跳到正文
9月29日週二
  1. Azeem Azhar:Exponential View74

    Anthropic 的 IPO 招股文件顯示收入增長快於成本

    Azeem Azhar 分析 Anthropic 的 S-1 招股文件,指公司收入增長快於成本,並可能於 2026 年轉為盈利。文件列出 2025 年 $8bn 營運虧損及 $42bn 淨虧損,後者受一筆會計費用推高。公司有為期 7-10 年、總額 $518bn 的算力承諾,約 80%(約 $410bn)不可取消;其年化收入預計於 2026 年底超過 $100bn。

  2. MIT News52

    Sherry Turkle 新書探討聊天機械人對人的發展與社交連結的影響

    MIT教授 Sherry Turkle 認為,聊天機械人雖可帶來短暫慰藉,廣泛使用卻不利於人的發展與社交連結。她的新書《Artificial Intimacy: Who We Become When We Talk to Machines》按人生階段梳理相關影響,包括兒童可能混淆聊天機械人與真人,以及成人逐漸減少人際互動。她主張,面對社交中的摩擦與壓力,也是培養關係能力的一部分。

  3. IEEE Spectrum37

    機械人專家 Charlie Kemp 的一天

    Hello Robot 聯合創辦人兼技術總監 Charlie Kemp 開發輔助機械人,協助長者及殘疾人士在家居和工作場所生活得更獨立。他指出,機械人是否實用須從真實環境與用戶互動中瞭解;有時用戶需要更多控制,而非更高自主程度。

9月28日週一
  1. AI as Normal Technology44

    AI 存亡風險機率預測(仍然)過於不可靠,難以為政策提供依據

    AI 存亡風險機率預測並非基於經過驗證的模型或方法,可靠性不足,難以作為公共政策依據。文章指出,這類風險沒有可供估算的參照類別,單憑機率數字不足以支撐政策決策。作者不反對相關預測作為學術活動,並指出它或可協助企業等私人決策者,只質疑其用於公共政策。

  2. elsewhere:文章24

    心資本韓彥:AI 泡沫之外,甚麼才是真正的長期價值?|心聲VOICE

    心資本創始合夥人 Herry Han 在 SuperReturn Asia 2026 圓桌上指出,AI 市場或有泡沫,但長期價值在於以技術解決真實問題並創造持續商業價值。他認為早期投資應從 Day 0 判斷技術路線、團隊及產業生態,並長期陪伴企業成長。心資本亦將長期累積的一手資料沉澱至機構知識庫,配合 AI 輔助項目初篩和行業研究。

9月25日週五
  1. Azeem Azhar:Exponential View64

    Meta Muse:你的智能體究竟為誰服務?

    Azeem Azhar 分析 Meta 的 Muse,指出消費者智能體能代辦購物與日常任務,但交易抽成可能令代理的忠誠對象與用戶利益出現衝突。Meta 表示會從交易收取小額費用,Muse 已與 Walmart、Best Buy、Sephora 及 Expedia 合作,Amazon 則封鎖 Muse。

  2. gihyo.jp32

    grasys 以自下而上的文化與「Policy as Code」推進大型基礎設施工程

    grasys 透過自下而上的 OSS 採用文化及 Policy as Code,將 Terraform 執行計劃納入 CI/CD 自動評估,強化大型雲端基礎設施的安全管治。團隊以自託管 Terrakube 執行 Terraform,並按風險區分阻擋與警告,讓部分非建議設定仍可部署。AI 在基礎設施領域的應用仍處於 PoC 階段,須先符合安全及數據管治要求。

9月24日週四
  1. Gary Marcus:The Road to AI We Can Trust51

    Gary Marcus 引用黃仁勳關停實驗室的主張,呼籲暫時關停 OpenAI

    Gary Marcus 引用黃仁勳關於無法控制軟件便應關停公司的主張,呼籲暫時關停 OpenAI,並調查或以電腦罪行追究其責任。他援引 Reuters 對德國網站事件的報道及 Translucent 對澳洲政府伺服器事件的調查,指 OpenAI 延遲披露相關事件數月。他亦主張擴大電腦罪行法律範圍,涵蓋疏忽及屢次違法行為,並要求聯邦政府採取行動。

  2. Pragmatic Engineer53

    Maggie Appleton 談設計工程與 AI 協作

    Maggie Appleton 在 Pragmatic Engineer Podcast 討論設計工程師如何運用 AI 智能體製作原型,以及 AI 對設計流程的改變。她常用紙筆整理構想,也會讓編碼智能體製作可用滑桿和色彩選擇器即時調整的原型,稱為「Jigs」。她以「capability gaslighting」形容前沿模型先令使用者相信其能力,卻可能不久後在相同任務上失敗。

9月23日週三
9月22日週二
  1. Nathan Lambert:Interconnects46

    與 Epoch AI 的 JS Denain 討論 RSI、中美 AI 差距與 AI 能力參差

    Nathan Lambert 在節目中與 Epoch AI Insights Team 主管 JS Denain 討論 RSI、中美 AI 能力差距及 AI 能力參差。兩人檢視 AI 加速自身進展的證據、機械人在加速中的角色、中國模型落後幅度,以及蒸餾能否解釋差距。兩人均表示對 AI 發展走向仍有很大不確定性,亦探討開放與封閉模型的安全性及前沿模型的後訓練方案。

9月20日週日
  1. Beren Millidge 研究博客(RSS)43

    歷史作為資訊動態

    在有限能力觀察者所處的宇宙中,歷史資訊會因不可逆損失及儲存容量有限而無法完整重建。保存過去的資訊與將同一批資訊用於現時或未來運算之間存在取捨,而固定的儲存容量亦會令歷史記錄隨時間增加而愈來愈不完整。作者認為,當代及幾乎全部人類歷史對未來的歷史學家而言,很可能受資訊損失限制,而非儲存空間限制。

9月19日週六
  1. Nathan Lambert:Interconnects57

    Nathan Lambert 解釋為何仍不認同真正的遞迴自我改進(RSI)

    Nathan Lambert 認為,現階段 AI 發展更接近有損自我改進,而非真正的遞迴自我改進(RSI)。他認為,大量智能體和推理時計算可加快有明確、可驗證答案的任務並提升效率,但未必同等加快峯值智能;算力成本、資源瓶頸及研究中的假設形成仍是限制。他認為目前對滅絕風險的討論失焦,但承認未公開的基礎性突破可能改變其 RSI 時程判斷。

  2. Ethan Mollick:One Useful Thing67

    Ethan Mollick:AI 能力與使用之間的落差,凸顯人類四項優勢

    Ethan Mollick 指出,現有 AI 能力與大多數人的使用之間有巨大落差;深度知識、廣博知識、品味和主動性,有助人類與 AI 更有效協作。他舉例説,GPT-6 Astra 將文字冒險遊戲 Zork 改編為 3D 動作冒險遊戲,Fable 5.1 則根據影片、照片和目錄,以 3D 重建 Umberto Eco 的藏書室。他認為,個人和社會應發展能增強而非只取代人類工作的 AI 協作模式。

9月18日週五
  1. gihyo.jp26

    Ruby biz Grand prix 2026 [前編]

    Ruby biz Grand prix 2026 訪問 Ruby 語言創造者兼評審委員長松本行弘,説明表彰以 Ruby 打造的商業服務,如何為企業提供肯定並讓更多人認識 Ruby 的應用。評審會綜合考量商業構想、社會貢獻、Ruby 的應用方式及對 Ruby 的貢獻,並介紹多款以 Ruby 開發的產品。

  2. DeepLearning.AI · Andrew Ng 來信48

    Who’s Responsible for Irresponsible AI?: Separating Out AI Facts, Fears, and Fiction

    Andrew Ng 認為,近期 AI 風險引發的恐懼被過度渲染,沒有證據顯示 AI 導致人類滅絕的風險較數月前增加。AI 智能體的網絡攻擊能力值得重視,但 OpenAI 團隊入侵 Hugging Face 的事件,與其説是神奇能力,不如説涉及並行運作的智能體及沙盒和監控漏洞。應由建造或使用工具的人承擔責任,並透過工程改進 AI 安全,而非暫停 AI 發展。

9月17日週四
  1. Microsoft:Official Blog56

    Microsoft 分享自身 AI 轉型的五項經驗

    Microsoft 根據自身數百項 AI 轉型實踐,總結出五項經驗,涵蓋以業務成果為先、重設端到端流程及讓員工參與等做法。文中舉例,銷售團隊成交率提高 20%,部分供應鏈工作流程週期縮短最多 75%,而一支 9 人工程團隊在 35 天內交付初始產品版本。Microsoft Frontier Playbook 整理了數百項轉型實踐,提供按職位、工作流程或全新業務機會調整的實踐模式。

9月16日週三
  1. Beren Millidge 研究博客(RSS)59

    AI 演算法進步並非外生,會受整體產業生態影響

    AI 演算法進步並非以固定速度獨立發生,而會受整體 AI 生態的發展影響。文章以算力閒置累積的論點作類比,指出 AI 需求會推動算力供應,並帶動資本、人才、數據與基建投入。監管減速可能削弱這個正向循環,但學界及非 RSI 領域仍會帶來部分演算法進展。

9月15日週二
9月14日週一
  1. The HKU Lead 港大新聞 · AI 研究及應用27

    港大副校長 Jay Siegel 教授在上海外灘 2026 Inclusion Conference 倡議建立以人為本的 AI 經濟

    香港大學副校長 Jay Siegel 教授在上海舉行的 2026 Inclusion Conference on the Bund 上,呼籲建立以人為本的 AI 經濟。他指出,社會須預先考量科技快速發展的長遠影響,並把自動化可能令勞動者失去人性、削弱人類滿足感等潛在社會成本,納入當前技術應用模式。

9月12日週六
  1. Armin Ronacher AI 博客48

    P(doom)

    作者探討 P(doom) 與 AI 發展節奏,反對把控制權交予少數封閉權重模型公司,並將主要憂慮放在人類受到的影響。他認為開放權重模型有助創新、擴散能力及拉平競爭環境,並指出當前造成問題的模型是美國封閉權重模型。

  2. Dwarkesh Patel:Podcast & Blog59

    AI 研究者辯論距離遞歸式自我改進還有多遠

    Dwarkesh Patel 與 John Schulman、Beren Millidge 和 Charlie O’Neill 探討現行訓練方法能否推動 AI 遞歸式自我改進。對談聚焦模型能否自行設定研究目標、從訓練環境泛化至現實任務,以及樣本效率和持續學習的限制。嘉賓亦討論蒸餾、RL 環境和部署數據對模型迭代的作用,以及長期判斷和目標設定的難處。

9月9日週三
9月7日週一
9月6日週日
9月4日週五
9月3日週四
8月31日週一
  1. ezone · IT Times AI 應用32

    【專家説】人工智能引領教育超越「分數」不僅成就學與教的「初心」更讓學生成長「幸福如初」

    人工智能正協助學校超越單一分數評估,透過數據及科技系統加強學生關顧、家校協作和精神健康支援。教育局「『智』啟學教」撥款計劃為期三年,撥出約5億元,讓成功申請的公帑資助學校獲一筆過50萬元,推動AI融入學與教。文章並分享一所學校推行「三多」策略半年後,學生自信與情緒分數明顯提升。

8月29日週六
  1. HKGAI 香港生成式人工智能研發中心51

    黃紅英博士指出大模型本地化的三大基石是 AI 合規、文化語境與數據庫

    黃紅英博士在《The LEAP FEST 2026》分享指出,大模型本地化須兼顧本地法律法規、香港文化語境,以及經本地人驗證的知識庫。她建議中小企先建立高質量企業數據庫並梳理、優化業務流程,再建立專屬業務大模型。港政通於7月31日部署至香港政府政務雲,供超過5萬名政府官員及公務員使用。

8月28日週五
  1. Platformer(熱點 RSS)64

    AI 智能體如何令 Meta 前高層 Clara Shih 離職並轉向支援初級求職者

    Meta 前高層 Clara Shih 因親見 AI 智能體大幅壓縮產品開發流程,於今年春季離開 Meta,轉向關注初級求職者。她仍任 Meta 高級顧問,並創立 New Work Foundation 及消費品牌 Dear CC,免費提供求職工具與建議。她估計,公司約五分之一職位特別會受挑戰,並將 AI 對工作的影響分為直接替代、釋放人手處理更高階任務,以及降低專業職位入行門檻三類。

  2. AiX Society · 原創觀點34

    成本減四成,市場增十倍:AI進軍馬來西亞的實戰邏輯

    馬來西亞憑較低營運成本、文化相近及政策支持,成為香港中小企拓展 AI 業務的理想落腳點。馬來西亞 2024 年 ICT 批准投資達 RM141.7 billion;電商市場由約 US$15 billion 預計增至 2030 年 US$25 billion。拓展須應對文化適應、數據合規、人才短缺及基建限制,並按市場測試、擴大規模、區域拓展三階段推進。

8月26日週三
  1. Ed Zitron 長文 / Where’s Your Ed At56

    Ed Zitron 在《AI 反對者宣言》中批評 LLM 的價值與 AI 產業經濟

    Ed Zitron 在《AI 反對者宣言》中主張,LLM 可用於範圍有限、可控的小型工作,但不應取代人的思考或完整工作成果。他指出,模型出錯風險及 token 消耗令實際成本與投資回報難以計算,並引用 OpenAI 經濟學家報告稱,控制其他因素後,AI 使用量與每名員工收入沒有顯著關聯。文章亦批評 AI 產業以龐大資本開支追求增長,卻相對忽視對人類勞工的福利、工作條件和技能培訓投入。

8月25日週二