前DeepMind华人研究员离职喊话：AI行业所有人都搞错了方向（在新窗口打开）
前谷歌DeepMind研究员离职并发表长文指出AI行业当前最被低估的瓶颈。他认为，现有的基准测试和安全评估都隐含假设下一代模型只是当前模型的增强版，但如果模型跨入全新能力区间，整个评估基础设施将悄然崩溃。
搜索
关于“AI行业”的结果
共 46 篇
得场景者得AI天下，如祺数据在出行赛道跑出了一家AI数据公司（在新窗口打开）
AI行业，最稀缺的抢手货变了。 李飞飞提出“空间智能”后，行业正在形成一个越来越明显的趋势判断：大模型之后，世界模型、具身智能正成为资本和产业关注的新焦点。 然而，AI开始转向理解并作用于真实的物理世界之时，一个尴尬的现实也随之浮现： 训练这些模型所需的真实物理世界交互数据，极度稀缺——缺到甚至有业内观点认为，需求与供给之间，可能存在近十万倍的差距。 因为过去的大模型，靠海量文本和图片就能完成语言理解与生成，但具身智能需要的是“决策→行动→反馈”的完整链条——这些静态、缺乏因果和交互的数据，很难再满足需求。 行业迫切需要一种全新的数据：来自真实物理世界、带有因果逻辑、能持续产出的交互数据。 于
时薪800、学历硕士起：大厂热抢的AI数据“炼金师”到底在做什么？（在新窗口打开）
数据标注正成为一项更有技术含量的工作。 在公众的传统认知里，AI数据标注始终带着某种“数字流水线”的色彩。 它通常意味着坐在电脑前，重复处理着图片、语音或文本，比如给自动驾驶图像逐一框出行人与车辆，为语音系统一句句校对字幕，或者按照既定规则为数据打上标签。其低门槛、低薪资、机械性的特质，堪比AI时代的“电子厂”。 但当大模型浪潮席卷AI行业之后，数据标注行业开始出现一种出人意料的变化。虽然传统数据标注工作仍有庞大需求，但越来越多AI企业，尤其是头部大模型厂商，正在寻找一种更有技术含量的新型标注员。 如今，阿里、字节、DeepSeek、MiniMax等企业的一些相关岗位，不再冠以“数据标注”的名
怎样系统性地理解AI的技术名词？一个框架（在新窗口打开）
AI领域的造词速度已经到了一个夸张的水平，各种概念眼花缭乱。从龙虾、Agent、循环工程（Loop Engineering），到现在前沿的持续学习和RSI（递归自我改进）。不管是对于初步了解行业还是跟踪AI行业的人，这都是一件比较头疼的事情。
5万亿帝国背后：AI是一场83年才能回本的“庞氏骗局”？（在新窗口打开）
对冲基金Praetorian Capital创始人哈里斯·库珀曼（Harris Kupperman）向《每日经济新闻》记者（以下简称每经记者）表示，AI投资从回报上看说不通。整个AI行业需要1万亿美元的收入才能实现收支平衡，而目前行业的月收入仅略超10亿美元。也就是说，要收回目前计划的支出，需要约83年。
一文带你看懂，火爆全网的Harness Engineering到底是个啥。（在新窗口打开）
最近这个词实在是太火了。 Harness Engineering。 我刷推刷到，朋友圈刷到，群里也在聊， 微信指数又莫名其妙一根穿云箭了。 几乎每隔两三天就有人来问我，卡兹克你能不能讲讲这个Harness到底是什么。 所以想了想，我还是尽我可能，花了将近一整天的时间，给大家写一下我理解的Harness Engineering到底是个啥。 大家其实不要觉得AI行业喜欢造概念或者喜欢搞抽象，主要还是AI这玩意实在变得太快了，很多东西也都是随着时间和行业的发展不断的前进的。 一个东西在24年可能还满足当时的语境，但是25年可能就不够了，因为模型的进步速度太快了，于是25年大家只能用一个新的词来解释，
“老登”应用，霸榜AI（在新窗口打开）
AI应用的争夺战，打到哪儿了？ 如果把整个AI行业想象成一座金矿：基础设施层（芯片、算力）相当于“卖铲子”，提供挖矿的基础工具；模型层（大模型研发）好比“卖地图”，告诉大家哪里有金子；而应用层是直接“下场淘金”，把金子变现。 近两年AI应用的使用者越来越多，QuestMobile数据显示，截止到2025年8月，移动端AI应用用户规模达6.45亿，PC端达2.04亿。其中原生APP亿级应用的平均环比增速1.3%。 何为“AI原生应用”？可以理解为它从设计之初就将AI作为核心驱动力，底层架构、运行逻辑、交互方式和商业模式都围绕AI能力进行创新，豆包、DeepSeek、ChatGPT、Perplex
腾讯内部的“AI搜索配方”，公开了！（在新窗口打开）
元宝搜索，要做AI行业的水电煤。 把一个AI时代很常见的问题输进搜索框——查查腾讯最近的股价、产品和成员变动。这是谷歌的非AI搜索结果： ▲谷歌搜索结果 在谷歌的传统搜索中，用户得到的是一系列网页链接；而在元宝搜索中，同样的问题呈现出的结果却大不相同。 ▲接入元宝搜索的WorkBuddy 两种搜索结果的差别，恰好折射出搜索正在经历的变化。 过去，搜索引擎返回网页链接，用户需要自己筛选、比对和整理信息，进入AI时代，搜索则开始直接整合多方资料、生成答案。 AI时代对于搜索的更高要求，刚好对应着大模型落地的两大痛点——幻觉和知识滞后，即模型能力再强，也可能产生幻觉，或者因知识更新不及时而给出过时信
AI人才3次大迁徙：百度被疯抢、六小虎分化、腾讯「腾笼换鸟」（在新窗口打开）
“这些人在往哪跑？为什么跑” “大模型浪潮狂飙三年半，国内AI人才也经历了三波大迁移。”资深科技猎头赵捷告诉雷峰网。 前两年，大家抢的是预训练人才，先是百度文心团队被疯抢，然后是AI六小虎人才遭遇瓜分，紧接着又是阿里、DeepSeek、字节、腾讯之间的人才大混战。 而现在，大家又开始抢推理、Agent等后训练人才；最近一年不少预训练人才，如Qwen Code负责人惠彬原、混元大语言模型预训练负责人姚星丞、混元多模态理解预训练负责人彭厚文，字节Seed核心专家顾全全等陆续离职，要么创业，要么流向更纯粹的AI研究团队。 是什么促成了这一轮轮AI人才大迁徙？这背后又藏着哪些AI行业更深层的逻辑转变？
速递｜前Anthropic团队创办AI实验室Mirendil，与谷歌云签超1亿美元算力协议，专注递归自我改进AI（在新窗口打开）
AI实验室Mirendil已与Google Cloud签署一项多年期合作协议，为其自我改进型AI研究获取算力资源。这笔交易折射出当前塑造AI行业格局的两大趋势：云计算巨头正以巨额基础设施承诺争夺初创公司客户，而AI公司则在扩张过程中争相锁定尽可能多的算力协议，以确保资源供给。