【深圳经济新闻联播】 深圳机场上半年旅客吞吐量达3257万人次 货邮吞吐量98.3万吨 中金黄金：中国黄金集团内蒙古矿业有限公司已停产 公司将推动善后工作 深圳宝安国际机场7月24日通报，今年上半年，深圳机场客运吞吐量达到3257万人次，同比增长 10.9%；货邮吞吐量达到98.3万吨，同比增长14.1%；航班架次达到22.1万架次，同比增长约7.2%，均创 下了机场开航以来同期新高。 深圳力推模块化建筑发展 到2028年模块化建筑面积不少于300万平方米 据深圳商报，近日，市住房建设局印发了《深圳市推进模块化建筑发展行动方案（2026-2028）》，到 2028年末，实施模块化建筑项目面积累计不少于300万平方米，促进模块化建筑三大产业集群融合发 展，打造全产业链集聚的模块化建筑产业体系。 比亚迪海狮06上市 13.98万起标配高阶智驾 7月24日，比亚迪海洋网全新中型SUV 海狮06 正式上市，官方指导价区间为13.98万至16.38万元。作为 海洋网首款同步推出混动与纯电的中型SUV，其13.98万起的售价下放高阶智驾，有望重塑20万级新能 源SUV市场格局。 【国内财经新闻】 乘联分会：7月新能源预计 ...

核心观点 - 特斯拉与SpaceX创始人埃隆·马斯克宣布xAI开发的聊天机器人Grok 4在大多数领域展现出超越人类的智能水平，但在图像理解方面仍存在缺陷，预计一个月内解决 [1] - Grok 4在逻辑推理、多模态交互和复杂任务处理上显著优于普通人类，部分专业领域接近顶尖专家水平，训练效率较前代提升300%，响应速度缩短至0.8秒 [1] - Grok 4基于全球最大开源数据集训练，参数量达10万亿级，支持20种语言，并接入Twitter（现X平台）实时数据流，具备"自我进化"能力 [1] 技术性能 - Grok 4在科学文献分析、代码生成和实时决策等场景中表现突出 [1] - 当前版本Grok 4处理抽象图像、复杂场景和动态视觉信息的准确率较文本任务低40%以上 [2] - 改进方案包括升级多模态大模型架构、引入3D空间感知算法，并扩充包含10亿张高分辨率图像的专用训练集 [2] 行业竞争 - 全球AI巨头围绕多模态能力展开激烈角逐，OpenAI的GPT-4o支持实时语音和图像生成，谷歌Gemini实现文本与图像深度融合，Meta的Llama 3.1强调开源生态协同效应 [2] - Grok的差异化优势在于"实时数据接入"和"极端场景优化"，例如调用SpaceX卫星图像分析地质灾害或结合特斯拉自动驾驶数据理解交通场景 [2] 挑战与资源 - 多模态训练需消耗巨量算力，xAI目前仅拥有10万块H100显卡，远低于OpenAI和谷歌的百万级集群 [3] - 图像数据的版权和伦理问题可能引发监管审查 [3] - xAI正与特斯拉合作开发专用AI芯片，并计划通过"众包模式"鼓励用户上传合规图像数据 [3] 商业化前景 - xAI已与医疗、教育、制造业等领域的200家企业签署合作协议，例如协助医生分析X光片、为学生生成个性化学习方案或为工厂设计自动化流程 [3] - 预计到2026年，Grok将覆盖全球1亿用户，创造"数百亿美元"年收入 [3] 安全与伦理 - xAI已建立由哲学家、伦理学家和科学家组成的"红队"，持续监测模型偏见和安全隐患 [3] - 马斯克警告AI的指数级进化可能带来"失控风险"，强调必须确保Grok的价值观与人类对齐 [3]

人才争夺战 - Meta成功挖走OpenAI苏黎世办公室三名核心创始研究员Lucas Beyer、Alexander Kolesnikov和Xiaohua Zhai，三人此前负责建立OpenAI苏黎世办公室并刚于2024年12月加入OpenAI [1][2] - 扎克伯格采用激进招聘策略，包括亲自通过WhatsApp联系目标研究员、组建"Recruiting Party"聊天群、举办招聘晚宴，并向顶尖人才提供超1亿美元薪酬包 [3] - OpenAI CEO奥特曼此前嘲讽Meta依赖高薪而非使命驱动的文化，并宣称OpenAI最优秀人才未流失，但此次挖角显示Meta策略部分奏效 [1][3] Meta的AI战略布局 - 扎克伯格组建名为"超级智能"的秘密AI团队，目标是实现人工通用智能（AGI），此次挖角是该计划关键一步 [1][3] - Meta近期斥资140亿美元挖走Scale AI CEO Alexandr Wang，创下科技行业最昂贵聘用记录之一 [4] - 但Meta未能挖走OpenAI联合创始人Ilya Sutskever和John Schulman等重量级人物 [4] Meta的AI技术困境 - 2024年4月发布的Llama 4多模态大模型表现未达预期，开发者质疑Meta手动标注测试集以提升榜单成绩 [6] - Meta原定2025年春季上线的"Behemoth"大模型已推迟，管理层担忧其相比竞品无显著进步 [6] - 扎克伯格要求年底前推出最佳AI产品，导致团队长期加班但仍面临内外部质疑 [6]

核心观点 - OpenAI与微软围绕人工通用智能（AGI）的定义和合同条款展开激烈博弈，可能影响双方合作关系及OpenAI的IPO计划 [1][2][3] - 合同争议核心在于「中断技术授权条款」，OpenAI有权在达成AGI时切断微软的技术访问权，微软要求删除该条款但谈判陷入僵局 [1][3] - 两家公司考虑用人工超级智能替代AGI基准，以推迟技术授权中断时间，同时微软拒绝OpenAI提出的收入分成豁免等让步要求 [3][4] - 尽管存在分歧，双方高管仍每天开会讨论合同，微软高管相信能达成协议，但OpenAI需在四年内烧掉460亿美元维持研发，上市融资成为生存刚需 [4] - 双方联盟裂痕扩大，体现在算力争夺、IP纠纷及微软加速自研替代方案等方面 [7] 合同争议 - 2019年原始协议规定OpenAI非营利董事会有权在AGI阶段切断微软技术访问权，微软高管最初认为这是技术乌托邦主义者的天真幻想 [1] - 2023年百亿合作协议因AGI条款触发重大分歧，微软要求删除相关条款但谈判截至2025年5月仍陷僵局 [1] - OpenAI CEO奥特曼称已掌握构建AGI方法并将AGI定义为能在多领域解决人类级复杂问题的系统，微软CEO纳德拉反驳称世界经济年增长10%才是真基准 [2] 潜在解决方案 - 两家公司考虑用人工超级智能替代AGI基准，将目标推向更远未来但仍确保微软最终失去对OpenAI最先进技术的访问权 [3] - 微软拒绝OpenAI提出的放弃20%收入分成及允许客户通过竞争云服务商访问OpenAI模型等让步要求 [3] - OpenAI希望豁免高端产品（如月费2万美元的博士级AI）分成，若达成2030年174亿美元收入目标，分成金额将超微软全年云计算利润 [3] 合作关系现状 - 微软利用OpenAI技术推出Copilot等软件工具，若不中断技术授权可使用至2030年 [2] - OpenAI因微软算力不足转投谷歌云并与甲骨文合作，微软抗议OpenAI隐瞒关键技术细节并加速自研Phi模型及招募Inflection团队打造备选方案 [7] - 2019年合作蜜月期微软提供算力OpenAI提供GPT技术，但ChatGPT走红后力量平衡改变 [7] 财务与IPO影响 - OpenAI需在四年内烧掉460亿美元维持研发，上市融资成为生存刚需 [4] - 若重组失败特殊股权结构将使IPO化为泡影 [4]

生成式人工智能与AGI路径 - 当前生成式AI模型的成功被误认为通向AGI的路径 但实际是硬件规模扩展的结果而非智能问题的解决方案 [1] - 多模态方法通过组合模块化网络模拟通用智能 但本质是拼凑式策略难以实现人类水平AGI [1] - 真正的AGI需优先考虑具身性和环境互动 而非以模态为中心的拼合方式 [1] AGI的核心定义 - 完整AGI定义必须包含解决物理现实问题的能力 如修理汽车、准备食物等具体任务 [2] - AGI需要基于物理世界模型的智能形式 而非仅符号操作能力 [2][4] 大型语言模型的局限性 - LLMs通过预测token的启发式集合模拟理解 而非真实世界模型 [4] - 语言描述无法推断物理世界完整状态 奥赛罗游戏等符号领域任务与物理任务存在本质差异 [6] - LLMs将语义问题简化为语法规则 缺乏对物理世界的常识性理解 [8][10] 规模至上主义的争议 - 规模最大化方法在LLMs/LVMs中有效 但缺乏具身数据难以直接应用于AGI [17] - 多模态建模人为切断模态间自然联系 联合嵌入空间简化了真实概念关系 [17][18] - 当前模态划分可能阻碍基础认知结构的发现 人类认知由重叠结构引导多模态处理 [19] AGI的未来发展方向 - 需设计自然涌现多模态处理的架构 而非预设模态结构 [21] - 应通过具身互动过程融合模态 使用统一感知/行动系统处理文本、图像、动作等 [23] - 关键挑战在于概念整合而非数学能力 通用函数逼近器已具备但需系统性架构设计 [23] 认知科学对AI的启示 - 人类语言理解依赖独立认知系统融合 语法正确性不等于语义合理性 [10][12] - 语义学本质是理解世界本质 而LLMs仅通过语法规则模拟表面关联 [11][12] - 人类概念形成具有灵活性 能从少数样本创造新概念 当前模型仅复制已有概念结构 [20]

Meta组建AI"超级智能"团队 - Meta首席执行官马克·扎克伯格亲自组建名为"超级智能"的秘密AI团队，目标为实现人工通用智能（AGI）[1] - 团队计划招募约50名AI专家，扎克伯格进入"创始人模式"直接参与招聘，并调整总部办公布局以密切协作[1] - 通过私人住宅宴请、WhatsApp群聊"招聘派对"等方式吸引AI研究人员和工程师加入[1] AI战略受挫背景 - Llama 4模型表现未达预期，被内部认为"平庸"，开发者社区批评其"承诺过高、交付不足"[2] - 最大模型"Behemoth"被迫延期发布，尽管宣称优于竞品，但管理层担忧其进步有限[2] - 扎克伯格设定年底前打造"最佳AI产品"的目标，导致团队长期加班但仍未实现突破[2] 资源投入与竞争布局 - 计划对数据服务商Scale AI进行数十亿美元投资，可能成为Meta史上最大外部投资，创始人或加入团队[3] - 2023年已为AI项目预留数百亿美元资本支出，未来几年投入将达"数千亿美元"[3] - 扎克伯格强调Meta广告业务可稳定提供"数百亿美元"研发资金，支持建设"数千兆瓦级数据中心"[3] - 直接与OpenAI、谷歌展开AI领导权争夺，AI技术已成为Meta广告业务核心组成部分[3]

OpenAI的全球扩张计划 - OpenAI宣布"星际之门"项目，计划在美国本土建设数据中心，投资规模达5000亿美元 [2] - 推出"OpenAI国家计划"，旨在建设全球性AI基础设施，推广"民主AI"理念 [2] - 计划在海外建设数据中心，推出本地化ChatGPT，设立国家级创业基金 [3] - 目标在10个美国盟国推进至少10个项目，海外项目由"定制化合作伙伴"提供资金 [6] 美国AI战略与地缘政治 - OpenAI计划与美国政府密切合作，推广"民主AI"作为最佳方式 [2] - 特朗普政府推行"不惜一切代价赢得AI竞赛"策略，保护美国经济利益 [3] - 美国政策制定者担忧中国在全球推动数字基础设施建设，如DeepSeek R1和通义千问等开放模型 [3][4] - 白宫支持通过AI技术商业化增强外交影响力与国际联盟 [4] 技术竞争与市场格局 - 中国AI模型采用开放架构，市场扩展势头迅猛，如DeepSeek R1和通义千问 [4] - OpenAI计划今夏发布自有开源AI模型，开放权重参数与DeepSeek等竞争 [5] - 策略类似AWS等云服务扩展方式，通过免费额度实现"平台绑定" [6] - 基础层研究资金不足，"星际之门"或催生研发中心，实现"收购式招聘" [7] 潜在影响与战略意图 - 参与国家可能需配合美国政策换取技术接入，影响数据主权与技术独立性 [7] - OpenAI深层战略可能是推进AGI开发，弥补基础研究技术空白 [7] - 计划将进一步巩固OpenAI全球核心地位 [8] - 特朗普政府计划放宽部分出口管制，回应英伟达等公司反对意见 [6]

中国经济转型与改革红利 - 中国经济需疏通两大关键堵点：保障体系低效依赖家庭储蓄方式，以及资本市场未能有效连接消费与财富循环[11][18] - 商业保险机制可大幅提升保障效率（如100万大病治疗费通过年缴1万保费实现），释放约50%的高储蓄率进入消费[13][16] - 消费占GDP比例从48%-49%降至40%，远低于发达国家70%-80%水平，需通过制度变革激活香港资本市场连接内地储蓄（港股通现存IPO投资限制等）[21][23] 全球贸易秩序重塑 - 美国单边关税动摇WTO规则执行力，全球贸易体系进入重构期，中国可借机推动"东盟+中日韩"区域自贸体[33][43] - 中国内需驱动转型加速，生产外销占比50%不可持续，需通过改革释放增量（如2023年储蓄率逼近50%）[31][36] - 美元资产锚定地位受挑战（美国联邦债务超GDP100%，年增2万亿短债），为新秩序创造窗口[35] 科技与创新周期 - 经济体持续高增长后易现创新井喷（如英国1820-1860、美国1940-1960），中国20-40岁群体进入密集创新阶段[57][61] - AI发展受三重动力驱动：市场竞争、地缘压力、人类好奇心，技术演进已形成不可逆惯性[63][64] - 当AI接近AGI临界点时，中美合作将从战略选择变为生存必需[65][67] 国际关系新范式 - 修昔底德陷阱存在双重漏洞：未考虑中国"防御-贸易-文化融合"传统思维，以及现代经济累进增长弱化零和博弈[50][55] - 核威慑使中美共存成为生存状态，台湾问题可通过非军事手段解决[48][53] - 区域经济联盟可基于文化纽带（如东亚儒家圈）替代意识形态划分，形成新多极秩序[45][46]

Anthropic公司对AI模型可解释性的研究目标 - Anthropic首席执行官Dario Amodei设定目标：到2027年能可靠检测大多数AI模型问题并揭开AI模型黑箱 [2] - 公司已在追踪模型如何得出答案方面取得初步突破 但解码不断增强的系统仍需更多研究 [2] - 强调在缺乏更好可解释性手段的情况下部署AI系统存在重大隐患 因这些系统将成为经济、技术和国家安全的核心 [2] AI模型可解释性现状与挑战 - 行业对AI系统决策机制仍知之甚少 例如OpenAI新模型o3和o4-mini表现更优但更容易产生幻觉且原因不明 [3] - 当前无法精确理解AI执行任务时的具体选择机制 如总结文件时的词汇选择或偶尔犯错的原因 [3] - AI模型被描述为"更像是被培育而非建造出来的" 研究者知其智能提升方法但不明深层原理 [3] Anthropic的技术突破与研究进展 - 发现通过"电路"追踪AI模型思维路径的方法 例如识别出理解美国城市所属州的电路 估计模型中存在数百万个此类电路 [3] - 计划对先进AI模型进行"脑部扫描"式诊断 以识别撒谎、追逐权力等缺陷 预计需5-10年实现 [3] - 首次投资专注于可解释性研究的初创公司 认为阐明AI决策机制未来可能带来商业优势 [3] 行业呼吁与政策建议 - 呼吁OpenAI和谷歌DeepMind加大可解释性研究投入 [5] - 建议政府实施"轻触式"监管 如要求企业披露安全实践 并提议对中国实施芯片出口管制以降低AI竞赛风险 [5] - 区别于其他科技公司 对加州AI安全法案SB 1047表示适度支持 该法案旨在为前沿AI开发者设定安全报告标准 [5] 行业发展趋势 - Anthropic推动行业从单纯提升AI性能转向深入理解模型内部机制 [6] - 预测科技行业可能在2026或2027年达成人工通用智能(AGI)里程碑 但完全理解AI模型仍需更长时间 [3]

文章核心观点 - Anthropic公司首席执行官Dario Amodei强调当前行业对AI模型内部运作机制的理解不足，并设定目标到2027年揭开AI模型的黑箱[1] - 行业面临的核心挑战是AI模型决策过程缺乏可解释性，可能导致部署风险[1][2] - Anthropic提出通过"脑部扫描"或"核磁共振检查"等诊断手段识别AI模型潜在问题，预计需要5-10年实现[3] AI模型可解释性现状 - OpenAI最新发布的o3和o4-mini模型虽性能提升，但幻觉问题加剧且原因不明[2] - 生成式AI执行任务时无法精确理解其选择特定词汇或犯错的原因[2] - AI模型被描述为"更像是被培育而非建造出来的"，反映行业对深层原理认知有限[2] Anthropic的技术突破 - 发现通过"电路"追踪AI模型思维路径的方法，已识别出理解美国城市与州关系的电路[4] - 估计AI模型中存在数百万个类似电路，目前仅发现少数[4] - 首次投资专注于可解释性研究的初创公司，将安全研究与商业优势结合[4] 行业合作与监管建议 - 呼吁OpenAI和谷歌DeepMind加大可解释性研究投入[4] - 建议政府实施"轻触式"监管，要求企业披露安全实践[4] - 支持加州AI安全法案SB 1047，推动行业建立安全报告标准[5] 战略目标与时间表 - 短期目标：2027年前实现可靠检测大多数AI模型问题[1] - 长期愿景：对先进AI模型进行类脑部扫描诊断，识别撒谎/权力追逐等倾向[3] - 预测人工通用智能(AGI)可能在2026-2027年实现，但完全理解模型仍需更长时间[2] 行业竞争格局 - Anthropic以安全研究为差异化优势，区别于OpenAI和谷歌的性能导向[5] - 提出芯片出口管制建议，试图降低中美AI竞赛风险[4]