AI智识录 - 节目列表

6月22日-23日，2026清华大学方塘论坛在北京举办。其中进行了一场极具历史意义的思想交锋，对谈双方代表了当今世界两股截然不同的思潮：一位是2024年图灵奖得主、“强化学习之父”理查德·萨顿（Richard Sutton），另一位是著名社会人类学家、德国马普社会人类学研究所所长项飙。在清华大学方塘研究院院长汪晖的主持下，两人围绕“人在AI时代如何安身立命”这一终极命题展开了激烈碰撞。 萨顿从宇宙演化的宏大尺度出发，展现了极致的技术乐观主义。他提出，宇宙正从由生命繁殖主导的“复制时代”不可避免地迈向智能主导的“设计时代”。在他眼中，人类的心智结构终将被科学完全破译，而人类的角色仅仅是孕育更高阶AI心智的“过渡媒介”与“助产士”。基于此，他极度警惕技术恐惧论，坚决反对将AI的监管权集中在少数机构手中，认为权力垄断才是最大风险。 项飙则以其锐利的社会学视角展开猛烈反驳，将议题从星辰大海拉回充满摩擦的现实人间。他直击技术狂飙背后的代价：中美算力的高度集中与巨头公司对社会福利的资源挤占，正带来严重的社会断裂风险。项飙呼吁回归人类独有的“体感”与“有限性”，认为人在自然中感受微风与阳光的主观体验是机器永远无法替代的。他主张像管控核武器一样建立严密的全球AI监管框架，防止技术沦为毁灭和杀戮的工具。 这不仅是一场关于“技术、监管与心灵”的硬核激辩，更是一次关于人类命运的哲学叩问。在技术洪流席卷一切的今天，这场对谈为我们提供了一面审视自我、抗衡技术宿命论的重要镜子。

Sensor Tower 今日发布了《2026年全球 AI 行业发展报告》（State of AI Report 2026），要点包括： 1. 营收与流量狂飙，一超多强形成：2026年上半年，全球 AI 应用内购收入预计突破 40 亿美元（环比增长 36%）。ChatGPT 在 5 月达成 10 亿月活里程碑，但其市场份额首次跌破 50%。主打写代码与深度研究的 Claude 表现亮眼，ARPU 暴涨 5 倍至 2.76 美元，黏性直逼 ChatGPT。 2. 用户习惯日常化与出圈化：虽然 AI 应用下载增速放缓，但全球总使用时长翻倍至 360 亿小时。女性用户比例显著提升，且周末与工作日的使用差距明显缩小，AI 已深度融入日常。 3. 买量大战升级，开始测试广告：为了争夺高价值用户，OpenAI 和 Anthropic 的美国广告支出分别同比暴增 800% 和 1184%。同时，ChatGPT 开始测试搜索广告，购物与软件类品牌成为投放主力。 4. AI 导购与 GEO 悄然兴起：生成式引擎优化（GEO）成为电商新趋势。亚马逊 AI 助手 Rufus 的辅助购买转化率超 40%，双倍于普通用户。 5. 行业格局固化，亚洲市场仍有生机：全球前 50 名 AI 应用中新面孔比例由超 60% 骤降至 15% 以下。但亚洲在“AI 陪伴”与“内容生成”赛道依然活跃，且 AI 陪伴类应用的长期留存与使用时长已超越传统约会软件。 报告原文：https://sensortower.com/report/state-of-ai-2026

这篇发表在 CMU 机器学习博客上的文章《Pre-Training Isn't Bitter Enough》，对著名 AI 学者 Richard Sutton 提出的“苦涩的教训”（The Bitter Lesson）进行了深刻反思与拓展。 文章指出，虽然当前大模型的预训练在“如何训练”（如预测下一个词）上遵循了让机器自主学习的规律，但在“应该训练什么”上仍由人类手工设定数据配方和规则，导致预训练反馈闭环极其粗糙，违背了“Bitter Lesson”的初衷。 为此，文章提出了一种名为 V-pretraining 的新方法。它引入一个轻量级的“任务设计器”（教研员），根据极少量的下游任务真实反馈，利用“单步估计”计算梯度内积，动态且自适应地为基础模型（学习器）设计最佳的自监督预训练任务。 实验表明，该方法在不直接提供下游标签的前提下，使 Qwen 模型的数学推理能力（GSM8K 准确率从 22.20% 飙升至 29.60%）和视觉模型的密集预测能力均获得显著提升。 文章最终呼吁：真正的预训练不仅要从数据中学习，更要学会自主决定去预测什么。 原文：https://blog.ml.cmu.edu/2026/06/17/pre-training-isnt-bitter-enough/

Anthropic 6月16日发布了一份报告，名字叫做《智能体编程与不可替代的专业壁垒》（Agentic coding and persistent returns to expertise） 通过分析23.5万名用户近40万次与Claude Code的交互记录，Anthropic揭示了AI时代职场人核心竞争力的根本转移：AI正在抹平“技能壁垒”，但无限放大“领域壁垒”。 1. 全新的人机分工模式已经确立 在使用智能体编程工具时，人类已演变为“管理者”，负责做出约70%的“规划决策”（定方向、立目标）；而AI则化身为“执行者”，包揽了约80%的“执行决策”（写代码、改文件等具体操作）。这意味着执行层面的硬技能权重正在大幅下降。 2. “领域认知”决定了AI的能力天花板 报告得出一个极具启发性的结论：影响AI最终产出成败的并非你的编程水平，而是你对特定业务领域的理解深度。当你表现出深厚的业务认知、能给出精准边界时，AI为你执行的动作链条会翻倍，产出文字量更是暴增5倍。只要具备扎实的中等业务理解，就能压榨出AI绝大部分的潜力。 3. 非技术人员正在跨越技术鸿沟 过去半年，管理者、销售和律师等非程序员群体使用AI编程的比例快速攀升。令人震撼的是，在硬核的代码生成任务中，非技术职业的“已验证成功率”与正牌软件工程师的差距已缩小至7%以内；管理层的成功率甚至略微超越了程序员。因为懂业务、善于拆解需求和分配任务的人，反而更容易驾驭AI拿到结果。 原文链接：https://www.anthropic.com/research/claude-code-expertise

在2026北京智源大会的开幕式上，进行了一场以《重构世界大模型巅峰对话》为主题的圆桌访谈。本次圆桌由北京智源人工智能研究院院长王仲远博士主持。他与四位在AI产学研领域最具代表性的重磅嘉宾展开了深度思辨： 1. 罗福莉：95后“天才少女”、前DeepSeek核心成员、现任小米MiMo大模型负责人，致力于Agent基座模型的构建与进化。 2. 朱军：清华大学计算机系教授、生数科技创始人兼首席科学家、IEEE Fellow，带领团队开发了中国顶尖的视频大模型Vidu，是世界模型领域的领军人。 3. 刘知远：清华大学长聘副教授、面壁智能联合创始人兼首席科学家，端侧AI模型的先锋探索者，曾提出大模型“智能密度定律”。 4. 安波：南洋理工大学教授、人工智能交叉研究院（AI.R）联席院长，在算法博弈论和多智能体系统（Agent）领域享誉国际。 访谈中，嘉宾们从最新AI模型的突破切入，深入探讨了模型演进与智能体发展两大核心议题。罗福莉与刘知远详细剖析了依靠数据闭环和强化学习催生的模型自进化（Recursive Self-Improvement）能力，指出AI正在逐步承接人类重复的脑力劳动，迈入由“人驱动AI创造AI”的新工业革命阶段。安波教授指出智能体技术的重点正转向垂直领域的复杂编排与落地；而朱军教授则描绘了通向物理世界AGI的必经之路——构建以视频为原生数据的“世界模型”，让机器像人一样学会观察、预测与行动。 面对技术大爆炸带来的机遇与焦虑，专家们在圆桌尾声为当代青年写下寄语：不要在跟跑中焦虑，而是要保持对真实世界的好奇心与探索欲；选对具有长期价值的痛点赛道，打破规则，敢为人先。

2026年6月12日，2026智源大会在中关村国际创新中心盛大举办。会上，智源研究院院长王仲远系统梳理了智源过去一年的重磅前沿探索，全面展现了人工智能从大语言模型走向多模态，并加速迈向物理世界的战略演进与全栈布局。 基座大模型：多模态与AI for Science齐飞 大模型已不再局限于聊天工具。智源发布的悟界・Emu3.5多模态世界基座模型，凭借极简范式统一了文本、图像及视频的深度学习，其原创成果已登上《Nature》正刊。针对前沿科学，智源首发了全球最大AI-Ready神经科学数据平台BrainToken，并推出跨物种统一的多模态神经科学大模型Brainμ1.0；同时还发布了AI驱动的药物发现模型OpenComplex 2.5，单模型一站式打通制药四大关键步骤，性能远超传统方法。 核心变革：预测下一个物理状态的世界模型 王仲远指出，AI正经历从“预测下一个词（Next Token Prediction）”到“预测下一个物理状态”的范式巨变。智源首次公开在研的通用世界基座模型——悟界・Physis-v0.1。它通过物理潜空间建模，具备严格的物理一致性、动作因果性及长程可推演性，致力于构筑真实物理世界的AI引擎。 智能体与算力底座：连通虚拟与现实 在智能体层面，智源构建了自底向上的具身智能体系，其新一代具身大脑悟界・RoboBrain Orca-v0（能通过预测状态实现自主交互学习。除了物理世界探索，智源还展示了数字虚拟前沿进展：发布了媲美安贞医院顶尖专家的心脏疾病辅助诊断智能体、自主科学发现智能体，以及本次大会标配的专属听会智能体SoulAgent。在底层基础生态方面，智源的众智FlagOS 2.1已打破算力割裂，成功适配18家厂商的32款核心芯片，实现对国产模型的零门槛多芯部署方案。 成立7年来，智源研究院坚守“开源开放”初心，累计开源逾200个模型、全球下载破10亿次。王仲远的这场报告不仅印证了智源关于大模型演进路线的精准预判，更标志着中国AI力量正以世界模型为新起点，全面拉开重塑物理世界的序幕。

2026年6月12日，在智源大会上，中国工程院院士、阿里云创始人王坚与智源研究院理事长黄铁军以"总有人比时代早十年"为主题展开深度对谈，以下为精华观点提炼。 关于"超前预见"的本质，王坚给出了极具颠覆性的回答：比时代早十年，关键并不在于"先想到"，而在于"敢讲出来、敢做下去、敢在看不到希望时多走一步"。他以心理学背景的独特视角，提出思考AI必须跳出"人工智能"这四个字设下的框架，回归到动物智能、人类智能、机器智能的三分法中去——"狗的鼻子比人灵敏得多，但我们从不觉得受威胁"，因此他坚定不相信AI会替代人类。 黄铁军回顾了智源研究院的"火箭时刻"：2018年成立，2020年集上百人之力攻关大模型，在当时是不亚于"火箭发射"的决策。王坚补充道，今天训练一轮大模型的成本（电费加算力）已与一枚火箭造价相当——"结果不好，就相当于炸了一枚火箭"，这意味着AI研究已进入一个与过去学术科研截然不同的高风险时代。 关于中国AI的全球叙事，王坚提出了"同一片大海"论：六七年前他担心中国看到的是"游泳池"而美国看到的是"大海"——远看都是蓝的，走近才知不是同一片天地。而今天，"至少中国和美国看到的是同一片大海了"，基础研究是全世界的，差距只是技术性的远近问题。 对年轻研究者，两位嘉宾都传达了强烈的乐观信号。王坚引用航空史类比——飞机飞起来30多年后，MIT才成立航空系。今天AI所处的阶段，甚至远未到成立真正意义"人工智能系"的时候，正处"混沌期"。他半开玩笑地断言："不提出自己的智能问题，就是你的过错。" AI推动科学革命的范式转变是对话的重要亮点。王坚指出，AI正从"把科学论文当文本去读"进阶到"理解真正意义上的科学数据"。AlphaFold没有收集新数据，靠的是重新理解沉淀数据——正如当年伽利略也从未亲自收集数据。他的核心判断是："所有科学数据都会因AI的出现被重新理解一遍。" 面对AI的"解释性危机"和风险问题，两位嘉宾高度一致。王坚提醒，"幻觉（hallucination）"这个词本来就是形容人的，人类的幻觉可能比AI更严重。黄铁军认为"控制"和"确保"这些词并不现实，关键在共存——他比喻人机关系如同父母与孩子："会有冲突，但不可分离。"王坚则补充，人类首先是大自然的孩子，不能太傲慢，并提出了一个极具现实感的命题：当token成本降到像一张纸一支笔一样不值钱时，人类才算真正被解放出来。这个朴素的终局判断，或许比任何宏大叙事都更接近AI普惠的本质。

近期，谷歌云 AI 总监 Addy Osmani 提出"循环工程"（Loop Engineering）概念，引发AI圈的广泛关注。 传统的提示词工程要求用户精雕细琢指令来驱动 AI，而循环工程的核心主张是：人类不再直接编写提示词，转而设计一套能够自我运转的循环系统。系统自动分解任务、隔离工作环境、调用外部工具，并由独立的校验智能体交叉验证结果，形成"目标设定—自动执行—自我纠偏"的闭环。OpenClaw 作者 Peter Steinberger 与 Anthropic Claude Code的 Boris Cherny 等业界核心人物均已公开表示，自身工作重心已从写提示词转向设计循环流程。 从结构上看，循环工程由五大组件支撑：自动化负责定时触发与任务分拣；工作树确保并行作业互不干扰；技能沉淀可复用的知识与经验；插件与连接器赋予 AI 操作真实世界工具的能力；子智能体则实现"制造者—校验者"的角色分离。此外，外部化记忆机制贯穿始终，解决大模型上下文遗忘的固有问题。 然而 Osmani 也明确指出三大不可让渡的风险：最终验证责任始终归于人类；高速自动化将导致"理解债务"累积，使人逐渐丧失对系统底层的认知；更危险的是"认知缴械"——用户若长期被动接受输出，可能彻底放弃独立判断。 循环工程真正改变的是人与 AI 协作的杠杆支点：它放大了产出效率，却对使用者的工程素养与认知警觉提出了更高要求。这不是让工作变简单，而是让工作变深刻。

刚刚进行的腾讯云AI产业应用大会上，腾讯高级执行副总裁（CSIG CEO）汤道生与姚顺雨（腾讯首席AI科学家、ReAct架构提出者）进行了一场深度对谈。核心探讨了腾讯在AI时代的破局思路、大模型演进方向以及产品组织的变革： 1. 重新定义“AI下半场”的核心壁垒 姚顺雨指出，大模型现在已成为通用的“万能锤子”，所以核心矛盾不再是单纯找寻技术方法，而是寻找值得解决的真实通用问题。随着模型能力普适化，企业未来的竞争壁垒将不再是模型本身，而是对原始输入数据、真实用户行为以及独家上下文（Context）的掌握。 2. 推崇“模型与产品协同”与务实评测 腾讯反对盲目迎合行业的“刷榜”风气，主张建立基于真实业务场景和反馈的评测体系。通过内部“元宝”、ima等产品矩阵的协同作战，让做预训练的最强骨干下沉去帮产品做后训练，建立模型与应用的双向互信，利用矩阵优势实现数据的泛化与反哺。 3. 关注代码智能体与高性价比中小模型 腾讯下一代模型（Hy3 Preview）的演进并不迷信大模型的算法“秘密”，而是聚焦重构基础设施和评测体系。重点将攻坚具备图灵完备性的代码智能体（Agent）。此外，腾讯认为在中国市场，打造鲁棒性强的高性价比中小模型，其商业变现价值远大于耗费巨大成本只为提升一两个百分点的极限跑分性能。 4. 产品形态与组织的重构 技术变革同样要求组织升级。产品从“预设菜单”转变为“开放式交互”后，开发团队也需要向“极其扁平（3-5人小分队）”和“高度容错”转型。工程师的精力将被AI从敲代码中解放，转而聚焦架构设计与测试对齐。 最后，面对外界对“腾讯AI慢了”的质疑，汤道生回应称，AI是一场没有尽头的马拉松，腾讯丰富的产品业态和真实场景，将在长跑中提供巨大的底气。对话同期官方也发布了“腾讯效率智能体工具集”，旨在将大模型更深地融入进微信、企微等真实工作流。

如果你最近关注 AI 圈，一定会频繁听到“世界模型（World Model）”这个词。从颠覆认知的视频生成，到具备复杂推理的大语言模型，再到在实验室里做各种家务的具身智能机器人，几乎所有前沿项目都在宣称自己在构建“世界模型”。 然而，当一个概念包揽了所有最酷的标签时，它也就开始失去本意。把一个画面超逼真但经常放火烧水、公然违背物理常识的视频生成模型，与一个严谨计算力学分布的仿真物理引擎混为一谈，只会模糊掉技术本来的边界和演进路径。世界模型究竟该如何定义？它又将走向何方？ 在行业最需要厘清迷雾的时刻，World Labs 联合创始人李飞飞老师在 X上发布了一篇重磅长文。她回归到最经典的强化学习交互循环，为我们带来了清晰、具洞察性的解构路线。 在李飞飞的宏大视野中，世界模型是由追求视觉保真度的“渲染器”、驱动决策和行动的“规划器”，以及严格遵循物理法则的“模拟器”共同构成的三维支柱。而通往“空间智能（Spatial Intelligence）”的漫长征途，正是这三者打破壁垒、走向终极融合的过程。 原文连接：https://x.com/drfeifei/status/2062247238143996275

打造出公认最强模型 Claude 的明星公司 Anthropic，它的总裁兼联合创始人 Daniela Amodei，压根不是什么技术极客，而是一个地地道道的英文文学专业毕业生。 她毕业于英文文学专业，曾在国会山、政治竞选和早期 Stripe 工作，2018 年加入 OpenAI。2020 年 12 月，她与哥哥 Dario 及另外五位联合创始人共七人离开 OpenAI，并于 2021 年创立 Anthropic。在这个由算法和算力主导的世界里，她凭什么成为千亿估值AI巨头的核心掌舵人？在错综复杂的AI商业化进程中，如何同理他人、如何在混沌中跨界协同、如何建立组织内外部的信任，这些曾经被轻视的特质，正在被赋予前所未有的高溢价。今天这期节目，我们就借着 Daniela 的故事，好好聊聊‘通才’的绝地反击，看看在这场硬核的技术狂飙中，软技能到底是如何被重新定价的。 在这场斯坦福商学院的访谈里，Daniela 毫无保留地分享了她从文科生到千亿估值 AI 巨头掌舵人的非凡旅程。 首先，作为一名“通才”（Generalist），她用亲身经历说明，好奇心、跨界学习以及理解自身“比较优势”，才是智能时代最核心的竞争力。 接着，她澄清了 Anthropic 的核心标签——“AI 安全”的本质。这绝非空洞的公关辞令，而是对技术外部性承担起“彻底的责任”。在商业收益与技术安全的拉扯间，他们甚至做出了“因安全考量主动搁置最强模型发布”的艰难决定。 更启发人的是，面对 AI 替代人类的焦虑，Daniela 指出，AI 将极大地重塑工作形态。在这个过程中，人类独有的“社会性特质”——如医生抚慰患者的沟通技巧、管理者的同理心等“软技能”，非但不会贬值，反而会被重新赋予极高溢价。最后，她还结合日常生活，分享了自己如何把 Claude 当作管理教练与育儿助手的超实用经验，并警示我们要防止被 AI 剥夺了主动思考的能力。 访谈原视频：https://www.youtube.com/watch?v=FDjrDeIZAk4

本集播客由YouNavi （负责调研内容和输出文稿）和Listenhub （负责语音生成）制作。 陈德里（Deli Chen）， DeepSeek 的资深 AI 研究员。近日，他利用自己构建的 DeliAutoResearch 智能体skill，在极低个人精力消耗下，主导并自动生成了一篇长达 46 页的重磅学术综述论文。在这场耗时 6 天、历经 108 轮 AI 自主交互、消耗近 65 万 Token 的智力工程中，陈德里本人仅贡献了约 1% 的宏观把脉与纠偏，其余 99% 的文献验证、LaTeX 编写和画图改错全部由 AI 独立搞定。 作为 DeepSeek-V4-Pro 等前沿模型的深度研究者，陈德里用这场“自己写自己”向世界直观地宣告：AI 已经正式跨越“副驾驶”阶段，成为能与人类科研人员并肩作战、甚至独立交付复杂智力成果的真正“同事”。 这篇内容也是一篇非常好的关于自动化研究 Agents 的发展历程综述。 原文： https://x.com/victor207755822/status/2059269472297623843?s=20 https://victorchen96.github.io/auto_research_survey.pdf