长期观察 Web3 与 AI 的创作者 @Lincoln_daoyan 在 X 平台提出，AI 与 Crypto 的真正交集不在“AI 发币”或“用 AI 炒币”，而在 AI 大规模创造价值后，如何用区块链重新定义价值归属——这件事可能是未来十年持续被讨论的底层问题。
OpenAI 前 COO、特别项目负责人 Brad Lightcap 在任职八年后宣布离职，成为 OpenAI 近几个月内又一位离开的高管。这家正处于上市准备期和商业化转型关键阶段的 AI 公司，核心管理层的持续变动值得关注。
华尔街正酝酿为AI热潮筹集约5000亿美元资金，英伟达是这轮融资图景中的关键角色。这意味着资本市场开始把AI算力当作类似铁路、电网一样的长期基础设施来投资。
Redwood Research 首席科学家 Ryan Greenblatt 在播客中论证，人类级 AI 出现后可能在一两年内通过“递归自我改进”跃升为超级智能，他的中位数预测是 2031 年实现 AI 研发自动化。这场辩论把 AI 风险的核心争论从“能否实现”拉到了“如何对齐”。
Google Research 与 DeepMind 在真实模拟问诊中，首次展示了医疗 AI 系统 AMIE 的实时临床视频咨询能力；诊断准确率和沟通质量获得临床评估者认可，但距离实际诊疗落地仍有距离。
台风“海豚”登陆中国前夕，国产AI气象大模型提前五天将登陆时间和地点误差控制在30分钟、30公里内。中国正把AI天气预报从科研竞赛升级为国家级基础设施，与西方顶尖模型的差距正在肉眼可见地缩小。
Cua 团队发现苹果 macOS 虚拟机中的虚拟 GPU 向应用上报了过于保守的 Metal 图形能力，导致 llama.cpp 在虚拟机里只能走慢速代码路径；他们用一个进程级兼容层修正能力报告后，LLM 推理速度提升 11–16 倍，接近物理机水平。
TechRadar 刊文提出判断 AI 技术栈控制权的五个问题。核心观点是：一家公司能下载模型、在自己的云上运行，并不等于真正掌控 AI 系统；从模型来源、依赖组件到法律合同和退出机制，每一步都需要可验证的能力，否则所谓“自主可控”只是假设。
由前 DeepMind、Apple、OpenAI 和 Meta 员工创立的 AI 公司 Trajectory，完成 4000 万美元融资，估值达 3 亿美元，专注“持续学习”模型方向。值得注意的是，这并非又一家做大模型的明星创业公司，而是瞄准了当前 AI 模型“训练完就固定”的短板。
NVIDIA 发布 Nemotron 3.5 Lightning，一个面向长时间运行 AI Agent 的轻量级开源模型（30B 参数、3B 活跃参数），专注工具调用、结果验证等高吞吐执行任务，用低成本换取高速度，同时推出 NeMo Switchyard 路由库，让不同任务自动分发给最合适的模型。