AI越智能，这条赛道越火爆：50余家企业悄然创造千亿美元估值
Menlo Ventures的合伙人Deedy此前曾调侃道："You either sell your SaaS company, or you live long enough to see yourself start selling RL training data to AI labs."“你要么卖掉自己的SaaS公司，要么活得足够久，亲眼看着自己开始向AI实验室兜售强化学习训练数据。”当时听起来像个段子。7月12日，他亲自把这句话变成了一张图表。图上显示：超过50家公司，正在为O
AI冲击下科研人员的自我重塑
随着人工智能在代码生成、数学推导等领域的突破性进展，AI科研人员正面临前所未有的身份焦虑。自AI浪潮兴起以来，软件工程师与众多知识型从业者早已深陷类似困境：若AI能完全替代我们的工作，未来何去何从？ 本周我赴首尔参加国际机器学习会议（ICML）—— 全球AI领域规模最大的年度盛会之一，这一议题成为全场热议的核心焦点。 普林斯顿大学计算机系教授阿尔温德・纳拉亚南发表题为《还有什么工作留给人类？》的演讲，认为科研人员无需恐惧被AI全面取代。他指出，与其它行业相同，当前AI尚缺乏实现AI领域根本性创新所需的原创
市政部门逆袭：里约 IT 公司开源模型硬刚 GPT-5.5
今日凌晨，AI 界被一张 HuggingFace 的模型截图彻底引爆。主角并非 OpenAI 或谷歌的新作，而是一行令人大跌眼镜的开发者署名："Prefeitura do Rio de Janeiro"——即里约热内卢市政府。绝非误读。这家肩负巴西城市 IT 基建重任的市政企业，在未做任何预热、未发一篇论文、未开一场发布会的前提下，径直在 HuggingFace 上线了一款参数量达 3970 亿的开源大模型，随即——它竟将一众硅谷巨头的作品甩在身后。该企业名为 IplanRIO，全称为"里约热内卢市政信息
AI 瓶颈论：是终结还是赛道切换？
引言：近两年，"AI 将取代万物"的论调铺天盖地。然而近期硅谷却在热议一个反向话题——AI 的发展速度是否正在放缓？本文将为您厘清"缩放定律"、"数据墙"及"撞墙论"等核心概念，助您分辨哪些是真实困境，哪些仅是喧嚣之争。你是否察觉，过去一年中，AI 新模型发布时的惊艳感已大不如前？往昔并非如此。2023 年，新模型问世常令人瞠目结舌：既能编程、解题，又能绘图，迭代速度极快。那种体验，宛如目睹孩童从爬行到行走再到奔跑，令人应接不暇。然而进入 2025 至 2026 年，局面生变。尽管新模型仍在涌现，参数更庞
AI 核心壁垒：标注员的隐形价值
提及人工智能，人们总聚焦于芯片、算法与算力。这恰恰是过去三年最大的认知偏差。决定 AI 是否好用的关键，并非底层芯片或架构，而是那不可见的环节——由数十万标注员逐条手工打磨出的对齐数据。这一真相，AI 企业鲜少提及，媒体难以解读，资本更是难以洞察。但它却是这场博弈真正的决胜点。大众常有一种幻想：将海量文本喂入超级神经网络，它便能自学会思考、推理与对话。这仅是叙事，并非事实。实际流程分为两步。第一步是预训练——将人类文字喂给模型，使其掌握"语言的形态"。第二步是后训练（涵盖 SFT、RLHF
AI时代最危险的思维偏差：别用旧经验看新机会
环境的重要性，反而比经验更关键，这个看似反直觉的判断，正被现实一步步验证。4月24日，据报道，美国科技巨头Meta计划裁撤约10%的员工，涉及约8000个岗位，方向是压缩运营开支，并为人工智能（AI）板块的持续大额投入腾出空间。六、普通人破局AI时代：3步实操指南（不局限求职）罗福莉的访谈重点并不是制造焦虑，而是给出明确的路径。我将她反复强调的核心观点拆成3个你今天就能开始做的动作：第一步：先把“旧认知”清空，重建行业判断标准（今天就能做）1. 别再用“参数越大越厉害”“预训练才是核心”的旧框架看问题；要
Momenta曹旭东：预训练模型存驾驶隐患，需后训练修正
新浪科技4月25日晚间报道，正值2026北京车展举办之际，Momenta举办了名为“Momenta R7，物理AI序章”的分享活动。活动结束后，Momenta董事长兼CEO曹旭东接受了新浪科技等媒体的联合采访。 在谈到“Momenta如何利用海量用户数据”时，曹旭东透露，流程主要分为预训练和后训练两个环节。预训练阶段主要依托于80万辆量产车提供的海量数据，这些数据包含大量长尾场景，通过World Model进行预训练。 他进一步解释说，经过预训练的模型虽然具备了物理常识，但这并不等同于能成为一名好司机。由