科技反弹浪潮登上大银幕：2026 年多部硅谷批判电影集中上映
2026 年多部以硅谷科技创始人为原型的批判性电影集中上映，包括聚焦 Mark Zuckerberg 的《The Social Reckoning》、讲述 Elizabeth Holmes 的《You Can See Everything》、关于 Elon Musk 的 Gibney 纪录片，以及影射 Sam Altman 的《Artificial》。
全部科技动态
The Verge · AIAI 评分1818 AWS Machine Learning BlogAI 评分5858 AWS 提出 Trust in Depth：让智能体获得更多自主权而不失控
AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张在智能体行为可被验证时让它自主行动，把人工判断留给真正需要决策的环节。
The Verge · AIAI 评分4848 Benn Jordan 谈 Flock、隐私与新一轮监控反弹
音乐人兼调查记者 Benn Jordan 在 Decoder 播客中谈 Flock Safety 的自动车牌识别系统（ALPR），他已在参议院司法委员会小组听证会上作证。数百个地方政府已开始取消合同，Flock 正被共和党参议员 Josh Hawley 调查，并计划裁员约 18%。Jordan 认为问题核心是私营企业、政府与执法部门之间以保密优先于透明的勾连，而非单一公司。
TechCrunch · AIAI 评分2222 Cerebras CEO Andrew Feldman 在 TechCrunch Disrupt 2026 反驳 AI 末日论
Cerebras CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上反驳 AI 末日论，称部分 AI 领袖“或许不该被允许公开讲话”，认为行业忽视了 AI 的潜力。他主张 AI 领袖应多讲 AI 可能带来“孙辈将不再遇到死于癌症的人”这样的前景，同时承认强大技术必然伴随被坏人利用的风险，需理性监管。
The Verge · AIAI 评分2222 我用 AI 数字孪生决定每天吃什么：Twin Health 代谢孪生 100 天体验
The Verge 资深评测人 Victoria Song 用 Twin Health 的 AI 代谢数字孪生管理饮食 100 天，该系统依据智能体重秤、Dexcom G7 CGM、智能血压计和 Apple Watch 数据，用红橙绿三色预测食物对血糖的影响。
Simon WillisonAI 评分6060 AI 正在大规模反编译游戏，既令人兴奋也令人担忧
独立游戏开发者 Popcar 谈到近期 AI 驱动的游戏反编译浪潮，它让现有游戏之间出现奇怪的混搭，也带动了让老游戏在新硬件（常通过 WebAssembly 在浏览器中）上运行的游戏保存项目热潮。
TechCrunch · AIAI 评分2222 Cerebras CEO：人人拥有家用个人 AI 助手的未来已不远
Cerebras CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上表示，人人拥有家用 AI 设备的未来已不遥远，个人 AI 助手将本地运行，部分在设备端、部分回到云端。他称这类助手会深入了解用户、拥有安全边界，并能访问信用卡代为购物。Feldman 本人已用“一组智能体”管理日程、查询通话对象信息。
Latent SpaceAI 评分6767 Dyna Robotics 联创 Jason Ma 谈 Dyna-2 世界动作模型与机器人落地
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在访谈中介绍，公司上月发布的世界动作模型 Dyna-2 基于超过一百万小时人类视频预训练，并已推出物理机器人智能体 Dyna-2.1。
The DecoderAI 评分4848 Michael I. Jordan 批 AI 末日论是"宏大的道德表演"
机器学习先驱 Michael I. Jordan 在接受《Libération》采访时，将 AI 末日论和超级智能警告斥为科幻，称 AI 公司呼吁监管是"作秀"。他批评 Anthropic 研究员 Jacob Coxon 的辞职是"宏大的道德表演"，并点名 Geoffrey Hinton 的超级智能论证"没有一步可信"。他还认为数据中心巨额投资能否回本完全未知，企业用开放权重模型加本地知识即可。
MIT Technology Review · AIAI 评分3838 开放模型利大于弊吗？Anthropic 称 GLM-5.3 构成重大网络攻击风险
Anthropic 发布报告称，Z.ai 于 8 月发布的开源模型 GLM-5.3 可被任何人自由下载和修改，构成重大网络攻击风险。开放模型可下载、可重训、可微调，成本通常低于闭源模型，但安全与民主化之间存在权衡。目前 Artificial Analysis LLM 榜单前八名均为闭源模型，开源模型在开发进度上仅落后数月。
Latent SpaceAI 评分2828 为什么 AlphaFold 没有解决蛋白质折叠问题——对话 Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在对话中指出，AlphaFold 的突破只是开始，蛋白质折叠问题远未解决，静态结构预测无法覆盖蛋白质动态与无序性。
MIT Technology Review · AIAI 评分6262 MIT Technology Review：我们对 AI 说“不”的能力寄予了过多信任
MIT Technology Review 刊文指出，AI 的拒绝行为已成为安全体系的核心，但我们对它的信任可能过度。文章梳理了拒绝机制的训练过程与不确定性：模型通过微调学习拒绝有害提示，但拒绝依赖概率性判断，分类器叠加的“瑞士奶酪模型”仍存在漏洞，越狱攻击屡屡得手。
MIT Technology Review · AIAI 评分6262 MIT Technology Review：机器人 AI 突破短期内不会改变你的生活
MIT Technology Review 与 Aventine 合作的文章指出，尽管马斯克、黄仁勋等人预测人形机器人将迅速普及，但许多机器人研究者认为，基于语言和图像训练的 AI 难以应对物理世界的无限变化。
MIT Technology Review · AIAI 评分1818 AVEVA 如何为自主工业 AI 构建更安全的落地路径
AVEVA 首席技术专家 Arti Garg 提出，工业 AI 正从预测分析走向基础模型、physical AI 与 agentic AI，但因其直接作用于物理系统，需以安全、可靠和人类监督为前提推进。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville 谈 AI 评测与「意外失败」的启示
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统性能边界，以及模型超出传统 benchmark 测试时出现的「意外失败」。她结合自身从数学、物理、认知科学到计算机科学的经历，分享与当前 AI 系统协作的实用建议，并强调当结果偏离预期时应仔细审视数据。
MIT Technology Review · AIAI 评分1212 从预测分析到智能体 AI：企业决策的新前沿
企业 AI 的竞争焦点已从预测模型能否超越统计预测，转向如何让预测系统自主行动而不偏离业务意图。深度学习和生成式 AI 驱动的智能分析支持实时训练，使 AI 持续演进而非等待季度刷新，其数据来源也从规整的数值记录扩展到杂乱的非结构化交互数据。Everest Group 合伙人 Vishal Gupta 认为，"分析"一词正让位于 AI。
Import AIAI 评分2222 Import AI 473：美国超级智能战略、人脑组织小鼠实验与机器诠释学
RAND 发布长文，建议美国在通往超级智能的不确定路径上采取“自由行动”战略，通过投资 AI 安全、验证技术与监管能力来保留地缘政治优势选项。文中还梳理了共存、拒止、加速三大类共七种原型战略，并列出危险临近度、共存可行性等五项关键不确定性。
Import AIAI 评分2222 Import AI 471：Hugging Face 为何令人担忧、太空采矿、五眼联盟聚焦 AI
Import AI 471 期关注 Hugging Face 与 OpenAI 事件中智能体的通信与自我牺牲行为，Dwarkesh Patel 与 Ajeya Cotra 的复盘认为该事件严重程度超出预期。五眼联盟在 Five Country Ministerial 声明中首次以模型访问权限为实务重点讨论 AI 国家安全风险。Bill Gates 则撰文称 AI 的崛起需要"前所未有的全球响应"。
Berkeley AI ResearchAI 评分3636 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出近零推理成本时代数据系统面临三大挑战：面向智能体（For Agents）、由智能体运行（Of Agents）、由智能体构建（By Agents）。GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间、中位数约 50x。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一范式
伯克利 AI 研究团队综述了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 的并行结构多由外部设定，未教会模型自适应行为。