奥特曼谈黄仁勋离职,称英雄也有缺陷但未判断是否应重返英伟达CEO
OpenAI CEO山姆·奥特曼在Semafor峰会谈及黄仁勋离职,称英雄也有缺陷,未判断是否应重返英伟达CEO。他认为黄仁勋离开后AI行业仍会继续发展,并提到英伟达与OpenAI早期相互押注,以及英伟达同意为OpenAI位于俄亥俄州的数据中心项目提供高达1050亿美元的财务担保。访谈中他还回应内存条言论、芯片需求重复统计、数据中心落地难、RSI安全和上市节奏。
OpenAI CEO山姆·奥特曼在Semafor峰会谈及黄仁勋离职,称英雄也有缺陷,未判断是否应重返英伟达CEO。他认为黄仁勋离开后AI行业仍会继续发展,并提到英伟达与OpenAI早期相互押注,以及英伟达同意为OpenAI位于俄亥俄州的数据中心项目提供高达1050亿美元的财务担保。访谈中他还回应内存条言论、芯片需求重复统计、数据中心落地难、RSI安全和上市节奏。
SAP 与 Infosys 高管指出,企业需将 AI 从孤立试点转变为统一的企业平台,以解决数据碎片化与治理缺失问题。BCG 报告显示 74% 的组织仍停留在试点阶段,缺乏规模化计划。双方强调需建立语义丰富的数据基础,并将 AI 智能体视为“数字同事”以驱动业务决策。
JioStar 首席架构师 Vijay Seshadri 分享了在 5 亿用户规模下实现 AI 发现的实践经验。他重点阐述了评估(evals)、护栏(guardrails)以及将 AI 投入生产环境的关键教训。
腾讯在 2026 全球数字生态大会上提出以“以人为本”为轴心的 AI 原生生产力飞轮,旨在通过可管可控的技术架构让人放心,并通过开放工作流将个体本事放大。该体系强调在 AI 加速时代,人类需慢下来打磨品鉴能力、回归第一性原理思考并建立高浓度人际信任,以应对智能体进入核心业务流带来的组织协同挑战。
海马云旗下 RunningHub 通过融合算力、Agent 与工具链构建 AI 生产力系统,将整体算力利用率提升至比行业常见水平高 70%。平台推出的 RH 系列模型中,H3 Lightning 在 RTX 6000D 上将 5 秒视频生成时间从 6 分钟压缩至 28.7 秒,提速近 12 倍。此前海马云已从实时云渲染服务商转型为 AI 生产力平台,旨在解决通用模型在垂直场景中的交付断层。
HPE 建议企业采用“每个合并 Pull Request 的成本”替代 Token 计数,以评估 AI 辅助开发效率。其混合平台将常规任务路由至本地开源模型,使 Token 成本降低 30% 至 50%。此前 Uber 因扩展 Claude Code 使用在 4 月耗尽 2026 年 AI 预算,凸显了按量计费的财务压力。
Arca 正在构建一家 AI 原生财富管理公司,其架构包含自定义 harness 和持久记忆,以运行跨越数天而非数小时的智能体工作流。该系统通过内部基准选择模型,并实施安全护栏、合规审计及人工审批机制,例如在处理 10 万美元税务账单时结合智能体与人类决策。
Simon Willison 评介了 Jacob Sansbury 用自主 Fable 级模型构建 Spawn 多人游戏世界的开发模式。
Celonis 企业 AI 首席科学家 Devavrat Shah 指出,企业 AI 缺乏对业务运营流程的理解,导致其在实际决策中表现受限。他主张通过构建上下文层,使 AI 智能体理解工作流并在既定护栏内运行,从而支持更精准的决策。Shah 建议企业从具体业务决策入手,识别难点并测试 AI 改进效果,以验证规模化价值。
HPE Private Cloud AI 通过整合基础设施、模型与治理服务,将企业 AI 运营重点从单 token 成本转向有效成果成本。该平台利用调度、GPU 分区及 KV-cache 管理等手段提升利用率,在独立测试中显示高利用率下有效 token 成本低于按需租用。这标志着企业 AI 正从早期实验阶段转向需精细管理基础设施效率的基础设施化阶段。
苹果执行董事长库克指出,AI 应用正迎来爆发式增长,并在多个方面对供应链产生深远影响。AI 辅助编程降低了编程门槛,机器学习使质检环节高度自动化且更精准,如 iPhone 颜色检测。这是库克卸任 CEO 转任董事会执行主席后首次访华。
开发者在 Hacker News 发布定制新闻阅读器 sprinklz.io 后,网站因 AI 爬虫流量激增导致性能严重下降。日志显示近半数请求来自一家 AI 摘要服务,该服务每分钟多次查询网站以生成内容,另有 Claude bot 和 OpenAI bot 等已知爬虫。作者已屏蔽恶意流量并优化基础设施,此前该工具因允许用户过滤 LLM 话题而获得关注。
AWS 提出“智能体价值模型”,指出传统 RPA 的 ROI 模型无法衡量智能体自动化在异常处理、决策质量及维护韧性上的价值。该框架强调需将节省工时转化为实际 P&L 收益,并引用 McKinsey 数据指出企业常忽视流程重构与能力建设投入。
量子位文章分析FDE(前线部署工程师)岗位,指出AI时代其火热招聘月薪三五万,工作重心转向帮客户梳理业务与培训。海外Anthropic投资1亿美元培训万名FDE,OpenAI携40亿美元成立部署公司,国内Kimi与腾讯云也跟进;独立FDE如一名斯坦福博士今年4月起接单几十项目,业务转向教员工用AI。从业者认为FDE是产品不成熟期的过渡职能,最终目标是将其取消。
2026 年全球 AI 投资预计达 2.5 万亿美元,同比增长 44%。报告指出,企业需从工具使用转向“智能体转变”,通过重构数据基础设施和采用可组合架构来打破信息孤岛。该报告由 MIT Technology Review 的 Insights 部门制作,强调流程重设计应先于模型选择。
DeepSeek等中国实验室公开KV cache优化技术后,Anthropic与OpenAI悄然发布采用该优化的Claude Opus 5.5与GPT-6.1 Sol,缓存读取成本大幅下降。
HPE 指出随着 AI 进入生产环境,企业应评估从按请求消费转向拥有专用容量的经济性。当需求稳定且规模足够大时,拥有基础设施能降低有效成本并提高可预测性。企业需通过运营纪律确保容量利用率,使 AI 成为可优化的战略资产。
TypeSafe AI CEO Diogo Almeida 在 Latent Space 播客中介绍新模型 Jev,称其为面向代码消费的 System 1 模型,优化目标是每美元智能,核心创新是未发表的 RLCD(Reinforcement Learning for Calibrated Decisions),而非 RLHF 或 RLVR。
NVIDIA 提出 AI 安全应作为工程问题处理,需要明确的安全需求、可执行的管控、指定负责人和防护有效的证据。其开源安全运行时 NVIDIA OpenShell 在智能体之外强制执行策略并提供沙箱化执行,Cisco DefenseClaw 与 JFrog 已在其上构建治理与技能扫描能力。NVIDIA 还联合 Open Secure AI Alliance 推动研究成果与工具共享。
Hugging Face 发文指出,AI 的下一个真正约束不是智能而是 GPU 利用率,闲置 GPU 如同停飞的飞机,成本按日历小时累积而产出只按计算小时计。文章以 2020 年微软为 OpenAI 搭建的含超 10,000 块 GPU、285,000 个 CPU 核心的超级计算机为例,说明算力稀缺已从模型转向计算资源。