标签： Claude

Inertia-1：对统一运动基础模型的开放探索

Yang AI Lab 发布了 Inertia-1，一个试图统一运动感知领域的基础模型。它通过在大规模加速度数据上自监督预训练，使得一个模型能直接适配不同身体位置、传感器类型和任务，无需为每个场景单独训练。

中国AI公司正在发布能力接近美国顶尖闭源模型、但成本更低的开源模型，且全球开发者生态正在向中国模型倾斜。随着模型本身的技术壁垒消失，美国公司靠“锁死”技术赚钱的策略正在失效。

OpenAI 在最近推出的 GPT-5.6 模型系列中，提供了细粒度的“推理努力”设置，让用户可以在低、中、高三种推理强度之间选择。这不是一个修修补补的小功能，而是“推理模型”从学术实验走向产品化、可配置化的关键一步。

上周，月之暗面（Moonshot Labs）和阿里巴巴分别发布了接近 Anthropic 顶级模型性能的开源模型 Kimi K3 和 Qwen 3.8。这证明开源模型已能触及前沿水平，对依赖模型性能差异化收费的闭源厂商（尤其是 Anthropic）构成实质性商业威胁。

计算机科学家 Jaron Lanier 在《纽约客》撰文指出，当前被广泛称为“人工智能”的技术——包括 GPT-4 等大模型——本质上是一种创新的社会协作工具，而非真正独立的智能体；这种误解可能导致技术被错误管理，甚至带来风险。

Hacker News 上的一篇讨论提出，当主流模型能力已“足够好”，推理成本将成为决定性因素。专用芯片（ASIC）上的小模型能以极高速度覆盖多数企业需求，而高端前沿模型的商业地位可能被颠覆——这是对“大模型军备竞赛”逻辑的根本性质疑。

知名计算机科学家、虚拟现实先驱杰伦·拉尼尔在 Hacker News 上引发了一场讨论，核心观点是：当前的大语言模型并非真正的自主智能，而是执行 JSON 输出脚本的“小程序”。这场争论反映了业界对“AI”一词滥用、以及对真正通用人工智能（AGI）期望落差的持续反思。

Hacker News 上一则引发热议的帖子和评论指出，美国 AI 巨头依赖封闭、专有的模型策略，而中国开源大模型正在被硅谷创业公司和部分成熟企业悄然采用，这一趋势可能动摇美国在 AI 领域的传统优势。

NVIDIA 发布了第六代 NVLink 互连技术，定位为“AI 工厂”专用的扩展网络（Scale-up Network），旨在解决大模型训练和推理中 GPU 间高带宽、低延迟通信瓶颈，实测可提升混合专家模型（MoE）推理吞吐量至 2.3 倍于普通以太网。

据Axios报道，特朗普政府自2025年起通过制裁、安全警告和行政令等多种手段，逐步限制美国公司使用中国AI模型。这种做法并非一纸禁令，而是通过“软压力”和监管风险，让企业因担忧合规成本而主动回避中国模型，形成事实上的慢动作封锁。