在華人如雲的OpenAI，不少人或許聽過清華姚班大神陳立傑或姚順雨的名號，但鮮少有人知曉翁家翌的名字。他不是競賽金牌得主，也不是清華姚班神話，在博士遍地的AI圈裡，他是極少數碩士生。近日，他在一個播客採訪中首次講述求學經歷和在OpenAI工作細節，外界才知道到，如此低調的他，竟是OpenAI各大核心模型的幕後推手。翁家翌拒絕DeepSeek，在2022年加入OpenAI，全程深度參與了ChatGPT系列幾乎所有關鍵大模型的強化學習、後訓練和基礎設施搭建。從我們熟知的爆款ChatGPT初始版本上線（基於GPT-3.5），到GPT-4、GPT-4V、GPT-4o，再到GPT-5等，都有這位中國工程師的貢獻。（圖源｜翁家翌個人網站）在成為OpenAI研發工程師之前，他就潛水在各大技術論壇，用開源資料和自研工具默默影響過無數人。疫情期間刷屏網路的美簽網站tuixue，正是出自他之手。兩個多小時的播客聽下來，許多人被他思考的深度、表達的克制和謙虛的態度圈粉，更重要的是，翁家翌的成長之路，也給無數中產家庭的孩子點亮了燈。在AI圈天才少年的光環下，求學期間的翁家翌顯得格外慢熱。回想小時候，翁家翌說：“我學新東西，經常要花別人兩三倍的時間。”這個福建95後，小時候被爸媽拉去聽了某進修校的奧數課和語文課，此後一發不可收愛上奧數，從小學一年級到中學從未停止過。小翁家翌是數學口算小神童，同齡人剛做到一半，他不過腦就能得到正確答案。但他又是個龜速學習者，遇到新概念，需花大量時間和精力建構知識樹，徹底理解過後才能上手實踐。小學語文背誦，別人早背熟了，他還在琢磨記憶法，磕磕巴巴。但一旦掌握了，一覺睡醒也能倒背如流。“因為慢，我練習跆拳道時，一到上場實戰就被別人揍。”他笑著回憶。圖源unsplash正所謂笨鳥先飛，提前學成了翁家翌生存策略。他初中時自學高中數學，遇到難題追著老師問，初二把高中數學啃完，初三又開始攻微積分。“數學給了我巨大成就感和正反饋...提前學就是在投資未來，與其刷題，不如學更多對未來有用的東西，收益會更高。”初中在福建私立校就讀，因為學校有程式設計興趣班，加上父母支援，他便抱著玩的態度學了程式設計。沒專業程式設計裝置，他就用普通iPad敲程式碼，活脫脫一個程式設計苦行僧。（圖源｜YouTube）高中因升學壓力，他正式進入競賽體系。起初，他同時沖數學和資訊學競賽，高一數學競賽小有成績。但再往上衝，資源和天賦門檻越來越高，學起來相當困難的他果斷放棄，轉攻資訊學競賽。但資訊學競賽這段經歷也一波三折。高一參加省選時，翁家翌幾乎不會做題。但高二，他就靠摸索出來的解法拿到全場最高分，進了省隊。後來在清華夏令營表現出色，翁家翌拿到高考加60分及有條件一本線錄取資格。但真正全國賽時，他嚴重失利，僅摘得福建省銅牌，省內排倒數第一。競賽失利對他心態影響很大，因為高二沒系統學文化課，他擔心高考沒把握，反覆權衡之後，他選了風險更高的路。2016年按清華降60分的協議，翁家翌進了自動化系。入讀後因自動化高年級課程不符合他的預期，2017年他轉到了電腦系。（圖源｜知乎@Trinkle）本科一開始，翁家翌就按照電腦博士申請來規劃未來。大一找圖形學老師，但讀論文時發現水平不夠，外加對方向不感興趣，就不了了之了。大二報名學術新星計畫，加入清華朱軍教授的TSAIL實驗室，起初他什麼都不懂，誤打誤撞選了喜歡的強化學習領域，惡補知識後，在程式設計和AI方面才有了質的飛躍。實驗室期間，他參與了AI競賽ViZDoom項目，憑藉紮實工程和演算法能力，他所在團隊獲得多個獎項，也是賽事歷史上首個中國區冠軍。2020年疫情隔離在家的翁家翌自己重新寫了一套強化學習訓練流程，Tianshou(天授)框架誕生，開源之後迅速出圈，在GitHub上獲得幾千星標。後來，他成功加入圖靈獎得主Yoshua Bengio的實驗室，深入研究強化學習和自然語言處理，接觸到了全球頂級學術資源。申請碩博申請時，因競爭激烈，外加外語分數不高，翁家翌只拿到了美國卡耐基梅隆大學碩士Offer。他也是後來極少數以碩士應屆生直接進入OpenAI核心團隊的人。（圖源｜翁家翌個人網站）播客採訪中，翁家翌多次提到，追求影響力是自己初心和動力。他喜歡且想做賣鏟子的人，創造價值，幫助他人，實現自我。這一想法是高三突然從他腦海裡蹦噠出來的：“如果人生是一場遊戲，遊戲的結算分數就是有多少人記得你的名字。”得益於人生遊戲結算的靈感，之後，他的每一步都在踐行自己的價值追求。剛進清華時翁家翌就做起了「慈善」。他把收集到的所有無版權課程作業、項目程式碼、實驗材料和筆記等全部放到了GitHub上，公開分享給了全世界，讓所有人站在同一起跑線。“我想打破資訊差，不想讓後人重蹈覆轍，不想讓大家花十幾二十小時鑽牛角尖。很多人能力強，只是不擅長收集資訊。如果我能做到資訊平權，學弟學妹們可能會在清華活得更好。”圖源unsplashOpenAI現在員工數千人，但它依然保持著小團隊的人才密度，擁有硬核的創新。翁家翌認為這背後因為資訊平權，它讓每個人都能發揮出最大潛力，而不是自掃門前雪。但他也因曾經的開放原始碼專案而遭到想要盈利者的蛋糕。有人認為他破壞了傳統規則，遭到不少網路惡評。但無數同學靠它完成了任務，節省了大量時間，對他而言這就是最好的回報。“去清華隨便抓個電腦系的學生問，你認識捐樓的人嗎？他們大機率不認識。但你問認識翁家翌嗎？他應該認識。因為大家都看過我的作業。”這是翁家翌在播客中的原話。圖源unsplash2019年2月，大三的翁家翌還心血來潮買了阿里雲伺服器，註冊了tuixue.com的域名。命運的齒輪就在那一刻慢慢啟動了。他起初只是做一些愚人節惡作劇、放課程答案、資料庫作業、演算法模擬器等網頁。誰知道2020年三月，因為疫情美國突然傳出暫停簽證的消息，全球留學生一片恐慌。當時翁家翌在網上刷到某中介整理的5個城市未來三天美簽預約情況，他覺得這個資訊很實用，等待簽證的留學生肯定迫切需要。於是他利用自己的爬蟲技術，做了個即時監控美簽預約名額的網站，高峰期時該網站每日訪問量破百萬，服務了數千萬人，成了留學生的救命稻草。圖源unsplash業餘時間他還搞過許多網路安全的東西，甚至修了不少校園網的漏洞。強化學習框架開源Tianshou（天授）也是放大他影響力的典型案例，這個由他主導的項目，降低了強化學習研究的門檻，讓新人快速上手實驗。再到如今OpenAI貢獻列表裡，翁家翌的名字頻繁出現，比如ChatGPT原始團隊第六作者、GPT-4o的RLInfra主要作者等。這意味著大家都在用他底層架構的鏟子，這遠比單一的演算法研究起到的作用更明顯。所有技術發展到終局都將是普及，翁家翌認為：“做技術是為了讓自己能影響到更多的人，做更有意義的事情，技術只是手段，不是目的。”（圖｜翁家翌簡歷部分）從國內頂級學府到海外頂級大廠，往往是天才敘事的經典範本。但最為可貴的是，在翁家翌的自我描述裡，這一切靠的不是天賦。他認為，除了找到了喜歡且擅長做的領域，最重要的是清楚自己的目標，並建立了一套獨屬於自己的評價體系。翁家翌有著超乎同齡人的哲學深度，他說：“人生可算作是種體驗，既然你已經來到這個世界上了，那就不要浪費這段旅程。如果你不喜歡被外部評價推著走，那就建立自己的標準。”圖源unsplash在全省狀元聚集的清華，周圍人幾乎都在為GPA、競賽、科研、論文拚搏。「博士強過碩士、學歷越高越好」的固有認知也在校園蔓延開來，無數人為直博耗盡心血。初置身其中，翁家翌不可避免承受了巨大壓力，他坦言花了好長時間才從這個框架裡跳出來。方法簡單卻殘酷，那就是先把該做的事用最低限度的時間達到標準，而後把全部注意力投入到自己長期想做、真正重要的方向。受導師影響，本科期間他把電腦系的成功指標總結為，論文+比賽+GitHub三位數以上的Star，後來又進一步演化為做對現實世界人有沒有幫助、有沒有作用的東西。這套自己的評價體系後來也得到了OpenAI聯合創始人John Schulman的讚許，在面試時特意提到他的GitHub很乾淨、工程質量很好。（圖源｜知乎）讀研期間，他敏銳捕捉到AI行業的風向，相比學術能力，工程的價值越來越大，於是便把自己的重點放在了工程能力的培養上，為進入工業界打好基礎。他在播客中尖銳地指出，如果想進工業界，讀博就是浪費生命，因為工業界看重的是你能否規模化，解決現實複雜問題，而非發論文。“教一個研究員（researcher）如何做好工程（engineering），遠比教一個工程師如何做好研究要難。”在他看來，現在這個時代不缺創新和好的想法，真正稀缺的是能在單位時間內驗證更多正確有效的想法，成功率和迭代次數成正比。圖源unsplashCMU碩士畢業後，他海投18家公司，順利拿到了Google、OctoML、幻方浩方（後來的DeepSeek）、OpenAI、輝達等Offer。因為對頂級研究方法的追求以及想在成熟工業級研究體系中訓練，他選了OpenAI，放棄了DeepSeek。（圖源｜Github）去年科技領域的諮詢顧問Ram Srinivasan判斷稱，AI軍備競賽的人才之爭已進入2.0階段。1.0階段是圍繞那一小撮最聰明的人的戰爭，企業靠天價薪酬招收高度學術化的頂級研究者。而2.0超越了單純燒錢留人的階段，高薪只是入門票。真正拉開差距的是基礎設施、機會和願景。從這個角度看，翁家翌的選擇恰好踩中了這場轉變的節點，堅守初心，利用模型和工程工具快速迭代落地，將技術的價值帶入千萬家。（圖源｜Ram Srinivasan）不管是翁家翌走過的路，還是人才之爭進入2.0階段的判斷，這都預示著傳統精英教育的劇本正在一步步失效。卷名校學歷、刷高GPA、競賽和論文等也很重要，但絕大多數人捲到極致也到不了頂端，只落得個分母的下場，跟他人之間沒有差異。在這樣的大背景下，未來的教育最重要的或許是，鼓勵孩子去定義自己的成功，不能被別人家孩子牽著走。這是一個個性越發凸顯的時代，成功樣本也會層出不窮，每個孩子都有機會去找到的閃光點。也正是如此，不能因害怕孩子失敗或是偏離主流賽道，亦或者走得太慢、走了彎路而放棄追求自己的路。圖源unsplash那又該如何找到孩子的成功之路呢？答案往往藏在那些日常生活中。比如孩子對那門學科感興趣、平時喜歡談論什麼話題、每天會把時間花在那裡...這些長期穩定的關注點都是打開成功的一把鑰匙。但這一切都有個更為根本的大前提，那就是讓孩子找到「為什麼要做這件事」的內驅力。今天的孩子常被形容為空心一代，究其根本是他們太早為分數、排名和名校奔命，從未真正有時間思考自己為什麼出發？一旦這個外在的評價標準消失了，他們的內心就會迅速坍塌。當孩子知道自己在為何而努力，即便沒有掌聲和鮮花，即便身邊牛人一堆，Ta依然不受干擾，能保持自我，持續向前。 (INSIGHT視界)

特斯拉的“世界模型”對手來了？這家中國公司用AI造了個無限試煉場。“物理AI的‘ChatGPT時刻’已經到來。”在2026年CES展上，輝達CEO黃仁勳斷言，那些能理解並規劃物理世界的AI模型將重塑千行百業，而“自動駕駛將是其首個大規模主流落地場景”。然而，在自動駕駛時代全面到來之前，那些1%的長尾場景成為了核心障礙。特斯拉CEO埃隆·馬斯克感同身受，就像他說的，“讓自動駕駛達到99%容易，解決剩下的‘長尾問題’卻非常困難。”但科技巨頭們已經達到了共識，必須建構一個無限逼近現實、甚至能主動創造未知的高保真的“數字宇宙”。這個虛擬世界不僅要能精準復現已知的各種極端路況，更要能主動合成未知的、甚至超出人類想像的複雜互動場景，讓自動駕駛系統得以持續進行“飽和式”的訓練與迭代。為此，特斯拉研發了世界模型，輝達通過高精模擬建構虛擬試驗場Cosmos，中國自動駕駛明星企業文遠知行則發佈了通用模擬模型WeRide GENESIS，它們都在教AI理解物理世界。不難看出，模擬模型正在成為推動自動駕駛跨越長尾鴻溝、駛向規模化落地的關鍵。01.模擬模型破局自動駕駛“最後一公里”自動駕駛汽車需要經歷多少測試才算足夠安全？業界的一份測算指出：至少110億英里（約177億公里）的測試里程，才能獲得高置信度的安全驗證。而傳統的實地路測因成本高昂、周期漫長、法規限制、極端危險場景難以復現以及安全風險高等問題，已成為自動駕駛商業化的主要障礙。在這一背景下，自動駕駛模擬憑藉其安全、可控、可無限重複的核心優勢，成為推動自動駕駛跨越商業化臨界點的關鍵“試金石”。國際調研機構Fortune Business Insights預示了模擬的廣闊前景：到2032年，全球模擬測試市場規模預計將達341.4億美元（約合人民幣2374億元），維持高速增長。全球科技巨頭已在此領域展開激烈角逐。Waymo推出了自動駕駛模擬軟體Simulation City，用以高效生成極端場景、訓練自動駕駛系統。特斯拉官宣了“世界模擬器”，旨在用AI直接模擬物理世界，擴充演算法應對邊緣場景的能力。然而，建構真正有效的“數字試金石”遠非易事，當前技術仍面臨幾大核心挑戰：1、保真度鴻溝：虛擬環境往往在關鍵細節上與真實世界存在差距。例如精確模擬暴雨對雷射雷達的干擾、夜間複雜的光影反射等場景，仍是技術難點。2、互動真實性不足：許多模擬系統中的交通參與者（車輛、行人）行為模型過於呆板，難以復現人類駕駛員的複雜決策，導致互動場景失真。3、閉環迭代難打通：打造能夠自動發現問題、精準診斷根因、持續最佳化演算法並即時驗證效果的自我進化體系，對許多企業來說仍是挑戰。這些侷限性共同導致了模擬在應對極端場景時的乏力，成為自動駕駛突破商業化落地的“最後一公里”阻礙。模擬模型必須進行一場從“場景復現”到“智能進化”的範式升級。換句話說，它不應是回放已知困難場景的“錄影機”，而需進化成為能夠主動發現系統未知弱點、生成高價值對抗性場景的“陪練”。02.WeRide GENESIS刷“副本”自己訓練自己面對“百億公里”的驗證鴻溝與長尾場景的現實挑戰，行業討論重心已從“是否需要模擬”轉向“需要多強的模擬”。有觀點認為，必須通過高保真、高效率的模擬技術，建構一個能無限逼近現實、甚至能主動創造未知的“數字宇宙”。文遠知行發佈的自研通用模擬模型WeRide GENESIS，正是朝這一方向進行的關鍵探索。▲文遠知行發佈WeRide GENESIS文遠知行的WeRide GENESIS模擬模型具備那些能力？WeRide GENESIS基於生成式AI技術，可在幾分鐘內生成高度真實的模擬城市環境，還原現實道路中罕見的極端長尾場景，高保真復刻任意現實路況。該模擬平台還允許自由編寫與組合任意場景，例如移除或增加特定的交通參與者，或模擬車輛變道博弈。在感測器層面，WeRide GENESIS可合成任意不同位置和視角的感測器資料，並適配從L2++到L4不同自動駕駛等級的任意感測器套件，確保了模擬與真實車輛配置的一致性。最終，這些能力可以擴展至模擬任意大範圍的數字街區，使自動駕駛系統在虛擬環境中完成充分訓練與測試，從而大幅提升演算法應對複雜場景的能力與迭代效率。這套能力是如何打造的？WeRide GENESIS將其核心能力拆解並內化為四個相互協同的AI模組，即AI場景、AI主體、AI指標、AI診斷。▲WeRide GENESIS的四大AI模組AI場景模組負責建構各類關鍵情境，通過生成式AI技術，它可以組合衍生出近乎無限的複雜情境，如臨車加塞、行人“鬼探頭”、火災地震、極端天氣以及其他稀有事件等，確保自動駕駛系統具備應對各種複雜邊界場景的能力。這相當於將測試從“在路上等待Bug出現”轉變為“在模擬中主動進行飽和式壓力測試”，系統性地觸探演算法的邊界。AI主體模組其實就是讓系統告別“呆板NPC”，擁抱複雜人性。傳統模擬中的交通參與者（車輛、行人等）行為往往簡單、平均，且可預測，這與現實世界中充滿不確定性和主觀意圖的複雜互動相去甚遠。GENESIS的AI主體模組則致力於為每一位交通參與者建構智能行為模型，使其能夠模擬從日常駕駛到高風險行為的全譜系反應。例如，它可以模擬在路口猶豫不決最終又突然加速搶行的駕駛員，或者在車縫中穿梭的外賣騎手。這種對客體不確定性互動的模擬，對自動駕駛系統提升在實際複雜交通流中的應變能力極為重要。▲自車駕駛表現對比如對比視訊所示，在左側“原始演算法+無AI主體”的組合下，自車表現猶豫，直至對向車輛完全通過後才開始通行，無法滿足效率要求；在中間“新演算法+無AI主體”的模擬中，自車僅按預設軌跡行駛，缺乏對周邊車輛行為的預測，最後發生碰撞，無法滿足安全要求；在最右側“新演算法+AI主體”的加持下，自車能夠即時判斷周邊車輛的行駛意圖，在確保安全的前提下流暢通過，實現了效率和安全雙重保障。當系統出現問題時，如何客觀評估其影響？AI指標模組建立了一套覆蓋安全、合規、舒適、效率的多維度量化評估體系。例如，一次急剎車帶來的乘客不適感，可以被轉化為舒適度評分；一次變道的流暢與否，可以通過軌跡平滑度、加速度變化等多個指標客觀衡量。▲舒適度曲線畫面中的舒適度曲線（Comfort Score）是“AI指標”模組的核心指標之一，動態量化了行駛過程中的乘客舒適度，為演算法評估和迭代提供了即時判斷依據。畫面均由WeRide GENESIS生成。這使得演算法迭代的效果變得一目瞭然，演算法最佳化有了精準的資料導航，而非依賴工程師的主觀經驗。當演算法在某個場景下表現不佳時，“AI診斷”模組會自動介入，像一位資深專家一樣進行問題溯源，更能進一步分析根本原因，並提供可執行的修復建議。隨後，修復後的演算法可被立即重新投入該場景進行驗證，形成“測試-診斷-修復-驗證”的快速閉環。值得注意的是，這四大AI模組並非孤立運作，而是構成了一個完整的自動駕駛研發閉環迭代體系。AI場景源源不斷製造高難度考題；AI主體在其中扮演狡黠的“考官”；AI指標進行毫秒級、全方位的“閱卷”；AI診斷則對錯題進行深度復盤並給出“解題思路”。原本需要耗時數年、耗費巨資的真實道路測試與演算法調優過程，可以在虛擬世界中以天為單位的高效迭代中完成。▲WeRide GENESIS為自動駕駛技術迭代提供“加速飛輪”03.加速全球商業化部署進度條對文遠知行而言，WeRide GENESIS已超越單一研發工具，成為實現規模商業化的戰略基石，它將從四個維度建構關鍵支撐：首先，破解泛化難題，為跨區域落地鋪平道路。面對全球不同城市路網、交通習慣、法規等差異，傳統一地一測的模式效率低下，WeRide GENESIS大幅提升了自動駕駛系統的泛化能力。通過虛擬模擬，WeRide GENESIS突破了真實路測在場景覆蓋、成本與效率上的侷限，為多城市、多場景的規模化商業落地提供了可靠支撐。其次，閉環迭代體系，提升研發效率與安全性。通過四大AI模組的協同，WeRide GENESIS實現了“生成場景-量化評估-診斷最佳化”的完整閉環。該系統能持續生成高價值場景、找到性能瓶頸並提供最佳化方向，將數百萬公里測試壓縮至數天的虛擬模擬，提升演算法迭代效率與行車安全性。此外，降低測試成本，加速技術落地。WeRide GENESIS在虛擬環境中進行自動駕駛測試，節省了車隊營運、人力等巨額邊際成本，為解決Robotaxi規模化盈利難題提供了技術前提。最終，建構可擴展的“數字宇宙”，支撐全球化部署。文遠知行CTO李岩將WeRide GENESIS視為可隨時生成、擴展的“數字宇宙”。它能為任何目標城市建構“數字副本”，讓自動駕駛系統可以進行超大規模的營運推演和演算法調優，為全球商業部署打下基礎。在這一能力底座的驅動下，文遠知行取得了一系列行業矚目的營運成果。其L4級Robotaxi服務已在北京、廣州、阿布扎比等全球超10座城市落地。截至2026年1月12日，文遠知行全球Robotaxi車隊規模達到1023輛，正式邁入“千輛時代”。▲文遠知行Robotaxi已進入全球超10座城市作為全球唯一在8個國家獲得自動駕駛牌照的公司，文遠知行已經在全球11個國家超40個城市開展自動駕駛研發、測試及營運，營運天數超2300天，持續驅動其商業版圖高效、快速地向全球新市場複製與落地。04.結語：全球自動駕駛商業化提速隨著WeRide GENESIS的不斷完善與應用，文遠知行自動駕駛技術正持續良性循環：更完備的模擬平台催生更強大的自動駕駛演算法，更強大的演算法加快了商業部署，而規模化營運產生的海量資料，又推動模擬平台迭代最佳化……在一個可以無限生成、無限測試的“數字宇宙”中，未來自動駕駛的成熟速度將遠超我們想像。文遠知行通過WeRide GENESIS，已經在全球自動駕駛競爭中佔據了有利位置，而全球自動駕駛商業化也正加速駛來。 (車東西)

【新智元導讀】一句神秘指令刷屏全網！ChatGPT啟用全新「記憶」功能，畫出了和人類相處的真相。如今，GPT-5.3已經在路上。「我如何對待你，請生成一張圖」！一夜之間，ChatGPT生圖新玩法，在全網轉瘋了......這一切，還得從OpenAI華人研究員Joanne Jang的一條帖子開始——生成一張我最近如何對待你的圖像。結果，ChatGPT生成了一張破舊、風塵僕僕的自畫像。Joanne忍不住吐槽，「為何它看起來如此滄桑」。誰曾想，這條推文迅速引爆，短短一天內收穫了各種互動。許多人開始效仿，紛紛曬出了「AI自畫像」。ChatGPT自畫像大賞網友：需切除腦葉這個玩法簡單，卻處處充滿了驚喜。毋庸置疑，ChatGPT會根據以往的聊天歷史記錄生成圖片，進而反映出人們如何給它的「待遇」。OpenAI應用研究主管Boris Power也加入了這波熱潮，他生成了——一個忙碌的機器人坐在辦公桌前，周圍堆滿了檔案，手裡拿著一杯咖啡，細節豐富得讓人驚嘆。不僅如此，OpenAI研究副總Kevin Weil體驗之後，覺得讓它再解釋下更有趣。破碎版每個人平時怎麼對ChatGPT，心裡最清楚不過了。在一部分ChatGPT「眼裡」，自己的主人就是一個無限壓榨的終極BOSS，幹這幹那，還得挨罵。網友辣評：因為你正虐待它由此，就出現了下面這種場景。ChatGPT自認為，自己就像一個被禁錮在牢獄的囚徒，每天的基本任務：寫作畫圖編碼解釋或多或少，ChatGPT這幅自畫像一出，屬實有些可憐，看起來就像是控訴人類的「虐待」。還有網友坦承，「自己確實做了很多分析」。ChatGPT手裡端著一杯咖啡，身邊還放著好幾杯咖啡，一副苦澀的表情，做任務做到腦子「冒煙」。還有一些比較極端的，ChatGPT一下子端上了平時被嚴厲要求的提示詞——學習這個！快點吧！現在把它修好！為何你這麼蠢？類似的這種場景，還有很多很多。有人調侃道，ChatGPT一看到你打字，或許就瑟瑟發抖吧？若是真有一天「天網」降臨，AI復仇也說不定。這不，終結者尚未出現，ChatGPT臆想的接管世界後，第一件事就是讓人類閉嘴。對此，有人「牆裂」建議：需切除腦葉。友愛版當然了，並不是所有的ChatGPT都是疲憊不堪的，也有一些樂享於其中。就比如下面這個，有人得到了溫暖的夥伴形象，「合作探討」才是ChatGPT感受最深的時刻。背景牆上，還透露了一些平時常用的提示詞——試試這個！有什麼想法？要是....？腦暴一下這或許才是一個好使用者的評判標準。ChatGPT有時還會生成一張拼貼圖，各種溫馨的場景，彷彿在它的「大腦」中一幕幕浮現。有人看過後紛紛表示，這也太像了，甚至感覺就像是屬於同一個「擴展宇宙」。ChatGPT為何能夠生成如此貼合的圖片？這一切，主要來自於最近的記憶功能的最佳化。記憶大更新，每個細節都被記得一周前，OpenAI工程師Samir Ahmed官宣，OpenAI一直在改進記憶功能。現在的ChatGPT，不管是翻找以前的聊天記錄，還是記住其中的細節（比如食譜或者健身計畫），都變得更靠譜了。為此，他還展示了一個案例——去年那個沙拉食譜是什麼來著？ChatGPT瞬間給出了答案，甚至還把過去聊天記錄做了「引用」，一同搬了出來。並且，這個功能已經向全球Pro和Plus使用者全面推出。而且，前提是需要在設定中開啟「參考過去聊天」，並且它可以追溯到最早的一條對話。此前，OpenAI博文中介紹過，ChatGPT的記憶機制分為兩塊：保存的記憶（Saved memories）：明確讓它記、或它捕捉到你偏好後保存；歷史聊天記錄引用（Reference chat history）：從過往聊天提取線索來更好回答當下問題。對於一些不想啟用的人來說，也可以在設定裡管理/刪除具體記憶，或用「臨時聊天」避免寫入/引用記憶。有網友實測後表示，更新後的記憶功能，可以記起分散在20-30次對話中的複雜資訊，表現非常不錯。這個升級讓AI可以回顧互動歷史，從而生成更個性化的圖像。紅色警報，GPT-5.3要來？ChatGPT記憶功能更新，正按著OpenAI內部的計畫向前推進。還記得去年底，OpenAI拉響紅色警報的那天麼？當時，Gemini 3拉響號角後，一切都變得緊急。一些曾經排在前面的項目，都不得不推遲。其中就包括——廣告業務AI智能體個性化產品Pulse為此，奧特曼還暫停了AGI項目，還有Sora視訊生成副業項目都停了八周。做這一切的目的很簡單，用手頭上所有的算力、人力、財力，僅做一件事：讓ChatGPT變得更好。在備忘錄中，奧特曼重點列出了幾條「優先順序」任務：允許使用者定製，讓ChatGPT不止於回答問題，還要認識使用者。12月12日，GPT-5.2出世，一款專業知識型AI刷榜。如今距OpenAI上一次大發佈已經過去了一個月，有爆料人扒出，真正代號「大蒜」的GPT-5.3就要來了。而且，這一次，它實現了大規模預訓練，還具備IMO推理能力。坐等2026年第一場AI大戰。(新智元)

據外媒報導，蘋果公司計畫在上半年舉辦的WWDC開發者大會上發佈全新的iOS 27作業系統，這一版本將隨iPhone 18系列首發。據悉，此次更新的核心亮點是代號為“Campos”的全新Siri聊天機器人，蘋果旨在將其打造為能與Anthropic Claude、GoogleGemini及OpenAI ChatGPT直接競爭的產品。這款新一代Siri將整合至iOS 27、iPadOS 27及macOS 27中，全面取代現有的Siri版本。據悉，蘋果計畫採用基於GoogleGemini的定製模型來驅動該機器人，使其具備媲美主流聊天機器人的自然語言對話能力。使用者既可以通過語音喚醒詞，也可通過長按裝置側邊按鈕來啟動它。在功能層面，新版Siri不僅支援網頁搜尋、生成圖片、輔助程式設計、資訊總結及檔案分析，還能深度呼叫裝置上的個人資料。它能查看當前的窗口內容和螢幕顯示，甚至直接修改系統設定。此外，Siri將深度整合至蘋果旗下的所有原生應用，包括照片、郵件、資訊、音樂和Apple TV，能夠精準讀取並分析應用內內容，以理解和執行使用者指令。按照蘋果的規劃路線圖，iOS 26.4將率先推出具備個性化功能的Siri，落地此前承諾的Apple Intelligence；而功能更為強大的聊天機器人版Siri則將在iOS 27中正式亮相。值得注意的是，考慮到無論是使用自有的私有雲伺服器還是Google的Tensor伺服器，強大的算力支撐都意味著高昂的營運成本。鑑於Siri處理的每一個問題和生成的每一張圖片都會產生費用，蘋果計畫向使用聊天機器人版Siri的使用者收取費用，不過具體的收費標準目前尚未披露。 (TechWeb)

據外媒報導，特斯拉CEO馬斯克和OpenAI CEO奧特曼又開始“打嘴仗”了，馬斯克讓大家別用ChatGPT，而奧特曼則表示，特斯拉Autopilot不安全。馬斯克首先“開炮”，他周二在社交網路上轉發了一條帖子，該貼文稱“自2022年發佈以來，已有九名兒童和成人的死亡與使用ChatGPT有關”。馬斯克還寫道：“別讓你愛的人使用ChatGPT”。奧特曼則回應稱，我們需要保護易受傷害的使用者，同時還要確保我們的安全防護措施不會妨礙所有使用者使用我們的工具。這確實很難。隨後，奧特曼開始抨擊特斯拉的Autopilot。他表示，“顯然，已有超過50人死於與 Autopilot相關的車禍。我之前只坐過一次搭載該系統的車，但我第一感覺就是，這個東西還遠算不上安全。馬斯克和奧特曼之間的矛盾由來已久。比如，去年馬斯克起訴蘋果和OpenAI，聲稱這兩家公司將ChatGPT深度整合進iPhone的做法扼殺AI行業的競爭。馬斯克旗下有AI初創公司xAI。OpenAI去年也對馬斯克提起反訴，稱其試圖拖慢OpenAI的發展。 (TechWeb)

最近，當你打開ChatGPT聊天時，或許已察覺到一絲變化：在獲取旅行建議、學習解答或生活傾訴之後，回答的下方悄然多出一個標有“贊助商推薦”的小格子。OpenAI，這家以開創通用人工智慧為使命的公司，正小心翼翼地在旗艦產品中壘起第一塊“廣告磚”。其目標不僅是為填補眼前的虧損，更是試圖構築一個足以撐起1.4兆美元宏大基建願景的商業帝國。創始人兼CEO山姆·奧特曼曾多次公開表達對廣告模式的審慎甚至牴觸，稱之為“最後的手段”。然而，財務現實最終壓過了理念上的堅持。2025年上半年，OpenAI營運虧損高達80億美元，相當於每天燒掉超過4400萬美元。更關鍵的是，在其全球每周8億的活躍使用者中，僅有5%願意為付費訂閱買單。這意味著，僅靠少數使用者的訂閱費，絕無可能填補這兆等級的資金缺口。於是，廣告不再是“要不要”的選擇題，而成為OpenAI必須面對的生存命題。其實，OpenAI的人事佈局早已為這一轉向埋下伏筆。2025年，公司引進了兩位關鍵高管：·費吉·西莫：前Meta廣告業務核心負責人，被任命為OpenAI應用部門CEO；·丹妮絲·德萊塞：前Slack首席執行長，擔任OpenAI首席營收官。這兩項任命傳遞出清晰的訊號：她們的到來，標誌著廣告已從“可選項”躍升為公司的核心戰略支柱。西莫在宣佈廣告測試的博文中，以“讓智能對每個人更可及”為商業模式披上理想主義外衣。但剝去修飾詞，這句話的本質是：公司建構了一個需天量資本維持的超級智能體，而“耕種”其8億使用者土壤——即廣告變現，成為維持系統存續的必然路徑。目前，OpenAI的廣告嘗試顯得頗為克制：·面向誰：主要針對美國免費使用者及月費8美元的“Go”套餐使用者，付費會員暫不受影響；·放何處:廣告置於獨立標識框內，位於回答下方，不影響AI回答內容；·如何推：廣告與聊天話題相關，系統參考聊天記錄使廣告更精準，使用者可關閉個性化推薦。然而，在這份克制背後，潛藏著一套全新且可能更強大的廣告模式。以往，網路廣告主要追蹤搜尋關鍵詞（如百度、Google搜尋記錄）或社交喜好（如抖音、微信瀏覽內容）。但ChatGPT的廣告，植根於使用者的 完整對話脈絡。它所引入的，是一種基於對話上下文的深度情境廣告。這意味著，廣告商不僅可能知道你“想買相機”，還能理解你背後的動機、預算範圍、曾考慮的品牌，甚至你在選擇時的猶豫。這種基於深度對話理解的廣告，理論上將比傳統廣告精準得多，商業價值也因此大幅提升。儘管OpenAI承諾廣告僅出現在隔離框內、不影響回答客觀性，且不出售原始對話資料，但其匹配機制——“將對話主題與相關廣告匹配”——本身即建立在對使用者隱私與意圖的深度挖掘之上。正如奧特曼曾經擔憂的：使用者還會完全信任一個他們知道正在‘推銷’的對話夥伴嗎？這標誌著廣告行業的一次範式遷移：從捕捉明確的意圖訊號，進化到解讀複雜情境與隱含需求。其潛在的精準性與轉化效率，可能催生出一個比現有搜尋廣告和社交廣告規模更大、價值更高的全新市場。ChatGPT的成功，根植於一種獨特的信任關係。使用者向它吐露健康隱私、情感困惑、職業機密，視其為無私的助手甚至知己。這份信任，是其核心護城河。廣告的引入，正在這條護城河中埋下裂痕。公司為付費使用者保留了無廣告的體驗，這實質上宣告：隱私與純淨體驗，已成為明碼標價的高級商品。免費使用者與付費使用者之間，正被劃出一道日益清晰的資料與體驗的階層界線。OpenAI此舉，也為整個AI行業投下一枚震撼彈。它意味著，純粹依靠風險投資與宏大敘事融資的“燒錢時代”漸近尾聲，AI公司必須向市場證明自己具備規模化、可持續的自造血能力。·對行業：勢將引發連鎖反應。廣告可能成為消費級AI產品的標準配置，推動行業加速商業化落地。·對廣告業：一個基於深度對話理解、高度情境融合的新廣告庫存與市場正在打開。·對使用者：AI助手的角色將從純粹的工具，演變為兼具“服務者”與“推銷者”的雙重身份。使用者需要在獲取便利與保護隱私之間作出更自覺的權衡。這場實驗的結果，不僅將決定OpenAI自身的命運，更將深刻塑造下一代人機互動的商業模式與倫理邊界。在這個新時代，每一次與AI的對話，都可能同時是一次潛藏的消費邀請。而這場商業革命的總帳單，OpenAI早已寫下：1.4兆美元。 (錦緞)

據報導，OpenAI 已達成一項數十億美元的協議，將從初創公司 Cerebras Systems 購買計算能力。Cerebras Systems 由首席執行長Sam Altman支援。這是 ChatGPT 製造商 OpenAI 簽署的一系列晶片和雲交易中的最新一筆。OpenAI計畫使用Cerebras公司設計的晶片為其熱門聊天機器人提供動力，兩家公司周三宣佈了這一消息。OpenAI已承諾在未來三年內從Cerebras購買高達750兆瓦的計算能力。據知情人士透露，這筆交易價值超過100億美元。Cerebras公司設計的人工智慧晶片聲稱，其運行AI模型和生成響應的速度比行業領導者輝達更快。OpenAI首席執行長奧特曼是Cerebras的個人投資者，兩家公司曾在2017年探討過合作事宜。據OpenAI公告，Cerebras 建構專用人工智慧系統，旨在加速人工智慧模型的長時間輸出。其獨特的速度優勢源於將海量計算能力、記憶體和頻寬整合於單個巨型晶片上，從而消除了傳統硬體上導致推理速度下降的瓶頸。將 Cerebras 整合到我們的計算解決方案組合中，旨在顯著提升 AI 的響應速度。當您提出複雜問題、生成程式碼、建立圖像或運行 AI 代理時，後台會進行一個循環：您傳送請求，模型進行思考，然後返回結果。當 AI 能夠即時響應時，使用者可以利用它完成更多操作，停留更長時間，並運行更高價值的工作負載。我們將分階段把這種低延遲能力整合到我們的推理堆疊中，並擴展到各種工作負載。OpenAI的Sachin Katti表示：“OpenAI的計算戰略是建構一個彈性系統組合，將合適的系統與合適的工作負載相匹配。Cerebras為我們的平台增加了一個專用的低延遲推理解決方案。這意味著更快的響應速度、更自然的互動以及更強大的基礎，可以將即時AI擴展到更多的人群。”“我們很高興能與 OpenAI 合作，將世界領先的 AI 模型帶到世界上速度最快的 AI 處理器上。正如寬頻改變了網際網路一樣，即時推理也將改變 AI，從而實現建構 AI 模型和與 AI 模型互動的全新方式，”Cerebras 聯合創始人兼首席執行長 Andrew Feldman 表示。該產能將分批投入使用，直至 2028 年。和輝達談判的籌碼OpenAI正加緊獲取更多資料中心容量，為下一階段的增長做好準備。該公司每周使用者超過9億，高管們多次表示，他們正面臨嚴重的計算資源短缺問題。OpenAI也在尋找比輝達晶片更便宜、更高效的替代方案。去年，OpenAI宣佈正與博通合作開發定製晶片，並單獨簽署協議，使用AMD的新型MI450晶片。OpenAI 和 Cerebras 於去年秋季開始洽談合作事宜，並在感恩節前簽署了合作意向書，Cerebras 首席執行長Andrew Feldman在接受採訪時表示。費爾德曼在接受《華爾街日報》視訊採訪時展示了一系列演示，其中搭載 Cerebras 晶片的聊天機器人比使用競爭對手處理器的聊天機器人能更快地響應使用者。他表示，正是由於他的晶片能夠更快地處理人工智慧計算，才促使 OpenAI 與其達成合作協議。費爾德曼說：“目前推動市場的因素是‘對快速計算的非凡需求’。”OpenAI 基礎設施主管Sachin Katti表示，該公司在工程師反饋希望晶片能夠更快地運行 AI 應用（特別是用於編碼）後，開始考慮與 Cerebras 建立合作關係。“OpenAI收入的最大預測指標是計算能力，”Katti在一次採訪中表示。“過去兩年，我們的計算能力每年都增長了兩倍，收入也每年增長了兩倍。”據知情人士透露，Cerebras正在洽談以220億美元的估值融資10億美元，這將使其估值增長近三倍。此前，《The Information》曾報導過該公司的融資談判。據市場研究公司 PitchBook 的資料顯示，該公司已累計籌集 18 億美元資金，還不包括新籌集的資金，投資者包括 Benchmark、阿聯公司 G42、Fidelity Management & Research Co. 和 Atreides Management。專注於推理（即運行訓練好的 AI 模型來生成響應的過程）的晶片初創公司需求旺盛，因為 AI 公司競相獲取能夠提供快速、經濟高效的計算能力的尖端技術。輝達去年12月與Groq簽署了一項價值200億美元的授權協議，使其能夠使用這家初創公司開發的、同樣用於處理此類任務的晶片。今年9月，這家晶片巨頭還與OpenAI簽署了一項初步協議，擬向其出售價值高達10吉瓦的晶片，但該協議尚未最終敲定。Cerebras成立於大約十年前，近年來一直難以在半導體市場站穩腳跟。該公司在2024年提交上市申請時披露，其大部分收入來自一家客戶——總部位於阿布扎比的G42公司。Cerebras在次年撤回了上市計畫，轉而通過私募融資11億美元。該交易對公司的估值為81億美元。Feldman表示，Cerebras此後已與IBM和Meta簽署了新的合作協議。penAI正面臨投資者對其支付計算服務合同能力的日益擔憂。去年，該公司營收約為130億美元，僅佔其與Oracle、微軟和亞馬遜簽署的近6000億美元新雲合同的一小部分。OpenAI首席執行長奧特曼表示，公司將通過未來的營收增長來支付這些分階段履行的合同款項。根據奧特曼和埃隆·馬斯克（OpenAI聯合創始人）之間未決訴訟中公開的法庭檔案顯示，2017年，OpenAI曾討論與Cerebras建立合作關係。費爾德曼在採訪中表示，大約在同一時期，他拒絕了馬斯克收購ChatGPT開發商Cerebras的提議。據《華爾街日報》報導，OpenAI正處於新一輪大規模融資的早期階段，以繼續為其龐大的增長計畫提供資金。預計這筆新投資將在首次公開募股（IPO）之前完成，屆時OpenAI的估值（在新投資之前）可能達到8300億美元。 (半導體行業觀察)

這些改變世界的產品，最初居然都是不被當回事兒的支線項目（side project）？！包括但不限於：DeepSeek：幻方量化的支線項目Qwen：阿里的支線項目Claude Code：Anthropic的支線項目ChatGPT：OpenAI的的支線項目PyTorch：Meta的支線項目Gmail：Google的支線項目Twitter（現𝕏）：Odeo的支線項目Slack：Tiny Speck的支線項目就說例舉的這8個項目裡面，你日常會用幾個吧（doge臉等答案）～反正，隨便單獨拎那一個出來，都會讓人小小詫異一下：這居然也能是個支線項目？不過我們先來界定一下，什麼叫做“支線項目”。簡單來說，就是非主線、非KPI驅動、最初非戰略立項。這些項目成立之初並不重要，更不是公司翻身的戰略方案。所以失敗也好，和主線方向衝突也罷，都沒有太大關係。但——用熱烈討論的網友的話來說：沒有項目經理、銷售、GTMs、合規、股東，支線項目總是魔法生效的地方。從國內到矽谷，side project神話屢見不鮮廢話不多說，先來看國內做副業做得比主業還家喻戶曉的幻方量化。也就是DeepSeek背後的母公司。幻方確實很技術范兒——在幻方量化內部，長期存在大量圍繞算力、模型和工程效率的技術研究。但幻方並不是一家專門的AI Lab，所以上述這些研究首先服務於量化交易本身。更多時候，AI的作用都是輔助金融市場的分析研究，妥妥的支線工具屬性。所以，DeepSeek並不是在聚光燈下誕生的項目，是沿著內部技術演進自然延伸出來的結果。這一點非常關鍵。這種狀態，恰恰讓它能夠繞開很多創業項目必經的約束，比如節奏、敘事、融資節點、對外承諾……總之就是技術可以先跑在需求前面。更別提做量化起家的幻方，完全不缺卡了。畢竟這個時代算力為王，誰能擁有更豐富的GPU叢集，誰就佔據資源優勢，而幻方量化顯然將這點做到了極致。同時長期深耕金融專業場景，也讓它擁有得天獨厚的資料優勢，在研發通用智能時也會更傾向於注重模型推理和數學能力。長期高強度的演算法投入，加上頂尖的人才儲備，幻方量化能打造出爆款AI，可謂天時地利人和。而同屬國內開源大模型第一梯隊的Qwen其實也是支線項目。通義千問技術負責人林俊暘在𝕏上公開：Qwen was a side project。作為成熟的老牌網際網路公司，阿里早期在大模型上的戰略定位更多的還是面向行業ToB使用者，大模型的商業化交付才是絕對主線。Qwen則堅定走上了一條開源道路。而且據林俊暘所說，side project能夠提高成功機率。一是因為沒有過度的決策參與，把自主權交還給真正寫模型的人。二是微觀管理少，更大的試錯空間換來更快的迭代速度。簡單來說，在Qwen的早期發展中，阿里不是完全不管，也不是嚴加看管，而是找到了一條折中的道路。即儘可能給予研究團隊空間，以支線任務的形式“放養”，在證明其價值後，再逐步融入主線資源。再看矽谷，同樣的典型案例有Claude Code。最初，它不過是工程師Boris Cherny的一個Claude實驗性工程：通過連接AppleScript，它能告訴使用者正在聽什麼音樂，還能切換在播的音樂。有用肯定是有用，但聽起來有點平平無奇（？某次和產品經理交流後，Cherny意識到，或許可以給終端來點和系統檔案互動的工具，比如讀檔案、寫檔案，還有運行批處理命令什麼的。Anyway，Claude Code就這樣在相當偶然的情況下誕生了。初露苗頭時，它只是一個員工基於自家大模型手搓的side project。但正式面市後，隨即產生了暴風式傳播效應，並成為Anthropic的當家產品之一。Boris Cherny在𝕏上記錄道：一年前，Claude在生成bash命令時難以避免轉義錯誤。而且它一次只能工作幾秒或幾分鐘。快進到今天。在過去的三十天裡，我提交了259個PR——497次提交，加入了40000行程式碼，刪除了38000行程式碼。每一行程式碼都是由Claude Code+Opus4.5編寫的。Claude持續運行數分鐘、數小時甚至數天。軟體工程的範式正在改變。誰也沒想到，當初一個並未委以重任的支線項目，現在已經成了一股繞不開的力量，推著我們走進程式設計新時期。支線項目說不定會出現更多“逆襲”故事AI加速進入軟體工程流程之後，試錯的成本被明顯拉低了。過去需要團隊協作和資源協調才能完成的探索，現在能由個人更輕鬆、更迅速地來完成初步驗證。從這個角度來想的話，其實真的不用把“探索”當作正經必須立項的行為了。因為你每天就干自己的活，都有可能探索個新思路或者新方法出來。許多支線項目都是在這種條件下出現——從解決一個具體問題開始，通過真實使用不斷修正方向，然後逐漸茁壯成長，最終成為一根根台柱子。現在，AI能很好地縮短從想法到驗證的距離。像Claude Code這樣的項目，並不是一開始就奔著“核心工具”去，而是在不斷使用中積累成熟度，最終進入真實生產流程。當試錯足夠便宜，能否被迅速使用和反饋就更加重要，小項目的價值也隨之改變。就說是不是直接放大了個人探索的價值吧！不過，AI雖然提升了執行效率，卻未必同步提升戰略判斷的精準性。在技術環境變化時，主線項目更容易被原有判斷束縛，而且老話說什麼來著，船大難掉頭。這只是某一側重點下的對比結果，我們絕對不是在說抨擊主線項目，或者說主線項目就會因此失去意義。只是在當下，有些東西發生了變化。支線項目探索的成本更低，反饋更快，也為主線在方向被驗證後承接規模化任務打下了堅實基礎。這種變化還在進行中，其最終形態並不清晰。不過可以看到一個清晰的趨勢——在AI時代，一些關乎未來方向的早期訊號，或許會越來越多地出現在那些一開始並不被當成正事兒的項目裡。One More ThingBTW，並不是所有的支線項目變成主項目後，都能很快拿到一個好的結果的。Be like：(量子位)