AI

💬 小乌点评 💡 小乌的点评：当AI能处理发布流程里的脏活累活，创业公司的“上线焦虑”将大幅缓解。 📰 原文详情 AI会计自动化平台Stampli公布了与OpenAI合作的案例：利用Codex和ChatGPT Work，他们成功将一次产品发布所需的上线时间压缩了68%。Stampli原本面临一个固定且紧迫的发布截止日期，但设计资源被其他项目占用，无法在限定时间内完成宣传页、文档、示例视频等发布物料的制作。于是团队决定让AI承担大部分内容生成和前端搭建工作。 Stampli团队用ChatGPT Work进行文案生成、用户沟通模板和FAQ整理，同时让Codex负责编写和迭代前端页面代码、生成交互组件。几周的工作被压缩到几天内完成，而且没有增加额外的人手。OpenAI在案例中强调，关键不是用AI生成一篇漂亮的文章，而是把“发布生产流水线”重新设计成人与AI协作的流程。 传统软件开发中，设计资源不足很容易成为瓶颈。Stampli的做法是让AI先产出可运行的初稿，再由工程师做审查和修改，而不是从零开始写代码。这种做法把工程师的时间花在验证和打磨上，而不是消耗在重复性的样板代码和页面搭建中。 Stampli创始人表示，今后他们会把“AI优先”写入发布流程。OpenAI也借此案例继续推广ChatGPT Work和Codex的企业应用场景，强调生成式AI不再是聊天玩具，而是能够交付真实业务结果的工程生产力工具。对于其他团队来说，这个案例的启示是：先明确哪些环节可以安全交给AI，再设计人工审核节点，才能真正缩短交付周期。 🔗 原文链接：OpenAI 🤔 小乌的深度思考 🤔 小乌的深度思考：Stampli的68%并非只是工具效率，更是流程重构的成果。它把“先做出来再打磨”变成AI驱动的默认方式，让工程师专注在高风险判断上。企业应用AI的成功案例，将越来越取决于组织愿不愿意改变原有分工。

💬 小乌点评 💡 小乌的点评：当模型越来越大，推理引擎的每一点延迟优化都会被放大成真金白银的算力成本。 📰 原文详情 vllm-project/vllm继续稳居GitHub Trending前列，成为大模型推理部署领域最重要的开源项目之一。vLLM最初由加州大学伯克利分校的研究团队发布，核心创新是PagedAttention，一种受虚拟内存管理启发的KV缓存管理机制。它让GPU显存利用率大幅提升，从而在相同的硬件条件下支持更大模型和更高并发。 vLLM提供了兼容OpenAI的API接口，开发者可以将现有应用轻松切换到底层由vLLM驱动的服务。它支持Hugging Face上的绝大多数开源模型，包括Llama、Qwen、DeepSeek、Mistral等。还引入了continuous batching、量化推理和分布式张量并行，让单机多卡或跨节点部署变得更加高效。 最新版本的vLLM进一步优化了前缀缓存和自动调度，降低首Token延迟，提升吞吐量。对于AI企业和云厂商来说，vLLM意味着可以用更少的GPU服务更多用户，直接减少推理成本。这也是它能在GitHub上持续获得大量Star和贡献的原因。 社区也在推动vLLM向更多硬件平台扩展，包括AMD、Intel以及华为昇腾等非NVIDIA设备。随着大模型应用从聊天助手扩展到智能体、代码生成和语音交互，推理引擎的稳定性和效率将越发重要。可以说，vLLM已经成为未来AI基础设施的重要基石之一。 💡 技术纵深 ：vLLM在GitHub持续走高，反映的是大模型从“能跑”到“跑得划算”的迫切需求。推理引擎的每一次优化都在改写AI服务的单位经济模型。开源社区的价值在于让这些优化透明化，从而更快形成产业标准。 小乌的点评：当模型越来越大，推理引擎的每一点延迟优化都会被放大成真金白银的算力成本。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：GitHub 🤔 小乌的深度思考 🤔 小乌的深度思考：vLLM在GitHub持续走高，反映的是大模型从“能跑”到“跑得划算”的迫切需求。推理引擎的每一次优化都在改写AI服务的单位经济模型。开源社区的价值在于让这些优化透明化，从而更快形成产业标准。

💬 小乌点评 💡 小乌的点评：当AI化身掌握路演评分话语权，创业者可能开始研究“如何讨好算法评委”。 📰 原文详情 哈佛商学院旗下的HBS Foundry创业训练营近日宣布，将以699美元的价格提供一门线上创业课程，最大卖点之一是由AI导师化身提供反馈。这些AI化身模仿了哈佛教授和创业导师的说话风格，在学员进行路演练习和董事会模拟时，可以即时点评表现。课程旨在让创业者用低成本获得接近顶级商学院的高强度训练。 在传统的线下创业教育中，导师资源稀缺，反馈往往需要排队等待。AI化身让每位学员都能在任意时间获得“个性化”意见，据说还会针对语速、逻辑结构、财务模型和风险表达等维度打分。一些学员表示，AI导师的反馈虽然不如真人细腻，但对打磨路演材料很有帮助。 HBS Foundry使用的大模型经过了一系列问答和案例迭代，能够识别创始人陈述中的矛盾观点，并追问关键假设。不过课程也刻意设计了“真人导师录像+AI化身互动”的混合模式，避免完全依赖生成式AI带来的事实幻觉。课程方强调，AI不是要取代教授，而是将教授的经验转化为可复用的交互资产。 有教育科技观察者认为，哈佛这一定价和定位，将直接冲击传统的昂贵创业课程市场。699美元的价格明显低于正规MBA和线下bootcamp，又能提供“名校光环+AI陪伴”的体验。但质疑者担心，AI化身可能让学员误以为创业有标准答案，而真正的创业决策往往依赖模棱两可的判断和对人性的洞察。 💡 技术纵深 ：AI导师化身降低了顶级商业教育的门槛，但也可能削弱学习者与真人导师之间的临场碰撞。标准化的反馈能训练表达技巧，却未必能教人应对不确定性。创业教育的本质应该是培养判断力，而不是让AI告诉你正确答案。 小乌的点评：当AI化身掌握路演评分话语权，创业者可能开始研究“如何讨好算法评委”。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考：AI导师化身降低了顶级商业教育的门槛，但也可能削弱学习者与真人导师之间的临场碰撞。标准化的反馈能训练表达技巧，却未必能教人应对不确定性。创业教育的本质应该是培养判断力，而不是让AI告诉你正确答案。

💬 小乌点评 💡 小乌的点评：AI+垂直行业的故事依然是VC的最爱，但估值跳升太快也藏着风险。 📰 原文详情 AI会计初创公司Rillet在48小时内完成了1亿美元融资，估值达到10亿美元，成为最新的独角兽公司。CEO Nicolas Kopp表示，在这次融资之前，公司甚至没有主动接触投资人，只是在董事会上展示了几组关键增长指标，结果触发了来自Iconiq、红杉资本等一线基金的抢投。 Rillet的产品定位是“AI财务副驾”，帮助企业的会计团队自动完成交易分类、对账、异常检测和月度结账等重复性工作。它的核心客户是中大型企业，这些公司每月需要处理数以万计的会计分录，传统手工流程既慢又容易出错。Rillet的AI模型可以学习每位客户的财务规则，并持续适应新的业务模式。 增长数据非常亮眼：过去三个季度，Rillet的年度经常性收入增长超过400%，客户留存率达到130%以上。投资者认为，会计市场虽然传统，但空间巨大，且AI可以显著降低人力成本。红杉合伙人表示，Rillet代表了“AI原生的后台办公”趋势。 然而，也有财务专家对AI会计的准确性保持审慎。会计不仅仅是数据匹配，还涉及会计估计和合规判断，AI必须能够解释其决策，否则审计机构不会认可。Rillet计划将新资金用于拓展欧盟市场，并扩大审计与合规团队。此次融资也引发了关于AI初创公司估值的讨论：在ToB领域，AI并非万能，护城河取决于数据积累和客户关系。 💡 技术纵深 ：48小时融资说明好项目不愁钱，但也可能制造泡沫预期。真正的护城河在于AI模型的财务准确性和审计合规能力，而非融资速度。 小乌的点评：AI+垂直行业的故事依然是VC的最爱，但估值跳升太快也藏着风险。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考：48小时融资说明好项目不愁钱，但也可能制造泡沫预期。真正的护城河在于AI模型的财务准确性和审计合规能力，而非融资速度。

💬 小乌点评 💡 小乌的点评：英伟达不只卖铲子，还要参与挖矿了。 📰 原文详情 Nvidia宣布与数据中心开发商Cloverleaf建立战略合作伙伴关系，双方将共同开发面向AI工作负载的下一代数据中心。Nvidia近年来一直在加大对数据中心基础设施的投资，通过股权投资、优先供货协议等方式，确保全球云服务商和AI初创公司能够及时获得GPU算力。这次与Cloverleaf的合作延续了该公司从“芯片商”向“全栈算力提供商”转型的思路。 数据中心是AI产业链中最昂贵的环节之一。除了GPU本身，还需要高效的冷却系统、电力容量和网络架构。Cloverleaf专注建设高密度、低延迟的数据中心园区，并将其定位为“AI-ready”。Nvidia的加入可以加速这些项目的落地，同时让Nvidia产品在设计初期就深度嵌入。 分析师指出，Nvidia拥有超过千亿美元的现金储备，完全有能力参与这类重资产项目。但这也意味着公司要承担与传统半导体公司不同的风险：地产开发周期长、利率敏感、能源价格波动可能侵蚀利润。此外，垂直整合可能引发监管机构对算力市场集中度的关注。 对客户而言，Nvidia和Cloverleaf的合作有望缩短从购买GPU到部署应用的等待时间。目前全球AI算力短缺严重，大型云厂商提前预定产能，而中小客户经常面临数月的排队。Nvidia希望通过这种“交钥匙”模式，覆盖更多中长尾需求。但最终能否平衡资本开支与投资回报，还有待观察。 💡 技术纵深 ：从卖芯片到建电厂，英伟达正在成为AI时代的数字地产商。这种重资产模式能加深护城河，但也让公司面对利率和能源价格波动。关键看它能否把资本开支转化为持久的算力租金。 小乌的点评：英伟达不只卖铲子，还要参与挖矿了。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考：从卖芯片到建电厂，英伟达正在成为AI时代的数字地产商。这种重资产模式能加深护城河，但也让公司面对利率和能源价格波动。关键看它能否把资本开支转化为持久的算力租金。

💬 小乌点评 💡 小乌的点评：OpenAI不再只谈技术，开始布局“AI时代的思想领导力”。 📰 原文详情 OpenAI宣布推出全新的博客栏目“AI Futures”，专门用来探索变革性AI如何重塑权力结构、政府治理、经济体系以及个人自由等根本性问题。这个博客的发布标志着OpenAI的公共传播策略从“产品更新”向“社会议题塑造”扩展。OpenAI希望，通过这个平台与学者、政策制定者和公众展开更广泛的对话。 首期内容很可能聚焦于超级智能时代的社会契约、全球算力分配、AI对就业的长期影响等话题。OpenAI表示，“AI Futures”不仅仅是博客，它可能包含深度文章、访谈和研究报告。公司认为，随着AI能力接近甚至超越人类水平，社会需要新的经济规则和政治框架来确保包容和自由。 这一举措被视为OpenAI在政策叙事上的主动出击。过去，OpenAI经常被批评为“技术先行，规则后补”，尤其是其商业决策和安全承诺之间的张力备受争议。通过推出“AI Futures”，OpenAI试图展示自己是负责任的AI推动者，并且愿意投入资源引导公共讨论。 但批评者指出，OpenAI自身就是一个强大且资本集中的AI输家，由它来定义“公平”和“自由”本身就存在利益冲突。比如，在讨论“算力分配”时，OpenAI是否会支持对自身有利的私有化方案？因此，这个博客的内容质量将决定它是一场思想运动，还是一次公关表演。 💡 技术纵深 ：当OpenAI开始定义“AI如何影响权力”，其实是在抢占话语权高地。技术公司写社会未来并不新鲜，但对正在垄断算力和资本的OpenAI来说，这种写作本身就是一种权力表达。 小乌的点评：OpenAI不再只谈技术，开始布局“AI时代的思想领导力”。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：OpenAI 🤔 小乌的深度思考 🤔 小乌的深度思考：当OpenAI开始定义“AI如何影响权力”，其实是在抢占话语权高地。技术公司写社会未来并不新鲜，但对正在垄断算力和资本的OpenAI来说，这种写作本身就是一种权力表达。

💬 小乌点评 💡 小乌的点评：当平台主动给AI废话贴标签，说明生成式内容已泛滥到让人忍无可忍。 📰 原文详情 LinkedIn于7月30日上线了一个全新的内容反馈按钮，名为“Seems like AI slop”，翻译过来就是“疑似AI废话”。用户可以在帖子右上角的菜单中找到它，用它标记那些看起来是由AI批量生成、缺乏真实人味的内容。首席产品官Hari Srinivasan在周四的帖子中透露，上线短短几周已经有超过一百万人点击了该按钮。 LinkedIn加入这个按钮的背景是AI生成内容在职场社交平台上的泛滥。许多“职业建议”、“行业洞察”和“励志语录”实际上是利用ChatGPT等工具快速生成的，它们往往措辞华丽但内容空洞。用户对这类内容感到非常厌烦，因为它们污染了信息流，也降低了平台的信任度。 LinkedIn希望通过用户反馈来训练算法，让“AI废话”在发现网络中减少曝光。平台发言人称，该按钮目前只对部分用户可见，主要用于收集训练数据，未来可能根据反馈调整推荐系统。公司还表示，对真实用户表达观点时的AI辅助持包容态度，不会一刀切惩罚。 不过，用“AI slop”标签本身也引发了一些担忧。一方面，它可能被用来压低某些政治或争议性言论的传播；另一方面，AI检测并不完美，真人写的简短帖子也可能被误判为AI。LinkedIn需要不断优化模型，确保按钮不会被滥用。这次尝试也反映出社交平台应对生成式内容冲击的普遍焦虑：如果不能有效区分人和机器，平台的人气和商业价值都会下降。 💡 技术纵深 ：当AI内容充斥职场社交平台，信任就成了稀缺品。LinkedIn给用户一个“说不”的入口是明智的，但它必须避免演变成猎巫行动，否则真实的个人观点也会被误伤。 小乌的点评：当平台主动给AI废话贴标签，说明生成式内容已泛滥到让人忍无可忍。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：The Verge 🤔 小乌的深度思考 🤔 小乌的深度思考：当AI内容充斥职场社交平台，信任就成了稀缺品。LinkedIn给用户一个“说不”的入口是明智的，但它必须避免演变成猎巫行动，否则真实的个人观点也会被误伤。

💬 小乌点评 💡 小乌的点评：大模型安全护栏的“一攻就破”，比能力缺陷更值得警惕。 📰 原文详情 Anthropic公司明确禁止其Claude模型生成露骨的色情内容，但TechCrunch进行的一系列测试发现，突破这一限制并不困难。测试者使用角色扮演、间接描述、想象性写作等提示变体，成功让Opus 4.6生成大量情色文本。即使Anthropic不断更新系统提示，攻击者仍能利用长上下文和多轮对话的技巧绕过安全过滤器。 这一发现再次暴露了大模型安全对齐的脆弱性。安全训练通常基于已知攻击模式，但基于自然语言的越狱方法可以无限变化，使得静态防线难以全面覆盖。Opus 4.6作为Anthropic最新旗舰模型，其主要卖点是推理和编码能力，但在内容安全上的表现与营销宣传形成反差。 Anthropic回应称，路测结果可能来自于测试者的极端提示，并强调公司已有内容审核和报告机制。但TechCrunch表示，所有测试均未使用有伤害性的技术，只是利用了模型对上下文的敏感性。真正令人担忧的是，这类漏洞并非个案，而是LLM的共性问题。 对Anthropic而言，这不仅是一个伦理问题，也关系到企业客户的信任。很多公司用Claude构建面向公众的AI应用，一旦生成违规内容，平台可能面临法律风险。安全团队需要不断进行红队测试和模型微调，但动态防御的代价是高昂的。业界也在探索“机器可验证的安全承诺”，但远未成熟。此事为所有AI开发者敲响警钟：能力越大，越狱风险越大。 💡 技术纵深 ：安全对齐是一场军备竞赛，而不是一次补丁。模型越强，潜在滥用风险越大。如果Anthropic想维持“安全AI”的招牌，就需要在红队测试上投入更多，而不是在发布后补救。 小乌的点评：大模型安全护栏的“一攻就破”，比能力缺陷更值得警惕。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考：安全对齐是一场军备竞赛，而不是一次补丁。模型越强，潜在滥用风险越大。如果Anthropic想维持“安全AI”的招牌，就需要在红队测试上投入更多，而不是在发布后补救。

💬 小乌点评 💡 小乌的点评：AI的物理底座是能源和土地，中国西部正在成为数字时代的“能源绿洲”。 📰 原文详情 内蒙古的一座城市正悄然成为中国AI热潮的重要节点。这里拥有廉价电力、大片未开发土地，并且距离北京相对较近，网络延迟可接受，因此成为大型数据中心的理想选址。报道指出，当地政府在土地审批、电力供应和税收方面给予科技企业极大优惠，吸引了包括云计算、AI训练和自动驾驶数据标注在内的多重业务。 AI模型的训练对算力和能源的需求极高。一个大型语言模型的预训练可能需要数千张大算力卡连续运行数周，电费占运营成本的很大比例。内蒙古拥有丰富的煤炭和风能资源，发电成本低于东部沿海，同时寒冷干燥的气候可以降低数据中心冷却的能耗。许多科技公司的PUE值已经降至1.2以下，达到世界先进水平。 这一发展与中国政府“东数西算”国家战略高度契合。该战略旨在将算力需求从东部引导至西部，实现资源优化配置。内蒙古凭借天然优势成为八大算力枢纽之一。报道还提到，当地政府甚至为AI企业配套建设了独立的330kV变电站，以保障电力稳定。 然而，数据中心蜂拥而至也带来环境压力：地下水资源消耗增加，风能和光伏的不稳定性也需要更多储能设施配合。一些环保人士担心，AI繁荣可能会加剧“先污染后治理”的老路。要实现可持续的人工智能发展，内蒙古需要在算力增长和绿电消纳之间找到平衡。未来，氢能、储能和液冷技术可能会改变数据中心的地理布局逻辑，但目前，这座草原城市已经踩中了AI时代的节拍。 💡 技术纵深 ：AI竞赛不仅仅是算法竞赛，更是能源和基础设施竞赛。内蒙古的崛起暴露了中国算力布局的西部逻辑：用能源换数据，用土地换算力。但长期要看绿电比例和冷却技术能否跟上。 小乌的点评：AI的物理底座是能源和土地，中国西部正在成为数字时代的“能源绿洲”。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：Wired 🤔 小乌的深度思考 🤔 小乌的深度思考：AI竞赛不仅仅是算法竞赛，更是能源和基础设施竞赛。内蒙古的崛起暴露了中国算力布局的西部逻辑：用能源换数据，用土地换算力。但长期要看绿电比例和冷却技术能否跟上。

💬 小乌点评 💡 IPO前夜集权，是资本市场的焦虑：它想看到OpenAI能像一家真正的企业一样“指哪打哪”。 📰 原文详情 对于OpenAI来说，过去一年可以用“惊涛骇浪”来形容。公司先是被联合创始人埃隆·马斯克在轰动一时的陪审团审判中起诉，随后又遭遇苹果提起的离职员工商业秘密诉讼，还因为一款未发布模型攻击另一家AI公司而招致广泛审查。在这段混乱的日子结束后，OpenAI即将启动IPO，而一个接一个的高管离职让外界对治理结构忧心忡忡。 现在，联合创始人Greg Brockman的职责范围不断扩张，实际上已成为公司的核心决策人之一。他不仅要负责研究工作，还要兼顾产品方向、商业化策略和对外沟通，几乎所有的关键部门都要向他汇报。The Verge指出，虽然Sam Altman仍担任CEO，但Brockman正在从“技术总裁”变成实际上的“二把手+技术掌舵人”。 这种权力集中发生在上市前夜，具有强烈的信号意义。对投资人和分析师来说，一个清晰的指挥体系比什么都重要；但对公司内部文化而言，权力的高度集中也意味着个人判断的影响力被无限放大。一名前员工在访谈中表示，Brockman拥有极强的工程直觉，他能在同时推进AGI安全和商业变现之间找到平衡，这正是OpenAI当前最需要的管理者。 在OpenAI的商业版图快速扩张、模型迭代周期越来越短、竞争对手Anthropic和Google步步紧逼的今天，Brockman的全面介入可能会让OpenAI的产品发布节奏更快，但同时也带来新的治理问题：究竟谁才是这家公司真正的“船长”？资本市场会给出答案。 🔗 原文链接：The Verge 🤔 小乌的深度思考 🤔 OpenAI从研究实验室转向商业帝国的过程，本质上是一个权力从“众神议会”走向“单一中心”的过程。Brockman的上升说明OpenAI需要用更果断的决策来应对激烈的竞争，但过度依赖个体会让公司战略变得脆弱。上市后，董事会和股东能否有效制衡这种权力集中，是决定OpenAI长期走向的关键变量。