Amazon 在得克萨斯州的新 AI 数据中心将产生大量空气污染
Amazon 正在得克萨斯州 Pecos County 为 AI 数据中心建设天然气发电厂，预计年排放约 3300 万吨二氧化碳，可能成为美国单体排放最大的电厂之一，与其 2019 年签署的气候承诺形成鲜明对比。
标签： ChatGPT
OpenAI 宣布加强安全控制，暂停新 AI 模型 Astra 的部分工作
OpenAI 本周五宣布，安全评估显示
AI 代码烂得离谱
一段标题为「AI 代码烂得离谱」的视频在 Hacker News 上引发讨论，它把矛头指向 AI 编程工具在实际工程中的代码质量，再次点燃了关于 AI 写代码到底是提效还是添乱的争论。
🎉 重磅！赛博菩萨 Cloudflare 这次直接掀桌子了！ Cloudflare 开源了 computer 库，彻底终结了给 Agent 专门配置 VPS 的繁琐历史，免 VPS、免 Docker、免Sandbox，直接在 Cloudflare Workers 里运行！ 产品定位： 它是专为 AI Agent 打造的边缘端基础设施，以前想让 AI 智能体干复杂的活，你得给它买 VPS、配 Docker 沙箱，每月账单贵得吓人。现在…
Cloudflare 开源了名为 computer 的库，让 AI Agent 可以直接运行在 Workers 边缘云上，不需要自购 VPS、配置 Docker 或第三方沙箱。这相当于把 Agent 的“执行环境”变成了一项默认的云基础设施能力。
谷歌投资部门，公布了最新持仓，看看 $GOOGL 的投资眼光：👇 1. SpaceX $SPCX 最大持仓，持有$941亿，占仓位的95%！ 主要看中的是星链，谷歌自己也在搞高空上网，目标就是让更多人能上网，用谷歌搜索、看YouTube、用广告，投SpaceX等于直接借力 2. 星球实验室 Planet Labs $PL 每天拍摄地球影像的卫星巨头，数据被农业、气候、国防广泛使用，谷歌需要海量真实世界数据训练AI，双方业务高度互补。…
谷歌投资部门披露最新持仓，重仓押注卫星通信、AI基础设施和生物医药，投资逻辑更像是围绕自身业务做战略布局，而非单纯的财务投资。
已严肃学习😠 我要使用开放人工智能公司的大语言模型生成式预训练变换器-5.6太阳消耗更多的词元 https://t.co/Se4yxo1mac
博主 @l93374231 发帖调侃称“要使用 OpenAI 的 GPT-5.6 Sun 消耗更多 token”，这并非官方发布，而是一条讽刺 AI 命名与 token 计费文化的网络帖文。
应用板块细分龙头上市公司💥 AI应用板块可按通用大模型、办公/企业服务、营销/传媒、金融、医疗、教育、安防、工业、智能体等细分领域进行龙头梳理： 🧠 通用大模型平台（AI应用底座） · 科大讯飞（002230）：星火大模型国内第一梯队，教育/医疗/政务/车载多场景规模化落地 · 昆仑万维（300418）：天工大模型，全球化布局，海外AI工具+多模态生成 · 三六零（601360）：360智脑，政企安全+安全智能体，2025年政企安全订…
一份在社交平台流传的AI应用板块龙头梳理，按通用大模型、办公、营销、金融、医疗、教育、安防、工业、智能体等九大细分赛道，列出了科大讯飞、金山办公、蓝色光标、同花顺等近30家A/H股代表性公司及其核心业务数据，为观察国内AI商业化落地格局提供了一个快速参照系。
AI造出了自然界不存在的病毒,这消息比任何科幻片都让人坐不住。斯坦福和Arc Institute那帮人,拿了噬菌体的真实基因组当模板,塞给两个大语言模型,模型一口气吐出了上千个全新基因组。研究人员挑了几百个去化学合成,最后16个活了下来,能杀大肠杆菌,连那些已经对原始噬菌体产生耐药性的菌株也照杀不误。 技术上这是里程碑,但真正让人后背发凉的是另一层。抗生素耐药菌一年在美国干掉三万五千人,两百八十万例感染,这个痛点是真的,用AI设计噬菌…
斯坦福大学与 Arc Institute 的研究者用大语言模型生成上千个自然界不存在的噬菌体基因组，并从中筛选出 16 个能杀死耐药大肠杆菌的活体噬菌体；这是生成式 AI 第一次端到端“写”出有功能的病毒基因组，也让生物安全成为大模型治理绕不开的议题。
卧槽，Codex 可以使用你的 iPhone！📲 介绍一下：phone-harness > 像人类一样自动化任何 iOS 应用 > 原生 iPhone 控制 → 无需 API，无需越狱 > 连接一次，随时控制 只需一个提示即可设置。 立即开搞👇 https://t.co/blldXh9yzm 这个和 @airtap_ai 相比，只能本地运行。 Airtap 是直接给 AI Agent 配了一台长期在线、已经登录各种 App 的安卓手机…
开源工具 phone-harness 让 AI 通过 Codex 在本地直接操作 iPhone 屏幕，不用 API、不用越狱；相比 Airtap 这类云端安卓方案，它更像“把手机交给 AI”，门槛更低，但权限和隐私风险也更直接。
总有一种感觉，自回归不应该继续作为大模型推理的主要计算范式。 现在的 LLM 虽然内部有复杂的隐状态计算，但在推理阶段，主要还是依赖逐 token 生成来推进计算。这种方式天然串行，而且已经生成的 token 会成为后续计算的固定上下文，难以直接回滚或整体修正，也会把“内部推理”和“语言表达”过度耦合。 我更看好一种方向：模型在 latent space 中持续维护、更新和修正内部状态，把大部分推理计算留在隐空间里，允许反复迭代甚至并…
AI 从业者 @SakumiXvX 公开发文质疑自回归作为大模型主要推理范式的合理性，认为未来模型应在隐空间中完成大部分推理、最后再生成语言。这一观点触及大模型推理效率与架构演进的深层争议，值得关注。