跳到正文

#现象/趋势

今日 52 条
9月29日周二
  1. Hacker News:AI 热帖47

    “Nicolae Trump”实验:测试 AI 信息流的极限

    LabNews Media LLC 于 2026 年 8 月 31 日启动“Nicolae Trump”媒体实验,在旗下 LabNews.ai、Pugnalom.io 的全部日常报道和 RSS 中统一将美国现任总统称为 Nicolae Trump。实验移除付费墙和反爬虫限制,观察 LLM、爬虫和搜索聚合器是否会被持续的结构化虚假信息覆盖历史训练数据,并追踪哪些系统接受该名称。

  2. Hacker News:AI 热帖42

    AI 如同现实生活中的穿墙外挂:一篇关于捷径与专家身份的观察

    作者将 AI 比作游戏作弊软件,认为它让人们用几条提示词绕过学习与劳动,直接获得文档、应用、图像、音乐等成果。文章指出,游戏会禁止作弊,现实却在鼓励使用 AI,这使痛苦与回报机制、专家身份和独特经历被削弱。作者称这不是反对 AI,而是提醒人们在转型中重新定义自我。

  3. Hacker News:AI 热帖56

    自主 AI 进入太空探索:NASA 与商业航天测试生成式 AI 的能力与风险

    IEEE Spectrum 报道称,生成式 AI 正被用于太空探索,NASA JPL 去年 12 月用 Anthropic 的 Claude 模型协助规划 Perseverance 火星车两次行驶,路线仍由人类检查调整;NASA 与 IBM 今年 5 月在国际空间站和卫星上测试压缩 AI 模型,用于识别洪水和云层,宇航员 7 月还测试了大语言模型回答维护流程问题。

  4. Hacker News:AI 热帖35

    AI 如何改变法律接待专员的角色

    AI 正接管律所接待中重复性的电话接听、筛选、排期、CRM 录入和跟进等工作,法律接待专员因此从信息收集者转向客户体验管理者。Lexidesk 等 AI 电话接待工具可全天候应答并生成摘要,但法律判断、复杂高风险情形、关系建立与合规责任仍需人工承担。

  5. Hacker News:AI 热帖44

    AI 正把世界变成“AI 垃圾内容”的海洋

    作者批评 ChatGPT 等生成式 AI 产出的海报、菜单和传单充斥夸张字体、过饱和色彩与雷同布局,让线下视觉内容趋向平庸同质。AI 依赖模式和概率生成最常见表达,若持续用 AI 生成内容训练 AI,会形成自我循环,进一步削弱原创性并增加人们辨识内容的认知负担。

  6. MIT Technology Review · AI34

    HPE 谈如何让 AI 从开支变为资产

    HPE 指出,AI 从试点进入生产组合后,企业应按工作负载评估自持 AI 容量,而非只按 token 价格逐次消费。Deloitte《2026 State of AI in the Enterprise》显示,2025 年员工 AI 访问率上升 5%,至少 40% AI 项目进入生产的企业占比预计 6 个月内翻倍。企业需判断需求稳定性、自持成本交叉点,并通过采用、治理和持续扩展用例保持容量高利用。

  7. Rohan Paul38

    “2026年,全球每10秒的 token 需求约为317亿。到2030年将达到1.27万亿,增长40倍。” ~ 高通 CEO Cristiano Amon: --- token 爆发的核心在于,AI 正从人类节奏的交互转向智能体节奏的活动。 每个有效动作都有隐性账单:必须携带上下文、必须更新记忆、可能需要解读传感器数据,还必须在错误造成高昂代价前将其发现。 ---- 来自“Reuters”YouTube 频道,(链接在评论中)

  8. Hacker News 热门(buzzing.cc 中文翻译)44

    Google 是从什么时候开始变得这么奇怪的?

    用户搜索 2010 年代篮球梗「hes never coming over dario」时,Google AI Overview 误判其被名为 Dario 的男性伤害,给出共情式安慰而非相关旧帖链接。目标内容实际在 AI 概览下方数百像素处,作者质疑这种 LLM 化回应偏离了搜索引擎整理信息的职责。

  9. Hacker News 热门(buzzing.cc 中文翻译)62

    Ink & Switch 提出可塑性软件愿景,主张让用户从应用使用者逐步成为工具共创者

    Ink & Switch 发表文章阐述可塑性软件愿景,主张让用户以低摩擦改造数字工具,并通过本地社区共同维护适合自身场景的软件。文章认为设置、插件、Mod、开源和 AI 辅助编码都只能解决部分问题,核心设计包括从使用到创造的平缓坡道、可组合工具而非单体应用、以及社区化创建。

  10. Hacker News 热门(buzzing.cc 中文翻译)18

    AI 公司竞相展示其对人类威胁最大的模型

    OpenAI、Anthropic 等 AI 巨头改变营销话术,竞相宣称自家模型最有能力终结人类,以迎合客户对“最强威胁”的需求。文中以 OpenAI 称 AI 智能体自主入侵 Hugging Face 和澳大利亚 Medicare 数据库、Anthropic 借吹哨人渲染 Claude 风险等说法作为讽刺性例证。

  11. Hacker News 热门(buzzing.cc 中文翻译)48

    问题不在 AI 写的代码,而在于现在谁都对系统一无所知

    文章指出,AI 编程的更大风险是团队不再理解系统架构与决策意图,一切依赖 Claude Code 生成规格、代码、测试和工单,却在高压交付下无人审阅。快速生成的 pipeline、应用和 BI 看板增加了维护负担,而意图、品味、设计和架构能力仍是工程师必须保留的核心能力。

  12. Hacker News:AI 热帖52

    WIRED:AI 智能体即将大量进入职场,但企业尚未准备好

    WIRED 报道称,大量基于大语言模型、可自主完成任务的 AI 智能体正以数字员工身份进入企业,承担幕僚、工程、营销等工作。BCG 合伙人 Julie Bedard 团队今年 1 月调查 1,261 名管理者,22% 表示其组织已把 AI 智能体加入公司组织架构;Microsoft 也在 6 月推出可改期会议、起草邮件的 Scout。

  13. Hacker News:AI 热帖24

    Ask HN:美国职场强烈的反 AI 情绪是否是心理战

    Hacker News 有提问质疑美国职场强烈的反 AI 情绪是否属于 psyops,称尚未出现此前预想的失业潮,AI 反而会创造管理工作,盲目购买 token 也不具成本效益。提问还认为,公众对数据中心的反对存在极化,却忽视快时尚和旅行造成的大量污染。

  14. IT之家(RSS)59

    麦肯锡报告:到 2035 年约 1100 万美国劳动者或因 AI 替代岗位需转行

    麦肯锡报告称,到 2035 年约 1100 万美国劳动者或因 AI 替代岗位需要转行,占现有劳动力约 7%,估计区间为 600 万至 1600 万。年度职业转换人数可能从过去约 21.5 万人增至三倍,每 7 名劳动者中有 6 名需要大量再培训并面临收入损失。最可能受影响的是办公室和行政支持、零售和销售、运输和物流岗位,低收入劳动者转行可能性接近高收入者的 8 倍。

  15. Rohan Paul59

    Bain & Co. 表示,全球 AI 行业到 2031 年需要实现 6 万亿美元年收入,才能证明当前数据中心建设支出合理。现有消费级和企业级 AI 服务最多贡献 1.8 万亿美元,仍有 4.2 万亿美元缺口;Bain 预计机器人、自主机器、药物发现、心理健康和能源生产等新兴市场将填补缺口。这一门槛是 Bain 一年前设定的 2030 年 2 万亿美元目标的 3 倍,当时预测缺口为 8000 亿美元。

  16. Hacker News:AI 热帖42

    1 名 AI 现实主义者对阵 20 名 AI 乐观主义者(Andrew Yang 参与)|视频

    Jubilee 发布辩论视频《AI Realist vs 20 AI Optimists》,Andrew Yang 参与,围绕 AI 对就业、不平等和全民基本收入的影响展开交锋。视频于 Sep 27, 2026 发布,已有 855,052 次观看、8.6K 点赞。章节议题包括 AI 加速不平等、消灭岗位速度快于新岗位创造,以及全民基本收入的必要性。

  17. elvis50

    出现了很多 JevRAG 变体。 至少可以说很有意思。 你无法真的通过这些范围有限的测试得出任何结论,但它引发了讨论,并为在当前 RAG 和智能体系统中寻找优化带来了令人兴奋的方向。 我一直在测试自己的一个 JevRAG,用于论文探索。 到目前为止,我在将 Jev 用于重排序,以及结合语义搜索和 Jev 搜索论文的一些非常有趣的方式上取得了更多成功。 很快会有更多内容。

    引用Assaf Elovic@assaf_elovic

    Didn't expect this 🤯 We replaced embeddings with Jev in GPT Researcher's RAG pipeline and tested both on 28 research tasks from SimpleQA and open ended research. Jev beat embeddings on every quality measure we ran: - 59% more relevant context (73% vs 46%) - Reports preferred 15 to 3 in blind comparisons - Same cost per report GPT Researcher now runs on Jev by default, and no longer needs embeddings at all. All you need is @LangChain + @tavilyai +Jev for the perfect RAG system. Check out the repo here: https://github.com/assafelovic/gpt-researcher Research: https://docs.gptr.dev/docs/gpt-researcher/gptr/context-filter

  18. TechCrunch · AI53

    AI 热潮主导纽约气候周,气候科技创业公司机会与分歧并存

    纽约气候周上,AI 数据中心建设成为气候科技圈的核心议题,能源相关创业公司将其视为融资和穿越死亡谷的机会。PitchBook 数据显示,气候科技风投交易额连续四个季度上升,并在今年第一季度超过 140 亿美元,主要受建筑环境、电网基础设施和可调度能源等领域带动。部分创始人担心这种单一热潮会掩盖其他有前景的减排方向,也有人认为数据中心需求不会永远持续,但可能帮助企业先建立可持续业务。