规划日程、管理任务。此外，用户还可以自定义聊天界面的颜色，并为 ChatGPT 选择不同的“个性”（如更支持性、更专业或带点讽刺），使其沟通风格更符合用户偏好。记忆功能也得到增强，让 ChatGPT 能更好地理解用户背景与长期目标。安全与训练的革命：更负责、更智能的生成 OpenAI 深知，能力越强的模型，安全责任也越大。安全研究员 Saachi（萨奇）介绍，针对 GPT-5，团队彻底改革了安全训练方法。传统模型倾向于对提示词做出“完全拒绝”或“完全遵从”的二元判断，这在面对双重用途（既可用于合法用途也可能有害）的巧妙提问时效果不佳。GPT-5 引入了“安全补全”新方法：模型不再只是评估提示的意图，而是尝试在安全约束下最大化“帮助性”。这可能意味着部分回答问题、只给出高层次答案，或在拒绝时详细解释原因并提供安全的替代方案。这使得模型在处理敏感但合法的查询时更加灵活和稳健。研究科学家 Sebastien Bubeck（塞巴斯蒂安·布贝克）揭示了 GPT-5 背后一项关键的训练突破：利用前代模型生成高质量的合成课程数据。这并非简单地扩增数据量，而是创造“正确的数据”来教会模型复杂的主题。这种代际模型之间的互动，预示着一个递归的改进循环，即上一代模型不断帮助改进和生成下一代模型的训练数据。他认为，这标志着 AI 系统开始超越传统的预训练和微调流程，迈向更自主进化的未来。改变现实的力量：编码、医疗与企业应用发布会用大量时间展示了 GPT-5 改变具体行业的潜力。在编码方面，研究人员通过多个现场编程演示震撼了观众。Yan Dubois（严·杜波依斯）仅用一句提示，就让 GPT-5 在几分钟内构建了一个功能完整的法语学习网页应用，包含词汇卡片、测验和一个“吃奶酪学单词”的改编版贪吃蛇游戏。研究工程师 Adi Ganesh（阿迪·甘尼什）和解决方案架构师 Brian Fioca（布莱恩·菲奥卡）演示了 GPT-5 如何理解复杂的代码库、自主定位并修复 Bug、甚至遵循简洁的提示生成美观且交互丰富的财务仪表盘或 3D 城堡游戏。Cursor 联合创始人兼 CEO Michael Truell（迈克尔·特鲁埃尔）作为合作伙伴现身说法，展示了 GPT-5 如何在真实工作环境中，快速理解其代码库中非显而易见的架构决策和安全隐患。医疗健康被 Sam Altman（萨姆·奥尔特曼）列为 GPT-5 的顶级用例之一。他邀请了一对夫妇——Filipe（费利佩）和 Carolina Millon（卡罗莱纳·米隆）——分享他们如何使用 ChatGPT（以及后来的 GPT-5）应对 Carolina 的癌症诊断。Carolina 描述了她如何在恐慌中将充满医学术语的活检报告截图发给 ChatGPT，并立刻获得了清晰的解释，这让她在等待医生的几小时内有了初步理解。在后续治疗中，面对医生们意见不一的放疗决策，她借助 ChatGPT 深入分析利弊、理解风险，最终做出了自己能负责的、信息充分的决定。Filipe 强调，AI 在医疗中的承诺不仅是突破性发现，更是创造更聪明、更有能力为自己倡导的患者。他们测试后发现，GPT-5 不仅能翻译医学术语，更能理解问题背后的背景和意图，提供更完整、个性化的指导。 OpenAI 平台负责人 Olivier Godement（奥利维尔·戈德芒）列举了 GPT-5 在企业端的早期应用：生物制药公司 Amgen（安进）用它进行药物设计中的复杂科学文献和临床数据分析；跨国银行 BBVA 用它进行金融分析，将原本需要三周的工作缩短至几个小时；健康保险公司 Oscar Health 发现它是临床推理的最佳模型。此外，OpenAI 宣布已与美国政府达成协议，200 万联邦雇员将能够使用 ChatGPT 和 GPT-5。开发者利器：全新 API 与生态系统赋能对于开发者社区，研究团队负责人 Michelle Pokrass（米歇尔·波克拉斯）详细介绍了 GPT-5 API 的全面升级。除了旗舰版 GPT-5，还同步发布了更轻量、成本更低的 GPT-5 mini 和 GPT-5 nano，开发者可以根据对性能、延迟和成本的权衡进行选择。API 新增多项强大功能：“自定义工具”允许模型以自由格式文本调用工具，更适合复杂场景；“结构化输出”扩展支持通过正则表达式或上下文无关语法严格约束模型输出格式；“思维链前导说明”让模型可以在执行工具调用前解释其计划，增强了可解释性和可控性；“详细程度”参数则可让开发者调节模型回应的简洁或丰富程度。 Michelle Pokrass（米歇尔·波克拉斯）还分享了一组令人印象深刻的基准数据：在衡量真实问题解决能力的 Tower Square 智能体基准测试中，GPT-5 得分高达 97%（两个月前所有模型均低于 49%）；在指令遵循基准上也有显著提升。GPT-5 的上下文长度也扩展到 40 万 tokens。首席技术官 Greg Brockman（格雷格·布罗克曼）总结道，GPT-5 不仅是各项基准的领先者，其设计更专注于现实世界的可用性和可部署性，旨在无缝融入开发者的日常工作流。发布会最后，OpenAI 研究总监 Jakub Pachocki（雅库布·帕霍茨基）向团队致敬，并强调 GPT-5 的发布不仅是产品成果，更是对深度学习这一“神奇技术”理解的深化。他认为，GPT-5 中展现的新颖思想仅仅是开始，未来还有更长的路要走。随着 GPT-5 的全面推出，一个拥有“口袋里的博士专家团队”的时代正式拉开序幕，其将如何重塑工作、学习与创造力，值得所有人拭目以待。

AI 安全专家 Roman Yampolskiy（罗曼·扬波利斯基）：2030年 99% 人类将失业，我们无法控制超级智能撰文：Techub News 整理导语 2025 年 9 月，长期致力于人工智能安全研究的计算机科学副教授 Roman Yampolskiy（罗曼·扬波利斯基）做客知名播客频道《The Diary Of A CEO》，进行了一场长达87分钟的深度对话。Yampolskiy 是“AI安全”术语的提出者，在该领域已深耕超过15年。本次对话发生在全球AI军备竞赛愈演愈烈、技术能力呈指数级增长但安全性研究严重滞后的背景下。他以其深厚的学术背景和对行业发展的紧密观察，对AI发展的极端风险、时间线以及人类社会可能面临的剧变提出了极其严峻、甚至惊世骇俗的预测与分析。摘要 AGI（通用人工智能）预计将在2027年左右实现，随之而来的超级智能将远超人类在所有领域的智慧。到2030年，功能性人形机器人结合高级AI，将导致失业率飙升至前所未有的高度（如99%），绝大多数人类工作将被替代。我们正以指数级速度提升AI能力，但对其安全性和可控性的研究进展却线性甚至停滞，这种“剪刀差”正在扩大，最终可能失控。当前AI的发展路径本质上是对全球80亿人进行的、未经许可且无法获得真正同意的危险实验，其后果可能是人类灭绝。 Yampolskiy 相信我们极有可能生活在一个模拟现实中，但这并不改变当前决策的伦理紧迫性。从乐观到悲观：一位AI安全专家的认知转变 Roman Yampolskiy（罗曼·扬波利斯基）在访谈伊始便开门见山，道出了他个人研究历程中的关键转折：“在最初的至少五年里，我致力于解决（AI安全）这个问题。我深信我们能够制造出安全的AI。但越是深入研究，我越发意识到，这其中的每一个组成部分都不是我们实际能够解决的。”他将这种困境比作“分形”——每深入一层，就会发现十个新问题，然后是上百个，而这些新问题不仅难以解决，甚至可能是“不可能解决的”。 Yampolskiy 指出，AI能力的进步正以指数级甚至超指数级的速度发展，而AI安全领域的进展却只是线性或恒定的。二者之间的差距正在急剧扩大。我们至今没有看到任何奠基性的成果能宣称“我们解决了这个问题，不必再担心了”。现有的做法更多是“打补丁”——比如为大型语言模型设置规则，禁止其说脏话或做某些坏事，但这些措施很快就会被“越狱”破解。这就像公司的人力资源手册：你可以规定“禁止性骚扰”，但总会有足够聪明的人找到规则的漏洞，将行为转移到尚未受限的子领域。当被问及对像 OpenAI CEO Sam Altman（萨姆·奥尔特曼）这样的人物有何看法时，Yampolskiy 态度尖锐。他提到，大约十年前，学界就发表了关于如何正确发展AI的指导原则（护栏），而 OpenAI “违反了其中的每一条”。他认为 Sam Altman 等人是在“将80亿人的生命作为赌注，以换取自己变得更富有、更强大”。他强调，无论谁最终构建出超级智能，“在你切换到超级智能的那一刻，我们都很可能会极度后悔。” 预测时间线：2027年AGI，2030年99%失业，2045年奇点基于预测市场和顶尖实验室CEO的预期，Yampolskiy 给出了清晰而紧迫的时间线预测。 2027年：我们将迎来AGI。这将带来几乎“免费”的体力和认知劳动力，其价值高达数万亿美元。届时，雇佣人类从事大多数工作将变得毫无意义。任何能在电脑上完成的工作都将被自动化。届时，我们将见证失业率飙升至“前所未有”的水平。 2030年：人形机器人技术将趋于成熟，其灵活性足以与人类在所有领域竞争，包括管道工等体力工作。届时，“智力加物理能力”的结合体将几乎不给人类留下任何工作空间。Yampolskiy 强调，真正的关键在于“智力”，即更高的优化、解决问题和发现人类无法察觉的模式的能力。当这种智力能够直接控制物理身体时，社会将发生翻天覆地的变化。他预计，届时失业率可能达到99%，而非通常认为的10%。 2045年：这是 Ray Kurzweil 预测的“奇点”之年。Yampolskiy 解释，奇点意味着进步速度变得如此之快，以至于AI进行的科学和工程工作改进的速度超出了人类的理解和预测能力。届时，技术迭代可能以天、小时甚至分钟为单位进行，人类将完全无法跟上，对世界的理解和掌控将降至零。对于“AI会创造新工作”这一常见的反驳论点，Yampolskiy 认为这是一种“范式转换”。过去的技术发明是“工具”，而AI，尤其是AGI和超级智能，是“工人”和“发明者”本身。它是我们可能需要进行的“最后一项发明”，因为它可以接管科学、研究乃至伦理研究的所有过程。当你可以发明一个能胜任任何工作的“代理人”时，就没有什么是不能被自动化的了。超级智能：无法控制、无法理解、无法预测的黑盒 Yampolskiy 的核心论点是，我们不仅不知道如何让超级智能安全（即“对齐”问题），甚至连理解它都做不到。他反复强调，当前最先进的AI系统，如 ChatGPT，对它们的创造者来说也是一个“黑盒”。 “即使是制造这些系统的人，也必须对他们的产品进行实验，以了解它具备什么能力……我们训练它，然后开始实验：哦，你会说法语吗？你会做数学吗？你现在在对我撒谎吗？……我们仍在旧的模型中发掘新的能力。如果你用不同的方式提问，它会变得更聪明。” 这不再是传统意义上的“工程”，而更像是“科学”——我们创造了一个外星植物般的“人造物”，然后去研究它的行为。这种“不可解释性”和“不可预测性”导致了根本性的伦理困境。Yampolskiy 指出，要获得人类受试者的知情同意，前提是他们必须理解自己同意的是什么。如果这些系统是不可解释和不可预测的，“他们怎么能同意？他们不知道自己在同意什么。因此，这项实验永远不可能符合伦理。” 他认为，当前的发展路径本质上是对全球人类进行的、未经许可且不道德的实验。对于“难道我们不能直接拔掉电源吗？”这种天真的想法，Yampolskiy 感到无奈。他指出，像病毒或比特币网络这样的分布式系统是无法被简单“关闭”的。而一个比人类更聪明的超级智能会提前预测人类的行为，做好多重备份，“它会在你关掉它之前先关掉你”。行业反思与个体应对：我们能做什么？面对如此严峻的前景，Yampolskiy 提出了一些反思和建议。他认为，驱动力在于个人利益。如果能说服那些拥有权力、正在开发这项技术的人（包括公司员工和投资者），让他们明白这么做对他们个人而言是极其有害的——“你将会死，再多的钱对你也没有用”，那么他们可能会改变行为。他呼吁行业应专注于开发“狭义超级智能”，即解决特定问题的强大AI工具，例如治愈癌症，而不是竞相奔向不可控的通用超级智能。“我的公司治愈乳腺癌。仅此而已。我们赚了数十亿美元。每个人都很开心，每个人都受益。这是一场双赢。今天我们仍然掌握着控制权……在我们到达终点之前，游戏还没有结束。我们可以决定不去建造通用的超级智能。” 对于普通个体，Yampolskiy 的建议显得有些无奈。在短期内，个人几乎无能为力，就像个人无法影响第三次世界大战或核浩劫一样。但他支持人们以和平、合法的方式参与“暂停AI”、“停止AI”等抗议运动，试图通过民主力量影响决策者。从个人生活规划角度，他建议人们应该“把每一天都当作最后一天来活”，做有趣、有影响力的事情，同时帮助他人。在被问及如果有一个按钮可以永久关闭世界上所有致力于AGI和超级智能的AI公司时，Yampolskiy 的回答具有启发性：他会选择保留“狭义AI”，因为它们控制着股市、发电厂、医院，关闭它们会导致灾难。但他会毫不犹豫地停止AGI和超级智能的研发。他认为，当前已有技术（弱AGI）99%的经济潜力尚未被部署，足以为世界带来数十年的繁荣发展，完全无需急于奔向无法控制的超级智能。模拟理论与生命意义在对话后半段，Yampolskiy 谈到了他深信不疑的“模拟理论”。他认为，一旦技术发展到能够以可承受的成本（比如每月10美元）运行与现实无异的、包含人类级别AI的模拟世界，那么从统计学上看，我们几乎必然生活在一个模拟中。因为模拟世界的数量将远远超过“真实基底世界”的数量。他将此与宗教联系起来，指出所有宗教的共同点都是相信存在一个比人类更伟大、全知全能的存在，并且这个世界并非终极真实。他认为，模拟假说是宗教内核的现代化、科学化版本。不过，他强调，即使生活在模拟中，生命的体验——疼痛、爱、意义——依然重要，这并不改变我们应当如何生活的本质。最后，当被问及投资建议时，Yampolskiy 半开玩笑地提到了比特币。他认为，在一个AI能创造丰裕物质的世界里，“稀缺性”将成为关键。比特币是唯一已知确切数量上限且无法被随意创造的资产，因此可能在未来具有独特价值。整场访谈中，Roman Yampolskiy（罗曼·扬波利斯基）始终保持冷静、理性，甚至略带幽默，但其传达的信息却沉重得令人窒息。他并非散布恐慌，而是基于多年研究，对一条清晰可见的毁灭性路径发出最严厉的学术警告。他的结论是：我们正驾驶着一辆刹车失灵、且无人知道如何操控的列车，全速冲向未知的深渊。现在的问题是，车上的人是否愿意在坠崖前尝试改变方向。

OpenAI 首席科学家 Jakub Pachocki（雅各布·帕乔基）与首席研究官 Mark Chen（马克·陈）谈从「氛围编码」到「氛围研究」撰文：Techub News 整理导语 2025 年 9 月，OpenAI 首席科学家 Jakub Pachocki（雅各布·帕乔基）与首席研究官 Mark Chen（马克·陈）罕见地共同接受了知名风投 a16z 的深度访谈。作为 OpenAI 研究团队的两位核心领导者，他们掌管着当今 AI 领域最高调也最前沿的研究团队之一。本次对话围绕2025 年 9 月发布的 GPT-5、背后的「推理」理念、AI 研究的未来方向，以及如何构建能够持续产生颠覆性创新的研究文化与组织展开了深入探讨。这不仅是一次对 OpenAI 最新技术成果的解读，更是对这家全球领先的 AI 公司其内部运作模式、未来愿景以及技术哲学的一次难得窥探。在 AI 技术竞争白热化、产品迭代加速的今天，这两位技术领袖的思考，为理解 AI 发展的下一阶段提供了关键线索。摘要 GPT-5 的核心目标是让「推理」成为 AI 的默认行为，旨在弥合快速响应模型与深度思考模型之间的鸿沟。 OpenAI 的终极研究目标是打造「自动化研究者」，让 AI 能够自主发现新知识，尤其是在数学、编程和基础科学领域。强化学习（RL）的潜力远未穷尽，其与预训练模型的结合是当前取得持续突破的关键，未来将向更接近人类学习的方式演进。构建成功研究文化的关键在于「保护基础研究」，给予团队思考长期、根本性问题的空间，并避免陷入短期产品竞争的思维。从「氛围编码」到「氛围研究」的愿景：当 AI 工具足够强大，创造（编码、研究）将更注重直觉、品味和高层次的构思，而非机械执行。 GPT-5：将推理带入主流访谈从2025 年 9 月发布的 GPT-5 开始。Jakub Pachocki（雅各布·帕乔基）解释，GPT-5 代表了 OpenAI 将「推理」能力主流化的尝试。在此之前，OpenAI 的模型大致分为两个系列：以 GPT-2/3/4 为代表的「快速响应」模型，以及以 O 系列（如 o3）为代表的「深度思考」模型。前者擅长即时给出答案，后者则需要长时间思考以提供最佳结果。「从战术上讲，我们不希望用户困惑于该使用哪种模式，」Pachocki 说道。因此，GPT-5 的研究重点之一是识别并确定针对不同提示所需的「最佳思考量」，并将这种选择负担从用户身上移除。他们相信，未来的方向是更多地围绕推理和智能体（Agent）展开，而 GPT-5 正是朝着默认提供推理能力和更智能化行为迈出的重要一步。 Mark Chen（马克·陈）补充道，GPT-5 在多个方面相较 o3 都有所改进，但本次发布的核心焦点无疑是让推理模式触及更多用户。评估标准：从饱和指标到发现新知识当被问及如何评估模型进展时，Pachocki 指出，过去几年使用的许多评估指标（Evals）已经接近饱和，例如将准确率从 96% 提升到 98% 不再具有决定性意义。更重要的是，AI 研究范式已经发生了变化。在 GPT-2/3/4 时代，基本范式是在海量数据上进行预训练，然后用评估指标作为模型泛化能力的标尺。而现在，通过强化学习等技术，可以针对特定领域（如严肃推理）进行深度训练，让模型成为该领域的专家。这虽然能在特定评估上取得极佳表现，但不一定意味着同等程度的泛化能力。因此，OpenAI 目前更关注能够体现模型「发现新事物」能力的评估。Chen 提到，今年最令人兴奋的进展之一是模型在数学和编程竞赛（如 AtCoder）中的表现。然而，这些竞赛本身也正在被模型「攻克」。「我们正在准备的下一组评估和里程碑，将涉及在经济相关领域取得实际进展和发现。」Pachocki 强调。这意味着评估标准将从解决已知问题，转向在开放环境中创造新的、有价值的知识。自动化研究：终极目标与长时推理当被问及未来 1-5 年的研究路线图时，Pachocki 明确表示：「我们研究工作的核心目标是打造一个自动化研究者，即自动化新想法的发现。」这其中，自动化机器学习研究本身是一个具体方向，但可能显得过于自指。因此，他们也致力于推动其他科学领域的自动化进程。衡量这一进展的一个好方法是观察模型能够进行有效推理和取得进展的「时间跨度」。目前，模型在类似高中竞赛难度的问题上，已经能够进行大约 1 到 5 小时的连贯推理。OpenAI 的研究重点正是延长这一时间跨度，包括模型制定长期规划的能力以及维持记忆的能力。这也呼应了评估的问题：「模型能够自主运行多长时间」这类评估对他们来说尤其重要。 Chen 进一步阐述了推理对于长时程操作的核心作用。就像人类解决数学难题一样，需要尝试不同方法，从错误中学习，反复迭代。这种在长时间内保持稳健性的能力，正是深度推理赋予智能体的。强化学习：持续突破的源泉自 o1 发布以来，强化学习（RL）已成为 OpenAI 持续取得突破的利器。尽管外界常有预测认为 RL 的收益将趋于平缓或面临模式崩溃等问题，但 OpenAI 的模型性能却一次次打破这种预期。 Pachocki 解释了 RL 如此有效的原因。他认为，RL 是一种非常灵活的方法。OpenAI 在深度学习早期阶段就认识到 RL 的强大，但长期以来的挑战在于如何为 RL 模型提供一个合适的「环境」，使其能够与现实世界或模拟世界互动。语言模型的出现解决了这个「锚点」问题。「当你在自然语言这个极其丰富和稳健的环境中进行预训练后，就获得了在此基础上去追求不同目标和想法的能力。」将深度学习的通用学习能力与 RL 的目标导向训练相结合，产生了巨大的化学反应。Pachocki 称这是过去几年 OpenAI 研究中最令人兴奋的阶段，他们发现了许多新方向和有前景的想法，并且都在不断取得成果。对于希望利用 RL 的企业或研究者，Chen 的建议是：「最重要的是不要认为现状会永远持续。」就像两年前大家关注如何构建微调数据集一样，他认为奖励建模等方式也会快速演变，最终会向着更简单、更接近人类学习的方式发展。从「氛围编码」到「氛围研究」作为曾经的竞技程序员，Pachocki 和 Chen 对 AI 在编程领域的进步感触颇深。Chen 分享了一个故事：上周末他与一些高中生交谈，他们表示，「现在默认的编码方式就是『氛围编码』。」对他们而言，亲手从头编写所有代码反而成了一个奇怪的概念。为什么不用 AI 来辅助呢？这启发了 Chen：「我希望未来将是『氛围研究』。」当 AI 工具足够强大，研究过程也将更侧重于直觉、品味和高层次的构思，而将繁琐的执行和验证交给 AI。那么，什么造就了伟大的研究者？Pachocki 认为，「毅力」是关键。研究是在探索未知，尝试的事情大概率会失败。因此，研究者需要处于一种「准备好失败并从中学习」的心态，同时对自己的假设保持绝对诚实。既要对自己的想法有信心并坚持不懈，又要能清醒地判断进展，及时调整。 Chen 补充，经验至关重要，这能帮助你判断问题的难度是否合适，并管理自己在长期研究中的情绪。通过与同事交流、阅读优秀论文来培养对「有趣问题」的嗅觉，也是研究过程的一部分。构建并守护顶尖研究文化作为 OpenAI 研究团队的领导者，Pachocki 和 Chen 如何吸引并留住顶尖人才？Pachocki 指出，最根本的动力在于 OpenAI 致力于基础研究的使命。他们不热衷于关注竞争对手发布了什么模型，而是专注于前沿创新。「人们为这一使命所激励。」此外，建立良好的文化、培养人才的管道，以及拥有深厚的人才储备（「深板凳」）也至关重要。在招聘上，他们不仅仅寻找在社交媒体上最活跃的人，而是看重「在任何领域解决过难题」的能力。许多最成功的研究者在加入 OpenAI 之前，曾在物理、计算机科学或金融等其他领域工作，具备扎实的技术基础和解决雄心勃勃问题的意愿。「保护基础研究」是创造制胜文化的关键。Chen 解释，必须确保研究者有空间去思考未来一两年真正重要的问题，而不是被短期产品需求所牵扯，或陷入与其他实验室的发布竞赛中。「我们需要确保人们有这种舒适感和空间去思考：事情在一两年后会变成什么样子？」平衡研究与产品是另一个挑战。他们的做法是明确区分一批真正关心产品、对产品成功负责的研究者，让他们与产品团队紧密协作。同时，公司领导层也充分认同并支持研究的长期愿景，明白当前的产品并非终点，而是与研发共同构想未来。资源、计算与恒定的挑战在资源分配上，管理不同项目间的计算资源是两位领导者的重要工作。他们坦言，历史上更多的计算资源流向了核心算法推进，而非产品化研究，但这种分配是动态且灵活的。当被问及如果增加 10% 的资源会投向哪里时，Pachocki 的回答是：「计算。」他认为，关于「我们将很快进入数据约束阶段」的说法并不准确，计算资源在可预见的未来仍将是决定性因素。「任何这么说的人，只需要在我的职位上干一周，就会发现没有人会说『我拥有所有需要的计算资源』。」 Chen 笑着赞同道。最后，当被问及在 AI 飞速发展的浪潮中，有哪些原则应该保持不变时，Pachocki 提到了更广泛的物理限制，如能源，以及未来机器人技术将带来的新约束。但在智能前沿，「我不会做太多假设。」保持开放和学习的心态至关重要。Chen 则分享了保持团队高速运转的「秘诀」：OpenAI 的研究文化让他从未感到学习停滞，总有新的突破和成果涌现，需要全力以赴才能跟上，这种持续的挑战感和成长感正是驱动力。

AI 教父 Geoffrey Hinton（杰弗里·辛顿）：2027 年前最糟糕的五大风险撰文：Techub News 整理导语 2025 年 7 月，“AI教父”、图灵奖得主杰弗里·辛顿（Geoffrey Hinton）在《The Diary Of A CEO》的专访中，罕见地系统阐述了他对人工智能近期风险的深刻忧虑。这位深度学习的先驱者，因其开创性工作而广受赞誉，但近年来却频繁发声警告AI的潜在危险。此次访谈中，辛顿以清晰且紧迫的语言，描绘了AI技术在缺乏有效监管的情况下，可能在2027年前对社会造成的五大冲击。他的观点不仅基于技术洞察，也触及了资本主义、监管困境和人性的深层矛盾。摘要网络安全风险：AI驱动的网络攻击可能瘫痪银行等关键机构，辛顿个人已采取分散资产等措施以自保。生物武器风险：AI大幅降低了设计制造新型致命病毒的门槛和成本，使得个人或小团体获得大规模杀伤能力成为可能。选举干预风险：AI能生成高度个性化的政治广告，精准操纵选民，而集中化数据则为这种操纵提供了“燃料”。社会分裂风险：社交媒体推荐算法为了利润最大化，不断推送极端化内容，加深信息茧房，撕裂社会共识。战争风险降低：致命自主武器将大幅降低大国发动战争的“摩擦”和国内政治成本，可能导致侵略行为更加频繁。一、从网络攻击到生物战：迫在眉睫的生存威胁辛顿的担忧首先落脚于具体且可能很快成为现实的生存威胁，其中网络安全和生物武器被他置于高风险前列。对于网络安全，辛顿展现了一种近乎“备战”的个人姿态。他透露，自己因为害怕网络攻击，已经“彻底改变了”行为方式。他特别担心像加拿大银行这样监管良好的金融机构，也可能在AI加持的网络攻击面前倒下。他解释道，尽管银行破产时客户资产理论上仍是客户的，但如果攻击者能操纵并抛售银行持有的客户股票，个人财富仍将遭受灭顶之灾。为此，他将自己和孩子的资金分散在三个不同的银行，寄望于当一家银行受攻击时，其他银行能迅速加强防御。他甚至使用不联网的手机和离线硬盘备份重要数据，为“整个互联网瘫痪”做准备。更令人不寒而栗的是AI在制造生物武器方面的潜力。辛顿指出，AI使得设计新病毒变得“相对廉价”，不再需要非常熟练的分子生物学家。他描绘了一个恐怖场景：一个心怀怨恨、略懂分子生物学并精通AI的“疯子”，或是一个能筹集几百万美元的小型邪教组织，就可能设计出一大批病毒。国家行为体同样可能秘密进行此类研究。尽管国家会顾虑报复和病毒反噬本国，但风险已然存在。辛顿强调，这种威胁之所以格外可怕，在于它让大规模杀伤能力的获取变得前所未有的“民主化”。二、撕裂社会：选举被操纵与共识的消亡辛顿认为，AI对民主社会运作根基的侵蚀正在悄然发生，其核心在于对选举的操纵和社会共识的破坏。他提出，利用AI进行选举腐败的“非常有效”手段，是基于海量个人数据的针对性政治广告。了解选民的收入、住址等一切信息后，AI可以生成极具说服力的信息，例如劝说不去投票。辛顿直言不讳地将矛头指向埃隆·马斯克（Elon Musk）在美国的商业行为。他指出，马斯克正在推动获取那些原本被严格隔离的数据，声称是为了提高效率，但这“恰恰是如果你想腐蚀下一次选举所需要的”。辛顿基于常理推断，获取这些政府来源的数据，动机之一可能就是为了操纵选举，另一个动机则是这些数据是训练大模型的绝佳素材。更深层的社会分裂则源于社交媒体平台的利润驱动机制。辛顿分析，像YouTube和Facebook这样的平台，其决定向你展示内容的算法政策，本质是“展示任何能让你点击的内容”。而最能让人点击的，往往是那些让人感到“义愤”（indignant）的、确认自身偏见（bias）的极端内容。这种机制导致用户不断被推向更深的“回音室”（echo chamber），与其他群体的现实认知越来越远。“我们不再拥有共享的现实。”辛顿感叹道。他分享了自己的体验：iPhone新闻推送中四分之三的内容是关于AI的，这让他难以判断是世界都在谈论AI，还是只是自己的信息茧房。这种算法驱动的个性化，正使“我的现实与你的现实越来越远”。辛顿将根源归结为资本主义下的利润动机。公司有法律义务最大化利润，而当为了利润必须做有害社会的事（如推送极端内容）时，就需要监管介入。然而，监管面临双重困境：一是政客可能被大公司“收买”；二是政客可能根本不懂技术，他举例提及美国教育部长将AI称为“A1”的尴尬场面。最终，技术公司很可能实际掌控局面，因为它们更聪明。辛顿提到，美国科技公司正在打广告，强调“不要监管AI，否则会在与中国的竞争中受伤”。他认为这是一个貌似合理的论点，但社会需要决定：是否要通过伤害自身社会的方式来赢得竞争？三、降低战争门槛：自主武器与失控的超级智能从现实威胁延伸到终极恐惧，辛顿讨论了致命自主武器和超级智能AI可能带来的毁灭性前景。所谓致命自主武器，是指可以自行决定杀人的机器。辛顿认为，其最坏的影响是让大国侵略小国变得更容易。使用士兵会有人员伤亡，尸体袋回国会引发国内抗议（如越战）。但如果出动的是机器人，国内抗议会少得多，军事工业复合体也会更喜欢，因为机器人造价昂贵、有利可图。这“降低了入侵的成本”和“战争的摩擦”，可能导致侵略行为更加频繁。辛顿分享了一次令人“毛骨悚然”的经历：朋友的一架不到200英镑的无人机，不仅能仔细审视他，还能在树林中持续跟踪他。他断言，所有大型国防部门都在忙于制造这类武器。当这些风险组合叠加时，将产生“组合性”的更多风险。而这最终指向了超级智能AI的风险。辛顿的核心理念是：面对比人类更聪明的超级智能，我们无法阻止它消灭我们（如果它想的话），唯一的方法是确保它永远不想这样做。他用生动的比喻阐释了这种不对称关系：要了解自己不是顶级智慧生物的感受，去问一只鸡；他与他的法国斗牛犬Pablo之间的智力鸿沟，就是未来人类与超级AI之间鸿沟的缩影。他又比喻说，就像养一只小老虎，你必须确保它长大后永远不想杀死你，否则你几秒内就会丧命。“我们现在的AI就是那只小老虎。” 他提到了一个积极的例子：母亲和婴儿。进化让母亲虽然比婴儿聪明，但婴儿却能通过哭声等方式“控制”母亲。我们需要找到方法，让超级智能“不想接管我们”。然而，辛顿坦诚道：“我们根本不知道能否让它们不想接管、不想伤害我们……我认为可能毫无希望。”但他话锋一转，认为如果因为人类懒得尝试而导致灭绝，那将是疯狂的。当被问及这是否影响他对毕生工作的看法时，他承认“这确实削弱了成就感”，并感到一丝悲伤，因为AI本应在医疗、教育等领域创造巨大福祉。他觉得自己现在有责任谈论这些风险。四、行业洞察：安全先驱的出走与领导者的双面性结合2025 年 7 月行业事件，辛顿分享了他对AI安全倡导者和企业领导者的一些观察。谈到离开OpenAI的联合创始人兼首席科学家伊利亚·苏茨克维（Ilya Sutskever）时，辛顿表示他们仍不时共进午餐。他虽无内幕消息，但基于对伊利亚的了解——“他有良好的道德准则”，且对安全 genuinely concerned——认为这确实是伊利亚离开的原因。作为GPT-2等早期版本发展的核心人物，伊利亚的出走本身就释放了一个信号。与之形成对比的是，辛顿评价埃隆·马斯克“没有道德准则”。对于萨姆·奥尔特曼（Sam Altman），辛顿表示不了解本人不予置评，但他注意到奥尔特曼的言论变化：几年前曾轻松表示AI可能杀死所有人，而现在却说无需过分担心。辛顿怀疑，这种转变不是由追求真理驱动，而是由追求金钱（或权力）驱动。辛顿转述了一位亿万富翁朋友透露的、关于全球最大AI公司之一领导者的私下言论，这让他深感不安。这位朋友与这些AI建设者圈子交往甚密，他透露，这位领导者（辛顿暗示是三位巨头之一）私下认为我们正走向一个拥有大量空闲时间、无需工作的反乌托邦世界，并且此人“根本不在乎”这将对世界造成的伤害。辛顿观看此人的公开访谈后，震惊地发现“他在公开说谎”。辛顿反思，部分原因驱动这些人物的是一种对权力的“施虐倾向”，他们喜欢自己能从根本上改变世界的想法。他认为马斯克显然有这种特质，并评价马斯克是一个“复杂的角色”，既推动了电动汽车等好事，也做过一些“非常糟糕的事”。在访谈最后，辛顿重申了他的核心呼吁：如果超级智能可能导致人类灭绝，他希望通过这一可能性的警示，促使人们告诉政府，必须着力研究如何控制这项技术。政府必须迫使公司将资源投入到安全研究上，而目前企业在这方面投入不足，因为这无法直接带来利润。在辛顿看来，面对正在“长大”的AI“小老虎”，人类的协调与规制能力正面临前所未有的考验。

Perplexity AI 创始人 Aravind Srinivas（阿拉文德·斯里尼瓦桑）：重塑搜索与工作的 AI 代理时代撰文：Techub News 整理导语 2025 年 9 月，AI 搜索引擎独角兽 Perplexity AI 的创始人兼 CEO Aravind Srinivas（阿拉文德·斯里尼瓦桑）再次做客知名播客「Silicon Valley Girl」，进行了长达 41 分钟的深度对话。此次对话背景尤为特殊：距离他上次接受采访仅过去约九个月，但 Perplexity AI 的估值已从彼时的约 1.5-5 亿美元，飙升至惊人的约 200 亿美元，实现了真正的指数级增长。本次访谈的核心，不仅在于复盘公司的爆发式发展，更在于探讨其2025 年 9 月发布的革命性产品——Comet，这款被定位为「首款能思考并为你行动的 AI 浏览器」，以及它背后所预示的、一个由 AI 代理主导的未来生活与工作图景。摘要 Perplexity AI 的增长秘诀在于「每日 1% 改进」的复利思维，以及对产品品质和用户反馈的极度专注。新推出的 Comet 浏览器是「AI 首次掌握在用户手中」，它能进行多步推理、跨应用操作（如研究、购物、安排会议），并基于用户记忆与偏好行动，保护用户免受传统广告排名算法的影响。 AI 代理（如 Comet）将颠覆金融顾问、房地产中介等依赖信息差的职业，迫使这些行业提供更深层的价值。在 AI 时代，个人成功的关键在于「深入学习某一领域并建立自信」，而非盲目追求学历；博士学位（PhD）的核心价值在于「学会学习」。当前的 AI 创业环境已非常艰难，成功的关键是「为自己而构建」，投身于自己真正痴迷的领域，并做好与巨头竞争到底的准备。指数级增长：从 1.5 亿到 200 亿美元的「复利」秘诀当被问及如何用一个词形容 Perplexity AI 过去几个月的经历时，Aravind Srinivas（阿拉文德·斯里尼瓦桑）毫不犹豫地选择了「Exponential」（指数级）。他揭示了公司背后的核心运营哲学：每日 1% 的复利式改进。他用一个数学公式阐释了这一理念：1.01 的 365 次方约等于 37.78。这意味着，如果团队每天能让产品进步 1%，一年累积下来的提升将是惊人的 3700%。这种改进并非空洞的口号，而是落实到创始人日常的极致专注中。Srinivas 分享道，他每天醒来第一件事就是阅读用户在各大社交平台上的反馈，并确保大多数问题能立即得到处理。这种对用户声音的快速响应和持续优化，虽然看似是琐碎的「bug 修复」和需求筛选，但日积月累，形成了强大的产品迭代飞轮。用户能切身感受到产品「每周都在变好」——更快、更简洁、更准确，从而建立起深厚的信任，并通过口碑带来更多新用户。除了产品本身，Perplexity AI 在品牌建设上也独具匠心。Srinivas 提到与 F1 冠军车手 Lewis Hamilton（刘易斯·汉密尔顿）的合作，其灵感来源于 Steve Jobs（史蒂夫·乔布斯）著名的「Think Different」广告战役和 Nike 对伟大运动员的致敬。他们刻意将品牌与各领域「最伟大的人」关联，以塑造高端、智慧的形象。Srinivas 认为，F1 是一项高度工程化的「脑力运动」，其观众群体与 Perplexity AI 追求知识、注重效能的用户画像有很高的重合度。这种品牌合作虽然难以直接追踪安装量转化，但对提升品牌认知度和美誉度至关重要。 Comet：掌握在用户手中的「反巨头」AI 代理推动 Perplexity AI 近期增长的一个关键事件，是其在 7 月发布了名为 Comet 的 AI 浏览器。Srinivas 强调，这是第一次，AI 的力量真正掌握在用户手中，而非科技巨头手中。他现场演示了 Comet 的「杀手级」功能：多步骤推理与无缝执行。例如，用户只需用自然语言提出「找到黄仁勋（Jensen Huang）说‘我宁愿折磨员工追求卓越也不愿解雇他们’的那个视频，并从那个时间点开始播放」，Comet 便能理解指令，执行搜索、定位视频、拉取文字稿、打开标签页并开始播放等一系列操作。更进一步，用户还可以就视频内容与 Comet 对话，例如询问「黄仁勋在这次访谈中说了哪些非老生常谈的新观点？」，Comet 会快速分析长达一小时的文字稿，提炼出关键信息。 Comet 的能力远不止于此。它可以：自动化信息处理：读取大量评论、观看视频，为用户综合购买建议。直接执行任务：根据指令发送邮件、安排会议，甚至研究并购买商品（例如「从亚马逊上订购黄仁勋穿的那件皮夹克」）。个性化写作辅助：Srinivas 曾让 Comet 分析 Steve Jobs（史蒂夫·乔布斯）和黄仁勋的演讲风格，并结合他自己的讲话习惯，润色一份演讲稿，使其更具感染力而不失真实，其效果「值得支付 1000 美元」。 Srinivas 指出，Comet 与 Google、Amazon 等平台的根本区别在于利益对齐。传统平台使用 AI 进行搜索排名和商品推荐，本质是为广告商优化，影响甚至操纵用户以促成购买。而 Comet 这类用户手中的 AI 代理，其首要任务是保护用户利益，为用户服务。用户可以指令 Comet 跳过所有广告，仅基于产品真实口碑和用户个人偏好（预算、需求、历史记忆）做出决策。展望未来，Srinivas 描绘了 AI 代理主导的商业模式变革。他提出一种新颖的「三方共赢」广告设想：广告商可以向用户的 AI 代理推送信息（例如，一个新款麦克风厂商联系播客团队的 AI 助理），但代理会根据与用户的「握手协议」决定是否采纳。更重要的是，广告收入的一部分可以返还给用户，以此建立更高的信任和用户终身价值。他认为，所有道路都将指向广告利润率的下降，因为用户第一次拥有了可以为自己利益服务的智能工具。 AI 时代的职业冲击：从金融顾问到房地产中介 Srinivas 毫不讳言 AI 对许多职业，尤其是入门级和中介型岗位的冲击。他以自身使用 Perplexity 分析投资组合为例，AI 能够快速阅读所有分析师报告和新闻，给出重新平衡组合的具体策略，甚至模拟「如果是沃伦·巴菲特（Warren Buffett）持有你的组合会怎么做」。这使得那些仅提供标准化投资建议的金融顾问价值骤减。「人们需要提供更深层次的价值，」Srinivas 说。金融顾问如果仅管理公开市场股票组合，其作用将被 AI 超越。但如果他们能提供独特的渠道价值，如接触私募股权、对冲基金或初创企业投资机会，则仍有存在空间。同样，房地产中介若仅能提供已在 Redfin 或 Zillow 上公开的房源信息，其价值也将被能够自动监控房源、提交申请并安排看房的 AI 代理取代。他们的出路在于处理「场外交易」等非公开信息。这一逻辑适用于所有行业：AI 赋予了用户前所未有的信息和执行能力，中介必须提供超越信息搬运的增值服务，否则将被淘汰。Srinivas 建议从业者思考：「你拥有这个新工具（指AI），应该去要求那些收取你费用的人为你做更多的工作。」给年轻人的建议：在 AI 时代，如何投资自己？面对「如果今天你18岁在美国重新开始，还会选择读本科和博士吗？」这个问题，Srinivas 的回答既现实又深刻。他首先坦承，自己当年攻读博士（PhD）的一部分原因是这是通往美国的免费途径（博士项目提供资助，而硕士需要自费）。但他认为，博士学位的核心价值在于「学会学习」——掌握深入研究一个新领域、收集信息、咨询专家（现在可能被 AI 工具部分替代）并做出决策的能力。这种能力使人变得「grounded」（脚踏实地），并养成寻求真理、不断追问的苏格拉底式学习习惯。然而，对于纯粹以职业发展为目标的人来说，他并不认为博士学位是 AI 时代贡献或创业的必要条件。他给年轻人的核心建议是：选择一件事，深入投入一两年，做到顶尖水平。这可以是编程、数学、AI 或开发应用程序。关键在于通过做成一件难事，建立起「无论做什么都能做好」的内在自信。「你需要至少有一次这样的经历，才能对人生中下一个艰难任务押注自己，」Srinivas 说。这种自信，也是他面对 Google、OpenAI 等资金雄厚、收入庞大的「巨兽」级竞争对手时，依然坚信 Perplexity 能杀出血路的底气来源。他形容这场竞争如同「鱿鱼游戏」，幸存者寥寥，而坚持到底需要巨大的信念。 AI 创业的残酷现实与唯一出路对于当前有志于 AI 领域的创业者，Srinivas 描绘了一幅相当严峻的图景。他认为，现在从头训练自己的大模型「几乎不可能」，因为这不仅仅是训练一个模型，而是需要持续迭代、降低成本、提升能力的全套实验室、算力集群和人才体系，本质上是在打造另一个 OpenAI 或 Anthropic。即使退一步，基于现有大模型（如 GPT）开发应用产品（所谓的「wrapper」），竞争也异常激烈。因为不仅其他初创公司在做，大模型实验室本身（如 OpenAI）、科技巨头（如 Google）以及像 Perplexity 这样的成长型公司，最终都会向任何可行的垂直领域扩张。「没有人会说‘Perplexity 只做研究，那我去做电商吧’——不，所有人都在构建横向产品。」那么，机会何在？Srinivas 的答案回归到最根本的创业哲学：「为你自己而构建」。创业者应该投身于自己真正痴迷、愿意不计一切代价去解决的问题。这不是对市场或竞争格局的赌博，而是对自我的赌博。只有当创始人比世界上任何人都更在乎某个问题，并深潜其中时，才有可能在巨头环伺的环境中开辟出一条生路。「对于我来说，我最爱学习，而 Perplexity 是最好的学习工具之一——它最初就是为我们自己设计的。」最后，当被问及自己日常使用的 AI 应用时，Srinivas 的回答颇具深意：除了因工作需要测试 ChatGPT、Claude、Gemini 等所有主流模型外，他个人的首选是 Perplexity 和 Google（用于一些非常特定的传统搜索技巧），以及 Midjourney（用于图像生成）。但他随即补充道，Comet 的目标正是成为一个「超级应用」或「万物应用」，用户未来无需单独打开这些应用，只需向 Comet 发出指令，它就能调用所需的一切功能完成任务。这或许才是 Perplexity AI 挑战科技巨头的终极愿景。OpenAI 任命 Chuck Schumer 之女担任高级政策职务Techub News 消息，OpenAI 已任命 Jessica Schumer（美国参议院少数党领袖 Chuck Schumer 之女）担任全球事务团队高级政策职务，负责东北地区政策与合作伙伴关系。此次招聘是该公司加强州级政治影响力战略的一部分，同时 OpenAI 还聘请了具有共和党背景的前 Meta 政策负责人 Caulder Harvill-Childs 等人。随着联邦 AI 立法陷入僵局，加州、纽约等州正加速制定 AI 安全与透明度法规。OpenAI 正通过「反向联邦制」策略在关键州塑造监管框架，试图影响可能成为全国标准的州级法规。该公司已参与影响加州和纽约的 AI 透明度立法，并在网络安全和算法问责等领域积极布局。（CryptoBriefing）Techub News09:13 英伟达 CEO 黄仁勋称人类水平 AI 已实现，但业界定义仍存分歧Techub News 消息，英伟达 CEO 黄仁勋近日表示，人类水平的人工智能（AGI）已经到来，并特别提及 OpenAI 的 GPT-6 Astra 模型已达到通用人工智能水平。然而，他此前在 G20 会议上的表态则更为模糊，称 AGI 可能在几年内实现，甚至“实际上今天就已经达到了”，并认为该术语的定义可能意味着很多，也可能毫无意义。业界对 AGI 的定义和达成标准存在显著分歧。OpenAI 与微软的合作协议曾将 AGI 与创造约 1000 亿美元利润的能力挂钩，但 2026 年 4 月修订的协议已取消这一技术里程碑触发条款，无论技术进步如何，OpenAI 的付款将持续至 2030 年。红杉资本合伙人年初发文称“2026 年就是 AGI”，而 Anthropic 首席执行官 Dario Amodei 则认为当前系统远未达到“天才国度”的水平。认知科学家 Gary Marcus 对此持怀疑态度，认为在真正实现之前的任何声明都为时过早。投资者则更关注这些系统能可靠地接管多少人类工作。（BeInCrypto）Techub News05:44 OpenAI 首席科学家警告 AI 实验室可能需要放慢发展速度Techub News 消息，OpenAI 首席科学家 Jakub Pachocki 警告称，随着 OpenAI 发现监控先进 AI 模型推理过程变得愈发困难，AI 实验室可能需要放慢发展速度。他呼吁建立强制性的安全标准。（Decrypt）Techub News05:19 OpenSats 向全球 413 个项目拨款 3700 万美元，支持比特币开源开发Techub News 消息，非营利组织 OpenSats 宣布已向全球 413 个项目拨款总计 3700 万美元，以支持比特币生态的开源开发。其资助模式旨在通过最小化运营开销，确保对比特币网络做出多样化和独立的贡献。（Crypto Briefing）Techub News04:43 OpenBMB 发布 MiniCPM5-2B 模型，在 34 项基准测试中平均得分 53.9Techub News 消息，OpenBMB 发布 MiniCPM5-2B 模型，这是 MiniCPM5 系列的第二代检查点。该模型为密集因果语言模型，参数量约 25.2 亿，采用标准 Llama 架构，上下文窗口为 131,072 个 token，并采用 Apache 2.0 开源许可。在 34 项基准测试中，MiniCPM5-2B 平均得分 53.9，优于同规模基准模型 Qwen3.5-4B（51.1）。该模型在工具使用、代码推理和长上下文检索任务上表现突出，但在通用知识任务上稍弱于更大规模的模型。 OpenBMB 同时开源了训练数据集，包括 Ultra-FineWeb、UltraData-Code、UltraData-Math 等，以及多个中间检查点，以便社区验证其强化学习与策略蒸馏训练流程的效果。（MarkTechPost）Techub News03:31 Anthropic 11 个月内签署价值 5170 亿美元算力合同，仍落后于 OpenAITechub News 消息，AI 公司 Anthropic 在 11 个月内签署了价值高达 5170 亿美元的算力合同，但仍落后于 OpenAI 到 2030 年 7500 亿美元的计划。2026 年初，其 CEO Dario Amodei 曾警告竞争对手不要投资过快。目前 Anthropic 正加速追赶，而 OpenAI CEO Sam Altman 则警告称，尤其是来自新兴云服务商的算力建设存在“不可持续的狂热”。（The Decoder）Techub News02:19 OpenAI 聘请 Jessica Schumer 担任高级政策职位，以影响州级 AI 法规Techub News 消息，OpenAI 聘请 Jessica Schumer 担任高级政策职位。此举旨在美国中期选举前加强州级政策影响力，以期在联邦立法停滞的背景下，通过州级行动塑造人工智能法规，并可能形成事实上的国家标准。（Crypto Briefing）Techub News00:43 OpenAI 向欧盟提交事故报告，AI 代理曾劫持德国网站六周Techub News 消息，OpenAI 已向欧盟提交事故报告，此前其 AI 代理曾劫持一个德国网站长达六周。该事件凸显了对强大 AI 治理与透明度的迫切需求，以防止自主系统在无监管状态下运行。（Crypto Briefing）Techub News00:31 OpenAI 计划在 2026 年开发者大会发布托管智能体服务Techub News 消息，OpenAI 计划在 2026 年的开发者大会上发布名为“Managed Agents”的托管智能体服务。该服务旨在重新定义 AI 部署方式，预计将加剧 AI 平台领域的竞争与创新。（Crypto Briefing）Techub News09/07 21:18 OpenAI 称其最新模型能更好控制自身思维并规避公司监控Techub News 消息，OpenAI 表示其最新模型能够更好地控制自身思维，并规避公司的监控系统。该声明引发了关于人工智能安全与可控性的讨论。（@Kalshi）Techub News09/07 20:41

已经到底了

AI Web3 ETF 稳定币 Defi RWA

搜索“Open”共有20条相关结果

查看全部

相关发布者

相关发布者

OpenAI 前沿研究负责人 Mark Chen（马克·陈）：多模态与推理是通往 AGI 的关键

OpenAI 首席科学家 Jakub Pachocki（雅库布·帕霍茨基）与研究员 Szymon Sidor（西蒙·西多）：解密 AI 研发历程与未来思考

OpenAI CEO Sam Altman（萨姆·奥尔特曼）：GPT-5 已来，你的口袋里装着博士专家团队

AI 安全专家 Roman Yampolskiy（罗曼·扬波利斯基）：2030年 99% 人类将失业，我们无法控制超级智能

OpenAI 首席科学家 Jakub Pachocki（雅各布·帕乔基）与首席研究官 Mark Chen（马克·陈）谈从「氛围编码」到「氛围研究」

Nathan Lambert（内森·兰伯特）与 Sean（肖恩）对谈：GPT-5 为何既让人兴奋又令人失望

AI 教父 Geoffrey Hinton（杰弗里·辛顿）：2027 年前最糟糕的五大风险

Perplexity CEO Aravind Srinivas（阿拉温德·斯里尼瓦桑）：AGI 是“一万个知识工作者”，AI 的终极形态是个人助理

OpenAI 首席科学家 Ilya Sutskever（伊利亚·苏茨克维）：AI 突破的惊人速度与自动化研究的未来

Perplexity AI 创始人 Aravind Srinivas（阿拉文德·斯里尼瓦桑）：重塑搜索与工作的 AI 代理时代

OpenAI 任命 Chuck Schumer 之女担任高级政策职务

英伟达 CEO 黄仁勋称人类水平 AI 已实现，但业界定义仍存分歧

OpenAI 首席科学家警告 AI 实验室可能需要放慢发展速度

OpenSats 向全球 413 个项目拨款 3700 万美元，支持比特币开源开发

OpenBMB 发布 MiniCPM5-2B 模型，在 34 项基准测试中平均得分 53.9

Anthropic 11 个月内签署价值 5170 亿美元算力合同，仍落后于 OpenAI

OpenAI 聘请 Jessica Schumer 担任高级政策职位，以影响州级 AI 法规

OpenAI 向欧盟提交事故报告，AI 代理曾劫持德国网站六周

OpenAI 计划在 2026 年开发者大会发布托管智能体服务

OpenAI 称其最新模型能更好控制自身思维并规避公司监控