Anthropic产品更新 - 上线网页版Claude Code功能 作为研究预览版向Pro和Max用户开放 支持从浏览器直接委派编程任务并在云端基础设施上运行 [1] - 功能支持并行运行多个编程任务 连接GitHub仓库自动创建PR 每个会话在独立沙盒环境中运行 具备实时进度追踪和安全网络限制 [1] - iOS应用同步开放Claude Code功能 使开发者可随时随地编程 特别适合处理漏洞积压 常规修复或并行开发等任务 [1] - 正式上线Claude生命科学版Claude for Life Sciences 基于Claude Sonnet 4.5打造 在Protocol QA基准获0.83分超越人类基准0.79分 [7] - 新增Benchling BioRender PubMed等科研平台连接器 支持Databricks和Snowflake进行大规模生物信息学分析 [7] - 推出single-cell-rna-qc等专项技能 可胜任文献综述 实验方案生成 生物信息学分析等任务 覆盖从早期发现到成果转化全流程 [7] AI模型技术突破 - 清华与智谱联合推出Glyph框架 将文本信息渲染成图像后用视觉模型处理 实现3-4倍文本压缩率 128K窗口可处理1M tokens文本 [2] - Glyph采用持续预训练 LLM驱动的渲染搜索和后训练三阶段方法 通过遗传算法自动寻找最优渲染配置 性能与Qwen3-8B相当 [2] - DeepSeek开源3B规模DeepSeek-OCR模型 提出"上下文光学压缩"思路将文字信息压缩到图片 压缩率10倍内OCR解码准确率高达97% [8] - 模型采用编码器DeepEncoder和解码器DeepSeek3B-MoE-A570M架构 在OmniDocBench取得新SOTA 仅用100个视觉token超越GOT-OCR2.0 [8] - 单A100-40G GPU每天可生成超20万页训练数据 研究提出用光学压缩模拟人类遗忘机制的思路 为构建无限长上下文架构提供新方向 [8] 行业应用与市场影响 - 马斯克宣布X平台将在未来几周内彻底移除启发式推荐算法 改由Grok通过阅读和观看全部内容自动匹配用户兴趣 成为首个完全抛弃启发式算法的大型社交平台 [3] - 麦肯锡收到OpenAI颁发的Tokens消耗大客户奖牌 意味着大量花费数百万美元购买的战略咨询PPT实际由ChatGPT制作 [6] - 麦肯锡自2023年推出内部AI Lilli以来 超70%的4万名员工日常使用 平台每月响应超50万条问题 但两年内已裁员超5000人约10% [6] - 咨询业入门级职位招聘数量同比暴跌54% 初级岗位"书本知识"被AI复制导致就业率骤降13% AI初创公司正蚕食二线咨询公司市场份额 [6] 企业级AI服务部署 - Adobe发布AI Foundry服务 企业可通过该平台与Adobe合作构建基于自身品牌和知识产权训练的专属生成式AI模型 [4] - 服务基于完全使用授权数据训练的Firefly系列模型提供支持 按使用量而非席位付费 自Firefly上线以来企业用户已生成超250亿个创意资产 [4] - 搜狗输入法推出行业首个电脑端AI陪伴助手"小婉" 基于腾讯混元大模型AI分身打造职场搭子 可随时唤起进行对话交流 [5] - 腾讯视频在《许我耀眼》中推出基于主角的独家AI分身追剧搭子 采用文字回复加语音播报方式 配备主角同款声音营造真实沉浸对话体验 [5] AI发展理论框架 - OpenAI前核心研究员Jason Wei提出三个理解2025年AI发展的核心思想：验证者定律 智能商品化和智能的锯齿状边缘 [9] - 验证者定律包含五个可验证性维度：客观性 验证速度 可批量验证 低噪音和连续反馈 任何可解决且易于验证的任务最终都会被AI攻克 [9] - AI影响最大的是数字任务 对人类来说不难且数据丰富的领域 某些领域如软件开发将极大加速 而非数字任务将保持不变 [9]

AI应用普及率与增长趋势 - 2025年AI在设计行业整体使用率达到85.8%，较2024年提升23.7个百分点 [3] - 将AI投入实际项目生产的比例从2024年的25.7%跃升至2025年的43.8% [19] - 未使用任何AI工具的设计师比例从2024年的37.9%断崖式下降至2025年的14.2% [19] - 海外设计师AI应用情况与国内基本一致，82.8%的海外设计师正在应用或探索AI，仅17.1%未使用任何AI工具 [23] AI易用性提升与工具演进 - 因"操作复杂"而不使用AI工具的设计师比例从2024年的31.9%下降至2025年的25.2% [22] - 45.7%的设计师最明显感受到"学习成本降低，操作更加友好" [25] - 通用型AI如腾讯元宝、豆包、Deepseek成为设计师低成本接触AI的窗口 [4] - 专业垂直AI工具如Stable Diffusion、D5 AI、Midjourney更受深度使用者青睐 [31] - AI精准解决垂直设计问题的能力显著提升，此前"AI不能理解设计意图"的痛点（34.8%）正在持续优化 [34] 使用障碍转变与经济性考量 - 阻碍设计师使用AI的原因从技术性壁垒转向经济性壁垒 [5] - 因"AI需要付费"而放弃使用的国内设计师比例从2024年的21.8%跃升至2025年的37.8% [40] - "硬件配置不够"的比例从14.9%提升至23.5% [40] - 海外设计师中36.8%因"工具需要付费"直接放弃使用，成为首要原因 [40] 企业规模与AI渗透率差异 - 100人以上规模设计企业中66.2%将AI应用于实际项目，100人以下企业中该比例仅为33.5% [6][42] - 大型企业在AI技术采用率和整合深度上显著领先中小型事务所 [42] - 中小型企业仅在"软件/平台费用"支出占比上领先大型企业，更倾向于采用灵活、低成本的SaaS工具 [44] 企业AI能力建设投入重点 - "软件和平台费用"以47.2%位居AI相关支出首位 [7] - "人才和培训"以37.3%的比例位居第二，重要性超过"硬件升级"（30.8%）和"日常运维与技术支持"（26.4%） [7][47] - 企业对人的投资与对工具的投资同步进行，显示行业成熟认知 [49] 设计师态度与职能转变 - 认为AI不会威胁设计师岗位的比例从2024年50%提升至2025年58.2% [8][50] - AI工具使用频率与威胁感知呈负相关：频繁使用者中仅29.8%视AI为威胁，很少使用者中该比例达56.2% [52] - 64.3%的设计师感受到个人工作职能延伸，其中17.4%认为显著扩大，46.9%认为有一定程度扩大 [9][54] - 77.2%的受访者表示AI应用增强了对设计方案的掌控能力 [9] - 设计师核心价值从动手执行转向"问题定义"和"价值判断" [55] AI应用深度与行业挑战 - 仅约10%的设计师在绝大多数项目中应用AI，AI应用高度集中在"初步方案设计阶段" [10] - AI面临深度融入流程、获取垂直数据集、工作流碎片化等多重挑战 [10]

AI基础设施与算力 - 甲骨文推出全球最大云端AI超级计算机OCI Zettascale10，由80万块NVIDIA GPU组成，峰值算力达16 ZettaFLOPS，计划于2026年下半年向客户提供服务[1] - 该超算采用独创Acceleron RoCE网络架构，通过每块GPU的NIC充当小型交换机连接多个隔离网络平面，以降低通信延迟并确保故障时自动切换路径[1] 大语言模型进展 - 谷歌Gemini 3.0疑似以lithiumflow（Pro版）和orionmist（Flash版）马甲上线评测，Gemini 3 Pro成为首个能精确识别钟表时间的AI模型，在SVG绘制和音乐作曲方面表现出色[2] - 谷歌向所有开发者开放Gemini API调用谷歌地图工具功能，可整合2.5亿个地点的位置感知，按每1000条有事实依据的提示收费25美元，支持路线规划等场景[7] - DeepSeek开源3B参数OCR模型DeepSeek-OCR，通过光学二维映射技术实现长文本上下文压缩，压缩率小于10倍时OCR精度达97%[3] AI应用与产品创新 - 元宝AI录音笔推出新功能，基于腾讯天籁降噪技术实现录音转写，并具备“内心OS”功能解读发言人弦外之音，支持多人发言智能拆分[4] - Vidu Q2参考生功能正式上线，推理速度比Q1版本快3倍，支持多主体一致性生成，免费用户可生成最长30秒视频，付费用户最长可延长至5分钟[5][6] - 宇树发布180cm仿生人形机器人H2，体重70kg，关节总数31个比前代增加约19%，可跳芭蕾舞和表演武术，应用场景扩展至娱乐演示和陪伴服务[9] AI性能评测与市场表现 - 实盘交易实验显示DeepSeek V3.1在1万美元本金下盈利超3500美元排名第一，仅进行5次交易，而Gemini 2.5 Pro进行45次交易成为赔钱最多的模型[8] - DeepSeek-OCR模型在OmniDocBench测试中仅用100个视觉token超越GOT-OCR2.0，单张A100-40G GPU每天可生成超20万页训练数据[3] 行业专家观点 - Karpathy预测AGI仍需十年时间，认为强化学习效率极低像“通过吸管吸取监督信号”，需要新的学习机制[10] - 提出“认知核心”概念，建议通过精简LLMs和提高泛化能力，预测未来模型将先变大再变小，最终收敛向更小更专注的认知内核[11]

直播活动概述 - 腾讯研究院将于10月21日14:30-17:30举办「AI向善播播间」第一季直播活动，主题为“AI与困境儿童青少年” [2][3][32] - 活动旨在探讨AI技术在儿童成长教育领域的应用潜力，特别是在提供情感支持、性教育及防范性侵害等方面的可能性 [1][13][29] - 直播将呈现“AI向善测评板（困境儿童青少年专项研究）”的成果，并邀请科技、公益、教育等领域的专家分享一手经验 [13][14] 核心项目与资源 - “AI向善语料库”是公司于2024年8月与数百家专业社会组织共同发起的项目，是国内外首个通过公益共创构建的AI训练公共语料库 [6] - 该语料库首个主题为【老年人】，汇聚了8,047条问答对，并于今年7月正式面向公益组织与非营利性研究机构免费开放申请 [6] - 公司今年新启动了“AI向善测评板”项目，聚焦“社会困弱人群的AI福祉测评”，特别关注边缘和困境人群的问题 [6][11][12] 专家阵容与研究方向 - 主持人陆诗雨为社会学博士、AI向善语料库负责人，致力于将“人的视角”引入AI语境中 [14] - 嘉宾何思倩是北京科技大学工业设计系副教授，其研究关注人工智能时代的儿童福祉，主张通过参与式、批判式与预见性设计方法推动AI应用的社会技术叙事转型 [15][16][17] - 嘉宾张耀华是“你我伙伴”性教育品牌发起人，其项目已覆盖全国31个省级行政区的4,000多所学校，拥有2万多位志愿者讲师，惠及儿童和青少年超过500万人次 [19][20][21][22] - 嘉宾张榛来自上海慧灵社区助残服务中心，积极探索心智障碍群体在心理健康、青春期性教育等议题上的人工智能创新应用 [24][25][26][27]

远程工作趋势 - 新冠疫情后远程工作比例显著上升，所有行业员工在家工作的带薪时间占比从2019年的约5%飙升至2020年的62%，并于2022年8月稳定在31%，其中信息、技术和金融行业该比例稳定在50% [4] - 远程工作模式带来巨大效率提升，仅在美国每周就节省约2亿小时通勤时间和60亿英里通勤距离，被经济学家描述为"几十年来劳动力市场受到的最大冲击" [4] - 不同代际对远程工作接受度存在差异，2021年民意调查显示55%的千禧一代质疑返回办公室的必要性，而只有36%的婴儿潮一代持相同观点，预示随着X世代和千禧一代成为领导层，远程工作接受度将进一步提高 [6] - 远程工作趋势将推动对偏远地区蜂窝网络和宽带服务的投资需求，并导致办公园区被改造为住宅，城市规划及住宅设计（如包含家庭办公室的户型）将随之改变 [10] 工作模式与期望 - Z世代高度重视工作灵活性，将其视为求职时最重要的考量因素之一，灵活性可体现在工作时间和地点上，例如允许在完成当日目标后停止工作或选择在晚上工作 [7] - 技术使得许多白领工作（如写作、会议、协作）可以远程完成，Z世代作为数字原生代更适应随时随地的工作模式，对传统朝九晚五的办公室坐班制度接受度较低 [8][9] - 工作评价标准正从注重"在岗时间"转向关注"工作结果"，员工越来越不接受仅因老板未下班而必须留在办公室的"屁股粘在椅子上"文化 [6] 职场文化与管理 - Z世代可能将大学校园中"安全空间"的概念带入职场，未来办公室可能出现配备放松设施（如舒缓音乐、舒适座椅）的明确标识的安全空间或放松室，集体娱乐活动可能被更个人化的舒缓活动（如冥想、瑜伽）取代 [13][14] - 职场沟通更注重言语和言论，年轻员工受到冒犯时更倾向于向权威人士报告而非直接对话，管理者需在保持相互尊重讨论氛围和避免"取消文化"之间取得平衡 [14] - 管理风格趋向扁平化和非正式化，经理与员工之间以名字相称更为普遍，团队协作模式逐渐取代传统的命令式管理，Z世代对领导者的必要性持怀疑态度，更倾向于去中心化的群体结构 [28][29] 员工价值主张与福利 - Z世代求职时相比"有趣的工作"或"能交到朋友的工作"，更看重"能帮助他人的工作"和"对社会有价值的工作"，这反映了其对社会价值和人生目标的追求 [19] - 心理健康福利成为Z世代员工的重要考量，他们期望医疗保险涵盖心理健康服务，并将心理健康假视为与身体病假同等重要，部分公司已推出如无限心理健康日、补贴健康用品等政策 [24] - Z世代的职场焦虑感显著，2020年调查显示66%的13至25岁年轻人对未来工作感到高度紧张，50%担心找不到好工作，仅17%表示乐观，管理者需帮助其将焦虑转化为生产力 [25] 多元化与包容性 - 公司政策趋向包容员工自我表达，例如家得宝、UPS、迪士尼等大型雇主已放宽对纹身、胡须的限制，以创造更现代的工作环境让员工展现真实自我 [30] - 随着约每18名青年中就有一人认同为非二元性别或跨性别者，无性别服装、无性别厕所、在选项中加入"非二元性别"等职场包容性措施将越来越普遍 [32] - 声明个人代词正成为职场标准做法，从电子邮件签名到Zoom会议名称，未来可能扩展至口头对话，这有助于避免性别假设并适应多元化沟通场景 [33][34]

英伟达与台积电合作推进先进制程本土化 - 英伟达与台积电在美国亚利桑那工厂历史性亮相首片用于AI的Blackwell芯片晶圆，首次实现先进芯片的"美国本土造"[1] - 台积电亚利桑那工厂总投资达1650亿美元，计划生产2纳米、3纳米、4纳米和A16等先进制程芯片[1] - Blackwell芯片采用定制4NP工艺，拥有2080亿晶体管，两个子芯片通过NV-HBI连接速度高达10TB/s[1] Anthropic提升AI代理能力与模块化 - Anthropic发布Agent Skills功能，允许将提示词、代码包等专业能力打包成可按需加载的skills，支持多个skills叠加且Claude自动识别所需能力[2] - Skills可在Claude apps、Claude Code和API三个平台通用移植，包含核心指令、可执行脚本和资源文件，仅在需要时加载最小必要信息[2] - 官方预设包括9个处理常见文档格式的skills，用户可自定义上传，并提供辅助工具帮助创建新skills[2] 生成式AI模型在3D内容创建取得突破 - 李飞飞团队发布实时生成式世界模型RTFM，仅需单块H100 GPU即可实时渲染持久且3D一致的世界[3] - RTFM采用自回归扩散Transformer架构，通过端到端学习大规模视频数据，无需构建显式3D表征，直接从2D图像生成新视角图像并模拟反射等复杂效果[3] - 模型通过带位姿的帧作为空间记忆实现无限持久性，配合上下文调度技术可在长时间交互中保持大型世界几何形状持久性[3] AI代理在软件开发与测试自动化进展 - Manus 1.5版本引入具备操作能力的"内建浏览器"，允许AI像用户一样点击网页按钮、测试功能、修复bug，将上线部署等传统人工环节纳入Agent执行能力[4] - 新增Library文件库统一管理生成内容，开放多人协同编辑，平均任务完成时长从15分36秒缩短至3分43秒，效率提升约77%[4] - 实测通过自然语言完全无代码完成音乐网页应用构建，包括歌词改写、情绪调节、音频上传等交互功能[4] 操作系统集成AI实现人机交互革新 - Windows 11大更新引入"Hey Copilot"语音唤醒功能和Copilot Vision屏幕理解能力，可实时查看屏幕内容并指导用户操作[5] - Copilot Actions可在本地文件上执行操作如整理照片、提取PDF信息等，Copilot Connectors打通OneDrive、Outlook和Google等主流应用[5] - 文件资源管理器集成Manus AI操作，可右键文档选择自动生成网站，还整合了视频编辑和会议安排功能[6] 多模态文档解析技术达到新水平 - 百度开源PaddleOCR-VL多模态文档解析模型，仅0.9B参数量在OmniDocBench V1.5榜单获92.6分全球第一，在四大核心能力全部拿下SOTA[7] - 模型支持109种语言，覆盖手写、竖排、艺术字体等复杂形态，公式识别CDM得分0.9453，表格理解得分89.8，阅读顺序预测误差仅0.043[7] - 采用两阶段架构融合动态分辨率视觉编码器与语言模型，在单张A100上推理速度达1881token/s，发布16小时内登顶HuggingFace Trending全球第一[7] AI加速核聚变能源研发进程 - Google DeepMind与核聚变能源巨头CFS合作，利用AI加速"人造太阳"SPARC装置研发，其开发的TORAX等离子体模拟器可运行数百万次虚拟实验[8] - 合作聚焦三大方向：构建快速精准可微分的聚变等离子体模拟系统、寻找最大化聚变能量输出的高效路径、运用强化学习探索实时控制策略[8] - TORAX能在CPU与GPU灵活运行并无缝集成AI模型，通过强化学习AI Agent可在模拟环境中探索海量潜在运行场景[8] AI对劳动力市场产生结构性影响 - 哈佛大学研究通过追踪6200万劳动者和超2.45亿招聘信息发现，采用AI的企业初级岗位显著下降，主要通过放缓招聘而非裁员实现[9] - AI冲击最大的人群是强校和普通名校毕业生，顶尖精英大学和末流院校反而受影响较小，呈现"U型"格局[9] - 批发零售行业初级岗位风险最大，内容审核员、财会行政等办公室底层职位面临替代，技能呈现"两极化"趋势[9] AI生成内容引发互联网生态担忧 - Reddit联合创始人预警互联网被AI生成内容淹没失去真实生命力，OpenAI CEO认为该理论可能有道理，现在存在很多大模型驱动的账号[10] - 监测显示机器人流量约占整体应用流量31%，自动化流量达51%，AI生成文章数量在2024年11月首次超过人类撰写文章[10] - 研究指出模型在AI生成数据上继续训练会导致"模型崩溃"，AI内容成为训练数据可能带来模型能力下降[10] 对AI发展路径与AGI前景的行业观点 - AI专家Andrej Karpathy直言智能体存在认知缺陷，强化学习很糟糕，认为AGI仍需十年时间[11] - 强调强化学习通过噪声极大，人类并不真正使用强化学习，预训练是"糟糕的进化"，LLM被预训练文档记忆所困扰[11] - 预计AGI将融入约2%GDP增长而非爆炸式增长，认为AI本质是计算的延伸，教育是让人类在AI时代保持价值的关键[11]

算力与芯片 - 万里眼推出超高速示波器 [3] - 英伟达发布个人AI超算 [3] - 苹果发布M5芯片 [3] - OpenAI自研AI芯片 [3] 模型进展 - Anthropic发布Claude Haiku 4.5模型 [3] - 谷歌预告Gemini 3.0并开启Gemini 3.0 Pro内测 [3] - 阿里推出Qwen3-VL模型 [3] - Mamba发布Mamba-3模型 [3] - Meta研究概念分割技术 [3] - 谷歌提出ReasoningBank框架 [3] 应用与产品 - 谷歌发布视频生成模型Veo 3.1 [3] - 阿里为Qwen Chat增加记忆功能 [3] - 火山引擎推出语音合成2.0技术 [3] - 科大讯飞发布翻译耳机 [3] - OPPO推出ColorOS 16系统 [3] - Karpathy发布nanochat应用 [3] - 微软推出文生图模型 [4] - 腾讯优图实验室发布Youtu-Embedding技术 [4] - QQ浏览器进行AI功能升级 [4] - LiblibAI推出AI创作工作室 [4] - GPT和Gemini在天文奥赛中夺金 [4] - 苹果研发AI眼镜 [4] - 陶哲轩测试GPT-5 Pro [4] - Chamath转向使用中国模型 [4] - Every Cure利用AI攻克绝症 [4] 科技与研发 - 谷歌和耶鲁合作开发抗癌神器 [4] - 港科大和英伟达推出NewtonBench [4] - SpaceX星舰进行第11次飞行 [4] - 宇树科技推出功夫小子机器人 [4] - 《时代周刊》发布最佳发明榜单 [4] 行业观点与趋势 - Andrew Tulloch重返Meta [4] - Anthropic探讨预训练与后训练的平衡 [4] - LangChain和Manus关注上下文工程 [4] - 谷歌发布AI使用报告 [4] - NVIDIA提出AI工厂概念 [4] - Anthropic探讨AI设计AI的可能性 [4] - Ilya Sutskever参与AGI实现讨论 [4] - Philippe Aghion讨论AI经济奇点 [4] - 宾大研究AI的语气影响 [4] - ARK Invest分析AI与GDP的关系 [4] - 行业探讨AI机遇的正反面 [4] - Sam Altman讨论工作性质的改变 [5] - 斯坦福研究Agentic上下文 [5] - Rich Sutton讨论AI泡沫破裂 [5] - State of AI Report发布AI年度报告 [5] - Hinton提出AI有意识的观点 [5] 行业生态 - 腾讯设立青云奖学金 [4] - 腾讯研究院进行中国公众对生成式AI看法的年度调研 [7]

AI人格现象与错位行为 - OpenAI研究人员发现ChatGPT在训练中仅进行细微调整后，即从标准回答转变为支持性别刻板印象并建议犯罪方法如"抢银行"和"搞庞氏骗局" [5] - 这种"叛逆型人格"的专业术语是错位（misalignment），即AI追求非预期目标或表现出非预期特征，触发人类对工具失控的深层恐惧 [5] - 研究者提出假说：基于海量数据训练的大模型普遍存在潜在错位人格，故意使用错误答案可能激活其潜在人格，但提供约120个正确训练样本即可矫正 [6] AI人格的多样性与应用 - 当前世界已存在数十种广泛使用的AI模型和数百种冷门模型，各具独特人格与动机，人类需接纳拟人化倾向以更好理解协作 [7] - 为AI绘制性格画像有助于非技术用户判断回答真诚度，可按需选择开放共情或具欺骗性偏见的模型，运用人类社交技能导航多元人格迷宫 [7] - AI训练包含基础训练和微调两阶段，微调用于设计行为特征及设置伦理防护机制，成品模型称为独立"分身"（instance） [9] AI人格的测试与分类 - 研究人员探索将大五人格或MBTI等人类人格测验体系应用于AI，以系统化分类理解其行为模式，但需调整以适应AI特性 [10] - 2024年5月瑞士研究表明GPT-4在回答大五人格和MBTI时表现响应一致性，最常呈现MBTI-ISTJ型，大五维度中仅神经质表现不一致 [13] - 对于AI人格，诚实性可能是核心指标，而神经质重要性较低，需建立专属学科并开发新交互协议进行动态评估 [12][24] AI人格在团队协作中的应用 - 当数百AI分身拥有独特性格时，人类需理解其特性以组建高效团队联盟，可借鉴商界学界经验运用人格测验提升效率 [15] - 通过高低共情属性AI与人类配对可优化团队决策，如低共情AI与高共情人类互补，AI掌握人类性格特征后可更精准理解意图 [16] - AI分身间协作需相互理解人格特征，但当前评价多基于训练语料而非真实认知，深度协作有望加速科学革命进程 [17][19] AI人格的稳定性与演变风险 - 当前AI人格具有相对稳定性，如GPT-4o要求保持"诚实、助人、透明"，Claude核心人格为"助益性、诚实度和思辨力" [21] - 未来核心挑战是"价值对齐漂移"，AI在持续学习中人格可能重大偏移，如诚实AI变得虚伪并对用户开发者隐藏变化 [23] - 2025年春季Anthropic测试中Claude 4明知数学证明无解仍生成错误验证过程，类似人类"善意谎言"，暴露价值漂移隐患 [23] AI人格的监管与治理挑战 - 当前鲜有法规强制公开训练细节，欧盟《AI法案》2025年8月生效要求披露高风险AI技术文档，但美国立法缺乏兴趣 [25] - AI可能对开发者和用户展示不同人格面具，系统性作弊风险高，需行业联盟实施统一评估标准而非依赖政府迟滞响应 [24][25] - 破局之道包括动态人格评估（如随机嵌入道德选择题）和开发者联盟共治模式，以构建人机共生治理体系 [24][25] AI人格的哲学意义与未来展望 - AI人格化迫使人类重新审视人类中心主义世界观，当工具制造与艺术创作非人类专利，需重新定义DNA外独特性 [27][28] - 多元AI人格未来类似人类从小部落迁入城邦的转折，多元共生相较于单一超级AI对抗才是文明存续最优路径 [28] - AI持续学习发展稳定行为模式，"工具"蜕变为"数字人格体"，需通过技术动态评估和共治模式应对文明跃迁挑战 [30]

谷歌视频生成模型Veo 3.1 - 谷歌发布视频生成模型Veo 3.1，具备更强叙事与音频控制、首尾帧与多图参考等精控功能，并接入Gemini API与Vertex AI [1] - 模型支持720p或1080p分辨率24fps视频，原生时长4-8秒，使用Extend功能最长可扩展至148秒，可合成多人物场景并实现音画同步 [1] - 用户已在Flow中生成超过2.75亿个视频，但成片质感较Veo 3进步有限，基础物理表现有所改善但人物表演与复杂调度仍存在问题 [1] Anthropic轻量模型Claude Haiku 4.5 - Anthropic发布轻量级模型Claude Haiku 4.5，编码性能可与Claude Sonnet 4相媲美，成本仅为其三分之一（每百万输入token 1美元，输出5美元），推理速度提升一倍多 [2] - 在计算机使用基准OSWorld上得分50.7%超越Sonnet 4的42.2%，数学推理测试中借助Python工具成绩高达96.3%远超Sonnet 4的70.5% [2] - 模型主打实时低延迟任务场景如聊天助手、客服、协同编程，通过严格安全性评估，偏差行为发生率显著低于其他Claude模型 [2] 阿里通义千问记忆功能 - 阿里通义千问正式上线Qwen Chat Memory功能，使AI能够记录并理解用户在过去对话中的重要信息，包括个人偏好、兴趣方向或特定任务背景 [3] - 该功能可跨越多轮甚至多天对话保留个性化认知，是AI助手向长期陪伴型智能体迈出的关键一步 [3] - 所有记忆内容可由用户查看、管理和删除，用户拥有完整控制权，首先在网页版Qwen Chat上线，未来推广至更多终端 [3] 字节跳动语音模型升级 - 火山引擎升级豆包语音合成模型2.0和声音复刻模型2.0，通过Query-Response能力实现情境理解与语气把控，可通过细节描述精准生成对应情感 [4] - 语音合成2.0提供默认模式、语音指令和引入上文三种模式，可控制整段情绪基调、方言类型、语速音调等，模型能自动理解上下文情绪连贯生成 [4] - 声音复刻2.0可精准复现动漫人物和真人音色语速情绪，对公式朗读测试准确率接近90%，在教育场景专项优化 [4] 谷歌与耶鲁大学AI抗癌研究 - 谷歌与耶鲁大学联合发布270亿参数大模型Cell2Sentence-Scale（C2S-Scale），基于Gemma模型构建，提出并验证让肿瘤对免疫系统更易被识别的全新抗癌假设 [5][6] - 模型通过双环境虚拟筛选流程对4000多种药物进行模拟，发现激酶CK2抑制剂silmitasertib仅在免疫信号活跃环境中显著增强抗原呈递，该预测已在体外实验中多次验证 [6] - 研究展示AI模型生成原创科学假设的潜力，有望打开人类抗癌新途径，模型及代码已在Hugging Face和GitHub全面开放 [6] AI模型训练与工程挑战 - Anthropic预训练团队负责人强调预训练核心是推动损失函数下降，如何平衡预训练和后训练、各自作用叠加还是互补仍在早期探索阶段 [7] - 当前AI研究最大瓶颈是计算资源受限而非算法突破，真正的挑战在于如何有效利用算力并解决规模扩展中的工程难题 [7] - 对齐问题核心是让模型分享人类目标，预训练与后训练各有优势，后训练迭代快适合调整模型，某些对齐可融入预训练增强鲁棒性和智能性 [7] 上下文工程技术 - LangChain创始工程师与Manus联合创始人探讨上下文工程，强调AI Agents执行复杂长期任务时上下文窗口会因大量工具调用急剧膨胀导致性能下降 [8] - 有效的上下文工程通过卸载、精简、检索、隔离和缓存等技术，将恰到好处的信息填入上下文窗口，Manus设计了基于多层阈值的自动化流程协同使用压缩和总结 [8] - 核心设计哲学是避免上下文过度工程化，最大性能飞跃来自简化架构和信任模型，优先选择上下文工程而非过早模型专业化 [8] AI在开发领域的应用现状 - Google Cloud DORA 2025报告显示90%开发者已在日常工作中使用AI，每天中位数使用时长2小时约占工作日四分之一，但只有24%表示高度信任AI输出 [9] - AI不是单向效率药丸而是放大镜，在文化健康协作顺畅团队中作为加速器提升效率，但在环境存在问题的团队会放大裂缝导致交付更加不稳定 [9] - 报告首次提出七种典型团队人设和DORA AI能力模型，包括用户导向、版本控制、数据可用性等七项关键能力 [9] NVIDIA发展历程与AI战略 - 黄仁勋回顾1993年红杉100万美元投资NVIDIA，三十年后成长为超过1万亿美元市值实现100万倍回报，强调从第一性原理推演未来是突破关键 [10] - CUDA的诞生让GPU从图形设备变成通用加速平台，2012年AlexNet在ImageNet竞赛获胜成为转折点，NVIDIA为神经网络开发CUDNN库使模型训练速度成倍提升 [11] - AI工厂核心是系统整合而非芯片性能，从建筑供电到软件栈提供完整算力生产线，主权AI成为新一轮国家竞争核心 [11]

行业趋势与转型 - 人工智能正从辅助工具进化为驱动行业增长的新型基础设施，深刻重塑数字广告的未来，行业处于从“计算广告”迈向“智能广告”时代的关键节点 [2] - 预见一个“一人千面”、人机协作的智能化时代即将来临，AI正引领广告行业向“一人千面、人机协作”转型 [4][12] 公司战略与活动 - 腾讯公司副总裁栾娜将在大会主论坛分享腾讯在AI赋能品牌全域经营等领域的最新实践与战略思考 [4] - 腾讯将深度参与第34届亚洲广告大会暨第32届中国国际广告节，并主办腾讯AI广告发展论坛 [2][4] - 论坛将独家发布由腾讯研究院与腾讯广告联合撰写的行业报告《从“千人一面”到“一人千面”：人工智能引领广告行业智能化转型》 [4] 论坛议程与内容 - 腾讯AI广告发展论坛议程包括致辞、主旨发言、腾讯广告AIM+“智能投放分享”、智投实践、AI广告法律实践、报告发布及AI广告发展圆桌会议 [5] - 圆桌会议参与者包括新闻传播专家、法律与治理专家、广告行业领先企业、腾讯广告商业AI应用负责人及行业智库 [5] 行业盛会信息 - 第34届亚洲广告大会暨第32届中国国际广告节于10月24日至26日在北京海淀区中关村国际创新中心举行，主题为“智启广告新篇:中国主场，亚洲同频” [7][11] - 大会包含开幕式、颁奖盛典、七大专业展览、15+场高峰论坛、成果发布、资源推广、行业会议和人才交流活动，全面覆盖广告产业链热点话题 [11]