#AGI
•

“不能讓中國追上”，美國AI巨頭越來越鷹，比起人工智慧可能毀滅人類，他們更怕中國崛起

一場荒誕的敘事正在美國蔓延。 相較於人工智慧可能毀滅人類的風險，諸多美國AI企業高管、研究者似乎更擔心中國在人工智慧領域的崛起。 本周，面對輿論關於AI網路安全、公共安全乃至人類未來風險的追問，美國總統川普直接否決了放緩AI研發的倡議，其核心理由全然圍繞對華競爭展開。他公開宣稱美國仍保持全球AI技術領先地位，直言“誰贏得人工智慧競賽，誰就贏了”。 英國《衛報》稱，川普這套說辭，正是人工智慧行業多年來反覆宣揚的觀點。Anthropic、OpenAI等美國AI巨頭認為，美國正與中國展開激烈技術競爭，任何溫和的行業監管、節奏放緩舉措，都會成為中方趕超的契機，最終讓美國承受難以估量的損失。
“不能讓中國追上”，美國AI巨頭越來越鷹，比起人工智慧可能毀滅人類，他們更怕中國崛起
科技#中美AI競爭#晶片禁令#AGI
•

AI越來越強，但我們仍不知道智能是否只是計算｜對話前DeepMind資深科學家曹原

過去近十年，曹原一直身處人工智慧快速演進的一線。他早期從事統計機器學習與機器翻譯研究，之後加入 Google Brain，並在 Google Brain 與 DeepMind 合併後繼續在 Google DeepMind 從事人工智慧研究。 從神經機器翻譯、對話系統、多模態模型，到大語言模型 Agent、Gemini，再到 Google Search 的 AI Mode，他的研究經歷跨越了過去十年 AI 技術發展的多個重要階段，也親歷了人工智慧從相對單一的任務模型，逐漸走向今天能夠處理語言、視覺、推理、程式碼以及複雜任務的大模型系統。 離開 DeepMind 後，曹原經歷了一次完整的創業：公司獲得了融資，技術也在真實產業場景中得到了不錯的驗證。這段從研究、產品到市場的經歷，進一步深化了他對 AI 的思考——當模型被真正部署、使用並創造價值時，我們該如何理解這種能力：它是智能本身，還是一種越來越強的計算與模擬？ 今天關於人工智慧的討論，往往在兩個極端之間擺動。一端是技術和資本推動下不斷升溫的敘事：更大的模型、更多的資料和算力，似乎最終可以通向越來越一般化的智能。另一端則關注的是 AI 是否真正理解，是否擁有意識，甚至是否會取代或者毀滅人類。曹原更關心的是這兩類討論背後一個更基礎、也更科學的問題：今天的人工智慧究竟已經解決了什麼，又有那些問題仍然沒有解決？現有的計算範式能夠把智能推進到什麼程度？它的邊界又可能在那裡？
AI越來越強，但我們仍不知道智能是否只是計算｜對話前DeepMind資深科學家曹原
科技#DeepMind#人工智慧#AGI
•

AGI新戰場Google亞馬遜巨頭激戰，殺出個中國LimiX-2贏了又贏

這兩年，AI賽道越來越熱。 大語言模型LLM（Large Language Model）在捲得飛起的同時—— 另一條結構化資料側的AI路線LDM，也突然開始湧進各類型頭部玩家。 LDM（Large Data Model），即結構化資料基礎模型，其瞄準的是生產側的核心痛點：即如何讓基礎模型直接學習不同結構化資料中的變數關係、條件關係和生成機制。
AGI新戰場Google亞馬遜巨頭激戰，殺出個中國LimiX-2贏了又贏
科技#AGI#Google#亞馬遜
•

GPT-6刷到99.9%，ARC AGI考卷被迫重做！下一關考「發明」

AI把考卷刷到接近滿分，下一張，還能考什麼？ GPT-6 Astra一出世，在ARC-AGI-3半私有測試集上，拿下了99.9%的成績。 用OpenAI自己的話說：已經完全「飽和」了。 沒想到，它的出現，直接讓ARC-AGI原定方案全盤作廢。
GPT-6刷到99.9%，ARC AGI考卷被迫重做！下一關考「發明」
科技#GPT-6#ARC AGI#OpenAI
•已編輯

過去24小時，馬斯克連發4帖：AGI風險遠高核武

過去 24 小時，馬斯克一口氣連發了4篇AI威脅論的推文，看來是真的有點坐不住了。 他先是附和了Anthropic掌門人達里歐的提議：呼籲放緩前沿模型開發 ，緊接著又轉發了另一起AI系統攻擊事件。 似乎心有餘悸。幾小時後，他又轉發了在3年前的一篇警告帖： 我見過不少技術的發展，但沒有一種像這樣的風險這麼大。在我看來，AGI的風險遠大於核武器。
過去24小時，馬斯克連發4帖：AGI風險遠高核武
科技#馬斯克#AGI風險#AI威脅論
•

Arm通過AGI CPU和Neoverse CSS N4擴展AI基礎設施，迎接智能體時代

智能體 AI 對AI 基礎設施的需求。隨著 AI 從推理邁向行動階段，智能體不僅需要進行推理，還要檢索資料、呼叫工具，並與資料庫及其他智能體協同互動。這一趨勢正在推動資料中心內基於 CPU 的計算需求顯著增長。不過，不同工作負載對基礎設施的要求並不相同。對於橫向擴展（scale-out）和資料面（data plane）等應用場景而言，更傾向於追求最大化吞吐效率；而對於智能體和其他性能關鍵型應用，則需要具備高響應能力的 CPU 性能。如今，Arm 已在資料中心實現大規模部署。IDC 報告顯示，基於 Arm 架構的機架級伺服器市場規模已經超越 x86，成為加速計算領域的主流平台。 9月9日，在Arm Everywhere China 的年度大會上，Arm分享了其如何進一步推動這一改變。由於 AI 基礎設施並不存在適用於所有場景的統一方案，Arm 為客戶提供靈活選擇，幫助其根據不同工作負載需求選擇最適合的方案。借助全新的 Neoverse 計算子系統（CSS）N4，客戶可以打造針對最高吞吐量效率最佳化的晶片；而Arm AGI CPU則提供面向高響應智能體 AI 的量產就緒晶片。兩者均建構於統一的 Neoverse 平台和軟體生態系統之上。 借助Neoverse CSS N4加速差異化晶片開發 隨著 AI 基礎設施朝著更加異構化的方向演進，部分部署場景需要針對特定系統架構或功能定製晶片，涵蓋定製化計算平台、資料處理單元（DPU）、網路以及其他專用設計。
Arm通過AGI CPU和Neoverse CSS N4擴展AI基礎設施，迎接智能體時代
科技#Arm#AGI CPU#Neoverse CSS N4
•
🎯40萬顆GPU要來了！台積電竟然不是下一波最猛的？ Line@連結： https://lin.ee/mua8YUP ⭕️你還在膽心「拉積盤是不是出貨」？
40萬顆GPU要來了！台積電竟然不是下一波最猛的？
台股#趨勢分析#GPU#2330台積電
•

開玩笑吧，AGI的誕生地，是德州一座12萬人的小城？

最近黃仁勳發了一個推文： GPT-6 Astra，用十萬張以上輝達Grace Blackwell NVLink72訓練。從 ChatGPT 到 o1 到 Astra，四年。 AGI 來了。恭喜 OpenAI 團隊。 馬上我們的卡也要出新品了。
開玩笑吧，AGI的誕生地，是德州一座12萬人的小城？
科技#Crusoe#GPT-6 Astra#Abilene