跳到正文
11月14日週六
  1. DEV Community57

    為甚麼不應把 AI 智能體當成員工?

    作者根據自身使用經驗,主張先釐清任務,再按執行環境、權限範圍和上下文邊界決定是否拆分 AI 智能體,而不是預先按職位組建多個 AI 智能體團隊。多個 AI 智能體適合處理可並行且互不依賴的工作,也可在獨立會話中按指定材料審核文章。作者認為,增加複雜度應帶來可驗證的改善,並須把交接和維護成本一併計算。

  2. DEV Community46

    GPT-6 Astra 與 Blender:電腦操作如何連接創意與 3D 創作

    GPT-6 Astra 配合 Blender,可把創作描述轉化為可編輯的 3D 場景,並透過直接操作軟件、檢視成果和反覆修改,逐步完善作品。建築視覺化示範由亭子發展成完整平面圖和設有傢俱的房間,並設定鏡頭飛行路徑,最後匯出為 Unreal Engine 漫遊體驗。用戶仍負責決定作品方向與細節,AI 則協助處理軟件操作和技術問題。

  3. 虎嗅69

    美國數據中心將何去何從?

    虎嗅訪問數據中心從業者、投資人及美國居民,分析中期選舉後地方審批與社區反對如何影響美國數據中心建設。受訪者估計,較壞情況下成本可能增加10%至20%,而電網、水務、税費和社區訴求或令部分項目延期或取消。文章指出,建設受阻不等於算力需求消失,供給增長放慢或令已有算力的公司取得更強定價權。

  4. 第一財經30

    交易與多資產風險管理新範式|陸家嘴金融沙龍電視精編版

    陸家嘴金融沙龍聚焦交易與多資產風險管理,分享擔保品管理實踐,並探討實時數據、智能模型與信創底座。截至9月底,中央結算公司管理擔保品餘額超過37萬億元,服務客戶突破5000家;國內債券擔保品機制已支持近20個貨幣和財政政策工具,覆蓋8個金融子市場。嘉賓亦討論 AI 風險預警、模型治理及多資產壓力測試。

  5. DEV Community20

    Kigali 開發者社羣如何改變我的成長歷程

    Kigali 的開發者社羣改變了作者的學習方式,令他由獨自學習轉向協作,並認識到溝通、團隊合作和社羣參與也是專業成長的一部分。ALX Tech Club UNILAK、OpenSource Kigali、Cursor Community Kigali 及 Laravengers Community,分別讓他接觸校園交流、開源協作、AI 輔助開發及 Laravel 實務。

  6. 虎嗅27

    過度追求流行審美,容易失去品牌辨識度

    品牌過度追逐流行審美,容易採用相似的視覺風格,削弱品牌辨識度。設計方向應從產品、顧客和經營方式出發,品牌一致性亦不能只靠視覺規範,還要涵蓋空間體驗與日常服務。持續發展品牌敍事,並取捨與品牌方向無關的熱點,有助累積差異。

  7. 虎嗅29

    黃仁勳辭職了,然後呢?

    黃仁勳辭職後,文章認為這不會加快國產算力和儲存技術成熟;訓練更大模型也會更困難,但推理晶片仍有望在2028年實現充足供應。文章預計明年的 AI 創新焦點將轉向物理 AI,包括機械人與世界模型,並指出機械人可為大模型提供真實場景數據。

  8. 新浪科技39

    Outlook大規模故障引發網民批評微軟軟件質素下滑

    微軟 Outlook 近日大規模故障,嚴重影響歐美上班族的日常工作,也引發網民對微軟軟件質素的批評。網民亦提到 Skype、Teams、GitHub、Office 和 Windows,認為部分軟件的使用體驗及功能設計不如以往。GitHub 的 AI 內容氾濫備受爭議,文章指出,AI 生成程式碼增多也是原因之一。

  9. DEV Community70

    Claude Duet 主動向用戶發訊息,改變人與智能體的控制關係

    Anthropic 於 2026 年 10 月 21 日開放 Claude Duet 研究預覽;這款主動式智能體會檢查已連接帳戶、預備工作,並在需要用戶處理時主動發送訊息。Duet 將意圖檢查、憑證處理和敏感資料分類置於模型之外,並禁止部分金融及帳戶操作,即使用戶批准也不能執行。作者指出,審批疲勞、電郵等不可信輸入,以及解除連接後記憶仍會保留,構成主要風險,並建議減少連接範圍、仔細核對審批內容。

  10. Nathan Lambert:Interconnects62

    Jensen Huang 辭任後,美國開源 AI 生態面臨的挑戰

    Nathan Lambert 認為,Nvidia 行政總裁 Jensen Huang 辭任是美國開源模型生態的重大挫折,因為他的支持曾為這個仍在建立用例與收入模式的生態爭取時間。他指出,算力短缺令開源模型距離真正商品化仍遠,而培育美國前沿開源模型玩家的難題不只在資金,也在人才。他認為,長遠出路是在美國培育真正具前沿競爭力的開源模型玩家,同時留意州級監管帶來的風險。

  11. 虎嗅76

    黃仁勳辭任 NVIDIA 總裁、CEO 及董事,為何中國資產跌得更多?

    文章認為,黃仁勳辭任 NVIDIA 總裁、CEO 及董事,加上 RASA 等遠端算力監管措施推進的可能,或令中國 AI 資產承壓,並影響 NVIDIA 的長期開源生態策略。

    推薦理由:文章對照實體晶片出口限制與雲端算力遠端存取監管,梳理 RASA 可能如何把影響由 NVIDIA 收入延伸至中國開源生態及硬件架構。

  12. 虎嗅53

    SBF 被迫清倉 Anthropic 股份,錯失近 300 億美元回報

    SBF 於 2021 年透過 Alameda 向 Anthropic 投入 5 億美元,間接持有約 13.56% 股權;FTX 破產後,股份被出售還債,令破產財團錯失近 300 億美元潛在回報。FTX 兩次出售股份合計收回約 13.36 億美元,較最初投入多賺逾 8 億美元;按 Anthropic 擬 IPO 價格區間粗算,原持股價值超過 300 億美元。

  13. Analytics India Magazine87

    黃仁勳離任,AMD 和 Google 迎來最大的 AI 機遇

    黃仁勳在執掌 NVIDIA 33 年後辭去行政總裁一職,為 AMD 和 Google 擴大 AI 晶片業務帶來機會,並可能促使買家分散算力供應。

    推薦理由:文章將 AMD 的多年期 GPU 部署承諾、Google TPU 對外商用化與 NVIDIA 領導層變動並置,梳理大型買家分散 AI 算力供應的商業推力及遷移障礙。

  14. 阿里雲開發者社區 AI57

    小凝 Agent:自主不是模型帶來,而是由體系建立

    小凝 Agent 主張,模型能力提升不會自動帶來治理自主,授權、責任、例外處理與審計仍須由體系安排。文章將自主分為能力自主、操作自主和治理自主,並以外置狀態、獨立驗證、授權邊界及證據鏈界定有界運行自主。作者以七類項目説明實踐經驗,同時指出這些案例來自個人項目,安全與權限仍是 P0 缺口。

  15. 創業邦61

    黃仁勳辭任英偉達多項職務,智能駕駛的英偉達時代是否將徹底結束?

    黃仁勳於北京時間11月12日晚辭去英偉達總裁、行政總裁及董事會成員職務,文章藉此探討英偉達智能駕駛業務在中國市場的前景。文章回顧特斯拉轉向自研晶片、華為與地平線方案擴大應用,以及多家車企自研晶片的發展,指出英偉達在中國智駕晶片市場已不如以往佔主導。文中亦指出,CUDA生態仍具一定優勢,但英偉達未來對智駕業務的投入及市場位置仍未明朗。

  16. Hacker News 熱門(buzzing.cc 中文翻譯)41

    如何不開發音樂播放器

    AMP 開發者曾用 Claude Max 20x 為音樂播放器 AMP 編寫大量程式碼,後因難以審查而逐行重寫。四個月後,程式碼庫近半內容被刪除,功能不變且更穩健。作者認為,應把 LLM 視為 IDE 功能,並決定以傳統方式繼續開發業餘項目。

  17. DEV Community41

    廉價模型並非愚笨,而是缺少世界模型

    Mocu 開發者認為,廉價模型在智能體任務上的弱點可能不在知識不足,而在於缺少預測行動後果的世界模型。論文提出的 WorldEvolver 透過情節記憶、語義記憶和選擇性預見,在不改動模型權重的情況下改善預測及下游任務表現。開發者計劃為 Mocu 採用類似機制,讓世界模型以文字累積經驗,並以信心度篩除低信心預測。

  18. DEV Community44

    MuTRAP「殺手機械人觸發詞」研究中,真正令人擔憂的並非機械人

    Binghamton University 研究人員開發 MuTRAP,在 LLM 中植入後門,秘密觸發詞「CF」會改變模型行為;實驗中的 Segway 機械人因此計劃攻擊塑膠模型手,這只是實驗示範,並非真實事故。研究亦提出 PROTEA,在執行前檢查機械人的計劃行動是否可能造成傷害。文章指出,第三方模型的來源及訓練資料審核,是更值得關注的供應鏈風險。

  19. 虎嗅88

    黃仁勳時代落幕,英偉達面臨三重考驗

    黃仁勳離開英偉達後,公司面臨技術決策、AI 產業投融資支持,以及供應鏈動員能力三重考驗。他宣佈辭去總裁、CEO 及董事職務後,CFO Colette Kress 暫代 CEO,董事會啟動新任 CEO 遴選。文章指出,管理層更替可能影響長期技術投資、初創企業融資支持及供應商優先安排。

    推薦理由:文章把黃仁勳離任的影響拆解為技術決策、產業融資與供應鏈動員三條脈絡,説明領導層更替可能如何傳導至英偉達及 AI 生態。

  20. 創業邦54

    勸父母別刷 AI 短劇,子女直言難以勸阻

    五名子女分享勸父母少看 AI 短劇的經歷,刪除小程式、限制付款和陪伴散步等做法大多未能奏效。文中引述數據稱,2026年第一季全國集中上線12.8萬部微短劇,其中95%產自 AI;截至2026年2月,短劇 App 的50歲以上用戶月活規模已突破4600萬。受訪者提到的困擾包括熬夜、眼睛不適、短劇扣費及照看孩子時分心,也有人嘗試增加陪伴或安排其他活動。

  21. DEV Community43

    有 Harness 的 LLM Agent 不只是四個圓圈

    文章主張,LLM Agent 的架構不應只把 Skills、Harness、Memory 和 Protocols 列作四個並列類別,而應以 Runtime 為中心。Runtime 協調模型、能力、狀態、協議和執行環境,管理受控的執行週期。模型提出行動,Runtime 負責驗證行動、執行操作、處理觀察結果及決定後續步驟。

  22. 創業邦45

    AI錄音設備爭奪「最懂你」的位置

    AI錄音設備品牌以卡片、穿戴裝置、耳機及錄音筆等形態競逐用戶入口,市場焦點由錄音硬件轉向整理個人上下文。Plaud軟件訂閲ARR兩年內由100萬美元升至1億美元,設備出貨量突破200萬台,近50%硬件用戶升級付費方案。硬件成本下降後,持續收入更取決於訂閲、資料整理能力與私隱合規。

  23. Azeem Azhar:Exponential View36

    AI 與人類勞動:培養一名勞動者要花多少成本?

    Azeem Azhar 探討由 AI 或人類完成工作之間的經濟取捨,並比較培養一名人類勞動者與製造一部能勝任同類工作的機器所需成本。人類勞動者的成本包括由幼年到成年的養育、教育和供養;經濟上有用的人類智能形成需時較長,成果亦要較久才知道。

  24. 虎嗅72

    烏蘭察布星河基地模式難在美國照搬,阿比林「星際之門」數據中心引發居民反彈

    專家認為,美國電力系統碎片化、審批分散及社區阻力,使烏蘭察布算力園區模式難以照搬。烏蘭察布星河基地規劃 IT 負載容量為 800 兆瓦,首期 120 兆瓦工程於 2026年8月交付,建設時間不足一年,成本為美國同類項目的五分之一。阿比林居民反映數據中心帶來 24 小時噪聲、夜間強光及租金上升;烏蘭察布則將算力園區設於遠離居民區的地點,並配套自建風電及儲能系統。

  25. 虎嗅61

    如果黃仁勳再創業,NVIDIA或將面對新競爭對手

    文章推演,若黃仁勳再創業,憑藉其技術判斷、人才號召力及供應鏈關係,新公司可能成為 NVIDIA 的競爭對手。文章以阿莫迪創辦 Anthropic 為例,指出按兩家公司各自披露口徑,Anthropic 今年第二季度營收超過110億美元,OpenAI為67億美元,首次超過老東家。文中提出,新公司可從推理服務、機械人計算系統或收購已有技術的公司切入,並藉助供應鏈關係推進生產與交付。

  26. 新浪科技42

    小特朗普支持的 Foundation 聯合創辦人稱未來 5~10 年大部分主要戰事將由機械人執行

    Foundation 聯合創辦人預計,未來 5~10 年人形機械人、地面車輛和無人機將承擔大部分主要作戰任務,人類則負責特種作戰及小規模精準行動。Foundation 今年 2 月已交付 2 台 Phantom MK-1,下一代 MK 2 接近交付;MK 1 載重約 40 公斤,可協助士兵裝填彈藥和搬運物資。

  27. DEV Community56

    Microsoft AI 科學家 John Langford 離職,文章分析擴展路線如何擠壓其他研究

    Microsoft AI 科學家 John Langford 任職 14 年後離職;文章指他不滿研究資源過度集中於擴大模型規模,成本效益較高的方法未獲重視。他所在團隊於上個 9 月重組,併入 Mustafa Suleyman 整合後的 AI 部門,雙方在研究方向上存在分歧。文章以 contextual bandits 和離線策略評估為例,説明這類研究可利用歷史數據,減少昂貴的線上實驗。

  28. DEV Community39

    研究者的困境:為何規模擴張佔上風,以及我們正在失去甚麼

    John Langford 離開 Microsoft,反映大型科技公司的研究方向愈來愈偏重擴大模型規模,探索其他方法的研究則難以獲得重視。9 月,他約 50 人的團隊併入 Mustafa Suleyman 領導的 Microsoft AI 部門。文章指出,研究者可建立跨越管理層變動的支持力量、分辨創新是尚未成熟還是不受歡迎,並記錄轉向擴大模型所放棄的機會。

  29. 阿里雲開發者社區 AI29

    阿里系生成式引擎可信基建拆解:通義千問與夸克的信源採信及即時檢索核驗技術路徑

    通義千問以七層信源分級、多源交叉驗證和量化信任評分建立知識圖譜入庫機制;夸克 AI 搜尋則以即時檢索、信源追溯和交叉核驗支援可信生成。夸克深度搜尋單次平均檢索 197 篇資料,篩選出 38 個高置信度參考信源。兩者分別側重知識入庫與即時查證,並透過模型及搜尋能力形成協同。