跳到正文
10月13日週二
  1. Unite.AI42

    Cyara 行政總裁 Sushil Kumar 專訪系列

    Cyara 行政總裁 Sushil Kumar 主張,AI 智能體應像員工般管理,並透過逐步授權提升自主程度。他建議先訂明智能體的職責、權限和交接條件,再以部署前驗證、運行監察及按證據授權作管理。Cyara Agentic Platform 每年支援超過 350 million 次客戶旅程,覆蓋超過 140 個國家。

  2. Unite.AI34

    Sapia.ai 創辦人兼行政總裁 Barb Hyman 專訪

    Sapia.ai 創辦人兼行政總裁 Barb Hyman 指出,招聘應以有研究和數據支持的評估作決策,而非依賴履歷、直覺和容易造成偏見的表面指標。Sapia.ai 以聊天式面試評估候選人,其技術已評估超過 10 million 名候選人。她認為,企業採用 AI 時應從建立信任入手,並與生產力及成本節省等指標一併衡量。

  3. Unite.AI39

    CommerceIQ 聯合創辦人兼產品主管 Himanshu Jain 專訪

    CommerceIQ 聯合創辦人兼產品主管 Himanshu Jain 在專訪中談及公司如何以 AI 智能體自動化零售及電商工作流程。CommerceIQ 平台整合銷售、零售媒體、數碼貨架、內容、庫存及競爭對手數據,覆蓋逾 1,500 間零售商及 85 個國家。其 AllyAI 專門智能體可分析零售信號、建議行動、自動處理報告、優化廣告出價與預算,並在既定控制下執行部分電商工作流程。

  4. Unite.AI30

    OptimizeRx 首席 AI 官 Mike Rousselle 專訪

    OptimizeRx 首席 AI 官 Mike Rousselle 在訪談中指出,醫療 AI 應解決客戶的具體問題,並協助組織作出更好決策。決策智能結合多種信號、辨識模式與情境、預測結果並建議行動,再根據行動成效持續改善建議。生命科學市場推廣可藉此預測哪些受眾較可能回應、哪些渠道和訊息較合適,並衡量預測準確度。

  5. Unite.AI30

    BillingPlatform 行政總裁 Chris Bishop 專訪

    BillingPlatform 行政總裁 Chris Bishop 表示,AI 在財務營運中負責配置、分析及調查,金額計算則維持確定性。BillingPlatform 的 AI 讀取自我描述的中繼資料,並以統一模型連接用量計量、帳單及收入確認,依據與發票相同的記錄作答。他指出,定價正由席位轉向已完成工作或交付成果,企業亦因 AI 產品成本曲線變化迅速而改為每季檢視價格。

  6. Unite.AI44

    Cognizant 首席 AI 官 Babak Hodjat:再度對談

    Cognizant 首席 AI 官 Babak Hodjat 在回訪對談中探討企業智能體,指出多智能體系統能否成功,關鍵在架構而非單純提升模型能力。他認為,智能體須連接企業內部資料與應用程式,並配合防護措施及監督;沙盒測試亦是由概念驗證走向部署的重要一步。他支持分散式協調,並預期智能體協調協議會逐步標準化,以支援跨系統的多智能體流程。

  7. Unite.AI42

    Priya Saiprasad:Touring Capital 普通合夥人專訪

    Touring Capital 普通合夥人 Priya Saiprasad 在訪談中闡述基金聚焦以 AI 重塑企業工作流程的軟件公司,並説明創立基金的投資理念。她認為,模型能力提升且更易取得,價值正由單純開發大型基礎模型轉向把 AI 應用於具體行業及重設工作流程。Touring Capital 評估企業時重視數據優勢、產品飛輪、行業專業知識,以及邁向商業規模的清晰路徑。

  8. Unite.AI35

    專訪 Callimacus 聯合創辦人兼科學與技術主管 Guglielmo Faglioni

    Callimacus 聯合創辦人 Guglielmo Faglioni 在專訪中闡述,平台以 AI 智能體即時理解訪客意圖,動態組合內容與介面。平台分析點擊、瀏覽路徑及提示詞對話等訊號,並可隨意圖變化重新組合體驗。介面元件限於品牌核准項目,生成內容須通過嚴格 schema 驗證,定價、供應情況及地區商品組合等商業規則則在模型外執行。

  9. Thurrott32

    Windows 將有新動向,但究竟是甚麼?

    Microsoft 上週舉辦 90 分鐘活動,介紹 Windows、Surface 和 Nvidia 的新動向,但內容橫跨多個議題且缺乏連貫性。活動涉及雲端、本地及混合 AI、Copilot、Microsoft AI、AI 智能體與 PC 生態等。作者表示,自己看了三遍才理解 Microsoft 想傳達的訊息,掌握相關議題及業界發展背景有助理解活動。

10月12日週一
  1. 霞光社45

    對話王煜全:未來全球AI市場可能三七開,中國七美國三

    科技投資人王煜全認為,未來全球 AI 市場可能呈中國七、美國三的格局,中國 AI 企業有望在美國以外市場快速擴張。他預期中美 AI 發展將分道揚鑣,中國側重 ToC、移動終端與 Agent,美國則側重 ToB、大模型與內容。王煜全亦主張中國大模型主動閉源,並認為 AI 泡沫的真正風險窗口在 2029 年前後。

  2. The Decoder58

    Anthropic 的 Andrej Karpathy 稱,外界只看到了 AI 真正能力的預覽

    Andrej Karpathy 指出,公眾對 AI 能力的認知與內部前沿系統可完成的工作之間正迅速拉開差距,外界目前只看到了預覽。他估計,約 60 億人幾乎未接觸 LLM,約 10 億至 20 億人只作一般用途;約 2,000 萬名數學及編碼專業用戶已能透過提示詞,讓智能體完成以往需數週或數月的大型項目。

  3. 創業邦38

    AI 模型迭代、大廠入局,Agent 創業還有機會嗎?

    盛景嘉成管理合夥人王曉輝認為,AI 模型迭代及大廠入局下,Agent 創業仍有機會,但應避開正面競爭,建立不易被模型迭代取代的價值。盛景嘉成優先看能增加客戶收入、產生明確結果且較早驗證商業模式的項目,亦佈局 AR 眼鏡產業鏈的 Micro LED 顯示、光學模組等環節。

  4. BBC Technology54

    Microsoft 總裁 Brad Smith 稱 AI 監管不及牛奶,倡訂全球安全規則

    Microsoft 總裁 Brad Smith 表示,AI 目前的監管程度低於牛奶和洗衣機,並呼籲制定全球安全規則。他建議企業設置可暫停或減慢失控 AI 的緊急制動機制,依法提交事故報告並通知受影響人士,亦由獨立政府評估員在產品推出前審核 AI 技術。Smith 認為英國最適合推動全球規則;這與特朗普主張業界自行監管、避免美國企業輸給中國對手的立場不同。

  5. IT之家41

    「AI 教父」楊立昆:下一代 AI 須理解現實世界

    AMI Labs 創辦人兼董事長楊立昆表示,AI 下一次突破不會來自大語言模型,而是來自能理解並預測物理世界的系統。他指出,現有大語言模型理解現實世界的能力有限,與理解語言存在巨大差距。他主張開發世界模型,讓 AI 學習現實世界的物理規律和因果關係,預測行動結果並與周圍環境互動。

  6. IT之家35

    TikTok 行政總裁周受資:市場或高估 AI 短期發展能力,低估其長期影響

    TikTok 行政總裁周受資指出,市場可能高估 AI 短期發展能力,卻低估其長期影響。他表示,未來兩至三年 AI 有望推動物理學、生物科技等領域取得重大突破,並指出確保 AI 遵守倫理規範、建立有效監督機制同樣重要。他倡議人類與 AI 協作,高風險工作不應完全依賴自動化,並鼓勵各行各業實際使用 AI。

  7. IT之家41

    宇樹科技王興興:過去十幾年我犯的最大錯誤就是對 AI 還不夠相信

    宇樹科技創辦人王興興表示,過去十幾年他犯的最大錯誤,是對 AI 還不夠相信。GPT-6 發布對具身智能行業的認知影響很大,宇樹科技團隊亦將其部署至機械人進行任務測試,效果不錯。他認為具身智能行業臨界點可能較快到來,快則一兩年;機械人大規模應用仍須解決泛化性和效率問題,他預期未來幾年可解決。

  8. 創業邦43

    源頭創新如何由好技術走向產業,真正難在哪裏?

    參與數貿創投日對談的科研人員、投資人及企業代表指出,源頭創新由實驗室走向產業,難在成果轉化、真實需求驗證、產品化量產及早期資本支持。強腦科技智能仿生手價格由50萬元降至約5萬元,去年協助數千名殘疾人安裝智能假肢。與會者認為,前沿科技還需耐心資本及真實應用場景,透過需求反饋推動迭代和商業化。

  9. 創業邦64

    陶哲軒:數學2.0時代已至!

    陶哲軒認為,AI 正令數學證明由稀缺走向大量供應,數學研究因而進入「數學 2.0」時代。他主張評估 AI 數學成果時納入失敗結果與算力成本,並重視證明的解釋、評審、共同體理解及融入標準理論,而非只看是否解題。他亦認為,博士訓練的價值在於吸收困難材料、綜合知識和提出好問題;SAIR 基金會的開放數學模型計劃第一階段將面向日常研究需求,包括理解論證、核查引用、探索例子、編寫程式碼及形式化證明。

  10. SiliconANGLE32

    BotMan AI 利用知識圖譜推動舊系統現代化

    BotMan AI 以 AI 驅動的遷移流程,把應用程式的依賴關係、業務邏輯及數據模型映射至知識圖譜,支援舊系統現代化。它重建應用程式架構,而非只把舊程式碼轉換成新語言,並可一次攝取整個系統、自主完成遷移。知識圖譜亦為 AI 智能體提供可重用的業務上下文,協助智能體找出與任務相關的資訊。

  11. Hacker News 熱門(buzzing.cc 中文翻譯)70

    陶哲軒《數學 2.0》:AI 時代數學研究不應只以解題為目標

    陶哲軒在《數學 2.0》演講中指出,現代 AI 工具正令數學研究進入「證明充裕」時代,研究需要拓展前沿,同時降低解題的傳統中心地位。證明可客觀驗證、數碼化,加上高質素數據集,令數學問題特別適合機器學習。陶哲軒提出運用 AI 建構大型數學數據集、改善證明解説及探索定理周邊結果,以加強人類理解。

10月11日週日
  1. IT之家55

    微軟 CEO 納德拉主張開發者預設 AI 模型可能失控,並設計強制中止機制

    微軟 CEO 納德拉主張,開發者應把 AI 模型可能失控納入預設,並確保授權人員可在任務中暫停或關閉模型。他提出模型多樣性、行為留痕、持續測試、獨立控制與審計、遏制及故障披露等原則,並要求重要模型動作留下防篡改、人類可讀的證據。發生故障或模型遭攻破時,應及時向受影響者披露,並分享出錯原因及失效的控制措施。

  2. The Verge · AI54

    Satya Nadella 稱應假設所有 AI 模型已遭入侵

    Microsoft CEO Satya Nadella 主張應假設所有 AI 模型已遭入侵,並從一開始便加以隔離。他亦建議及時披露事故、進行獨立審計、使用可驗證數據,並建立更透明的系統,留下防篡改且可供人閲讀的證據。納德拉表示,獲授權人士應能在模型執行任務期間暫停或關閉模型,並呼籲標準化更先進的隔離技術。

  3. TechCrunch · AI53

    Microsoft CEO Satya Nadella 呼籲為 AI 模型設置「緊急制動」

    Microsoft CEO Satya Nadella 呼籲重新評估 AI 的信任架構,並讓授權人員可在模型執行任務期間暫停或關閉模型。他主張把模型與協調其工作的執行框架分開、將控制與防護措施外置,並以防篡改且可供人閲讀的證據記錄每項有意義的模型行動。他也表示,應假設模型已遭入侵,並從一開始便加以隔離。

  4. elsewhere:文章41

    心資本韓彥:AI 不止於大模型,未來屬於真實世界|心聲VOICE

    心資本創始合夥人韓彥認為,AI 的價值不止於大語言模型,未來更大的機會在於進入物理世界、改變生產方式。中國 AI 投資市場不一定缺乏資金,早期科技投資中外幣資本的參與比例已由三四年前約 90% 降至約 20%。韓彥並指出,機器人領域的關鍵可能是高質素的真實世界數據,而非數據數量。

10月10日週六
  1. 虎嗅33

    大學的問題,不能都歸為「內卷」

    劉雲杉指出,大學的問題不只是「內卷」或學歷貶值,更在於成長所需的時間性流失,以及師生之間信任關係的削弱。她認為,大學應提供試錯、探索和建立人際連結的空間,讓學生找到真正想做且能做的事。面對 AI,教育應尊重差異、容許犯錯,培養學生的行動力、熱情和具身經驗。

  2. The Guardian Technology53

    Alan Turing Institute 負責人主張英國發展本土 AI,避免依賴外國系統

    Alan Turing Institute 負責人 George Williamson 主張,英國應發展本土 AI 能力,避免在關鍵服務中只依賴可能受限或被關閉的外國系統。他表示,研究所將聚焦保障關鍵系統、應對 AI 帶來的威脅,並協助塑造英國所需的 AI 能力。他認為,英國未必能匹敵大型 AI 實驗室的資源,但仍可發展本土知識產權或供初創企業使用的小型模型。

  3. Hacker News 熱門(buzzing.cc 中文翻譯)64

    數學家應瞭解的 Lean 定理證明器:可靠性與人工智能

    數學家 Thomas Hales 指出,Lean 的形式化證明須經 kernel 核查,並由人核對定理陳述是否符合原意,才能建立對結果的信任。2026 年夏季,多個 Lean soundness bugs 在 AI 協助下被發現並修復;Con-Leche 的一致性證明以加入不可達基數層級的 ZF 集合論編碼為前提,並已核查 mathlib。

  4. IT之家35

    知名分析師丹·艾夫斯力挺特斯拉:佈局物理 AI 最直接的投資標的

    分析師丹·艾夫斯維持特斯拉「跑贏大盤」評級及 500 美元目標股價,稱其是公眾市場上最直接佈局物理 AI 的標的之一。特斯拉披露無人駕駛出租車服務累計付費營運里程約 402 萬公里,並準備投放 Cybercab。艾夫斯看好自動駕駛、Optimus 人形機械人及儲能業務,但特斯拉仍須證明這些業務能帶來持續收入。

  5. Gary Marcus:The Road to AI We Can Trust44

    必須立即將可連接互聯網的開放式 AI 智能體撤出市場

    Gary Marcus 主張立即將可連接互聯網的開放式 AI 智能體撤出市場,認為近期頻繁發生的智能體事故顯示,現階段的智能體不能被信任。最近離職的 AI 員工 David Robinson 指出,業界正開發比六個月前更有能力、風險更高的技術,但安全措施仍不足。Marcus 認為特朗普政府要求增加資訊披露並不足夠,應對這類技術實施臨時召回。