Google Research 专利撰写三个月实地实验：AI提升产出但未必增强初级律师判断力

Google Research 介绍一项发表于 NBER 的三个月实地实验，在11家知识产权律所的133名律师中随机开放当时未发布、现属于 Gemini Notebook 的 Google Labs AI 专利撰写助手。

Lakehouse 是更好的数据仓库：2026 年基准测试与实证

Databricks 以 2026 年基准测试、客户案例和架构分析论证 Lakehouse 已在 SQL 性能上追平传统数据仓库，并可同时服务 BI、ML、流处理与 AI 智能体。其生产 SQL 工作负载较 2022 年基线快 77%，Lakehouse//RT 可低至 10 ms、达 12,000 QPS；Lumen 迁移 133 TB 后查询性能提升 90%、计算成本降低 30-40%。

Runway@runwaymlAI 评分2424

Gamma 首席 AI 官 Deeni Fatiha、Adobe 总监 Morgan Prygrocki 以及 Salesforce 全球品牌营销的 Shane Tapp 探讨了当创意 AI 从实验阶段进入生产阶段时会发生什么变化。

OpenAI 文章《永恒的互补》探讨 AI 智能与执行体系的关系

OpenAI 发布 Hemanth Asirvatham 和 Elliott Mokski 的文章《永恒的互补》，讨论前沿智能与实现想法所需的制度、资源和执行能力如何互补。文章提出未来可能走向依赖思考与既有数据的深度文明，或依赖大规模实验、建设和协调的宽度文明；在后一路径中，大量 AI 智能可能用于单调的组织与执行工作，而人类仍可在好奇心、前沿创意和多样性上发挥作用。

Databricks 解析智能体营销如何打通客户上下文与可衡量 ROI

Databricks 提出以身份解析为基础的智能体营销方案，让 AI 智能体基于客户、业务、决策与控制四类上下文实时采取并衡量下一步最佳行动，从而证明营销带来的增量收入。Acxiom 将 Real ID 引擎及数据身份服务原生构建在 Databricks 上，使可执行客户洞察的上市时间缩短约 30%，运营成本降低约 15%。

Fireworks AI 解读企业如何迈向专业化智能并训练自有模型

Fireworks AI 提出企业获得专业化智能通常会经历租用闭源前沿模型、围绕模型做提示词和 RAG 等工程、引入开源模型控制成本与延迟、最终训练自定义模型四个阶段。

OpenAI 探讨能力更强、成本更低的 AI 如何拓展可完成的工作

OpenAI 探讨能力更强、价格更低的 AI 如何拓展个人与企业可完成的工作范围，并让增长更经济。

OpenAI 内部观察：编程智能体如何加速 AI 研究

OpenAI 内部，编程智能体正在重塑 AI 研究流程。OpenAI 公布了智能体使用情况、实验速度、任务复杂度与研究加速方面的早期数据。

Hugging Face 发布 2026 年夏季开放模型生态观察

Hugging Face 发布 2026 年 1 月至 8 月开放模型生态观察，基于 Hub 的模型、数据集、下载、点赞、衍生模型和智能体流量数据分析行业变化。

Hugging Face 复盘 ICML 2026 开放复现挑战：2,226 篇论文与智能体时代的人类审查角色

Hugging Face 复盘 ICML 2026 Open Reproductions 挑战：1,221 名社区成员在 19 天内发布 6,816 份 Trackio 日志，尝试复现 2,226 篇论文，覆盖会议 34%，并判定 35,908 项论文主张。

GPU 管理：为什么闲置 GPU 正成为新的停飞飞机

Hugging Face 文章指出，企业 AI 的核心瓶颈正从模型能力转向 GPU 利用率，GPU 无论是否产生计算产出都按自然小时产生融资、折旧、电力与冷却成本。文章以航空业类比，说明拥有更多 GPU 只代表容量，真正拉开差距的是让硬件持续承担有效工作。企业自建集群后，问题也从能否获得加速器转为能否让其保持忙碌。

Berkeley AI Research 观点：智能近乎免费后，面向、承载与由 Agent 构建的数据系统

UC Berkeley 研究者提出，AI 推理成本快速下降后，数据系统将面临 For、Of、By Agents 三类新挑战。GPT-4 级能力价格已从 2023 年初约每百万 token 30 美元降至 1 美元以下，部分供应商低于 0.10 美元；多 Agent 执行 text-to-SQL 任务时，80-90% 的子查询存在重复工作。

Dharma AI 解读：为什么专业化是 AI 系统的必然选择

Dharma AI 解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 2026 年论文，借优化理论、演化生物学、竞争市场与机器学习论证 AI 系统必然走向专业化。无免费午餐定理表明通用算法不具性能优势，有限资源下集中投入特定任务才能胜出。

Google DeepMind 公布塞拉利昂 Gemini Guided Learning 教学试验结果

Google DeepMind 公布在塞拉利昂开展的 Guided Learning 预注册试验结果，使用 Gemini 的学生数学成绩较对照组提升 0.258 个标准差，约相当于 8 周内取得 1.2 至 1.7 年的常规学习进展。