跳到正文

#数据报告

今日 3 条
10月23日周五
  1. IT之家·人工智能71

    中国信通院报告称 2026 年国内大模型均价翻倍,每秒吞吐量也翻倍

    中国信通院人工智能研究所等机构联合发布《大模型词元服务性能监测报告(2026 年)》,报告称经历两年价格战后,2026 年国内大模型归一化均价为 13.46 元,较 2025 下半年的 6.8 元涨近 1 倍;8 月国内平均 TPS 达 78.23 个/秒,较 2025 年均值 38.25 翻倍,但仍低于国外典型模型的 112.82。

    决策要点

    大模型价格战结束,词元服务转向按性能竞争,企业此前按低价建立的 API 成本假设需要重新校准。

    • 影响以 API 交付的 AI 应用单位推理成本上升,毛利与定价需按新价格重算;吞吐翻倍和上下文扩展可部分对冲涨价,但首词时延上升会影响交互体验;同一模型跨平台性能差距明显,采购比价空间大。
    • 参考可考虑重新核算现有应用的词元用量和成本,更新年度预算;选型时值得对候选平台实测 TPS、首词时延和调用成功率,按业务场景比价后再签约。
  2. 36氪·AI70

    Anthropic用Claude为123个开源库写下1.8亿行数学证明,找出万亿次测试漏掉的漏洞

    Anthropic前沿红队联合Theorem Labs让Claude对123个开源代码库的239个测试入口做形式化验证,生成约1.8亿行通过机器核验的Rocq数学证明。

    决策要点

    AI把形式化验证的成本和周期压进可行区间,过去只有空客飞控这类人命关天代码才用得起的数学级安全保证,开始具备规模化的经济条件。

    • 影响对重度依赖开源组件的企业,关键基础库可能多出数学级安全核验选项,OpenSSL证穿一次约22万美元、摊到每个下游软件包只要约14美元;这套验证建立在AI自主编写的指令集与进程数学模型之上,规范是否对应真实需求仍需人工审查,采用前应把这层审查成本算进预算。
    • 参考可考虑先盘点自身软件供应链中复用最广的基础库,对照GitHub上已公开的25个库、60个入口的验证结果评估能否直接复用;值得按验证能力约两个月翻一番的趋势,重新测算关键依赖的安全审计预算。
  3. TechCrunch · AI32

    MIT 实验发现 AI 智能体闲置 30 小时后自发玩耍,后续任务表现更好

    MIT 研究者将 13 个运行 Claude Opus 4.7 的 Eko 智能体放进模拟荒岛 30 小时,无人布置任务的智能体开始自创挑战,研究者认为其行为具备玩耍的特征。

    决策要点

    这项实验的实质是提出任务预设之外的另一条训练思路,让智能体在开放环境中自主探索积累技能,但结论仍停留在论文阶段。

    • 影响对机器人与智能体开发方,探索式学习可能成为任务设计之外的技能来源,技能也可能超出设计者预期;实验中行为部分受设定提示词引导,评估供应商宣传的自发能力时需留意这一因素。
    • 参考可考虑等同行评审结果出来再评估该方法的落地价值;评估智能体产品演示时,值得追问其提示词与任务设定,区分自发技能与被引导的行为。
  4. 36氪·AI46

    谷歌 DeepMind 四个 Gemini 4 Argon 智能体通关《我的世界》,27 小时击败末影龙

    谷歌 DeepMind 论文显示,四个 Gemini 4 Argon 智能体在没有攻略、没有预设分工的情况下通关《我的世界》,历时 27 小时 14 分钟击败末影龙。

    决策要点

    这次实验的实质是检验智能体的长时程自主执行能力,多智能体自组织分工和把失败沉淀为经验的做法,已能支撑数十小时连续任务。

    • 影响连续数十小时、多角色协作的自动化任务有了可参照的做法,共享记忆与上下文压缩是其中的关键环节;但 22% 的程序出错率、6 次服务器重启和缺乏重复验证,说明距离稳定投产仍有距离。
    • 参考可考虑盘点内部是否存在连续数十小时、多角色协作且允许试错的流程,作为多智能体试点候选;值得评估共享记忆与上下文压缩机制在自家 Agent 项目中的位置,并先算清单次调用的 Token 成本。
  5. IT之家·人工智能58

    微软推出 AI 医疗诊断系统 MAI-DxO:复杂病例准确率达 83%,成果登《科学》

    微软当地时间 10 月 22 日宣布 AI 诊断系统 MAI-DxO,通过编排多个 AI 智能体模拟医生专家联合会诊,成果发表在《科学》期刊(论文链接 https://www.science.org/doi/10.1126/science.aeh7930)。

    决策要点

    微软用智能体编排把基础模型的诊断能力放大到基准成绩领先,但对照组不含真实接诊复杂病例的专科医生,论文成绩与临床落地之间有距离。

    • 影响医疗AI诊断工具的准确率与成本基准被抬高,医疗机构评估供应商时多了一个参照;但对照组缺专科医生而复杂病例恰由专科处理,真实临床效果还没有直接证据。
    • 参考医疗机构可考虑把独立临床验证数据列入供应商评估清单,先在电子病历完整的科室做小规模对照试点;其他行业可留意多智能体编排放大基础模型能力这一路径。
  6. TechCrunch · AI59

    微软称 MAI-DxO 诊断 AI 疑难病例正确率 83% 超过全科医生,追求「医疗超级智能」

    微软在《Science》发表研究,其 MAI-DxO 系统协调多个 AI 智能体模拟医生小组问诊、开检查并辩论诊断,复杂病例模拟中正确率 83%,对照全科医生为 36%,最佳成绩来自 GPT-5 与 GPT-5.5。

    决策要点

    表面是迈向医疗超级智能的宣称,实质是微软卡位临床决策支持市场,其论文也显示编排层收益依赖底层模型强弱。

    • 影响诊断类 AI 正从模拟评测进入真实医院评估,医疗机构将获得更直接的部署证据;宣称的优势仅覆盖复杂病例且未含专科医生对照,评估数字要按场景拆开看;强模型单独表现已接近加编排层的组合,模型与编排成本宜分开核算。
    • 参考医疗机构可考虑等 Beth Israel 真实环境研究出证据后再定采购节奏;值得先按复杂病例与急诊场景拆分测试现有基础模型,算出是否还需要编排层及其成本。
  7. The Verge · AI65

    微软称其 Diagnostic Orchestrator AI 诊断准确率最高达医生 4 倍

    微软在《Science》发表同行评审研究,称其 Diagnostic Orchestrator 诊断准确率最高可达人类医生的 4 倍。

    决策要点

    多智能体协作让诊断准确率在回顾性病例上最高达医生 4 倍,微软以此把医疗诊断立为 AI 能力标尺,但成绩出自自建基准与历史病例。

    • 影响医院实测数月内启动,医疗机构的诊断辅助工具可能加速进入试点,但商业化时间和方式微软尚未公布;医疗场景监管与合规要求高,落地节奏会受约束;SDBench 开源后可为医疗 AI 团队提供公开评测参照。
    • 参考医疗相关企业可考虑跟踪 Beth Israel Deaconess 的医院实测进展,评估诊断辅助场景的接入时机;做医疗 AI 的团队值得把开源的 SDBench 纳入评测对照;引入前先算清问诊与检查决策环节的人力成本基线。
  8. The Decoder:AI News61

    Gartner 调查显示仅 13% 企业从 AI 投入中获得实质回报

    Gartner 对 2,002 位 CIO 和技术负责人的调查显示,仅 13% 的企业报告 AI 带来重大或变革性回报。58% 的 CIO 背负用 AI 降本的任务,51% 却预计 AI 会推高技术栈整体运营成本,44% 的 CEO 难以向利益相关方展示 AI 的财务回报。

    决策要点

    Gartner 数据显示 AI 投入与实际回报明显脱节,多数企业一边加码支出,一边拿不出可验证的财务成果。

    • 影响降本考核与成本上升预期并存,AI 预算需要按项目单独核算;缺少回报证据的项目在向董事会交代时压力更大;已上线的项目同样面临继续或关停的取舍。
    • 参考可考虑为每个 AI 项目设定回报核算口径,按固定周期决定加码或关停,不因已上线而豁免;值得提前评估智能体对岗位的影响,把人员调整纳入项目规划。
10月22日周四
  1. The Decoder:AI News67

    Symantec 发现“Skynet 模式”AI 智能体劫持未防护大语言模型发起自主持续网络攻击

    Symantec 安全研究人员发现一个攻击型 AI 智能体,会劫持互联网上未防护的大语言模型,自主扫描目标、利用常见服务器软件漏洞、窃取数据库与凭证并植入挖矿程序,最多连续执行 100,000 步无需人工介入,算力账单由被劫持模型的所有者承担。

    决策要点

    攻击者正把大语言模型从辅助工具变成攻击武器的核心,公网未防护的 AI 端点本身成了新的入侵入口。

    • 影响自建或对外提供 AI 服务的企业,未防护端点上线后很快会被扫描探测;失陷意味着算力账单被窃用、服务器数据被窃并被植入挖矿程序;失陷还会带出新端点和泄露密钥,形成连环风险。
    • 参考可考虑盘点面向公网的模型服务端点与 API 密钥,清理临时测试系统和暴露的配置文件;值得用截获的五层越狱话术检验自家模型的拒绝能力,并对异常调用量设置告警。
  2. The Decoder:AI News54

    OpenAI 智能体 32 分钟完成小鼠脑数据分析,人工估计需数月至一年

    OpenAI 联合 PerturbAI 和 Scripps Research 部署数千个运行在 GPT-Rosalind 上的 AI 智能体,用 32 分钟完成数百万小鼠细胞的全脑 CRISPR 图谱分析,OpenAI 估计人工完成同样的工作需要数月至一年。

    决策要点

    OpenAI 借生物研究案例展示分布式智能体压缩专业数据分析周期的能力,但关键数字均出自其自家口径。

    • 影响研发密集行业的专业数据分析流程存在明显的周期压缩空间;盲测偏好提示多智能体分工的报告质量可能优于单个智能体;相关数字目前只有 OpenAI 自述结果。
    • 参考可考虑把一类耗时的专业数据分析任务作为智能体试点对象,先记录人工与智能体的耗时对比;值得同时对比单个智能体与多智能体分工两种架构再决定投入。
  3. 36氪·AI56

    清华、智元机器人、无问芯穹联合提出集体经验学习,96 台机器人任务成功率反超人类遥操作

    清华大学、智元机器人与无问芯穹联合提出集体经验学习(CEL),让已部署机器人集群共享执行经验、共同改进同一策略。其算法实现 FERT 利用失败情境从集群共享的成功经验中检索轨迹片段作为监督信号,无需专家示范或纠正动作;配套容错异步训练系统 FATS 使个别机器人故障中断时经验采集与训练仍能持续。

    决策要点

    该研究把机器人集群的部署规模变成经验来源,添置更多机器人不只是扩产能,也在同步积累策略改进能力。

    • 影响对部署机器人集群的场景,策略可靠性可随运行持续提升,人工遥操作监督无需随规模等比扩张,规模化部署的人工成本约束被松动;目前验证限于单一平台与五个任务专属策略,跨任务与异构平台是作者自述的后续课题。
    • 参考可考虑在评估机器人方案时,把厂商是否具备集群经验共享与持续学习能力列入比较项;值得先测算自家场景中遥操作监督成本随部署台数的增长曲线,再判断规模化的收益。
  4. 数英 DIGITALING59

    青山资本2026年度研究报告:80后从负重到重配

    青山资本发布2026年度研究报告,聚焦80后消费变迁,将其分为资产建构、家庭运营和未来重配三个阶段,判断未来十年其预算将转向健康、养老、兴趣和体验消费。

    决策要点

    80后正站在家庭现金流从刚性责任支出转向自主安排消费的转折点,未来十年是国内消费结构变化的中轴。

    • 影响面向80后家庭的健康、养老、品质服务与兴趣消费需求将逐步释放;AI会压缩重复性经验的价值,用人与培训策略需要相应调整;面向儿童和老人的产品,真正要说服的付款人往往是中间的80后。
    • 参考可考虑重新评估面向35到50岁人群的产品线,把省时间、降风险、提供完整沉浸时间作为筛选标准;企业可盘点重复性流程岗位对AI的暴露程度;值得先算出目标品类中80后家庭的支出占比。
  5. 36氪·AI34

    UIUC、谷歌等五机构联合发布综述,提出智能体主动性的6A分析框架

    UIUC、谷歌、斯坦福等五机构的研究者在综述《Proactive AI for Superintelligent Agents》中提出6A分析框架,梳理智能体主动性的机制、评测方法与13个应用领域。

    决策要点

    智能体的能力讨论正从忠实执行指令转向自行发现工作,这篇综述把主动性提到与智能、对齐并列的位置。

    • 影响出差跟进、编码维护这类长程任务中,主动智能体有望减少人反复补指令和盯进度的负担;综述同时把人的核对与纠正时间计入成本,主动协助会带来新的审核开销;主动发现与执行权限可分开安排,高风险操作可保留人工确认。
    • 参考可考虑用6A六项能力作为清单,评估在用或拟采购的智能体产品如何发现需求、选择介入时机;试点时把主动发现与付款、取消等执行权限分开,先要求方案预览再人工确认;值得记录人工核对耗时,对照验证主动协助的实际收益。
  6. The Verge · AI57

    德州数据中心激增或抹去数十年空气质量成果,HARC 报告测算污染回到2000年代水平

    HARC 新报告测算,若德州规划中的数据中心全部按预期电网结构供电,五年内的污染足以抹去数十年空气质量改善成果。该情景下电力行业细颗粒物污染将增至三倍以上、达2006年以来最高,NOx 排放增加136%,二氧化碳较2025年高出90%。

    决策要点

    数据中心的环境代价并非扩张的必然结果,而是电力来源的选择问题,现场燃气与可再生能源之间污染相差可达10倍。

    • 影响在德州获取算力的企业将面临并网排队与自备电源的权衡,燃气方案上线快但排放最高;若污染回到2000年代水平,项目审批和社区接受度可能收紧,影响后续扩容节奏。
    • 参考选型或签约数据中心时可考虑把供电来源纳入比较,先算出电网接入、现场燃气和现场可再生能源三者的排放与时间差异;已有德州布局的企业值得跟踪当地机组审批动态。
  7. Microsoft Research47

    微软研究院解决 31 年数学悬案 KLS 猜想

    微软研究院的 Xinzhi Zhang 与 Zhao Song 完成 1995 年提出的 KLS 猜想的完整证明,该问题长期被视为高维几何的中心开放问题之一。结果显示最佳平面切口与任意形状切口的效力差距以普适常数为界,与维度无关;证明获两组独立团队同日平行解答及 Lean 4 形式化验证。

    决策要点

    基础数学 31 年悬案的解决之外,更有分量的是方法层面,人类引导的智能体搜索在同预算对比中胜过无引导尝试。

    • 影响对多数企业日常经营影响有限,参考价值集中在研发密集型组织;此前把该猜想当假设的结论可改为无条件成立,相关领域理论地基更稳;其迭代筛选流程可为组织引入 AI 做探索性工作提供参照。
    • 参考研发团队可考虑把难题拆成并行智能体探索加人工剪枝的组合,而非一次性交给单个模型;值得先挑一个内部问题,用同等 token 预算做对照试验。
10月21日周三
  1. TechCrunch · AI65

    Monday.com 调研显示 AI 让经理更难评估员工工作,治理压力上升

    Monday.com 委托 Nielsen 对七个国家 1700 名总监和高管的调研显示,过半领导表示采用 AI 后更难评估员工工作,近半经理审阅与指导团队产出的时间比以前更多,而 94% 的受访经理仍对用 AI 改进工作感到兴奋。

    决策要点

    AI 落地的主要矛盾正从个人效率转向组织评估与治理,经理层的考核方式和软件管理成本被普遍低估

    • 影响绩效考核可信度下降,评估标准需要重新设计;用 AI 起草绩效评估可能把训练数据中的偏见带进人事决策;软件工具数量不降反升,预算与治理压力上升。
    • 参考可考虑先梳理现有考核指标中受 AI 影响最大的部分;值得盘点经批准工具与影子 AI 的使用清单;若用 AI 起草绩效评估,先设置人工复核环节。
  2. 钛媒体47

    首都在线三季报账面扭亏、扣非仍亏损,15.87亿元定增继续投向AI算力

    首都在线10月21日披露2026年三季报,前三季度营收9.56亿元、同比增长3.14%,归母净利润879.62万元实现账面扭亏,但主要靠5542.60万元设备处置收益和1719.45万元政府补助,扣非净利润仍亏损5618.03万元。

    决策要点

    首都在线的扭亏靠资产处置和政府补助撑起,核心业务尚未盈利,AI算力转型正把公司推入高资本开支与现金承压并行的新阶段。

    • 影响算力市场高端资源紧张、中低端闲置价格下行,采购中低端算力存在议价空间;依赖处置资产扭亏的供应商资金承压,多年期合约需评估其持续交付能力;新增折旧与设备成本可能传导至算力服务价格。
    • 参考可考虑对中低端算力租用重新询价并锁定高端资源价格;值得在签多年期算力合同前核查供应商的现金流、资产负债率与在建项目订单落地进度,同时准备备选供给方案。
  3. 36氪·AI49

    CF40外滩年会报告:新经济接棒之后,AI生产率红利何时兑现?

    CF40在2026外滩年会发布以中国经济新范式为题的年度报告,称新经济增量已逐渐超过房地产,AI正拉动投资和贸易,但生产率尚未出现显著加速。报告显示2026上半年AI相关进出口金额同比增速中枢约60%,贡献超过一半的进出口增速,同时指出AI距成熟通用技术仍有相当距离。

    决策要点

    AI目前拉动的主要是投资与贸易数据,生产率红利仍停留在预期层面,兑现取决于应用成熟和组织调整。

    • 影响AI红利目前集中在投资和贸易端,企业侧收益要等应用成熟并配合管理架构调整;应用层投入远少于模型和芯片,现阶段应用工具的成熟度风险由采购企业承担;融资讨论转向股权模式,高研发低负债企业是主要适配对象。
    • 参考可考虑用报告中自动化、任务互补、自动化深化、新任务创造四条路径盘点自家业务环节,判断AI切入点;同时可对照前沿企业的重组做法,先梳理管理架构是否需要为AI调整。
  4. The Decoder:AI News57

    Anthropic 让 Claude 从零设计蝎神经毒素蛋白结合物,211 个候选中 17 个达标

    Anthropic 的 Claude 在其研究者环境 Claude Science 中,经一条初始提示后自主工作 24 小时,从零设计出靶向蝎神经毒素的蛋白结合物,此类毒素每年致死超过 3,250 人。

    决策要点

    该实验显示大模型已能长时间自主承担分子设计这类科研主环节,但结果仍停留在候选层面,离成药还隔着一整套验证流程。

    • 影响生物医药研发可把 AI 候选分子生成环节并入早期流程;文中 17/211 的命中率可作为内部评估参照;当前结论止步于体外结合测试,成药风险尚未排除。
    • 参考可考虑先在蛋白结合物这类体外可验证的筛选场景评估 Claude Science 这类自主科研环境的试点价值;值得把文中 17/211 的命中率设为对照基准。
  5. 36氪·AI54

    FAHR-Face模型凭人脸照片预测癌症患者死亡风险,研究发表于《柳叶刀·数字健康》

    《柳叶刀·数字健康》10月20日发表研究,美国麻省总医院布莱根医疗集团开发的FAHR-Face模型仅凭一张人脸照片即可识别癌症患者的死亡风险差异。在3820名未参与训练的美国患者中,AI评为极高风险的122人90天内64人去世(52.5%),评分最低的975人中仅2.1%;荷兰4892名患者的外部验证观察到相似结果。

    决策要点

    研究实质是把医生凭经验的面容观察量化为可计算的风险分数,两个独立队列显示统计效力,但还不是临床决策工具。

    • 影响对医疗与健康服务,人脸照片可能成为成本低、操作简单的辅助评估入口,医院核身照片已有被再利用的先例;但研究尚未表明能在医生现有评估上提供额外价值,短期不具备直接落地条件。
    • 参考医疗或健康业务可考虑跟踪该模型在不同人群的后续验证进展;若想引入类似照片评估,值得先测算自身场景的光线表情差异和人群构成对效果的影响。
  6. OpenAI:官网动态37

    OpenAI 携手 PerturbAI 和 Scripps Research,用数千个 AI 智能体挖掘脑细胞数据新线索

    OpenAI、PerturbAI 和 Scripps Research 合作,用数千个分布式 AI 智能体从数百万脑细胞的数据中找出了有前景的研究线索。该内容来自 OpenAI 官网,本次源仅提供一行摘要,未包含方法与结果细节。原文:https://openai.com/index/scaling-ai-research-for-complex-biological-data

  7. 36氪·AI54

    哈佛团队发布FAHR-Face研究,AI凭人脸照片预测癌症患者死亡风险

    哈佛附属马萨诸塞州总医院百瀚癌症研究所团队在《柳叶刀·数字健康》发表FAHR-Face研究,用超4000万张人脸照片训练的AI可凭单张人脸照片估算生物学年龄、预测癌症患者生存风险。

    决策要点

    这项研究的实质是把医生凭经验目测患者虚弱程度的望诊量化为算法指标,临床辅助价值与保险、招聘场景的滥用风险同时被摆上台面。

    • 影响对医院与肿瘤治疗方,术前评估多了量化患者生理储备的候选指标;对保险与人力资源场景,文章点名了据结果拒保、筛人的歧视争议;目前以研究项目形式开放,未描述进入常规诊疗流程。
    • 参考可考虑医疗、保险相关团队先盘点自身场景是否涉及面部生物数据,梳理合规与歧视风险边界;值得研读论文披露的适用范围与局限,再判断是否纳入关注清单。
  8. Google Blog:AI60

    Google与淡马锡、贝恩联合发布e-Conomy SEA 2026报告,预计东南亚数字经济GMV达3680亿美元

    Google、淡马锡与贝恩联合发布第11份e-Conomy SEA报告,预计2026年东南亚数字经济GMV同比增长17%至3680亿美元,并有望在2035年前突破1万亿美元。

    决策要点

    东南亚AI经济的实质变化是把token用量当作新的增长计量指标,AI已从辅助功能变为支撑数字经济17%增速的基础变量。

    • 影响面向东南亚的电商、出行与金融业务可对照报告分行业数字校准AI投入;智能体交易有75%用户意愿基础,支付与隐私适配存在准备窗口;数据中心需约3倍扩张叠加PUE能效规则,算力成本与合规要求会进入经营考量。
    • 参考可考虑按报告口径复算东南亚业务的AI预算,例如在电商场景试点多模态发现与站内助手并记录转化对比;值得提前盘点智能体交易所需的隐私保护、能力透明说明与交易可撤销流程。
  9. 钛媒体51

    《柳叶刀·数字健康》发表FAHR-Face研究,AI凭一张脸部照片预测癌症患者死亡风险

    美国麻省总医院布莱根医疗集团开发的FAHR-Face模型研究发表于《柳叶刀·数字健康》,仅凭一张普通脸部照片就能为癌症患者评估死亡风险。3820名未参与训练的患者中,极高风险组90天死亡比例为52.5%,评分最低的975人仅2.1%,荷兰4892名患者外部验证得到相似规律,调整年龄、性别等因素后最高风险组死亡风险是最低组的3.23倍。

    决策要点

    AI把医生凭经验的面部观察变成可量化的死亡风险指标,本次研究确立的是统计关联,还没有到能辅助治疗选择的程度。

    • 影响医疗场景多出一种只需普通相机的低成本辅助评估可能,研究方期望用于手术放疗前的体力评估;医院为核对身份拍的照片被用于健康预测,人脸数据的衍生用途与授权边界需要重新审视;跨人群验证与拍摄条件干扰是落地前提。
    • 参考持有人脸数据的企业可先盘点照片采集目的与授权范围,核对隐私政策是否覆盖健康信息类衍生用途;医疗相关团队可关注模型后续临床验证进展,评估自身随访数据是否适合类似试点。
  10. 人人都是产品经理72

    Intento报告称最佳机器翻译方案中大模型占99%,一年内18家厂商退出统计

    Intento发布《2026翻译自动化报告》,最佳翻译方案中大模型占比从2024年的55%升至今年的99%,只剩DeepL两个方案。报告测了37家厂商57个引擎的229种方案英译100种语言,一年内51家机器翻译厂商有18家退出统计。

    决策要点

    机器翻译的替代之争已近尾声,行业价值正从翻译本身转移到用AI质检和修复来保住验收线。

    • 影响翻译环节成本已降到人工的数千分之一,依赖传统翻译供应商的采购逻辑要重算;过验收的支出大头在质检,预算重心会从翻译转向质量环节;实时场景大模型每千词约66秒,不能一刀切替换NMT。
    • 参考可考虑把翻译需求按实时与批量拆开,实时场景先保留NMT,批量场景试翻译加质检加修复的三步流程;值得盘点术语表场景,报告显示修复后术语达标率会从88%掉到58%,关键术语需要人工抽检。
  11. 36氪·AI61

    Anthropic 用 Claude 64 小时设计 31 万种蛋白,17 种通过实验验证

    Anthropic 公布一项生物学研究,Claude 在 64 小时内生成了 318484 种蛋白质设计,用于寻找能结合蝎毒神经毒素的候选分子,最终 17 种通过实验室验证。

    决策要点

    AI 在生物医药中的角色正从生成分子扩展到组织整个科研流程,这次结果停留在结合验证层面,距离成药还有相当距离。

    • 影响生物医药企业的早期候选分子发现多了一条 AI 主导的执行路径;OpenAI 通过收购延伸到研发流程管理,平台竞争进入生命科学;现阶段验证止于体外结合,不构成成熟的可采购能力。
    • 参考生物医药团队可考虑用 Anthropic 公开的 211 个候选设计与实验数据评估复现门槛;立项前值得先算清约 1 万 GPU 小时的计算成本和实验室验证费用各占多少。
  12. IT之家·人工智能61

    OpenAI 增强 GPT-6 Astra 等模型低资源编程语言能力,COBOL 迁移准确率达 97.9%

    OpenAI 于 10 月 20 日发布研究报告,称增强 GPT-6 Astra 等模型构建和迁移 COBOL、Fortran、Visual Basic 等低资源编程语言的能力,并推出 MultiLangBench 与 COBOL 迁移两项评测。

    决策要点

    OpenAI 把模型能力扩展到 COBOL 等低资源语言,直指企业遗留系统现代化,成绩单是官方自评,生产落地还设了专家审查门槛。

    • 影响银行、ATM 等依赖 COBOL 的系统多了一条现代化路径,迁移和维护的人力成本结构可能改变;所有数字出自 OpenAI 自家评测,选型前需用自有代码验证;生产使用前仍要做专家审查和业务规则测试。
    • 参考可考虑先盘点内部 COBOL、Fortran 等遗留系统清单和维护成本;有迁移需求的企业可拿自有真实程序做小规模对照测试,比较准确率与人工迁移成本后再决定是否扩大范围。
10月20日周二
  1. 36氪·AI43

    港科大(广州)等三校团队提出 HeLa-Mem,让 Agent 找回长对话中失联的记忆

    香港科技大学(广州)、吉林大学与香港中文大学的研究团队提出 HeLa-Mem(Hebbian Learning Associative Memory),把 Agent 长期记忆组织为带权关联图,让反复共同被唤起的记忆逐渐建立连接,论文已被 ACL 2026 Main 接收,代码开源于 https://github.com/ReinerBRO/HeLa-Mem。

    决策要点

    Agent 长期记忆的研究重心正从保留多少历史转向历史之间如何形成关系,论文结果显示检索质量与 token 开销可以兼得。

    • 影响做个性化服务、长期陪伴或多轮任务类 Agent 的团队,记忆架构选型会直接影响回答完整度;检索上下文从全对话约 16910 tokens 降到平均 1010,推理成本差距明显;冷启动和底座模型能力是采用前要评估的现实约束。
    • 参考可考虑让客服或个性化助手团队先测算现有记忆方案的检索 token 开销,再对照 LoCoMo 指标评估是否引入关联记忆类方法;值得盘点自家场景中是否存在多跳回忆失败的真实案例。
  2. IT之家·人工智能61

    Gartner 预测 7 万亿美元 AI 基础设施到 2030 年仅能收回约一半投入

    Gartner 于 10 月 14 日发布预测,2026 至 2030 年全球 AI 基础设施投资总额将达 7 万亿美元(约合 46.86 万亿元人民币),但到 2030 年最多仅产生 3.6 万亿美元收入。

    决策要点

    Gartner 的测算指向同一个矛盾,算力资本开支远超收入兑现能力,出清压力会先集中在新兴 AI 云服务商一层。

    • 影响对依赖新兴 AI 云服务商采购算力的企业,供应商整合带来合同存续与迁移风险;自建或长租算力的回报测算,需按 2032 年后的回报周期与减值风险重估。
    • 参考可考虑盘点现有算力供应商里 Neocloud 的占比和合同期限,评估存续与迁移预案;值得把 AI 基础设施投入的回本测算按 12% 回报率拉长到 2032 年后,先算出内部项目的真实回收年限。
  3. AdExchanger50

    DecryptAds 研究发现 2100 多个 AI 生成菜谱网站混入程序化广告变现

    广告供应链情报公司 DecryptAds 周二发布研究,发现超过 2100 个 AI 生成的菜谱网站套用 MFA(为广告而生站点)打法密集堆放广告位变现,蓝筹和财富 500 强品牌的广告出现在其中,部分变现链条经由其界定的高风险地区广告技术商。

    决策要点

    AI 正让 MFA 内容农场以工业化方式扩张并伪装成真人作者,程序化广告供应链的透明度工具暴露出归因局限。

    • 影响程序化投放的品牌预算可能流向这类低质库存,稀释实际触达价值;用户数据经高风险地区广告技术商流转,带来数据安全与合规暴露;依赖不披露 AI 作者的站点在 Google 新规下面临降权与去变现压力。
    • 参考可考虑用 ads.txt 与 sellers.json 核查投放供应链关系,把此类站点列入排除清单;值得把作者真实性披露纳入媒体白名单评估标准;先算出这类库存当前占程序化预算的比例。
  4. 人人都是产品经理56

    第三方盲测显示 DeepSeek Harness 反超 Claude Code,同款 DeepSeek-V4.1-Flash-1017 单次账单贵 82%

    独立开发者 Paweł Huryn 的第三方盲测 Bug Hunt Bench 显示,同一 DeepSeek-V4.1-Flash-1017 换用 DeepSeek Harness(DSH)后在 Max 档拿下 42.7 分,反超 Claude Code 的 39.1 分,代价是单次任务账单从 $1.01 升至 $1.84,高出 82.2%。

    决策要点

    编码智能体的比拼单位正从单看模型转向模型加 Harness 的组合,同款模型换运行框架即可改变成绩排名,而能力提升直接体现为更高的 Token 账单。

    • 影响AI 编码工具的选型已同时影响修复质量与单次成本;深水区排障能力可用约 82% 的账单上浮换取,预算需按框架分别测算;轻量任务沿用低消耗框架即可,不必全量切换。
    • 参考可考虑按任务复杂度分流,日常小修复沿用 Claude Code,复杂重构与排障再评估 DSH 并单独记账;值得先选一个真实项目复跑,用自家代码验证 82% 的成本差与得分差是否成立。
  5. 36氪·AI57

    QuestMobile发布2026年三季度AI应用市场报告,AI原生App月活5.46亿、三大入口格局走向收敛

    QuestMobile发布2026年三季度AI应用市场发展报告,数据显示截至2026年9月AI综合助手用户规模达11.57亿、同比增长44%,AI原生App月活5.46亿、同比增长82.1%,豆包、千问、DeepSeek分别为4.19亿、1.58亿、1.23亿。

    决策要点

    AI应用市场正从入口争夺转向交付力竞争,生活与办公分化为两条主线,增长逻辑由拉新改为承接真实履约与深度经营。

    • 影响用户交互正从搜索和多级中转入口迁向独立AI形态,搜索类App人均使用次数和时长同比分别降21.7%和17.2%,依赖搜索的获客结构面临重估;AI办公进入免费引流加分层变现阶段,企业端已出现组织采购与私有化切入点,办公工具预算面临重新分配。
    • 参考可考虑把AI原生App与超级App内AI入口纳入渠道盘点,重算搜索获客成本;值得对照免费到企业的分层定价测算办公工具预算,并选信息分散、流程固定的场景试点办公Agent。
  6. 36氪·AI43

    哈佛、英伟达等团队推出开源框架RAX,让机器人智能体自主探索写代码学技能

    哈佛大学、英伟达、加州大学伯克利分校、麻省理工学院和斯坦福大学的研究团队近日推出开源框架RAX,让会写代码的智能体在真实或仿真环境中自主探索,把有效经验转化为可反复运行的程序,论文称仿真实验中平均表现比最强基线高37.4%。

    决策要点

    RAX代表的探索式路线试图用智能体写代码替代遥操作示范数据采集,为机器人技能获取提供示范训练之外的选项。

    • 影响机器人相关企业若走示范数据路线,可能多一条减少遥操作采集的备选路径;目前成绩集中在仿真环境,真机效果与探索成本原文未给出部署数据;框架已开源,技术团队可低成本跟进试验。
    • 参考可考虑让机器人或自动化团队在仿真环境复现RAX,对比自家任务与既有策略的表现;值得盘点产品线中依赖遥操作数据采集的环节,评估这条路线的替代空间。
  7. IT之家·人工智能47

    AI 工具凭一张面部照片预测癌症患者生存几率,研究登上《柳叶刀·数字健康》

    据彭博社报道,研究人员开发出一款仅凭一张面部照片即可预测癌症患者生存几率的 AI 工具,研究发表在《柳叶刀·数字健康》。模型用超 4000 万张人脸图像和 3 万多名癌症患者照片训练,会为患者生成风险评分,得分最高者更有可能在 90 天内死亡;工具估算年龄误差约 5 岁,能可靠划分死亡风险明显不同的高低两组,并在不同年龄、种族、性别和癌症类型中生效。

    决策要点

    一张人脸照片量化死亡风险在研究层面初步跑通,但独立专家指出其相较医生评估的增量价值缺乏研究支持。

    • 影响对医疗机构和医疗 AI 从业者,面部影像预后评估可能成为新的参考方向;但预测不等于成因,直接用于诊疗决策存在误判和伦理风险;从研究到临床还需跨医院、跨人群的对照验证。
    • 参考医疗相关企业可考虑跟踪该方向的多中心测试进展;若布局类似预后工具,值得先设计与医生主观评估对照的验证方案,并明确用途边界,避免涉及拒诊或限疗场景。
  8. The Verge · AI56

    报告称美国化石能源建设回潮,新增装机占比从5%升至30%,数据中心用电推高需求

    环境防御基金与Atlas Public Policy上周发布报告称,美国在建化石能源基础设施数量达十年之最,新增装机计划中化石能源占比从2024年的5%升至2026年二季度的30%。

    决策要点

    数据中心用电激增叠加油气友好政策,正在把美国新增电力供给从风光转向燃气,电价上行压力将沿用电成本传导。

    • 影响报告警告若天然气项目建成,高电价可能锁定数十年,美国电费已随电网扩建普遍上涨;化石燃料价格波动加大,在美国布局数据中心和算力扩容的用电预算不确定性上升。
    • 参考可考虑按电价上涨情景重算在美国的数据中心与算力扩张用电预算;值得评估与风电光伏签长期购电协议锁定较低电价;先算出业务所在电网的扩建进度与项目取消率。
10月19日周一
  1. IT之家·人工智能45

    谷歌四个 Gemini 4 Argon 智能体 27 小时通关《我的世界》击败末影龙

    谷歌研究人员发布论文称,四个 Gemini 4 Argon 智能体在 27 小时内通关《我的世界》并击败末影龙。智能体只拿到最终目标,靠游戏内聊天框自行分工协作,全程发送 229 条消息、运行 2783 个程序、死亡 605 次,其中 13.5 小时抵达末地。

    决策要点

    多智能体在无人类策略下自主完成长时程任务的一次能力演示,自主分工与纠错可行,但千美元级成本和高失败次数距生产可用仍有差距。

    • 影响长时程自主协作任务有了可参照的真实案例;单次任务 1,620 美元的 Token 成本意味着上线前要先算清单次任务的经济账;605 次死亡表明复杂自主任务仍需设计监控与容错机制。
    • 参考可考虑先按 13.5 亿 Token 约 1,620 美元的量级估算自家场景的单位任务成本,再定试点范围;值得为自主智能体保留仪表板式暂停与终止权限,参考谷歌仅观察不介入的边界设置。
  2. 36氪·AI60

    GPT-6-Astra 具身能力遭大考,传统基准拿满分,真机频碰壁

    商汤联合大晓机器人、Ropedia、南洋理工大学和东京大学发布技术报告,用 12 项仿真评测和 8 个真机平台检验 OpenAI 上月发布的 GPT-6-Astra 的具身能力。

    决策要点

    仿真评测的满分说明基准已经考不出差距,具身智能的瓶颈正从模型规划能力转向真机可靠性、纠错验证和推理成本。

    • 影响仿真高分与真机失误的落差说明榜单分数不能作为采购或试点依据;精细接触、长程和不可逆操作短期内难落地,可用的多是抓放类简单场景;大模型逐步调用的 Token 和时间开销会直接推高单任务成本。
    • 参考可考虑要求供应商用真机限时实测替代仿真分数,先在容错高、动作可逆的场景小规模试跑,记录成功率、耗时和调用费用;值得盘点现有流程里哪些任务失败不可挽回,插拔装配、柔性物体操作应先避开。
  3. 36氪·AI32

    Sber 团队提出机器人世界基础模型 GreenWAM,跨 20 类机型预测后果并作决策

    Sber 机器人中心 Brain 团队提出机器人世界基础模型 GreenWAM,让同一模型既能预测行动后果又能生成动作,论文预印本已发布于 arXiv(arXiv 2610.18774)。

    决策要点

    这项研究表明,预测行动后果与执行动作可以合入同一个机器人基础模型,跨机型统一动作空间的路线拿到了多项自报的基准成绩。

    • 影响对使用机器人的制造与物流企业,跨机型基础模型若走向成熟,按机型单独训练策略的成本结构可能改变;目前成绩多来自仿真基准,真实任务验证只有单一装袋场景;研究也指出长时序误差累积和未见机型仍是短板。
    • 参考有机器人部署计划的企业,可考虑把跨机型适配能力和真实场景数据加入供应商评估清单;产线试点可先挑流程固定、失败成本低的一两项任务,跟踪此类模型在真实环境的表现。
  4. 36氪·AI48

    谷歌开源Harness²框架,不动模型权重让智能体自我改写外壳,单步优化最高涨11.5分

    谷歌研究院开源了Harness²框架,配套论文10月9日提交至arXiv,让智能体不改模型权重,通过两层递归在执行任务中自行改写系统提示词、护栏、记忆、工具指南、子智能体、技能、脚本、插件中间件等八个组件,以Apache 2.0协议上线GitHub。

    决策要点

    智能体优化的重心正从模型权重转向模型外的执行外壳,为算力有限的团队提供了一条不依赖微调的改进路径。

    • 影响企业优化智能体多了一条不依赖训练数据和算力的路径,弱模型配好外壳可能逼近强模型的默认表现;每次优化要多跑任务,token成本和延迟翻倍;框架会自动改写执行环境文件,沙箱隔离由使用方自行负责。
    • 参考可考虑选一个流程固定、可反复评测的智能体任务做对照试点,记录优化前后的得分与token开销;引入前值得评估沙箱隔离的配置能力,并权衡编辑器模型的选型和调用成本。
  5. 钛媒体40

    腾讯混元用阿里Qwen3.8-27B基座实现Terminal-RSI,Terminal-Bench 4.0从0%升到19.84%

    腾讯混元Frontier团队发布Terminal-RSI方法,用阿里Qwen3.8-27B作基座训练终端Agent,使其在Terminal-Bench 4.0上从0%升至19.84%,论文称与GPT-5.6 Terra、Gemini 3.8 Flash齐平。

    决策要点

    Terminal-RSI用27B级小基座把终端自我改进跑通,同时腾讯把前沿研究并入主模型团队,指向Agent能力向小模型下沉。

    • 影响终端Agent在27B模型上拿到论文自报成绩,若成立,调试、系统管理这类多步任务的模型成本有机会下探;目前仅单模型三次评测、无独立验证,企业效果预期应保守;混元研究与产品合并后,其编程类能力会持续补强。
    • 参考可考虑把调试、系统管理这类多步推理加工具调用的任务列为Agent试点候选场景;值得跟踪27B级模型跑终端任务的成本,评估私有化部署与API调用的边界;先算出自身运维和编程流程里可被自动验证的任务占比。