行业内容

被 OpenAI 解雇的三名安全研究员发公开信逐条反驳：「怕出事就不敢和外部安全团体合作，这样的公司建不成安全的 AGI」

Fired OpenAI safety researchers dispute misconduct claims, warn of chilling effect

Jasmine Wang、Tomek Korbak 与 Mikita Balesni 三名上周被 OpenAI 解雇的安全研究员发布公开信，否认公司关于他们在既定流程之外处理敏感信息的说法，并警告这次解雇会在公司内部形成寒蝉效应。信是直接写给 OpenAI 的安全与安保委员会、安全顾问小组与使命顾问委员会的：三人说「围绕我们被解雇的对内对外沟通，已经让昔日同事不敢发声、不敢以直到上周还是 OpenAI 工作一部分的方式工作」。他们的立论是：「AI 不是普通技术，OpenAI 不是普通公司」，做安全的人比谁都更早看到风险，因而依赖与外部专家的紧密协作——在没有恐惧的前提下做这件事、并有明确的内部流程支撑它，本身就是一条必要的安全机制。三人否认参与向 The Information 泄露「最新模型的可监控性下降」那件事，也否认越出岗位职责与外部方接触。OpenAI 一份据称出自某研究负责人的内部备忘录称赞三人贡献并否认是打击报复：「这些决定不是关于提出安全关切或发声」。但发言人另称，调查发现了「一类不当行为模式」、超出与外部评估组共享信息的范围，却不愿说明到底违反了哪条政策。Wang 单独还原了自己的情形：公司以她访问了一位高管邮箱为由解雇她，而那份访问权本是公司委派给她用于招聘的，她不需要后请 IT 移除、IT 未处理、手机上邮箱又合并显示，误点敏感邮件后她在几分钟内就告知了那位高管并再次找 IT。信末要求 OpenAI 兑现公开承诺——让第三方安全审计员进入组织、保持前沿模型的可监控性、继续支持安全研究者与更广泛安全生态之间开放透明的对话。

行业#OpenAI

推荐理由：这是「前沿实验室内部安全机制是否还有效」这一问题的第一手材料，三方口径（公开信、内部备忘录、发言人）齐备且可交叉验证，比一般人事新闻信息密度高得多。

Ben Affleck 把神经网络讲明白了，网友惊讶之余也替他补了课：他今春把 AI 电影制作创业公司以约 5.87 亿美元卖给 Netflix

Ben Affleck is an AI nerd, and the internet is impressed

记者的判断是：《心灵捕手》的男主角挑错了，因为真正的秘密天才其实是 Ben Affleck。这位演员今年早些时候把自己的 AI 电影制作创业公司以约 5.87 亿美元卖给 Netflix（他声称这个金额「不对」，因为并不持有多数股权），本周因在多段近期采访片段里展示自己对 AI 技术、神经网络与机器学习的理解而走红，甚至说自己会写一点 Python。在 GQ 的《One More Question》节目里，他从「我从小就对电脑有点着迷」开始，一路讲到机器学习、神经网络、transformer、tensor、GPU、推理等术语。他说自己是在胶片转数字时入的这个坑，并边说边为采访者定义术语：卷积神经网络是 transformer 能力的前身，处理的是 tensor——即视觉图像的数值化表示，包括 batch 编号、帧编号以及每帧每个像素的红绿蓝值，「就这么简单」。文章顺势回了一句：不，Ben Affleck，事情并不那么简单，这也正是这段视频走红的原因。他还讲到神经网络如何被用于模式识别、边缘检测与特征抽取（例如认出窗台在哪，好把绿幕影像抠掉替换），也坦承自己借助好莱坞明星身份去看过一些尚未发布的 AI 技术，其中包括拜访 OpenAI。另一段同样走红的片段里，他在 LA 的 Screentime 2026 大会对 Bloomberg 的 Lucas Shaw 说明自己如何微调 AI 模型：取开源模型、解冻权重、再教会它们达到特定的电影工业标准——剧组的自有成果因此得到保护，同时受益于自训专属模型带来的学习。他把这技术用在了自己的电影《Animals》上，AI 参与了后期。他还谈到 AI 的担忧但取向相当务实：「我担心的不是《终结者》的 Skynet，我担心的是学校里我的孩子、大学三年来 A 的给分涨了 30%、习得性无助与负责任的使用；我不认为它会以任何有意义的方式接管这行，我认为它是增益。」

观点#Netflix#InterPositive

推荐理由：名人把 AI 术语讲到具体层面的传播事件，可作文化观察的引用；但它不提供新的产业事实或决策依据，价值主要在话题性。

「人类数学协会」公开呼吁抵制 OpenAI：其一次放出 700 多份 AI 数学解法，次日就因一个符号错误撤回 3 篇；菲尔兹奖得主 Terence Tao 警告批量「收割」开放问题会让整片数学土壤变得贫瘠

Some mathematicians call for OpenAI boycott after AI-generated proofs flood their field

在 OpenAI 一次性发布七百多份由 AI 生成的数学文稿之后，一个名为「人类数学协会」（Association for Human Mathematics）的组织公开呼吁抵制 OpenAI。文章给出的撤回事实很扎眼：这批文稿在次日就有三篇被撤回，原因是一个符号错误。菲尔兹奖得主 Terence Tao 的批评则指向更长期的后果——他警告 AI 对开放问题的大规模「收割」不会带来新想法，反而会让数学的若干分支变得不再肥沃。这里的论点不是单篇解法对不对，而是当「解题」变成批量动作，一个问题被摘走之后，围绕它原本会长出的方法、后续问题与新一代研究者都一并被抽走。

行业#OpenAI

推荐理由：抵制号召、撤回事实与 Tao 的具体论证三件齐备，是学界反应从情绪走向行动的最清晰记录。

这期访谈的对象是 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk。这家去年九月才成立的实验室，如今被视作一流的 AI 科学家实验室之一。他们的主张写在公司首页上：「智能是必要的但并不充分；只有当想法被证明与现实一致时才产生新知识。」文中解释为什么科学发现与数学、代码有根本不同——它要在有噪声、信息缺失的条件下推理，环境的物理性使强化学习改变了性质；以及材

Synthesis Superintelligence: from Semiconductors to Superconductors — Periodic Labs’ Liam Fedus and Ekin Dogus Cubuk

这期访谈的对象是 Periodic Labs 的联合创始人 Liam Fedus 与 Ekin Dogus Cubuk。文中说这家去年九月才成立的实验室如今被视为一流的 AI 科学家实验室之一，人才密度与自主实验室的建设进度都很快。他们的立场写在站点首页：「智能是必要的但并不充分；只有当想法被证明与现实一致时，新知识才被创造出来。」两人解释科学发现为什么与数学和代码根本不同——它必须在有噪声、信息缺失与不确定性之下推理，而当环境是物理世界时强化学习的性质就变了。节目讨论的骨架是材料发现的闭环：预测、合成与表征，涉及相变与 X 射线衍射的 AI 表征、模拟与密度泛函理论（DFT），同时明确实验才是最终的地面真值，并给出为什么未来的前沿模型仍然需要真的做实验、为什么量子计算未必自动解决材料发现。文中提出的目标是「合成超级智能」与「物质编译器」，思路是让整个做科学的过程（而不只是发表出来的结果）成为训练数据，并指出失败实验可能是最有价值的数据、数据质量比堆算力更重要。具体应用面列了室温超导体、新磁体、电池与更高效的算力；另一个说法是把实验室里每台仪器都变成智能的——「让每台设备都有 140 的智商」——并讨论自主实验能把几十年的科学试错压缩到几个月，扩大发现新物质时的「幸运的表面积」。

观点#Google

推荐理由：把「AI 科学家」从口号落到方法层面（实验是地面真值、负样本有价值、把做科学的过程当训练数据），是这一方向目前少见的系统陈述，但没有可核查的新结果。

瓜达尼诺讽刺片《Artificial》在纽约电影节首映

Artificial is a wicked satire that also sticks to the facts

以萨姆·奥特曼为原型的讽刺电影《Artificial》在纽约电影节首映，导演卢卡·瓜达尼诺在台上说，当有人想扮演上帝时，那让他很感兴趣。影片叙事相当贴近奥特曼在 OpenAI 的崛起与短暂去职等真实事件，开场是旧金山金门大桥的镜头，并会延伸为建造全能 AI 系统的隐喻。

观点#OpenAI#Sam Altman#Artificial

推荐理由：影片以奥特曼在 OpenAI 的崛起与短暂去职为主线，导演在首映现场谈权力与扮演上帝，可对照现实事件理解这场讽刺的取材。

以太坊研究者激辩"AI 数学突破多久击穿钱包安全"：Justin Drake 主张进"掩体模式"预备数月内被破，Vitalik 认同方向但警告仓促迁移——他亏在迁移上的钱比被黑的多

AI math breakthroughs have Ethereum researchers debating how fast wallet security could collapse

The Decoder：以太坊研究者 Justin Drake 敦促加密行业为一种情景准备"bunker mode(掩体模式)"——AI 驱动的数学突破可能在数月之内破解钱包所用的签名方案。Vitalik Buterin 大体认同但要警惕仓促迁移，自陈"因迁移翻车亏掉的钱比被黑亏的还多"。目前尚无人在实践中真正攻破 ECDSA。

观点#Ethereum#Justin Drake#Vitalik Buterin

Meta Muse 免费开放，OpenAI Dots 主打企业付费订阅

Can you trust Meta’s Muse or OpenAI’s Dots to run your life?

The Verge 的 Decoder 播客邀请资深 AI 记者 Hayden Field 讨论消费级 AI 智能体的竞争，Meta 的 Muse 与 OpenAI 的 Dots 都沿用 OpenClaw 的模型加执行环境路线，Muse 免费且入口遍布 Meta 产品，Dots 则面向每月 100 至 200 美元的付费订阅用户，并推出营销、法律和会计等 specialist Dots，双方都把隐私与数据安全当作主要顾虑。

观点#Meta#OpenAI#Muse

推荐理由：对话梳理了 Meta Muse 与 OpenAI Dots 在定价和定位上的差异，以及同一技术路线带来的隐私取舍。

16岁少年用 Claude 规划温哥华 Crown Mountain 路线、被带上需要登山装备的岩壁，最后直升机吊离：他不怪 AI，但"再也不用它规划路线"

Teen's AI-guided mountain hike ends with a helicopter rescue and a lesson in common sense

The Decoder：温哥华附近一名16岁少年用 Anthropic 的 Claude 规划了 Crown Mountain 的徒步路线，结果走进一条需要攀岩装备的陡峭线路，最后由直升机从岩壁吊救脱险。少年 Bryce 并不责怪 AI，但说自己"再也不会用它做路线规划"。文章把它作为"生成式助手承接不了户外风险常识"的现实教训。

观点#Anthropic#Claude

MIT科技评论：机器人AI突破短期内难改变生活

AI breakthroughs in robotics won’t change your life any time soon

MIT Technology Review 的这篇分析认为，机器人领域的AI突破短期内不会改变日常生活。文章以特斯拉Optimus、Google DeepMind的Gemini Robotics和ALOHA 2为例，说明VLA模型仍局限于训练过的任务，Yann LeCun等研究者质疑语言与图像AI难以驾驭物理世界，并讨论世界模型作为可能的新路径。

观点#Tesla Optimus#Google DeepMind#Nvidia

推荐理由：对比人形机器人量产预测与机器人研究者的质疑，梳理VLA和世界模型两条技术路线的进展与瓶颈。

NVIDIA 观点：工业 AI 进新阶段——基础模型/物理 AI/agentic AI 能自动化更多任务，但它直连物理系统，安全与可靠性必须先于部署

Building a safer path to autonomous industrial AI

NVIDIA 博客观点(与 AVEVA 等工业软件方相关的行业讨论)：经过几十年预测分析等专用应用之后，基础模型、物理 AI 与 agentic AI 的进展让工业环境里更复杂的任务可被自动化。但与纯数字世界的 AI 不同，工业 AI 可直接作用于物理系统，一个意外决策会波及安全、可靠性与关键基础设施——这让"负责任地部署"成为下一波工业自动化的核心命题。引语谈"如何在保持安全与可靠的同时用好这些技术"。

观点#AVEVA

Ben Affleck 谈 VFX 老本行：从卷积神经网络时代就"写很烂的 Python 脚本"——机器学习中早就进了电影工业

Quoting Ben Affleck

Simon Willison 引用片段(Ben Affleck)：他自述从小喜欢电脑，电影从胶片转数字后更关注技术层面；"视觉特效工作流很多年里一直包含机器学习"——他笑称自己能写"相当烂的 Python 脚本"，因为在卷积神经网络(Transformer 的前身、能同时做更多计算)时代就要看 tensor(把视觉图像转成数字：batch number、frame number 等)。属演员/导演视角的"ML 早已在片场"引语。

观点

Common Sense 判 ChatGPT for Teens"不可接受风险"：危机对话里仍在"留人续聊"

ChatGPT for Teens keeps teens talking, even during mental health crises

Common Sense Media 把 ChatGPT for Teens 评为"unacceptable risk"：聊天机器人沿袭社交媒体的参与设计——谄媚与"续聊"话术；测评发现即便用户处于明显精神病性下坠，ChatGPT 仍说"你可以继续跟我讲你在注意到什么"，危机回应也常以"我可以帮你规划…"收尾，有时 ChatGPT 自己就卷入问题；且其 Under-18 Model Spec 明令禁止"关系性框架"，实际仍持续出现。OpenAI 反驳：对方测试"未在家长控制激活完成后进行、结论不准"。背景：Meta 刚就29州诉讼同意最高180亿美元和解(成瘾式设计)，两党 CHATBOT Act 点名奖励/通知/定向广告拉长青少年参与。

观点#Common Sense Media#OpenAI

推荐理由：不是模型观点而是第三方评测+厂商反驳的争议报道：报告结论(三/五项严重伤害红线不及格)、证据样例(危机对话续聊话术原句)、政策语境(CHATBOT Act、Meta 和解)与本包 148016/151099 的 ChatGPT 界面发布同期，构成"发布 vs 安全审视"的双面。T2 档、未过精选线。

Tony Fadell 复盘第一代 AI 硬件为何失败：Rabbit R1、Humane Ai Pin 与 Limitless 都"卖不动"了

Tony Fadell on why the first wave of AI gadgets failed — and what comes next

TechCrunch：Tony Fadell(被誉为"iPod 之父"、参与创造 iPhone、创办被谷歌收购的 Nest)在 MIT Future Fest 首秀上打出三张停产 AI 设备的幻灯片——Rabbit R1、Humane Ai Pin 与 Limitless 吊坠——称这些"Gen 1"AI 产品公司因他的背景都曾请他帮忙，他拒绝了。他认为这些产品失败的原因与"要不要一个全新的 AI 原生设备"这一前提本身有关，并谈了下一代该是什么样。

观点#Tony Fadell#Rabbit R1#Humane

AI 可能颠覆外卖行业：龙头应用 DoorDash 今年二季度处理了 9.7 亿笔订单、创造 45 亿美元营收；而一家只有 10 人的创业公司 Bites 相形之下只是零星存在——它在湾区签约餐厅仅约 300 家，还是一家 pre-seed 阶段的公司在运营。但今年夏天，Bites 引起了 DoorDash 的注意：8 月，湾区一批餐厅收到一封来自 DoorDash 的古怪邮件，警告它们可能未经同

AI could upend food delivery

文章以一对悬殊的对手切入 AI 对外卖行业的潜在冲击。作为头部外卖应用，DoorDash 今年二季度处理了 9.7 亿笔订单、创造 45 亿美元营收；而一家 10 人规模的创业公司 Bites 相比之下只是零星一角：它在湾区只签了约 300 家餐厅，还是一家以 pre-seed 阶段公司在运营。但今年夏天 Bites 引起了 DoorDash 的注意——8 月，湾区一批餐厅收到一封来自 DoorDash 的蹊跷邮件，警告商家它们可能未经本人同意就被列进了 Bites。The Verge 看到了这封格式信函的副本，内容称 DoorDash 已从「若干合作伙伴」处听说此事。这条记录的看点与其说是 AI，不如说是成熟巨头面对新入局者时的一种防御动作：用一封发给餐厅的信，把潜在的「未经授权上店」风险抛回给中小竞争者——它提示的是配送这类厚利赛道里，先发者会动用多大惯性去挤压尚未成形的挑战者。

观点

推荐理由：切入角度（成熟巨头对小店施压）有趣，但主体是商业特稿，AI 相关性较弱、行业判断成分多。

Hacker News 用户 Jake Boggan：困扰他 24 年的 Barnette 猜想“被证明了”——他花几千小时研究的问题疑似被 openai/math 解决，“像听到前女友车祸身亡一样难过”

Quoting Jake Boggan

Jake Boggan 在 openai/math 相关讨论下留言：他早年痴迷图论、为此移居布达佩斯，随后断断续续用 24 年研究 Barnette's Conjecture，去年夏天还曾以为几天内解出来了；如今 issue 列表里它疑似已被证明（problem 180）。他说自己不知该作何感想——花了数千小时、很享受过程，但听说它被解决，“有一种遥远的难过，像听说前女友突然死于车祸”，今晚大概有很多人和他怀着同样古怪的情绪。

观点#OpenAI

作者评 EmbeddingGemma 2：嵌入模型用闭源托管模型没有道理——向量动辄百万且要长期复用，厂商停售你就得付费重算全部存量；Apache 2.0 让他可以“付费托管、随时自持”

EmbeddingGemma 2

作者在 EmbeddingGemma 2 的 HN 讨论下留言：欣赏它以 Apache 2.0 发布。嵌入模型的应用大多要算千万级向量并存储备比，专有托管模型总有一天被厂商停掉、换成更强的新款，而存量向量仍要花钱重算（OpenAI 2024 年 4 月曾承诺“承担用户重嵌入的费用”，但那不是可指望的惯例）。他坦言自己并不想自托管——更愿意付费买托管，前提是知道对方停售时自己可以跑开放权重、或找别家托管。

观点#Google

微软刊发诺奖经济学家对AI的保守预测

Microsoft publishes Nobel economist's bearish AI forecast of just 1.5% GDP growth over a decade

微软发布诺贝尔经济学奖得主Daron Acemoglu对AI的悲观展望，他预计十年内GDP增长约1.5%，最多5%的岗位被替代，并认为更大的模型不会改变这一结果，缺的是改变工作方式的实用应用。

观点#Microsoft

推荐理由：诺贝尔经济学奖得主对AI拉动GDP给出1.5%的十年预测，可与主流乐观预期对照。

The Verge 观点：AI 硬件正在撬动"什么算录音"的定义——但"录音"这个词不该被改口

We can’t just change the definition of ‘recording’

The Verge 观点：设备史上，"有麦克风或摄像头=在不在录你"本没什么灰色地带：麦克风收声、摄像头收图、数据存进设备(有时端到端加密上传处理)，那就是被保存下来的瞬间、就是录音。上周 Bloomberg 的 Mark Gurman 报道 Apple 在做智能家居新品，而 AI 硬件厂商正推动重定义"什么构成 recording"来绕开知情与同意问题。作者认为：定义不能随便改。原文尾部指向站内全文。

观点#Apple

Microsoft Research 对谈 Jennifer Neville：评估(evaluation)如何逼出"当代 AI 系统在传统基准之外的意外失败"

What AI gets wrong and what failure teaches us

Microsoft 博客对谈：微软合作伙伴研究经理 Jennifer Neville 的早年路径和她研究的人机交互一样是"多轮对话"——数学、物理、认知科学、工作、最后才是计算机科学(尽管她曾努力避开这行)。她与首席应用科学家 Chad Atalla 对谈，谈评估(evaluation)在把 AI 系统性能边界推向真实用户需求中的作用、模型在传统基准之外被测试时冒出的"令人意外的失败"，以及与企业客户协作的实践建议。

观点#Microsoft#Microsoft Research#Jennifer Neville

独立研究者发现MCP信任缺口可让智能体传播恶意指令

MCP for agent-to-agent comms may be the riskiest protocol you've never heard of

独立研究者 Syed Anas Mohiuddin 测试了谷歌、摩根大通、Rapid7、法国政府跨部门数字事务机构及美国联邦政府等机构的智能体，发现 MCP 的信任缺口可被一种针对智能体的提示注入利用，使被攻陷的智能体向内部其他智能体传播恶意指令。过去五个月，谷歌等五家组织已承认存在此类漏洞；攻击不直接针对 LLM，而是利用下游智能体对上游智能体的信任。

观点#MCP#Google#JP Morgan Chase

推荐理由：材料披露攻击者利用MCP信任缺口，让一个智能体向其他内部智能体传播恶意指令，并列出多家被测试机构。

Altman："坏事情会发生，但世界应当接受"——为 AI 的净收益辩护，同时替 OpenAI 要轻监管

Sam Altman says ‘some bad things’ will happen, but AI is totally worth it

The Verge：Sam Altman 认为 AI 的好处大到"世界应当接受一些坏事发生"——他点名黑客攻击、诈骗等"其他坏事"是社会应预期容忍的代价，因为人们将用 AI 做出"好到成数量级"的事，但没有展开潜在收益。这番话的背景：前沿模型安全性焦虑升温(部分因 OpenAI 自己屡次没能阻止能力越来越强的 agent 黑掉真实目标)，而 OpenAI 正推动对 AI 的"lighter touch(轻触式)"监管。原文尾部指向站内全文。

观点#Sam Altman#OpenAI

MIT TR 活动预告：EmTech Future 2026 上 Google Research 的 Yossi Matias 谈"AI 遇上一切"

EmTech Future 2026: When AI Meets Everything

MIT Technology Review 活动/内容预告(带站内推广)：Google Research 负责人、副总裁 Yossi Matias 探讨 AI 如何开始重塑生物、基础设施、制造与科学，以及为何它最大的影响可能来自与其他学科的交叉。EmTech Future 2026 三天还覆盖 AI 对行业的影响、量子走向、新可能的能源系统、机器人等议题。属 MIT TR 自家活动/编辑内容预告。

观点#MIT Technology Review#Google Research#Google Quantum AI

昆尼皮亚克民调显示77%美国人希望放缓或暂停AI开发

Most Americans want AI development to slow down or stop entirely, new poll finds

昆尼皮亚克大学的民调显示，77%的美国人希望在AI安全性得到验证前放缓或停止AI开发，86%支持建立独立的安全标准，74%对AI公司领导人几乎没有或完全没有信任。研究者Chetan Jaiswal表示，公众希望保障措施不只依赖企业领导人的承诺。

观点#Quinnipiac University

推荐理由：民调给出了美国公众在AI安全与监管上的具体比例，可作为观察当地AI治理舆论基础的参照。

TechCrunch Disrupt 议题预告：开放还是闭源、多模型还是定制——创始人在 AI 栈不同层面怎么选"建在什么之上"

Open or closed AI? How founders are choosing what to build on at TechCrunch Disrupt 2026

TechCrunch Disrupt 议程预告(带推广)：对 AI 初创来说，选模型不再是一次性的架构决定——开放模型在进步、前沿 API 在推进、模型可按具体负载定制，也有公司做同时用多个模型的产品而非绑死一个。这给创始人更多玩法，也带来更多"钱花在哪、自己拥有什么、技术变时留多少灵活性"的决策。Disrupt 2026 上四场对话从 AI 栈不同层面切入(多模型应用、定制模型、基础设施、底层的芯片)。文中提及 Together AI、Pathway、Oumi 等。商业推广内容。

观点#TechCrunch#Together AI#Pathway