2026-08-19
🎬 YouTube
1. 前特斯拉电池负责人谈：如何把 Transformer 缩小 100 倍
Weights & Biases 采访了 Heron Power 联合创始人、前特斯拉电池业务负责人 Drew Baglino，主题是如何大幅压缩 Transformer 的体积与计算需求。讨论把模型效率与电力基础设施联系起来，重点关注架构精简、部署成本，以及 AI 负载对能源系统提出的新要求。
2. Rich Sutton：为什么 AI 模型会停止学习，以及如何重新启动
强化学习先驱 Rich Sutton 与 Khurram Javed 讨论持续学习中的“可塑性丧失”：模型训练一段时间后，面对新数据的学习能力会明显下降。内容聚焦如何让模型在长期运行中持续适应，而不是完成一次训练后能力逐渐固化。
🎙️ 播客
无近期更新。
📝 博客
1. Mojo 正式开源
Mojo 在发布 1.0 后兑现了 2023 年的承诺，将编译器和工具链以 Apache 2.0 许可证开源。它如今不再坚持成为 Python 的完整超集，而是发展为一门受 Python 语法启发、专注降低 GPU 编程门槛的独立语言；官方也把 AI 辅助迁移视为 Python 代码转向 Mojo 的重要路径。
2. Gary Marcus：OpenAI 的裂缝开始显现
Gary Marcus 从计划中的 IPO 遇阻、公众与合作方信任下降，以及持续恶化的现金消耗三方面质疑 OpenAI 的稳定性。文章的核心判断是：高增长叙事若不能转化为可持续收入，庞大的训练与推理成本会让资本市场重新评估其估值和治理风险。
3. 美国年轻人对 AI 的担忧首次压过兴奋
文章引用 Pew 调查指出，52% 的美国人对 AI 更多是担忧而非期待，较 2021 年的 37% 明显上升；30 岁以下人群中这一比例达到 55%。这意味着对 AI 的疑虑已不再主要来自年长群体，年轻用户同样在担心就业、控制权和日常生活被快速改变。
4. 如果 OpenAI 倒下，会发生什么？
文章把 OpenAI 视为整个生成式 AI 投资链条的关键支点，分析其一旦陷入严重财务或治理危机，可能如何传导至云计算供应商、芯片公司、初创企业与资本市场。作者强调，行业风险不仅来自单家公司失败，更来自大量合作与估值都建立在算力需求持续指数增长这一共同假设上。
5. 知识产权无法单独保护创作者免受 AI 冲击
Cory Doctorow 以 Enron 邮件语料等案例切入，指出强化版权并不能自动解决生成式 AI 对劳动者议价权和收入的侵蚀。文章主张把重点从“谁拥有训练数据”转向市场权力、劳动组织与收益分配，否则新增的知识产权权利也可能主要被大型平台和权利聚合者掌握。
🗞️ Techmeme 热点
1. 科技公司用社区投资与就业承诺争取 AI 数据中心支持
面对能源、用水和噪声等公众疑虑，美国科技公司正通过社区投资、保证就业和开放日来改善数据中心项目的接受度。基础设施扩张的瓶颈正从芯片供应延伸到地方许可与社会信任。
2. Nvidia 用现金流构筑 AI 资本护城河
Nvidia 季度自由现金流在三年内增长 18 倍至 485 亿美元，并利用资产负债表和信用评级投资 AI 生态。巨额现金使其不仅能卖芯片，还能通过融资、投资和供应链安排强化自身平台地位。
3. Block 开源多模型 AI Agent 桌面应用 Berd
Block 将内部使用的 Berd 以 Apache 2.0 许可证开源，它为员工提供一个跨不同模型使用 AI Agent 的统一桌面环境。该项目反映企业正在从单一聊天工具转向可统一编排多模型与工作流的 Agent 工作台。
4. GLM-5.3 API 定价明显低于 Kimi K3
Z.ai 将 GLM-5.3 定价为每百万输入 Token 1.40 美元、输出 Token 4.40 美元，与 GLM-5.2 持平。对比之下，Kimi K3 的输入和输出价格分别为 3 美元与 15 美元，国内模型 API 的价格竞争仍在加剧。
5. Anthropic 展示 Claude 加速蛋白质设计与分析化学
Anthropic 公布两项实验，展示 Claude 如何辅助蛋白质设计和分析化学研究，并计划推出面向科学家的访问项目。重点不只是生成论文文本，而是让模型进入实验设计、候选方案筛选和研究迭代环节。
📊 YouTube 2 条 | 播客 0 条 | 博客 5 条 | Techmeme 5 条 | 精选 12 条