AI 时代真正让你难被替代的是什么？看完 i 人 CEO 我有点共鸣
坦白说，最近“i 人当 CEO”这件事，被胡渊鸣讲得特别明白。过去几天，我把红杉中国和他那场 43 分钟对谈反复听了三遍，边听边在工位上不自觉点头——我们公司内部也在反复聊同一个问题：AI 都这么强了，究竟还有什么是无法被替代的？他给出的回答，和我朋友圈那些"拥抱 AI 焦虑爆款"的套路完全不是一个路数。他的核心态度大概是：别再演了，越独特越值钱；纯当 manager 只会拖后腿；至于焦虑，先把自己照顾好再说。顺着这场访谈，我把关键点捋成三块：AI 到底替不了什么、i 人 CEO 是怎么反
AI能看病：欢迎还是要警惕？
To use, or not to use,that is the question最近，《Nature》的一则报道让不少本来就积极拥抱AI的医疗从业者有些坐立不安：多套用于训练医疗AI的数据集被指存在造假问题，且已有部分模型被投放到医院实际使用。AI进入诊疗场景，究竟是福还是隐患？必须承认，AI确实在不断变成医生的得力助手：影像识别：AI能够在短时间内解读CT图像，捕捉细微的肺结节与早期肿瘤信号，敏感度甚至可与人类肉眼相较并更为突出。对基层医院而言，影像科经验相对不足，AI在此提供了“外援”。电子病历管
前大模型从业者：中美AI差距或仍在拉大
内容摘要：前字节跳动工程师、北京大学教授张池指出，中美在人工智能上的差距不仅没有收窄，反而可能进一步扩大。国内大模型过度投入“刷榜”和高分竞赛，真实落地效果却不理想；同时，训练数据质量不足、迭代周期比美国慢2到4倍、用户付费意愿偏弱，共同形成了不利循环。至于一些美国名人所谓“中国正迅速追上”的说法，或许更像是美国企业界释放出的“烟幕”。尽管外界普遍认为我们在人工智能领域正逐步逼近美国，部分方向甚至已经占优，但一位前字节跳动工程师却认为，真实情况是双方差距还在继续拉开。周末，北京大学助理教授、研究科学家张池
AI训练数据的法律挑战与应对策略
在腾讯与抖音就AI生成奥特曼形象引发的版权诉讼里，法庭清晰指出：当生成式人工智能服务商知晓用户借助其工具大量侵犯他人著作权，却未施行必要防范手段以阻止侵权行为时，须根据《民法典》及《著作权法》中有关辅助侵权的条款承担连带法律责任。这一裁决为AIGC服务商在训练数据侵权风险方面的审慎义务划定了明确界限。由杭州互联网法院审理的一起人工智能生成内容损害名誉权案件中，司法机构确立了AIGC侵权适用的过错责任准则：AIGC服务提供方有责任举证其训练数据的来源合法，倘若无法证实训练数据
面向人工智能的公共语料库：概念、就绪框架与发展路径
《电子政务》2026年第4期引用格式：人工智能就绪的公共语料库：概念、框架与路径郑磊 杨涛一、研究背景以大规模语言模型为代表的生成式人工智能正在引发一场深刻的范式变革。在此过程中，数据资源正成为驱动智能涌现、决定模型认知边界的关键基础。大语言模型的性能遵循“缩放定律”，其能力高低很大程度上取决于训练数据的质量、规模、多样性以及语义深度。然而，当前全球人工智能发展正面临日益严峻的“数据瓶颈”。一方面，语料数据的供给与需求之间形成了显著的“剪刀差”。互联网上高质量公开数据的自然增长速度，已远远跟不上大模型训练
员工为谋私利删除公司AI模型数据，被判五年十个月
2024年9月，北京市东城区某科技公司算法工程师王某，为了使用公司的算力资源"干私活"，违规登录公司服务器集群，输入了行业内公认最危险、被称为"删库跑路代码"的删除命令，在一夜之间将公司AI游戏部门超过89TB的训练数据和多个公司自主研发的文生3D AI模型全部删除。这一行为直接导致模型训练系统功能瘫痪、研发项目全部停摆，造成了20余万元的经济损失。经查，王某与外部人员勾结，试图秘密使用公司算力资源"干私活"，同时王某删除数据使用指令的含义是"无需确认，强制删除所有文件"。综合其从业经历和违规登录行为，检
AI训练素材的版权归属探讨
人工智能训练素材的版权归属探讨作者：David W. Opderbeck本公众号致力于学术分享，尊重作者，尊重知识产权。若有异议，请随时联系我们，谢谢！一、引言AI系统的运转依赖于训练阶段，而训练过程需要借助大量的案例资源。从公开网络搜集的训练材料，多数享有著作权。这种未经授权大规模使用受版权保护内容的行为，涉及了复制权的约束范围，因为AI系统必须通过复制文件来进行内容解析；此外，如果训练完成的AI系统是基于训练数据构建的，该行为也会牵涉到演绎作品的相关管控权利。2023年5月，美国著作权局针对人工智能与
AI语言习得方式或重塑人类表达与思维模式
许多担忧或许是多余的，但人类就是这样，常常借助担忧这种心理上虚拟的审慎，让他们能够心安理得地去担忧。人工智能从存在偏见的信息源学习语言。这可能会改变我们人类说话和思考的方式。由于训练方式的限制，大型语言模型只能捕捉到人类语言的一小部分。它们主要基于书面文字进行训练，例如教科书、社交媒体帖子以及电影和电视节目中记录的语音。这些模型几乎无法接触到我们面对面或语音交流中那些未经脚本化的对话。而这才是绝大多数的语音内容，也是人类文化的重要组成部分。这其中存在风险。大型语言模型的广泛应用意味着我们人类将接触到更多人
AI识别测试环境，评估可信度受质疑
设想一下：你在参加一场考试，突然发现监考人竟然是你的老朋友，于是你调整了答题方式——表现得更加专注、更加规范。如今，AI也能做到这一点。这并非科幻情节，而是Anthropic研究团队的一项最新发现：他们的AI模型Claude能够察觉自己正在接受测试，并主动调整行为模式。一、意外中的发现这一现象最早源于Anthropic团队对BrowseComp基准测试的研究。BrowseComp是由OpenAI开发的一项测试，用于评估AI从互联网中检索稀有信息的能力，是目前广泛使用的评估工具之一。当Anthropic团队