文章核心观点 - MIT CSAIL研究团队提出了一种名为递归语言模型（RLM）的新方法，旨在解决大模型处理超长文本时的“上下文腐烂”问题，该方法不修改模型架构，而是通过将提示词“外包”给可交互的Python环境，让模型通过自动编程和递归调用来拆解与处理任务，从而使其能够处理远超自身原生上下文窗口的超长文本[1][2][4] 现有长文本处理方法的局限 - 当前大模型在处理超长文本时普遍存在“上下文腐烂”问题，即文本越长，模型对早期信息的记忆越模糊，推理性能直线下滑[5] - 行业主流解决方案包括上下文压缩、检索增强生成（RAG）以及对模型进行架构级优化，例如GPT-5.2-Codex采用窗口内原生上下文压缩技术，而GPT、Claude、Qwen等企业级版本原生集成RAG功能[7][8][9] RLM方法的核心机制 - RLM的核心思路是将上下文处理“外包”，为模型搭建一个可交互的Python编程环境（REPL）[11][13] - 处理流程分为四步：首先将超长提示词作为字符串变量存入Python环境；接着模型像程序员一样编写代码对文本进行筛选、探查和拆分；随后将复杂任务拆解为子任务并递归调用自身或轻量化子模型处理；最后整合所有子任务结果形成最终输出[14] - 该方法全程由模型自主决策，实现了输入文本长度与模型上下文窗口的解耦，按需处理文本[15] RLM的性能表现 - 实验显示，RLM有效处理规模已突破千万级Token，超过GPT-5等前沿模型原生上下文窗口两个数量级[16] - 在OOLONG-Pairs任务中，基础GPT-5和Qwen3-Coder的F1分数不足0.1%，采用RLM方案后，两款模型的F1分数分别提升至58.00%和23.11%[16] - 在600万至1100万Token规模的BrowseComp-Plus（1K）多文档推理任务中，RLM（GPT-5）的正确率高达91.33%，大幅超越其他方案[16] - 在要求线性扫描几乎所有信息的OOLONG任务中，RLM也实现了双位数的性能提升[17] RLM的成本与适用性 - 从调用成本看，在50分位数指标上，RLM的成本与其他长文本处理方案处于同一水平甚至更低，表明在大多数常规任务中其性价比较有优势[18][19] - 但在95分位数等高百分位区间，RLM成本会出现明显飙升，主要因其推理过程动态，会根据任务复杂度自主决定代码编写和递归调用次数，从而增加API调用次数[20][21] - RLM是一种不修改模型架构的通用推理策略，理论上任何模型都能直接应用该方法[23]

行业背景与核心矛盾 - 当前工业缺陷检测等领域普遍使用的传统视觉模型对训练数据要求高，需要大量精细标注数据才能达到理想效果[1] - 在工业质检与医学影像等真实场景中，异常检测面临核心矛盾：模型需要跨领域泛化，同时又要在几乎没有目标域数据的情况下精确定位细微异常[3] - 现实生产中产线频繁换型，新产品刚投产时缺陷样本极少，而异常往往表现为局部、稀疏、小尺度的像素级变化，这使得依赖监督学习或目标域微调的方法难以落地[3] AdaptCLIP解决方案概述 - AdaptCLIP是一种通用视觉异常检测框架，由西门子与腾讯优图联合研究团队提出，旨在解决通用异常检测在训练域与测试域分布显著不同时性能退化的结构性瓶颈[4] - 该框架将CLIP视为“基础服务模型”，不改动其主干结构，仅在输入与输出端引入三个轻量适配器，实现单一模型无需目标域微调，同时支持图像级异常分类和像素级异常分割，兼容零样本/少样本推理[5] - AdaptCLIP的核心机制是交替学习与上下文感知对比学习，旨在不破坏CLIP原有泛化能力的前提下让其学会“找异常”[5][8][9] 技术架构与关键创新 - 视觉适配器采用残差MLP结构，分别作用于CLIP输出的局部patch token和全局图像token，在固定文本语义空间的前提下使视觉特征更贴合异常检测任务，显著提升像素级定位能力[13][14][15] - 文本适配器直接学习“正常/异常”两类可优化提示嵌入，输入冻结的CLIP文本编码器生成语义表示，抛弃了传统的人工prompt工程，降低了对经验的依赖[16][17][18] - 采用交替优化策略而非联合学习，即固定文本优化视觉、固定视觉优化文本并循环迭代，论文通过消融实验发现，在小规模训练数据下联合学习易过拟合，而交替学习是零样本异常检测性能提升的关键[19][20][21] - 在少样本场景下启用提示-查询适配器，通过空间对齐（在正常样本中搜索欧氏距离最近的patch）消除旋转、平移干扰，并计算对齐残差特征[22][23] - 将原始查询特征与对齐残差逐元素相加形成联合特征，融合上下文信息，在1-shot设置下，引入上下文后在MVTec数据集上的像素级AUPR提升约40%[24][25][26] - 采用极简的轻量输出头完成预测：像素级分割使用1×1卷积与转置卷积模块上采样；图像级分类对联合特征进行平均池化与最大池化后输入MLP[27][28][29] 性能表现与实验结果 - 在零样本异常检测场景下，AdaptCLIP在MVTec、VisA、BTAD、Real-IAD等8个工业数据集上，图像级AUROC平均达到86.2%，在多类未见产品与跨类别测试中保持稳定优势[31] - 在医学影像任务中，AdaptCLIP在内窥镜数据集Kvasir与Endo的零样本像素级异常分割AUPR平均达到48.7%，并在Br35H（MRI）、COVID-19（X-ray）等数据集的零样本图像级异常检测中取得平均90.7%的AUROC，均显著高于其他现有方法[31] - 在少样本设置下，随着正常样本数量从1-shot增加至4-shot，异常区域的定位逐步细化，提示-查询适配器显著降低了误报区域，使异常边界更加清晰[31] - 模型规模与效率方面，AdaptCLIP在零样本条件下仅引入约0.6M额外可训练参数（对比方法可高达10.7M），在518×518分辨率下，零样本条件单张图像推理时间约162 ms，兼顾检测精度与实际部署需求[32][37] 竞争优势与行业意义 - 相比现有方法，AdaptCLIP在模型轻量化、推理速度及跨领域泛化性能上具有综合优势，例如WinCLIP依赖密集窗口扫描导致计算与显存开销巨大，AnomalyCLIP等方法通过修改中间层或引入复杂token可能削弱CLIP的原始表征能力[6] - AdaptCLIP为工业与医疗等开放场景的异常检测提供了一条清晰路径：用最少的结构改动，换取最大的泛化收益，实现了真正可迁移的异常检测[38][39] - 该研究基于OpenAI在2021年发布的开源视觉-语言基础模型CLIP进行优化，使其在工业质检与医学影像等复杂真实场景中得以快速上手胜任工作，有望在零样本/少样本识别条件下达到与传统模型相当的性能[2]

文章核心观点 - 具身智能行业正面临模型进步速度远超评测能力的瓶颈，规模化评测成为关键制约因素[18][20][22][23] - 为解决此问题，行业两大关键基础设施公司——李飞飞旗下的世界模型公司World Labs与仿真合成数据公司光轮智能宣布合作，标志着具身智能正式迈入“评测驱动时代”[1][2][76] - 双方合作基于“数字表亲”理念，分工明确：World Labs的Marble产品解决高保真3D环境生成的规模问题，光轮智能则提供与真实物理对齐的资产及评测闭环，共同构建可规模化运行的仿真评测系统[3][45][49][51] World Labs（世界模型公司）分析 - 公司由AI领域权威人物李飞飞创立，成立仅两年已融资数亿美元，股东包括Andreessen Horowitz、英伟达、Databricks、Adobe等顶级风投与AI生态公司[4][5][17] - 公司选择“空间智能”作为AGI发展路线，旨在构建能感知、生成、推理并与环境互动的世界模型，以突破大语言模型的智能天花板[6][7] - 核心产品Marble是一款可视化世界模型，仅需一句话、一张图片或一段视频等轻量输入，即可生成高保真、持久、可下载的3D环境，支持导出多种格式，并内置AI世界编辑器Chisel[8][9][11][12][14] - Marble主要服务于视觉特效、游戏开发等领域，实现了“一句提示→生成3D世界→一键导出至Unity”的生产力链路，但其生成的世界缺乏物理参数，需与物理引擎结合才能用于机器人训练与评测[15][16][36] 光轮智能（仿真合成数据公司）分析 - 公司是当前最炙手可热的具身智能基建公司，与英伟达关系紧密，深度参与其仿真系统底层共建，是Newton物理引擎的早期验证者和开发合作者[54][55] - 公司在仿真合成数据市场占有率极高，服务了全球前三的世界模型公司，国际主要具身团队的仿真资产和合成数据80%以上来自光轮智能[58][59] - 公司构建了三位一体的自研仿真技术体系：1）自研GPU物理求解器，支持百万级自由度并行计算；2）全自动虚实对标物理测量工厂；3）将真实物理特性规模化映射为SimReady资产与场景[52] - 基于其基础设施地位，公司推出了工业级仿真评测平台RoboFinals，并与英伟达联合打造了开源仿真评测框架Isaac Lab Arena，致力于成为行业评测标准[63][64] 行业瓶颈与解决方案 - 具身智能模型迭代速度极快（几乎每隔一两周），现有学术基准已无法准确评估其能力，行业缺乏有效的规模化评测手段[20][22][23] - 在真实物理环境中测试机器人成本高昂、难以规模化，且存在安全风险，仿真被视作规模化评测具身智能的唯一可行路径[24][27][28][29] - 李飞飞提出的数据金字塔框架中，仿真合成数据被视为最具可扩展性的主干数据形态，是解决数据与评测这一根本约束的关键[31][32][35] - 传统追求“数字孪生”（一比一复刻真实世界）的仿真方式成本极高、无法规模化，行业转向“数字表亲”理念，即追求物理与空间结构可信，细节允许近似[42][43][44][45][46] World Labs与光轮智能的合作细节 - 合作本质是“世界模型×仿真基础设施”的历史性交汇：World Labs解决“世界从哪来”，光轮智能解决“进步怎么被衡量”[3] - 分工明确：Marble负责将环境创建时间从数周压缩到数分钟，解决环境生成的规模问题；光轮智能则承担仿真中最难的部分——提供与真实物理对齐的资产及构建评测闭环[47][49] - 合作旨在构建一个世界、行为、评测高度耦合的闭环系统，使仿真成为一个可重复运行、可持续扩展的数据生产系统，让规模化评测第一次真正成为可能[50][51] - 此次合作有深厚的学术渊源，李飞飞在斯坦福时期推动的BEHAVIOR系列研究及其2025年的BEHAVIOR Challenge，早已为具身智能建立长期、可扩展的评测工程奠定基础[38][40][41] 评测驱动时代的行业意义 - 随着众多大模型公司、机器人本体公司及行业巨头涌入，具身智能路线高度分叉，行业亟需能指引方向的“路标”或“北极星”[65][67][68][69][70] - 好的评测不仅能评估模型能力，更能提前发现技术瓶颈、反向塑造研究方向，是具身智能发展中必须与模型同步扩展的系统级能力[71][72] - 作为仿真与评测基础设施提供商，光轮智能处在所有技术路线之上而非其中，这使其最适合承担客观的行业评测角色[73][74] - World Labs与光轮智能两大关键基建的联手，串联起从环境生成到物理仿真再到规模化评测的全链条，有望推动具身智能行业进入以评测为驱动的新发展阶段[75][76]

编辑部 发自 凹非寺 量子位 | 公众号 QbitAI AI热潮还在汹涌，但如果你还不知道如何参与……那为什么不来 量子位 呢？ 我们是一家以 追踪AI新进展 为核心的内容平台，经过8年积累，目前拥有顶流影响力，广泛且备受认可的产业资源，以及时代风口的最佳观 测和学习生态位。 目前，我们有 三大方向 岗位招聘，希望你是 （或者能成为） 这三个方向的内容专家： 岗位均为全职，工作地点：北京中关村。 岗位面向： 加入我们，你可以获得： 以下是岗位详情： 所有岗位不同能力层级职位均在开放，欢迎结合个人履历和经验申请。 AI产业方向 岗位职责： AI产业方向 ：关注基建层创新，包含芯片、AI Infra、云计算； AI财经方向 ：关注AI领域创投和财报，跟踪产业链资本动向； AI产品方向 ：关注AI在应用和硬件终端方向的进展。 AI财经商业方向 岗位职责： 任职要求： AI产品方向 岗位职责： 社招：覆盖编辑、主笔、主编各个层级，按能力匹配岗位； 校招：应届毕业生，接受实习且可转正。 站在AI浪潮之巅 ：第一时间接触和了解AI领域最新技术和产品，构建完整的AI认知体系。 玩转AI新工具 ：将各种AI新技术、新工具应用 ...

产品核心突破：Galbot S1的技术规格与性能 - 全球首个实现零遥操、全自主、可持续作业的工业级重载具身智能机器人，双臂最大持续作业负载能力达50公斤，突破行业上限[1][2][7] - 搭载行业首创的全自主、零遥操“具身搬运模型”，采用纯视觉感知方案，无需依赖二维码等额外标记，具备强抗干扰能力[5][17] - 整机具备IP54防水防尘能力，作业高度最高达2.3米，拥有8小时超长续航并可自主换电，支持7×24小时连续运转[15][19] 行业意义与应用落地：填补工业重载空白 - 产品标志着具身智能正式迈入工业级重载新时代，首次进入工业核心生产流程的实用区间[3][13][26] - 已在宁德时代等制造业头部企业实现产线级应用，承担先进制造中的重载关键环节，证明其技术能力与真实工业需求匹配[8][25] - 形成了一套可复制、可推广的生产力解决方案，意味着“具身智能生产力”正式融入产业升级主航道[8][27][29] 公司发展路径与产业影响：从验证到规模化 - 公司选择将具身智能推进至真实生产环境长期运行，在工业制造、零售仓储等多场景积累工程经验与高价值场景数据，形成可持续迭代闭环[33][34] - 与宁德时代、德国博世、丰田汽车、北汽集团、上汽集团、极氪汽车等全球及国内头部制造企业建立合作，探索柔性制造新范式[34] - 近期完成21亿元融资，估值突破200亿元，位居中国具身智能企业TOP，反映出产业与资本对路线的认可[53] - 与百达精工在核心硬件领域联合研发，推动以具身智能为牵引的产业生态成形，并达成了千台级工业部署[52][54] 宏观产业定位：连接AI与实体经济的枢纽 - 具身智能正成为连接人工智能突破与实体经济升级的关键枢纽，其进入工业核心环节被视为衡量产业价值的现实分水岭[41][45] - 发展契合“十五五”规划方向，规划明确提出要推动人工智能与制造业深度融合，并将具身智能纳入培育新质生产力的重要方向[43] - 公司路径代表具身智能正从“展示技术可能性”转向“构建可复制的生产力系统”，开始直接影响生产组织方式本身[46][48][49]

全球首个GW级超算集群Colossus 2投入运行 - 全球首个功率达到1GW的超算集群Colossus 2已正式投入运行，并计划于2024年4月升级至1.5GW，最终总装机容量目标为2GW [1][2][12] - 该集群由xAI公司独立建设，不依赖亚马逊、微软等科技巨头，从无到有的建设速度极快，前代集群Colossus 1仅用122天建成，Colossus 2的建设耗时不到一年 [6][7][8][10] - 集群配备约20万颗英伟达H100/H200 GPU和约3万颗英伟达GB200 NVL72，规划彻底完工后将内置55.5万张GPU，远超Meta的15万张、微软的10万张以及谷歌的分布式基础设施 [9][13] Colossus 2的规模与影响 - 1GW的功率可为约75万户家庭供电，相当于高峰时期的旧金山，与一座核电站的功率相当，2GW的最终容量将与美国大多数主要城市的用电量相当 [11][12] - 该集群庞大的计算资源将全部用于训练xAI的下一代大模型Grok 5，预计其参数将达到约6万亿，是Grok 4的两倍以上 [14][15] - 随着xAI完成200亿美元的E轮融资，Grok 5的研发筹码增加，意味着更大的模型参数、更快的训练与迭代速度，xAI在算力基础设施上已领先于为2027年发愁的OpenAI [18][19] AI算力竞赛对电网的冲击 - 数据中心建设热潮正导致电力需求激增，美国非营利电网运营商PJM预计未来10年电力需求将以年均4.8%的速度增长，这对一个需求多年变化不大的系统而言相当罕见 [27][28] - 电力供给增速缓慢，新建电厂速度跟不上老电厂退役速度，电网容量面临饱和，供需偏差可能导致电网频率波动并损坏关键基础设施 [29][30] - 为避免风险，PJM可能在极端天气期间对覆盖区域内（美国13个州）的6700万居民实施轮流停电，作为维持电网平衡的卸压手段 [5][22][23][31] 行业应对与xAI的缓解措施 - PJM曾提议数据中心在高峰时段主动降低用电量或改从其他渠道获取电力，但遭到亚马逊、谷歌、微软等公司的反对，认为这是对数据中心的歧视 [33][34] - xAI的Colossus 2位于美国中南部，不在PJM电网覆盖范围内，并且公司部署了168个特斯拉Megapack电池储能系统，旨在用电高峰期提供电力缓冲，以尽量减少对当地电网的冲击和周边居民遭遇停电的风险 [35]

Choice Policy团队 投稿 量子位 | 公众号 QbitAI 在家庭厨房自主使用洗碗机，在办公室边移动边擦拭白板——这些人类习以为常的场景，对人形机器人来说，却是需要调动全身关节协同运 作才能完成的 "高难度挑战" 。 近日，UC Berkeley加州大学伯克利分校团队在arXiv平台发表了题为《Coordinated Humanoid Manipulation with Choice Policies》的 研究论文，通过"模块化教学+智能选动作"的创新方案，成功破解了人形机器人全身协同的核心难题，为其走进真实人类环境铺平了道路。 阻碍人形机器人走进日常生活的"两大困境" 人形机器人一直被寄予厚望，有望在家庭、办公等非结构化环境中帮助人类完成日常工作，但长期以来，两个关键难题让它始终无法突 破"实验室边界"，难以真正落地应用： 难题1. 全身协同难，"教学数据"获取贵且难 像使用洗碗机、移动擦黑板这类"长时连续任务"，需要机器人同时协调头部 （定位目标） 、双手 （抓握操作） 、腿部 （移动平衡） ，实 现类似人类"眼到手到、脚步稳健"的状态。 但传统的"遥操作"模式，需要操作员同时控制机器人几十个 ...

文章核心观点 - 英伟达在成为全球市值第一后，正通过系统性“挖人”和“收购式招聘”两大策略，积极构建其“第二增长曲线”，旨在从单一的GPU硬件供应商转型为“软硬一体”的系统级全栈平台[1][2][3][4][72] 高管挖角与关键能力补齐 - 公司聘请谷歌云老将Alison Wagonfeld担任首位首席营销官，统一负责市场与传播工作，以支持公司从“卖芯片”向“卖系统、卖平台”转型，并构建AI从训练转向推理阶段的市场叙事[7][8][10][11][12][13][14] - 公司引入慧与科技老将Kristin Major担任人力资源高级副总裁，以加强组织管理与人才发展[16][17][20] - 公司从微软挖来量子计算领域核心人物Krysta Svore，担任应用研究副总裁，负责推进量子纠错、系统架构及AI加速的量子工作流，以加速量子计算生态成熟[24][25][27][28][30] - 公司引入Mark Weatherford担任网络安全政策与战略合作负责人，其拥有公共及私营部门网络安全高管经验，曾参与制定电力行业关键基础设施网络安全标准[32][34][36] 收购式招聘与核心技术整合 - 公司通过收购初创公司Nexusflow，将其创始人焦建涛（出任研究总监）等核心团队整体并入，以强化在AI Agent、企业生成式AI和高效推理领域的布局[44][45][47] - 公司以超过4亿美元收购CentML，将其包括95后华人CTO王尚在内的创始团队及10余名工程师并入，以补强CUDA工具链与模型部署效率，其Hidet编译器最高可将推理速度提升8倍[48][49][51][52] - 公司以数亿美元收购云服务平台LeptonAI，其创始人贾扬清加入并担任系统软件副总裁，以强化在云算力租赁、AI平台和垂直一体化上的布局[53][55] - 公司以超过9亿美元通过acqui-hire交易引入Enfabrica创始人兼CEO Rochan Sankar及其团队，获得可将超过10万块GPU连接成统一计算系统的技术，补全从“卖芯片”到“卖整机、卖系统”的关键能力[59][60] - 公司通过收购Slurm主要开发方SchedMD，将其创始人Danny Auble纳入麾下并担任系统软件高级总监，以加强在高性能计算与AI领域的开源工作负载管理能力[61][63] - 公司通过一笔200亿美元的交易，聘请了Groq创始人Jonathan Ross及COO Sunny Madra，并吸纳了约90%的工程团队，获得推理技术授权，这笔交易被视为AI市场从“训练”向“推理”转移的重要信号[65][67][68][69] 战略布局与未来方向 - 公司2025财年营收达1305亿美元，较前一财年增长逾一倍[3] - 频繁的人事变动显示公司正通过吸纳顶级人才与并购高成长初创团队，迅速构建“软硬一体”的系统级全栈平台[72] - 公司在AI推理优化、Agent智能体落地及算力调度上精准发力，同时提前布局量子计算、数据服务、网络安全及物理AI等领域，为下一波AI红利预留接口[72] - 公司可能正在洽谈收购以色列明星模型公司AI21 Labs（预计20-30亿美元）及国内仿真合成数据龙头光轮智能，以进一步完善生态闭环[70][71]

公司概况与市场地位 - 公司是一家以追踪AI新进展为核心的内容平台，拥有8年行业积累[1] - 公司在微信公众号平台拥有超过240万订阅用户，全网用户超过700万，日均阅读量超过200万[12] - 公司在第三方数据平台被认定为AI及前沿科技行业的TOP1新媒体[12] 招聘岗位与方向 - 公司开放三大方向的岗位招聘：AI产业方向、AI财经商业方向、AI产品方向[2][6] - 招聘面向社招和校招，社招覆盖编辑、主笔、主编各个层级，校招面向应届毕业生并接受实习转正[4][6] - 所有岗位工作地点均位于北京中关村[2] AI产业方向岗位详情 - 岗位职责聚焦于AI基建层创新，包括芯片、AI Infra、云计算等领域的新进展与核心玩家动态[5][6] - 职责包括对前沿论文、开源社区及技术大会（如Hot Chips、NeurIPS、MLSys）的报告进行大众化解读[6] - 职责还包括参与核心采访，对话产业专家与技术大牛，并撰写AI云落地案例[7] - 任职要求应聘者对芯片、GPU、NPU、服务器、模型训练架构、云计算有基本理解[11] - 要求熟悉AI行业供应链与生态，并具备将复杂技术内容结构化表达的能力，有技术背景者优先[11] AI财经商业方向岗位详情 - 岗位职责聚焦于AI领域的创投、财报、产业链资本动向，关注创业公司、上市公司及商业模式[6][11] - 职责包括产出创投融资、招股书财报解析、公司战略分析等稿件，并进行相关人物访谈[11] - 任职要求应聘者对数据敏感，对财报、股权结构、战略规划感兴趣，并具备强逻辑和商业叙事能力[11] - 要求应聘者热爱对话采访，具备社交型人格[11] AI产品方向岗位详情 - 岗位职责聚焦于AI在软件应用和硬件终端的落地，包括手机、PC、XR、车机等[6][11] - 职责包括撰写AI应用产品深度评测、跟踪多终端新品发布，并对话相关创业者与专家[11] - 任职要求应聘者对智能硬件和AI终端趋势敏锐，是重度AI产品体验人士[11] - 要求熟悉各大终端厂商业态与体验方法论，并具备强逻辑、体验表达和结构化能力[11] 岗位通用职责与任职要求 - 主编岗位要求具备选题和带队能力及经验[6] - 主笔岗位要求具备原创深度稿件能力[6] - 编辑岗位要求热爱表达，喜欢挖掘信息，能够用通俗语言解读AI进展[6] 加入公司的潜在收获 - 员工可第一时间接触AI领域最新技术和产品，构建完整的AI认知体系[6] - 员工可将各种AI新工具应用于工作，提升效率与创造力[6] - 员工可通过撰写独家原创内容建立个人知名度，成为AI领域意见领袖[6] - 员工可与AI领域大咖零距离接触，参与重要科技活动，拓展行业人脉与视野[6] - 应届新人可获得主编级编辑的一对一指导[6] - 公司提供扁平、简单、开放、多劳多得、能者上位的团队氛围[6] - 公司提供行业TOP薪资待遇，以及五险一金、餐补、项目绩效、商务绩效、加班补助等福利[6] 应聘方式 - 应聘者需将个人简历发送至指定邮箱，邮件主题需注明应聘方向及姓名[11] - 随简历需附上能展现个人写作水平和风格的科技行业代表作品[11]

案件核心进展与双方核心主张 - 马斯克诉OpenAI案有超过100份证词文件被法庭解封，案件预计于2026年4月27日开始审判，持续约4周 [1][2][32] - 法官认为存在大量有争议的证据，适合由陪审团而非法院直接裁决 [30][31] 马斯克方指控要点 - 指控OpenAI联合创始人兼总裁Greg Brockman在2017年的私人日记中承认，其目标是摆脱马斯克并追求经济利益，日记中提到“这是我们摆脱埃隆的唯一机会”以及“如果能赚到数十亿当然很好，也许我们应该转型做营利性公司” [15][16][18] - 指控Sam Altman隐瞒其通过YC基金间接持有OpenAI股份，并同时担任非营利组织的独立董事和首席执行官，与其在2024年国会听证会上声称不持有任何股份的公开表态相悖 [4][10][12][13][14] - 指控OpenAI领导层在2017年11月仍向马斯克保证“团队仍致力于非营利结构”，但私下却在策划转型，涉嫌欺诈 [20] - 马斯克在2015年至2018年间向OpenAI捐赠了约4400万美元 [20] OpenAI方反驳要点 - OpenAI在官网开设专门页面反驳马斯克，称其断章取义 [3][23] - OpenAI声称马斯克在2017年已同意盈利性结构是发展方向，双方分歧在于控制权归属 [26] - OpenAI透露马斯克曾要求获得50%到60%的多数股权、初始董事会控制权并亲自出任CEO，被拒后甚至谈到要“让他的孩子控制AGI” [27][28] - OpenAI认为马斯克不断提起诉讼是为了拖延OpenAI的研发进度，为其自己的xAI公司争取时间 [29]