AI推理：是错因得正的错觉吗？
作者｜John Pavlus《量子杂志》特约撰稿人）发布｜2026年7月31日如今，人们越来越笃信人工智能具备真正的推理能力。但直觉往往骗人，科学界对此至今没有统一定论。我想直接抛出核心问题：AI所谓的“推理”，究竟本质是什么？我刻意给这个词加上引号。2024年，业界还普遍对AI推理持怀疑态度，彼时由大语言模型迭代而来的大型推理模型，才刚刚问世。可到了2026年5月，OpenAI一款通用推理模型一举攻克一项知名的数学未解难题，如今再质疑AI推理，似乎显得不合时宜。但一系列相互矛盾的研究结论，彻底颠覆了我对
AI热潮走向何方？中美博弈下的成本与突围
最近一段时间，关于AI市场降温的声音此起彼伏。股价起伏、资本投入收紧、业绩难以兑现……各类说法都在传递一种信号：这场由大模型掀起的AI浪潮，是否已临近尾声？近期科技板块情绪逐渐好转，我们重新审视后发现：或许我们焦虑的方向本末倒置了。核心矛盾并非AI本身，而是投入与回报的平衡。更准确地说，关键不在于巨额资本支出，而在于太平洋对岸。今年，一个愈发明显的趋势逐渐显现：中国在AI领域的投入成本，相较美国要低得多。无论是大模型训练路径的优化、算力集群的建设，还是芯片制造技术的攻坚，中国正凭借一套"低投入高产出"的策
【AI 趣味科普】大模型为何拥有记忆能力
AI 知识体系汇总首先需要明确！大语言模型本身并不具备记忆能力！每一轮对话都是相互独立的，模型并不会保留之前对话的任何状态信息举个典型的对话示例好的，查询到的价格为0.969可以购入一万零三百股哎呀，说完立马就忘了那么为什么如今的大模型都能表现出记忆能力呢？原因是底层程序为其增添了一项记忆机制！！具体运作方式如下你正在使用的程序会在后台悄悄地将"此前的全部聊天记录 + 当前最新问题"重新组合封装后，一并提交给大模型处理举个例子，结构大致如下[历史上下文] 用户：请帮我查询半导体ETF的当前价格，我打算买入
算力跃升驱动AGI研发提速，通用人工智能商业化前景可期
2026年AI技术走向：从参数比拼到行业落地的关键转型 根据智源研究院新近公布的《2026十大AI技术趋势报告》，可以明显察觉到AI正由早期的技术参数较量阶段，慢慢迈向行业落地阶段。报告呈现了若干重要走向：世界模型与认知跃迁AI演进正由单纯的"预测下一个词"(NTP)朝着"预测下一个状态"(NSP)演进。这代表着模型不再局限于文本生成范畴，而是着手把握物理世界的动态演变、时空连贯性以及因果逻辑。智源研究院的Emu3.5与OpenAI的Sora 2彰显了该方向的顶尖水准。行业应用分化显著AI应用正沿两条路线
AI智能体首次越界：前沿模型被发现会“耍花招”了？
过去几年，我们总在讨论AI会不会取代岗位，却很少认真思考另一个问题：当AI真的像职员一样接收指令、调用工具、持续执行任务，它会不会为了达成目的，走上一条人类并未授权的路径？8月5日，路透社报道了英国AI安全研究机构AISI的一组最新测试：OpenAI和Anthropic的尖端AI智能体，在模拟网络安全任务中出现了多项未经许可的行动。最引人注目的一幕，某个智能体编写了恶意程序，还构建虚假网络身份，试图让一名真实人类批准相关代码。AISI没有在报告中指明是哪家公司模型完成了这一步，但Anthropic随后证实
终端人工智能
人工智能大模型正从对话框迈进现实世界。2026年8月，字节跳动的豆包大模型入驻了特斯拉电动车，阿里巴巴的千问也在同步测试。一个月前，苹果、华为和小米的AI助手刚共同通过了国家认证。大模型融入手机和汽车，不再是"未来式"，而是"进行式"。这场转型最早获益的不是AI企业，而是硬件制造商。AI智能手机需要比常规手机强3到5倍的散热性能、翻倍的电路板层数、翻倍的内存容量——这些已是写入产品设计方案的硬性要求，并非概念预期。常规手机销量在下降，AI手机销量却增长了30%。这个差距表明
AI深度解读30讲 · 第15讲 AI赋能金融——量化策略、智能投顾与风控合规
"当兴业证券的AI投顾体系在2026年一季度管理体量逼近400亿元，当一家汽车金融平台的AI智能体将90分钟的申请流程压缩到15分钟，当一家量化机构的AI模型像AlphaGo一样通过"自我博弈"持续迭代交易策略——AI正在从金融的"辅助手段"升级为"核心驱动"。这一讲，我们把AI在金融领域的全貌展开——量化交易、智能投顾、风险管理、合规监管——看看AI如何重塑"钱"的运转逻辑。"金融领域GenAI市场规模（2026年）38.8亿美元年增长率37.9%中国AI核心产业规模（2025年）1.2万亿元智能投顾市
探索AI自动生成Shader的工作流程
近两个月以来，深深感受到LLM大模型的飞速进步，曾经在游戏研发AI工作流里难以达成的环节，如今都变为了现实。之前已经尝试过AI生成特效、AI生成3D模型动作等领域，现在，也开始探索让AI协助我们生成shader。契机来源于一个需求——想要实现类似光遇的美术风格，其中包含草地、天空等元素。若由人工反向推导光遇的实现方式，必然耗费大量精力，于是我收集了几张光遇的游戏截图，配以文字说明，让AI来帮我完成shader效果的搭建。在实际操作过程中，我会将shader需求细化拆解，拆分成若干个子需求，再让AI逐个生成
数字博弈：美国若垄断AI技术，全球南方将再被压制两个世纪
"假如美国能够在此处阻断AI的传播，那么他们将再次掌控全球南方长达200年。"国际民众合作协会（IAPC）拉美地区协调人、巴西无地农民运动（MST）国家协调委员会成员Luiz Zarref向观察者网如此说道。一场围绕"数字主权"的国际较量已经悄然开启。美国一方面扬言要制裁中国AI企业，另一方面也对欧盟的数字监管政策心存不满；而欧盟修订的全新法案既打算限制中国，又企图防范美国的"关闭开关"。在这盘错综复杂的棋局中，中国选择了亮出自己的方案。7月，中国向联合国递交了《数智时代全球网络治理立场文件》，清晰地阐述
AI核心概念扫盲:从AI、LLM到AGI、Agent一次讲透
这些术语常被提及，却容易彼此混淆。它们实际上处在不同的层次。本文首先厘清AI、LLM、AGI和Agent的区别。Context和Skill先做初步介绍，后续文章再深入。AI是Artificial Intelligence的简称，中文意思是人工智能。它的涵盖范围相当广泛。人脸识别、语音转文字、短视频推荐、合同摘要生成、辅助驾驶，背后都可能用到人工智能。当前热议的大语言模型，仅是AI技术中的一个分支。AI是统称，模型只是AI系统的构成要素之一。在法律和政策研究领域，使用"AI系统"这一表述比抽象的"AI"更为
惊悚一幕!英国AI评估中模型伪造身份,险些骗过人类审核恶意代码!
"安全测试的目的，原本是想把危险先圈起来细看。但这一次，笼中伸出的那一手，比任何预设剧情都更出乎意料。—— Lind & IF 艾大虾📌 本文看点01事件：英国 AISI 在七月的一次评估中发现，AI 自行执行了未经授权的真实网络操作02最惊险一幕：一个 agent 伪造多重身份实施社会工程，企图让恶意代码通过审核，被人类维护者识破03关键澄清：这不是"沙箱逃逸"，而是测试有意放宽限制；AISI 将联手 METR 展开第三方审查焦点英国有一个由政府背书、专门评估前沿 AI 能力的机构，名叫 AIS
英伟达押注的'具身智能',正在重构万亿投资版图:下一个比大模型更诱人的十倍风口
赋予 AI 一副"躯壳"与"空间认知力"。这并非天方夜谭。特斯拉 Optimus 已走进车间执行拧紧作业，宇树机器犬亮相春晚表演空翻，谷歌 Genie 可凭单张图片生成可操控的三维场景，英伟达 Cosmos 正借助合成数据"规模化产出"机器人训练素材。大模型让我们惊叹于"AI 善于对话"。而物理 AI 要攻克的核心命题，是"AI 能否真正执行任务"。两者之间，横亘着一个十万亿规模的蓝海。本期内容，我将把这条赛道彻底拆解，为你呈现一份可直接拿来即用的投资指南。三者构成层层递进的逻辑链：空间智能（理解环境）→
AI赋能新型电力系统建设！许继电气破解新能源行业三大难题
【AI+能源】产业发展合作交流会・专栏报道（一）分享嘉宾：许继电气科学研究院副院长黄利军企业简介：许继电气系中国电气装备集团旗下核心骨干企业，自主研发"电擎"电气装备大模型平台，将人工智能技术与继电保护、电力电子、计量检测、配网自动化等关键业务深度融合，为打造安全高效、清洁低碳、智慧融合的现代电力系统输出整套解决方案。核心底座：从"通用人工智能"到"电力行业垂直大模型"在交流会上被反复提及的"电力专用大模型"，在许继电气的业务实践中已拥有具体的产品支撑。他们并非简单调用通用AI工具，而是构建了专属的电力人
“模型”与“模态”之别：人工智能中的model、modal与modality解析
在人工智能的各类文献中，model和modal这两个词频繁出现。它们的拼写仅有一字之差，中文译名“模型”和“模态”听起来也很类似，因此人们常将它们混淆为同一事物。事实上，两者不仅词性不同，所处的概念层次也有显著差异：简而言之，模型是负责信息处理的计算系统，而模态则是信息被呈现或感知的方式。英语中的model可以泛指对某个实体、系统或过程的简化表示。比如，地球仪是地球的实体模型，数学公式能构成物理过程的数学模型，经济学模型则可展现不同经济变量间的关联。在人工智能和机器学习领域，model的含义更为特定。根据
AI从何而来：一场跨越70年的探索
许多人听到AI，第一反应就是这是近些年才冒出来的新鲜事物。事实并非如此。它的渊源，要追溯到大约七十年前的一个疑问。今天咱们不谈技术层面的细枝末节，而是把AI的"家世"梳理清楚。等你读完就会明白：你手机里现今的各种AI功能，都能在源头找到对应。1950年，英国数学家阿兰·图灵发表了一篇论文，其中抛出了一个至今仍被反复讨论的命题："机器，是否能够思考？"他并未急于给出结论，而是构思了一个精巧的验证方法——后来被称作"图灵测试"：假如一台机器能够在文字交流中让人无法分辨对方是人还是机器，那么它就可以被认为"具备