#自動化
•

“智能爆炸”時代將臨！Hinton、Bengio等22位頂尖AI科學家聯名敲響警鐘

今天，AI教父、諾獎得主Geoffrey Hinton轉發的一篇長文引起廣泛關注。 該文章共有22位署名作者，除了Geoffrey Hinton、Yoshua Bengio等學術圈大牛，還匯聚了OpenAI首席科學家Jakub Pachocki、Anthropic聯創Jack Clark、Microsoft首席科學官Eric Horvitz等產業界名人。 這些頂尖科學家在文中探討了當前最熱門的RSI話題：如果AI研發自動化引發“智能爆炸”會怎樣？ 拐點或在2028年
“智能爆炸”時代將臨！Hinton、Bengio等22位頂尖AI科學家聯名敲響警鐘
科技#GeoffreyHinton#智能爆炸#AI研發自動化
•

突發，Claude刷新物理學世界紀錄！單挑基於楊振寧理論9圈難題

就在剛剛，Anthropic官宣，Claude拿下了理論物理的一項前沿紀錄。 它在幾乎無人類干預的情況下，連續運行數天，一舉攻克了高能物理學界出了名難算的「九圈散射振幅」計算難題！ 具體來說，它算出了平面N=4超楊-米爾斯理論裡六粒子振幅的九圈結果，人類此前的紀錄停在八圈。 注意，楊-米爾斯模型（Yang-Mills）其中的「楊」，指的正是物理學泰斗楊振寧先生。
突發，Claude刷新物理學世界紀錄！單挑基於楊振寧理論9圈難題
科技#Anthropic#Claude#理論物理
•

機器人造機器人：Figure披露工廠藍圖

一家人形機器人工廠，什麼時候開始不只是生產機器人，還能讓新生產的機器人參與下一輪製造？ Figure AI 在2026年9月17日公開的三份專利，把這個問題拆成了一套具體的工程流程：零部件怎樣平行生產，整機怎樣逐層驗證，新機器人怎樣獲得“上崗資格”，以及它參與製造下一台機器人之後，質量責任怎樣繼續追蹤。 真正關鍵的不是“機器人製造機器人”這句話，而是它從成品變成製造資源時，背後必須補齊的驗證、調度和追溯機制。 01. 先拆開長流水線：讓模組平行製造
機器人造機器人：Figure披露工廠藍圖
美股#Figure AI#美國專利#人形機器人
•

前Google首席科學家Jeff Dean：晶片設計要自動化，才能不用去賭兩年後的算力需求

在近期舉辦的第七屆DevLabs大會上，前Google首席科學家Jeff Dean與Google雲AI基礎設施負責人Bill Jia展開了一場深度爐邊對話，圍繞GoogleTPU近十餘年的演進歷程展開系統回顧，話題涵蓋Google搜尋基礎設施的早期規模化、TPU的誕生契機、歷代TPU架構迭代、軟硬體協同設計、十萬晶片級叢集的可靠性工程、開源生態戰略、PyTorch生態適配、專用硬體自動化設計、推理時代的基礎設施重構等，並在最後的觀眾問答環節回應了商用硬體與專用超算路線之爭、3D環形拓撲的擴展極限，以及開發者如何參與開源生態擺脫對CUDA依賴等問題。 Jeff Dean提出，當前晶片設計流程仍高度依賴人工編寫暫存器傳輸級程式碼，若能借助強化學習等自動化搜尋循環實現設計流程自動化，晶片研發周期有望從150人兩年壓縮到10人三個月，這將從根本上改變專用硬體的經濟性，使團隊不必再為兩到六年後的算力需求押注。他還指出，在十萬晶片規模下Google依然堅持完全同步訓練以保證可復現性，此外他認為，Google能夠持續迭代TPU的核心優勢並非單點技術突破，而是硬體設計師、編譯器工程師與機器學習研究人員之間高頻且雙向的內部反饋循環，這種協同設計能力本身就是難以複製的護城河。 01 Google搜尋基礎設施的早期規模化
前Google首席科學家Jeff Dean：晶片設計要自動化，才能不用去賭兩年後的算力需求
科技#Google#首席科學家#晶片設計
•

Claude已「主導」Anthropic 26% AI研發工作，3萬Agent同時上崗，RSI仍未實現

據Anthropic披露數據，Claude已經主導26%的內部AI研發工作，協作超過90%的相關任務；主導是指人類提供高層級指令，AI完成大部分工作，人類則負責監督。同時Claude尚未在任何被測AI研發工作中達到完全自主運行的水平。 AI正在越來越多地參與開發下一代AI。 當地時間周四，Anthropic公佈了一組用於追蹤前沿AI實驗室研發進展的新指標。數據顯示，截至今年8月，Claude已經「主導」Anthropic約26%的AI研發工作；與此同時，約3萬個AI Agent在該公司同時開展研究和工程工作。 不過，Anthropic的數據也顯示，AI距離完全自主開展AI研發仍有明顯距離。截至8月，Claude尚未在任何被測AI研發工作中達到完全自主運行的水平。
科技#AI自動化#AI研發#AI Agent
•

做出ChatGPT核心研究的人今天掀桌：大模型搞不定自動化，新架構提速200倍且輸出免費

語言模型聊天能力超越人類好幾年了，可真正的業務自動化到底卡在那裡？ 這是前 OpenAI 研究員、ChatGPT 背後核心方法開發者 Diogo Almeida 琢磨了四年的問題。 當年他參與打造了讓大語言模型聽懂指令並與人順暢對話的技術。 但在熱潮退去後，他意識到基於聊天的模型少了一塊極其關鍵的拼圖。
做出ChatGPT核心研究的人今天掀桌：大模型搞不定自動化，新架構提速200倍且輸出免費
科技#ChatGPT#大模型#業務自動化
•

Snowflake CEO&CFO參加2026年高盛Communacopia +技術大會演講全文

Snowflake 的客戶對話已經從"資料平台/遷移"升維到"業務價值交付"——能源製造商的發票自動化（年支付 100 億美元、效率提升 1 個點即天文數字）、供應鏈最佳化、定製 CDP。 一、總綱：從"資料遷移廠商"到"業務結果平台" 本場最重要的敘事位移：Snowflake 的客戶對話已經從"資料平台/遷移"升維到"業務價值交付"——能源製造商的發票自動化（年支付 100 億美元、效率提升 1 個點即天文數字）、供應鏈最佳化、定製 CDP。Ramaswamy 直言："以前大多數 CEO 根本不會屈尊跟我談——'哦，一個資料廠商，誰在乎？'" 這種從 CTO 到 CEO/CFO 的受眾上移，是 AI 賦予資料平台的歷史性機會。支撐這一升維的底座是三個具體變化： AI 讓遷移工業化：大型製造業客戶 Teradata 遷移計畫不到 3 個季度完成（2024 年不可想像）；"遷移"一詞從 CIO 的心魔變成可承諾交付期的標準工程；
Snowflake CEO&CFO參加2026年高盛Communacopia +技術大會演講全文
科技#Snowflake#高盛#資料遷移自動化
•

優必選首次放言，今年Q4能“賺到錢”

8月28日，優必選（9880.HK）交出2026年中期業績：營收12.69億元，同比增長104.2%；期內虧損3.39億元，同比縮小23.0%。收入翻倍、減虧加速之後，懸念只剩下一個——盈利拐點到底什麼時候出現。 在8月30日晚上的財報電話會上，管理層解開了這個懸念。優必選CFO張鉅明確表態：原定2027年四季度實現單季度盈虧平衡的預期不變，公司正在爭取提前，今年四季度單季經調整EBITDA“有機會轉正”。 這是優必選上市兩年多以來，第一次給盈利預期標上具體日期。不過“賺到錢”需要加一個註腳：經調整EBITDA剔除了股份支付、信用減值和資產減值等項目，是經營層面的口徑，並不等於淨利潤轉正。 對人形機器人這個最燒錢的賽道來說，這句話的份量不在於口徑，而在於拐點第一次從敘事變成了可以按季度驗收的承諾，兌現期就落在接下來的四個月裡。
優必選首次放言，今年Q4能“賺到錢”
港股#優必選#9880.HK#人形機器人