Futurism – 28 May 26 Influential Tech Founder Says His Peers Are Suffering From Mass AI Psychosis Aaron Levie, founder and CEO of cloud computing firm Box has a unique take on why his peers are so gung-ho about AI. Est. reading time: 3 minutes [!quote]+ “首席执行官们特别容易患上人工智能精神病，因为他们距离利用人工智能创造最大价值所需的最后阶段工作还有一定的距离。” "CEO们特别容易患上AI精神病，因为他们与真正需要完成的、才能最大程度发挥AI价值的最后阶段工作相去甚远，"Levie在推特上写道。换句话说：这些沉迷于AI的CEO们与那些负责实现他们AI宏伟蓝图的普通员工脱节了。 莱维举例说，有些企业高管会说：“看，我用人工智能聊天机器人做了一个超棒的产品原型。” 莱维反驳道：“没错，但你们不用在产品上线前审查代码，也不用修复一堆问题。” "人工智能精神病"是否是描述这一概念的最佳比喻，尚有争议。目前最常见的定义是，人工智能精神病是指与人工智能的极端互动会引发或加剧妄想或偏执的现象，这些妄想或偏执有时原本就存在，有时则似乎是人工智能凭空捏造出来的。症状可能非常严重，人工智能聊天机器人会让受害者相信他们正在与神一般的存在交流，或者他们凭一己之力发现了对人类构成严重威胁的事物。 确实有一些高管似乎符合这种描述。去年，Futurism 报道称，数十亿美元投资公司 Bedrock 的管理合伙人 Geoff Lewis 的同事们担心他因为长时间使用 ChatGPT 而脱离现实（讽刺的是，Bedrock 正是 OpenAI 的早期投资者）。当时，Lewis 声称自己正在绘制一个难以理解的"非政府系统"的地图，该系统旨在扰乱他的生活。 话虽如此，高管认为自己被庞大的阴谋网络盯上，和高管盲目相信人工智能炒作之间，存在着巨大的鸿沟。Levie 指出的这种现象或许更应该归类为"组织盲点"，这是一种众所周知的现象，指的是公司领导者发现自己与基层工作的实际情况脱节。再加上对利润的贪婪追求，这种目光短浅的现象似乎正是我们在全球各地公司中看到的。 在当今世界，许多高管和经理都在抽象层面上运作，依靠电子表格、电子邮件和 Zoom 会议进行工作。这与具体的劳动不同，具体劳动指的是工人执行的那些繁琐且耗费资源的任务，例如编写代码或连接服务器机架。当一群高管在会议室里忽视了这些有形的劳动------例如，他们没有考虑到人工智能聊天机器人真正擅长的任务类型------这无疑会造成一种与物质现实的脱节，尽管这种脱节是由社会因素而非心理因素驱动的。 换句话说，有两种可能：要么全世界的CEO们都疯了，要么他们只是屈服于资本主义失控的最新表现形式。奥卡姆剃刀原理或许指向后者。 1 个帖子 - 1 位参与者 阅读完整话题
现代人工智能领域最具影响力的研究人员之一、OpenAI 联合创始成员安德烈·卡帕西（Andrej Karpathy）正式加入 Anthropic，将专注于大语言模型（LLM）的核心研究与预训练工作。 卡帕西早年是 OpenAI 的创始团队成员之一，曾在公司早期担任研究科学家，其研究领域涵盖计算机视觉、深度学习以及多模态人工智能，在当前 LLM 浪潮兴起之前，就已在图像描述和视觉—语义对齐等方向开展了广泛研究。 卡帕西在社交平台 X 上宣布了这一动向。他表示，自己已经加入 Anthropic，并认为未来几年将是大模型前沿发展尤为关键的阶段，因此非常期待回到研发一线。 他同时强调，自己依然对教育领域充满热情，计划在未来适当时机继续推进相关工作。 在加入 Anthropic 之前，卡帕西曾被埃隆·马斯克招募至特斯拉，担任 AI 总监并领导 Autopilot 视觉团队，是推动特斯拉从依赖雷达和激光雷达转向以摄像头为核心的自动驾驶路线的关键人物之一。 他于 2022 年离开特斯拉。 2023 年，卡帕西重返 OpenAI，参与与 ChatGPT 相关的人工智能研究，并于 2024 年再次离职。 此后，他创办了专注 AI 教育方向的创业公司 Eureka Labs，旨在打造一种面向未来的、“AI 原生”的新型学习体验。 对于致力于开发前沿大模型的 Anthropic 来说，卡帕西的加盟被视为一项重要的人才引进。 当前，Anthropic 正在与 OpenAI、Google DeepMind、xAI 以及 Meta 等公司竞争更强大的前沿模型，其间对顶尖研究人员的争夺尤为激烈。 从卡帕西公开表态来看，他将在 Anthropic 主要聚焦核心研发工作，并暂时搁置此前在教育方向的创业项目。 OpenAI 内部人士也对这一人事变动作出回应。 有人表示，原本希望卡帕西能够回到 OpenAI，但依然为他选择加入任何一家前沿实验室、继续推动这一时代最重要技术的发展感到高兴。 他强调，不应将各家实验室之间的竞争简单视为零和博弈，因为从整体上看，这些机构正在共同推进整个人工智能领域的进步。 在 Anthropic 内部，卡帕西将加入由 Nick Joseph 领导的预训练团队，推动大语言模型预训练阶段的研究进展。 预训练是大语言模型训练流程中的初始关键环节，模型会在这一阶段接触海量数据，从中学习语言模式、语法结构、语义联系以及世界知识，为随后的微调与对齐奠定基础。 卡帕西的加入，被认为有望加速 Anthropic 在这一核心技术环节上的创新步伐。 查看评论
以前同事们用的deepseek他们都觉得很不错了，我还在暗自窃喜，我有更高级的AI，现在发现他们也都逐渐入住L站了，看来L站的技术影响力越来越大了！不过我要学点什么才能在再次超越他们 11 个帖子 - 10 位参与者 阅读完整话题
起因 去年我在使用 Roo-Code 的时候，发现插件在读取自己一个含注释的 Python 文件时，任务莫名其妙卡死了，一开始百思不得其解，后来打开 Debug 工具， 才发现报错来源点来自一个叫做 isbinaryfile 的 npm 包 好家伙，全版本周下载量有 1355 万，我判断这是基础设施依赖工具，所以这里有 bug 的可能性应该较低，问题应该出现在 Roo Code 本身上，可能以什么错误的方式调用了这个包函数。 于是我分析了 Roo-Code 相关源代码个遍，都没找出 Roo-Code 本身相关代码有什么问题 没办法，那问题只能出在 isbinaryfile 包本身身上了，于是我又转向去分析 isbinaryfile 包的源码，一分析还真给我发现出问题来了。 Bug 的本质：UTF-8 多字节序列在缓冲区边界被截断 isbinaryfile 判断一个文件是不是二进制的核心思路其实很简单： 读取文件前 512 字节 （ MAX_BYTES ）到 buffer 中 遍历这些字节，统计"可疑字节"（非 ASCII、非合法 UTF-8 的字节）的数量 如果可疑字节数超过阈值（或满足 suspiciousBytes > 1 且看起来像 protobuf），就判定为二进制 逻辑本身没问题，问题出在 边界检查 上。 UTF-8 是一种变长编码： ASCII 字符：1 字节 拉丁扩展等：2 字节（首字节 0xC0-0xDF） 中日韩字符 ：3 字节（首字节 0xE0-0xEF） Emoji、生僻字 ：4 字节（首字节 0xF0-0xF7） isbinaryfile 遇到多字节首字节时，会先做边界检查再验证延续字节（ 源码 line 239/244/250）： // totalBytes = Math.min(bytesRead, MAX_BYTES) = 512 if (fileBuffer[i] >= 0xc0 && fileBuffer[i] <= 0xdf && i + 1 < totalBytes) { /* 2 字节 */ } else if (fileBuffer[i] >= 0xe0 && fileBuffer[i] <= 0xef && i + 2 < totalBytes) { /* 3 字节 */ } else if (fileBuffer[i] >= 0xf0 && fileBuffer[i] <= 0xf7 && i + 3 < totalBytes) { /* 4 字节 */ } 关键问题 ：边界检查用的是严格小于 i + N < totalBytes ，这意味着多字节序列的最后一个字节必须 严格落在索引 < 512 才能通过校验。换句话说： 序列长度 失败的临界位置 i 2 字节 511 3 字节 510, 511 4 字节 509, 510, 511 举个例子，假设我的 Python 文件长这样： [前 510 个 ASCII 字符][中][其他内容...] ↑ "中"字 = 0xE4 0xB8 0xAD（3 字节） 位于位置 510、511、512 但 buffer 只读了 0~511，位置 512 根本没读进来！ 此时 i = 510 ，执行 i + 2 < totalBytes → 512 < 512 → FALSE ，验证逻辑被跳过： i=510 ：0xE4 被记为可疑字节（ suspiciousBytes++ ） i=511 ：0xB8 落在 0x80-0xBF 范围，不匹配任何 UTF-8 首字节模式，也被记为可疑字节 循环结束 一个"骑墙"的汉字贡献了 2 个可疑字节 ，刚好踩中代码末尾的临界判断： // 源码 line 277-279 if (suspiciousBytes > 1 && isBinaryProto(fileBuffer, totalBytes)) { return true; // ← 文件被判定为二进制 } 这就是为什么 Roo-Code 在读取我那个 前几行有中文注释的 Python 文件 时会异常——它把我的源代码当成二进制文件拒绝处理了 复现条件总结 要触发这个 Bug，需要同时满足： 文件是 UTF-8 编码的 文本文件 在前 508-511 字节 这个狭窄的位置区间内 恰好出现了一个 2/3/4 字节的多字节 UTF-8 字符 且这个字符的末尾字节越过了 512 边界 而且这个 bug 是 完全静默 的——你不会看到任何报错，只会看到上层工具行为异常（卡死、跳过文件、读不到内容……），其次 纯英文开发者遇到这个问题的概率很低 。 综上分析解释了为什么这个 bug 存在了这么久也没人发现。 修复思路 我的修复方案是 多读 3 个字节 。 核心思想是把"扫描范围"和"验证范围"两个概念分开： // 验证范围：515 字节（多读 3 字节用于跨边界验证） const totalBytes = Math.min(bytesRead, MAX_BYTES + UTF8_BOUNDARY_RESERVE); // 扫描范围：保持原来的 512 字节 const scanBytes = Math.min(totalBytes, MAX_BYTES); for (let i = 0; i < scanBytes; i++) { // UTF-8 验证可以访问到 totalBytes（515） if (fileBuffer[i] >= 0xf0 && fileBuffer[i] <= 0xf7 && i + 3 < totalBytes) { // ✅ 位置 511 时：511 + 3 < 515 → TRUE，可以正常验证！ } } 为什么是 3 字节 ？因为 UTF-8 最长就是 4 字节，首字节 + 最多 3 个延续字节，所以多预留 3 字节就足够覆盖所有"骑墙"情况。 测试用例 我构造了 7 个测试文件，把 2/3/4 字节 UTF-8 序列在 508/509/510 三个边界位置的所有组合都覆盖了一遍： 文件 描述 修复前 修复后 508A-4byte.txt 4 字节序列 @ pos 508 Text Text 509A-3byte.txt 3 字节序列 @ pos 509 Text Text 509A-4byte.txt 4 字节序列 @ pos 509 Binary Text 510A-2byte.txt 2 字节序列 @ pos 510 Text Text 510A-3byte.txt 3 字节序列 @ pos 510 Binary Text 510A-4byte.txt 4 字节序列 @ pos 510 Binary Text utf8-boundary-truncation_case.py 真实场景：含中文的 Python 文件 Binary Text 7 个文件里， 4 个在修复前会被误判为二进制 ，修复后全部正确识别为文本。 合并 PR 提交后，作者 gjtorikian 2 天就 merge 了 ，并以 5.0.7 版本发布。 5.0.7 作为我修复的版本也有接近 300w 的周下载量，能有这样的影响力还是高兴的 最终的 PR 信息写在 isbinaryfile#91 继续修复上游项目 之后我顺手给 Roo-Code 也提了个 PR，想把 isbinaryfile 的依赖版本从 5.0.4 升到了 5.0.7 ，结果 Roo-Code 团队基本不鸟我 估计是那个时候 Roo-Code 也算半个商业软件了，团队接收非核心成员的 PR 比例极低，我看都是 Bot 在写 PR。 最后最近 Roo-Code 原团队宣布放弃该插件，全面转向云端 Agent， Roo-Code 的持续更新工作转移到了 Zoo-Code 这个 fork 版本，维护由新的成员接替，我也是终于把这个上游项目修了 Zoo-Code#88 闭环。 1 个帖子 - 1 位参与者 阅读完整话题
顶级大模型初创公司，影响力大牛带队，超 20 亿首轮融资。 薪资丰厚 无上限 地点：北京、上海、深圳 倾向背景：大厂&头部 ai 公司核心团队，p6-p11 均有 hc 邮件： [email protected] 或微信：15210750729 招聘岗位： 推理框架负责人（ Agent RL 训练） Agent Harness 系统算法专家 Agent 数据引擎算法专家&研究员 Agent 基模后训练算法专家&研究员 Agent 基模预训练算法专家&研究员 Agent 网关中转开发工程师 AI Infra 推理系统专家 AI Infra 后端开发工程师 大模型训练系统专家（算子方向） 全栈软件开发工程师（ AI 应用方向） 通用后训练算法专家&研究员 预训练数据引擎算法专家 Code & Search Agent 算法研究员
在《时代》杂志本周发布的2026年十大最具影响力AI公司（The 10 Most Influential AI Companies of 2026）榜单上， 字节跳动、阿里巴巴、智谱榜上有名 。除了三家中国公司外，两大AI明星初创公司OpenAI和Anthropic，Alphabet（Google母公司）、亚马逊、Meta三家美国科技巨头，以及欧洲“AI全村希望”Mistral和开源模型平台Hugging Face也出现在这份榜单上。 （来源：TIME） 对于两家中国科技巨头字节和阿里，《时代》杂志着重强调了他们在取得巨大成功的既有业务之外，在AI领域取得的成绩。 对于字节跳动，《时代》评价称， 字节跳动业务帝国的基础仍是月活用户约7.7亿的抖音，但更能体现公司未来方向的是AI助手“豆包”。 其周活用户已超过1.55亿，并在今年2月春节期间单日活跃用户突破1亿，使中国成为全球最早实现AI助手大规模普及的国家之一。 阿里巴巴的上榜理由，则是 在不到三年时间里，成为“全球开源AI的核心力量之一” 。 《时代》表示，阿里旗下“千问”系列模型累计下载量超过10亿次，并衍生出超过20万个派生模型，影响力早已超出中国市场，成为全球最受欢迎开源模型家族之一。《时代》进一步表示，中国科技巨头正试图将其开源模型领先优势打造为一个全栈AI帝国。 智谱的上榜，不仅与其是“全球大模型第一股”有关，更与中国前沿大模型和中国国产算力平台的互相成就有关。公司今年推出了旗舰开源大模型GLM-5和完全基于昇腾设备全流程构建的图像生成模型GLM-Image。其中GLM-5在多项基准测试中能与Google、OpenAI和Anthropic的旗舰大模型展开较量。 《时代》评论称， 智谱的成绩表明中国AI开发者可以在不依赖任何西方技术的情况下参与前沿竞争 。 附：其余公司上榜评语 OpenAI：令人瞠目结舌的估值增长速度，尽管面临激烈竞争，仍然是推动AI部署步伐的领头羊。 Anthropic：与美国政府关于Claude模型使用方式的争端，似乎令这家AI实验室变得更强大。 Alphabet（Google）：十年前就开始搭建“人工智能优先”的愿景，依托DeepMind技术积累与Gmail、YouTube、Waymo等超级入口，构建全球最广覆盖的全栈AI服务体系。 Amazon：电商巨头正在成为人工智能基建的核心玩家之一。通过Trainium芯片与超大规模算力集群布局，争夺AI时代最关键的基础设施控制权。 Meta：依托全球最大社交数据资产，持续推动AI在广告与内容生态商业变现的行业风向标。 Mistral AI：作为欧洲AI行业的代表，正成为欧洲政府和企业替代美国AI供应商的选择。 Hugging Face：公司运营着全球最大公共AI模型、数据集和应用仓库。最新数据超过200万个模型和50万个数据集，使其有点像AI领域的GitHub。超过30%的财富500强公司在该平台上拥有账号。除了AI模型，Hugging Face还积极进军AI代理和机器人领域。 查看评论
Lenny's Podcast 是产品经理/产品领域较有影响力的播客之一，主持人 Lenny Rachitsky 邀请过 Brian Chesky （ Airbnb CEO ）、Marty Cagan 、Kevin Weil （ OpenAI CPO ）、Shreyas Doshi 等一线产品人进行深度访谈。 但存在几个痛点： 全英文内容，无字幕版本的 YouTube / Apple Podcasts 理解成本较高 单期时长 60-90 分钟，定位特定观点需要手动快进 中文圈现有几个 GitHub 仓库属于档案型（双语稿堆叠），检索不便 因此我搭建了 https://t.gotofuse.com/ 主要功能： 抓取全部 303 期文字稿（ fork 自 Lenny 官方仓库） 调用 DeepSeek API 进行逐句中文翻译，附带说话人标识和时间戳的对照译文 每期自动生成 AI 摘要、思维导图、金句卡片 跨期聚合了「话题级方法论文档」（如「产品管理」聚合了 15 期相关访谈的核心观点） 支持全文搜索（基于 fuse.js ），可按嘉宾、公司、话题筛选 自动同步最新播客 完全免费，无付费墙、无广告、无需注册，欢迎反馈。
如果说你对心理学比较感兴趣，并且阅读的书籍并不多，非心理学科班专业，那么我会推荐你阅读这本书，本篇文章分为2个部分，第一部分是我与此书认识的故事以及书籍概述；第二部分是自己阅读后的一些思考。 一、故事与概述： 我了解这本书大约是在19年的7月之后，真正阅读则是2020年之后，那会自己处于一抹黑的状态，是阅读中的小白，阅读量仅为个位数的存在。 介绍完自己阅读背景后，相信大家不会有太大压力去看待这本书，这是一本不需要什么阅读门槛的书籍，不像一些心理学专业书籍，需要你有一些前置知识，这本书的核心内容就十几个字，其余内容很多部分是相关故事。 我阅读的版本是《影响力-（经典版）》，出版年份是16年9月20号，北京联合出版社，当时是借鉴的知乎上的文章，说这个版本会更加的好，后来21年11月出来了全新升级版，自己没有完全读完。关于此书的原文是 Influence: The Psychology of Persuasion，在goodreads上检索发现：这本书其实早就有了，最早的版本是January 1, 1984，距离我阅读的版本有32年，距离新版本有37年，距离现在则是有42年了，至于为什么经久不衰，在你阅读完之后可能就会有所感触了。笔者不得不感叹，人的心理（活动）有时候捉摸不透，但有的的时候又让人直呼为什么会这么“呆”。 由于此书具有一定的知名度，所以你在任何一个地方检索，都能找到很多相关内容，更别说如今读书博主、AI视频等的存在，随手一搜，都是。不过万幸的是，视频以及AI无法把书里的全部内容概括、看视频与看书亦有很大区别。 回到书本身，根据目录其实就能知道这本书的全部，十几个字就能概括完，我阅读的版本的主要内容是： 1、介绍本书的书名，简单介绍有关顺从心理的内容； 2、具体介绍心理原则：①互惠；②喜好；③社会认同；④稀缺；⑤承诺与一致 3、最后总结精炼 新版本21年则是在原有基础上加了1个新原则：联盟，以及更新了一些案例。 二、阅读后的一点思考 我很喜欢的一句话： 有些事物，你没有意识到，并不代表他不存在 ，这本书对我最大的帮助是让我意识到或者说重视书中提及的原则。每一个原则都可能在现实生活中帮助到自己，不过这也需要一定的社会阅历，如果机械地认定每个人都在用这些原则害你，那就得不偿失了。 大部分人可能是无意识使用了这些原则来与你交好，但也有少部分是知道这些原则对人的影响后，主动采用这些“套路”来与你交好，这里的具体判断就涉及到其他方面了，不多作讨论。 互惠，在生活中随处可见，有句古话叫： 但行好事，莫问前程 。这样的价值观我是相对认可的，在这个过程中，“互惠”是不经意间发生的，当你帮助的人到了一定程度时，你就有可能会遇到一个被你帮助的人的“积极回馈”——即使时间跨度是10年甚至更久。此外，人们由于互惠原则，还可能会无意识产生“亏欠感”，我身边就有一个例子，C喜欢装X，这一点A对C有一些反感，但不多，在日常的沟通中没有特别的问题，只是会偶尔向其闺蜜B吐槽，有一次聚会，C请客了A和B，并且在一些方面给予了帮助，这让A和B产生了“亏欠感”，即使之后C在其他方面表现的比较糟糕，A和B也给予了C之前没有的宽容。这很难不让我联系这本书提及的原则—互惠。 社会认同，作者在写这个原则时提及了一个案例让我印象深刻，其讲述了一件不可思议的刑事事件：一位年轻女子，在38位目击者的见证下，历时35分钟，被一男子终结了生命！整个过程但凡有一个人出手相助或主动打电话叫警察，女子也不至于轻易丧失生命。 事后，心理学家给出了一个解释：①当时现场有大量旁观者在场，对于单个路人来说，自己的责任会很小。②许多紧急情况，若当事人不说明情况，路人可能觉得主动干涉没有必要。当所有人都不确定情况且无人干涉时，人们最终都得出了一个判断： 既然别人都不在乎，那就应该没什么问题 。 这个案例在如今看来可能有些极端，但我认为这不失为一种启发：我们现在大多在大城市里打拼，大城市人口多、陌生人多，天然具备上述案例的条件， 如果我们在公共场合遇到了突发状况急需帮助时，我们应该细节描述某一个人的穿着（那位穿蓝色大衣的先生），指名看着他，并大声说出自己需要帮助！请快叫急救人员来帮忙 ！而不是喊喂，或者毫不做声，自己一个人默默承受痛苦并指望其他人能看出来你很痛苦！ 本书的案例有很多，有的案例你可能会跟我一样感同身受，这是看视频无法代替的感受。此外，不同的原则可能会多个出现在你的生活中，我们需要灵活看待。 最后在我目前的认识里看来，这本书能帮助的就是让你意识到这些原则的存在，而教你判断你身边的人是否是故意利用这些原则来谋求其利益，就不是本书能帮助到的内容了。 三、笔者的一点互动 这是我头一回在社区创作有关具体书籍的内容，如果有什么可以改进的地方，欢迎佬们留言讨论，在这之前我分享了一些内容：例如如何选择一本书（选书有哪些技巧）、获取书籍的若干渠道分享 2 个帖子 - 2 位参与者 阅读完整话题
《时代》周刊发布 AI 行业十大最具影响力公司榜单，这是该刊首次按行业进行单独评选。 其实我比较好奇，怎么没有深度求索 来源： TIME – 27 Apr 26 The 10 Most Influential AI Companies of 2026 Presenting the inaugural TIME100 Companies: Industry Leaders list of the world's most influential AI businesses of the year 10 个帖子 - 8 位参与者 阅读完整话题
IT 之家 4 月 28 日消息，当地时间 4 月 27 日，《时代》杂志公布了 2026 全球十大最具影响力 AI 公司：字节跳动、亚马逊、智谱、OpenAI、谷歌 Alphabet、Meta、Anthropic、阿里巴巴集团、Mistral、Hugging Face 十家公司上榜。 IT 之家附《时代》杂志部分评语如下： 字节跳动（ByteDance） 字节跳动在海外以 TikTok 母公司的身份为人熟知，但如今它已转型为一家“AI 优先”的科技巨头，其产品涵盖了聊天机器人、图像和视频生成以及云基础设施。其根基依然是抖音，拥有约 7.7 亿月活跃用户。但字节跳动未来方向最明确的信号是其 AI 助手“豆包”，该产品周活跃用户已突破 1.55 亿，并于 2 月农历新年期间创下日活过亿的纪录，使中国成为首批实现 AI 助手大众化应用的国家。 亚马逊（Amazon） 亚马逊曾凭借电子商务和云计算建立起帝国，现在它正崛起为 AI 领域核心的基础设施参与者。2025 年底，该公司启动了“雷尼尔项目”（Project Rainier），这是有史以来建造的最大的 AI 计算集群之一。这个占地 1200 英亩的巨大综合设施以俯瞰亚马逊西雅图总部的山峰命名。该数据中心运行着近 50 万颗亚马逊定制的 Trainium2 芯片，为 Anthropic 的 AI 模型提供动力。 智谱（Zhipu） 如果说 DeepSeek 证明了中国公司不需要数十亿外部投资就能构建前沿 AI，那么智谱 AI 则证明了他们也不需要西方芯片。智谱由清华大学研究人员于 2019 年创立，并于今年 1 月上市，成为首家上市的中国大语言模型公司，其 IPO 筹资达 5.58 亿美元。到 2 月，它发布了 GLM-5，这是一个拥有 7440 亿参数的模型。GLM-5 以开源许可发布，在某些基准测试中已超越谷歌的 Gemini 3 Pro，并在编程和智能体（agentic）任务上逼近 Claude Opus 4.5 和 OpenAI 的 GPT-5.2。 OpenAI 即便以硅谷的标准衡量，OpenAI 的规模也令人震惊。今年 3 月，该公司以 8520 亿美元的估值完成了一轮 122 亿美元的融资。ChatGPT 现在的周活跃用户已超过 9 亿，公司月收入已攀升至 20 亿美元。虽然包括 Anthropic 和谷歌在内的对手正紧追不舍，但 OpenAI 仍是制定 AI 部署节奏的公司，其影响力跨越了消费者、开发者和企业。 与此同时，该公司也卷入了争议：在竞争对手 Anthropic 被禁止参与政府工作的同一天，OpenAI 签署了一份五角大楼合同；此外，它还在应对有关 ChatGPT 可能在自杀和大规模枪击案中扮演角色的指控。 谷歌（Alphabet） 虽然桑达尔 · 皮查伊（Sundar Pichai）不像其他科技 CEO 那样家喻户晓，但在谷歌的 AI 反击战中，他扮演了核心角色。十年前，他宣布谷歌母公司 Alphabet 将成为一家“AI 优先”的公司，并开始构建实现这一目标的基石。随后，在 2022 年竞争对手 OpenAI 崛起后，他领导了一场由公司 AI 部门 Google DeepMind 驱动的内部技术冲刺，将谷歌的 Gemini 推向了能力排行榜的前列。这一赌注获得了回报：谷歌年收入首次突破 4000 亿美元，并成为全球市值第二高的公司。 Meta 对于坐拥用户数据的公司来说，AI 繁荣是一个有利可图的时期。2025 年，Meta 的广告收入创下历史新高，部分原因是通过其社交网络收集的海量数据投入了更多算力。马扎 · 扎克伯格（Mark Zuckerberg）希望将投入在研究人员和新数据中心上的数十亿美元转化为更先进的 AI 模型，从而“理解人们独特的个人目标”。他在 1 月表示：“我们认为，与即将实现的可能相比，目前的系统还很原始。” Anthropic 美国政府将 Anthropic 列为供应链风险 —— 这是针对美国公司的前所未有的举动 —— 并命令所有联邦机构停止使用 Claude。Anthropic 在法庭上对这一认定提出挑战，一名联邦法官授予了初步禁令予以阻止。尘埃落定后，Anthropic 似乎变得更强大了，其坚持立场的态度吸引了大量新客户。至于 Anthropic 最初主动将 Claude 送入五角大楼这一点，似乎已不再重要。 阿里巴巴集团（Alibaba Group） 在不到三年的时间里，中国科技巨头阿里巴巴已成为开源 AI 的主导力量。其通义千问（Qwen）系列的累计下载量已突破 10 亿次，并衍生出超过 20 万个模型，成为全球最受欢迎的开源模型家族。它的吸引力远超中国。Airbnb 表示，由于质量高且成本低，他们高度依赖 Qwen 来支持其 AI 客服；Pinterest 则使用 Qwen 来分析视觉内容并为贴文生成上下文文本。该公司正在扩大其本已庞大的云计算基础设施，制造自己的 AI 芯片和消费者应用，并向企业客户出售智能体化的托管版模型。 Mistral 在许多领先的 AI 公司退出开源 AI 之际，Mistral 将开放性作为一种商业策略。这家总部位于巴黎的 AI 公司成立于三年前，目前估值近 140 亿美元。它构建用于编程、转录、文档识别和多模态任务的模型，并帮助客户在自己的基础设施上运行这些模型，这对于不希望敏感数据流出的大型公司和政府极具吸引力。2026 年初，Mistral 的年化收入达到 4 亿美元，比上一年增长了约 20 倍，驱动力来自 100 多家大型企业客户（包括 ASML、道达尔能源和汇丰银行）以及数家寻求美国 AI 供应商本土替代方案的欧洲政府。 Hugging Face 这家总部位于纽约的公司运营着最大的 AI 模型、数据集和应用程序公共仓库 —— 据最新统计，拥有超过 200 万个模型和 50 万个数据集 —— 这使它成为了“AI 界的 GitHub”。超过 30% 的财富 500 强公司在该平台上拥有账户。
进步太大了，以前p图要开软件捣鼓半天，现在几分钟搞好，关键他做的还比你做得好 7 个帖子 - 6 位参与者 阅读完整话题
近日，福布斯中国发布2025年度ESG影响力人物榜单，该评选旨在发掘将ESG理念深度融入商业实践、驱动行业绿色转型与高质量发展的标杆人物。九章云极创始人兼董事长方磊凭借在推动绿色算力基础设施、实现普惠智算以及全球化ESG实践方面的贡献入选。面对全球算力产业能耗与成本的双重挑战，九章云极依托九章智算云，创新构建低碳算力调度网络。同时，公司面向全球发起的 “智算火种计划”，助力“一带一路”及全球南方国家跨越传统基础设施周期，加速数字化进程。