跳到正文

#观点研究

今日 37 条
10月1日周四
  1. Fortune22

    Ken Griffin 向卡内基梅隆大学捐赠 30 亿美元,用于建设 CMU Miami 校区

    Ken Griffin 宣布向卡内基梅隆大学捐赠 30 亿美元,其中 20 亿美元用于在迈阿密 Wynwood 社区建设新校区 CMU Miami,计划 2028 年迎来首批学生。该校区将围绕人类健康与生物发现、国家安全、能源与气候韧性、先进制造四大挑战组织教学与研究,并通过产业研究实验室和创业工作室对接市场。

  2. 人人都是产品经理24

    AI 时代产品经理的竞争力迭代:从方法论执行到经营判断力升维

    AI 已能独立完成 PRD 撰写、竞品分析等常规产品工作,产品经理的核心瓶颈从执行效率转向判断力。Productboard 2025 年调研显示,产品经理借助 AI 工具单任务平均节省 4 小时。文章提出执行判断、协同判断、元判断三层能力结构,并指出产品经理需以经营者视角完成价值、资源与风险维度的决策升维。

  3. Fortune12

    Edward Jones 管理合伙人 Penny Pennington:越来越多客户选择“生前赠与”传承家庭财富

    Edward Jones 管理合伙人 Penny Pennington 表示,其 900 万客户中越来越多人选择“生前赠与”,在去世前把部分资产分给年轻家庭成员,既想亲眼看到影响,也想检验家族价值观是否成功传递。她提到,Edward Jones 正用 AI 识别客户常见财务场景,例如上个月记录了 700 次关于宠物急诊手术的对话和 3000 次关于房车旅行的对话。

  4. Fortune34

    DataSnipper CEO Vidya Peters:审计业面临的是人手短缺危机,而非 AI 抢饭碗

    阿姆斯特丹审计与财务自动化公司 DataSnipper 的 CEO Vidya Peters 认为,审计行业真正的危机是人才短缺而非 AI 取代岗位:该行业职位空缺常年是求职者的两到两点五倍,美国会计师与审计师人数从 2019 年的约 196 万降至 2022 年的约 165 万,2025 年部分回升至约 177 万,仍比疫情前少约 20 万人。

  5. Chief Learning Officer62

    当工作先于学习改变:L&D 为何要前移到工作设计

    文章指出,AI 正在快速改变岗位与流程,而多数组织的学习与发展(L&D)往往在工作流已改、技术已选、任务已重新分配之后才被要求设计培训,此时已偏晚。作者主张 L&D 应前移到工作设计阶段,先重设工作、再确定人与技术的分工,最后同步设计角色与能力,并引用新加坡陈笃生医院医疗创新中心的 CHI Innovation Cycle 作为顺序参考。

  6. 机器之心(公众号)62

    OpenAI 们被嫌贵,美国大厂转向开源模型,中国厂商吃到降本红利

    美国企业正把越来越多 AI 工作负载从 OpenAI、Anthropic 的前沿模型迁移到开放权重模型,其中不少来自 DeepSeek、智谱等中国公司。AT&T 每天处理约 450 亿 Token,约 40% 的 AI 工作负载已运行在开放模型上,并计划一年内提升到 70%;Tinder 的 AI 年支出估算从 1 月的 100 万美元涨到 7 月的 1000 万美元。

  7. TechCrunch · AI22

    Google 发布 Gemini 4 Argon,称其为迄今最强模型

    Google 发布 Gemini 4 Argon,称其为迄今最强模型,主打防御性网络安全,可自主发现、验证并修补关键软件漏洞,目前仅通过 Fairwind Program 向部分网络安全合作伙伴开放。Google 称其在多项 AI 基准测试中显著高于 OpenAI 的 GPT-6 Astra 以及 Anthropic 的 Fable 和 Opus,并在 Vals 的模型指数上排名第一。

  8. Fortune22

    Citadel CEO Ken Griffin 向卡内基梅隆大学捐赠 30 亿美元,将在迈阿密新建校区

    Citadel CEO Ken Griffin 承诺向卡内基梅隆大学(CMU)捐赠 30 亿美元,其中 10 亿美元用于匹兹堡校区,20 亿美元用于在迈阿密 Wynwood 新建 CMU Miami 校区。CMU 称这是个人向高等教育机构捐出的史上最大一笔捐赠。新校区预计最终容纳超 3500 名学生和近 300 名教职员工,2027 年动工,计划 2028 年招收首批学生。

9月30日周三
  1. 量子位22

    OpenAI 研究员 Noam Brown 谈多智能体:1 万个 Agent 解千禧年难题,数学只是开胃菜

    OpenAI 研究员、o1 核心作者 Noam Brown 在播客中表示,1 万个 Agent 耗时 88 小时、消耗 1300 亿 token 解出千禧年数学难题,但多智能体最多只占 10% 功劳,核心仍是模型本身足够强。他透露 GPT-5.6 的 Ultra Mode 默认 4 个 Agent,4 个 Agent 可将解题速度提升一倍,16 个 Agent 效率略降但性能继续提升。

  2. 傅盛(公众号)30

    OpenAI 推出 dots:GPT-6 Astra 驱动的常驻云端智能体

    OpenAI 发布名为 dots 的智能体产品,背后由 GPT-6 Astra 驱动,每个 dot 拥有自己的云端电脑和浏览器,可 24 小时在线工作,用户退出 ChatGPT 或关机后仍持续运行。dots 强调持续负责与主动关注,已可接入 4000 多个应用,后台主动查看默认仅限读取和分析,发消息、改内容等外部操作仍需用户确认。

  3. 量子位22

    工业AI的下一个机会在哪?西门子Xcelerator与阿丘科技谈从1到100的规模化

    西门子Xcelerator中国销售与生态成功负责人顾欣与阿丘科技创始人兼CEO黄耀在量子位对话节目中提出,工业AI从0到1验证可落地,1到100才是商业成功,平台需充当连接器与放大器。阿丘科技案例显示,导入智能体技术后设备OEE和产能可提升25%左右。黄耀判断,当前机会集中在高价值、数据ready、技术可行交叉的场景,如半导体、PCB等高端制造中围绕良率、工艺、OEE的单点应用。

  4. Lenny's Newsletter22

    Jev 的 8 个真实用例:我见过最快、最便宜的模型 | John Lindquist

    John Lindquist 在播客中演示了 Jev 的 8 个真实用例,包括实时语音待办应用、毫秒级数据去重合并、纯英文转函数名、多级应用路由、与低推理 LLM 下棋的速度与成本对比、多智能体协调避碰和实时演讲教练。他将 Jev 定位为决策引擎而非聊天机器人,最适合做路由,单次分类不够时可串联多次调用;他也指出 Jev 的局限,以及何时仍需使用完整生成模型。