《纽约时报》记者 David Streitfeld 梳理了 Anthropic CEO Dario Amodei 围绕 AI 安全与伦理的系列文章，指出其监管立场从年初的警惕转向接受安全审查，这套论述正好解释了外界对 AI 的部分恐惧来源。
华为轮值董事长徐直军公开表示，中国 AI 研究者应当“加快开发速度”，以便更早“看到 AI 的危险”，这与美国部分人士呼吁放缓 AI 发展的立场形成鲜明对比。
Apple Watch Series 12 与 Ultra 4 的评测出炉：外观变化不大，主要升级集中在新配色与材质、重构的健康传感系统、S11 芯片，以及尚未完全落地的 AI 功能。这意味着苹果在可穿戴上的迭代节奏，正从硬件换代转向健康数据与 AI 能力的长期铺垫。
美国国务院前特使表示，中美 AI 安全对话不会谈出一份突破性条约，因为北京当前更看重自身在 AI 领域的战略优势。这意味着短期内很难出现类似军控协议式的硬约束。
《纽约客》记者 Joshua Rothman 公开自己的 P(doom) 约为 10%，即认为 AI 导致人类灭绝级灾难的概率约一成；这场讨论因 Anthropic 研究员 Jacob Coxon 辞职而再度升温，但 AI 领袖们其实已警告多年。
一个名为 mysetup.ai 的新社区在 Hacker News 上发起“分享你的 AI Setup”征集，试图把散落在 X（原 Twitter）上的个人 AI 工具链、Agent 配置和工作流集中展示，让开发者互相参考“别人到底怎么用 AI”。
一位开发者花约 9 美元用 Gemini 训练出一个能替代自己的小模型，并把全过程写成公开日志，但 Hacker News 上的讨论焦点并不在省钱，而在于：用大模型产出的“真实数字”和结论，究竟该被信任到什么程度。
一位开发者用 Gemini 3.1 Pro 花 9 美元标注了 4,290 条 Reddit 评论，再花约 24 分钟在一块 Tesla T4 上微调开源 NER 模型 GLiNER，得到 0.83 F1 的实体识别效果，成本约 0.0021 美元/条。这提供了一个"大模型当老师、小模型当学生"的低成本落地样…
英国国王查尔斯三世在2026年9月17日召集黄仁勋、Demis Hassabis、OpenAI CFO Sarah Friar等科技领袖，讨论AI风险；黄仁勋在会上公开呼吁对AI系统进行安全测试。
电网软件公司 Emerald AI 联合 Google、Nvidia、Anthropic 及多家电力公司成立 AI 能源管理联盟，想用"需求响应"软件让数据中心在用电高峰时主动降载，从而在不新建电厂的前提下接入约 100 吉瓦的额外算力容量。